ADC量化实战：如何解决高精度数据采集中的噪声干扰问题

1次阅读

共计 1427 个字符，预计需要花费 4 分钟才能阅读完成。

最近在做一个医疗设备项目时，发现 ADC 采集的 ECG 信号总有些毛刺（如图 1）。用示波器 FFT 功能一看，明显存在量化噪声。这促使我系统研究了 ADC 噪声处理方案，最终将有效分辨率从 10 位提升到了 14 位。

量化噪声的信噪比 (SNR) 计算公式为：

SNR = 6.02N + 1.76dB + 10\log_{10}(OSR)

其中 N 是 ADC 位数，OSR 是过采样率。这公式揭示了提升精度的两个关键：硬件位深和软件处理。

√N 法则的推导
假设噪声均匀分布，过采样 4 倍时噪声功率分散到更宽频带，通过数字滤波保留有效带宽后，噪声电压幅值降低为原来的 1 /2（即分辨率提升 1 位）：
```
\Delta ENOB = \frac{1}{2}\log_2(OSR)
```
实战中的折衷
虽然理论上 OSR 越高越好，但实际要考虑：
STM32F407 的 ADC 时钟最高 36MHz
DMA 缓冲区大小限制
实时性要求

用 Python 快速验证不同窗函数效果：

import scipy.signal as signal
# 设计 128 阶 FIR 滤波器
h_hamming = signal.firwin(128, 0.5, window='hamming')
h_blackman = signal.firwin(128, 0.5, window='blackman')

# 频响对比
f, H1 = signal.freqz(h_hamming)
f, H2 = signal.freqz(h_blackman)
plt.plot(f, 20*np.log10(np.abs(H1)))

实测发现：
– Hamming 窗：过渡带较窄（3.3dB/oct），适合带宽紧张时
– Blackman 窗：阻带衰减更好（58dB），适合严格抑制噪声

在 PCB 布局上踩过的坑：
1. 模拟电源必须用 LC 滤波（如 10μH+10μF）
2. ADC 参考引脚要加 0.1μF 陶瓷电容 +1μF 钽电容组合
3. 信号走线远离晶振和数字总线

使用 DMA 双缓冲模式避免数据丢失：

// ADC 初始化片段
hadc.Instance = ADC1;
hadc.Init.ClockPrescaler = ADC_CLOCK_SYNC_PCLK_DIV4;
hadc.Init.Resolution = ADC_RESOLUTION_12B;
hadc.Init.ScanConvMode = ENABLE;
HAL_ADC_Start_DMA(&hadc, (uint32_t*)adc_buf, BUF_SIZE);

// CRC 校验示例
__HAL_CRC_DR_RESET(&hcrc);
uint32_t crc = HAL_CRC_Calculate(&hcrc, (uint32_t*)adc_buf, BUF_SIZE/4);