-
传统静态测试方法通过调节ADC输入电压,使数字输出从j码变为j-1码和从j-1码变为j码时,记下输入电压V1和V2;再使输出从j码变为j+1码和j+1码变为j码,分别记下电压V3、V4。则j码的实际码宽为[12]:
$$ {\rm{\Delta }}{V_j} = \frac{{{V_3} + {V_4}}}{2} - \frac{{{V_1} + {V_2}}}{2} $$ (1) j码实际的码宽中心值为:
$$ {V_j} = \frac{{{V_1} + {V_2} + {V_3} + {V_4}}}{4} $$ (2) 在ADC量程范围内,分别测试所有码值的实际码宽和码宽中心,将实际码宽与理想码宽1VLSB相比较,取偏差的绝对值最大者为
$|\Delta {V_{\rm DNL}}{|_{\max}}$ ,则DNLmax=|ΔVDNL|max/VLSB。根据实际码宽,确定最佳转换拟合曲线,得到j码的模拟输入值为Vj0,将所得的实际码宽中心值与模拟输入值相比,得到最大偏差值|∆VINL|max,可得INLmax=|ΔVINL|max/VLSB。理想情况下,ADC静态测试可以采用上述方法得到DNL和INL。由于所有ADC均存在量化噪声的问题,随着ADC分辨率的提高,最小量化台阶1LSB对应的电压值越小,量化噪声可能达到甚至超过1VLSB。对满量程电压值为2 V的ADC电路,分辨率12 bit时,1VLSB约为488.3 μV;当分辨率达到16 bit,1VLSB降至30.5 μV。对于高分辨率ADC,1LSB的输入变化电压更容易被噪声覆盖,导致输出结果中没有相应的码值,即ADC存在失码。同时,分辨率N 位的ADC量化台阶数为2N个,随着分辨率的上升,需测试的码值数目呈指数增加,大大增加了测试难度,且耗费测试时间。因此,上述传统的测试方法只适用于低分辨率的ADC测试评价,对于高精度ADC的静态参数测试,下文阐述一种可实际应用的静态测试方法。
-
过采样测试是通过多次采集输出码值来降低噪声的影响,根据输出码值的实际码宽和理想码宽计算静态性能。目前,常用的过采样测试中采用正弦波作为ADC的输入信号[13],为保证每个码值均被采到,输入的正弦波频率与采样频率应为互质关系,对输入信号源的要求较高。同时,由于正弦波每个电压出现的概率不同,为了消除分布不均匀带来的误差,需要巨大的采样样本。对输出码值进行统计时,码值出现的概率与正弦波的幅值相关,输入信号幅值的变化会造成计算得到的DNL和INL存在较大的偏差。因此,采用正弦波输入信号,对测试设备要求较高,且输出码值的统计复杂、计算量大。
文中的过采样测试方法采用斜坡信号作为待测红外焦平面ADC芯片的输入电压,斜坡信号每个电压出现的概率相等,方便测试及统计计算,更具有实用性。
首先分析ADC输出码值受噪声的影响。理想情况下,输入固定直流电压值,经过ADC模数转换后输出的数字码值也是固定的。在实际测试环境中,测试环境的噪声和ADC内部量化噪声影响输出的数字码值,输出码值主要集中在模拟输入对应值的附近,也会偏差到相邻两侧的码值,当输出采样量足够多时,最后的码值分布呈现正态分布。图3为待测ADC芯片输入电压为1.039 V时的输出码值分布。正态分布的期望值μ,即理想的输出码值,噪声影响了标准差σ,σ越大输出码值越分散。
采用过采样测试静态性能时,对待测ADC输入固定的电压值,采样M次,M足够多时视为对ADC进行过采样。根据上述码值分布原理,假设输出码值在j码采样得到A次,在j-i码和j+i码均采样得到(M-A)/2,i≥0。若噪声对所有输入电压值的影响几乎相同,可认为ADC所有的模拟输入的输出码值均符合上述假设,输入满量程范围电压,每个输入采样M次,最后,将所有得到的输出码值按出现次数进行统计,得到对应码值输出次数的数列为M0、M1、M2、……、Mk(k=2N-1,N为ADC分辨率)。理论上,Mj(0≤j≤k)都等于采样次数M,即所有码值的码宽都相同为M,M可看作最小量化电平1LSB。
实际测试时,存在Mj不等于M,该码值的微分非线性为
$DNL_j = ({M_j} - M)/M$ ,根据差值最大值|Mj-M|max计算ADC最大微分非线性DNLmax。积分非线性INLj为j码以及前面所有码值DNL的总和,$IN{L_j} = \mathop \sum \nolimits_{i = 0}^j DN{L_i}$ ,取最大值为ADC最大积分非线性INLmax。由此,根据测试得到的输出码值Mj可以计算ADC的静态参数DNL和INL。另外,若数列中Mj均大于0,对分辨率为N 位的ADC,表明所有输出码值2N个均被采样到,ADC满足N位满量程范围内无误码,即无误码分辨率为N位。若存在某个或某些Mj=0,则ADC存在一定的失码。
