1687
ADC采樣的過程包括數據流進行采樣、數字下變頻、數字濾波、抽取和快速傅里葉變換。從數據上的處理如下圖1，鏈路上的處理流程如下圖2.
NCO之前的中頻頻率是fS/2P（P為整數，取決于采樣），NCO下變頻后為真正的數字中頻I/Q。
首先，使用NCO將在fS處采樣的數據數字下變頻到基帶（復數I/Q）。然后，使用可編程低通數字濾波器對數據流進行濾波。在預抽取數字濾波設置中頻帶寬，隨著中頻帶寬變小，并且濾波使寬帶噪聲衰減，帶內積分噪聲功率會降低。
接下來，以M進行抽取會將有效采樣速率降至fS/M，抽取是一種僅觀察ADC采樣樣本的周期性部分，而忽略其余部分的方法。抽取的結果是降低ADC的采樣速率。例如，1/4抽取模式意味著（總樣本數）/4，有效地拋棄所有其他樣本。
在之前的文章中我們講過，ADC的處理增益是10log（fS/2BW），一個N位的ADC的動態(tài)范圍就會增加到6.02N+1.76+10log（fS/2BW）。
噪聲降低就相當于SFDR增加，從射頻的角度來說就是，采集的帶寬變窄，雜散沒有被采集進來，動態(tài)范圍增加。
到達抽取降采樣率這里，就完成了數據時域從模擬到數字的過程。分析數據的指標在時域上很難區(qū)分，所以采集完之后需要對數據從時域到頻域進行變換，FFT。
快速傅里葉變換（FFT）。
典型的FFT使用數萬或數十萬個采樣點，甚至可能達到幾百萬個采樣點。對于大多數ADC采樣速率。FFT 窗口大小定義為奈奎斯特頻譜 （fs/2） 除以頻率單位的 FFT 樣本數。例如，一個200M的ADC?（100MHz）采樣，FFT的點數是214，FFT的 窗口大小為：
100Mbps/16384=6.1kHz
窗口的大小就代表著對信號的分辨率，串口越小，分辨率越高。也是我們頻譜儀中的RBW。
NSD定義的噪聲單位為帶寬或FFT窗口頻率大小為1 Hz。
經過FFT變換后的噪底是多少呢？
經過FFT變換后的ADC的噪聲相對與NSD來說，是NSD的6000倍。相當于FFT的窗口積分了噪聲。
此時的噪聲電平應該是NSD+39dB
經過M抽取后，FFT長度為N的窗口帶寬為：FS/MN
根據上述，可以將ADC的處理本底噪聲(K)與ADC的噪聲譜密度(L) 關聯起來，經過FFT變換后的ADC量化的噪底為：
K=NSD+10log（FS/MN）
從以上可知，提高抽取倍數M或者增加FFT長度N都可以降低量化噪聲。
注意FFT采樣長度變化并不影響ADC的噪聲頻譜密度。 它只是將噪聲分布在不同的單位頻率帶寬上。
抽取倍數M取決于采樣率和基帶帶寬，而增加FFT的長度N。N越大，窗口越窄，分辨率越高，積分在窗口內的噪聲就越小。
祝好。
另：我開了一個射頻課程培訓，主講通信的射頻收發(fā)系統(tǒng)的指標設計和分解。課程一共13課時，每課時一個半小時左右，從指標出發(fā)，講解器件和指標之間的關聯度，指標如何設計，器件如何選型，問題如何排查。
上課后的收獲：
這個課程是一個由點及面的講解，相信很多工程師都存在的一個問題就是，不明白器件和系統(tǒng)的指標是什么關系，為什么器件會這么選擇，上完這個課程就會對系統(tǒng)的指標有個全面的了解，幫助你跨越停止在單個器件的障礙。
適合對象：剛畢業(yè)的射頻工程師，FAE，工作幾年一直停留在單個器件的工程師，對射頻系統(tǒng)感興趣的工程師。
感興趣就聯系我吧
