简介基于Matlab实现的信号处理计算程序用于SNR信噪比、THD总谐波失真、ENOB有效位数和SFDR无杂散动态范围四项关键指标的自动计算适合电子信息工程、计算机、数学等专业学生作为课程设计、期末大作业或毕业设计的参考资料。资源包仅5KB共包含3个文件1个m格式源码文件以及2个txt说明文档源码中已集成计算逻辑说明文档则对使用方法和注意事项作了补充便于快速上手与二次修改。该资源目前已有421人学习下载对理解ADC动态参数的理论推导与代码实现有一定参考价值。通过研读这套小型程序读者可掌握基于Matlab的频域分析方法学会利用FFT计算信号质量指标并能够在此基础上扩展功能更好地适应自身实验、工程测试或项目延展需求。整体结构简洁尤其适合需要快速掌握信噪比等指标计算原理的初学者。 刚拿到一颗16位ADC样片时数据手册上写着SNR(信噪比)典型值85dB、THD(总谐波失真)-100dB、ENOB(有效位数)13.8bit这些漂亮数字只能当参考。真正要判断这颗芯片在你的应用场景里够不够用必须自己从采样数据里把SNR、THD、ENOB、SFDR(无杂散动态范围)这几个参数实算一遍。我基于Matlab写了一套信号处理计算程序专门处理这件事输入一段采样波形就能输出完整的ADC动态性能指标。这篇文章把计算的原理、源码里的关键模块、以及我实际调程序时踩过的坑都拆开讲讲。如果你也在做ADC评估、数据采集系统验证或者课程项目里需要完成类似指标计算可以直接拿这套思路当参考。1. 四个指标到底在说什么SNR、THD、ENOB、SFDR的关系1.1 SNR不是信号比噪声那么简单带宽定义决定结果SNR最直观的理解就是信号功率与噪声功率的比值但实际应用中它的口径非常细。绝大多数ADC数据手册里标注的SNR是指在给定输入信号频率和幅度下FFT频谱中去掉直流分量、去掉基波本身、再去掉谐波分量之后剩余所有频点功率的积分值作为噪声功率。也就是说不光有热噪声还包括量化噪声、时钟抖动带来的噪声、以及各类随机干扰。我在实际计算时用到的定义是SNR 10 * log10(信号功率 / (总功率 - 直流功率 - 信号功率 - 谐波功率))这个公式的条件是频带范围从直流到奈奎斯特频率也就是fs/2。如果你的系统里加了抗混叠滤波器实际有效带宽更窄那SNR可以按比例折算上去一些。所以说脱离带宽和输入信号条件谈SNR数字再漂亮也没有工程意义。1.2 THD藏着ADC线性度的真相THD是衡量ADC线性度最直接的指标。当输入一个单频正弦波时ADC内部的分压电阻网络、比较器失调、参考源纹波都会导致输出波形里出现输入频率的整数倍频分量也就是谐波。计算上THD通常定义为前N次谐波功率之和与基波信号功率之比最常见的取法是前9次也有取前5次的具体差多少后面讲。公式如下THD 10 * log10(第2次到第N次谐波功率之和 / 基波信号功率)这里注意单位很多芯片手册上标注的是dBc也就是相对于载波信号功率的分贝值。我第一版程序里直接按dB输出没加c结果跟手册对比时对不上栽了个小跟头。1.3 ENOB是有效位数不是广告里的bit数很多初学者会把ADC标称位数当成实际精度这是一个经典误区。16位ADC在低频、近满量程输入下理论上应该有接近16bit的分辨率但实际会因为噪声和谐波的存在而大打折扣。ENOB就是把信号质量差折算回等效理想ADC位数的指标。ENOB从SINAD换算而来SINAD是信号与噪声加失真之和的功率比SINAD 10 * log10(信号功率 / (噪声功率 谐波功率)) ENOB (SINAD - 1.76) / 6.02其中1.76dB是理想ADC量化噪声的理论值6.02dB代表每增加一位有效bit带来的信噪比提升。这两个数字是量化理论的基础做计算程序时直接硬编码即可。1.4 SFDR在实际系统里往往比SNR更关键SFDR衡量的是频谱上最大杂散分量除了信号和谐波本身与信号功率的差距。它体现的是ADC无杂散动态范围在雷达接收机、软件定义无线电这类场景下一个小的杂散分量如果落在有用信号附近可能直接把弱信号淹没。SFDR直接用最大杂散功率与信号功率对比与SNR无关这是它独特的信息维度。四个指标结合起来才能完整画出一颗ADC的真实能力画像。单独看SNR高可能THD很差单独看ENOB高可能SFDR正好卡住你的系统需求。我的程序把这四个参数一次性计算并输出就是为了避免评估时只看单一维度。