一種基于參數(shù)提取算法的快速ADC測(cè)試方法*

陳 豹,王逢州

(徐州工程學(xué)院信電工程學(xué)院,江蘇 徐州 221000)

一種基于參數(shù)提取算法的快速ADC測(cè)試方法*

陳 豹*,王逢州

(徐州工程學(xué)院信電工程學(xué)院,江蘇 徐州 221000)

對(duì)于傳統(tǒng)的ADC測(cè)試方法,若要得到動(dòng)、靜態(tài)性能指標(biāo),需通過兩次測(cè)試測(cè)得,所需時(shí)間較長(zhǎng)。文章首先采用移動(dòng)平均濾波器對(duì)靜態(tài)測(cè)試時(shí)的直方圖算法進(jìn)行時(shí)間優(yōu)化,然后對(duì)靜態(tài)測(cè)試采集的測(cè)試點(diǎn)進(jìn)行抽取,并消除增益誤差后,基于參數(shù)提取算法通過傅里葉變化得到所有的ADC動(dòng)態(tài)參數(shù)。實(shí)驗(yàn)結(jié)果表明,文章所提算法所得的最大INL估算誤差為0.186 LSB,SINAD、ENOB、THD、SFDR估算誤差分別為 0.211 dB、0.035、0.159 dB、0.119 dB。與原估算算法相比,優(yōu)化算法所得SINAD和ENOB的估算精度提高了0.411 dB和0.057。與傳統(tǒng)ADC測(cè)試方法相比,在保證測(cè)試精度的前提下,測(cè)試時(shí)間減少了50.769%。

ADC測(cè)試;測(cè)試估算;參數(shù)提取;移動(dòng)平均濾波

模數(shù)轉(zhuǎn)化器(A/D轉(zhuǎn)換器或者ADC)作為將連續(xù)的模擬信號(hào)轉(zhuǎn)換為計(jì)算機(jī)可以處理的數(shù)字信號(hào)器件,即現(xiàn)實(shí)世界與機(jī)器語(yǔ)言之間的重要接口,已經(jīng)成為現(xiàn)代電子系統(tǒng)中不可或缺的重要組成部分[1]。為了滿足更高層次的應(yīng)用需求,ADC芯片的集成度以及內(nèi)部復(fù)雜度不斷提高,這就需要更高效、可靠的ADC測(cè)試方法對(duì)芯片進(jìn)行性能測(cè)試以保證芯片的穩(wěn)定性應(yīng)用。

ADC主要有兩類性能指標(biāo)。一類是基于ADC轉(zhuǎn)移特性曲線命名,包括積分非線性(INL)、微分非線性(DNL)、偏移誤差(Offset Error)以及增益誤差(Gain Grror)[2]。根據(jù)IEEE標(biāo)準(zhǔn),這些參數(shù)主要是利用正弦信號(hào)或斜坡信號(hào)作為輸入信號(hào),用直方圖方法獲得[3]。另一類性能指標(biāo)是ADC的頻譜性能,主要包括總諧波失真(THD),無雜散動(dòng)態(tài)范圍(SFDR)、信噪比(SNR)等。這些參數(shù)主要是利用高純度的正弦信號(hào)作為輸入信號(hào)源,用快速傅里葉變換(FFT)方法測(cè)得[4]。在國(guó)際上,關(guān)于ADC芯片測(cè)試方面的報(bào)道很多。針對(duì)傳統(tǒng)測(cè)試方法,即直方圖測(cè)試以及動(dòng)態(tài)測(cè)試算法,國(guó)際上制定了許多測(cè)試標(biāo)準(zhǔn)為ADC測(cè)試提供參考。例如IEEE Std.142—2000[5],IEC Std.1057—2007[6]等。根據(jù)傳統(tǒng)的測(cè)試方法,若要測(cè)得A/D轉(zhuǎn)換器的所有性能指標(biāo)往往需要兩次測(cè)試過程。

