¿Cómo medir el ruido de cuantización?

4

Estaba experimentando con un software (National Instruments Signal Express) donde usé un convertidor A / D de 16 bits, conecté la entrada analógica a tierra en un rango de -10 V a +10 V

He calculado que el ruido de cuantización rms teórico es:

$$ 88.0μV $$

He exportado los datos del siguiente gráfico a una hoja de Excel, donde tengo valores de tiempo y valores de voltaje ... ¿cómo hago para obtener el ruido de cuantización de rms medido?

EDITAR:

IntentéusarlafórmulaSNRyreorganizarentérminosdecuantificaciónderms,ylogréobtenerunvalorcercano,¿seríacorrecto?

Estassonlaslecturas:

    
pregunta Modrisco

4 respuestas

1
  • Con un ADC de 16 bits y si es exactamente un rango de 20 V (+/- 10) y 65535 pasos,
  • cada paso cuántico debe ser 305.1804 uV,

    • usted muestra 325 pasos de uV en excel. y unos 150uV pasos en el gráfico. por que?
  • Con la entrada de 0 V, parece que tienes un desplazamiento medio (-519 uV)

  • El ruido de cuantización es la adición de errores de cuantización a un ruido analógico de entrada.
  • el ruido rms es lo mismo que "desviación estándar" o sigma, s

Prefiero calcular 3sigma porque es una métrica útil para los niveles de Capacidad del Proceso de Prueba o Cpk para extender la muestra aleatoria al 99.7% de la población. Esto puede compararse con upper & reduzca los límites de control para determinar la relación de margen o para ver si un producto es "lo suficientemente bueno" para obtener rendimientos altos o resultados consistentes mediante la relación de Cpk (> > 1). Si Cpk < 1, tiene un gran problema.

No perdería mucho tiempo en el ruido RMS a menos que quiera calcular SNR después de que los errores de compensación y ganancia se verifiquen y corrijan.

  • En realidad, la distorsión de los niveles cuánticos se puede usar para obtener una mayor resolución promediando y solo con ruido aleatorio se obtiene una reducción de la desviación estándar de n ^ 0.5 para n mediciones. Este promedio es efectivamente una reducción del ancho de banda de cuantización.
respondido por el Tony EE rocketscientist
3

En primer lugar, el ruido de cuantificación no existe.

Cuando cuantifica una señal en amplitud, comete un error de cuantificación porque su ADC tiene un número finito de niveles. Si está cuantizando una señal de voltaje, entonces podemos llamar la amplitud de un nivel de su ADC \ $ \ Delta v \ $. Por ejemplo, si su ADC tiene un rango de entrada de \ $ - 1 \ $ V a \ $ + 1 \ $ V y es un convertidor de 10 bits, entonces el número total de niveles es \ $ 2 ^ {10} = 1024 \ $ y \ $ \ Delta v = \ frac {+1 \ \ mathrm {V} - (-1 \ \ mathrm {V})} {1024} = 19.53 \ \ mathrm {mV} \ $.

Si su muestra actual está en \ $ 0.6 \ \ mathrm {V} \ $ y tiene un ADC perfecto, su salida sería el código 819, que corresponde a un voltaje de entrada de \ $ 599.61 \ \ mathrm {mV} \ $ . Está cometiendo un error absoluto de \ $ 390 \ \ mu \ mathrm {V} \ $, y esto es error de cuantización .

Dado que los ingenieros son buenos para trabajar con AWGN , es decir, ruido blanco gaussiano aditivo, intentan modelar este error, que es un proceso estocástico, como si fuera AWGN.

Si su señal de entrada respeta algunas hipótesis , este modelo es bastante válido y tiene el poder de este ruido de cuantificación se puede calcular como: $$ P_n = \ frac {\ Delta v ^ 2} {12} \ [\ mathrm {V ^ 2}] $$ Esta es una fórmula fundamental cuando se habla de ruido de cuantificación, trate de recordarlo.

En su caso \ $ \ Delta v = 305 \ \ mu \ mathrm {V} \ $, por lo tanto \ $ P_n = 7.76 \ \ mathrm {nV ^ 2} \ $. Si tomas la raíz cuadrada obtienes \ $ \ sqrt {P_n} = 88.1 \ \ mu \ mathrm {V} \ $, hasta ahora bien.

Lo que está tratando de hacer es enviar una cierta señal a su ADC, calcular la salida del ADC, calcular el error de cuantificación y finalmente calcular el valor rms del error, para ver si se aproxima al valor mínimo ideal de \ $ \ frac {\ Delta v ^ 2} {12} \ $.

