1. 一段ADC采样数据摆上桌:先用代码开发工具把SNR、SNDR算明白
代码开发工具里,MATLAB 是我做 ADC 动态性能指标计算时最顺手的入口:采集卡导出一列采样点,采样率 fs 已知,先把 SNR、SNDR、THD、ENOB、SFDR 跑出来,再回头看频谱。某次调试中,仪器自带的频谱分析功能不在手边,Excel 手工算又容易把窗函数、单边谱和功率求和搞混,这套脚本十分钟内就能给出可复核的结果。它适合刚接手 ADC 测试的人,也适合需要快速判断一段采集数据是否可信的熟手。下面按“数据怎么进、函数怎么拆、参数怎么设、哪里会翻车”的顺序拆开写。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 代码开发工具选型:为什么用 MATLAB 脚本而不是手工算 ADC 指标
ADC 动态指标的计算本身不复杂,复杂的是把每一个 bin 的功率归到正确的类别里。手工在 Excel 里做,最常出错的地方不是公式,而是单边谱只取一半、加窗之后忘了做幅度校正、谐波 bin 和噪声 bin 重复计入。MATLAB 这类代码开发工具的优势在于:fft、向量索引、结构体返回和画图都在同一个脚本里,改一个窗函数或谐波次数不用重搭整张表。对一线调试来说,先把结果跑出来,再对着频谱图逐项核对,比在表格里反复拉公式可靠得多。
2.1 先把输入输出契约定下来
这套脚本的输入只有三样:data 是时域采样数据,必须是列向量;fs 是采样率,单位 Hz;options 是可选参数结构体。输出是一个 result 结构体,里面至少包含五个指标和一份频谱数据。先把契约定下来,后面换采集卡、换窗函数、改谐波次数,主流程都不用动。
| 字段 | 含义 | 单位 |
|---|---|---|
result.SNR |
信号功率与噪声功率之比 | dB |
result.SNDR |
信号功率与“噪声 + 谐波”功率之比 | dB |
result.THD |
谐波功率与信号功率之比 | dB |
result.SFDR |
信号功率与最大杂散功率之比 | dB |
result.ENOB |
由 SNDR 折算的有效位数 | bit |
result.spectrum |
单边幅度谱,供画图核对 | 幅度 |
result.fund_bin |
基波所在 bin 索引 | 整数 |
result.fs |
采样率回传 | Hz |
输入数据进主函数之前,我一般会先做一次最小检查,避免行向量导致 fft 按行展开,或者 fs 传成字符串还继续往下算。
matlab复制data = data(:); % 强制列向量,防止 fft 按行展开
if isempty(data)
error('采样数据为空');
end
if ~isscalar(fs) || fs <= 0
error('fs 必须是正标量');
end
data(:) 的作用不只是转置,它会把矩阵按列优先拉成一列,后面 length(data) 和 fft 的行为才稳定。isempty 拦住空数据,isscalar(fs) || fs <= 0 拦住采样率传错的情况。这个检查很短,但能省掉后面“为什么频谱全是 NaN”的排查时间。
2.2 采样数据进脚本前的三个检查
第一个检查是列向量。采集卡导出的数据有时是行向量,有时是带表头的文本,直接送进 fft 会得到按行变换的结果,频谱形状看起来对,指标却完全不对。第二个检查是采样率单位。fs 必须和数据采集时使用的采样率一致,单位用 Hz,不要一会儿 kHz 一会儿 Hz。第三个检查是信号频率范围。主函数里有一行 data = data - mean(data),它是去直流,但如果待测信号本身含有低频分量,直接减均值可能把有用信号也削掉。这个问题在后面避坑章会展开,先记住:去直流不是无脑操作,先确认信号频率范围。
matlab复制% 进主函数前,建议先画一眼时域波形,确认没有明显削顶和断点
figure;
plot(data);
xlabel('Sample');
ylabel('Code');
grid on;
这段画图代码不参与指标计算,但它能提前暴露削顶、丢码和直流偏置。时域波形如果已经削顶,后面的 SNR、SNDR 再精确也只是在算一个失真的信号。很多“指标突然变差”的问题,根源不在 FFT,而在采集前端。
2.3 窗函数与谐波次数的初始选择
主函数默认使用 Hann 窗,默认计算前 5 次谐波,默认忽略直流附近 2 个 bin。这三个默认值适合作为第一轮跑通的起点:Hann 窗对频谱泄漏的抑制比较温和,前 5 次谐波覆盖了大多数低速 ADC 测试关心的范围,直流附近忽略 2 个 bin 可以避开直流残留和均值去除后的低频拖尾。参数不要一上来就设得很激进,先把默认值跑通,再根据频谱图调整。
matlab复制options = struct();
options.window = 'hann'; % 默认 Hann 窗,抑制频谱泄漏
options.harmonics = 5; % 先看前 5 次谐波
options.dc_bins = 2; % 直流附近忽略 2 个 bin
result = adc_dynamic_metrics(data, fs, options);
