Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Industrial Internet of Things >> Technologie de l'Internet des objets

Modélisation des convertisseurs de données pour simulations système précises

Modélisation des convertisseurs de données pour simulations système précises

Les ingénieurs font face régulièrement à des calendriers de conception serrés qui laissent peu de temps pour répondre aux questions clés sur la performance des convertisseurs de données. Cette série aborde ces questions, en commençant par une exploration fondamentale de la façon de modéliser les convertisseurs analogique-numérique (CAN) et numérique-analogique (CNA) pour des simulations au niveau système.

Dans un travail antérieur, l'auteur a examiné si la combinaison I/Q devait être effectuée numériquement ou analogiquement, et a décrit les exigences pour une performance robuste de liaison de communication. L'article actuel s'appuie sur cette fondation en explorant comment quantifier et modéliser les paramètres critiques des CNA et CAN dans les architectures d'échantillonnage direct RF.

Modulation et démodulation directes RF

La Figure 1 démontre deux topologies courantes : conversion RF directe par CNA pour la modulation et conversion RF directe par CAN pour la démodulation. Le CNA et le CAN ensemble sont appelés convertisseurs de données.

Modélisation des convertisseurs de données pour simulations système précises

Figure 1(a). Modulateur

Modélisation des convertisseurs de données pour simulations système précises

Figure 1(b). Démodulateur

Bien que l'impact au niveau liaison des non-idéalités des convertisseurs de données soit bien documenté, les exigences de qualité spécifiques pour les CNA et CAN dans cette configuration restent sous-explorées dans la littérature.

Pourquoi simuler les convertisseurs de données ?

Les études de taux d'erreur binaire (BER) exigent des résultats statistiquement significatifs, nécessitant typiquement plusieurs centaines à un millier d'événements d'erreur. Pour un BER cible de 10-4, cela se traduit par 5 millions de bits de données simulées. Atteindre un tel débit nécessite un modèle de convertisseur concis, mais complet, qui capture les caractéristiques les plus influentes sans surcharge computationnelle excessive.

Cet article présente une approche systématique de la modélisation, divisée en sections centrées sur le CAN et sur le CNA. Notez que les convertisseurs sigma-delta sont exclus dans cette discussion.

Modèles pour convertisseurs analogique-numérique (CAN)

Les références clés ([4]–[18]) couvrent l'analyse, la modélisation et le test des CAN à haute vitesse. En particulier, des études telles que [13], [14], [16] et [17] introduisent des modèles avancés qui capturent le comportement non-linéaire. Cependant, de nombreux ingénieurs cherchent encore une représentation plus simple, plus intuitive, qui reste fidèle à la performance réelle.

La Figure 2 illustre le processus de quantification d'un CAN bipolaire 5 bits, qui a 32 niveaux de sortie discrets. La tension de crête s'étend de +0,9375 V à –1,0 V, approximativement ±1 V. Les ingénieurs RF travaillent généralement avec des valeurs efficaces ; une sinusoïde de 1 V crête a une efficace de 0,707 V, ce qui est –3 dB par rapport à l'échelle complète. Pour éviter la confusion, nous introduisons deux unités : dBpeakFS pour les rapports crête/échelle-complète, et dBrmsFS pour les rapports efficace/échelle-complète.

Modélisation des convertisseurs de données pour simulations système précises

Figure 2.

La sélection de bande passante est une autre considération critique. Les CAN audio traditionnels se concentrent sur la bande passante de Nyquist complète, mais l'échantillonnage direct RF ne nécessite que la portion occupée par le signal plus les bandes de garde. Nous définissons la « bande passante intéressante » comme la région qui sera traitée par le processeur de signal numérique (DSP). La Figure 3 visualise ce concept.

Modélisation des convertisseurs de données pour simulations système précises

Figure 3.

Dans cette figure, la bande passante du signal et la bande passante intéressante peuvent coïncider en largeur mais différer en fréquence centrale en raison de l'échantillonnage passe-bande, où l'horloge du CAN (fS) sert d'oscillateur local d'un mélangeur. La fréquence de Nyquist est fNyquist = fS/2.

Choix d'un signal d'entrée pour le développement du modèle

Caractériser un CAN nécessite un signal de test qui expose son comportement dynamique. Bien qu'une sinusoïde à un ton soit courante dans les fiches techniques, elle offre une bande passante nulle et pas de variation d'amplitude. Une entrée à deux tons, montrée dans la Figure 4, fournit à la fois bande passante et modulation d'amplitude, en faisant un choix pratique pour les tests matériels et la simulation. De nombreux fabricants fournissent aussi des données de performance pour des stimuli à deux tons.

Modélisation des convertisseurs de données pour simulations système précises

Figure 4.

D'autres formes de signaux — spectres gaussiens, AM, FM — ont été proposées dans la littérature ([4], [12]). Ceux-ci sont moins courants dans les suites de test commerciales mais peuvent être précieux pour des applications spécialisées.


Dans le prochain article de cette série, nous introduirons un modèle de CAN basé sur le Nombre Effectif de Bits (ENOB). D'ici là, les lecteurs peuvent consulter les abréviations, glossaires et références fournis ci-dessous.

Abréviations utilisées

Modélisation des convertisseurs de données pour simulations système précises

Glossaires

Références

Technologie de l'Internet des objets

  1. Élaborer une stratégie de données robuste dans un monde Multi-Cloud
  2. Déploiement du stationnement intelligent : Comment les villes et les développeurs peuvent créer des applications à l'échelle urbaine
  3. Préparer vos opérations manufacturing pour l'IA avec l'IoT
  4. Exploiter l'IoT et le LPWAN pour transformer la collecte de données dans les industries du commerce
  5. Votre usine est-elle prête pour l'IoT ? Guide pratique
  6. Surveillance ambiante IoT : transformer la prise en charge des patients
  7. Comment l'IoT révolutionne les systèmes de suivi de véhicules
  8. Améliorer sécurité et efficacité : Pourquoi la surveillance de niveau sans fil est essentielle pour les grands réservoirs de stockage
  9. Améliorer la précision des programmes CNC par l'intégration d'entrées externes