如何量化高速ADC转换误差率的频率和幅度

记录其中的成功次数，这与上述CER测试方法相似。记录到的任何样本如超出根据理想值算得的误差限值，就会被视为真正的码错误。

图6. 利用ADC样本与理想输出码相比较的长期直方图，我们可以检测任何超出计算限值的偏差。该直方图类似于泊松分布图。

系统

懂得单个转换器的CER之后，我们便可计算一个包含许多转换器的高级同步系统的误差率。许多系统工程师会问：在一个使用大量ADC的大型复杂系统中，累积ADC转换误差率将是多少?

因此，对于高级多信号采集系统，第二考虑事项就是确定一系列(而不是某一个)转换器的转换误差率。乍看之下，这似乎是一个令人怯步的任务。幸运的是，测得或算得单个ADC的CER之后，将此误差率外推到多个ADC并不是那么困难。这样，函数就变成基于系统所用转换器数目的概率扩张方程。

首先，求出单个转换器不发生错误的概率。它仅比1略小一点，即1减去误差率值(1–CERSINGLE)。其次，系统中有多少个ADC，便将该概率自乘多少次，即(1–CERSINGLE)#ADCs

最后，将1减去上述值，便可得出系统会出错的误差率。我们得到以下方程：

CERMULTIPLE =1-(1–CERSINGLE)#ADCs

考虑一个使用99个ADC，单个ADC的CER为10-15的系统。

1 – CERSINGLE = 0.999****999999CERMULTIPLE = 1 – (0.999****999999) 99= 9.899****99951****00000799095 × 10–14 (~about 10–13)

可以看出，现在的CERMULTIPLE值几乎比CERSINGLE(10-15)大100倍。由此可以得知，含有99个ADC的系统的转换误差率大致等于单个ADC的CER乘以系统中的ADC数量。从根本上说，它高于单个ADC的转换误差率，既受单个ADC转换误差率的限制，也受系统所用转换器数量的限制。因此，我们可以得出结论：包含许多ADC的系统与单个ADC相比，总转换误差率会显著提高。

图7. 使用多个转换器的系统的CER正比于单个转换器的CER乘以ADC数量。

确定ADC转换误差可能很困难，但仍是可实现的。第一步是确定系统中的转换误差大致有多大。然后需要确定一组适当的有界误差限值，包括预期ADC操作的非线性良性源。最后，特定测量算法可实现大部分或全部测试。测量结果可外推到测试界限之外，以获得额外的近似。