ADC DNL INL 测试:码密度直方图法测微分与积分非线性、码缺失判定与激励要求全解
更新时间:2026-09-30。在 ADC 采样与量化总览 里,我们把 ADC 的指标分成了静态和动态两类;在 SAR ADC 逐次逼近原理 和 流水线 ADC 多级架构 里,重点是架构怎么决定转换速度和精度的上限。这一篇换个视角:芯片已经流片回来、摆在测试机台上,怎么用一个正弦波和一台采样设备,把数据手册上的 DNL(Differential Nonlinearity,微分非线性)和 INL(Integral Nonlinearity,积分非线性)两个数字测出来,并判断有没有致命的码缺失。
本文要回答的问题
- DNL 和 INL 到底量化的是什么误差,为什么单位都用 LSB 表示?
- 为什么不能逐点用精密电压源扫,而要用「码密度直方图」这种统计方法?
- 正弦波做激励时,每个码的理想命中次数怎么算,DNL/INL 怎么从直方图反推?
- 码缺失(missing code)和单调性(monotonicity)在直方图上长什么样,判据是什么?
- 激励频率、采样点数、相干采样这些参数怎么选,选错了会怎样?
一、DNL 与 INL:台阶踩得均不均、整条楼梯歪不歪
理想 ADC 的传输特性是一条均匀的楼梯:每增加 1 LSB 的输入电压,输出码恰好加 1,每个台阶的宽度都严格等于 1 LSB(LSB 即最低有效位,1 LSB = 满量程电压 / 2^N,N 是位数)。真实器件里,比较器失调、电容失配、电阻串梯度都会让台阶宽度偏离理想值。DNL 和 INL 就是从两个不同尺度描述这种偏离:
- DNL(微分非线性):第 k 个码的实际台阶宽度减去 1 LSB,单位 LSB。DNL = 0 表示这个台阶正好 1 LSB 宽;DNL = +0.5 表示宽了半个 LSB;DNL = -1 表示这个台阶宽度为 0——输入电压扫过该处时,这个码永远不会出现,这就是码缺失。
- INL(积分非线性):第 k 个码的实际跳变点偏离理想直线的距离,单位 LSB。它等于从 0 到 k 所有 DNL 的累加(所以叫「积分」),反映整条传输曲线整体弯成什么样。
上图把两个概念压在一处:DNL 是「这一步踩上去宽窄如何」的局部量,INL 是「走到第 k 步时累计偏了多远」的全局量。工程上为什么两个都要看?因为它们的破坏方式不同。INL 大说明传输曲线整体弯曲,在闭环控制里表现为增益随工作点变化;DNL 局部尖刺(尤其接近 -1 的)说明个别码的判决窗口极窄甚至消失,任何落在这个窗口附近的信号都会被量化到相邻码上,频谱上表现为杂散。一颗 ADC 可以 INL 很漂亮但某个码 DNL 接近 -1——比如电容阵列里某一位权重做错了——这种缺陷只看 INL 曲线很容易被平滑的积分效果掩盖,所以判码缺失必须看 DNL。
再给一张两个指标对比的表,方便速查:
| 维度 | DNL | INL |
|---|---|---|
| 定义 | 单码台阶宽 - 1 LSB | 跳变点偏离理想直线的距离 |
| 数学关系 | 局部差分量 | DNL 从 0 到 k 的累加 |
| 典型数据手册规格 | ±0.5 ~ ±1 LSB | ±1 ~ ±4 LSB |
| 失控后果 | 码缺失、非单调、杂散 | 增益非线性、失真 |
| 判据红线 | DNL ≤ -0.9 LSB 要警惕码缺失 | 看应用,控制类比采样类更敏感 |
二、为什么不能逐点扫:直方图法的动机
最直观的测法是拿一台精密电压源,从 0 扫到满量程,找到每个码的跳变点,直接量台阶宽度。理论上无懈可击,工程上不可行。算笔账:12 位 ADC 有 4096 个码,要测准每个跳变点到 0.1 LSB,电压源分辨率得到满量程的 1/40960,这还不算 ADC 自身的噪声——跳变点附近噪声会让输出码在两个相邻值之间随机抖动,你必须在每个电压点采几百次取统计边界。测一颗 16 位 ADC 的 65536 个码,按这个路子要几个小时起步,产线测试时间按秒计费,完全不可接受。
码密度直方图法(code density histogram test,也叫直方图法、统计法)换了个思路:不去主动找跳变点,而是喂一个概率密度已知的波形,让输入电压自己在满量程内反复游荡,采几十万到几百万个样本,统计每个码被命中多少次。命中次数正比于台阶宽度乘以输入信号落在该处的概率密度——概率密度已知,命中次数可测,台阶宽度(也就是 DNL)就能反推出来。
