模数转换器线性度测试要防码宽误判与基线混用
同一块板在两套测试程序中得到不同线性度,未必是模数转换器发生了变化。码密度测试的激励分布决定码宽估计是否可信,积分非线性的参考直线则决定最终数值如何解释,两者都必须先统一。
码密度测试根据各输出码出现的次数,反推对应输入区间的宽度。如果输入斜坡足够线性,且在测试区间内近似均匀扫过,各码的理想出现概率才可以近似相同。某一码计数偏多,可能意味着码宽较大,也可能只是激励在该电压附近停留更久。斜坡发生器自身的不线性因此会直接混入结果,使用更长采样记录只能减少统计波动,不能把激励的系统性偏差平均掉,测试源必须有足够好的独立线性度。
改用正弦激励后,各码的理想概率本来就不均匀,靠近波峰和波谷的电压出现得更频繁,不能再拿直方图高度直接比较码宽。需要依据正弦幅度、偏置和概率分布计算期望计数,再估计微分非线性。信号幅度应充分覆盖所需码区,但端部截断和削顶必须按方法处理。源失真、幅度漂移以及采样相位覆盖不充分,都会使实测分布偏离模型,让原本来自激励的问题被误报为转换器码宽异常。
有限样本也会制造假象。某个窄码的期望计数很低时,暂时没有样本落入该码,并不足以单独证明缺码;需要增加覆盖和样本量,并评估统计不确定度。反过来,输入噪声可能使转换边界变得模糊,测试条件也必须记录。工程报告应给出激励类型、幅度、采样数量和码区处理方式,使异常能够复现。若只保留一张看似平整的直方图,却没有理想分布和计数置信程度,微分非线性的结论就缺乏可靠依据。
积分非线性考察的是实际传递特性相对参考直线的偏离,但参考直线有不同建立方式。端点法以规定的两端为约束,最佳拟合法则用整段数据求取相应拟合直线。两种方式去除的线性分量不同,同一条弯曲传递曲线可以得到不同的残差峰值。最佳拟合也有具体目标函数,不能把所有最佳拟合都理解为使最大误差最小。比较手册指标或供应商报告之前,应先确认基线定义、码区范围和归一化方式。
基线差异不表示某一种方法在所有场景中更真实。若系统按两个已知电压作端点校准,端点基线的剩余误差更容易与实际校准过程对应;若考察整体拟合残差,则应使用相匹配的拟合规则。失调和增益可以由线性校准去除,但局部弯曲通常不能靠两个参数消除。把校准后的总电压误差与手册中的积分非线性数值直接对比,也可能混入参考源和校准源误差,导致对器件本身作出错误判断。
复核结果时,应尽量从同一组转换边界数据计算两种基线,而不是拿不同温度、不同激励下的两次报告硬作比较。若从微分非线性累积恢复传递曲线,还要正确处理码宽归一化和线性分量。报告中保留误差曲线的形状,比只写一个峰值更有助于定位分段跳变或缓慢弯曲。验收阈值则应与系统真实使用的校准方式一致,避免在文档中用较有利的定义,在产品中却承担另一种定义对应的残差。
模数转换器线性度只有在统计模型和参考基线都明确时才可比较。先证明计数确实反映码宽,再解释残差相对哪条直线,才能把测量方法差异与器件误差分开。





