了解積分非線性 （INL） 規(guī)范及其與模數(shù)轉(zhuǎn)換器 （ADC） 誤差的關(guān)系。

失調(diào)誤差、增益誤差和INL這三個參數(shù)決定了ADC的精度。失調(diào)和增益誤差可以校準(zhǔn)出來，這使得INL成為主要的誤差貢獻者。INL規(guī)范描述了實際傳遞函數(shù)的過渡點與理想值的偏差。

什么是積分非線性 （INL）？

理想的ADC具有均勻的階梯輸入-輸出特性，這意味著每次轉(zhuǎn)換發(fā)生在與上一個轉(zhuǎn)換相距1 LSB（最低有效位）處。但是，對于實際ADC，步驟并不統(tǒng)一。例如，考慮圖1所示的傳遞曲線。

圖1. ADC的傳輸曲線示例。

步寬與理想值的偏差由微分非線性（DNL）規(guī)范表征。然而，DNL誤差不能完全描述傳遞函數(shù)與理想響應(yīng)的偏差，因為我們獲得的響應(yīng)取決于DNL正負(fù)誤差在不同代碼中的分布方式。INL 規(guī)范允許我們表征代碼轉(zhuǎn)換與其理想值的偏差。要計算代碼 k 的 INL，我們可以使用以下等式：

其中 T一個（k）和T理想（k） 分別表示從代碼 k-1 到 k 的實際和理想過渡;“理想步長”是ADC的LSB。對于上述示例，從代碼 1 （001） 到代碼 2 （010） 的實際轉(zhuǎn)換發(fā)生在理想轉(zhuǎn)換上方 0.125 LSB 處。因此，代碼 2 的 INL 是 INL（2） = +0.125 LSB。

從這里開始，我們可能會問，下一個轉(zhuǎn)換（從代碼 2 到 3）呢？請注意，從代碼 1 到 2 的轉(zhuǎn)換發(fā)生在理想值以上 0.125 LSB 處，并考慮到代碼 2 的寬度誤差（或 DNL）為 +0.25 LSB，我們可以推斷從代碼 2 到 3 的轉(zhuǎn)換應(yīng)該發(fā)生在理想值以上 0.375 LSB 處。因此，我們有 INL（3） = +0.375 LSB。如您所見，代碼 3 的 INL 等于代碼 1 和 2 的 DNL 之和：

將上述分析擴展到其他代碼，很容易通過應(yīng)用以下等式來驗證第 m 個代碼的 INL：

INL 表示 DNL 錯誤的累積影響。在計算DNL和INL值時，我們假設(shè)ADC的失調(diào)和增益誤差已經(jīng)校準(zhǔn)出來。因此，第一個代碼（代碼 1）和最后一個代碼的 INL 為零。對于代碼零，未定義 INL。

表示 ADC INL 信息

就像 DNL 一樣，我們可以將 INL 信息表示為 INL 相對于代碼值的圖。對于上面的示例，我們得到如圖 2 所示的下圖。

圖2. 顯示 INL 相對于代碼值的示例圖。

INL 通常也表示為所有代碼的最小值和最大值。我們假設(shè)的ADC的INL介于-0.71 LSB和+0.5 LSB之間。INL圖不僅表示ADC的線性度性能，而且還揭示了有關(guān)ADC內(nèi)部架構(gòu)的一些信息。例如，子范圍ADC具有三角形INL圖（圖3（a）），而閃存ADC通常具有隨機模式（圖3（b））。

圖3.子范圍ADC三角形INL圖（a）和閃存ADC的隨機模式圖（b）示例。圖片由 M. Pelgrom 提供

INL：超出ADC量化誤差的誤差

需要注意的是，INL除了指定ADC的量化誤差外，還指定了一個誤差。由于ADC將連續(xù)模擬輸入范圍轉(zhuǎn)換為多個離散輸出代碼，因此即使是理想的ADC也會固有地會在系統(tǒng)中引入一些誤差，稱為量化誤差。如果我們將斜率為1的斜坡輸入施加到ADC，則可以從輸入中減去輸出代碼的模擬等效值，以找到量化誤差。如圖 4 所示。

圖4. 顯示量化誤差的示例圖。

在圖4中，綠色曲線表示斜坡輸入，藍(lán)色階躍表示理想ADC產(chǎn)生的代碼的模擬等效值。然而，圖4中的下圖顯示了鋸齒形狀的量化誤差。讓我們看看非線性如何影響誤差項。如果將斜坡輸入應(yīng)用于圖1中的非理想特性曲線，則得到以下誤差波形（圖5）。

圖5. 示例圖顯示了ADC輸出代碼的模擬等效值以及理想變換（a）和誤差波形（b）。

圖5（a）中的紫色階躍表示ADC輸出代碼的模擬等效值，藍(lán)點表示均勻階梯響應(yīng)的理想過渡點。例如，考慮從代碼 1 到代碼 2 的轉(zhuǎn)換。如果這種轉(zhuǎn)換發(fā)生在理想點（A點），則代碼1的最負(fù)誤差將是-0.5 LSB。由于 INL（2）=+0.125 LSB，因此從代碼 1 到代碼 2 的實際轉(zhuǎn)換發(fā)生在高于理想值的 +0.125 LSB 處。由于這種延遲轉(zhuǎn)換，綠色曲線與ADC輸出之間的差值在轉(zhuǎn)換點（B點）大于0.5 LSB。通過檢查該圖，您可以確認(rèn) B 點的誤差由下式給出：

