Шта су АДЦ (аналогно-дигитални претварачи) и како раде?

Кључне Такеаваис

  • АДЦ се широко користе за претварање аналогних сигнала, попут звука и светлости, у дигиталне вредности које се могу користити у различитим апликацијама.
  • Брзина узорковања АДЦ-а одређује број очитавања узетих у секунди, при чему веће стопе узорковања омогућавају прецизнију репрезентацију сигнала.
  • Брзина рада АДЦ-а утиче на квалитет добијеног узорка, са више битова што резултира глаткијим и прецизнијим мерењима. Различити типови АДЦ-а нуде различите компромисе у погледу брзине, прецизности и потрошње енергије.

Аналогно-дигитални претварачи (АДЦ) су невероватно корисни за претварање феномена из стварног света у вредности које можемо да користимо у пројектима програмирања. Али како АДЦ може претворити аналогне сигнале у дигиталне које можемо користити било гдје?

За шта се користе АДЦ-ови?

АДЦ-ове ћете наћи скоро свуда. Они су на вашем телефону и претварају ваш глас у низ бинарних вредности. Они су у твом ауту, мере ротацију твојих точкова. Они су у осцилоскопима, помажу у хватању сигнала и њиховом представљању. Ипак, место на којем ће их већина људи користити је свет видеа и звука, где је уношење светлости и звука у дигитални простор фундаментално.

Шта је брзина узорковања? Како брзина узорковања утиче на АДЦ?

Једна од најкритичнијих метрика наслова АДЦ-а је брзина узорковања: број очитавања сваке секунде.

Осцилоскоп веома високог квалитета може узети десет милијарди узорака у секунди. Одважни мали МЦП3008 АДЦ може да поднесе релативно скромних двеста хиљада. У аудио свету, типична је брзина узорковања од 44,100 у секунди (44,1 кХз).

Што више узорака узмемо, то прецизније можемо да представимо сигнал. Понекад је ово неопходно; понекад није. Рецимо да правимо фадер банку (дизајниран да контролише електронику, као што бисте видели на столу за осветљење или аудио) са неколико десетина потенциометара. У овом случају, мало је вероватно да ће се вредности које треба да измеримо променити милионе пута у секунди јер наши прсти не могу да се крећу тако брзо. Потребно нам је само довољно узорака да би резултат био гладак и брз.

  Како објавити фотографије директно из Адобе Лигхтроом-а на Инстаграм

Шта је брзина преноса? Да ли брзина пријеноса утиче на квалитет АДЦ-а?

Такође би требало да размислимо о квалитету узорка који добијамо. Ово је у великој мери одређено брзином у битовима, која нам говори колико стања укључено-искључено можемо да користимо да дигитално представимо напон. Што више битова имамо, више могућих вредности можемо да забележимо у било ком датом узорку и то је глаткији и прецизнији крајњи резултат.

Писали смо о бинарности и како она функционише, па ако нисте сигурни, то је добро место за почетак. Колико битова нам је потребно? Опет, зависи од тога шта покушавамо да постигнемо. Понекад смо можда ограничени протоколом који користимо. На пример, МИДИ 1.0 протокол је ограничен на вредности од седам бита (и повремено четрнаест бита). У другим случајевима, ограничавајући фактор може бити људска перцепција. Ако повећана верност не доведе до видљивог побољшања резултата, можда неће бити вредно труда.

Како мултиплексирање побољшава квалитет АДЦ-а?

Популарни АДЦ чипови попут АДС1115 анд тхе МЦП3008 нуде многе инпуте. Али испод хаубе, они заиста садрже само један АДЦ. Ово је могуће због мултиплексора уграђених у ове уређаје. Мултиплексери су апсолутно свуда у свету електронике и телекомуникација. То су дигитални прекидачи који делују као контрола саобраћаја за ваш АДЦ. АДЦ може узорковати један канал, па следећи, па следећи. Дакле, ако имате осам канала и брзину узорковања од 200.000, можете ротирати кроз све њих, узимајући 25.000 узорака по каналу.

Које врсте АДЦ-а постоје?

АДЦ-ови раде на различите начине, у зависности од трошкова и потребних могућности.

Фласх АДЦ ради преко веома сложеног разделника напона. Група отпорника дели референтни напон у инкременте, који се затим тестирају у односу на улаз преко групе компаратора. Фласх АДЦ су муњевито брзи, али су ограничени када је у питању дубина бита због броја потребних компаратора. Они су такође жељни моћи из истог разлога.

АДЦ са подопсеговима настоји да надокнади ове слабости тако што дели рад између две одвојене јединице: једну да грубо израчуна напон, а другу да га прецизно одреди. Раздвајањем ствари можемо смањити број компаратора. Неки АДЦ-ови подразграничења ће поделити посао у три фазе, уз уграђену корекцију грешака.