通過研究ADC靜態(tài)參數(shù)與動(dòng)態(tài)參數(shù)之前的關(guān)系,僅通過一次靜態(tài)測(cè)試或者一次動(dòng)態(tài)測(cè)試過程獲得ADC所有性能參數(shù)是降低ADC測(cè)試成本的主要方法之一[7]。有很多文章提出利用動(dòng)態(tài)測(cè)試方法通過估算得到積分非線性曲線[8-10],能夠避免進(jìn)行靜態(tài)測(cè)試過程以較少測(cè)試成本。但是,由于動(dòng)態(tài)測(cè)試所需采樣點(diǎn)少,這些方法只能粗略的描繪積分非線性曲線,與傳統(tǒng)直方圖測(cè)試方法相比,存在精度低等問題[11-12]。另外一些學(xué)者研究基于靜態(tài)測(cè)試估算動(dòng)態(tài)參數(shù)的估算方法。由于此類方法基于靜態(tài)測(cè)試過程,能夠利用大量的采樣點(diǎn)數(shù)精確的得到靜態(tài)參數(shù)和動(dòng)態(tài)參數(shù)值,達(dá)到了一次測(cè)試過程測(cè)得所有性能參數(shù)的目的,減少了動(dòng)態(tài)測(cè)試過程所需成本。

目前用靜態(tài)測(cè)試估算動(dòng)態(tài)參數(shù)的方法主要有兩大類。一類是通過靜態(tài)測(cè)試估算總噪聲功率,進(jìn)而通過計(jì)算求出信納比和有效位數(shù):文獻(xiàn)[11]提出利用正弦直方圖測(cè)試所得的實(shí)際ADC轉(zhuǎn)移特性曲線與理想轉(zhuǎn)移特性曲線之差,計(jì)算并推導(dǎo)噪聲功率公式,進(jìn)而計(jì)算出信納比以及有效位數(shù);文獻(xiàn)[12]提出利用正弦直方圖測(cè)試所得的積分非線性誤差值,通過研究積分非線性與諧波的對(duì)應(yīng)關(guān)系建立噪聲功率與積分非線性誤差值之間的關(guān)系表達(dá)式,從而計(jì)算得到信納比和有效位數(shù)值;文獻(xiàn)[13]提出利用微分非線性誤差估算總噪聲功率。此算法主要是利用斜坡直方圖方法所得的微分非線性誤差值,通過分析微分非線性誤差所包含的噪聲成分并進(jìn)行一系列數(shù)學(xué)運(yùn)算得到噪聲功率值,從而得到信納比以及有效位數(shù)值。

基于靜態(tài)測(cè)試估算動(dòng)態(tài)參數(shù)方法的另一類研究主要是通過估算研究得到無雜散動(dòng)態(tài)范圍以及諧波失真參數(shù)。由于ADC動(dòng)態(tài)參數(shù)性能參數(shù)中無雜散動(dòng)態(tài)范圍和總諧波失真參數(shù)能夠反映出ADC諧波以及雜散的情況,所以它們是ADC關(guān)鍵的性能參數(shù)。但是,在之前的研究中并未通過估算方法得到這些參數(shù)指標(biāo)。因此,2012年Jingbo Duan[14]和Le Jin等人提出利用斜坡直方圖方法所得的積分非線性曲線,通過對(duì)曲線進(jìn)行建模,并用理想的正弦波對(duì)其進(jìn)行采樣,以此得到能夠進(jìn)行傅里葉變換的積分非線性曲線。利用積分非線性與諧波之間的關(guān)系,通過對(duì)重組后的積分非線性曲線進(jìn)行頻譜分析,以此得到無雜散動(dòng)態(tài)范圍以及總諧波失真參數(shù)指標(biāo)。

通過國(guó)外學(xué)者對(duì)動(dòng)態(tài)參數(shù)估算算法的研究可以發(fā)現(xiàn),這些估算算法只能計(jì)算得到一部分動(dòng)態(tài)參數(shù)指標(biāo),并不能得到全部動(dòng)態(tài)參數(shù)指標(biāo),使得測(cè)試算法具有一定的局限性。而且,這些方法根據(jù)積分非線性、微分非線性或者是轉(zhuǎn)移特性曲線通過不同的估算方法來計(jì)算動(dòng)態(tài)參數(shù)值,為了估算準(zhǔn)確需要精確的直方圖測(cè)試結(jié)果,使得測(cè)試時(shí)間大大增加。因此,需要進(jìn)一步的研究動(dòng)態(tài)參數(shù)估算算法,對(duì)原算法存在的缺點(diǎn)進(jìn)行優(yōu)化,以達(dá)到減少測(cè)試成本的目的。文章所提出的參數(shù)提取測(cè)試算法,不需要進(jìn)行直方圖測(cè)試,僅需要采集靜態(tài)測(cè)試所需的數(shù)字碼,不需要大量采樣點(diǎn)數(shù)的情況下保證了測(cè)試精度,并減小了測(cè)試時(shí)間,而且所提方法通過實(shí)際頻譜圖得出噪聲功率,并非將理想量化噪聲功率作為噪聲,所得計(jì)算結(jié)果精確。

