Vad är ADC (Analog-till-Digital-omvandlare) och hur fungerar de?
Key Takeaways
Analog-till-digital-omvandlare (ADC) spelar en avgörande roll för att omvandla kontinuerliga signaler som ljud och ljus till diskreta digitala värden, som sedan kan användas för en rad olika ändamål.
Samplingsfrekvensen för en digital-till-analog-omvandlare (ADC) är direkt proportionell mot antalet mätningar som erhålls per sekund, och en ökning av denna frekvens resulterar i en mer exakt avbildning av insignalen.
Upplösningen hos en analog-till-digital-omvandlare (ADC) är en avgörande faktor som påverkar noggrannheten hos de insamlade samplingarna. Ett högre antal bitar ger finare graderingar och mer exakta avläsningar. Olika typer av ADC:er uppvisar varierande balans mellan prestandaegenskaper som hastighet, noggrannhet och energieffektivitet.
Analog-till-Digital-omvandlare (ADC) spelar en avgörande roll för att omvandla kontinuerliga fysiska fenomen till diskreta digitala data som är lämpliga att använda i beräkningsapplikationer. Det kan dock vara oklart hur dessa enheter effektivt översätter analoga signaler till digitalt användbara representationer.
Vad används ADC:er till?
ADC (Analog-till-Digital-omvandlare) finns överallt och kan hittas i olika enheter, t.ex. smartphones, som omvandlar mänskligt tal till binär kod. Dessutom används de i bilar för att övervaka hjulrotationer. Dessutom spelar dessa omvandlare en viktig roll när det gäller att fånga upp elektriska signaler med hjälp av oscilloskop, vilket gör det möjligt att återge dem i digital form. Slutligen är det värt att notera att ADC ofta används inom multimediateknik, där omvandling av analoga signaler till digitala format är en nödvändighet.
Vad är en sample rate? Hur påverkar samplingsfrekvensen en ADC?
En av de viktigaste prestandaindikatorerna för en automatisk differentieringsdator (ADC) är dess samplingsfrekvens, som mäter hur ofta den avläser signaler inom ett givet tidsintervall.
Ett toppmodernt oscilloskop kan registrera upp till tio gigasamplingar per sekund, medan den resursstarka MCP3008 ADC klarar en mer måttlig samplingsfrekvens på tvåhundrafemtiotusen samplingar. När det gäller ljud används ofta en samplingsfrekvens på fyrtiofyra tusen och elva sampel per sekund (44,1 kHz).
Att öka antalet samplingar kan leda till att en signal återges med större noggrannhet, men det är inte alltid nödvändigt beroende på den specifika tillämpningen.När man t.ex. konstruerar en faderbank som används för att styra elektroniska enheter som de som finns på en ljud- eller ljuskonsol, kräver de värden som mäts inte högfrekventa förändringar eftersom mänskliga fingrar inte kan röra sig i sådana hastigheter. Det är viktigt att ha tillräcklig sampling för att säkerställa ett smidigt och responsivt resultat snarare än överdrivet höga samplingsfrekvenser.
Vad är bitrate? Påverkar bitrate kvaliteten på en ADC?
Kvaliteten på vårt sampel beror på bithastigheten, som dikterar antalet binära tillstånd som kan användas för att kvantifiera den elektriska potentialen. En ökad bithastighet möjliggör en större variation av värden inom varje prov, vilket i slutändan ger en mer förfinad och exakt representation.
Binär, som är ett system av siffror som består av endast två symboler, vanligtvis representerade som antingen “0” eller “1”, spelar en viktig roll i digital kommunikation. För att bättre förstå dess funktion kan vi hänvisa till våra tidigare diskussioner i ämnet. Antalet bitar som krävs för en viss uppgift kan variera beroende på den specifika applikationen. Faktorer som begränsningar i det protokoll som används eller begränsningar i den mänskliga uppfattningsförmågan måste också beaktas när man bestämmer lämpligt bitdjup.
Hur förbättrar multiplexering ADC-kvaliteten?
