ADCの主なパラメータ

範囲

A/Dコンバータ (ADC) が正しく読み取ったり処理したりできる入力電圧の範囲は、コンバータの「有効な変換範囲」と呼ばれます。フルスケールと＋フルスケールは、それぞれこのスペクトルの最低位置と最高位置を表すために使われる用語です。

フルスケールポイントが0ボルトに設定されている場合、範囲はユニポーラになります。ただし、-フルスケールの値が+フルスケールの値を負の電圧として反映した場合には、範囲はバイポーラに分類されます。

入力電圧がこの範囲より高い場合、ADCは信頼性の高い変換データを提供できません。ADCは、このようなオーバーレンジ条件に応答することがよくあり、超過した入力電圧に最も近い範囲のエンドポイントに一致するコードを作成します。

分解能

定義

アナログ・デジタルコンバータ (ADC) が検出できるアナログ入力信号の最小の差を分解能と呼びます。基本的には、ADCがいくつの異なるレベルを表すことができるかを表します。Nビットの分解能を持つADCは、2^Nの異なるレベルを表すことができます。分解能はしばしばビット単位で与えられます。例えば、16ビットADCは2^16レベル、65,536レベルを表しますが、8ビットADCは2^8レベル、256レベルを表すことができます。

フルスケールの入力幅 (最大入力電圧と最小入力電圧の差) と離散レベルの量 (2^N) の比は、分解能を数学的に定義するためにも使われます。最下位ビット (LSB) または比率は、ADCが拾うことができる入力信号の最小の変化を表します。

$$1LSB = \frac {V_{ref}-V_{a} ^{gnd}}{2^n}$$

ここで

LSB – 最下位ビット

n – ADCによって出力されるビット数

V_ref – 基準電圧

V_a^gnd – アナロググラウンド電圧

Nビットのデジタル出力を持つADCは、0と2ⁿ-1を含むデジタル値「2ⁿ」を与えます。

5Vが基準電圧の場合、分解能は次のようになります。

$$1LSB = \frac {5V}{2^{10}}=\frac {5V}{1024}=4.88mV$$

これは4.88mVのアナログ入力を変更すると、デジタル値が1LSBまで変化することを示しています。

パフォーマンスへの影響

アナログ信号のデジタル表現の品質はADCの分解能に大きく依存し、ADCの性能にかなりの影響を与えます。

量子化誤差: より細かい量子化は分解能で可能であり、量子化誤差を低減します。アナログ値の真の値とそのデジタル表現との間の不均衡は量子化誤差として知られています。高分解能のADCは、医療機器や高忠実度の音楽など、精度が重要なアプリケーションで必要とされます。

ダイナミックレンジ: ADCのダイナミックレンジ (正確に測定できる最大信号と最小信号の比) は、分解能と密接に関連しています。ADCは、ダイナミックレンジの分解能の拡張により、強い信号が存在するときに小さな変化を検出することができます。

信号対雑音比 (SNR): 信号強度幅を維持しながら量子化誤差によって生じるノイズレベルが低減されるため、分解能が高いとSNRが向上します。ただし、ADCが固有ノイズの少ない構成ではない場合、分解能を上げると必ずしもSNRが大きくなるとは限らないことに留意しましょう。

データレートと処理の要件: サンプルあたりのビット数が増えるのは分解能の増加によるものであり、これによりデータレートが上昇し、追加のデータストレージが必要になります。これには処理能力の向上が求められ、組込みシステムなどリソースが限られているその他の状況で考慮することが極めて重要です。

変換時間と消費電力: SAR ADCのような設計を使用する場合、高分解能ADCはアナログ信号をデジタル信号に変換するためにより多くの時間を必要とする場合があります。さらに、より高い分解能を選択すると、ADC回路が複雑になり、消費電力が増加する可能性があります。