上图是整套测试链路:信号源、被测 ADC、采集缓冲、统计与反推。注意那条从「理想命中模型」来的边——直方图法的全部精度都建立在「我知道没有误差时每个码应该命中多少次」上,所以激励波形的概率密度函数(PDF,Probability Density Function)必须数学上可写、物理上干净。这就是为什么选正弦波而不是三角波:三角波理论上 PDF 是均匀的、最好算,但现实中做不出拐角无限锐利、斜率绝对线性的三角波,信号源的非线性会直接伪装成 DNL 误差;正弦波用高 Q 值带通滤波器可以把谐波压到 -100 dBc 以下,是「已知干净」程度最高的波形。
三、码密度法的数学:从命中次数反推 DNL 与 INL
正弦波 V(t) = A·sin(2πft) 的电压概率密度是浴缸形的:两端(峰值附近,电压变化慢)密度高,中间(过零附近,压摆最快)密度低。数学上 PDF 为 p(V) = 1 / (π·√(A² - V²))。第 k 个码覆盖的电压区间是 [V_k, V_k+1],理想命中次数就是对 PDF 在这段区间积分再乘总样本数 M:
E(k) = M · [ arcsin(V_k+1 / A) - arcsin(V_k / A) ] / π
DNL(k) = H(k) / E(k) - 1 (单位:LSB)
INL(k) = sum( DNL(i), i = 0..k-1 ) - 对端点做零偏移校正式子里 H(k) 是实测命中数,E(k) 是理想命中数。比值减 1 就是台阶宽度相对 1 LSB 的偏差,天然以 LSB 为单位,不需要知道 LSB 的绝对电压值——这是直方图法另一个隐性优点:它对增益误差和参考电压的绝对精度不敏感,只要求信号在测试期间稳定。
上图画出了数据流的完整路径,也标出了一个容易被忽视的细节:因为正弦 PDF 中间低、两头高,中间码的理想命中次数本来就少,统计涨落(约等于 1/√H(k))在中间码上占比更大。12 位 ADC 用满幅正弦、采一百万点,中间码的 E(k) 大约只有两百多次,单码 DNL 的统计不确定度就有 ±0.07 LSB。要把 DNL 测到 0.01 LSB 的置信水平,样本数得再翻两个数量级。所以「采多少点」不是拍脑袋,是由你要的 DNL 测量精度反推出来的,后面第五节细讲。
四、码缺失与单调性:直方图上的红灯
直方图法最值钱的副产品是码缺失判定,它几乎是免费的:扫一遍 H(k),凡是命中次数为零(或显著低于统计下限)的码,就是缺失码。对应到 DNL 定义,台阶宽度为 0 意味着 DNL = -1 LSB。单调性(monotonicity,指输入增加时输出码永不减小)的判据也等价:只要所有码的 DNL > -1 LSB,传输特性必然单调。所以产线上常见规格写成「No missing codes to X bits」或「Guaranteed monotonic」,本质上都是一句 DNL 下限承诺。
上图列了三种典型直方图形态和对应判定。注意形态二里「邻居变宽」这个细节:缺失码并不是输入区间凭空消失,而是它本来该覆盖的电压段被左右两个码的判决边界瓜分,所以缺失码两侧的码命中数会略高于理想值,DNL 呈正的尖峰。直方图上看到「一个深坑配两座小峰」,基本可以锁定是码缺失,而不是激励信号在那一段的密度出了问题。形态三那种孤立的超宽码,物理根源通常是二进制权重数组里某一位的元件值做错了——SAR ADC 里某颗电容偏大一倍、Flash ADC 里某档电阻断线,都是这个指纹。看直方图识病,是混合信号测试工程师的基本功。
还有一个判据上的实务细节:样本数有限时,命中数为零和命中数极少要区分处理。某个中间码理想命中 200 次,实测 0 次,这是确凿的码缺失(概率上 e^-200 的事件);但某个靠近满量程端点的码理想命中只有 3 次,实测 0 次,统计上完全可能。严谨的判定要给每个码算一个「命中数置信下限」,低于下限才报缺失,这也是为什么满量程正弦激励的幅度要略大于 ADC 满量程(超量程驱动,overdrive)——保证端点码也被充分命中,否则端点附近的判定永远是模糊的。