2. Matlab计算链路从原始采样到FFT频谱的关键步骤2.1 为什么必须做相干采样数据长度怎么定ADC动态参数测量对采样条件有严格讲究。理论上最理想的方案是相干采样即输入正弦波频率与采样率满足整数倍周期关系f_signal / fs M / N其中M是采样窗口内的完整周期数整数N是采样点数。满足这个条件时信号正好落在某个FFT频点上频谱泄漏为零计算出来的SNR和THD最接近真实值。实际测试时信号源和采样时钟很难做到严格同步因此程序里通常会假定输入频率已知并通过加窗来抑制泄漏。数据长度N我通常取2的幂比如8192、16384或65536。点数越多频谱分辨率越高谐波和噪声分得越开。但点数也不是越多越好测试时间过长会导致信号源漂移、采样时钟温度漂移等影响显现。我自己一般先用16384点跑一遍结果可疑再上65536点做复核。2.2 加窗与FFT幅度谱归一化非相干采样时频谱泄漏会把信号能量撒到周围频点上导致SNR被低估。解决办法是加窗。不同窗函数的旁瓣抑制能力和主瓣宽度不一样我常用的选择是Blackman-Harris窗或者Flattop窗前者旁瓣衰减好适合谐波分析后者幅值精度高适合幅度精确测量。加窗后FFT结果需要做功率归一化处理否则计算出来的信号功率偏小。这里的关键修正系数是窗函数的相干增益w blackmanharris(N); % 默认列向量转成行向量 coherentGain sum(w) / N; % 相干增益 windowPowerGain sum(w.^2) / N; % 功率增益修正 X fft(signal .* w) / (N * coherentGain);幅度轴修正到与原始信号一致功率谱用abs(X).^2即可。如果你的重点不是绝对幅值而是信号与噪声的功率比相干增益修正可以省略因为比值计算时修正因子会约掉。但既然写通用程序建议还是做好省得后续要接别的模块时返工。2.3 频谱上怎么区分信号、谐波、噪声和杂散FFT之后频谱由四类分量组成直流分量、输入信号的基波、基波的整数倍谐波、以及其余所有分量。程序的核心任务就是把这四类分量在频域里准确划分出来。我的划分策略是直流分量直接取第1个频点0Hz从总功率中剔除。基波在输入信号频率附近搜索幅度最大的频点并左右各扩展一个bin吸收主瓣泄漏能量。谐波在f_signal的2、3、4...整数倍频率附近搜索同样取局部峰值并扩展bin。杂散分量在所有剩余频点中找功率最大值作为SFDR的计算对象。噪声功率总功率减去直流、基波、谐波之后的功率即为噪声功率。这个划分顺序是固定的尤其是谐波必须识别为离散分量否则谐波能量会被当成噪声计入SNR的分母导致SNR被严重低估。3. 源码核心模块谐波搜索、噪声积分和参数计算3.1 主函数设计输入参数最简单的写法我的程序主函数长这样function [SNR_dB, THD_dBc, ENOB_bits, SFDR_dBc] adc_metrics(x, fs, f_signal, numHarmonics) % adc_metrics 计算ADC动态性能参数 % 输入: % x - 采样波形数据长度为N的列向量 % fs - 采样率单位Hz % f_signal - 输入正弦波信号频率单位Hz % numHarmonics - 参与THD计算的谐波数量默认9 % 输出: % SNR_dB - 信噪比 % THD_dBc - 总谐波失真相对于载波 % ENOB_bits- 有效位数 % SFDR_dBc - 无杂散动态范围相对于载波变量命名全用小写加下划线这是我个人的习惯跟Matlab内置函数的风格比较统一也避免和工具箱里的函数重名。函数内部第一步是去掉直流偏置这样后续的功率积分才干净。如果输入波形本身含有非零直流成分不去除的话THD会虚高因为直流进入了总功率但没算进谐波功率里。3.2 谐波分量定位频率索引怎么找最稳谐波定位是整个程序里最容易出错的地方。