ADC采样的过程包括数据流进行采样、数字下变频、数字滤波、抽取和快速傅立叶变换。从数据上的处理如下图1,链路上的处理流程如下图2.


NCO之前的中频频率是fS/2P(P为整数,取决于采样),NCO下变频后为真正的数字中频I/Q。
首先,使用NCO将在fS处采样的数据数字下变频到基带(复数I/Q)。然后,使用可编程低通数字滤波器对数据流进行滤波。在预抽取数字滤波设置中频带宽,随着中频带宽变小,并且滤波使宽带噪声衰减,带内积分噪声功率会降低。
接下来,以M进行抽取会将有效采样速率降至fS/M,抽取是一种仅观察ADC采样样本的周期性部分,而忽略其余部分的方法。抽取的结果是降低ADC的采样速率。例如,1/4抽取模式意味着(总样本数)/4,有效地抛弃所有其他样本。


在之前的文章中我们讲过,ADC的处理增益是10log(fS/2BW),一个N位的ADC的动态范围就会增加到6.02N+1.76+10log(fS/2BW)。

噪声降低就相当于SFDR增加,从射频的角度来说就是,采集的带宽变窄,杂散没有被采集进来,动态范围增加。

到达抽取降采样率这里,就完成了数据时域从模拟到数字的过程。分析数据的指标在时域上很难区分,所以采集完之后需要对数据从时域到频域进行变换,FFT。
快速傅里叶变换(FFT)。
典型的FFT使用数万或数十万个采样点,甚至可能达到几百万个采样点。对于大多数ADC采样速率。FFT 窗口大小定义为奈奎斯特频谱 (fs/2) 除以频率单位的 FFT 样本数。例如,一个200M的ADC (100MHz)采样,FFT的点数是214,FFT的 窗口大小为:
100Mbps/16384=6.1kHz
窗口的大小就代表着对信号的分辨率,串口越小,分辨率越高。也是我们频谱仪中的RBW。
NSD定义的噪声单位为带宽或FFT窗口频率大小为1 Hz。
经过FFT变换后的噪底是多少呢?
经过FFT变换后的ADC的噪声相对与NSD来说,是NSD的6000倍。相当于FFT的窗口积分了噪声。
此时的噪声电平应该是NSD+39dB

经过M抽取后,FFT长度为N的窗口带宽为:FS/MN
根据上述,可以将ADC的处理本底噪声(K)与ADC的噪声谱密度(L) 关联起来,经过FFT变换后的ADC量化的噪底为:
K=NSD+10log(FS/MN)

从以上可知,提高抽取倍数M或者增加FFT长度N都可以降低量化噪声。
注意FFT采样长度变化并不影响ADC的噪声频谱密度。 它只是将噪声分布在不同的单位频率带宽上。
抽取倍数M取决于采样率和基带带宽,而增加FFT的长度N。N越大,窗口越窄,分辨率越高,积分在窗口内的噪声就越小。
祝好。