Tengo un muestreo de ADC de 24 bits a 31250 muestras por segundo. Los colecciono en un dispositivo inalámbrico y los envío en tiempo real a una PC para grabar (y luego analizarlos). Mi banda de interés es de 0-1000 Hz y el ADC produce un ruido que es más o menos gaussiano con un nivel de alrededor de 19 LSB RMS.
Mi enlace de radio tiene un rendimiento limitado, por lo que no puedo enviar todas las muestras desde el ADC a la PC (requeriría 750 kbps) y, en cambio, debo enviar un subconjunto de los datos (menos de 190 kbps).
El objetivo es obtener el nivel de ruido más bajo posible en una gráfica de espectro (por ejemplo, utilizando el método de Welch ) para una duración determinada de los datos (por ejemplo, 10 minutos).
Con ese objetivo en mente, ¿es mejor promediar más muestras de 24 bits y enviar el contenido completo de bits (menor tasa de muestreo, mayor número de bits) o es mejor promediar menos muestras de 24 bits y descartar el ¿Bits ruidosos más bajos (mayor tasa de muestreo, menor número de bits)?
Si puedo descartar los bits ruidosos, ¿cuántos debo conservar para un sobremuestreo adecuado en el lado de la PC?
¿Existe un método de procesamiento alternativo que proporcione mejores resultados que el promedio simple? Parece que Delta-Sigma solo se puede aplicar mientras se digitaliza la señal analógica, no después del hecho (y no puedo cambiar mi hardware).
ACTUALIZAR :
He estado leyendo mucho sobre el tema desde que hice esta pregunta y descubrí que tenía muchas ideas erróneas.
El punto central que no entendí es que tener una mayor tasa de muestreo no permite reducir el ruido blanco en la banda de interés. Estaba confundiendo la idea de reducir el ruido de cuantización mediante el sobremuestreo y la reducción con la idea de reducir el ruido en el espectro de potencia promediando durante un período de tiempo más largo.
En la superficie, ambos parecen indicar que tener más datos permite eliminar más ruido. Pero en el caso del Método de Welch, esto solo es cierto si la ventana de tiempo bajo análisis se alarga. No ayuda aumentar la velocidad de muestreo (y, de hecho, aumentar la velocidad de muestreo crea una mayor carga de procesamiento).
Por otro lado, la técnica de sobremuestreo y decimación no puede reducir el ruido térmico (ni ningún otro ruido analógico). Simplemente reduce el ruido de cuantificación en banda al distribuir la potencia de ruido fija en un rango de frecuencia más amplio. Una vez que el ruido de cuantificación en banda se ha reducido por debajo del nivel de ruido analógico, la aplicación adicional de sobremuestreo y decimación se vuelve notablemente menos útil.
Existe una técnica totalmente digital para reducir el ruido de cuantificación en la banda de interés denominada Noise Shaping . Es una parte integral del funcionamiento de un convertidor Delta-Sigma, pero se puede aplicar de forma independiente, por ejemplo, al reducir la profundidad de bits. Al igual que con el sobremuestreo y la decimación, no puede hacer nada al ruido térmico, ya que eso ya es parte de la señal medida. Dado que el ruido de cuantificación no es un factor limitante (ya que controlo la profundidad de los bits en el aire), tiene una utilidad limitada para mí.
Con este nuevo conocimiento, me parece que debo reducir la frecuencia de muestreo tanto como sea posible sin distorsionar o afectar adversamente la banda de paso de la señal (por ejemplo, teniendo en cuenta la velocidad de Nyquist). Puedo limitar la frecuencia de muestreo al mínimo y así ahorrar energía al no utilizar el rendimiento máximo de la radio. Como beneficio adicional, esto reduce los requisitos de almacenamiento y la complejidad del procesamiento.