ad1890/ad1891
rev. 0
–7–
theory 的 运作
那里 是 在 least 二 logically 相等的 方法 的 explaining
这 concept 的 异步的 样本 比率 转换: 这 高
速 interpolation/decimation 模型 和 这 polyphase 过滤
bank 模型. 使用 这 ad1890 和 ad1891 sampleports 做
不 需要 understanding 也 模型. 这个 部分 是 包含
为 那些 who wish 一个 deeper understanding 的 它们的 运作.
interpolation/decimation 模型
在 这 高 速 interpolation/decimation 模型, illustrated 在
图示 1, 这 抽样 数据 输入 信号 (plot 一个 在 图示 1) 是
interpolated 在 一些 比率 (iratio) 用 inserting iratio-1
零 valued 样本 在 各自 的 这 原来的 输入 信号
样本 (plot b 在 图示 1). 这 频率 domain characteris-
tics 的 这 输入 信号 是 unaltered 用 这个 运作, 除了
那 这 零-padded sequence 是 考虑 至 是 抽样 在 一个
频率 这个 是 这 产品 的 原来的 抽样 频率
multiplied 用 iratio.
这 零-padded 值 是 喂养 在 一个 数字的 fir 低-通过 过滤
(plot c 在 图示 1) 至 平整的 或者 合并 这 sequence, 和
限制 这 带宽 的 这 过滤 输出 至 20 khz. 这 interpo-
lated 输出 信号 有 被 quantized 至 一个 更 finer 时间
规模 比 这 原来的 sequence. 这 interpolated sequence 是
然后 passed 至 一个 零-顺序 支撑 函数的 块 (physically
执行 作 一个 寄存器, plot d 在 图示 1) 和 然后 asyn-
chronously resampled 在 这 输出 样本 频率 (plot e 在
图示 1). 这个 resampling 能 是 想法 的 作 一个 decimation
运作 自从 仅有的 一个 非常 few 样本 输出 的 这 好 许多
interpolated 样本 是 retained. 这 输出 值 代表
这 “nearest” 值, 在 一个 temporal sense, 生产 用 这 inter-
polation 运作. 那里 是 总是 一些 错误 在 这 输出
样本 振幅 预定的 至 这 事实 那 这 输出 抽样
转变 做 不 关闭 在 一个 时间 那 exactly corresponds 至 一个
要点 在 这 fine 时间 规模 的 这 interpolated sequence. 如何-
总是, 这个 错误 能 是 制造 arbitrarily 小 用 使用 一个 非常
大 interpolation 比率. 这 ad1890/ad1891 sampleport
asrcs 使用 一个 相等的 iratio 的 65,536 至 提供 16-位
精度 (
≈
–96 db thd+n) 横过 这 0 至 20 khz 音频的
带宽.
这 号码 的 fir 过滤 taps 和 有关联的 coefficients 是
大概 4 million. 这 相等的 fir 过滤 convolution
频率 (或者 “upsample” 频率) 是 3.2768 ghz, 和 这
fine 时间 规模 有 决议 的 关于 300 ps. 各种各样的 propri-
etary efficiencies 是 利用 在 这 ad1890/ad1891 asrcs
至 减少 这 complexity 和 throughput (所需的)东西 的 这
硬件 暗指 用 这个 interpolation/decimation 模型.
输入
信号
输出
信号
零 stuff
INTERPOLATION
fir 低
通过
过滤
零 顺序
支撑
寄存器
RESAMPLING
DECIMATION
一个
BC
DE
B
C
D
E
一个
时间
放大
图示 1. interpolation/decimation model—time domain 视图
: 点此下载
