news 2026/1/22 3:50:18

【每周分享】ADC芯片的有效位数和无噪声位数的区别

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
【每周分享】ADC芯片的有效位数和无噪声位数的区别

很多高精度的24位以上分辨率的ADC芯片(比如TI的ADS1262,ADI的AD7191,HCT的HCT6805等等),其性能参数中的有效位数(ENOB,Effective Number of Bits)无噪声位数(NFB,Noise Free Bits)是衡量ADC芯片的实际分辨率的重要指标,两者的实际含义和侧重点也是不一样的,我们详细说说。

1.ENOB(Effective Number of Bits,有效位数)

ENOB表示ADC芯片在实际工作条件下(包含噪声和非线性失真)能够提供的有效分辨率。由于实际ADC存在噪声、谐波失真和非线性误差等因素,其性能会低于理想的理论位数(也就是数据手册标称的分辨率,比如32位)。

ENOB通常通过信噪比(SNR,Signal-to-Noise Ratio)计算得出,比如:

ENOB = (SNR-1.68)/ 6.00;

其中:

SNR是信号功率与噪声功率的比值(单位dB);

1.68 dB是理想ADC的量化噪声理论值;

6.00 dB对应1个有效位的分辨率提升。

比如TI的ADS1262芯片,查看数据手册,其ENOB通常与采样率,滤波器模式和增益配置有关,如下图来源于数据手册:

一般情况下,在高采样率或更宽带宽下,由于输入噪声增加,ENOB往往会降低。

再比如HCT的HCT6805芯片:

综上,ENOB反映了ADC的实际可用分辨率。例如,若ENOB=19位,意味着ADC的实际精度相当于一个理想19位ADC的性能,在使用的时候,代码上就可以对采集的ADC数据进行预处理再计算实际的输入电压:

复制

  1. valid_data_NFB = temp_average &0xFFFFFE000;
  2. actual_vol_NFB=valid_data_NFB *INTERNAL_ADC_REF_VOLTAGE / (ADC1_FSR * ADC1_PGA_GAIN);

2. NFB(Noise Free Bits,无噪声位数)

NFB表示ADC输出码中完全不受噪声波动影响的位数,它通常通过峰峰值噪声(Noise Peak-to-Peak)进行计算,比如:

NFB = log2(FSR / Noisep-p);

其中:

FSR,即Full Scale Range,是ADC芯片的满量程输入范围(如±2.5V)。

Noisep-p是在特定条件下测得的峰峰值噪声(通常通过统计或观察输出码的波动范围获得)。

比如ADS1262芯片的NFB,在数据手册中一般是直接给出相应寄存器配置下的NFB值,例如如果峰峰值噪声为1uV,满量程为5V,则:

NFB = log2(5 / 0.000001),大概是22.3位。

在数据手册上其实也可以查到噪声电压值,如下图所示:

综上,NFB表示输出码中稳定不变的部分,是系统能够可靠分辨的最小信号变化的指标,它通常比ENOB更低(因为ENOB包含统计噪声,而NFB是考虑最坏情况下的峰峰值噪声)。

以下通过表格列出ENOB和EFB的关键区别:

参数

ENOB

NFB

计算依据

基于RMS噪声(统计平均)

基于峰峰值噪声(最坏情况)

物理意义

实际可用的动态分辨率

输出码中绝对无波动的位数

数值关系

ENOB ≥ NFB

NFB ≤ ENOB

应用场景

动态性能(如信号频谱分析)

静态精度(如直流测量)

所以,对应这类高精度ADC芯片的应用,给出一些参考建议:

高精度直流测量(如称重、温度检测):关注NFB,确保微小信号不被噪声淹没;

动态信号采集(如振动分析):关注ENOB和SNR,优化信号带宽和滤波设置;

数据手册查阅:查看不同采样率、滤波器配置下的ENOB和噪声曲线,以权衡速度与精度。


---------------------
作者:dffzh
链接:https://bbs.21ic.com/icview-3488271-1-1.html
来源:21ic.com
此文章已获得原创/原创奖标签,著作权归21ic所有,任何人未经允许禁止转载。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/1/19 16:39:58

03.统计学机器学习

统计学机器学习 简介:什么是机器学习中的统计思维? 在当今的生成式 AI 时代,我们看到从业者构建机器学习 (ML) 模型,从简单的回归到复杂而精密的神经网络和生成式大型语言模型 (LLM)。我们还看到数据科学和数据分析被广泛用于预测客户流失、推荐系统和其他用例。然而,尽管…

作者头像 李华
网站建设 2026/1/19 22:04:26

[Poi2011]Lightning Conductor题解

P3515 [POI 2011] Lightning Conductor 题目描述 逐渐变化的气候迫使 Byteburg 当局建造一个巨大的避雷针,以保护城市内的所有建筑物。 这些建筑物沿着一条街道排成一行,编号从 111 到 nnn。 建筑物和避雷针的高度是非负整数。 Byteburg 的资金有限…

作者头像 李华
网站建设 2026/1/17 16:11:24

一文读懂大模型:收藏级教程,助你从入门到精通

大模型是基于Transformer架构的深度学习分支,通过预训练和微调两阶段构建。GPT和BERT分别基于Transformer的解码器和编码器,利用自注意力机制捕捉语言上下文。大模型能理解和生成人类语言,本地部署可减少延迟并保护数据隐私,是企业…

作者头像 李华