サンプリングレート

定義

サンプリングレート (サンプリング周波数とも呼ばれる) は、連続アナログ信号から毎秒何サンプルを得るかを決定する重要なADCパラメータです。測定単位は、毎秒サンプル数 (SPS) またはヘルツ (Hz) です。アナログ入力信号が測定され、デジタル値に変換される頻度は、サンプルレートによって決定されます。測定は、サンプリングレートが低い場合よりもサンプルレートが高い場合の方が頻繁に行われます。

ナイキスト・シャノンの定理との関係

ナイキストの定理 (ナイキスト・シャノンの標本化定理としてよく知られる) は、情報を失うことなく連続的な信号を適切にサンプリングするための標準を定義する基本的な考え方です。この定理では、サンプルからエイリアシングを行わずに元のアナログ信号を再構成するためには、信号のサンプリングレートはベースバンド信号の少なくとも2倍の帯域幅または最高周波数成分でなければならないと述べられています。ナイキストレートはこの基準レートに与えられた名前です。

数学的に、これは次のように表すことができます。

$$Sampling Rate ≥ 2 x Bandwidth$$

サンプリングレートがナイキストレートよりも低い状況について考えましょう。そのような状況では、信号の高周波成分が低周波成分と区別できなくなったときにエイリアシングとして知られる現象が発生する可能性があります。アナログ信号のデジタルバージョンでは、エイリアシングによる歪みと誤差が発生します。

パフォーマンスへの影響

周波数ドメインの分解能: 高いサンプリングレートでの周波数領域の分解能向上により、信号の周波数成分のより徹底的な調査が可能です。これはデジタル信号処理やスペクトル解析のようなプログラムで特に重要です。

エイリアシング: 既に述べたように、ナイキストレート以下のサンプリングはエイリアシングをもたらし、歪みと情報損失をもたらします。これは、信号の完全性を維持することが不可欠な状況では有害になり得ます。

データレートとストレージ: より多くのデータが、より大きなサンプリングレートで単位時間当たりに生成されます。データフローとストレージのニーズの増加により、ストレージスペースが限られているシステムでは、これを考慮する必要があります。

処理の要件: 特にリアルタイムシステムでは、サンプリングレートが大きいほど、増加したデータストリームを管理するための追加の処理リソースが必要です。

消費電力: ADCは、より大きなサンプリングレートで機能するためにより多くの電力を必要とします。消費電力を最小限に抑える必要があるバッテリー駆動のガジェットに関しては、これは極めて重要な要素かもしれません。

精度

定義

精度と呼ばれる重要なADC特性は、ADCのデジタル出力が実際のアナログ入力値にどれだけ近いかを測定します。最下位ビット (LSB)、フルスケールのパーセンテージ、または絶対電圧レベルに関しては、実際の値からの測定値の系統的な不正確さ、または逸脱を表しています。計測機器やセンサデータ収集など、精密な測定が必要なアプリケーションでは、高精度が不可欠です。

オフセット誤差、ゲイン誤差

いくつかの誤差成分は、最も頻繁にオフセット誤差とゲイン誤差であり、ADCの精度に影響を与える可能性があります。

オフセット誤差: オフセット誤差は、入力電圧がゼロの場合のADCの実出力値と理想出力値の差を測定します。これは全ての出力コードで同じであり、通常は部品のミスマッチや温度変化などによって発生します。ほとんどの場合、オフセット誤差はLSBまたはミリボルトで示されます。

ゲイン誤差: オフセット誤差を考慮しないゲイン誤差は、ADCの実際の伝達関数とフルスケール (最大入力電圧) における理想的な伝達関数との差です。ゲイン誤差は、ADCが入力電圧変動にどの程度敏感に反応するかを表しており、内部部品の公差によって頻繁に発生します。LSBまたはフルスケール出力の割合を表現するためによく使用されます。

パフォーマンスへの影響

測定精度: 測定の精度は、オフセットとゲインの問題によって大きく影響されます。医療機器、試験・計測機器、高精度センサなどのアプリケーションでは、わずかな誤差でも深刻な影響を与える可能性があります。