文章的主要內(nèi)容安排如下:第1節(jié)主要介紹改進(jìn)算法的實(shí)現(xiàn)過程;第2節(jié)主要介紹改進(jìn)算法的仿真結(jié)果;第3節(jié)說明測(cè)試結(jié)果;第4節(jié)總結(jié)全文。

1 基于參數(shù)提取的快速ADC測(cè)試算法

1.1 算法原理

對(duì)于理想ADC,其輸出數(shù)字碼中僅包含量化誤差,所以理想ADC的轉(zhuǎn)換特性可由式(1)所示。

Vin(k)=C(k)+Q(k),k=0,…,2bits-1

(1)

在實(shí)際ADC測(cè)試中,由于器件內(nèi)部以及測(cè)試電路中噪聲和非線性的存在,其實(shí)際的傳輸函數(shù)表達(dá)式如式(2)。

(2)

式中:Vin為輸入信號(hào),n為測(cè)試系統(tǒng)存在的噪聲,C(k)為ADC輸出碼值,offset為偏移誤差,gain為增益誤差,Q為量化誤差,k為輸出數(shù)字碼,k=0,…,2n-1,bits為ADC位數(shù)。根據(jù)式(2),若對(duì)測(cè)試所得輸出碼進(jìn)行傅里葉變換,可得:

(3)

(4)

式(3)中:FFT[Ck]即對(duì)實(shí)際ADC輸出碼值進(jìn)行FFT測(cè)試,其結(jié)果包含等式右面幾項(xiàng),FFT(Vin(k))正弦波輸入信號(hào)的傅里葉表達(dá)式,在頻譜中體現(xiàn)在基波分量上,即輸入信號(hào)頻率fin對(duì)應(yīng)的譜線。FFT(offset)代表直流偏移,即當(dāng)頻率為0 Hz對(duì)應(yīng)的譜線。FFT(INL(k))對(duì)應(yīng)于頻譜的諧波分量,FFT(Q(k))對(duì)應(yīng)于頻譜中的噪底以及諧波分量。

由以上分析可知,靜態(tài)測(cè)試輸出數(shù)字碼中包含動(dòng)態(tài)參數(shù)信息,并且可以通過頻譜分析計(jì)算得出。故,設(shè)計(jì)提出利用靜態(tài)測(cè)試所得的輸出字碼,通過數(shù)據(jù)分析與處理后,計(jì)算得出動(dòng)態(tài)參數(shù)。這樣就可以不需要進(jìn)行動(dòng)態(tài)參數(shù)測(cè)試,僅需一次靜態(tài)測(cè)試,即可計(jì)算得出所有性能參數(shù),大大減少了因動(dòng)態(tài)測(cè)試所需測(cè)試成本以及測(cè)試時(shí)間。下面詳細(xì)介紹優(yōu)化算法的具體實(shí)現(xiàn)過程。

1.2 算法實(shí)現(xiàn)

設(shè)計(jì)算法通過以下4個(gè)步驟實(shí)現(xiàn),具體測(cè)試流程圖如圖1所示,首先在待測(cè)ADC上施加適當(dāng)?shù)恼逸斎胄盘?hào),并提供滿足待測(cè)ADC要求的時(shí)鐘信號(hào),使待測(cè)ADC工作在正常工作模式,使用邏輯分析儀采集并存儲(chǔ)測(cè)試方法所需的輸出數(shù)字碼,最后將該輸出數(shù)字碼傳入計(jì)算機(jī)處理,獲得待測(cè)ADC的動(dòng)靜態(tài)參數(shù)。設(shè)計(jì)算法核心在于基于一次測(cè)試后通過參數(shù)提取算法獲得動(dòng)態(tài)參數(shù)和基于改進(jìn)正弦直方圖方法獲得靜態(tài)參數(shù)。具體的動(dòng)態(tài)和靜態(tài)測(cè)試過程如圖2所示,下面詳細(xì)闡述算法實(shí)現(xiàn)過程。

