隨著技術的進步，了解我們周圍正在使用的底層設備和技術變得至關重要。在此背景下，我們將討論類比數位轉換器 (ADC)，它在將類比訊號轉換為數位表示方面發揮著至關重要的作用。
類比數位轉換器 (ADC) 在將現實世界現象轉換為可用於程式設計專案的數值方面非常有用。但是，ADC 如何將類比訊號轉換為我們可以操作並嵌入到任何地方的數位訊號？現在您可以看到 如何在 Linux 中透過兩個或更多硬體輸出播放音訊.
快速連結
ADC 有什麼用途？
ADC 是電子領域必不可少的設備，它將連續的類比訊號轉換為不同的數位表示。了解它們的工作原理對於在自動化和控制系統中控制訊號和數據至關重要。
ADC 幾乎隨處可見。它們在你的手機上，將你的聲音轉換成一系列二進位值。它們在你的車上，測量車輪的轉速。它們在振盪器中，幫助捕捉和表示訊號。然而，大多數人會將它們用在視訊和音訊領域，因為將光和聲音帶入數位空間至關重要。
轉換過程需要將類比訊號分為兩部分：數量（值）和精度（位數）。挑戰在於保持轉換精度以獲得準確的數據。
什麼是採樣率？取樣率如何影響ADC？
ADC 最重要的關鍵指標之一是取樣率：每秒讀取的次數。
一台非常精密的示波器每秒可能會採集一百億個樣本。小型 MCP3008 ADC 每秒只能採集二十萬個樣本，相對來說比較適中。在音訊領域，每秒 44.100 個樣本（44.1 kHz）的取樣率被認為是典型的。
我們採集的樣本越多，我們就能越準確地表徵訊號。有時這是必要的，有時則不是。假設我們正在用數十個電位器建立一個均衡器（一種用於控制電子設備的數位控制器，例如在燈光或音訊調節台上看到的）。在這種情況下，我們需要測量的值不太可能每秒變化數百萬次，因為我們的手指無法移動那麼快。我們只需要足夠的樣本，以確保結果平滑且反應迅速。
什麼是比特率？比特率會影響 ADC 品質嗎？
我們還需要考慮接收樣本的品質。這很大程度上取決於位元率，它告訴我們可以用多少個開啟和關閉狀態來以數位方式表示電壓。位數越多，我們可以在任何給定樣本中記錄的可能值就越多，最終結果就越平滑、越準確。
我們寫了 二進制系統及其工作原理所以，如果你不確定，這是一個很好的起點。我們需要多少位？同樣，這取決於我們想要實現的目標。有時，我們可能會受到所用協議的限制。例如，MIDI 1.0 限制為 7 位元值（有時是 14 位元）。在其他情況下，限制因素可能是人類的感知。如果提高演奏品質並沒有帶來任何顯著的效果改善，那麼它可能就不值得。
多路復用如何提升 ADC 品質？
熱門 ADC 例如： ADS1115 و MCP3008 輸入很多，但實際上只有一個 ADC。這得歸功於這些設備內建的多工器。多工器在電子和通訊領域無處不在。它們是數位開關，充當 ADC 的資料流控制器。 ADC 可能會先取樣一個通道，然後再取樣下一個，如此反覆。因此，如果您有八個通道，取樣率為 200000，則可以循環取樣所有通道，每個通道擷取 25000 個樣本。
ADC 有哪些種類？
ADC 的運作方式多種多樣，取決於所需的成本和功能。
作品 快閃記憶體ADC 通過一個非常複雜的分壓器。一組電阻控制按鈕將參考電壓分成若干增量，然後透過一組比較器控制按鈕將這些增量與輸入進行測試。 Flash ADC 速度極快，但由於所需比較器數量較多，位元深度有限。出於同樣的原因，它們也比較耗電。
尋找 分級 ADC 為了彌補這些缺陷，工作被劃分到兩個獨立的模組：一個模組用於粗略計算電壓，另一個模組用於精確計算電壓。透過劃分，我們可以減少比較次數。有些子ADC會將工作分為三個階段，並在流程中內建誤差校正功能。
特區 逐次逼近暫存器 (SAR) ADC 透過一種二進位搜尋的方式運作。假設我們需要填入 8 位元數據，SAR 將從中間值 10000000 開始（00000000 是最低值，11,11,111 是最高值）。如果電壓超過該中點，SAR 會將最左邊的數字保持為 1；如果沒有超過，SAR 會將最左邊的數字設為 0。我們可以對下一個數字重複此過程，依此類推。這將使估計值逐漸接近實際值：
這樣，我們不斷縮小搜尋範圍，將可能性一分為二，並詢問結果是高於還是低於中點。在本例中，該值介於 0 到 255 之間；經過幾次迭代後，ADC 的結論是該數字約為 77。
Delta-Sigma 轉換器可能是最難理解的。它們用於音樂應用和高分辨率訊號測量。它們的工作原理是過度採樣訊號，並使用高度複雜的濾波和數學運算來改進結果。這個過程有效地降低了取樣率，同時提高了解析度。當雜訊和精度比速度更重要時，這些 ADC 非常適用。