較正と補正: よく知られている参照サイトで誤差を測定し、これらの測定値をソフトウェアまたはハードウェアの不具合を考慮に入れることで、オフセットおよびゲイン誤差を頻繁に較正することができます。較正手順の結果によって、システムはより複雑で高価になる可能性があります。

ダイナミックレンジ: 特にオフセットの問題は、そうでない場合よりも低い入力電圧でデバイスを飽和させる可能性があるため、ADCの有効ダイナミックレンジを低下させる可能性があります。

システムパフォーマンス: フィードバックループや制御システムにおける不正確なADC測定によって、システムの性能が影響を受ける可能性があります。例えば、温度制御システムのADC読み取り値が不正確な場合、間違った温度管理につながるかもしれません。

基準電圧

デジタル出力を生成するために、ADCはアナログ入力を比較するための基準電圧を必要とします。アナログ入力 / リファレンス電圧比によって、デジタル出力が決定されます。

$$digital value = \frac {V_{a}^{in}}{V_{ref}^{high}-V_{ref}^{low}} \cdot (2^n -1)$$

ここで

V_aⁱⁿ – アナログ入力電圧

V_ref^high – リファレンス高電圧

V_ref^low – リファレンスlow電圧

n – ADCデジタル出力のビット数

例えば、10ビットADCの場合、V_aⁱⁿ= 1VでV_ref^high - V_ref^low = 5Vの場合、デジタル出力は以下になります。

$$digital value = \frac {1V}{5V} \cdot 1023=204d=0CCh$$

線形性 (DNLおよびINL)

線形性はADCの実際の伝達関数が理想的な線形関数にどれだけ近いかを示すため、ADCにとって重要な指標です。言い換えれば、理想的な伝達特性としても知られる、直線からのADCの出力値の逸脱を定義します。線形性は、オーディオ処理、測定、通信などの信号振幅の正確な複製を要求するアプリケーションで重要です。微分非線形性 (DNL) と積分非線形性 (INL) はADCの線形性を解析するための2つの基本的な尺度です。

微分非線形性 (DNL)

隣接するデジタル出力コード間のステップサイズの差は微分非直線性によって定量化されます。完全なADCにおける隣接する出力コード間の差は、最下位ビット、つまり1LSBでなければなりません。この望ましい1LSBステップサイズからの逸脱は、DNLが意味するものです。次のような数式で決定されます。

$$DNL= (Actual step size between codes - 1LSB)$$

DNLは通常LSBで表されます。DNL値0は理想的な性能を示します。DNL誤差が-1以下の場合、コードが欠落する可能性があり、これはADCが入力に関係なく特定の出力コードを生成しない可能性があり、結果として情報が失われることを意味します。

積分非直線性(INL)

積分非直線性は、ADCの伝達関数が線状の形状からどれだけ離れているかを定量化し、DNL断層の累積的な影響を示しています。多くの場合、LSBに標準化され、実伝達関数と理想伝達関数の最大の差を測定します。数学的には、INLは理想的な伝達関数に関連する特定コードまでのDNL誤差の合計です。

$$INL = (Actual output code - Ideal output code)$$

パフォーマンスへの影響

信号の歪み: 出力品質はオーディオや画像処理のようなアプリケーションで重要であり、ADCの線形性が低い (DNLとINLが大きい) 場合に信号の歪みが生じる可能性があります。

測定誤差: センサなどの測定アプリケーションでは、線形性が低いためにミスが発生します。これらの不具合のいくつかは較正することができますが、システムはそれを行うことにより複雑になります。

ダイナミックレンジと精度: 特に信号対雑音比が低いシステムでは、非直線性がADCの有効なダイナミックレンジと精度に影響を与える可能性があります。

システムレベルのパフォーマンス: 非直線性はクローズドループ制御システムに誤差をもたらし、不安定性やパフォーマンスの低下をもたらす可能性があります。

ノイズ積分非直線性 (INL)

