3. 噪声基础理论

在ADC噪声与ENOB测试工程中，所有测量结果最终都要回到“噪声从哪里来、如何叠加、怎样量化”这条主线上。若把ADC看作一个把模拟连续量映射为数字离散码的系统，那么输出码的随机波动并不只来自一个源头：前端电阻的热噪声、器件界面的闪烁噪声、量化台阶带来的量化噪声、采样时钟的抖动，以及外部干扰和电源噪声，都会以不同方式进入输出频谱。理解这些噪声的物理来源、统计特性和频域表现，是后续计算SNR、SINAD、ENOB以及判断测试结果是否可信的基础。

一、四类核心噪声的物理来源与统计特征

热噪声来自导体中载流子的随机热运动，其单边功率谱密度在很宽频率范围内近似平坦，因此常被称为白噪声。电阻热噪声电压谱密度为 \(e_n=\sqrt{4kTR}\)，其中 \(k\) 为玻尔兹曼常数，\(T\) 为绝对温度，\(R\) 为电阻值。它决定了模拟前端在给定带宽和源阻抗下的噪声下限，通常无法通过滤波完全消除，只能通过降低带宽、降低电阻或优化增益分配来管理。

闪烁噪声又称 \(1/f\) 噪声，主要出现在MOS管栅氧界面、电阻接触界面和某些传感器材料中。其功率谱密度随频率降低而升高，典型形式为 \(S(f)\propto 1/f^\alpha\)，\(\alpha\) 通常在0.8～1.2之间。闪烁噪声在低频段和直流附近尤为突出，是精密ADC低频测试、温度漂移和长期稳定性分析中必须关注的对象。与热噪声不同，它可以通过斩波、相关双采样、自动调零等电路技术进行抑制。

量化噪声是ADC将连续输入映射到有限码字时必然产生的误差。理想N位ADC在满量程正弦输入下，量化误差近似均匀分布，其理论信噪比可写为：

SNR_ideal = 6.02N + 1.76 dB

该公式是ENOB计算的基准。实际ADC由于热噪声、闪烁噪声、时钟抖动、非线性等因素，SNR会低于理想值，二者之差直接反映有效位数损失。

抖动主要指采样时钟的时间不确定性。当输入信号斜率较大时，时钟沿的微小时间偏差会转化为采样电压误差。对于正弦输入 \(v(t)=A\sin(2\pi f t)\)，由时钟抖动 \(\sigma_t\) 引起的信噪比上限近似为：

SNR_jitter = -20log10(2π f σ_t)

可见输入频率越高、时钟抖动越大，SNR下降越明显。在高频采样或高分辨率ADC测试中，时钟抖动往往成为限制ENOB的关键因素。

二、噪声功率谱密度与信噪比定义

噪声功率谱密度（PSD）描述单位带宽内的噪声功率分布，单位通常为 \(V^2/Hz\) 或 \(dBm/Hz\)。对白噪声而言，PSD在频域上平坦；对 \(1/f\) 噪声而言，PSD随频率降低而上升。实际ADC输出频谱中，噪声总功率是各频段PSD在有效带宽内的积分。测试时常用FFT对输出码做频谱分析，再通过窗函数修正、相干采样和多次平均获得稳定PSD估计。

信噪比（SNR）定义为信号功率与噪声功率之比，通常只计入奈奎斯特带宽内的噪声，不包括谐波失真。若输出频谱中同时包含谐波，则用SINAD（信号与噪声加失真比）描述。ENOB由SINAD换算得到：

ENOB = (SINAD - 1.76) / 6.02

因此，SNR、SINAD、ENOB三者构成从“纯噪声”到“含失真”再到“有效位数”的递进关系。测试报告中必须明确使用的是SNR还是SINAD，否则ENOB结果会不一致。

三、测试场景：从频谱到ENOB的完整链路

假设对一款16位、1 MSPS的SAR ADC做相干采样测试，输入正弦频率为10 kHz，采样点数取65536，使用Blackman-Harris窗。测试流程如下：

1. 设置信号源频率满足相干采样条件，避免频谱泄漏。
2. 采集65536点输出码，去除直流分量，加窗后做FFT。
3. 在频谱中识别信号峰、谐波峰和噪声底。
4. 计算信号功率、噪声功率、谐波功率，得到SNR和SINAD。
5. 由SINAD换算ENOB，并与理论值16位对比。

若实测ENOB为15.2位，说明有效位数损失约0.8位。此时需要判断损失来自哪里：是热噪声底抬高、1/f噪声在低频堆积、时钟抖动在高频段限制，还是谐波失真导致SINAD下降。只有把噪声源与频谱特征对应起来，才能定位问题。

四、常见误区与复盘要点

噪声类型	物理来源	频域特征	主要抑制手段	对ENOB的影响
热噪声	载流子热运动	白噪声，PSD平坦	降低带宽、降低电阻、优化增益	决定噪声底，限制高分辨率
闪烁噪声	界面缺陷、载流子俘获	1/f，低频抬升	斩波、相关双采样、自动调零	低频段ENOB下降
量化噪声	有限码字映射	近似均匀分布	提高位数、过采样、噪声整形	决定理想SNR上限
时钟抖动	采样时钟时间误差	随输入频率升高而增大	低抖动时钟、窄带滤波、差分采样	高频段ENOB显著下降