圖1 文章所提方法的具體測(cè)試流程圖

圖2 具體靜、動(dòng)態(tài)測(cè)試過程

1.2.1 算法的時(shí)間優(yōu)化

采集到的數(shù)字碼需要同時(shí)滿足直方圖測(cè)試和估算動(dòng)態(tài)參數(shù)測(cè)試是兩個(gè)過程,這樣才能達(dá)到一次性測(cè)試所有ADC性能參數(shù)的目的。因此,在考慮采樣點(diǎn)數(shù)時(shí)應(yīng)同時(shí)考慮這兩個(gè)測(cè)試過程,以得到最優(yōu)的采樣點(diǎn)數(shù)。

對(duì)于設(shè)計(jì)算法,只需保證做頻譜測(cè)試的8 192個(gè)點(diǎn)即可精確的估算動(dòng)態(tài)參數(shù)。圖3給出了在不同采樣點(diǎn)數(shù)情況下的動(dòng)態(tài)參數(shù)測(cè)試誤差曲線,從圖中可以看出,隨著采樣點(diǎn)數(shù)的增加,測(cè)試誤差并沒有減少,而是在誤差允許的范圍內(nèi)波動(dòng)。因此,對(duì)于單純的頻譜測(cè)試,8 192個(gè)采樣點(diǎn)數(shù)即可。

圖3 不同采樣點(diǎn)數(shù)的動(dòng)態(tài)參數(shù)測(cè)試誤差曲線

對(duì)于正弦直方圖測(cè)試來說,8 192個(gè)點(diǎn)數(shù)無法得到正確的性能參數(shù),測(cè)試誤差高達(dá)1 LSB,顯然8 192個(gè)采樣點(diǎn)數(shù)是不可以用來求得靜態(tài)性能參數(shù)。但是在ADC數(shù)據(jù)手冊(cè)中,一般INL的技術(shù)參數(shù)只關(guān)心其最大的INL值。為了節(jié)省計(jì)算時(shí)間,文章采用優(yōu)化的正弦直方圖方法計(jì)算得到靜態(tài)參數(shù)。優(yōu)化的正弦直方圖即采用移動(dòng)平均濾波器法,對(duì)采樣點(diǎn)數(shù)少的INL曲線進(jìn)行處理,擬合得出精確的INL曲線。如式(5)所示。

(5)

分析點(diǎn)數(shù)對(duì)INL誤差的影響發(fā)現(xiàn)當(dāng)采樣點(diǎn)數(shù)為6.554×104時(shí),即平均每個(gè)代碼采樣16次時(shí),與標(biāo)準(zhǔn)正弦直方圖測(cè)試的最大INL值僅差0.089 LSB。綜上所述可知,當(dāng)采樣點(diǎn)數(shù)為平均每個(gè)碼值采集16次時(shí),即可達(dá)到一次測(cè)試測(cè)得精確的靜態(tài)參數(shù)和動(dòng)態(tài)參數(shù)的目的。相比于傳統(tǒng)測(cè)試以及基于INL參數(shù)估算動(dòng)態(tài)參數(shù)方法,文章所提方法在確保計(jì)算精度的情況下,測(cè)試時(shí)間能夠減少一半以上。下面介紹由采集的ADC輸出數(shù)字碼值估算ADC的動(dòng)態(tài)參數(shù)過程。

