- ADC的常見指標
- 位數和ENOB
對於一個b位的ADC，它的有效位數（ENOB）只有（b-2）位左右。這是因爲ADC所在採集模塊也會引入噪聲，一個ADC實際用起來，能達到的位數沒有標稱那麼高。一般ADC的手冊裏都會提到，如果沒有，可按b-2來計算。
有效位數真實反映了採集模塊的性能和實際產生的量化誤差。即，不考慮系統其他組成部分的情況下，理想ADC量化誤差爲：RMS of quantization noise = effective units of resolution/√12，其中effective units of resolution = Total span/2^ENOB
實際上，對於帶噪系統來說，其RMS of quantization noise是根據實際採集到的數據得到的，然後計算effective units of resolution，再計算所需ADC的位數，當然，前提是驗證時所用的ADC位數夠高，否則會出現計算結果就恰好等於所用ADC位數。後面有例子。
- SNR和THD
SNR用來表徵信號和噪聲（不包括諧波）的功率比
SINAD（信納比）用來表徵信號和噪聲加諧波的功率比
THD用來表徵信號和諧波的功率比
一般情況下，ADC的SNR和SINAD基本相同，差別在1dB以內。
而對於上文的ENOB，可以從SINAD或者SNR估算得到。
- 採樣速度
ADC都需要一定的時間進行模數轉換以獲得一定精度的數據。如果穩定時間不夠，那麼數據也無法達到相應的精度，會帶來更大的誤差。當然，一般來說標稱的採樣速度即可滿足標稱精度，具體需要看手冊。如下圖：
- ADC的選用依據
- 位數與分辨率
芯片手冊中ADC的分辨率一般用位數表示，具體到應用中，可換算成電壓值。例如，12位ADC，設定幅值範圍±5V，其分辨率理論上爲10/2^12。在我們的應用中，要確保想要達到的血糖測量精度，也即血糖變化的最小單位轉換爲電壓值，大於ADC的分辨率，這樣纔可以被感知到。
-
- 量化誤差和精度
量化誤差和其他噪聲等會帶來精度的下降，測量結果的不確定度增大，在此要關注的指標是ENOB（或者SINAD，SNR，如上計算所示，都是一個體系）。假設理想ADC，只有量化誤差，其自身的量化誤差應小於信號源的噪聲，即e> RMS of quantization noise = effective units of resolution/√12。
-
- 其他考慮因素
速度：速度和精度會有一定的折衷，高速會帶來精度的下降。
價格，尺寸，功耗，協議，輸入範圍等。
- 實驗方法
- ADC位數確定
如上所述，首先要確保ADC位數能夠滿足分辨率要求。
其次要保證噪聲要求能夠滿足上述精度要求，例如，假定16bit ADC已經足夠，那麼，用它進行採集，得到噪聲的RMS值，則令effective units of resolution =√12 * RMS of noise，再根據effective units of resolution = Total span/2^ENOB得到所需ADC位數，注意在此是ENOB。
-
- 提高精度（降低所需ADC位數）的方法
以上兩點分別得到ADC位數，假設分辨率所需位數較低，那麼可以使用相應位數ADC。通過算法來提高精度，通常可以平均或者過採樣加低通濾波器來實現。
平均可以使噪聲功率降低爲e/√N，N爲平均個數。
過採樣：若信號源帶寬無限或者很高，則需要先經過模擬低通抗混疊濾波，將其高頻成分濾除。然後以較高的採樣率（一般是信號帶寬的數十乃至上百倍）採樣，將量化噪聲平均到整個頻帶，有時還可用反饋電路將信號頻帶內的噪聲壓制而等同於將噪聲推至高頻（這個常見於Delta-sigma型ADC）。之後進行平均和降採樣，平均過程等效於低通濾波，數字抽取濾波器通常採用有限脈衝響應（FIR）濾波器。即，經過模擬低通－過採樣－數字低通實現降噪和提高準確度。
除了自行設計過採樣系統，Delta-sigma型ADC自帶過採樣技術。
- 其他問題
- 接線方式問題
- ADC複用問題
這兩點在上一篇文檔中有介紹，不贅述。