Ahora tenemos que diferenciar: está claro que su sistema está "cuantificado en amplitud", pero ¿también está cuantizado en el tiempo? Esto es muy importante porque la fórmula para calcular el valor rms de una secuencia es diferente de la fórmula que funciona para una función continua.

De todos modos, si alimenta su ADC con una señal de tiempo continua \ $ x (t) \ $ su salida será \ $ y (t) \ $ o \ $ y_n \ $, dependiendo de si su sistema también muestrea o no.

El error se puede calcular como la diferencia entre la entrada y la salida: $$ \ epsilon (t) = x (t) - y (t) \\ \ epsilon_n = x (nT) - y_n $$ donde T es el período de muestreo, si está presente.

Finalmente, para una función continua: $$ \ epsilon _ {\ mathrm {rms}} = \ sqrt {{1 \ over {T_2-T_1}} {\ int_ {T_1} ^ {T_2} {[\ epsilon (t)]} ^ 2 \, dt}} $$ donde \ $ T_1 \ $ y \ $ T_2 \ $ son el inicio y el final del intervalo en el que desea calcular los rms.

Para una secuencia: $$ \ epsilon _ {\ mathrm {rms}} = \ sqrt {\ frac {1} {N} \ left (\ sum_i \ epsilon_i ^ 2 \ right)} $$ donde N es el número total de muestras y se pretende que la suma esté sobre todas las muestras.

Tenga en cuenta que en un sistema real no obtiene solo el ruido de cuantización. Existen muchas otras fuentes de ruido que estarán presentes en las lecturas de su ADC, desde el ruido eléctrico hasta las no linealidades del ADC. El ruido de cuantificación está destinado específicamente a caracterizar solo un aspecto de los ADC y no tiene en cuenta otras fuentes de ruido en el ADC, ni el resto de la cadena de conversión.

El \ $ P_n \ $ calculado al principio es solo un valor de "no se puede hacer mejor que esto", por lo que espere obtener un mayor número de un sistema real. Debido al hecho de que la hipótesis de que la fórmula sea válida rara vez se respeta por completo, incluso un sistema ideal tendrá una mayor potencia de ruido para muchas señales de entrada "agradables".

    
respondido por el Vladimir Cravero
1

Para calcular el ruido rms a partir de una secuencia de mediciones tomadas de una lectura de DC, haga esto.

Encuentra el valor promedio. Réstelo de todas las lecturas para obtener los 'errores'. Cuadrar los errores. Tome el promedio de los errores al cuadrado (o súmelos y divídalos por el número de ellos, lo mismo). Saca la raíz cuadrada de su media. Esa es la raíz (Media (Squared_Errors)), o error de RMS.

    
respondido por el Neil_UK
0

Lo único que puede determinar a partir de los datos que muestra es el tamaño del paso de cuantificación, que es de 324 µV. Claramente, en este voltaje de entrada particular, el paso de cuantificación es más grande que el valor teórico de 20V / 2 16 = 305 µV.

Si una señal es (o puede ser aproximada por) una rampa lineal, entonces la señal de error de cuantificación es una forma de onda de diente de sierra que tiene una amplitud pico a pico igual al tamaño del paso de cuantificación. Este diente de sierra es la diferencia entre la señal original y una señal reconstruida producida por un "DAC ideal" sin filtrado, es decir, uno que contiene cada valor de muestra en su salida hasta que aparece el siguiente.

El valor RMS de un diente de sierra es \ $ \ frac {1} {\ sqrt {12}} \ $ el valor pico a pico, por lo que la amplitud del error de cuantificación generada por este ADC podría expresarse como \ $ \ frac {324} {\ sqrt {12}} = 93.5 \ mu V_ {RMS} \ $.

Sin embargo, no es así como se usan las señales en la práctica. A los DAC les siguen los filtros de reconstrucción, por lo que normalmente tratamos el ruido de cuantificación como una secuencia separada de muestras aleatorias que tienen una distribución uniforme en un intervalo igual al tamaño del paso de cuantificación. Estas muestras aleatorias representan la diferencia entre el valor producido por su ADC y el producido por un ADC "ideal" con una precisión infinita. Para simplificar, asumimos que este ruido es "blanco" en términos de su distribución de frecuencia, pero de hecho, el espectro del ruido depende mucho de la señal que se digitalice.

El valor RMS de una secuencia de muestras aleatorias con distribución uniforme en el rango ± la mitad del tamaño del paso de cuantificación es, una vez más, \ $ \ frac {1} {\ sqrt {12}} \ $ el tamaño del paso. En otras palabras, de cualquier manera que lo vea, el valor RMS del error de cuantificación sale igual.

    
respondido por el Dave Tweed

Lea otras preguntas en las etiquetas