1.2.2 參數(shù)提取

靜態(tài)測(cè)試的目的是求靜態(tài)參數(shù),比如偏移誤差、增益誤差以及積分非線性誤差。從奈奎斯特采樣定律可知,只要滿足采樣信號(hào)頻率大于兩倍的輸入信號(hào)頻率,就可以恢復(fù)出原始輸入信號(hào)的波形信息。為了讓所采集的數(shù)字碼能夠進(jìn)行FFT測(cè)試,需對(duì)靜態(tài)碼值進(jìn)行處理。對(duì)于靜態(tài)測(cè)試,即需對(duì)一個(gè)碼值進(jìn)行多次采樣,以進(jìn)行數(shù)理統(tǒng)計(jì)操作。但是,對(duì)于動(dòng)態(tài)測(cè)試來說,并不需要這么多的采樣點(diǎn)。因此,為了節(jié)省計(jì)算時(shí)間,在不影響原始波形信息的情況下,需提取出部分碼值,然后進(jìn)行動(dòng)態(tài)參數(shù)測(cè)試。例如,圖4中將靜態(tài)碼值以Code(4)為起點(diǎn),每隔一個(gè)數(shù)字碼取一點(diǎn),得到的一組碼值可組成由圖中的曲線。根據(jù)奈奎斯特采樣定律可知,只要最后所得的點(diǎn)數(shù)足夠多,就可以恢復(fù)出原始波形信息。

圖4 靜態(tài)碼值提取過程

此時(shí)恢復(fù)出的原始波形并不能直接用于進(jìn)行動(dòng)態(tài)參數(shù)的分析,因?yàn)閯?dòng)靜態(tài)測(cè)試中使用的波形增益不同,靜態(tài)測(cè)試中的高增益信號(hào)直接用于動(dòng)態(tài)測(cè)試會(huì)使得動(dòng)態(tài)測(cè)試頻譜中出現(xiàn)大量的高頻諧波從而無法得到ADC真實(shí)的動(dòng)態(tài)性能。因此,需要對(duì)恢復(fù)的波形進(jìn)行處理,即消除增益誤差的影響。

1.2.3 消除增益誤差的影響

對(duì)于動(dòng)態(tài)測(cè)試來說,通常需要非常高精確度的信號(hào)源來保證輸入信號(hào)的幅度在很精確的范圍內(nèi),即要嚴(yán)格低于ADC滿量程幅度。在靜態(tài)測(cè)試時(shí),為了能夠?qū)⑺写a值采集到,其采用的測(cè)試條件是輸入信號(hào)幅度略高于ADC滿量程幅度。因此,為了能夠從靜態(tài)的碼值提取出正確的諧波失真信息,需對(duì)增益誤差進(jìn)行校準(zhǔn),消除這部分對(duì)諧波分量的影響,進(jìn)而估算得出正確的動(dòng)態(tài)參數(shù)值。定義bits位ADC,其輸入正弦波為:

x(t)=Aactualsin(2πft+φ)+Vos(actual)

(6)

式中:Aactual為實(shí)際輸入信號(hào)幅度,f為輸入信號(hào)幅度,Vos(actual)為直流偏移。通過靜態(tài)測(cè)試所得的碼值,其幅度Aactual大于滿量程輸入信號(hào)幅度。對(duì)此輸入信號(hào)采樣N個(gè)點(diǎn)后,得到y(tǒng)[n]如:

圖5 輸出信號(hào)圖

(7)

然后,對(duì)y[n]做傅里葉變換,得到Y(jié)[k]后,根據(jù)傅里葉系數(shù)求出y[n]的周期J1和初始相位φ1。J1即為輸出頻譜中基波所對(duì)應(yīng)的頻率分辨率,公式如下:

J1=max1≤k≤N/2{abs(Y(k))}-1

(8)

(9)

在計(jì)算得到J1和φ1后,利用最小二乘法求出所求未發(fā)生截?cái)嗟男盘?hào)y0[n]周期J0和相位φ0為:

J0=ΔJ+J1

(10)

φ0=Δφ+φ1

(11)

式中:ΔJ為J和J1之差,Δφ為φ和φ1之差。最后可擬合得到未發(fā)生截?cái)嗟牟ㄐ伪磉_(dá)式,即增益誤差消除后表達(dá)式:

(12)

(13)

(14)

最后,將得到的y0[n]進(jìn)行傅里葉變化即可得到不受幅度影響的頻譜圖。

1.2.4 計(jì)算動(dòng)態(tài)參數(shù)