最初我的做法是直接找理论频率最近的频点结果在非相干采样情况下经常抓错揪了几个小时后决定改成理论频率附近局部窗口内搜峰的方式% 在理论频率附近搜索峰值捕获主瓣能量 function [idxPeak, peakPower] findPeakNearFreq(P, freq, f_target, N) [~, idxCenter] min(abs(freq - f_target)); searchHalf max(3, round(N * 0.002)); % 搜索范围约千分之二的点数 segStart max(1, idxCenter - searchHalf); segEnd min(length(P), idxCenter searchHalf); [~, idxLocal] max(P(segStart:segEnd)); idxPeak segStart idxLocal - 1; peakPower P(idxPeak); end搜索窗口不能开太大否则会把邻近的噪声峰值误当信号也不能太小否则窗口覆盖不了频谱泄漏的宽度。N*0.002是我基于16384点FFT调出来的经验值实际频谱泄漏主瓣宽度与窗函数类型相关Blackman-Harris的主瓣是8个bin左右0.2%的搜索窗口对应约33个bin绰绰有余。谐波频率超过奈奎斯特频率时会发生混叠程序里必须做边界判断超过fs/2的谐波直接跳过否则会在频谱上错误地算出一堆根本不存在的分量。3.3 SNR、THD、ENOB、SFDR的计算公式落进代码核心计算段是这个函数的价值所在代码如下% 功率谱计算 N length(x); x x(:) - mean(x); w blackmanharris(N); xw x .* w; coherentGain sum(w) / N; X fft(xw) / (N * coherentGain); X X(1:floor(N/2)1); P abs(X).^2; freq (0:floor(N/2)) * fs / N; % 直流不参与统计 P(1) 0; % 基波定位 [idxSig, sigPower] findPeakNearFreq(P, freq, f_signal, N); % 谐波功率累加 harmonicPower 0; spurCandidates P; % 用于SFDR搜索的副本 spurCandidates(idxSig) 0; for h 2:numHarmonics 1 fHarmonic f_signal * h; if fHarmonic fs / 2 break; end [idxH, p] findPeakNearFreq(P, freq, fHarmonic, N); harmonicPower harmonicPower p; % 把基波和谐波位置从候选杂散列表中排除 spurCandidates(idxH) 0; end % 噪声功率总功率减去信号和谐波 noisePower sum(P) - sigPower - harmonicPower; % 谐波定位时如果某次谐波超过奈奎斯特频率后续低次谐波要重新定位 % 保险处理把spurCandidates中已定位谐波附近的bin也置0避免主瓣泄漏干扰SFDR % 省代码只置峰值点严苛场景需要再扩展置零 % SFDR搜索 [~, idxSpur] max(spurCandidates); sfdrPower spurCandidates(idxSpur); % 输出参数 SNR_dB 10 * log10(sigPower / noisePower); THD_dBc 10 * log10(harmonicPower / sigPower); SINAD_dB 10 * log10(sigPower / (noisePower harmonicPower)); ENOB_bits (SINAD_dB - 1.76) / 6.02; SFDR_dBc 10 * log10(sigPower / sfdrPower);注意SFDR计算时最大杂散分量不能从信号和谐波所在的bin里挑否则算出来的就是信号自身毫无意义。我上面用spurCandidates做了排除处理。另外噪声功率直接用sum(P)减信号和谐波隐含的假设是把FFT所有频点视为噪声容带符合标准做法。4. 实测中的坑频谱泄漏、谐波个数和直流分量4.1 非相干采样下SNR偏低怎么用窗函数补救我第一次用自己那套程序测一块12位ADC计算出来的SNR比手册低了6dB第一反应是程序写错了。排查一圈发现问题出在信号频率和采样率完全没有相干关系幅度谱泄漏得厉害信号能量散到几十个bin里而我在信号功率上只取了峰值那一个点自然偏低。后来改成在信号峰值附近把主瓣的bin都累加为信号功率再配合Blackman-Harris窗SNR马上就正常了。