测试时,依据ADC的满量程幅值将斜坡信号等间距分成几段,根据分段大小,确定每段斜坡信号的幅值和台阶数。每小段都可看作是一个单独的ADC,测试时输入每小段信号源幅度要大于每小段的满幅量程,最后计算时,叠加部分取平均值。每段斜坡信号经过ADC转换后采集输出码值并记录,统计每段的输出结果得到ADC满量程范围内的输出码值。为降低噪声等因素对测试结果的影响,对相同输出码进行重复统计,增加采样样本值。采样次数越大,噪声对输出码值的影响越小,测试准确率越高。
-
动态测试方法有正弦拟合法和傅里叶变换(FFT)法,其中FFT法复杂度更低且需要的测试样本数更少,频域范围内能更全面的表现动态性能参数,是目前最常用的动态测试方法[14]。采用FFT法测试动态性能,待测ADC输入频率f0的正弦波,采样频率fs对ADC采样合适的点数M。FFT测试法的采样方式可以分为相干采样和非相干采样,其中,相干采样的采样频率fs与输入信号的频率f0相关,对信号采样整周期个数的信号,FFT变换后不存在频谱泄露。实际测试中,由于信号源的限制,很难实现相干采样。一般采用非相干采样,可以减少输入信号和采样频率的约束,通过加窗处理减少频谱泄漏,常用的有汉宁窗和汉明窗[15]。
采集到的数据进行FFT处理,将时域信号转换为频域信号,由频域图可以得到信号功率Ps、噪声功率Pn和谐波信号功率Pd,根据参数的定义公式计算可得SINAD和ENOB,其中:
$$SINAD = 10{\rm{log}}\frac{{{P_s}}}{{{P_n} + {P_d}}} $$ (3) $$ENOB= \frac{{SINAD - 1.76}}{{6.02}} $$ (4) 公式(4)中SINAD是输入信号为ADC满量程幅度测量得到的。实际测试时输入非满量程的正弦波时,在计算ENOB时需要增加一个校正系数将有效位数归一到满量程,公式如下[16]:
$$ENOB= \frac{{SINAD - 1.76 + 20{\rm{log}}\left( {\dfrac{{FSR}}{{AM}}} \right)}}{{6.02}} $$ (5) 式中:FSR为ADC满量程幅值;AM为实际测试输入的正弦信号幅值。
Research on testing technology of column-level ADC in IRFPA digital readout circuits
-
摘要: 数字化红外焦平面器件是焦平面发展的重要方向,其核心是读出电路集成高性能模数转换器(ADC)。分析了读出电路数字化输出后焦平面性能参数的评价方法,阐述了红外焦平面列级ADC的静态测试和动态测试方法,提出了基于斜坡电压输入的过采样原理测试ADC静态性能,提升无误码分辨率测试正确性。针对ADC静态测试和动态测试要求,结合Labview软件和数字采集卡搭建了软硬件测试平台,并通过一款数字焦平面芯片的测试,验证了测试方法和平台适用于行列级ADC数字化读出电路的测试评价。Abstract: The digitalization of infrared focal plane arrays (IRFPA) is an important direction for the development of IRFPA, the core of which is the integration of high-performance analog-to-digital converter (ADC) in the readout circuits. In this paper, the digital outputs of readout circuits were discussed to evaluate the performances of IRFPA. Otherwise, the static and dynamic testing methods of column-level ADC in IRFPA were elaborated. Among them, the static performances of ADC were tested based on oversampling principle which improved the testing correctness of the no-missing code resolution. For the ADC static and dynamic testing requirements, combined with Labview software and digital signal acquisition equipments, a testing platform of high-performance ADC was built. Through testing a digital IRFPA, it is verified that the testing method and platform can be used for testing evaluation of column-level ADC in digital readout circuits.
