揭秘ADC谐波之谜：量化噪声与Dither技术的深层关联

原创

于 2026-02-12 14:41:54 发布 · 167 阅读

1. 量化噪声为何会产生谐波？

我第一次用ADC芯片做音频采集时，发现一个奇怪现象：输入纯净的正弦波，FFT频谱上却出现了不该有的谐波。这就像用高保真麦克风录音，回放时却听到失真的吉他声。经过反复测试，终于明白问题出在量化噪声与信号的"相关性"上。

想象用刻度尺测量一根弯曲的铁丝。如果每次都在相同位置测量，记录的长度变化会呈现固定模式。ADC采样也是如此：当采样时钟与信号频率成整数倍关系时（比如80MHz采样2MHz信号），每个周期采集的样本位置固定，量化误差也呈现周期性。这种周期性误差在频谱上表现为谐波，就像铁丝测量误差会重复出现特定模式。

数学上可以这样理解：设输入信号为x(t)=Asin(2πf₀t)，采样间隔Δt=1/fₓ。当fₓ/f₀=N（整数）时，第k个采样点xₖ=Asin(2πk/N)。量化后的值qₖ=Q(xₖ)，误差eₖ=qₖ-xₖ具有周期性eₖ=eₖ₊ₙ。根据傅里叶变换性质，周期信号必然产生谐波分量。

实测数据更直观：用12位ADC以80MSPS采样2MHz正弦波，FFT显示除了基波外，在6MHz(3次)、10MHz(5次)等位置出现明显谐波，SFDR仅77dB。而将输入改为2.111MHz（非整数倍关系）时，谐波消失，底噪均匀分布，SFDR提升至92dB。

2. 谐波中的奇数次之谜

在分析频谱时，我发现一个有趣现象：谐波总是以3次、5次等奇数次出现。这让我联想到吉他弦的振动模式——当弦中点被固定时，只能产生奇数倍频的泛音。

通过Python模拟可以清晰看到这个现象：

import numpy as np
import matplotlib.pyplot as plt

fs = 80e6  # 采样率
f0 = 2e6   # 信号频率
t = np.arange(0, 1e-3, 1/fs)
signal = np.sin(2*np.pi*f0*t)  # 原始信号
quantized = np.round(signal*2048)/2048  # 12位量化
qnoise = quantized - signal  # 量化噪声

# 绘制

标签