アナログ・デジタル変換中に希望の信号に加えられるランダムな変化は、ADCの状況ではノイズと見なされます。アナログ信号のデジタル表現が信頼性が高く正確であるためには、ノイズを理解し管理する必要があります。

ノイズ源

熱ノイズ: 熱雑音は、しばしばジョンソン・ナイキスト・ノイズと呼ばれ、導体内で不規則に移動する電子によって生成され、温度、抵抗、帯域幅の影響を受けます。それはすべての電気的機器の基本的に避けられない部分です。

量子化ノイズ: ADCの分解能の制限がこのノイズ源の原因です。ADCは有限個数の離散レベルしか表現できないので、実際の信号は最も近いレベルに近似され、その結果、量子化誤差が生じます。

クロックジッタ: ノイズはサンプルインスタンスの変動から発生することがあり、ADCのクロックの不正確で不安定なタイミングによって発生する可能性があります。

電源ノイズ: 電源の変動と外乱はADCにリンクし、変換された信号にノイズとして現れます。

デバイスのノイズ: 全ノイズ性能は、半導体デバイス (トランジスタのような) に見られる製造ばらつきと固有雑音の影響を受けます。

外部干渉: ADC入力は隣接するスイッチング信号や他の電磁場と結合してノイズを増加させることがあります。

信号対雑音比 (SNR)、ノイズフロア

信号対雑音比 (SNR): SNRは、意図した信号が背景のノイズと比較して、どれだけ強いかを測定します。信号のパワーとノイズのパワーの比として定義され、しばしばデシベル (dB) で表されます。SNRが大きい信号はクリアでノイズが少なくなります。

$$SNR (dB) = 10 \cdot log10 (Signal Power / Noise Power)$$

ノイズフロア: 測定システム内の望ましくない信号とノイズの総量をノイズフロアと呼びます。これを下回ると、通信が聞こえません。言い換えれば、ノイズフロア電力より弱い信号を測定することは不可能です。関心のある信号が非常に微弱である可能性があるセンシングおよび測定アプリケーションでは、ノイズフロアは重要な指標です。

デジタル化された信号の品質を最大化するために、特に高精度および高感度アプリケーションでは、ADCのノイズを理解し、最小化することが重要です。ADCの性能は、フィルタリング、適切なシールド、高品質の部品と電源を含む戦略の使用によって向上するかもしれません。量子化ノイズをより広い周波数範囲に分散し、SNRを高めるために、システム設計者はオーバーサンプリング法を頻繁に使用します。

ダイナミックレンジ

ADCがアナログ入力からデジタル表現に適切に変換できる振幅の範囲を定義するダイナミックレンジは、ADCにとって重要な特性です。低レベル信号と高レベル信号の両方を歪みや飽和なしで記録するADCの能力は、ダイナミックレンジによって測定されます。これは、入力信号が大幅な振幅変化を示す可能性があるオーディオ処理、体内の画像処理、レーダーシステムなどのアプリケーションで考慮すべき重要な要素です。

定義

ADCが処理できる最大の信号振幅と、一貫して解決できる最小の信号振幅の比率は、ダイナミックレンジとして知られています。デシベル (dB) で表されます。

$$Dynamic Range (dB) = 20 \cdot log10 (Largest Signal Amplitude / Smallest Signal Amplitude)$$

信号対雑音比 (SNR) および分解能との関係

$$Maximum Dynamic Range (dB) ≈ 6.02 \cdot Number of Bits$$

この近似は、分解能を追加するたびにダイナミックレンジが6.02dB増加するという事実に起因します。

パフォーマンスへの影響

幅広い振幅変動処理: ADCはダイナミックレンジが大きいため、さまざまな振幅の信号を正しく処理できます。これは、音声処理のような、静かなささやきから大きな音まで入力がある状況では重要です。

ノイズ性能: ノイズ性能の向上は、ダイナミックレンジの拡大と関連していることが多く、これにより、特に信号振幅が小さい場合に、より正確な測定と信号忠実度の向上が可能になります。