窗口选择上如果你测试的是完全相干采样用矩形窗也问题不大非相干采样务必加窗否则THD也会在谐波附近泄漏出假旁瓣容易被程序误判成额外谐波。实测经验非相干采样加窗后ENOB通常在理论值±0.5bit范围内波动。如果偏差超过1bit优先检查信号源是否带太多杂散而不是怀疑程序逻辑。4.2 谐波数量选5还是选9结果差多少THD计算里谐波数量的选择对结果影响很大。早期我默认取9次谐波但有一次测一款内部带数字滤波器的ADC9次谐波里混进了滤波器的时钟分量THD算出来比手册差很多。原因是谐波定位算法把附近最大峰当成了谐波而那个峰其实是时钟杂散。后来我调整策略谐波数量默认9但增加一个可选参数工程上需要对比时分别算5次和9次。下面这个表是我在同一份采样数据上跑出来的差异谐波数量THD (dBc)ENOB (bit)5次-68.210.99次-66.510.715次-65.910.6可以看到谐波数从5增加到15结果差别在1~2dB的范围内对是否选型决策不构成质变。但某些ADC的谐波能量主要集中在低次2、3次高次谐波微弱这时9次和15次结果几乎一样。如果你是严谨做芯片评估建议把谐波数设为可变参数并查看各次谐波功率分布再做决定也不迟。4.3 直流分量不扣掉THD会很难看有一次我拿程序测一个信号调理电路输出的波形0V附近有大约30mV的直流偏置占信号幅值不到2%。当时忘了先去除直流分量结果THD显示-35dB明显异常。查了半天终于想到是直流分量在FFT的0Hz bin上堆积了大量功率而THD的定义里压根不该包含直流。修正很简单在FFT之前用x x - mean(x)把直流偏置去掉。但要注意如果采样点数特别大并且信号频率很低mean(x)会包含多个信号周期内的平均这时直接减均值会把一部分低频信号分量也减去。稳妥的办法是只把FFT输出里第1个bin置0而不是在时域直接减平均值两个思路在大部分场景下效果一致但后者更安全。5. 一个完整的算例怎么从结果反推ADC的真实水平5.1 测试条件与原始数据说明我拿一块官方评估板做了实测条件如下采样率fs1MHz输入信号频率fsignal97.6kHz信号幅度为满幅度的-1dBFS采样点数N16384使用Blackman-Harris窗谐波数取9。把采集数据喂给上面的adc_metrics函数输出结果为SNR 66.3 dB THD -75.8 dBc SFDR 81.2 dBc ENOB 10.7 bit这块ADC标称12bit理论最大SNR约74dBENOB约11.7bit。实测结果比理想值低了1bit左右这正是量化噪声之外的实际电路噪声、参考源纹波、信号源谐波等多方面因素叠加的后果。5.2 计算结果与数据手册的对照把实测结果与数据手册标称值对比是判断测试是否可靠的常用方法。手册上这颗芯片在同样输入条件下标称SNR68dB、THD-78dBc、SFDR84dBc。我测出来的SNR比手册低1.7dBTHD接近SFDR低2.8dB。这个偏差量级对一块需要外置驱动电路的评估板来说完全正常毕竟手册的测试条件是在最佳匹配网络上完成的而评估板有自己的噪声底。如果两者相差悬殊比如SNR差5dB以上我建议先检查信号源本身。很多函数信号发生器的谐波失真在-60dB左右直接用它驱动ADC评估板测出来的THD几乎肯定是信号源的而不是ADC的。低失真测试的做法是在信号源后面加带通滤波器或者在计算程序中单独估计信号源的失真贡献。5.3 这几个参数如何联动解读单独看一个参数容易得出错误结论。例如一个芯片SNR很高但THD很差说明电路噪声低、线性度差可能适合低频弱信号场景不适合宽带高动态范围接收。反之SNR低但THD好可能量化噪声占主导可以通过增加采样率过采样来改善。ENOB把两者压缩成一个答案但它掩盖了噪声与失真的分布区别所以不能只看ENOB。实际工程中我习惯这样结合先看SFDR是否满足系统无杂散要求再看THD是否影响信号质量最后用SNR和ENOB评估整体的噪声底。这四者组合在一起ADC在所有关键维度的表现就清晰了。我在程序里最后加了一段自动输出把每个谐波分量的功率分别列出来方便快速定位是哪一次谐波最伤THD。这种做法在调试ADC前端匹配电路时非常有用改一个阻抗匹配参数立刻能看到第三次谐波下降了多少比只看一个THD总数字直观得多。如果你也需要处理类似的数据评估不妨把这套思路复制进你的工程环境里省得每次都从零搭分析流程。本文还有配套的精品资源点击获取
