DWA 失配整形:ΣΔ DAC 单元失配把噪声整形打回原形,数据加权平均怎么用轮转把谐波洗成噪声
更新时间:2026-10-01。在 ΣΔ ADC 的噪声整形原理 里,我们靠环路滤波器把量化噪声推往高频,再用数字滤波器一刀切掉,换来 16 位以上的带内精度。但那篇文章默认了一个理想假设:反馈 DAC 的每一位权重完全相等。真实硅片上,多位电流舵 DAC 的单元之间必然存在失配,这个失配会把噪声整形的成果直接打回原形。本篇讲的就是收拾这个残局的主力算法——DWA(Data-Weighted Averaging,数据加权平均)。反馈 DAC 本身的分段结构可对照 电流舵 DAC 的分段设计 一起读。
本文要回答的问题
- 单位元 DAC 里的电流单元失配,为什么不是简单抬噪声底,而是产生尖锐的谐波失真?
- 为什么失配误差对 ΣΔ 环路的破坏比对普通 Nyquist DAC 更狠?
- DWA 轮转算法的核心动作是什么,它是怎么把固定失配误差「洗」成白噪声再往高频推的?
- DWA 的谐波抑制能力大概是多少 dB,它在什么输入条件下会露出马脚(音调问题)?
- 与桶形移位、随机化 DEM、树状整形(tree-structured mismatch shaping)相比,DWA 各赢在哪、输在哪?
一、失配是怎么把噪声整形打回原形的
先看问题本身。多位 ΣΔ 调制器的反馈 DAC 通常用单位元(unit-element)结构:N 个大小相等的电流单元(或电容单元),输入数字码是 n,就打开 n 个单元。理想情况下每个单元输出 I,总输出 nI,线性完美。
现实里,掺杂浓度、氧化层厚度、版图上梯度,让每个单元的实际值变成 I·(1+εi),εi 是各单元独立的失配误差。典型工艺下,不做任何匹配的单元相对失配 σ(ε) 在 0.5% 到 2% 之间,精心布局加共质心(common-centroid)也只能压到 0.1% 左右,离 16 位要求的 0.0015%(约 -96 dBc)还差两个数量级。
关键在误差的相关性。常规温度计码(thermometer code)选单元时,码值 n 固定选第 1 到第 n 个单元。这意味着:输入信号是正弦,被选中的单元子集就跟着正弦周期性地重复——失配误差序列与输入信号高度相关。相关序列的频谱不是噪声底,而是集中在信号谐波位置上的离散谱线。一个 1% 失配的多位 DAC,带内谐波失真(THD)可以轻松恶化到 -60 dB,ΣΔ 环路费尽力气整形的量化噪声再干净也没用——SNDR(信噪失真比)被谐波钉死在 10 位上下,这就是「打回原形」的含义。
更糟的是失配误差在环路里的位置。反馈 DAC 的误差直接加在输入节点上,享受和输入信号完全相同的信号传递函数,环路对它零抑制。量化噪声被环路滤波器的高增益压下去,失配误差却直通输出——这是它比 Nyquist DAC 里同样大小的失配更致命的根因。
上图把两个事实摆在一起:失配误差注入点在反馈 DAC 内部,它对输出走的是信号传递函数 STF 而不是噪声传递函数 NTF;而固定选单元的方式让误差序列和输入正弦同频同步,落在频谱上就是一根根谐波谱线,而不是摊平的噪声底。要破局,就得先打断「误差与输入相关」这条链路。
二、破局思路:从相关误差到白噪声再到整形噪声
DEM(Dynamic Element Matching,动态元件匹配)是这一整类算法的总称,思路一句话:不再固定用某几个单元,而是让选单元的规则随时间变化,把每个单元的失配误差在时间轴上打散。按打散方式分三代。
第一代是随机化(randomization):每次从 N 个单元里随机抽 n 个。误差序列与输入彻底去相关,谐波谱线消失,代价是失配能量变成摊平的白噪声底——失真变噪声,SFDR 好看了,但带内噪声底被抬高,SNR 原地踏步甚至略降。
第二代是轮换式(rotation),DWA 就属于这一代:不打散成白噪声,而是让每个单元的使用频率严格均衡,失配误差被调制到高频——等于对失配误差本身做了一次一阶噪声整形。失真没了,带内噪声也被推到带外,SNR 和 SFDR 双收。
