À mesure que la technologie progresse, il devient essentiel de comprendre les appareils et les technologies sous-jacents qui nous entourent. Dans ce contexte, nous parlerons des convertisseurs analogique-numérique, appelés CAN, qui jouent un rôle essentiel dans la conversion des signaux analogiques en représentation numérique.
Les convertisseurs analogique-numérique (CAN) sont incroyablement utiles pour convertir des phénomènes du monde réel en valeurs que nous pouvons utiliser dans des projets de programmation. Mais comment un CAN peut-il convertir des signaux analogiques en signaux numériques que nous pouvons gérer et intégrer n'importe où ? Vous pouvez maintenant visualiser Comment lire de l'audio via deux sorties matérielles ou plus sous Linux.
Quelles sont les utilisations de l’ADC ?
Les CAN sont des dispositifs essentiels dans le monde de l'électronique, convertissant les signaux analogiques continus en une représentation numérique variable. Comprendre leur fonctionnement est fondamental pour contrôler les signaux et les données dans les systèmes d'automatisation et de contrôle.
Vous trouverez des ADC presque partout. C'est sur votre téléphone et il convertit votre voix en une chaîne de valeurs binaires. Ils sont dans votre voiture et mesurent le temps de rotation de vos roues. On les trouve dans les oscilloscopes, qui aident à capter et à représenter les signaux. Cependant, la plupart des gens les utiliseront dans le monde de la vidéo et de l’audio, où l’apport de lumière et de son dans l’espace numérique est essentiel.
Le processus de conversion est basé sur la division du signal analogique en deux parties : la quantité (valeur) et la résolution (nombre de bits). Le défi est de maintenir l’exactitude de la conversion pour obtenir des données précises.
Quelle est la fréquence d'échantillonnage ? Comment la fréquence d’échantillonnage affecte-t-elle l’ADC ?
L’une des mesures clés les plus importantes d’un CAN est la fréquence d’échantillonnage : le nombre de lectures effectuées chaque seconde.
Un oscilloscope très sophistiqué pourrait prélever dix milliards d’échantillons par seconde. Le minuscule CAN MCP3008 peut prélever deux cent mille échantillons par seconde, relativement modestes. Dans le monde de l'audio, une fréquence d'échantillonnage de 44.100 44.1 par seconde (XNUMX kHz) est considérée comme typique.
Plus nous prenons d’échantillons, plus nous pouvons représenter le signal avec précision. Parfois, cela est nécessaire ; Parfois, ce n'est pas le cas. Disons que nous construisons un égaliseur (un dispositif de contrôle numérique conçu pour contrôler l'électronique, comme on le voit sur un bureau de montage d'éclairage ou de son) à l'aide de quelques dizaines de potentiomètres. Dans ce cas, il est peu probable que les valeurs que nous devons mesurer changent des millions de fois par seconde, car nos doigts ne peuvent pas bouger aussi vite. Nous n’avons besoin que d’un nombre suffisant d’échantillons pour que le résultat soit fluide et réactif.
Qu’est-ce que le débit binaire ? Le débit binaire affecte-t-il la qualité de l’ADC ?
Nous devons également considérer la qualité de l’échantillon que nous obtenons. Il est largement déterminé par le débit binaire, qui nous indique le nombre d'états activés et désactivés que nous pouvons utiliser pour représenter numériquement la tension. Plus nous avons de bits, plus nous pouvons enregistrer de valeurs possibles dans un échantillon donné, et plus le résultat final devient fluide et précis.
Nous avons écrit sur Le système binaire et son fonctionnementDonc, si vous n’êtes pas sûr, c’est un bon point de départ. De combien de bits avons-nous besoin ? Encore une fois, cela dépend de ce que nous essayons de réaliser. Parfois, nous pouvons être limités par le protocole que nous utilisons. Par exemple, le protocole MIDI 1.0 est limité à des valeurs de sept bits (parfois quatorze). Dans d’autres cas, le facteur déterminant peut être la perception humaine. Si l’augmentation de la qualité des performances n’entraîne pas d’amélioration significative des résultats, cela n’en vaut peut-être pas la peine.
Comment le multiplexage améliore-t-il la qualité de l'ADC ?
Appareils ADC populaires tels que ADS1115 et MCP3008 De nombreuses entrées. Mais sous le capot, il n’y a en réalité qu’un seul ADC. Ceci est possible grâce aux multiplexeurs intégrés à ces appareils. Les multiplexeurs se retrouvent absolument partout dans le monde de l'électronique et des communications. Ce sont des commutateurs numériques qui servent de contrôle du mouvement des données pour votre ADC. Un ADC peut essayer un canal, puis le suivant, puis le suivant. Ainsi, si vous disposez de huit canaux et d’une fréquence d’échantillonnage de 200000 25000, vous pouvez les parcourir tous, en prenant XNUMX XNUMX échantillons par canal.
