一、ADC简介
ADC中文全称模拟数字转换器，其主要功能是将模拟信号（通常是连续变化的电压/电流信号）转换成数字信号，提供给程序进行处理。这个转换有什么作用呢？举个例子，当我们在淋浴的时候，感觉到水温过高了，会伸手对开关进行一个调节，这是因为我们大脑对皮肤神经末梢传来的信息进行了处理。那MCU（微控制单元）是如何知道自然界中的物理量？
如下图所示，在一般的电子系统中，各种传感器扮演着重要的角色。它们将外部的物理量（如温度、光线、压力等）转换为电压，再传递给微控制单元（MCU）。然而，MCU只能识别二进制的数字信号，这时ADC就发挥作用了，它将采集到的电压信号转换成MCU可识别的数字信号，使得MCU能够感知和处理来自自然界的物理量。注：其中DAC是数字模拟转换器，与ADC发挥着相反的作用，我们会在后序章节中讲到。
ADC的应用范围非常广泛，不仅限于我们的日常生活，还包括音频设备、数字成像设备、医疗监测设备、工业设备以及通讯设备等。在所有这些领域中，ADC都是不可或缺的，它们使我们能够将现实世界的复杂信号转换为数字形式，以便电子设备可以理解和处理。
二、ADC原理
ADC的原理是把输入的模拟信号按规定的时间间隔采样，并与一系列标准的数字信号相比较，数字信号逐次收敛，直至两种信号相等为止。整个过程涉及到采样、量化、编码这几个关键的步骤。文章来源：https://www.toymoban.com/news/detail-819154.html
2.1 采样
采样是指用每隔一定时间的信号样值序列来代替原来在时间上连续的信号，也就是在时间上将模拟信号离散化。想象一下，原来的模拟信号就像是一条流动的河流，它持续不断的流动着。采样就好比我们每隔一段时间去河边记录下河水的流量或水位，而不是一致站在那里监视河流的每一次波动。通过这些定期记录的数据点，我们就可以大致了解河流的状态。注意，这里的采样需要遵循香浓采样定理，即为了无失真地重构原始模拟信号，采样频率必须至少是信号最高频率成分的两倍。采样脉冲的宽度一般是很短暂的，在下一个采样脉冲到来之前，应暂时保持所取得的样值脉冲幅度。因此，在采样电路之后须加保持电路。文章来源地址https://www.toymoban.com/news/detail-819154.html
2.2 量化和编码
- 量化是用有限个幅度值近似原来连续变化的幅度值，把模拟信号的连续幅度变为有限数量的有一定间隔的离散值。通俗来讲，就是将原始模拟信号连续的值，通过量化之后，用几个有限的值进行表示。如下图，将区间分割为0～0.5、0.5～1.5、1.5～2.5……，再用0、1、2……代表各区间，对小数点后面的值按照四舍五入处理，比如，201.6属于201.5～202.5，则赋值202；123.4属于122.5～123.5，则赋值123。
-
编码则是按照一定的规律，把量化后的值用二进制数字表示，然后转换成二值或多值的数字信号流。即将量化值，如202、123等值用二进制进行表示。不同量化级数，二进制的表示也不同。当量化级数取为64级时，表示这些数值的二进制的位数必须是6位；当量化级数取为256级时，则必须用8位二进制数表示。
三、关键技术参数
-
分辨率
ADC的分辨率指的是它能区分的最小电压变化量，通常以位数（如8位、16位）表示。分辨率越高，能够表示的电压级别就越多，转换后的数字信号就能越接近原始的模拟信号。
理论上讲，n位输出的A/D转换器能区分2n个不同等级的输入电压，能区分输入电压的最小值为满量程输入(1/2)n。例如A/D转换器输出为8位二进制数，输入信号最大值为5V，那么这个转换器应能区分出输入信号的最小电压为19.53mV。 -
采样率
采样率决定了ADC每秒钟可以采样多少次。根据奈奎斯特定理（香浓采样定理），为了准确地再现原始信号，采样率应该至少是信号最高频率的两倍。如果采样过低，可能会产生混叠现象，导致信号失真。例如，在数字音频技术中，为了精确捕捉音频信号，常使用高于人耳可听频率两倍的采样率。 -
量化误差
量化过程涉及将连续的模拟信号映射到一组有限的离散值上。这个映射通常是通过四舍五入或取最近的离散值来完成的。因此，无可避免的会出现离散值无法完美地匹配原始连续信号的精确值，在这个过程中产生的误差就被称为量化误差。量化误差与ADC的分辨率密切相关。分辨率越高（即位数越多），量化级别间的间隔就越小，从而量化误差也越小。 -
动态范围
动态范围通常指的是测量系统或设备能够处理的信号强度的范围，从最小的可检测信号到最大的无失真信号。它描述了系统可以处理的最弱和最强信号之间的比率。动态范围通常以分贝（dB）为单位表示。具有高动态的设备能够在极端或挑战性的环境下更好地工作，捕捉更多的信息。
到了这里，关于STM32 MCU ADC详解（1）--初识ADC的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
