Как обработка цифровых сигналов улучшает использование данных ADC в сложных приложениях
Главная » Новости » Почему данные ADC падают
Современные системы сбора данных зависят от аналоговых цифровых преобразователей (ADC) для соединения аналогового мира физических сигналов - температуры, давления, радиоволн или биологических напряжений - с цифровой областью процессоров, хранения и сетей. Тем не менее, необработанный цифровой поток, покидающий ADC, редко готов к прямому использованию в сложных приложениях. Несовершенство, такое как шум квантования, тепловой шум, дрожание часов и гармонические искажения, повреждает сигнал. Без обработки эти артефакты могут перегружать базовую информацию, особенно в системах, таких как базовые станции 5G, машины МРТ или радары с фазированными массивами, где амплитуды сигнала охватывают много порядков величины.
Цифровая обработка сигналов (DSP) превращает эти некорректные исходные данные в чистое, компактное и богатое информацией представление. Применяя математические операции, методы DSP используют известную структуру сигналов и шума для извлечения максимальной ценности из каждого образца. Результатом является повышение эффективного разрешения, более низкие уровни шума и скорости передачи данных, которые соответствуют мощности обработки по потоку. В этой статье рассматриваются конкретные методы DSP, которые открывают весь потенциал данных ADC, проблемы, которые они решают, и как эти методы стимулируют инновации в требовательных отраслях.
Понимание ограничений ADC и средств DSP
Каждый ADC вводит три фундаментальные ошибки: ошибка квантования (ограниченное разрешение шага), ошибка выборки (сглаживание из недостаточной скорости) и динамические ошибки (дрожание при апертуре, нелинейность). Например, 12-битная выборка ADC при 100 MSPS может обеспечить отношение сигнал-шум (SNR) значительно ниже его теоретического 74 дБ из-за этих реальных факторов. DSP не может отменить потерянную информацию из грубого квантования, но он может формировать спектр шума, интерполировать недостающие детали из данных перебора и отклонять интерфереры из диапазона.
Торговый представитель Nyquist
Классическое напряжение существует между скоростью выборки и разрешением. Более высокие скорости производят больше данных, но увеличивают мощность и требования к памяти. Более низкие скорости устраняют риск. DSP решает это с помощью переборки в сочетании с децимации : выборка быстрее, чем скорость Nyquist, затем цифровая фильтрация и понижающая выборка до целевой скорости. Этот метод эффективно снижает шум квантования в полосе, распространяя его на более широкую полосу пропускания, получая несколько дополнительных битов динамического диапазона без изменения аппаратного обеспечения ADC. Современные преобразователи сигма-дельта полностью полагаются на этот подход DSP-помощь для достижения 24-битного разрешения от 1-битного модулятора.
Основные методы DSP, которые улучшают данные ADC
Цифровая фильтрация: за пределами простого удаления шума
Программные фильтры — конечный импульсный отклик (FIR) и бесконечный импульсный отклик (IIR) — являются рабочими лошадками обработки данных ADC. Линейно-фазовый фильтр FIR может удалять 60-Гц гул силовой линии без искажения фазы сигнала, критической для анализа электрокардиограммы (ECG). Более сложные сопоставленные фильтры максимизируют SNR для известных форм импульсов в радарах и приемниках связи. В программно-определяемых радиостанциях (SDR) каскад фильтров децимации (CIC и полудиапазонные фильтры) снижает скорость передачи данных от гигаобразца на секунду ADC до управляемого потока мегапримера при сохранении интересующего сигнала.
Оценка и конверсия ставок
Сырые потоки ADC часто превышают требуемую пропускную способность. Децимация снижает частоту выборки при сохранении точности сигнала. Процесс сочетает в себе фильтрацию с низким пропуском для предотвращения псевдонимирования с помощью выборки понижательного сигнала. Например, медицинская ультразвуковая система может отбирать пробы при частоте 40 МГц, но ей нужна только полоса пропускания 10 МГц; коэффициент децимации 4 уменьшает объем данных на 75% без потери диагностической информации. Структуры полифазных фильтров делают эту операцию вычислительно эффективной, позволяя в режиме реального времени работать на встроенных процессорах.