根據(jù)步驟2和步驟3的方法獲得頻譜分析圖后,需計(jì)算ADC的動(dòng)態(tài)性能參數(shù),各個(gè)參數(shù)的表達(dá)式如下:

(15)

(16)

(17)

(18)

此時(shí)通過頻譜可以得到ADC的全部動(dòng)態(tài)參數(shù)。

2 仿真結(jié)果

整體算法仿真文章借助MATLAB(2010b版本)軟件作為實(shí)驗(yàn)驗(yàn)證工具。在原算法的基礎(chǔ)上利用優(yōu)化的直方圖方法,即采用移動(dòng)平均濾波器法進(jìn)行計(jì)算,實(shí)驗(yàn)表明,在采用65 540個(gè)采樣點(diǎn)數(shù)時(shí),得到的最大INL值與標(biāo)準(zhǔn)直方圖方法得到的最大INL值僅相差0.089 LSB,如圖6所示。

圖6 2種方法所得INL曲線

圖7 所提算法與標(biāo)準(zhǔn)動(dòng)態(tài)測(cè)試算法比較頻譜圖

根據(jù)標(biāo)準(zhǔn)動(dòng)態(tài)FFT測(cè)試可知,其最多僅需8 192個(gè)采樣點(diǎn)數(shù)。因此,在仿真中對(duì)所采集的數(shù)字碼進(jìn)行等間隔提取,最后取得8 192個(gè)數(shù)據(jù)。為了更好驗(yàn)證此算法的準(zhǔn)確性,在相同的測(cè)試條件下,利用標(biāo)準(zhǔn)動(dòng)態(tài)測(cè)試方法,得到頻譜圖,校準(zhǔn)前后的頻譜圖如圖7所示。

3 實(shí)驗(yàn)結(jié)果

通過12位ADC模型仿真驗(yàn)證改進(jìn)算法的可行性之后,采用14位實(shí)際ADC芯片進(jìn)行驗(yàn)證,如圖8所示。文章采用14位ADC芯片AD9258作為實(shí)測(cè)芯片,主要完成3個(gè)實(shí)驗(yàn)驗(yàn)證。通過3組實(shí)驗(yàn)來驗(yàn)證所提算法,3組實(shí)驗(yàn)分別為原估算算法、文章所提算法以及標(biāo)準(zhǔn)動(dòng)態(tài)測(cè)試算法。3種方法測(cè)試得到的動(dòng)態(tài)參數(shù)的值如表1所示。文章所提算法在確保測(cè)試精度的同時(shí),只經(jīng)過一次采集獲得了ADC的所有測(cè)試參數(shù),與傳統(tǒng)測(cè)試方法相比大大節(jié)省了測(cè)試時(shí)間,文章所提方法的測(cè)試時(shí)間與傳統(tǒng)時(shí)間相比降低了50.769%。

圖8 AD9258測(cè)試PCB

標(biāo)準(zhǔn)算法基于INL值估算動(dòng)態(tài)參數(shù)算法文章算法SINAD/dB69．72369．16969．934ENOB/bit11．29011．19811．325THD/dB-88．057?-87．898SFDR/dB-92．473?-92．354

4 結(jié)論

針對(duì)當(dāng)前ADC測(cè)試領(lǐng)域出現(xiàn)的問題,文章采用基于參數(shù)提取測(cè)試算法,文章采用優(yōu)化的直方圖測(cè)試,即采用移動(dòng)平均濾波器對(duì)直方圖測(cè)試進(jìn)行時(shí)間優(yōu)化,與所提算法相結(jié)合的ADC整體測(cè)試架構(gòu),大大優(yōu)化了測(cè)試時(shí)間。對(duì)于動(dòng)態(tài)參數(shù)的獲得,主要是采集靜態(tài)碼值,通過參數(shù)提取減少頻譜測(cè)試所需計(jì)算量后,消除增益誤差的影響,最后通過傅里葉變化得到全部動(dòng)態(tài)參數(shù)。

[1] 吳光林,胡晨,李銳. 一種有效的ADC內(nèi)建自測(cè)試方案[J]. 電子器件,2003,26(2):190-193.

[2] 董振龍,董惠,武錦. 基于FPGA的高速 ADC測(cè)試平臺(tái)的設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制,2012,20(9):2372-2374.