最後，我們來看看積分型ADC，它的速度甚至比Δ-Σ型ADC還要慢。它藉助一個電容器工作，電容器的充電速率可以用來確定輸入電壓。這裡的取樣率通常與電源頻率同步，這可以用來將雜訊降至最低。
什麼是奈奎斯特-香農定理或數位取樣定理？
奈奎斯特-香農定理提供了一個理論框架，用於理解如何將類比訊號（例如聲音或影像）數位化表示。採樣和數位編碼是該理論的基礎。
奈奎斯特-香農定理的關鍵點之一是，任何類比訊號都可以用一組數位樣本來表示。表示的品質取決於取樣率（單位時間內的取樣數），其中取樣率的一半指的是表示一個訊號所需的最小取樣數。
假設我們要用數位方式描述一個類比訊號。為此，每個給定週期至少需要兩個點：一個在頂部，一個在底部。因此，我們的取樣頻率必須至少是我們預期測量的最高頻率的兩倍。
這被稱為奈奎斯特頻率，以瑞典裔美國物理學家哈里·奈奎斯特的名字命名。該理論以奈奎斯特和克勞德·香農（一位傑出的數學家和密碼學家）的名字命名，但並非以埃德蒙·惠特克的名字命名，後者比他們兩人都更早提出了這一想法。
無論我們將這個理論歸咎於誰，它都存在問題。我們不可能提前知道波形的頂部和底部何時到達。如果我們在輸入波形的一半處進行取樣會怎麼樣？請注意，輸入訊號的偏移可能會使整個捕獲的結果變得平坦：
甚至出現從未存在過的新波形的幻覺：
這些幻覺稱為假名。
混疊問題
你可能對「馬車輪」錯覺很熟悉，這種錯覺有時會在拍攝旋轉物體時出現。汽車的車輪或直升機的槳葉看起來似乎在向後旋轉，但速度非常慢。在某些情況下，槳葉甚至可能完全停止旋轉（坦白說，效果非常怪異——請觀看下面的影片！）。
在玩老式電子遊戲時，你可能也會注意到平行線有時會產生奇怪的失真。條紋柵欄、梯子和跳線看起來確實很奇怪。或者，當你透過品質較差的數位連結收聽某人的談話時，有時會聽到奇怪的嘶嘶聲，這又是怎麼回事？這雖然是失真，但卻是一種特殊的噪音。噪音中為什麼會出現這麼多難聽的頻率？如果你正在聽諧波豐富的內容，例如鼓，這種效果會更加明顯，尤其是在高頻部分。
如果你了解其中一個原因，你就開始理解所有原因了。以側手翻為例，恆定的幀率意味著我們無法正確捕捉運動。如果某個物體在每一幀中旋轉 350 度，我們自然會認為它實際上向後移動了 10 度。換句話說，沒有足夠的資訊來準確地表示正在發生的事情。我們採集的樣本與我們試圖測量的內容不一致。
這不僅僅是模數轉換的問題。在很多情況下，我們將一種數位訊號轉換為另一種。
那麼解決方案是什麼呢？有幾種。我們可以應用特殊的濾波器來處理這些偽影，許多 ADC 本身就能做到這一點。或者，我們可以採集比所需數量多得多的樣本。採集的樣本越多，波形影像就越準確：
奈奎斯特頻率是取樣頻率的一半，被認為是一個閾值，必須超過該閾值才能避免失真（也稱為混疊）。如果取樣頻率超過取樣頻率的一半，則會導致變換後的訊號出現混疊和不必要的偽影。
例如，如果一個訊號頻率很高，但取樣頻率較低，訊號的高頻部分可能無法正確表示，從而在變換後的訊號中產生其他偽影。為了避免混疊，取樣頻率應至少為訊號高頻部分的一半。請檢查 您的汽車的交流發電機如何運作？
常見問題
Q1. 類比數位轉換器（ADC）的作用是什麼？
類比數位轉換器 (ADC) 將連續的類比訊號轉換為數位表示，使自動化和電子系統能夠有效地理解和處理資料。
問題2：如何使用ADC將類比訊號轉換為數位訊號？
這是透過將訊號分為兩部分來實現的：數量（值）和精度（位數）。挑戰在於保持轉換的準確性以獲得準確的數據。
Q3. 類比數位轉換器有哪些不同類型？
是的，根據應用的不同，ADC 有多種類型，例如適用於音訊或運動控制應用的 ADC。
Q4. ADC 在現代數位系統中的重要性是什麼？
ADC 的重要性在於使設備和應用程式能夠與周圍的世界互動並在數位時代有效地理解數據。
更高品質的樣品以獲得最佳結果
如果你覺得這類事情很有趣，好消息是，我們還沒有深入探討這個主題。這裡還有很多高級細節需要深入探討：ADC 非常複雜。
但從最終用戶或普通 Arduino 愛好者的角度來看，這其實也相當簡單。輸入電壓，輸出數字。所以，無論你想測量什麼——無論是一塊土壤的含水量、人聲帶的振動，還是穿過透鏡的折射光子通量——都很有可能找到合適的 ADC。你可以查看 在專案中使用 Arduino 克隆的利與弊.