Фурьер-трансформация и спектральный анализ
Fast Fourier Transform (FFT) преобразует образцы ADC временной области в частотную область, выявляя компоненты сигнала, невидимые во временных следах. Анализаторы спектра, допплерные процессоры радиолокационных импульсов и демодуляторы ортогонального мультиплексирования с частотным разделением (OFDM) полагаются на обработку на основе FFT. Для приложений в реальном времени функции окон (Hamming, Blackman) уменьшают спектральную утечку и усреднение по нескольким кадрам FFT снижает уровень шума. В мониторинге вибрации FFT данных ADC от акселерометров идентифицирует неисправности подшипников на конкретных гармониках - невозможная задача без DSP.
Адаптивные алгоритмы: отслеживание меняющихся сред
Статические фильтры выходят из строя при смене характеристик сигнала или шума. Адаптивные алгоритмы — такие как фильтр наименьших средних квадратов (LMS) или фильтр Калмана — обновляют коэффициенты в реальном времени на основе входных данных. При активном шумоподавлении эталонный микрофон подает данные ADC на фильтр LMS, который генерирует антишумовой сигнал. В системах связи адаптивные эквалайзеры компенсируют многолучевое затухание, непрерывно регулируя их реакцию на поступающие образцы ADC. Эти алгоритмы требуют значительных вычислительных ресурсов, но обеспечивают производительность, которую не может сравнить ни один фиксированный фильтр.
Расширенные методы DSP для высокопроизводительных систем
Чрезмерная выборка и формирование шума
Sigma-delta ADCs продвигают границу DSP с помощью очень высокого коэффициента пересчета (например, 64x или 128x) в сочетании с шумообразующим контуром. Модулятор выталкивает шум квантования из полосы сигнала, а последующий цифровой фильтр децимации удаляет шум из полосы. Эта цепь дает высокое разрешение (16-24 бит) от простого 1-битного или многобитного квантователя. Часть DSP — фильтр децимации — обычно доминирует в области чипа и энергопотреблении. Для приложений с высокой пропускной способностью, таких как базовые станции 4G / 5G, ADC с непрерывной стрелкой сигма-дельта с расширенными цифровыми коррекционными контурами достигают 14-битного ENOB при 1 GSPS.
Цифровая коррекция и калибровка
Каждый АЦП имеет нелинейности — интегральную нелинейность (INL) и дифференциальную нелинейность (DNL) — которые ухудшают нелинейный динамический диапазон (SFDR). DSP может хранить таблицу поиска коэффициентов коррекции, полученных из известного калибровочного сигнала, и применять поправки в реальном времени к каждому образцу. Более продвинутые методы используют фоновую калибровку, где вводится и измеряется псевдослучайный сигнал низкого уровня для адаптивной настройки коррекции. Этот метод позволяет высокоскоростным АЦП поддерживать линейность по изменениям температуры и напряжения без заводской калибровки.
Сжатие и скудное восстановление
Когда интересующий сигнал в некоторой основе разрежен (например, несколько дискретных частот), теория сжатия (CS) позволяет проводить выборку значительно ниже скорости Nyquist. Случайный демодулятор или модулированный широкополосный преобразователь (MWC) захватывает многократно псевдонимизированные образцы, а алгоритм DSP решает проблему минимизации l1 для реконструкции исходного разреженного сигнала. Хотя вычислительно интенсивная, CS позволяет использовать новые радиолокационные системы, которые работают с непрерывным временем вместо интервалов повторения импульсов, и широкополосный мониторинг спектра с использованием одного низкоскоростного ADC.
Реальные приложения: где DSP соответствует данным ADC
Телекоммуникации: 5G и радио, определяемое программным обеспечением
Базовые станции 5G принимают широкополосные сигналы (100 МГц и более) от нескольких антенн. Один ADC оцифровывает всю полосу, затем DSP направляет ее в узкие поддиапазоны для обработки MIMO. Цифровое искажение (DPD) линеаризует усилитель мощности путем анализа образцов обратной связи ADC и вычисления обратного искажения. Без DSP нелинейный PA нарушит спектральные эмиссионные маски. В телефонах SDR вся модуляция и демодулирование происходит в цифровой логике после ADC, что позволяет обновить прошивку до новых стандартов.
