Manufactura industrial
Internet industrial de las cosas | Materiales industriales | Mantenimiento y reparación de equipos | Programación industrial |
home  MfgRobots >> Manufactura industrial >  >> Industrial Internet of Things >> Tecnología de Internet de las cosas

Modelado de convertidores de datos para simulaciones de sistema precisas

Modelado de convertidores de datos para simulaciones de sistema precisas

Los ingenieros enfrentan rutinariamente cronogramas de diseño ajustados que dejan poco tiempo para responder preguntas clave sobre el rendimiento de convertidores de datos. Esta serie aborda esas preguntas, comenzando con una exploración fundamental de cómo modelar convertidores analógico-a-digital (ADC) y digital-a-analógico (DAC) para simulaciones a nivel de sistema.

En trabajos previos, el autor examinó si la combinación I/Q debería realizarse digital o analógicamente, y delineó requisitos para rendimiento robusto de enlaces de comunicaciones. El artículo actual construye sobre esa base explorando cómo cuantificar y modelar los parámetros críticos de DACs y ADCs en arquitecturas de muestreo directo en RF.

Modulación y desmodulación directa en RF

La Figura 1 demuestra dos topologías comunes: conversión DAC RF directa para modulación y conversión ADC RF directa para desmodulación. El DAC y ADC juntos se refieren como convertidores de datos.

Modelado de convertidores de datos para simulaciones de sistema precisas

Figura 1(a). Modulador

Modelado de convertidores de datos para simulaciones de sistema precisas

Figura 1(b). Desmodulador

Aunque el impacto a nivel de enlace de las no-idealidades de convertidores de datos está bien documentado, los requisitos específicos de calidad para DACs y ADCs en esta configuración permanecen poco explorados en la literatura.

¿Por qué simular convertidores de datos?

Los estudios de tasa de error de bits (BER) demandan resultados estadísticamente significativos, típicamente requiriendo varios cientos a mil eventos de error. Para un BER objetivo de 10-4, esto se traduce a 5 millones de bits de datos simulados. Lograr tal rendimiento requiere un modelo de convertidor conciso, pero completo, que capture las características más influyentes sin sobrecarga computacional excesiva.

Este artículo presenta un enfoque sistemático al modelado, dividido en secciones centradas en ADC y DAC. Nota que los convertidores sigma-delta se excluyen en esta discusión.

Modelos para convertidores analógico-a-digital (ADCs)

Referencias clave ([4]–[18]) cubren análisis, modelado y prueba de ADCs de alta velocidad. En particular, estudios como [13], [14], [16], y [17] introducen modelos avanzados que capturan comportamiento no lineal. Sin embargo, muchos ingenieros aún buscan una representación más simple, más intuitiva que permanezca fiel al rendimiento del mundo real.

La Figura 2 ilustra el proceso de cuantización de un ADC bi-polar de 5 bits, que tiene 32 niveles de salida discretos. El voltaje pico abarca +0.9375 V a –1.0 V, aproximadamente ±1 V. Los ingenieros RF típicamente trabajan con valores RMS; una onda seno de 1 V pico tiene un RMS de 0.707 V, que es –3 dB relativo a escala completa. Para evitar confusión, introducimos dos unidades: dBpeakFS para relaciones pico-a-escala-completa, y dBrmsFS para relaciones RMS-a-escala-completa.

Modelado de convertidores de datos para simulaciones de sistema precisas

Figura 2.

La selección de ancho de banda es otra consideración crítica. Los ADCs de audio tradicionales se enfocan en el ancho de banda completo de Nyquist, pero el muestreo directo en RF requiere solo la porción ocupada por la señal más bandas de guarda. Definimos el "ancho de banda interesante" como la región que será procesada por el procesador de señal digital (DSP). La Figura 3 visualiza este concepto.

Modelado de convertidores de datos para simulaciones de sistema precisas

Figura 3.

En esta figura, el ancho de banda de la señal y el ancho de banda interesante pueden coincidir en ancho pero diferir en frecuencia central debido a muestreo pasa-banda, donde el reloj del ADC (fS) sirve como oscilador local de un mezclador. La frecuencia de Nyquist es fNyquist = fS/2.

Elección de una señal de entrada para desarrollo de modelo

Caracterizar un ADC requiere una señal de prueba que exponga su comportamiento dinámico. Si bien una onda seno de un solo tono es común en hojas de datos, ofrece ancho de banda cero y ninguna variación de amplitud. Una entrada de dos tonos, mostrada en la Figura 4, proporciona tanto ancho de banda como modulación de amplitud, haciéndola una opción práctica para tanto pruebas de hardware como simulación. Muchos fabricantes también proporcionan datos de rendimiento para estímulos de dos tonos.

Modelado de convertidores de datos para simulaciones de sistema precisas

Figura 4.

Otras formas de señal —espectros gaussianos, AM, FM— han sido propuestas en la literatura ([4], [12]). Estas son menos comunes en suites de prueba comerciales pero pueden ser valiosas para aplicaciones especializadas.


En el próximo artículo de esta serie, introduciremos un modelo ADC basado en el Número Efectivo de Bits (ENOB). Hasta entonces, los lectores pueden consultar las abreviaturas, glosarios y referencias proporcionadas a continuación.

Abreviaturas usadas

Modelado de convertidores de datos para simulaciones de sistema precisas

Glosarios

Referencias

Tecnología de Internet de las cosas

  1. Guía estratégica para seleccionar e invertir en un sistema CAD/CAM moderno
  2. Mejorando la precisión del programa CNC con integración de entradas externas
  3. Guía experta para mantener su compresor de aire en rendimiento máximo
  4. Creando una estrategia de datos robusta en un mundo Multi-Cloud
  5. Despliegue de aparcamiento inteligente: Cómo ciudades y desarrolladores pueden construir aplicaciones a escala urbana
  6. Preparando sus operaciones de fabricación para la IA con IoT
  7. Aprovechar IoT y LPWAN para Transformar la Recopilación de Datos en Industrias Comerciales
  8. ¿Está tu planta de fabricación lista para IoT? Guía práctica
  9. Monitorización ambiental IoT: Transformando la atención al paciente
  10. Cómo IoT Revoluciona los Sistemas de Rastreo de Vehículos
  11. Mejore Seguridad y Eficiencia: Por Qué el Monitoreo de Nivel Inalámbrico es Esencial para Grandes Tanques de Almacenamiento