歪みとクリッピング: ダイナミックレンジが不十分な場合、強い信号はADCの最大入力範囲を超える可能性があり、クリッピングと歪みを引き起こします。一方、ノイズはADCのノイズフロアを下回る弱い信号を不明瞭にすることがあります。

考慮事項

ダイナミックレンジを大きくすることは、通常有利ですが、コストや消費電力が高くなるなどの欠点がある場合もあります。したがって、プログラムのニーズに合ったダイナミックレンジを持つADCを選択することが重要です。

消費電力

ADCを開発し選択する際、消費電力は重要な要素であり、特に電力の経済性が重要なバッテリー駆動デバイスや携帯機器では非常に重要です。性能とバッテリー寿命を最大化するためには、ADCの消費電力に影響を与える側面を理解することが不可欠です。

静的および動的電力

電力と動的電力は、ADCの電力使用の2つの基本タイプです。

静的電力:

ADCは、信号をアクティブに処理していないとき、またはアイドル状態のときに静的電力を使用します。ADCのトランジスタのリーク電流がこの電力の主な原因です。動作周波数は、事実上一定の静的電力使用量にほとんど影響を与えません。今の低消費電力ADCの設計では、特にセンサノードのようにADCが長時間アイドル状態になる可能性のあるアプリケーション向けの部品では、静的消費電力を低減するよう努めています。

動的電力:

ADCがアクティブに動作しているとき、つまりアナログ信号をデジタル値に変換するときに使用される電力は、動的電力と呼ばれます。ADCが駆動している動作周波数と容量性負荷によって、動的電力が決定されます。動的消費電力を概算するには、次の式を使用できます。

$$P_{dynamic} = C \cdot V^2 \cdot f$$

ここで、P_dynamicは動的電力、Cはスイッチングされる容量、Vは電圧、fは動作周数です。

低消費電力設計上の考慮事項

分解能と周波数のスケーリング:

ADCの動作周波数や分解能を下げることで消費電力を低減することができます。しかし、アプリケーションの分解能と帯域幅のニーズがこれと一致しなければなりません。

電力モード:

消費電力は、スリープ、アイドル、アクティブモードなどのいくつかの電力モードを利用することで最適化されます。ADCは、スリープモードまたはスタンバイモード中に使用されていないときに、消費電力を最小限に抑えるように構成されている場合があります。これは必要に応じて、すぐに起動することができます。

供給電圧スケーリング:

ADCが低い電源電圧で動作すると、静的および動的な両方の消費電力が減少します。電源電圧が低いとADCの速度とノイズ性能が低下する可能性があるため、性能への影響も考慮する必要があります。

テクノロジーの選択:

消費電力は、選択された半導体技術によって大きく影響を受ける可能性があります。例えば、CMOSで製造されたADCは、バイポーラ接合トランジスタ (BJT) のような古い技術を使ったものよりもエネルギー効率が良いことがよくあります。

アーキテクチャの選択:

ADCアーキテクチャの選択も重要です。例えば、逐次近似レジスタ (SAR) ADCは、フラッシュADCよりも電力効率が高いため、低消費電力アプリケーションで頻繁に利用されます。

入力インピーダンス

A/Dコンバータ (ADC) は、開発および使用時に入力インピーダンスを考慮する必要があります。これは、ADCが入力に接続されたハードウェアとの通信方法で重要な役割を果たします。このセクションでは、ADCアプリケーションにおける入力インピーダンスとその重要性について説明します。

定義:

入力インピーダンスは、しばしば、Z_inとして知られ、ADCの入力における電圧と電流の比です。ADCが入力への電流の流れをどれだけ妨害、または遮るかを表します。数学的には、次の関係になります。

$$Z_{in} = V{in} / I_{in}$$

ここで、Z_inは入力インピーダンス、V_inは入力電圧、I_inは入力に流れる電流です。

入力インピーダンスは抵抗要素またはリアクタンス要素です。抵抗要素はしばしば抵抗で表されますが、リアクタンス要素はやインダクタンスで表されます。ほとんどの場合、特に低周波数では容量性の側面が優先され、入力インピーダンスは大部分が容量性になります。