简介基于Matlab实现的信号处理计算程序用于SNR信噪比、THD总谐波失真、ENOB有效位数和SFDR无杂散动态范围四项关键指标的自动计算适合电子信息工程、计算机、数学等专业学生作为课程设计、期末大作业或毕业设计的参考资料。资源包仅5KB共包含3个文件1个m格式源码文件以及2个txt说明文档源码中已集成计算逻辑说明文档则对使用方法和注意事项作了补充便于快速上手与二次修改。该资源目前已有421人学习下载对理解ADC动态参数的理论推导与代码实现有一定参考价值。通过研读这套小型程序读者可掌握基于Matlab的频域分析方法学会利用FFT计算信号质量指标并能够在此基础上扩展功能更好地适应自身实验、工程测试或项目延展需求。整体结构简洁尤其适合需要快速掌握信噪比等指标计算原理的初学者。 刚拿到一颗16位ADC样片时数据手册上写着SNR(信噪比)典型值85dB、THD(总谐波失真)-100dB、ENOB(有效位数)13.8bit这些漂亮数字只能当参考。真正要判断这颗芯片在你的应用场景里够不够用必须自己从采样数据里把SNR、THD、ENOB、SFDR(无杂散动态范围)这几个参数实算一遍。我基于Matlab写了一套信号处理计算程序专门处理这件事输入一段采样波形就能输出完整的ADC动态性能指标。这篇文章把计算的原理、源码里的关键模块、以及我实际调程序时踩过的坑都拆开讲讲。如果你也在做ADC评估、数据采集系统验证或者课程项目里需要完成类似指标计算可以直接拿这套思路当参考。1. 四个指标到底在说什么SNR、THD、ENOB、SFDR的关系1.1 SNR不是信号比噪声那么简单带宽定义决定结果SNR最直观的理解就是信号功率与噪声功率的比值但实际应用中它的口径非常细。绝大多数ADC数据手册里标注的SNR是指在给定输入信号频率和幅度下FFT频谱中去掉直流分量、去掉基波本身、再去掉谐波分量之后剩余所有频点功率的积分值作为噪声功率。也就是说不光有热噪声还包括量化噪声、时钟抖动带来的噪声、以及各类随机干扰。我在实际计算时用到的定义是SNR 10 * log10(信号功率 / (总功率 - 直流功率 - 信号功率 - 谐波功率))这个公式的条件是频带范围从直流到奈奎斯特频率也就是fs/2。如果你的系统里加了抗混叠滤波器实际有效带宽更窄那SNR可以按比例折算上去一些。所以说脱离带宽和输入信号条件谈SNR数字再漂亮也没有工程意义。1.2 THD藏着ADC线性度的真相THD是衡量ADC线性度最直接的指标。当输入一个单频正弦波时ADC内部的分压电阻网络、比较器失调、参考源纹波都会导致输出波形里出现输入频率的整数倍频分量也就是谐波。计算上THD通常定义为前N次谐波功率之和与基波信号功率之比最常见的取法是前9次也有取前5次的具体差多少后面讲。公式如下THD 10 * log10(第2次到第N次谐波功率之和 / 基波信号功率)这里注意单位很多芯片手册上标注的是dBc也就是相对于载波信号功率的分贝值。我第一版程序里直接按dB输出没加c结果跟手册对比时对不上栽了个小跟头。1.3 ENOB是有效位数不是广告里的bit数很多初学者会把ADC标称位数当成实际精度这是一个经典误区。16位ADC在低频、近满量程输入下理论上应该有接近16bit的分辨率但实际会因为噪声和谐波的存在而大打折扣。ENOB就是把信号质量差折算回等效理想ADC位数的指标。ENOB从SINAD换算而来SINAD是信号与噪声加失真之和的功率比SINAD 10 * log10(信号功率 / (噪声功率 谐波功率)) ENOB (SINAD - 1.76) / 6.02其中1.76dB是理想ADC量化噪声的理论值6.02dB代表每增加一位有效bit带来的信噪比提升。这两个数字是量化理论的基础做计算程序时直接硬编码即可。1.4 SFDR在实际系统里往往比SNR更关键SFDR衡量的是频谱上最大杂散分量除了信号和谐波本身与信号功率的差距。它体现的是ADC无杂散动态范围在雷达接收机、软件定义无线电这类场景下一个小的杂散分量如果落在有用信号附近可能直接把弱信号淹没。SFDR直接用最大杂散功率与信号功率对比与SNR无关这是它独特的信息维度。四个指标结合起来才能完整画出一颗ADC的真实能力画像。单独看SNR高可能THD很差单独看ENOB高可能SFDR正好卡住你的系统需求。我的程序把这四个参数一次性计算并输出就是为了避免评估时只看单一维度。