options.window 目前只建议在 hann 和 rect 之间选。rect 是不加窗,只有在确认采样周期和信号周期严格对齐、泄漏很小时才用;否则基波能量会拖到相邻 bin,噪声功率被抬高,SNR 看着变差。options.harmonics = 5 表示计算 2 到 5 次谐波,如果待测 ADC 的高阶谐波明显,可以再往上加,但要注意谐波 bin 不能超出单边谱范围。options.dc_bins = 2 表示直流附近跳过 2 个 bin,如果直流泄漏很大,可以适当增加,但增加太多会把低频噪声一起忽略掉,SNR 会虚高。
选 MATLAB 脚本而不是手工表,还有一个实际原因:调参之后要能马上看到频谱。指标数字只是结果,频谱图才是判断“这个结果可不可信”的依据。下一章把主函数拆开,看看从采样数据到五个指标中间到底经过了哪些步骤。
3. 主函数拆解:从采样数据到五个指标的脚本骨架
主函数 adc_dynamic_metrics 是整个脚本的骨架。它负责默认参数、去直流、加窗、FFT、单边谱、幅度校正、找基波、调用功率拆分函数,最后按公式算出五个指标。代码不长,但每一步都有明确的顺序,顺序错了结果就会偏。
3.1 主计算函数的完整骨架
matlab复制function result = adc_dynamic_metrics(data, fs, options)
% ADC_DYNAMIC_METRICS 计算ADC动态性能指标
% 输入:
% data - 时域采样数据(列向量)
% fs - 采样率(Hz)
% options - 可选参数结构体
% 输出:
% result - 包含SNR/SNDR/THD/ENOB/SFDR的结构体
% 默认参数
if nargin < 3
options = struct();
end
if ~isfield(options, 'window')
options.window = 'hann'; % 默认Hann窗
end
if ~isfield(options, 'harmonics')
options.harmonics = 5; % 默认计算前5次谐波
end
if ~isfield(options, 'dc_bins')
options.dc_bins = 2; % 直流附近忽略的bin数
end
% 数据预处理
data = data(:); % 强制列向量
N = length(data);
data = data - mean(data); % 去直流
% 加窗
win = get_window(options.window, N);
data_win = data .* win;
% FFT
X = fft(data_win);
X = X(1:floor(N/2)+1); % 取单边谱
mag = abs(X);
% 幅度校正(考虑窗函数增益)
mag = mag / sum(win) * 2;
% 找基波峰值
[~, fund_bin] = max(mag(2:end)); % 跳过直流bin
fund_bin = fund_bin + 1;
% 计算各项功率
[sig_pwr, noise_pwr, harm_pwr, spur_pwr] = ...
calc_powers(mag, fund_bin, options);
% 计算指标
result.SNR = 10*log10(sig_pwr / noise_pwr);
result.SNDR = 10*log10(sig_pwr / (noise_pwr + harm_pwr));
result.THD = 10*log10(harm_pwr / sig_pwr);
result.SFDR = 10*log10(sig_pwr / spur_pwr);
result.ENOB = (result.SNDR - 1.76) / 6.02;
% 附带频谱数据供绘图
result.spectrum = mag;
result.fund_bin = fund_bin;
result.fs = fs;
end
这段代码的第一个关键点是默认参数。nargin < 3 表示调用时没有传 options,这时新建一个空结构体;后面三个 isfield 分别补上 window、harmonics、dc_bins 的默认值。这样调用时既可以只传 data 和 fs,也可以只改其中一个参数,不会因为少传字段就报错。
第二个关键点是 data = data(:) 和 data = data - mean(data)。前者保证列向量,后者去直流。去直流之后,频谱直流 bin 的残留会小很多,但材料里也提醒了:如果信号本身含有低频分量,直接减均值可能削掉有用信号。所以这一步不是越干净越好,而是要先确认信号频率范围。
第三个关键点是加窗和幅度校正。data_win = data .* win 对数据加窗,fft 之后取 X(1:floor(N/2)+1) 得到单边谱,再用 mag = mag / sum(win) * 2 做幅度校正。除以 sum(win) 是补偿窗函数带来的能量损失,乘 2 是因为只取了单边谱。少了这一步,不同窗函数之间的幅度没有可比性,SNR 也会跟着偏。
第四个关键点是找基波。max(mag(2:end)) 跳过直流 bin,找到最大值的位置,然后 fund_bin = fund_bin + 1 把索引补回原始频谱。这个 +1 很容易漏,漏了之后基波 bin 整体左移一位,谐波位置全错,THD 和 SFDR 都会跟着乱。