重要性:

マッチング: ソースをADCにリンクするときは、ソースのインピーダンスとADCの入力インピーダンスを考慮する必要があります。電力伝達を最大化し、信号反射を最小化するには、適切なインピーダンスマッチングが必要です。例えば高周波アプリケーションでは、歪みとシグナルインテグリティの損失を最小限に抑えるためにインピーダンスマッチングが重要です。

ローディング効果: 低入力インピーダンスADCは、ソースから大量の電流を消費することがあります。ソースの出力インピーダンスが高い場合、電圧降下 (負荷効果) が発生し、ADCに供給される電圧が意図した値よりも低くなる場合があります。この傾向は、変換手順でエラーを引き起こす可能性があります。

帯域幅に関する考慮事項: ADCの入力では、入力インピーダンスと寄生容量を組み合わせてローパスフィルタを生成することができます。このフィルタはADCの帯域幅を制限し、その結果正しく変換できる周波数幅を制限することができます。入力インピーダンスを理解することで、帯域幅のニーズを十分に考慮した設計が可能になります。

ノイズ耐性: 入力インピーダンスが高いと、ADCはアンテナのように機能し、望ましくない信号を消費するため、ノイズに対して脆弱になる可能性があります。高インピーダンスのアプリケーションでのノイズのピックアップを低減するためには、慎重な計画と設計手法を使用する必要があります。

有効ビット数 (ENOB)

有効ビット数 (ENOB) の概念は、アナログ・デジタルコンバータ (ADC) の性能を評価する上で重要なパラメータです。これはノイズや歪みのような非理想性を考慮することによってADCの分解能をより正確に表現します。

定義

テスト対象のADCと同じ分解能を持つ理想的なADCのビット数はENOBで示されます。これはノイズと歪みレベルを考慮した場合のADCの実際の分解能を測定します。通常、ENOBはADCの公称分解能 (デジタル出力コードのビット数) よりも小さくなります。

ENOBは、信号対雑音および歪み比 (SINAD) を使用して推定でき、これはデシベル単位で測定され、次のように計算できます。

$$ENOB = (SINAD - 1.76) / 6.02$$

1.76と6.02は、dBとビット (20*log10(2)) の変換から得られる定数です。

解説

ADCが10ビットのENOBを持つとき、理想的な10ビットADCと同じ動作をしますが、公称分解能は大きくなります。公称分解能とENOBの差は、量子化ノイズ、熱雑音、クロックジッタ、非直線性などのADCの非理想性によって生じます。

重要性

ADCのENOBを理解することは、さまざまな理由から極めて重要です。

性能評価: ENOBは、単にその分解能を見るよりもADCの性能をより正確に把握できます。ENOBを知ることで、アプリケーションの精度要件を満たすADCを選択できます。

システムの最適化: 技術者はENOBを分析し、より高品質な部品への投資や精度向上のための信号処理技術の使用について学識のある意思決定を行うことで、ADCの性能の限界を検出することができます。

トレードオフ: ENOBは分解能、帯域幅、消費電力のトレードオフを理解するのにも役立ちます。より高いENOBを持つ低分解能ADCは、場合によってはより低いENOBを持つ高分解能のADCよりも性能が高くなります。

データインテグリティ: これはデータ変換の正確性を保証します。これは、データインテグリティが不可欠な医療用画像などの高精度アプリケーションで特に重要です。

ADC伝達関数

ADCの伝達関数は、ADCが生成するコードに対する入力電圧を示すグラフです。

3ビットユニポーラADCの理想的な伝達関数については、図16をご覧ください。

図16: 3ビットユニポーラADCのデジタル出力 VS. アナログ入力 (伝達関数)