Quels types d’ADC existe-t-il ?
Les ADC fonctionnent de différentes manières, en fonction du coût et des capacités requises.
Travaux ADC Flash Via un diviseur de tension très complexe. Un ensemble de résistances divise la tension de référence en incréments, qui sont ensuite testés par rapport à l'entrée via un ensemble de comparateurs. Les Flash ADC sont très rapides, mais sont limités en termes de profondeur de bits en raison du nombre de comparateurs requis. C'est également une activité énergivore pour la même raison.
Chercher ADC de sous-rangée Ils compensent ces faiblesses en répartissant le travail entre deux unités distinctes : une pour calculer grossièrement la tension puis une seconde pour y travailler précisément. En divisant les choses, nous pouvons réduire le nombre de comparaisons. Certains sous-ADC diviseront le travail en trois étapes, avec une correction des erreurs incluse en cours de route.
SAR (Successive Approximation Register) Les ADC effectuent leur travail via un type de recherche binaire. Supposons que nous ayons huit bits à remplir. Le SAR commencera à 10000000 00000000, qui est la valeur moyenne (11111111 est la valeur inférieure et 1 est la valeur supérieure). Si la tension dépasse ce point médian, le SAR conservera le chiffre le plus à gauche sur 0 ; Sinon, SAR définira le nombre le plus à gauche sur XNUMX. Nous pouvons répéter le processus avec le nombre suivant et ainsi de suite à plusieurs reprises. Cela déplacera progressivement la valeur estimée vers la valeur réelle :
De cette manière, nous affinons continuellement la recherche, divisant les probabilités par deux et nous demandant si le résultat est supérieur ou inférieur au point médian. Dans ce cas, la valeur se situe entre 0 et 255 ; Après plusieurs itérations, l’ADC trouve que ce nombre se situe autour de 77.
Les convertisseurs Delta-Sigma sont probablement les plus difficiles à comprendre. Ils sont utilisés dans les applications musicales et dans la mesure de signaux de haute précision. Ils fonctionnent en suréchantillonnant le signal et en améliorant le résultat à l’aide d’un filtrage et de mathématiques très complexes. Ce processus réduit efficacement la fréquence d'échantillonnage tout en augmentant la résolution. Ces CAN sont parfaits lorsque le bruit et la précision sont plus importants que la vitesse.
Enfin, nous avons l'intégration ADC, qui est encore plus lente que delta-sigma. Il fonctionne à l'aide d'un condensateur dont le taux de charge peut être utilisé pour déterminer la tension d'entrée. La fréquence d'échantillonnage est ici souvent synchronisée avec la fréquence de l'alimentation électrique, ce qui peut être utilisé pour réduire le bruit au minimum absolu.
Qu'est-ce que le théorème de Nyquist-Shannon ou la théorie de l'échantillonnage numérique ?
La théorie de Nyquist-Shannon fournit le cadre théorique permettant de comprendre comment les signaux analogiques (tels que le son ou l'image) sont représentés numériquement. Le système d’échantillonnage et de codage numérique est fondamental pour cette théorie.
L’un des points clés du théorème de Nyquist-Shannon est que tout signal analogique peut être représenté à l’aide d’un ensemble d’échantillons numériques. La qualité de la représentation est déterminée par le taux d'échantillonnage (le nombre d'échantillons par unité de temps), où la moitié du taux d'échantillonnage fait référence au nombre minimum d'échantillons nécessaires pour représenter un signal.
Supposons que nous voulions décrire numériquement un signal analogique. Pour ce faire, nous avons besoin d'au moins deux points pour chaque cours donné : un en haut et un en bas. Par conséquent, notre fréquence d’échantillonnage doit être au moins deux fois supérieure à la fréquence la plus élevée que nous prévoyons de mesurer.
C'est ce qu'on appelle la fréquence de Nyquist, du nom du physicien suédo-américain Harry Nyquist. La théorie porte le nom de Nyquist et Claude Shannon (un éminent mathématicien et cryptographe), mais pas d'après Edmund Whittaker, qui a eu l'idée avant eux deux.
Quelle que soit la personne à qui nous attribuons cette théorie, elle pose un problème. Il est impossible de savoir à l’avance quand le haut et le bas de la forme d’onde seront atteints. Et si nous échantillonnions au milieu vers la forme d’onde entrante ? Remarquez comment un décalage dans le signal entrant peut aplatir l'intégralité du résultat capturé :
Ou encore des hallucinations de nouvelles formes d’ondes qui n’existaient pas auparavant :
Ces hallucinations sont connues sous le nom de pseudonymes.