Populära ADC-chip som ADS1115 och MCP3008 erbjuder många ingångar. Men under huven innehåller de egentligen bara en enda ADC. Detta är möjligt tack vare de multiplexrar som är inbyggda i dessa enheter. Multiplexer finns överallt i elektronik- och telekommunikationsvärlden. De är digitala omkopplare som fungerar som trafikstyrning för din ADC. ADC kan sampla en kanal, och sedan nästa, och sedan nästa. Om du har åtta kanaler och en samplingsfrekvens på 200 000 kan du alltså rotera genom dem alla och ta 25 000 samplingar per kanal.
Vilka typer av ADC finns det?
Funktionerna hos automatiska detektionsräknare (ADC) kan variera beroende på faktorer som budgetbegränsningar och specifika prestandakrav.
En analog-till-digital omvandlare (ADC) med flash fungerar genom en komplicerad process som involverar en resistorarray som delar upp referensspänningen i flera steg, där varje steg jämförs med insignalen med hjälp av en grupp av komparatorer. Den främsta fördelen med flash-ADC är den snabba omvandlingshastigheten, även om precisionen är begränsad på grund av det begränsade antalet tillgängliga komparatorer.Dessutom förbrukar dessa ADC:er mycket ström på grund av de många komparatorer som används i driften.
Implementeringen av en underordnad analog-till-digital-omvandlare (ADC) innebär att omvandlingsprocessen delas upp i två distinkta faser. Den första fasen är ansvarig för att ge en ungefärlig representation av insignalens amplitud, medan den andra fasen utför en mer exakt bestämning av detta värde. Detta tillvägagångssätt bidrar till att minska antalet nödvändiga komparatorer, som vanligtvis är förknippade med ökad kostnad och komplexitet. I vissa fall kan underordnade ADC:er innehålla ytterligare steg som inkluderar felkorrigeringsmekanismer för att ytterligare förbättra deras noggrannhet och tillförlitlighet.
SAR ADC (Successive Approximation Register) arbetar med en form av binär sökning. För att illustrera detta kan man tänka sig ett exempel där det finns åtta bitar som kräver omvandling. I ett sådant scenario börjar SAR sina beräkningar med att beakta mittvärdet, nämligen 10000000, som ligger mellan 00 (som representerar det lägsta möjliga värdet) och 11111111 (som anger det högsta möjliga värdet). Om inspänningen överstiger mittpunkten behåller SAR den minst signifikanta biten som 1, vilket anger att det sanna värdet måste vara större än eller lika med den aktuella uppskattningen. Om däremot inspänningen understiger mittpunkten, sätter SAR den minst
Genom att iterativt halvera intervallet av möjliga värden, förfinar vi gradvis vår sökning tills vi kommer fram till en uppskattning för utgången från den analoga till digitala omvandlaren (ADC). Eftersom insignalen ligger inom intervallet 0 till 255, fastställer ADC så småningom att utsignalen är ungefär 77 genom en serie beräkningar som innefattar jämförelse med en mittpunkt.
Sigma-Delta-omvandlare representerar en avancerad klass av analog-till-digital omvandlingsteknik, som är särskilt utmanande att förstå på grund av deras mycket specialiserade natur. Dessa enheter används vanligtvis i krävande tillämpningar som involverar exakt mätning av signaler eller musik, och utnyttjar översampling och komplicerade matematiska manipulationer tillsammans med sofistikerade filtreringsalgoritmer för att förbättra upplösningen samtidigt som samplingsfrekvensen minskas. De är därför idealiska för situationer där låga brusnivåer och hög noggrannhet är viktigare än snabba datainsamlingshastigheter.
Det finns faktiskt Analog-till-Digital-omvandlare (ADC) som integrerar omvandlingsprocessen. Dessa omvandlare arbetar långsammare än Sigma Delta-typerna och använder en kondensator för laddning, från vilken utspänningen kan bestämmas.I många fall är samplingsfrekvensen i dessa enheter samordnad med nätaggregatets frekvens för att minimera brusnivåerna så mycket som möjligt.
Vad är Nyquist-Shannon-teorin?
För att kunna digitalisera en analog signal är det nödvändigt att erhålla minst två datapunkter som motsvarar varje svängning i signalen. Specifikt bör dessa punkter representera vågformens toppamplitud vid dess övre respektive undre gräns. Detta krav kräver en lägsta samplingsfrekvens som är lika med eller större än två gånger den maximala frekvenskomponent som finns i den signal som mäts.
