欠採樣:基於SARADC的應用和技術

2020-12-13 電子產品世界

本文作者:Ryan CurranADI公司精密轉換器部門產品應用工程師

以低吞吐量運行SAR ADC可以實現多種優勢。通過增加轉換操作之間的時間,可以放寬系統濾波器要求,增加獲取輸入信號及從ADC抽取數據的時間。由於ADC的採集周期是轉換周期中讀取數據最常用的區域,因此,延長採集周期將放寬數字主機的要求。可以採用主機輸出-從機輸入(MOSI)時鐘速率較慢的低端處理器。例如,AD7980 16位SAR ADC的額定採樣速率最高為1 MSPS。

ADC的繁忙周期的最大額定值為710 ns,讀取數據的時間只剩下290 ns。要輸出16位數據要求時鐘周期不超過18 ns(或者不低於55 MHz左右)。然而,如果器件運行時的吞吐量為100 ksps,結果會使採集時間(數據讀取周期)從290 ns增至9290 ns。降低ADC採樣速率後,可以放寬串行時鐘要求,並把最小串行時鐘頻率改為2 MHz左右。在放寬數字主機要求以外,延長採集時間後,由於增加了建立時間,因此,還可以選擇使用低功耗和低帶寬ADC驅動器。

只要ADC支持需要的系統連續時間信號帶寬,就可以考慮使用額定最大吞吐量較低的ADC(如AD7988-1),以降低系統成本。AD7988-1是與AD7980同系列的一款100 ksps SAR ADC器件,它以較低的價格提供了相同的性能。如圖1所示,器件的

功耗

與採樣速率呈線性關係,因為多數功耗發生在活躍轉換周期中。減少轉換過程的次數,消耗的電量也會減少。速率為100 ksps時,AD7980(或AD7988-1)的功耗約為AD7980以1 MSPS的速率採樣時的十分之一。

圖1:AD7980工作電流與採樣速率

在單通道16位偽差分AD7980以外,

ADI

系列同時提供AD7902。這是一款雙通道16位偽差分同步採樣ADC,其額定採樣速率為1 MSPS。在傳播時間等應用中,可以利用同步採樣系統來抽取信號

相位

信息。我們收集了AD7902以1 MSPS和15.625 ksps(1 MSPS的1/64)的速率對10 kHz信號音採樣時的實驗室結果。運用等式4,欠採樣10 kHz信號音的基頻應該出現在DFT頻段中,該頻段跨度為5.625 kHz。可以看出,在符合奈奎斯特標準的採樣與欠採樣配置之間,無幅度信息丟失。但重構信號將為原始連續時間輸入的第一奈奎斯特區混疊表示。

圖2:AD7902的通道1(以1 MSPS對10 kHz信號音採樣)

圖3:AD7902的通道1(以15.625 KSPS對10 kHz信號音欠採樣)

欠採樣可能具有優勢的另一個例子是多通道順序採樣數據採集系統。這些系統一般由一個SAR ADC構成,帶有一個多路復用模擬前端,以固定間隔按已知順序轉換。在這種情況中,各個通道的有效採樣速率以系統中使能通道數的函數下降。例如,在一個八通道系統中,如果SAR ADC運行於1 MSPS下,則每隔八個樣本代表一個相應的通道。因此,給定通道的採樣速率僅為1 MSPS的1/8(125 ksps)。可以看到,在一個多路復用順序採樣系統中,單個通道的奈奎斯特頻率是如何快速降低的。

ADI

公司提供AD7091R-8,這是一款超低功耗的12位、八通道1 MSPS SAR ADC,內置一個基準電壓源和一個用戶

可編程

的通道序列器。該器件採用4 mm x 4 mm LFCSP微型

封裝

,工作於3 V

電源

和1 MSPS採樣速率時,其功耗不高於1.7 mW。在AD7091R-8上,如果使能全部八個通道,器件就會按從通道0到通道7的順序,自動重複順序採樣。當ADC的採樣速率為1 MSPS時,每個通道將以125 ksps的速率採樣。因此,相對於1 MSPS單通道系統,給定通道的奈奎斯特頻率從500 kHz降低到62.5 kHz。在多路復用器的一個通道上監控75 kHz信號音,結果會產生連續時間信號的混疊表示,其基頻為50 kHz。如後續各圖所示,當通過使能AD7091R-8上的額外通道修正奈奎斯特標準時,動態性能並未下降。