  Превентивно одржавање објашњено за 5 минута или мање

САР (Регистар сукцесивних апроксимација) АДЦ-ови раде свој посао путем неке врсте бинарне претраге. Претпоставимо да имамо осам битова за попуњавање. САР ће почети од 10000000, што је средња вредност (00000000 је на дну, а 11111111 на врху). Ако напон пређе ову средњу тачку, САР ће задржати крајњу леву цифру као 1; ако није, САР ће поставити крајњу леву цифру на 0. Можемо поновити процес са следећом цифром и тако даље рекурзивно. Ово ће проузроковати да се претпостављена вредност постепено помера ка стварној вредности:

На овај начин континуирано сужавамо претрагу, деле могућности на пола и питамо да ли је резултат виши или нижи од средње тачке. У овом случају, вредност је негде између 0 и 255; након неколико итерација, АДЦ је утврдио да је око 77.

Сигма-делта претварачи су вероватно најтежи за разумевање. Користе се за високо прецизне музичке апликације и апликације за мерење сигнала. Они раде тако што прекомерно узоркују сигнал и пречишћавају резултат користећи ђаволски компликовано филтрирање и математику. Овај процес ефикасно смањује брзину узорковања уз повећање прецизности. Ови АДЦ-и су одлични када су бука и прецизност важнији од брзине.

Коначно, имамо интегрисане АДЦ, који су чак и спорији од сигма-делта. Они раде уз помоћ кондензатора, чија се брзина пуњења може користити за одређивање улазног напона. Брзина узорковања је овде често синхронизована са фреквенцијом напајања, која се може користити да се шум сведе на апсолутни минимум.

Шта је Најквист-Шенонова теорија?

Рецимо да желимо да опишемо аналогни сигнал дигитално. Да бисмо то урадили, потребне су нам најмање две тачке за сваки дати циклус: једна на врху и једна на дну. Дакле, наша фреквенција узорковања мора бити најмање двоструко већа од највеће фреквенције коју очекујемо да меримо.

Ово је познато као Најквистова фреквенција, по шведско-америчком физичару Харију Најквисту. Теорија је названа по Најквисту и Клоду Шенону (истакнути математичар и криптограф), али не по Едмунду Витакеру, који је дошао на идеју пре једног од њих.

Коме год да приписујемо теорију, постоји проблем са њом. Немогуће је унапред знати када ће стићи врх и дно таласног облика. Шта ако узмемо наше узорке на средини долазног таласног облика? Посматрајте како би промена у долазном сигналу могла у потпуности да изравна наш снимљени резултат:

  Како направити Телеграм налог на Андроиду

Или чак халуцинирати нове таласне облике који раније нису ни постојали:

Ове халуцинације су познате као алиаси.

Проблем са алиасингом

Вероватно ћете бити упознати са илузијом „точка вагона“ која се понекад јавља када се сними објекат који се окреће. Чини се да се точкови на аутомобилу или лопатице на хеликоптеру окрећу уназад – само веома споро. У неким случајевима, оштрице би се могле потпуно зауставити (са искрено чудним резултатима – погледајте видео испод!).

Док сте играли старију видео игрицу, можда сте такође приметили да паралелне линије понекад производе чудне артефакте савијања. Ограде, степеништа и скакачи са пругама заиста почињу да изгледају веома необично. Или шта је са оним чудним звиждуцима које понекад добијете када слушате некога како говори преко дигиталне везе лошег квалитета? То је изобличење, али посебна врста изобличења. Шта је са свим тим ружним фреквенцијама које се појављују из буке? Ако слушате хармонично богат садржај, попут бубњева, ефекат је још очигледнији—посебно у високом звуку.

Ако разумете узрок једног од ових, на путу сте да разумете све њих. У случају вагонског точка, фиксна брзина кадрова значи да не можемо правилно да ухватимо кретање. Ако се нешто ротира за 350° сваки кадар, сасвим је природно приметити да је заправо померено уназад за 10°. Другим речима, нема довољно информација да би се верно представило шта се дешава. Узорци које узимамо нису усклађени са оним што покушавамо да измеримо.

Ово није проблем који је јединствен за аналогно-дигиталну конверзију. У многим од ових случајева, ми претварамо једну врсту дигиталног сигнала у другу.

Дакле, шта је решење? Има их неколико. Могли бисмо да применимо посебан филтер за решавање ових артефаката, што многи АДЦ-ови раде испод хаубе. Или, можемо узети много, много више узорака него што нам је потребно. Што више узорака узмемо, наша слика таласа постаје тачнија:

Узорак већег квалитета за најбоље резултате

Ако вам је оваква ствар занимљива, добра вест је да смо једва заронили у ову тему. Овде постоје дубине: АДЦ-и су изузетно компликовани.

Али са тачке гледишта крајњег корисника или просечног Ардуино ентузијаста, они су такође веома једноставни. Напони улазе, а бројеви излазе. Дакле, шта год да желите да измерите – било да је у питању садржај влаге у комаду земље, осцилације људске говорне кутије или ток фотона који се прелама кроз сочиво – велике су шансе да постоји АДЦ који ће посао.