第2章信号采样与量化

2、信号采样与量化：奈奎斯特定理、过采样技术、ADC/DAC选型要点、量化噪声分析

好，咱们开始聊采样和量化。这俩词儿，做通信芯片的，天天都得打交道。说白了，就是把咱们现实世界里的连续信号，变成数字芯片能处理的0和1。这一步要是没做好，后面算法再牛也白搭。我见过不少项目，最后性能上不去，回头一查，根儿就在ADC/DAC的选型或者采样策略上。

奈奎斯特定理，大家肯定都背过：采样频率要大于等于信号最高频率的两倍。但你真的理解它背后的物理含义了吗？

我个人习惯，不把它当定理，而是当个「边界条件」。它告诉我们，要想无失真地重建信号，采样率的下限在哪。低于这个下限，就会发生混叠（Aliasing）。

避坑指南： 我曾经在一个窄带接收机项目里，想当然地用了刚好两倍的采样率。结果发现，带外噪声被折叠进了带内，信噪比直接掉了3dB。后来我学乖了，工程上从来不用「刚好两倍」，至少留出10%~20%的余量。

为什么会这样？因为现实世界没有理想的低通滤波器。你信号最高频率是10MHz，但前面可能有个12MHz的干扰。如果采样率刚好20MHz，这个12MHz的干扰就会被折叠到8MHz的位置，正好落在你的信号带内。所以，工程实现时，我们通常会说：

你想想看，这多出来的0.2倍，其实就是给模拟滤波器留的过渡带。滤波器越陡峭，成本越高，功耗越大。这就是个典型的工程权衡。

过采样，就是用一个远高于奈奎斯特频率的采样率去干活。这听起来有点浪费资源，但好处非常明显。

核心思想就一句话：把量化噪声的能量，分散到一个更宽的频带里。

咱们知道，量化噪声的总功率是固定的，跟采样率无关。但它的功率谱密度是平坦的。如果你把采样率提高K倍，噪声功率谱密度就降为原来的1/K。然后，你再通过一个数字低通滤波器，把带外噪声滤掉，剩下的带内噪声就小了很多。

这里有个公式，我建议你记在笔记本上：

每提高一倍采样率（2倍过采样），
带内量化噪声功率降低约3dB，
相当于有效位数（ENOB）提升0.5位。

我的经验： 在低功耗设计中，我经常用过采样来「降级」ADC的硬件要求。比如，本来需要一个12位的ADC，我用一个10位的ADC配合4倍过采样，就能达到差不多的效果。芯片面积和功耗都能降下来。当然，代价是数字处理时钟要跑得更快。

过采样也不是万能的。它主要受限于两个因素：

很多新手选ADC，上来就问「这是多少位的？」。嗯，位数很重要，但不是全部。我选型时，会重点看以下几个参数：

参数	为什么重要	我的经验值
有效位数 (ENOB)	这才是实际能达到的精度，不是标称位数。受噪声和失真影响。	通常比标称位数低1~2位。比如12位的ADC，ENOB可能只有10.5位。
无杂散动态范围 (SFDR)	衡量ADC对强干扰的抑制能力。在通信中，这比SNR还关键。	对于接收机，SFDR至少要达到70dBc以上才够用。
信噪失真比 (SINAD)	综合了噪声和失真的指标。ENOB就是由它算出来的。	ENOB = (SINAD - 1.76) / 6.02
采样抖动 (Aperture Jitter)	采样时刻的不确定性。高频信号下，抖动会严重恶化SNR。	对于1GHz以上的信号，抖动要小于100fs。

对于DAC，除了上述指标，还要关注：

选型口诀（我自己总结的）：

先看带宽够不够，再看ENOB真不真。

SFDR看抗干扰，抖动决定高频根。

功耗面积要权衡，数据手册看仔细。

量化噪声，是模数转换的固有产物。你永远无法消除它，只能尽量减小它的影响。

它的模型很简单：假设量化误差 e 在 [-Δ/2, Δ/2] 内均匀分布，其中 Δ 是量化步长（LSB）。那么，量化噪声的功率为：

P_q = Δ² / 12

对于一个满量程正弦波输入，信号功率为 (2^N * Δ)² / 8。所以，理论上的信噪比（SNR）为：

SNR = 6.02 * N + 1.76 dB

这个公式，做芯片的应该都烂熟于心了。但我想说的是，这只是理想情况。实际中，量化噪声并不总是均匀分布的。比如：

怎么解决？我常用的方法有两个：

一个小技巧： 在做系统仿真时，我习惯把量化噪声建模为加性高斯白噪声（AWGN），功率设为 Δ²/12。虽然不完全精确，但对于大多数系统级性能评估来说，已经足够用了。只有在做极限性能分析时，我才会用更精确的量化模型。

好了，关于采样和量化，核心的东西就这些。记住，理论是基础，但工程实现时，一定要结合你的具体应用场景来做权衡。没有最好的方案，只有最合适的方案。