1. 课程导入与测量不确定度总览

在精密信号链设计中，我们经常遇到一个看似矛盾的现象：选用了一颗失调电压仅 10 µV 的仪表放大器，搭建出的采集电路在 25 °C 下实测误差却达到几百微伏。问题往往不在器件本身，而在于设计者只关注了数据手册首页的"典型值"，没有把失调、增益误差、噪声、温漂、基准误差、ADC 量化与非线性等各项贡献放在同一张账本上核算。这门课程要解决的，正是如何把"误差"从一种模糊的担忧，变成可量化、可分配、可验证的工程预算。

为什么需要误差预算

ADI 的精密信号链通常由传感器、模拟前端（放大器/滤波器）、基准源、模数转换器和数字处理构成。每一级都会向最终结果注入误差，而这些误差的传递方式并不相同：有的按比例缩放，有的以绝对值叠加，有的表现为随机噪声需要按均方根合成，有的则随温度、时间或电源电压漂移。如果不加区分地把它们简单相加，会得到过于悲观的结论；如果只取典型值，又会低估最坏情况下的风险。

误差预算（Error Budget）就是把这些分散的误差源统一折算到同一个参考点——通常是系统输入端（RTI）或输出端（RTO）——并按照各自的统计性质合成，最终给出一个可判断"是否满足指标"的总不确定度。它既是设计阶段的分配工具，也是验证阶段的核对清单。

从 ADI 精密信号链看误差的注入点

下图给出了一条典型的精密采集链，以及各环节主要误差的注入位置与传递方向。可以看到，误差并非只在 ADC 处产生，前端、基准和电源同样贡献显著。

不确定度与误差的区别

严格来说，"误差"是测量结果与真值之差，真值不可知，因此误差也无法精确获知；"测量不确定度"则是对误差可能范围的定量估计，它描述的是"我们对结果有多不确定"。在工程实践中，我们真正能交付的是不确定度：一个区间加上一个置信水平，例如"U = 0.05 %，k = 2，对应约 95 % 置信"。

不确定度分为 A 类与 B 类。A 类来自重复观测的统计分布，用实验标准差表征；B 类来自数据手册、校准证书、经验判断等非统计来源，通常按矩形分布或三角分布折算为标准不确定度。两者都以标准不确定度 u 表示，再按合成规则得到合成标准不确定度 u_c，最后乘以包含因子 k 得到扩展不确定度 U。

误差预算的合成逻辑

不同性质的误差不能直接算术相加。工程上常用的处理方式是：

• 系统误差（可校准项）：如初始失调、增益误差，若通过校准消除，则残差按剩余量计入；若未校准，按最坏情况绝对值叠加。
• 随机误差（噪声类）：如电压噪声、电流噪声、ADC 噪声，按均方根（RSS）合成，即 √(u₁² + u₂² + …)。
• 温漂类：先按工作温度范围计算最大漂移量，再根据是否校准决定按系统项或随机项处理。
• 量化误差：理想 N 位 ADC 的量化标准不确定度约为 q/√12，其中 q = FSR/2^N。

一个常见的误区是把所有项都按 RSS 合成。如果某项误差在批次间是固定偏移（例如基准初始精度），RSS 会低估最坏情况。正确做法是先区分"可校准/不可校准"和"随机/系统"，再选择合成方式。

本课程的学习路径

后续章节将沿着"概念—器件—系统—验证"的路径展开：先建立不确定度与误差预算的基本语言，再逐项拆解 ADC、放大器、基准、电源、无源器件的误差来源与数据手册读法，然后进入系统级合成、校准策略与温度建模，最后通过实测验证与不确定度报告完成闭环。每一章都会给出可复用的计算示例或检查清单，而不是停留在概念层面。

工程交付物：误差预算表

误差预算的最终形态通常是一张表，每一行是一个误差源，列包括：误差项、来源、典型值、最大值、分布类型、是否可校准、折算到 RTI 的值、标准不确定度 u、贡献占比。下面给出一个结构示例，具体数值需按实际器件手册和工况填写。

这张表的意义在于：它让"总误差 0.1 %"这样的指标变得可分解、可追踪。当实测结果超出预期时，可以逐行核对是哪一项贡献偏大；当需要降成本时，也能看出哪一项的余量最充裕。误差预算不是一次性的计算，而是贯穿选型、设计、调试和量产的一致性工具。