五、激励与采样参数:测准的工程前提
直方图法模型简单,但对测试条件的要求一点不宽松。四个参数逐项说。
信号源纯度。源的谐波失真和噪声会直接篡改输入 PDF,把源的缺陷记到 ADC 账上。经验法则:源的失真至少比被测 ADC 的预计精度好 10 dB。测 16 位 ADC(理论 SNR 约 98 dB),源加滤波后总失真要到 -110 dBc 量级,通常需要高品质 LC 带通滤波器甚至晶体滤波器。这一条是直方图法最大的隐性成本。
相干采样(coherent sampling)。输入频率 fin、采样率 fs、样本数 M、信号完整周期数 Nc 之间要满足 fin/fs = Nc/M,且 Nc 与 M 互质。互质保证 M 个采样点均匀打在不同的相位上,样本的相位分布不重复,直方图才能忠实反映 PDF;不互质会出现相位走样,某些码被系统性多采、某些少采,DNL 曲线出现周期性伪起伏。工程上常选 Nc 为素数强行保证互质。
幅度与超量程。正弦幅度要略大于 ADC 满量程,一般超出 1%~3%,确保两个端点码也有统计意义的命中数;但超太多会浪费样本在削顶区,还可能触发输入保护结构引入额外非线性。
样本数 M。由目标 DNL 精度反推:单码 DNL 的统计标准差约为 1/√E(k),而 E(k) 最小值出现在正弦中点附近、约为 M/(π·2^(N-1)) 量级。要测准 0.05 LSB,12 位 ADC 大约要四百万点起步,16 位则要上亿点——这也是为什么高位数 ADC 的静态测试时间下不来, tester 内存和传输带宽也跟着吃紧。
| 参数 | 推荐做法 | 选错的典型症状 |
|---|---|---|
| 源失真 | 比 DUT 精度好 10 dB 以上 | DNL 曲线整体出现与频率相关的波纹 |
| 频率关系 | fin/fs = Nc/M,Nc 取素数 | DNL 周期性伪起伏,INL 假弓形 |
| 幅度 | 超满量程 1%~3% | 端点码判定模糊,首尾 DNL 不可信 |
| 样本数 | 按 1/√E(k) 反推目标精度 | DNL 噪声底过高,码缺失判定漏报 |
| 参考电压 | 测试期间稳定,与源共地干净 | 全码 DNL 同步漂移,INL 缓慢倾斜 |
六、从测试到报告:一个完整流程的样子
把前面五节串起来,一次完整的 ADC DNL INL 测试在实验台上是这样的节奏:先按被测位数和目标 DNL 精度算出样本数 M 和素数周期数 Nc,配置信号源频率并挂带通滤波器;幅度校准到轻微超量程;采集 M 个样本进缓冲;统计 H(k),用 arcsin 公式算 E(k),逐码相除得 DNL,累加得 INL;扫 H(k) 做码缺失判定;最后出两条曲线和一份判定表。整条链路跑顺了,一颗 12 位 ADC 的静态测试可以在几十秒内完成,这就是直方图法在产线上立足的本钱。
还要提醒一句:DNL/INL 只刻画静态精度,它们达标不代表 SNR、SFDR、ENOB 这些动态指标达标——噪声、抖动、谐波是另一套测试(FFT 动态测试)的事。但反过来,码缺失这种静态硬伤一定会在动态频谱上以杂散形式露脸,所以静态测试是动态测试的必要前置,不是可选项。
这一篇在知识体系里的位置
本篇是 ADC 指标线路上「从规格到实测」的一环。往前看架构:ADC 采样与量化总览 给出静态/动态指标的全景分类;SAR ADC 逐次逼近原理 里电容阵列的失配正是 DNL 尖刺和码缺失的主要物理来源;流水线 ADC 多级架构 的级间增益误差则会在特定码段造成周期性的 DNL 图案——看直方图反推架构缺陷,这两篇提供了物理图景。往后走是动态指标测试(SNR/SFDR/ENOB 的 FFT 法)与数字校正(对测出的 INL 做查表补偿),那是另外两篇的故事。
总结
ADC DNL INL 测试的工业标准做法是码密度直方图法:给被测 ADC 喂一个失真极低的相干正弦波,采几十万到上亿个样本统计每个码的命中次数,命中数与正弦 PDF 理想值之比减 1 就是 DNL,逐码累加得 INL;命中数为零的码即缺失码,全体 DNL 大于 -1 LSB 即保证单调;测准的前提是源失真优于被测精度 10 dB、相干采样且周期数取素数、幅度轻微超量程、样本数按 1/√E(k) 反推——参数选错,测出来的就是信号源的缺陷而不是 ADC 的。