2. Matlab计算链路从原始采样到FFT频谱的关键步骤2.1 为什么必须做相干采样数据长度怎么定ADC动态参数测量对采样条件有严格讲究。理论上最理想的方案是相干采样即输入正弦波频率与采样率满足整数倍周期关系f_signal / fs M / N其中M是采样窗口内的完整周期数整数N是采样点数。满足这个条件时信号正好落在某个FFT频点上频谱泄漏为零计算出来的SNR和THD最接近真实值。实际测试时信号源和采样时钟很难做到严格同步因此程序里通常会假定输入频率已知并通过加窗来抑制泄漏。数据长度N我通常取2的幂比如8192、16384或65536。点数越多频谱分辨率越高谐波和噪声分得越开。但点数也不是越多越好测试时间过长会导致信号源漂移、采样时钟温度漂移等影响显现。我自己一般先用16384点跑一遍结果可疑再上65536点做复核。2.2 加窗与FFT幅度谱归一化非相干采样时频谱泄漏会把信号能量撒到周围频点上导致SNR被低估。解决办法是加窗。不同窗函数的旁瓣抑制能力和主瓣宽度不一样我常用的选择是Blackman-Harris窗或者Flattop窗前者旁瓣衰减好适合谐波分析后者幅值精度高适合幅度精确测量。加窗后FFT结果需要做功率归一化处理否则计算出来的信号功率偏小。这里的关键修正系数是窗函数的相干增益w blackmanharris(N); % 默认列向量转成行向量 coherentGain sum(w) / N; % 相干增益 windowPowerGain sum(w.^2) / N; % 功率增益修正 X fft(signal .* w) / (N * coherentGain);幅度轴修正到与原始信号一致功率谱用abs(X).^2即可。如果你的重点不是绝对幅值而是信号与噪声的功率比相干增益修正可以省略因为比值计算时修正因子会约掉。但既然写通用程序建议还是做好省得后续要接别的模块时返工。2.3 频谱上怎么区分信号、谐波、噪声和杂散FFT之后频谱由四类分量组成直流分量、输入信号的基波、基波的整数倍谐波、以及其余所有分量。程序的核心任务就是把这四类分量在频域里准确划分出来。我的划分策略是直流分量直接取第1个频点0Hz从总功率中剔除。基波在输入信号频率附近搜索幅度最大的频点并左右各扩展一个bin吸收主瓣泄漏能量。谐波在f_signal的2、3、4...整数倍频率附近搜索同样取局部峰值并扩展bin。杂散分量在所有剩余频点中找功率最大值作为SFDR的计算对象。噪声功率总功率减去直流、基波、谐波之后的功率即为噪声功率。这个划分顺序是固定的尤其是谐波必须识别为离散分量否则谐波能量会被当成噪声计入SNR的分母导致SNR被严重低估。3. 源码核心模块谐波搜索、噪声积分和参数计算3.1 主函数设计输入参数最简单的写法我的程序主函数长这样function [SNR_dB, THD_dBc, ENOB_bits, SFDR_dBc] adc_metrics(x, fs, f_signal, numHarmonics) % adc_metrics 计算ADC动态性能参数 % 输入: % x - 采样波形数据长度为N的列向量 % fs - 采样率单位Hz % f_signal - 输入正弦波信号频率单位Hz % numHarmonics - 参与THD计算的谐波数量默认9 % 输出: % SNR_dB - 信噪比 % THD_dBc - 总谐波失真相对于载波 % ENOB_bits- 有效位数 % SFDR_dBc - 无杂散动态范围相对于载波变量命名全用小写加下划线这是我个人的习惯跟Matlab内置函数的风格比较统一也避免和工具箱里的函数重名。函数内部第一步是去掉直流偏置这样后续的功率积分才干净。如果输入波形本身含有非零直流成分不去除的话THD会虚高因为直流进入了总功率但没算进谐波功率里。3.2 谐波分量定位频率索引怎么找最稳谐波定位是整个程序里最容易出错的地方。