請注意，雖然這種非理想效應(yīng)將代碼 1 的誤差擴展到 -0.625 LSB，但它將下一個代碼（代碼 2）的誤差上限降低到 0.5 LSB - 0.125 LSB = +0.375 LSB。您可以在 D 點看到由 INL（3） = +0.375 LSB 引起的誤差波形的類似變化。

讓我們檢查代碼 6，看看負(fù) INL 如何影響錯誤 （INL（6 ）= -0.71 LSB）。在這種情況下，（F點）處的實際躍遷發(fā)生在理想值（E點）以下0.71 LSB處。由于ADC輸出增量早于預(yù)期值，因此會產(chǎn)生較大的正誤差。如錯誤圖所示，代碼 6 的誤差可以大到：

使用理想ADC時，量化過程會產(chǎn)生±0.5 LSB的誤差。然而，對于實際的ADC，量化過程和INL都會影響系統(tǒng)的整體誤差。換句話說，INL是超出量化誤差的誤差。

到目前為止，我們考慮的INL定義可能是該規(guī)范中最有用和最常見的定義。但是，應(yīng)該注意的是，ADC制造商的教科書和技術(shù)文檔中有時會提到其他一些定義。為了避免任何混淆，我們將在本文的其余部分查看INL的其他常見定義。

重新定義INL代碼：不同但相同的定義

在我們繼續(xù)其他定義之前，值得一提的是，人們可以用稍微不同的方式查看圖 1 中使用的定義。與其將 INL 定義為代碼轉(zhuǎn)換與其理想值的偏差，我們可以將其定義為代碼轉(zhuǎn)換與經(jīng)歷第一個和最后一個代碼轉(zhuǎn)換的直線的偏差。如圖 6 所示。

圖6. 顯示代碼在實際響應(yīng)和理想響應(yīng)之間的偏差的圖。

在圖 6 中，點 A 和 B 是第一個和最后一個轉(zhuǎn)換點。由于我們假設(shè)在INL計算之前失調(diào)和增益誤差為零，因此A點和B點對應(yīng)于理想和實際傳遞函數(shù)。如您所見，穿過點 A 和 B 的線也穿過理想特性的所有其他過渡點（圖中的藍(lán)色曲線）。因此，實際過渡點與其相應(yīng)理想過渡點的偏差等于該實際過渡點與穿過點 A 和 B 的直線的偏差。一些參考文獻，如《高速模數(shù)轉(zhuǎn)換》一書，使用此直線來定義ADC INL。另請注意，此參考線與之前文章中介紹的ADC線性模型（圖中的綠線）不同。

定義 INL - 代碼中心行定義

對于這種類型的定義，ADC傳輸特性是根據(jù)穿過ADC代碼中心的直線定義的。圖 7 顯示了如何使用代碼中心線定義 INL。

圖7.使用代碼中心線定義 INL。圖片由 R. Plassche 提供

在上面的示例中，對角線是穿過理想ADC階躍中點的線（我們在本系列的文章中稱之為ADC的線性模型）。如圖所示，實際步長中點與直線的偏差被視為該代碼的INL誤差。

此示例顯示了此定義的一個缺點。如您所見，代碼 1101 的相鄰轉(zhuǎn)換偏離了理想值。但是，由于 1101 的測量代碼中心與理想值一致，因此該代碼的 INL 為零。使用圖 1 中使用的定義，代碼 1101 的 INL 將不為零。

作為旁注，上面的圖片取自Rudy van de Plassche的書。Rudy是世界著名的模擬設(shè)計師和許多電路和電路創(chuàng)意的發(fā)明者，例如斬波和穩(wěn)定放大器，這些電路和電路理念在今天被廣泛使用。

另一個基于代碼中心的定義如圖 8 所示。

圖8.顯示代碼中心行定義的示例圖。圖片由M. Demler提供

在這種情況下，用于計算INL誤差的參考線是穿過實際傳遞函數(shù)的第一個和最后一個步驟的中點的線。對于三位ADC，這是穿過代碼001和110中點的線路。實際步長的中點與這條直線的偏差被認(rèn)為是該代碼的INL誤差。

在這個特定的例子中，ADC傳遞函數(shù)具有交替的寬窄代碼，從第一個和最后一個代碼獲得的參考線截獲所有代碼的中點。因此，所有代碼的 INL 錯誤均為零。這再次凸顯了基于代碼中心的定義在某些情況下無法描述傳遞函數(shù)的非線性的缺點。

本文中討論的 INL 定義被歸類為基于端點的定義，因為它們僅使用第一個和最后一個代碼來派生參考線。定義 INL 誤差的另一種方法是最佳擬合方法。在這種情況下，使用一條適合所有代碼的直線作為參考線。本系列的下一篇文章將詳細(xì)研究最佳擬合方法。