第三代是整形式(mismatch shaping):用数字逻辑给失配误差套一个二阶甚至更高阶的整形函数,代价是硬件复杂度爆炸。
三代的取舍很直白:随机化硬件最省但只解决 SFDR;整形式性能最强但面积功耗吃不消;DWA 卡在中间——用一个桶形移位器(barrel shifter)的代价拿到一阶整形的效果,这就是它成为工业界默认选项的原因。
| 维度 | 随机化 DEM | DWA(轮换) | 二阶失配整形 |
|---|---|---|---|
| 谐波谱线 | 消除,变白噪声 | 消除,推往高频 | 消除,更深整形 |
| 带内噪声底 | 抬升 | 不抬升,一阶整形压下去 | 进一步压低 |
| 硬件开销 | 伪随机发生器加选通 | 指针寄存器加桶形移位器 | 数字矢量量化器,复杂度最高 |
| 高位数扩展 | 好 | 桶形移位器规模随 N 平方增长 | 逻辑深度成瓶颈 |
| 输入依赖性 | 无音调问题 | 小信号或直流输入下有音调 | 较好 |
三、DWA 轮转算法:一个指针加一个桶形移位器
DWA 的算法用三句话说完。
第一句:维护一个指针 ptr,记录「上一个周期用到了第几个单元」。
第二句:本周期输入码是 n,就从 ptr 的下一个单元开始,顺时针连续选 n 个单元(越过末尾绕回开头,这就是环形轮转)。
第三句:选完后把指针更新为 ptr = (ptr + n) mod N,供下个周期使用。
这个规则保证了什么?把指针序列累计起来看,每个单元被使用的总次数随时间匀速增长,任意两个单元的累计使用次数之差永远不超过 1。失配误差不再是某个单元的固定偏差,而是每个单元的 εi 乘上一个「使用频率趋于 1 的平均占空比」——固定偏置部分(均值)只贡献直流,随码值摆动的部分被轮转动作调制到 fs/2 附近。
数学上,DWA 对失配误差等效施加了一个 (1 - z⁻¹) 的高通整形——和 ΣΔ 环路对量化噪声做的一阶整形同型。带内(远小于 fs/OSR 的低频段)失配噪声功率被压到原来的 1/OSR² 量级附近,配合环路本身对量化噪声的整形,失配这一短板被补齐。
硬件实现非常紧凑:一个 log2N 位的指针寄存器、一个加法器(ptr + n 取模)、一个 N 输入 N 输出的桶形移位器。桶形移位器接收量化器输出的温度计码,按指针做循环移位,移位结果直接驱动电流单元的开关。整个逻辑跑在一位 ΣΔ 流的高速率下,延迟一拍即可,不影响环路稳定性(DWA 逻辑放在反馈路径上,只要总延迟在预算内即可,这点和 ΣΔ 调制器的环路设计 中的超额环路延迟问题是同一本账)。
上图是 DWA 的全部硬件家当。注意数据通路只有「温度计码进、移位码出」一级组合逻辑,反馈支路只是指针更新——这就是 DWA 相对矢量量化式失配整形便宜一个数量级的原因。
四、谐波抑制效果:数字、前提与音调陷阱
DWA 能把失配引起的谐波压到什么程度?给一组工程上常见的量级(5 位 32 单元 DAC、1% 单元失配、OSR=64):
| 方案 | 带内谐波(SFDR) | 带内 SNDR | 说明 |
|---|---|---|---|
| 无 DEM(温度计码) | 约 -60 dBc | 约 10 位 | 谐波主导,整形白做 |
| 随机化 DEM | 优于 -100 dBc | 约 11 位 | 谐波洗白但噪声底抬升 |
| DWA | 优于 -105 dBc | 14 至 16 位 | 一阶整形失配噪声,配合 OSR 压带内 |
表里 DWA 那行的数字有两个前提,实战中必须盯住。
前提一,输入信号要「足够活泼」。DWA 的整形效果依赖指针不停转动。如果输入是直流或者小幅度低频率信号,指针步进近似恒定,选单元的模式会周期性重复——失配误差重新变回周期序列,在频谱上再生出离散谱线,这就是 DWA 著名的音调(tone)问题。工程对策有三:给输入注入小幅抖动(dither)打破周期;改用带随机化的变体(如随机化起始点 DWA、伪随机步进);或者干脆换双向 DWA(Bi-DWA)这类把指针来回扫的改进算法。