ADCの入出力特性は、理想的には均一な階段状である必要があります。単一のアナログ入力値は単一の出力コードと相関しないことに注意しましょう。代わりに、各出力コードは1LSB (最下位ビット) 範囲の狭い入力電圧範囲を反映します。最初のコード遷移は上の図の0.5LSBで起こり、その後の各遷移は1LSBごとに続きます。最終的な遷移はフルスケール (FS) 値より1.5 SB低い値で起こります。

ADCは、アナログ値の連続範囲を表現するために有限個数のデジタルコードが利用されるため、本的に非線形である階段状の応答を示します。ADC伝達関数は、オフセット誤差、ゲイン誤差、非線形性のような非理想的な効果を分析するためにステップの途中を通る直線で表現することができます。次の方程式は、この直線を表すために使用できます。

$$Y_{linear}=\frac {V_{a}^{in}}{FS} \cdot 2^n$$

ここで、V_aⁱⁿは入力電圧、nはビット数を表します。

ADCの分解能 (あるいは出力コード数) を上げ続けると、階段応答は線形モデルに近づく傾向があります。結果として、直線は無限出力コードを持つ完全なADCの伝達関数と考えることができます。しかし、実際にはADC分解能は制約されており、直線は応答を単に線形で表現したものであることを認識しています。

データシートと仕様の理解

データシートには、ADC (アナログ・デジタルコンバータ) などの部品の仕様や性能に関する詳細な情報が記載されているため、エンジニアリング分野では必須のツールです。ADCのデータシートや仕様を十分に理解しておくことは、部品選定やシステム設計の際に、技術者が教育を受けた判断をするために必要です。

データシートの主な構成要素

一般的な説明: 一般的に、データシートはADCの基本的な導入から始まり、その主な用途と特徴を強調しています。

絶対最大定格: このセクションでは、ADCが不可逆的な害を引き起こすことなく維持できる最大電源電圧と動作温度を規定します。

動作定格: 本セクションでは、標準電源電圧、動作温度範囲、平均消費電力など、ADCの理想的な動作特性について説明します。これらの値は最適な性能を保証するものであり、回復不能な損傷を引き起こすことなく部品の極端な制限を反映する絶対最大定格とは異なります。

電気的特性: これは、分解能、サンプリングレート、消費電力、入力インピーダンスなど、ADCの動作仕様を含む重要な部分です。通常は表形式で表示されます。

機能図: データシートには、ADCの内部アーキテクチャを示すブロック図が含まれていることが多く、ADCの機能やインタフェースを理解するのに役立ちます。

ピンの設定と機能: 本セクションでは、ADCのピンとその機能、接続方法について説明します。

パフォーマンスグラフ: これらのグラフは、温度、電圧、周波数の変化を含む様々な状況下でADCがどのように動作するかを示します。

アプリケーション情報: 本項では、様々なアプリケーションでのADCの活用方法を説明し、状況によってサンプル回路を提供します。

パッケージ情報: ADCのパッケージの物理的寸法と材料品質に関する情報を提供します。

仕様の解説

標準定格と最大定格: 「標準」の値は通常の性能を反映し、「最大」の値はADCが効果的に機能しない境界を示します。

条件: 多くのパラメータは、温度や電源電圧などの環境要因の影響を受けます。提供された仕様が有効である条件を理解することが重要です。

パラメータの相関関係: いくつかの変数には相関関係があります。例えば、サンプルレートが増えると、電力使用量が増加する可能性があります。システムを最適化する際には、これらの関係を理解することが重要です。

実戦でのヒント

アプリケーションの要件の把握: データシートを読む前に、アプリケーションのニーズの詳細を把握しましょう。これにより、適切な仕様に集中しやすくなります。

クロスリファレンス: データシートには、矛盾する情報やあいまいな情報が含まれている場合があります。アプリケーションノート、リファレンスデザイン、フォーラムなど、複数の情報源を参照する必要があります。

助けを求める: 質問があるか、または仕様を明確にする必要がある場合は、製造業者のサポートスタッフにご連絡ください。

アナログデジタルコンバータ (ADC)