ADC输入噪声利弊分析（一）

，这可以通过下面的简单例子来说明：假设ADC在量化电平"k"处有一个失码，虽然代码"k"由于DNL误差较大而丢失，但两个相邻代码k – 1和k + 1的平均值等于k.

　　因此，可以利用该技术来有效提高ADC的动态范围，代价是整体输出采样速率降低并且需要额外的数字硬件。不过应注意，均值并不能校正ADC固有的积分非线性。

　　现在考虑这样一种情况：ADC的折合到输入端噪声非常低，直方图总是显示一个明确的代码，对于这种ADC,数字均值有何作用呢?答案很简单--没有作用!无论对多少样本进行平均，答案始终相同。但只要将足够大的噪声增加到输入信号中，使得直方图中有一个以上的代码，那么均值方法又会发挥效用。因此，少量噪声可能是好事情(至少对于均值方法而言)，但输入端存在的噪声越高，为实现相同分辨率所需的均值样本数越多。

　　切勿将有效位数(ENOB)与有效分辨率或无噪声代码分辨率混为一谈

　　由于这些术语名称相似，"有效位数"和"有效分辨率"常被误认为是一回事，事实并非如此。

　　有效位数(ENOB)来自对ADC输出的FFT分析，条件是用一个满量程正弦波输入信号激励ADC.计算所有噪声和失真项的和方根(RSS)值，信号对噪声和失真的比值定义为信纳比SINAD或S/(N+D)。理想N位ADC的理论SNR为：

　　将计算所得的SINAD值替换等式5中的SNR,并求解N,便得到ENOB:

　　用于计算SINAD和ENOB的噪声和失真不仅包括折合到输入端噪声，而且包括量化噪声和失真项。SINAD和ENOB用于衡量ADC的动态性能，有效分辨率和无噪声代码分辨率则用于衡量ADC在无量化噪声的直流输入条件下的噪声。