最初我的做法是直接找理论频率最近的频点结果在非相干采样情况下经常抓错揪了几个小时后决定改成理论频率附近局部窗口内搜峰的方式% 在理论频率附近搜索峰值捕获主瓣能量 function [idxPeak, peakPower] findPeakNearFreq(P, freq, f_target, N) [~, idxCenter] min(abs(freq - f_target)); searchHalf max(3, round(N * 0.002)); % 搜索范围约千分之二的点数 segStart max(1, idxCenter - searchHalf); segEnd min(length(P), idxCenter searchHalf); [~, idxLocal] max(P(segStart:segEnd)); idxPeak segStart idxLocal - 1; peakPower P(idxPeak); end搜索窗口不能开太大否则会把邻近的噪声峰值误当信号也不能太小否则窗口覆盖不了频谱泄漏的宽度。N*0.002是我基于16384点FFT调出来的经验值实际频谱泄漏主瓣宽度与窗函数类型相关Blackman-Harris的主瓣是8个bin左右0.2%的搜索窗口对应约33个bin绰绰有余。谐波频率超过奈奎斯特频率时会发生混叠程序里必须做边界判断超过fs/2的谐波直接跳过否则会在频谱上错误地算出一堆根本不存在的分量。3.3 SNR、THD、ENOB、SFDR的计算公式落进代码核心计算段是这个函数的价值所在代码如下% 功率谱计算 N length(x); x x(:) - mean(x); w blackmanharris(N); xw x .* w; coherentGain sum(w) / N; X fft(xw) / (N * coherentGain); X X(1:floor(N/2)1); P abs(X).^2; freq (0:floor(N/2)) * fs / N; % 直流不参与统计 P(1) 0; % 基波定位 [idxSig, sigPower] findPeakNearFreq(P, freq, f_signal, N); % 谐波功率累加 harmonicPower 0; spurCandidates P; % 用于SFDR搜索的副本 spurCandidates(idxSig) 0; for h 2:numHarmonics 1 fHarmonic f_signal * h; if fHarmonic fs / 2 break; end [idxH, p] findPeakNearFreq(P, freq, fHarmonic, N); harmonicPower harmonicPower p; % 把基波和谐波位置从候选杂散列表中排除 spurCandidates(idxH) 0; end % 噪声功率总功率减去信号和谐波 noisePower sum(P) - sigPower - harmonicPower; % 谐波定位时如果某次谐波超过奈奎斯特频率后续低次谐波要重新定位 % 保险处理把spurCandidates中已定位谐波附近的bin也置0避免主瓣泄漏干扰SFDR % 省代码只置峰值点严苛场景需要再扩展置零 % SFDR搜索 [~, idxSpur] max(spurCandidates); sfdrPower spurCandidates(idxSpur); % 输出参数 SNR_dB 10 * log10(sigPower / noisePower); THD_dBc 10 * log10(harmonicPower / sigPower); SINAD_dB 10 * log10(sigPower / (noisePower harmonicPower)); ENOB_bits (SINAD_dB - 1.76) / 6.02; SFDR_dBc 10 * log10(sigPower / sfdrPower);注意SFDR计算时最大杂散分量不能从信号和谐波所在的bin里挑否则算出来的就是信号自身毫无意义。我上面用spurCandidates做了排除处理。另外噪声功率直接用sum(P)减信号和谐波隐含的假设是把FFT所有频点视为噪声容带符合标准做法。4. 实测中的坑频谱泄漏、谐波个数和直流分量4.1 非相干采样下SNR偏低怎么用窗函数补救我第一次用自己那套程序测一块12位ADC计算出来的SNR比手册低了6dB第一反应是程序写错了。排查一圈发现问题出在信号频率和采样率完全没有相干关系幅度谱泄漏得厉害信号能量散到几十个bin里而我在信号功率上只取了峰值那一个点自然偏低。后来改成在信号峰值附近把主瓣的bin都累加为信号功率再配合Blackman-Harris窗SNR马上就正常了。