圖4:AD7091R-8監控75 kHz信號音(僅使能一個通道)。

圖5:AD7091R-8監控75 kHz信號音(使能八個通道,通道採樣速率為125 ksps)。

本文闡述了這樣一種想法:在通信系統以外,有些應用可以用到欠採樣理論。這些應用可能包括RMS-DC轉換、交流應變計、傳播時間、超聲電平測量和多路復用採樣。用SAR ADC實現欠採樣系統可能帶來巨大的性能和功耗優勢。不但可以放寬系統的總體限制,同時還能實現電路的總體目標。


相關焦點

  • 通過隨機採樣和數據增強來解決數據不平衡的問題
    現在,我們來看一些可以用來調整類不平衡的方法,特別是看看應用基於欠採樣和過採樣的技術的效果。欠採樣和過採樣當類別分布之間沒有平衡時,就會出現類別不平衡問題,也就是說相對於一個或多個類別過多導致數據的失衡。直觀上說可以通過將樣本添加到少數類別或從多數類別中刪除樣本或兩者結合來解決此問題。
  • 汙染場地土壤氣中 VOCs 定量被動採樣技術研究及應用
    ,是目前汙染場地中土壤氣調查的研究熱點.通過總結現有研究,就定量被動採樣技術的理論、被動採樣器吸附劑和外殼材料的選擇、被動採樣器吸附速率的研究及定量被動採樣在汙染場地中的應用進行論述.綜合研究發現, 只要嚴格控制吸附速率,被動採樣能夠提供準確的定量土壤氣濃度測量;採樣器結構的設計、外殼材料的選擇能夠有效控制吸附 速率;吸附速率受環境因素和土壤性質的影響,場地校正是獲得準確結果的有效途徑.我國在土壤氣採樣領域的研究剛剛起步
  • 基於序列模型的隨機採樣
    本文回顧了一系列常用的序列模型採樣方法,包括基於蒙特卡洛的隨機採樣和隨機束搜索,以及最近提出的基於Gumbel-Top-K的隨機束搜索。表1展示了這三種方法各自的優缺點。圖4 束搜索最終結果序列模型中的隨機採樣從序列模型中採集多個樣本有兩種經典的方法:基於蒙特卡洛的隨機採樣和基於蒙特卡洛的束搜索。
  • Stellaris系列微控制器的ADC過採樣技術(一)
    本應用文檔提供了一個基於軟體的過採樣技術,從而使轉換結果的有效位數(ENOB)得到了改善。文檔中描述了對輸入信號執行過採樣的方法,以及在精度和整個系統性能上的影響。過採樣,顧名思義就是從輸入信號中採集額外的轉換數據。
  • 基於PSoC®4的矢量控制方案 :電流採樣
    引言本文引用地址:http://www.eepw.com.cn/article/247805.htm  Cypress在2013年3月推出PSoC®4可編程片上系統架構, 它將賽普拉斯一流的PSoC®模擬和數字架構以及業界領先的CapSense®電容式觸摸技術同ARM®的低功耗Cortex™-M0內核完美相結合。
  • 基於DSP和FPGA技術的低信噪比雷達信號檢測
    摘要:提出一種基於DSP和FPGA技術的低信噪比情況下雷達信號檢測技術的工作原理與硬體實現方法,採用數位化的處理方法處理信息,取代傳統使用的模擬檢測技術
  • ESP8266_22基於自身ADC的電壓採樣
    這一節內容比較簡單,就是電壓採樣,在傳統設計中應用還是比較多的。首先看下支持ADC採樣的管腳,找到你手裡模塊的原理圖,我的如下所示:       如上所示,U1的2腳為ADC管腳,而且整個模塊有且僅有這一個電壓採集管腳。CDS1是一個光敏電阻,它和R1組成一個分壓電路。不同強度的光照在CDS1上時,會導致它的阻值變化,最終導致ADC管腳上的電壓發生變化。
  • 利用信號平均技術,消除噪聲幹擾,提升重複信號採樣的精準度
    而採用信號平均技術,則可以減少隨機噪聲的影響,提升信噪比(SNR),並且最大程度的減少對目標信號的影響,從而提高數據採集的精度和動態範圍。具體來說,凌華科技的數據平均模式(DAM,Data Average Mode)就是提供了這樣一個高水準的信號平均功能。
  • 基於DSP和高速AD的電力系統多通道同步採樣
    文章描述的採樣分析系統選用美國TI公司的TMS320C6711D作為主要的計算核心器件,該晶片具有900 MHz FLOPS高速浮點運算能力和類似RISC的指令集,採用VeloeiTI先進VLIW結構內核:8個獨立的功能單元,6個ALU,2個乘法器,浮點支持IEEE標準單精度和雙精度浮點運算,可以每周期執行8