Begreppet Nyquistfrekvens, som avser den högsta frekvens som kan representeras korrekt i en digital signal, föreslogs först av den brittiske matematikern Edmund Whittaker innan det utvecklades av den svensk-amerikanske fysikern Harry Nyquist och den amerikanske matematikern och kryptografen Claude Shannon. Den har dock kommit att förknippas med Nyquist på grund av hans bidrag till teorins vidareutveckling och popularisering.
Giltigheten i alla teoretiska påståenden är till sin natur osäker, eftersom den exakta tidpunkten för topp- och dalpunkter i en vågform inte kan förutsägas i förväg. Dessutom kan sampling av signalen vid en mellanliggande punkt längs dess bana förvränga den resulterande mätningen genom att dölja eventuella skiftningar i insignalen som annars skulle ha varit uppenbara.
Eller så kan man uppfatta helt nya elektromagnetiska svängningar som tidigare varit okända för mänskligheten:
Dessa hallucinationer kallas för alias.
Problemet med alias
Ett fenomen som kallas “vagnshjulsillusionen” kan kännas igen av dig. Denna optiska illusion kan uppstå när ett rörligt objekt fångas på film och får hjulen på ett fordon som en bil eller rotorbladen på en helikopter att till synes röra sig baklänges i långsam takt. I extrema fall kan rotorbladens rotation till och med stanna tvärt, vilket leder till ovanliga visuella effekter som illustreras i den bifogade videon.
När man ägnar sig åt föråldrad elektronisk underhållning är det inte ovanligt att observatörer uppfattar onormala förvrängningar i linjära element som staket, trappor eller plagg med horisontella band.På samma sätt kan lyssnare vid kommunikation som överförs via undermåliga digitala kanaler stöta på dissonanta ljud som vanligtvis kallas “visslingar”. Dessa auditiva avvikelser kan hänföras till en specifik form av försämring som kallas aliasing, som uppstår när en signal överskrider den samplingshastighet som kan fånga dess frekvenskomponenter på ett korrekt sätt. Detta fenomen blir särskilt tydligt när det tillämpas på komplexa ljudkällor, såsom perkussiva instrument, där de högre frekvenskomponenterna förstärks på grund av deras begränsade representation i de samplade data.
En förståelse av ett enskilt fenomen är avgörande för att förstå alla liknande företeelser. När det gäller ett vagnshjul hindrar en oföränderlig visningshastighet en korrekt avbildning av rörelsen. När ett objekt fullbordar en rotation på 350 grader inom varje bildruta, följer det logiskt att det har regredierat retrogradigt med tio grader. Följaktligen är de insamlade uppgifterna dissonanta i förhållande till den parameter som bedöms. För att uttrycka det kortfattat saknar den insamlade informationen anpassning till den avsedda mätningen.
Den aktuella frågan gäller inte enbart processen för analog-till-digital omvandling; i själva verket handlar det ofta om att omvandla en typ av digital signal till en annan.
En möjlig metod för att lösa detta problem är att använda en specifik filtreringsteknik som vanligen används av automatiska differentieringsdatorer (ADC) för att minska förekomsten av sådana artefakter. En alternativ strategi är att samla in betydligt fler datapunkter än vad som krävs för en korrekt återgivning av signalens vågform. Genom att öka antalet insamlade datapunkter kan den totala noggrannheten för den avbildade vågformen förbättras avsevärt.
Samla med högre kvalitet för bästa resultat
För dem som tycker att sådana ämnen är spännande är det värt att notera att vi bara har skrapat på ytan när vi har utforskat dem. Komplexiteten hos Automatic Duality Checkers (ADCs) utgör ett stort antal områden som ännu inte är helt utforskade och förstådda.
Sett ur slutanvändarens eller den typiska Arduino-entusiastens perspektiv är dessa enheter också enkla. Ingångsspänningar tas emot, följt av motsvarande numeriska utgångar. Oavsett vilken mätning man är ute efter - om det handlar om fuktnivån på en specifik tomt, vibrationsfrekvensen på ett stämband eller ljuspartiklarnas bana i en lins - är sannolikheten stor att en Analog-till-Digital-omvandlare (ADC) kan utföra sådana uppgifter på ett effektivt och enkelt sätt.