前提二,DWA 只整形静态失配,不管动态失配。电流单元的开关瞬态不完全对称(上升下降时间差、码间干扰 ISI),每个单元被开关的次数被 DWA 均衡了,但开关沿贡献的误差能量仍与信号相关。高采样率设计里动态失配会成为新的天花板,需要配合归零(RZ)脉冲整形或动态四开关(quad-switching)这类版图与开关级技巧,这已超出 DWA 算法本身的地界。
还有一个常被低估的耦合效应:DWA 的高频失配噪声不会被数字滤波器完全切干净,残留部分可能折叠回带内(尤其在低 OSR 设计里)。所以 OSR 越小,DWA 的收益越打折;OSR=8 这种宽带设计里,往往需要二阶失配整形或者校准(如 SAR ADC 的 CDAC 失配校准 里那套思路)来补位。
这张决策图把上一段的三个前提串成了排查顺序:先查音调风险,再查动态失配,最后查 OSR。三关都过,DWA 一箱搞定;哪关挂了,对应那一列的补丁就得打上。
五、和其他 DEM 算法对比:为什么是 DWA 胜出
最后把主流 DEM 算法摆到一张图上比一比,说清 DWA 的生态位。
桶形移位式随机轮换(BCLL 等早期轮换法):和 DWA 同族,也是指针轮转,但选单元策略不同。DWA 每次从指针续选,天然保证使用次数差不超过 1;早期轮换法没有这个保证,整形效果弱一些。DWA 可以看作轮换法里把「均衡性」做到极致的版本。
随机化 DEM:硬件最简,一个伪随机数发生器加数据选择器即可。但前面说过,它只把谐波洗成白噪声,噪声底抬高,SNR 不换。适合位数不高、对 SFDR 敏感而对 SNR 余量充足的场合,或者作为 DWA 音调问题的补丁。
树状失配整形(tree-structured mismatch shaping):把单元选择组织成一棵二叉树,每级用一个一位 ΣΔ 调制器决定子树的分配,失配误差被整成任意阶。性能上限最高,但逻辑深度和面积随位数增长很快,延迟也可能拖累环路。高位数(6 位以上)、高 OSR 的音频级设计里常见;在 GHz 级宽带调制器里,逻辑速度常常跟不上。
矢量量化失配整形(vector-quantizer based):通用性最强,能处理任意分段(非单位元)DAC 的失配整形,代价是实现最复杂,本质上是在反馈路径里再塞一个小型 ΣΔ 环路。
| 算法 | 整形阶数 | 硬件复杂度 | 环路延迟影响 | 音调风险 | 典型场景 |
|---|---|---|---|---|---|
| 随机化 DEM | 零阶(洗白) | 最低 | 一拍 | 无 | 低位数、SNR 余量大 |
| DWA | 一阶 | 低(指针加移位器) | 一拍 | 有,小信号下 | 3-5 位反馈主流选择 |
| 树状整形 | 二阶及以上 | 高 | 多级逻辑 | 较低 | 音频级高位数设计 |
| 矢量量化整形 | 任意 | 最高 | 需仔细预算 | 低 | 非单位元分段 DAC |
族谱图和表格放在一起看,结论很清楚:DWA 不是性能最强的,但它是「一阶整形性能」和「一拍的逻辑成本」这个组合里唯一的选手。3 到 5 位反馈、OSR 中等的工业级 ΣΔ 设计,DWA 几乎是默认答案;超出这个包线才轮到树状和矢量量化登场。
这一篇在知识体系里的位置
本篇是 ΣΔ 专题里「理想整形」到「真实硅片」的补完篇:量化噪声整形的原理见 ΣΔ ADC 的噪声整形原理,环路结构与稳定性见 ΣΔ ADC 调制器设计;反馈 DAC 本体的单元划分与分段结构见 电流舵 DAC 的分段设计,其开关瞬态引起的毛刺问题见 电流舵 DAC 的毛刺机理;失配的另一条对抗路线——上电后测量并数字补偿——可对照 SAR ADC 的 CDAC 失配校准。
总结
ΣΔ 反馈 DAC 的单元失配因为固定选单元而与输入信号相关,以谐波形式直通信号通道、绕过环路抑制,把噪声整形打回原形;DWA 用一个指针加一个桶形移位器让所有单元轮转上场、累计使用次数差不超过 1,把失配误差一阶整形到高频,以极低的硬件代价同时救回 SFDR 和 SNDR——代价是小信号下的音调风险与对动态失配的无能为力,这也正是工程上要在它之外再备抖动、RZ 波形或二阶整形的原因。