Медицинская визуализация: МРТ и ультразвук
Магнитно-резонансная томография (МРТ) использует данные ADC из нескольких приемных катушек, возбуждаемых импульсами RF. Необработанные сигналы временной области трансформируются через FFT в частотное пространство (k-пространство), затем реконструируются в анатомическое изображение. Методы DSP, такие как параллельная визуализация (SENSE, GRAPPA), объединяют данные из нескольких катушек для сокращения времени сканирования при сохранении разрешения. На ультразвуке формирование луча все чаще выполняется в цифровом домене: поток ADC каждого преобразователя задерживается и суммируется в цифровом виде для формирования сфокусированного луча, что позволяет использовать адаптивную визуализацию и методы синтетической апертуры.
Аэрокосмическая и оборонная: радиолокационная и электронная война
Современные радары с фазированной антенной решеткой оцифровывают радиочастотные сигналы непосредственно на каждом элементе антенны с использованием высокоскоростных ADC (12-16 бит на нескольких GSPS). Массивный бэкэнд DSP выполняет формирование луча, сжатие импульсов (с использованием совпадающих фильтров), обработку доплеров (с использованием FFT по нескольким импульсам) и постоянное обнаружение ложной тревоги (CFAR). В радиоэлектронной войне DSP идентифицирует сигналы угрозы из плотного спектра ADC, деинтерливит импульсные поезда и генерирует контрмеры - все в режиме реального времени. Вся оперативная цепочка от антенны до трека представляет собой DSP-провод по необработанным данным ADC.
Промышленный IoT: мониторинг состояния и прогнозное обслуживание
Датчики на заводском оборудовании выборки вибрации, тока и температуры при умеренных скоростях (10-100 кSPS). DSP обрабатывает данные ADC для извлечения таких функций, как RMS, гребной коэффициент и пики FFT. Алгоритмы обнаружения аномалий (пороговое или машинное обучение) на этих функциях предсказывают износ подшипников или смещение за несколько недель до отказа. Краевые процессоры с интегрированными ускорителями DSP выполняют всю обработку локально, передавая только несколько байтов в секунду вместо необработанных потоков ADC.
Преимущества интеграции DSP-ADC в сложных приложениях
Эффективное решение за пределами Bit Width
Количество битов, рекламируемых на листе данных ADC, никогда не реализуется полностью на практике. Методы DSP, такие как избыточная выборка, усреднение и увеличение диапазона (с использованием программируемого усилителя усиления перед ADC) эффективно восстанавливают дополнительные биты. 12-битный ADC с 16-кратной избыточной выборкой и цифровой фильтрацией может достичь 14-битного эффективного разрешения - эквивалентного гораздо более дорогому 14-битному преобразователю. Для низкочастотных сигналов дитеринг (добавление небольшого шумового сигнала перед квантованием) и цифровое усреднение могут подтолкнуть ENOB еще выше.
Обработка в реальном времени и низкая задержка
Архитектуры DSP — выделенные ядра DSP, FPGA или ускорители GPU — могут обрабатывать данные ADC с детерминированной задержкой в течение микросекунды. Это важно в системах управления замкнутым контуром: контроллер двигателя, который считывает ток через ADC, применяет алгоритм PID в FPGA и настраивает выходы PWM в течение нескольких микросекунд, предотвращает колебания и дрейф. В современных источниках питания в коммутируемом режиме цифровые петли управления с использованием обратной связи ADC регулируют напряжение с субмикросекундным откликом.