3.2 五个指标公式与量纲
主函数最后五行就是五个指标的计算。公式本身不复杂,但量纲和读法要统一。
| 指标 | 公式 | 读法 | 常见误用 |
|---|---|---|---|
| SNR | 10*log10(sig_pwr / noise_pwr) |
信号功率与噪声功率之比,dB | 把谐波也算进噪声,导致 SNR 偏低 |
| SNDR | 10*log10(sig_pwr / (noise_pwr + harm_pwr)) |
信号功率与“噪声 + 谐波”之比,dB | 只减噪声不减谐波,SNDR 虚高 |
| THD | 10*log10(harm_pwr / sig_pwr) |
谐波功率与信号功率之比,dB,通常是负值 | 把负值当成异常,或漏掉谐波 bin |
| SFDR | 10*log10(sig_pwr / spur_pwr) |
信号与最大杂散之比,dB | 只找噪声最大点,没把谐波算进杂散 |
| ENOB | (result.SNDR - 1.76) / 6.02 |
由 SNDR 折算的有效位数,bit | SNDR 单位不是 dB,或拿 SNR 去折算 |
SNR 和 SNDR 的区别就在分母:SNR 只除噪声,SNDR 除“噪声 + 谐波”。所以正常情况下 SNDR 不会高于 SNR,如果跑出来 SNDR 比 SNR 还高,先查 harm_pwr 是不是负的或者根本没算进去。THD 的公式是谐波除以信号,取对数后通常是负值,越负说明谐波越小,不要看到负号就以为出错。SFDR 用的是最大杂散功率,杂散可以是谐波,也可以是其他非谐波谱线,具体怎么分在下一章的 calc_powers 里处理。ENOB 用 SNDR 折算,不是用 SNR,1.76 和 6.02 是公式里的固定系数,单位是 bit。
3.3 单边谱与幅度校正的两个细节
单边谱这里有两个细节值得单独说。第一个是 X = X(1:floor(N/2)+1)。FFT 的结果是对称的,正频率和负频率各一半,取单边谱就是只保留正频率部分。floor(N/2)+1 保证 N 为奇数或偶数时都能取到包括直流在内的前半段。第二个是 mag = mag / sum(win) * 2。加窗之后,信号能量被窗函数压低,除以 sum(win) 是把能量补回来;乘 2 是因为单边谱丢掉了负频率那一半,幅度要补回去。这两个操作要一起看,只做其中一个,幅度就不对。
还有一个容易忽略的点:fund_bin 是单边谱里的索引,后面画图换算频率时要用同一个长度。result.spectrum 保存的是校正后的单边幅度谱,result.fund_bin 保存的是基波索引,result.fs 回传采样率,这三个字段就是后面画图核对的基础。主函数本身不画图,但它把画图需要的东西都留在结构体里了。
4. 代码开发工具落地:补齐 get_window 与 calc_powers 两个子函数
主函数能跑起来,前提是两个子函数 get_window 和 calc_powers 存在。主函数只定义了它们的接口:get_window 输入窗函数名和点数,返回列向量窗;calc_powers 输入幅度谱、基波 bin 和参数,返回信号、噪声、谐波、杂散四路功率。把这两个函数补上,整套脚本才能从骨架变成可执行工具。
4.1 get_window:不依赖额外工具箱的 Hann 窗
matlab复制function win = get_window(name, N)
% GET_WINDOW 返回列向量窗函数,供主函数做幅度校正
switch lower(name)
case 'hann'
win = hanning(N);
case 'rect'
win = ones(N, 1);
otherwise
error('不支持的窗函数: %s', name);
end
end
get_window 的输入 name 是字符串,lower 让它不区分大小写;N 是采样点数。hann 分支返回 Hann 窗,rect 分支返回全 1 的矩形窗,其他名字直接报错,避免主函数悄悄用一个不存在的窗继续算。返回的 win 必须是列向量,因为主函数里 data .* win 要求两个列向量逐点相乘。sum(win) 后面会用于幅度校正,所以窗函数本身的归一化方式不用在这里处理,主函数统一除。
这里没有引入额外的窗函数库,原因是这套脚本要尽量能直接跑。Hann 窗和矩形窗已经能覆盖第一轮调试:Hann 窗看泄漏,矩形窗做对照。等确认数据没问题,再考虑换其他窗,换的时候要同步检查 sum(win) 和单边谱校正,不要只换窗不看幅度。
4.2 calc_powers:信号、噪声、谐波、杂散四路功率怎么分
matlab复制function [sig_pwr, noise_pwr, harm_pwr, spur_pwr] = calc_powers(mag, fund_bin, options)
% CALC_POWERS 按主函数传入的幅度谱拆分四类功率
pwr = mag.^2;
n_bins = numel(pwr);
% 直流附近不参与噪声/杂散统计
dc_end = min(options.dc_bins + 1, n_bins);
valid