[3] 黃遠(yuǎn)望,嚴(yán)濟(jì)鴻達(dá),周偉. 基于FPGA的數(shù)據(jù)采集測(cè)試系統(tǒng)設(shè)計(jì)[J]. 現(xiàn)代雷達(dá),2015(4):73-76,80.

[4] 鄧若漢,余金金,王洪彬,等. 基于Labview的ADC綜合性能測(cè)試系統(tǒng)[J]. 科學(xué)技術(shù)與工程,2012,12(19):4653-4658.

[5] IEEE Standard for Terminology and Test Methods for Analog-to-Digital Converters[S]. IEEE Std. 1241-2000.

[6] IEEE Standard for Digitizing Waveform Recorders[S]. IEEE Std. 1057.2007.

[7] 張智慧,荊學(xué)東,丁虎. 噪聲對(duì)高速ADC的動(dòng)態(tài)性能影響分析[J]. 船舶工程,2015,37(3):58-63.

[8] Attivissimo F,Di Nisio A,Giaquinto N. Measuring Dynamic Nonlinearity of Digitizers Affected by Time Base Distortion[J]. IEEE Transactions on Instrumentation and Measurement,2011,60(2):560-566.

[9] Janik J,Fresnaud V. A Spectral Approach to Estimate the INL of A/D Converter[J]. Computer Standards and Interfaces,January 2007,29(1):31-37.

[10] Filippo Attivissimo,Nicola Giaquinto,Izzet Kale. INL Reconstruction of A/D Converters via Parametric Spectral Estimation[J]. IEEE Transactions on Instrumentation and Measurement,2004,53(4):940-946.

[11] Wagdy M F,Awad S S. Determining ADC Effective Number of Bits via Histogram Testing[J]. IEEE Transactions on Instrumentation and Measurement,1991,40(4):770-772.

[12] Ting H W,Liu B D,Chang S J. Histogram Based Testing Strategy for ADC[J]. Proceedings of the Asian Test Symposium,2006:51-54.

[13] Duan Jingbo,Chen Degang. SNR Measurement Based on Linearity Test for ADC BIST[J]. IEEE International Symposium on Circuits & Systems,2011,19(5):269-272.

[14] Duan Jingbo,Jin Le,Chen Degang. Testing ADC Spectral Performance without Dedicated Data Acquisition[J]. IEEE Trans Instrum Mear,2012,61(11):2941-2952.

AFastADCMeasurementApproachBasedonParameterExtraction*

CHENBao*,WANGFengzhou

(Department of Information and Electrical Engineering,XZIT,Xuzhou Jiangsu 221000,China)

As for traditional test method of ADC,it needs twice tests to obtain the static parameters and dynamic parameters. To obtain the whole parameters,it spends a long time,and the cost is very high. Firstly,the time of histogram algorithm is optimized by moving average filter. Then the test point of static test collection is extracted. After eliminating the errors of gain,all the dynamic parameters of ADC are obtained by fourier transform based on the parameter extraction algorithm. The experimental results show that the estimate errors of maximum INL,SINAD,ENOB,THD and SFDR are 0.168 LSB,0.211 dB,0.035,0.159 dB and 0.119 dB by using the optimized algorithm. Compared with the original algorithm,the estimating accuracy of SINAD and ENOB is increased by 0.411 dB and 0.057 dB. Compared with the traditional method,the test time is reduced by 50.769% on the promise of the test precision.

ADC test;test estimation;parameter extraction;moving average filter

10.3969/j.issn.1005-9490.2017.05.019

項(xiàng)目來源:住房和城鄉(xiāng)建設(shè)部研究開發(fā)項(xiàng)目(2014-K5-033);江蘇省高校自然科學(xué)研究項(xiàng)目(14KJB520038)

2016-08-08修改日期2016-09-29

TN98

A

1005-9490(2017)05-0045-06

陳豹(1980-),男,通信作者,漢族,江蘇徐州人,徐州工程學(xué)院,碩士,講師,主要研究方向?yàn)殡娮蛹夹g(shù)應(yīng)用、嵌入式系統(tǒng)技術(shù),361242716@qq.com。