ADC量化原理入门指南：从基础概念到Python实现

1次阅读

共计 2262 个字符，预计需要花费 6 分钟才能阅读完成。

想象一下用示波器测量温度传感器输出的电压信号，或者用麦克风录制声音——这些连续变化的模拟信号，必须转换成数字量才能被单片机或计算机处理。这就是 ADC（Analog-to-Digital Converter）的核心任务：将连续的电压信号，离散化为二进制数字。比如常见的 12 位 ADC，能把 0 -3.3V 的电压分成 4096（2^12）个台阶，每个台阶代表约 0.8mV 的变化。

ADC 的第一步是采样，核心规则来自 Nyquist 定理：采样频率 $f_s$ 必须大于信号最高频率 $f_{max}$ 的 2 倍，即：

$$ f_s > 2f_{max} $$

否则会出现混叠（Aliasing）——高频信号被误认为低频。例如用 40kHz 采样率录制 20.1kHz 的音频，实际会听到 $40-20.1=19.9kHz$ 的错误频率。

工程中常采用 4 - 8 倍过采样，比如音频采集常用 44.1kHz（CD 标准）而非刚好 40kHz。优点包括：

降低抗混叠滤波器设计难度
通过后续数字滤波提高信噪比
公式推导：过采样每增加 4 倍，有效位数增加 1bit

我们先产生一个 1kHz 的正弦波，模拟传感器输出：

import numpy as np
import matplotlib.pyplot as plt

fs = 8000  # 采样率 8kHz
t = np.arange(0, 0.01, 1/fs)  # 10ms 时间序列
f_signal = 1000  # 信号频率 1kHz
amplitude = 1.5  # 幅值 1.5V
v_ref = 3.3  # ADC 参考电压

analog_signal = amplitude * np.sin(2 * np.pi * f_signal * t)

12 位 ADC 的量化台阶数量为 4096，量化步长 (LSB) 计算：

$$ LSB = \frac{V_{ref}}{2^{12}} = \frac{3.3}{4096} \approx 0.000805V $$

量化代码实现：

# 模拟 12 位 ADC 量化
def adc_quantize(signal, v_ref, bits=12):
    digital = np.round(signal / v_ref * (2**bits - 1))
    analog_reconstructed = digital * v_ref / (2**bits - 1)
    return digital, analog_reconstructed

# 执行量化
digital_code, quantized_signal = adc_quantize(analog_signal, v_ref)

# 计算量化误差
quant_error = analog_signal - quantized_signal

plt.figure(figsize=(12, 8))

# 原始信号与量化信号对比
plt.subplot(3, 1, 1)
plt.plot(t, analog_signal, 'b-', label='原始信号')
plt.step(t, quantized_signal, 'r-', where='post', label='量化信号')
plt.ylabel('电压(V)')
plt.legend()

# 量化误差展示
plt.subplot(3, 1, 2)
plt.plot(t, quant_error, 'g-')
plt.ylabel('量化误差(V)')

# 数字码值显示
plt.subplot(3, 1, 3)
plt.stem(t[::20], digital_code[::20], 'k-', markerfmt='ko')  # 降采样显示
plt.ylabel('数字码值')
plt.xlabel('时间(s)')

plt.tight_layout()
plt.show()

运行后会看到三张图：蓝色原始信号与红色阶梯状量化信号的对比、绿色量化误差曲线、以及底部 ADC 输出的数字码值。特别注意量化误差在±0.5LSB 范围内的特性。

截止频率：必须低于 $f_s/2$（奈奎斯特频率）
过渡带陡度：根据信号频带与采样率差值确定
推荐使用巴特沃斯或切比雪夫滤波器，例如：

from scipy.signal import butter, lfilter

def antialiasing_filter(signal, cutoff, fs, order=4):
    nyq = 0.5 * fs
    normal_cutoff = cutoff / nyq
    b, a = butter(order, normal_cutoff, btype='low')
    filtered = lfilter(b, a, signal)
    return filtered

实际 ADC 受噪声影响，有效位数通常小于标称值。测量方法：