-
Key words:
- IRFPA /
- high-performance ADC /
- static parameters /
- dynamic parameters /
- testing platform
-
-
[1] Markovitz T, Shtrichman I. Megapixel digital InSb detector for mid-wave infrared imaging [J]. Optical Engineering, 2011, 50(6): 409−421. [2] Michel V. Latest developments of cooled infrared detectors at Sofradir, France [J]. Defence Science Journal, 2013, 63(6): 550−554. doi: 10.14429/dsj.63.5754 [3] Kenneth I, Michael W, Justin J, et al. Digital-pixel focal plane array technology [J]. Lincoln Laboratory Journal, 2014, 20(2): 36−51. [4] 尹士畅, 喻松林, 于艳. 一种应用于线列TDI型红外焦平面的数字化读出电路[J]. 激光与红外, 2013, 43(5): 540−543. doi: 10.3969/j.issn.1001-5078.2013.05.015 Yin Shichang, Yu Songlin, Yu Yan. New digitalized ROIC for linear TDI IRFPA [J]. Laser & Infrared, 2013, 43(5): 540−543. (in Chinese) doi: 10.3969/j.issn.1001-5078.2013.05.015 [5] 高磊, 翟永成, 梁清华, 等. 红外焦平面读出电路集成数字输出[J]. 红外激光与工程, 2015, 44(6): 1686−1691. Gao Lei, Zhai Yongcheng, Liang Qinghua, et al. IRFPA ROIC integrated digital output [J]. Infrared and Laser Engineering, 2015, 44(6): 1686−1691. (in Chinese) [6] 白丕绩, 赵俊, 韩福忠, 等. 数字化中波红外焦平面探测器组件研究进展[J]. 红外与激光工程, 2017, 46(1): 0102003. Bai Piji, Zhao Jun, Han Fuzhong, et al. Review of digital mid-wave infrared focal plane array detector assembly [J]. Infrared and Laser Engineering, 2017, 46(1): 0102003. (in Chinese) [7] Yang S, Luo L, Lu W, et al. A 16-bit two-step pixel-level ADC for 384*288 infrared focal plane array [C]//2017 IEEE 12th International Conference on ASIC (ASICON). IEEE, 2017. [8] 何力, 杨定江, 倪国强, 等. 先进焦平面技术导论 [M]. 北京: 国防工业出版社, 2011. He Li, Yang Dingjiang, Ni Guoqiang, et al. Introduction to Advanced Focal Plane Arrays [M]. Beijing: National Defense Industry Press, 2011. (in Chinese) [9] Reibel Y, Rubaldo L, Bonnouvrier G, et al. Latest developments in advanced MCT infrared cooled detectors [C]//Proceedings of SPIE, 2011, 8185(4): 818503. [10] Duan J, Jin L, Chen D. Testing ADC spectral performance without dedicated data acquisition [J]. IEEE Transactions on Instrumentation and Measurement, 2012, 61(11): 2941−2952. doi: 10.1109/TIM.2012.2202949 [11] Agrez, D. Analysis of the residual spectrum in ADC dynamic testing [J]. IEEE Transactions on Instrumentation and Measurement, 2009, 58(3): 506−511. doi: 10.1109/TIM.2009.2005558 [12] 中国航天工业总公司七七一所. 半导体集成电路数/模转换器和模/数转换器测试方法. QJ 3044-1998[S].北京: 行业标准-航天(CN-QJ),1998. [13] Maxim Integrated, Histogram Testing Determines DNL and INL Errors[EB/OL].[2003-06-18].https://www.maximintegrated.com/en/app-notes/index.mvp/id/2085 [14] Xu L, Sudani S K, Chen D. Efficient spectral testing with clipped and noncoherently sampled data [J]. IEEE Transactions on Instrumentation and Measurement, 2014, 63(6): 1451−1460. doi: 10.1109/TIM.2013.2292273 [15] Rebai C, Dallet D, Marchegay P. Non coherent spectral analysis of ADC using filter bank[C]//Instrumentation and Measurement Technology Conference, 2002. [16] Engineer A D I. Data Conversion Handbook - Analog Devices Inc[Z]. Data Conversion Handbook. 2013. [17] 戴澜, 姜岩峰, 刘文楷. 基于Matlab的高速高精度ADC测试研究[J]. 计算机测量与控制, 2010, 18(9): 2044−2045,2049. Dan Lan, Jiang Yanfeng, Liu Wenkai. Testing research based on Matlab for high-speed and high-resolution ADC [J]. Computer Measurement & Control, 2010, 18(9): 2044−2045,2049. (in Chinese) [18] Fexa P, Vedral J. Developing automated data acquisition system for ADC and DAC testing[C]//Intelligent Data Acquisition and Advanced Computing Systems (IDAACS), 2011 IEEE 6th International Conference on, 2011.