1 系统规格
假设一个灵敏度为2mV/V、激励电压为2.5V的电桥,数据采样率为5 SPS。1kg最大施加重量时,最大输出电压为5mV,系统希望能够检测最小应用重量为50mg(电压信号为50/1000 000 * 5mV = 250nV)。
2 无噪声分辨率计算
根据系统需求,可先计算出无噪声计数和无噪声分辨率:
所需的无噪声分辨率为14.3bit,大家可能会很快得出结论,系统只需16位的ADC。然而,由Δ-Σ ADC噪声测量及噪声规格详解可知,高分辨率Δ-Σ ADC实际上可提供的无噪声分辨率取决于ADC满量程利用率的百分比。在本例子中,系统使用2.5V参考电压,ADC最大输入信号是激励电压2.5V 和电桥灵敏度2mV/V的乘积,此时ADC的有效分辨率损失计算如下:
ADC的有效分辨率损失了9.96位,原因是因为5mV输入信号只使用了满量程的0.1%范围。在这种情况下,即使选用24位ADC也不足以满足系统要求。可通过放大输入信号来提高ADC满量程利用率百分比解决该问题,比如使用带有PGA的ADC。
例如,如下图所示24位的有效和无噪声分辨率表ADS124S08最多50SPS,目标数据速率突出显示。请注意,ADS124S08包括从1V/V到128V/V的增益。
要确定此ADC是否满足您的要求,需要分别重新计算每个增益设置的预期分辨率损失,因为每种设置都会产生不同的利用率百分比。然后,需要将其添加到上图中报告的每个对应的无噪声分辨率值中,以查看它是否符合系统规范。上图中红色框内列出了以5SPS数据速率使用ADS124S08计算的系统无噪声分辨率。
使用5SPS的32、64或128V/V的增益,您只能达到所需的14.3位系统无噪声分辨率。
如果传感器输入信号发生变化或采样频率发生变化,是会影响到ADC噪声分析的。此时必须重新计算新的数据采集速率下每个增益新的分辨率损失,这个工作量是比较大的,因为无噪声分辨率是一个相对参数,与输入信号、ADC满量程变化都有关系。
3 输入参考噪声
由系统规格可计算出传感器输出最小信号的峰峰值。
使用输入参考噪声的好处之一是不比担心分辨率损失问题。相反,系统可以直接将上述计算的最小信号峰峰值与ADC的输入参考噪声进行比较,以确定哪种设置组合提供的噪声性能合适。
下图是ADS124S08输入参考噪声表的节略版本。增益和数据速率设置的任何组合输入参考噪声 ≤ 输入参考噪声为250nVP_P。
对比使用有效分辨率和使用输入参考噪声选出来的结果可知,使用输入参考噪声方法选出的ADC所有满足系统要求的所有组合,而有效分辨率只选出了固定数据率下的组合,对于不同数据采集率需要执行新的计算。
3 系统变更影响
现在假设系统已将最大施加重量增加至5kg,最小施加重量增加至500mg,并将电桥的最大输出信号保持在5mV。传感器输出最小信号的峰峰值如下:
通过快速计算,可以确定您的系统噪声要求已放宽到500nVPP,这使系统可以使用更多的数据速率和增益组合。下图演示了这些宽松的系统规范允许您更快地采样(最高20SPS)或降低增益(降低到4V/V),同时仍然达到必要的噪声性能。
如果体重秤需要更高的分辨率呢?例如,保留了5kg的最大应用重量要求,但从第一个示例返回到50mg最小重量。保持最大电桥输出相同(5mV),现在需要50nVPP的输入参考噪声,这是极低的。很明显ADS124S08数据速率和增益设置的组合都不能提供这样的性能水平。但是,由于可以轻松地对任何ADC执行相同的分析,所以只需选择一个噪声性能更好的ADC。
下图显示了ADS1262,一个32位ADC,其功能类似于ADS124S08,但提供了更好的噪声性能。绿色阴影表示提供的数据速率和噪波组合≤50nVPP输入参考噪声,并确认ADS1262可以满足系统新的分辨率要求。
为了便于讨论,这里将输入参考噪声结果与相对参数进行比较。下图突出显示了ADS1262在相同的数据速率和增益配置下的无噪声分辨率性能。
在上图中,计算使用的是5V参考电压,而不是系统指定的2.5V参考电压。为了补偿这种差异,图中给出的每个分辨率值必须减少一位。这意味着,在给定的条件下,最多只能期望22.5位的无噪声分辨率。现在,可以在这些设置下计算ADS1262的预期分辨率损失。
使用32位ADC时,系统无噪声分辨率仅为16.5位。对许多人来说,这是一个令人沮丧的结果,似乎证实了是在为ADC实际上无法提供的性能付费。但是,如果查看使用输入参考噪声计算出来的相同设置,将看到在给定条件下利用了48nVPP噪声。这是一个难以置信的小值,没有16位ADC和极少数24位ADC可以提供。
归根结底,一个高分辨率的ADC来实现16.5位的无噪声分辨率(动态范围),因为系统要求极低的噪声性能。这就是为什么定义系统性能和使用输入参考噪声选择adc是有意义的。
标签:参考,系统,分辨率,噪声,选型,详解,ADC,输入 From: https://blog.csdn.net/mogutou520/article/details/140990487