Сжатие данных и снижение пропускной способности передачи
Сырье высокоскоростных данных ADC быстро перегружает каналы хранения и связи. 12-битный ADC при 2 GSPS генерирует 3 ГБ/с данных. DSP может сжать это в 10-1000 раз без потери критической информации. Например, в приложении мониторинга спектра FFT снижает потребность в полосе пропускания от образцов временной области до частотных узлов. В периферийных приложениях ИИ извлечение признаков (например, статистические моменты, обнаружение оболочки) уменьшает данные до нескольких параметров. Включение беспроводной передачи от удаленных датчиков.
Надежность шума и помех
Система автоматического управления усилением на основе DSP (AGC) регулирует уровень входного сигнала до полномасштабного диапазона ADC, минимизируя ошибку квантования. Адаптивные фильтры выемки подавляют известные частоты помех (например, 60 Гц, коммутационные гармоники). Коды коррекции ошибок и циклические проверки избыточности (CRC) на цифровом потоке данных обнаруживают и иногда исправляют битовые ошибки, введенные самим ADC или во время передачи. Эти методы обеспечивают соответствие системы стандартам надежности, необходимым в авионике, автомобильной безопасности и медицинских устройствах.
Будущие тенденции: машинное обучение, FPGA и другие
Машинное обучение для обработки данных ADC
Традиционный DSP опирается на фиксированные математические модели. Машинное обучение (ML) - особенно сверточные нейронные сети (CNN) и рекуррентные сети (RNN) - может учиться оптимальной обработке данных. В коммуникациях приемник на основе ML непосредственно переводит образцы ADC на декодированные биты, заменяя цепочку фильтрации, синхронизации и демодуляции. В биомедицине нейронная сеть, обученная на необработанных данных ЭКГ ADC, может обнаруживать аритмии с большей точностью, чем ручное извлечение признаков. Задача заключается в реализации вывода ML в реальном времени на встроенном оборудовании, но FPGA и специализированные ускорители NPU делают это возможным.
DSP на основе FPGA для систем с ультраширокополосной связью
Полевые программируемые затворные массивы (FPGA) являются платформой выбора для высокоскоростной обработки данных ADC, поскольку они могут реализовывать тысячи параллельных множителей и аккумуляторов. Последние FPGA интегрируют закаленные блоки DSP, способные к 24×17 мультиаккумуляции при частоте 1,5 ГГц. Это позволяет осуществлять прямую обработку многогазамплеерных потоков ADC без узких мест внешней памяти. Такие системы, как радиотелескоп Square Kilometre Array (SKA) следующего поколения, используют FPGA для ченнелинга и корреляции данных с тысячами оцифрованных антенн.
Прямая радиочастотная выборка и когнитивное радио
По мере увеличения скоростей ADC (6-12 GSPS теперь распространены), становится возможным выборка радиочастотных сигналов непосредственно без стадии микшера или промежуточной частоты (IF). Эта архитектура «прямого радиочастотного сигнала» упрощает аппаратное обеспечение и вводит гибкость. DSP затем обрабатывает все задачи: цифровое преобразование, выбор каналов, фильтрация и демодулирование. Когнитивные радиостанции используют эту гибкость для восприятия спектра, обнаружения свободных полос и перенастройки цепи DSP на лету. Это конечная цель программно-определяемого радио — единой аппаратной платформы, адаптируемой к любой форме волны.
Вывод: невидимый двигатель, скрывающийся за точными данными
Цифровая обработка сигналов - это не просто дополнение к ADC; это двигатель, который извлекает полезную информацию из принципиально несовершенных измерений. От фильтрации шума в медицинском датчике до реконструкции разреженных сигналов в радиолокационной системе, методы DSP превращают сырые слова ADC в действенный интеллект. Продолжающаяся совместная разработка ADC и DSP - преобразователей перебора проб, цифровой калибровки и приемников на основе машинного обучения - раздвигает границы того, что измеримо и достижимо. Поскольку приложения требуют все более высокой пропускной способности, динамического диапазона и надежности, партнерство между аппаратным обеспечением ADC и программным обеспечением DSP останется определяющим фактором для успеха в сложных системах сбора данных.
Для дальнейшего чтения изучите руководство по sigma-дельта-конвертерам , Руководство по DSP для ADC и IEEE по машинному обучению на данных ADC .