3. 精密信号链的误差预算建模
误差预算（Error Budget）是精密信号链设计中最具工程价值的一步。它把“这个电路精度够不够”这种模糊问题，转化为一张可计算、可追溯、可优化的表格：每一类误差贡献多少、在总误差中占多大比例、哪一项是主导项、改哪一项最划算。本节以 ADI 典型精密信号链（如 ADI 精密运放 + 基准 + ADC 构成的采集通道）为对象，讲清误差分解方法，并给出用 Excel 或 Python 建立预算表、定位主导误差项的具体做法。
一、先约定参照系与误差口径
误差预算最容易出错的地方不是算错，而是口径不统一。开始建模前必须先固定三件事：
- 参照点：所有误差统一折算到“输入端（RTI）”还是“输出端（RTO）”。工程上推荐先全部折算到 RTI，再乘以增益得到 RTO，避免增益放大关系混乱。
- 误差类型：区分“失调型（固定偏移，可用校准消除）”与“增益型（比例误差，随信号大小变化）”，以及“随机型（噪声，用 RSS 合成）”与“系统型（温漂、非线性，用代数合成）。
- 统计口径：噪声按均方根（RSS）合成；系统误差按最坏情况（Worst-Case）线性相加，或按 RSS 合成并注明置信度。两种口径不能混用。
本节统一采用：RTI 折算、噪声 RSS、系统误差最坏情况相加。温度范围示例取 −40 ℃～+85 ℃，参考温度 25 ℃。
二、误差分解：五类来源与折算公式
精密信号链的直流精度主要由五类误差构成，它们对总误差的贡献方式不同：
| 误差类别 | 典型来源 | 折算到 RTI 的方式 | 合成方式 |
|---|---|---|---|
| 初始失调 VOS | 运放输入失调电压 | 直接为 RTI 值 | 代数相加 |
| 失调温漂 | VOS 的温度系数 | TC×ΔT | 代数相加 |
| 增益误差 | 电阻容差、运放增益非线性 | 增益误差×满量程输入 | 代数相加 |
| 基准误差 | 基准初始精度、温漂 | 折算到输入满量程 | 代数相加 |
| 噪声 | 运放电压/电流噪声、电阻热噪声 | 谱密度×√ENBW | RSS |
以增益 G=100 的运放电路为例，RTI 折算关系为：
V_OS_RTI = V_OS
V_OS_TC_RTI = TC_VOS × ΔT
Gain_Err_RTI = (ΔG/G) × V_FS_in
Ref_Err_RTI = (ΔV_REF/V_REF) × V_FS_in
Vn_RTI = e_n × sqrt(ENBW) （折合到输入）
I_n_RTI = i_n × R_eq
其中 ENBW（等效噪声带宽）对一阶低通为 1.57×f−3dB，对多阶滤波需按砖墙因子修正。这一步是噪声预算中最容易被低估的环节。
三、用 Excel 建立预算表
Excel 适合快速迭代和团队共享。建议按以下列结构建表：
项目 | 符号 | 典型值 | 最大值 | 单位 | 折算系数 | RTI值 | 合成方式 | 占比
初始失调 | Vos | 25u | 100u | V | 1 | =C2*F2 | 代数 | =G2/$G$总
失调温漂 | TC_Vos | 0.5u | 2u | V/℃ | ΔT=60 | =D3*60 | 代数 | ...
增益误差 | dG/G | 0.05% | 0.2% | - | VFS=10m | =D4*0.01 | 代数 | ...
基准误差 | dVref | 0.05% | 0.1% | - | VFS=10m | =D5*0.01 | 代数 | ...
噪声 | Vn | - | 1.2u | Vrms | - | =D6 | RSS | ...
关键公式：系统误差合计 = Σ(RTI 代数项)；噪声合计 = √(Σ Vn²)；总误差 = 系统合计 + 噪声合计（保守）或 √(系统² + 噪声²)（统计）。占比列用“单项 RTI / 总 RTI”计算，占比超过 30% 的项即为主导误差项。
四、用 Python 建立可复用预算模型
Python 适合参数化、批量扫描和自动定位主导项。下面是一段可直接运行的示例（参数为教学假设值，非实测）：
import numpy as np
# 教学示例参数（假设值）
Vos_max = 100e-6 # V
TC_Vos = 2e-6 # V/℃
dT = 60 # ℃
dG_over_G = 0.002 # 0.2%
VFS_in = 10e-3 # V
dVref_over_Vref = 0.001 # 0.1%
en = 20e-9 # V/√Hz
ENBW = 1.57*10e3 # Hz
items = {
"初始失调": Vos_max,
"失调温漂": TC_Vos*dT,
"增益误差": dG_over_G*VFS_in,
"基准误差": dVref_over_Vref*VFS_in,
}
noise = en*np.sqrt(ENBW)
sys_sum = sum(items.values())
total = sys_sum + noise
for k,v in items.items():
print(f"{k}: {v*1e6:.2f} uV, 占比 {v/total*100:.1f}%")
print(f"噪声: {noise*1e6:.2f} uVrms, 占比 {noise/total*100:.1f}%")
print(f"总误差(RTI): {total*1e6:.2f} uV")
运行后可立即看到哪一项占比最大。若“失调温漂”占比最高，说明应选低 TC_Vos 的运放或增加温度校准；若“噪声”占比最高，则应降低 ENBW 或选低 en 器件。这就是“定位主导误差项”的实际含义。
五、定位主导误差项后的工程决策
预算表的价值在于指导选型与优化。以上述示例结果为例：失调温漂占比 47.8%，是主导项。此时有三种可行路径：
- 换器件：选择 TC_Vos 更低的精密运放（如从 2 µV/℃ 降到 0.5 µV/℃），温漂项从 120 µV 降到 30 µV，总误差降至约 160 µV。
- 缩窄温区：若实际工作温度只需 0～50 ℃，ΔT 从 60 ℃ 降到 25 ℃，温漂项降至 50 µV。
- 系统校准：在 25 ℃ 和 85 ℃ 两点校准失调，可把初始失调和部分温漂从预算中扣除，但需评估校准成本与残余非线性。
若噪声成为主导项，则应优先降低 ENBW（如降低滤波器截止频率）或选择低 en 器件，而不是盲目提高增益。若增益误差主导，则应改用 0.01% 精密电阻或匹配电阻网络。
误差预算不是一次性的计算，而是贯穿选型、原理图设计、PCB 布局和测试验证的迭代过程。建议在原理图阶段就建立初版预算表，在样机测试后用实测值回填并修正模型，使预算表逐步逼近真实系统行为。这样，当最终精度不达标时，你能快速回答“是哪一项超了、为什么超、改哪里最有效”，而不是靠反复换器件试错。