窗口选择上如果你测试的是完全相干采样用矩形窗也问题不大非相干采样务必加窗否则THD也会在谐波附近泄漏出假旁瓣容易被程序误判成额外谐波。实测经验非相干采样加窗后ENOB通常在理论值±0.5bit范围内波动。如果偏差超过1bit优先检查信号源是否带太多杂散而不是怀疑程序逻辑。4.2 谐波数量选5还是选9结果差多少THD计算里谐波数量的选择对结果影响很大。早期我默认取9次谐波但有一次测一款内部带数字滤波器的ADC9次谐波里混进了滤波器的时钟分量THD算出来比手册差很多。原因是谐波定位算法把附近最大峰当成了谐波而那个峰其实是时钟杂散。后来我调整策略谐波数量默认9但增加一个可选参数工程上需要对比时分别算5次和9次。下面这个表是我在同一份采样数据上跑出来的差异谐波数量THD (dBc)ENOB (bit)5次-68.210.99次-66.510.715次-65.910.6可以看到谐波数从5增加到15结果差别在1~2dB的范围内对是否选型决策不构成质变。但某些ADC的谐波能量主要集中在低次2、3次高次谐波微弱这时9次和15次结果几乎一样。如果你是严谨做芯片评估建议把谐波数设为可变参数并查看各次谐波功率分布再做决定也不迟。4.3 直流分量不扣掉THD会很难看有一次我拿程序测一个信号调理电路输出的波形0V附近有大约30mV的直流偏置占信号幅值不到2%。当时忘了先去除直流分量结果THD显示-35dB明显异常。查了半天终于想到是直流分量在FFT的0Hz bin上堆积了大量功率而THD的定义里压根不该包含直流。修正很简单在FFT之前用x x - mean(x)把直流偏置去掉。但要注意如果采样点数特别大并且信号频率很低mean(x)会包含多个信号周期内的平均这时直接减均值会把一部分低频信号分量也减去。稳妥的办法是只把FFT输出里第1个bin置0而不是在时域直接减平均值两个思路在大部分场景下效果一致但后者更安全。5. 一个完整的算例怎么从结果反推ADC的真实水平5.1 测试条件与原始数据说明我拿一块官方评估板做了实测条件如下采样率fs1MHz输入信号频率fsignal97.6kHz信号幅度为满幅度的-1dBFS采样点数N16384使用Blackman-Harris窗谐波数取9。把采集数据喂给上面的adc_metrics函数输出结果为SNR 66.3 dB THD -75.8 dBc SFDR 81.2 dBc ENOB 10.7 bit这块ADC标称12bit理论最大SNR约74dBENOB约11.7bit。实测结果比理想值低了1bit左右这正是量化噪声之外的实际电路噪声、参考源纹波、信号源谐波等多方面因素叠加的后果。5.2 计算结果与数据手册的对照把实测结果与数据手册标称值对比是判断测试是否可靠的常用方法。手册上这颗芯片在同样输入条件下标称SNR68dB、THD-78dBc、SFDR84dBc。我测出来的SNR比手册低1.7dBTHD接近SFDR低2.8dB。这个偏差量级对一块需要外置驱动电路的评估板来说完全正常毕竟手册的测试条件是在最佳匹配网络上完成的而评估板有自己的噪声底。如果两者相差悬殊比如SNR差5dB以上我建议先检查信号源本身。很多函数信号发生器的谐波失真在-60dB左右直接用它驱动ADC评估板测出来的THD几乎肯定是信号源的而不是ADC的。低失真测试的做法是在信号源后面加带通滤波器或者在计算程序中单独估计信号源的失真贡献。5.3 这几个参数如何联动解读单独看一个参数容易得出错误结论。例如一个芯片SNR很高但THD很差说明电路噪声低、线性度差可能适合低频弱信号场景不适合宽带高动态范围接收。反之SNR低但THD好可能量化噪声占主导可以通过增加采样率过采样来改善。ENOB把两者压缩成一个答案但它掩盖了噪声与失真的分布区别所以不能只看ENOB。实际工程中我习惯这样结合先看SFDR是否满足系统无杂散要求再看THD是否影响信号质量最后用SNR和ENOB评估整体的噪声底。这四者组合在一起ADC在所有关键维度的表现就清晰了。我在程序里最后加了一段自动输出把每个谐波分量的功率分别列出来方便快速定位是哪一次谐波最伤THD。这种做法在调试ADC前端匹配电路时非常有用改一个阻抗匹配参数立刻能看到第三次谐波下降了多少比只看一个THD总数字直观得多。如果你也需要处理类似的数据评估不妨把这套思路复制进你的工程环境里省得每次都从零搭分析流程。本文还有配套的精品资源点击获取