Le problème de la distorsion (Aliasing)
Vous connaissez probablement l’illusion de la « roue de charrette » qui se produit parfois lors de la photographie d’un objet en rotation. Les roues de la voiture, ou les pales de l’hélicoptère, semblent reculer, mais très lentement. Dans certains cas, les pales peuvent s'arrêter complètement (avec des résultats franchement bizarres — regardez la vidéo ci-dessous !).
En jouant à un vieux jeu vidéo, vous avez peut-être aussi remarqué que les lignes parallèles produisent parfois d’étranges artefacts. Les clôtures rayées, les échelles et les sautoirs commençaient à paraître vraiment étranges. Ou qu’en est-il de ces bips étranges que vous entendez parfois lorsque vous écoutez quelqu’un parler via une connexion numérique de mauvaise qualité ? C'est de la distorsion, mais c'est un type particulier de distorsion. C'est quoi toutes ces fréquences laides qui sortent du bruit ? Si vous écoutez un contenu riche en tonalité, comme un kit de batterie, l'effet sera plus prononcé, en particulier dans le haut de gamme.
Si vous en comprenez la raison, vous êtes sur la bonne voie pour les comprendre tous. Dans le cas de la roue, une fréquence d'images fixe signifie que nous ne pouvons pas capturer le mouvement correctement. Si quelque chose pivote de 350 degrés à chaque image, il est naturel de se rendre compte qu'il a en fait été reculé de 10 degrés. En d’autres termes, il n’y a pas suffisamment d’informations pour représenter avec précision ce qui se passe. Les échantillons que nous prélevons ne correspondent pas à ce que nous essayons de mesurer.
Ce n'est pas un problème limité à la conversion analogique-numérique. Dans bon nombre de ces cas, nous convertissons un type de signal numérique en un autre.
alors c'est quoi la solution? il y a beaucoup. Nous pouvons appliquer un filtre spécial pour traiter ces artefacts, ce que de nombreux ADC font sur mesure. Ou nous pourrions goûter bien plus que ce dont nous avons besoin. Plus nous prenons d’échantillons, plus notre image de l’onde devient précise :
La fréquence de Nyquist est la moitié de la fréquence d'échantillonnage et constitue une limite qui doit être dépassée pour éviter les interférences appelées « aliasing ». Si la fréquence échantillonnée dépasse la moitié de la fréquence d'échantillonnage, des alias et des artefacts indésirables dans le signal converti peuvent se produire.
Par exemple, si vous disposez d'un signal contenant une fréquence élevée et utilisant une fréquence d'échantillonnage faible, la partie haute du signal peut être représentée de manière incorrecte, produisant d'autres artefacts sur le signal converti. Pour éviter l'aliasing, une fréquence d'échantillonnage correspondant à au moins la moitié de la fréquence la plus élevée du signal doit être utilisée. Vérifier Comment fonctionne l'alternateur dans votre voiture?
Foire Aux Questions
T1. Quelle est la fonction des convertisseurs analogique-numérique (CAN) ?
Les convertisseurs analogique-numérique convertissent les signaux analogiques continus en une représentation numérique, permettant aux systèmes d'automatisation et à l'électronique de comprendre et de traiter efficacement les données.
Q2. Comment les signaux analogiques sont-ils convertis en numériques à l’aide des CAN ?
Cela se fait en divisant le signal en deux parties : la quantité (valeur) et la résolution (nombre de bits). Le défi est de maintenir l’exactitude de la conversion pour obtenir des données précises.
Q3. Existe-t-il différents types de convertisseurs analogique-numérique ?
Oui, il existe une variété d'ADC en fonction de leurs applications, tels que les ADC adaptés aux applications audio ou de contrôle de mouvement.
Q4. Quelle est l’importance des ADC dans les systèmes numériques modernes ?
Les ADC permettent aux appareils et aux applications d’interagir avec le monde qui les entoure et de donner un sens efficace aux données à l’ère numérique.
Échantillon de meilleure qualité pour de meilleurs résultats
Si vous trouvez ce genre de choses intéressant, la bonne nouvelle est que nous n’avons pas approfondi ce sujet. Il y a de nombreux détails avancés à aborder ici : les ADC sont très complexes.
Mais du point de vue de l’utilisateur final ou du simple passionné d’Arduino, c’est aussi très simple. Les tensions entrent, les nombres sortent. Ainsi, quoi que vous cherchiez à mesurer — qu'il s'agisse de la teneur en humidité d'une parcelle de sol, des oscillations d'une boîte vocale humaine ou du flux de photons réfractés à travers une lentille — il y a de fortes chances qu'il existe un ADC qui fera le travail. . Vous pouvez maintenant visualiser Les avantages et les inconvénients de l'utilisation d'un clone Arduino dans vos projets.