  • 中頻採樣和IQ採樣的比較和轉換
    RF測試筆記是業界一線工程師們通過理論和實踐相結合的方式介紹射頻微波測試技術的專欄,主要涵蓋噪聲係數、數字調製、矢網、頻譜分析、脈衝信號等內容
  • 基於深度學習的圖像超解析度技術
    繼昨天對微信掃碼中的圖像超解析度技術詳細介紹後,為了讓大家更充分的認識並學習圖像超解析度,今天給大家介紹一篇綜述性文章,作為「圖像超解析度」系列文章的第2篇,本文從problem settings、數據集、performance metrics、SR方法、特定領域應用以結構組件形式等方面總結了圖像超解析度,同時,討論了超分方法的優點與限制、存在的問題和挑戰以及未來的趨勢和發展方向。
  • 基於12位採樣精度ADC晶片ADC12062實現數據採集測控系統的設計
    基於12位採樣精度ADC晶片ADC12062實現數據採集測控系統的設計 馬立軍 發表於 2020-12-25 10:31:43 1 前言 隨著計算機技術的飛速發展和普及
  • Stellaris系列微控制器的ADC過採樣技術(二)
    // TimerEnable(TIMER0_BASE, TIMER_A);使用多個定序器或一個定時器實現大於8倍的過採樣驅動庫的過採樣函數最大只能進行8倍過採樣(根據採樣定序器的硬體限制),因此需要更大過採樣因子的應用必須使用其它的實現。
  • Python中試驗非平衡數據採樣SMOTE算法
    基於數據的基本思路是對數據重新平衡,減小類別傾斜帶來的影響。經典的做法是SMOTE算法,它對小類中的樣本進行複製、創造以增加該類中的樣本數,或者對多數類進行抽樣,使之與少數類樣本平衡。這兩種思路分別對應於過採樣、欠採樣。SMOTE算法的實現並不難,在Python中有現成的包imblearn可以使用。
  • 機器學習的5種採樣方法介紹
    我每天都在努力學習許多算法,所以我想列出一些最常見和最常用的算法。 本文介紹了在處理數據時可以使用的一些最常見的採樣技術。 簡單隨機抽樣 假設您要選擇一個群體的子集,其中該子集的每個成員被選擇的概率都相等。 下面我們從一個數據集中選擇 100 個採樣點。
  • 基於 5G技術的教育信息化應用研究
    發達國家率先將信息與通信技術應用於教育領域,掀起了教育信息化的潮流 [1]。美國分別於 2000 年和 2004 年發布了國家教育技術計劃,推動了教育技術的普及與應用 [2]:教師應有效運用信息技術(IT)來促進學生的學習,學生要具備運用 IT 的素養和技能;通過教師培訓來促進教學創新應用,提升 IT 的教育應用效能。
  • 每個數據科學家都需要知道的5種採樣算法
    算法是數據科學的核心,而採樣是決定項目成敗的關鍵技術。了解有關使用的最常見採樣技術的更多信息,因此您可以在處理數據時選擇最佳方法。簡單隨機抽樣假設您要選擇總體中的一個子集,其中子集的每個成員都有被選擇的相同概率。下面我們從數據集中選擇100個採樣點。
  • 基於深度學習的超解析度圖像技術一覽
    一般可以將現有的SR技術研究大致分為三大類:監督SR,無監督SR和特定領域SR(人臉)。先說監督SR如今已經有各種深度學習的超解析度模型。這些模型依賴於有監督的超解析度,即用LR圖像和相應的基礎事實(GT)HR圖像訓練。雖然這些模型之間的差異非常大,但它們本質上是一組組件的組合,例如模型框架,上採樣方法,網絡設計和學習策略等。
  • 基於深度學習的語義分割技術講解
    它通過把抽取高解析度圖的方法形式化,並構建成一個上採樣問題來取得很好的效果。此模型在 Pascal Context 數據集上實現了 53.13% 的 mIoU,並且具有三倍的運行速度。該模型以全卷積網絡(FCN)作為主體架構,同時應用 JPU 對低解析度的最終特徵圖進行上採樣,得到了高解析度的特徵圖。使用 JPU 代替帶洞卷積並不會造成任何性能損失。
  • 數據科學家需要了解的 5 種採樣方法
    本文介紹了在處理數據時可以使用的一些最常見的採樣技術。簡單隨機抽樣假設您要選擇一個群體的子集,其中該子集的每個成員被選擇的概率都相等。下面我們從一個數據集中選擇 100 個採樣點。sample_df = df.sample(100)分層採樣假設我們需要估計選舉中每個候選人的平均票數。