ADC码型异常：DNL缺码与INL弯曲别混判

斜坡测试看到跳码、正弦测试看到谐波，并不必然是同一种非线性。ADC的DNL描述相邻码宽是否均匀，INL描述累计转移曲线偏离参考直线多少；两者的量测、表现和整改方向都应拆开。

理想量化器每个码的输入区间约为一个最低有效位。DNL为正表示该码区间偏宽，为负表示偏窄；当某个码宽收缩到零，输入再缓慢变化也不会输出该码，便形成缺码。DNL低于负一最低有效位与缺码直接相关，但实际测试中的“没看到某码”还可能只是样本不足、激励没有覆盖或噪声分布不均，不能凭短记录下结论。

码密度测试通过统计每个输出码出现次数反推码宽。用线性斜坡时，斜坡自身的非线性和时间抖动会写入直方图；用正弦波时，各幅度区间的理论概率本来就不均匀，必须按正弦概率密度校正。输入幅度还要略超满量程以覆盖端码，同时避免驱动器削顶造成异常堆积。样本量越少，窄码的计数方差越大，高分辨率器件尤其需要足够长记录。

噪声既会掩盖DNL，也可能帮助观察边界。若输入噪声远小于码宽，缓慢斜坡可能在比较器阈值附近形成确定性跳转；噪声稍大时，相邻码来回出现，统计能更平滑地估计阈值。噪声过大又会把多码混在一起，难以定位真正窄码。对可重复的缺码，应改变采样率、温度与参考电压，确认它是否跟随内部建立或比较器条件变化，而不是直接用数字插值补掉。重复采集若异常总锁在同一码位，更像内部阈值问题；若位置随激励源漂移，则先排查测试链。

INL关注的是这些局部码宽误差累积后，整个转移曲线相对直线的弯曲。即使每个DNL都未触及缺码，许多同方向的小偏差仍会积成明显INL。端点法用首末转移点定义参考线，最佳拟合法则最小化整体残差，两种结果数值不同；比较器件或验收限值时必须使用同一方法，否则所谓改善可能只是换了基准。

平滑的INL曲线会把正弦输入映射成确定性谐波。二次形状更容易产生偶次成分，具有对称性的三次弯曲常增加奇次谐波，但具体频谱还受差分结构、输入共模和幅度影响。INL峰值相同的两颗器件，若曲线空间频率不同，动态SFDR可能差别很大；只报最大正负值会丢失误差形状信息。温度扫描还可能让曲线拐点移动，因此不能用单个室温峰值代表全工况失真。

静态斜坡与动态频谱应互相验证。先从码密度得到转移阈值并积分计算INL，再把该曲线用于预测低频正弦的谐波；若预测与实测相符，量化器静态非线性证据较强。若谐波只在高输入频率出现，驱动器、采样开关或时钟更可疑，不能把所有失真都归到INL。反过来，局部DNL尖峰可能只影响少量码，不一定主导满幅正弦的低次谐波。测试记录还要保留参考线定义和激励不确定度，才能跨批次比较。

校准策略也应对应误差尺度。简单的增益和偏置校准只能移动、缩放整条曲线，无法修复窄码；查表校正可压低平滑INL，却要求码边界随温度和参考条件稳定。若缺码来自内部判决失效，数字后处理无法恢复从未被区分的输入区间。验收时应同时保存直方图、INL曲线和频谱，避免一个汇总数字遮住局部风险。

所以，DNL要查相邻阈值和码宽，INL要查累计曲线与谐波。先确认异常属于局部缺码还是全局弯曲，再选择电路整改或校正，ADC码型问题才不会被同一个“线性差”草率概括。