ما هي ADCs (المحولات التناظرية إلى الرقمية) وكيف تعمل؟

الماخذ الرئيسية

• تُستخدم ADCs على نطاق واسع لتحويل الإشارات التناظرية، مثل الصوت والضوء، إلى قيم رقمية يمكن استخدامها في تطبيقات مختلفة.
• يحدد معدل عينة ADC عدد القراءات المأخوذة في الثانية، مع معدلات عينة أعلى تسمح بتمثيل أكثر دقة للإشارة.
• يؤثر معدل البت الخاص بـ ADC على جودة العينة التي يتم الحصول عليها، مع زيادة البتات التي تؤدي إلى قياسات أكثر سلاسة ودقة. تقدم الأنواع المختلفة من ADC مقايضات مختلفة من حيث السرعة والدقة واستهلاك الطاقة.

تعد المحولات التناظرية إلى الرقمية (ADCs) مفيدة بشكل لا يصدق لتحويل ظواهر العالم الحقيقي إلى قيم يمكننا استخدامها في مشاريع البرمجة. ولكن كيف يمكن لـ ADC تحويل الإشارات التناظرية إلى إشارات رقمية يمكننا استخدامها في أي مكان؟

ما هي استخدامات ADC؟

ستجد ADCs في كل مكان تقريبًا. إنها موجودة على هاتفك، وتحول صوتك إلى سلسلة من القيم الثنائية. إنهم في سيارتك، يقيسون دوران عجلاتك. إنهم موجودون في ذبذبات الذبذبات، مما يساعد على التقاط الإشارات وتمثيلها. ومع ذلك، فإن المكان الذي سيستخدمها معظم الناس هو عالم الفيديو والصوت، حيث يعد إدخال الضوء والصوت إلى الفضاء الرقمي أمرًا أساسيًا.

ما هو معدل العينة؟ كيف يؤثر معدل العينة على ADC؟

أحد المقاييس الرئيسية الأكثر أهمية لـ ADC هو معدل العينة: عدد القراءات المأخوذة في كل ثانية.

قد يأخذ راسم الذبذبات المتطور جدًا عشرة مليارات عينة في الثانية. يمكن أن يستغرق MCP3008 ADC الصغير المحبوب مائتي ألف متواضعة نسبيًا. في عالم الصوت، يعتبر معدل العينة 44.100 في الثانية (44.1 كيلو هرتز) وهو معدل نموذجي.

كلما زاد عدد العينات التي نأخذها، كلما تمكنا من تمثيل الإشارة بشكل أكثر دقة. في بعض الأحيان، يكون هذا ضروريًا؛ في بعض الأحيان، ليس كذلك. لنفترض أننا نبني بنكًا خافتًا (مصممًا للتحكم في الإلكترونيات، كما ترون على مكتب الإضاءة أو الصوت) باستخدام بضع عشرات من مقاييس فرق الجهد. في هذه الحالة، من غير المرجح أن تتغير القيم التي نحتاج إلى قياسها ملايين المرات في الثانية نظرًا لأن أصابعنا لا تستطيع التحرك بهذه السرعة. نحتاج فقط إلى عينات كافية حتى تكون النتيجة سلسة وسريعة الاستجابة.

ما هو معدل البت؟ هل يؤثر معدل البت على جودة ADC؟

يجب علينا أيضًا أن نفكر في جودة العينة التي نحصل عليها. يتم تحديد ذلك إلى حد كبير من خلال معدل البت، الذي يخبرنا بعدد حالات التشغيل والإيقاف التي يمكننا استخدامها لتمثيل الجهد رقميًا. كلما زاد عدد البتات لدينا، زادت القيم الممكنة التي يمكننا تسجيلها في أي عينة معينة، وأصبحت النتيجة النهائية أكثر سلاسة ودقة.

لقد كتبنا عن ثنائي وكيف يعمل، لذا إذا لم تكن متأكدًا، فهذا مكان جيد للبدء. كم عدد البتات التي نحتاجها؟ مرة أخرى، يعتمد الأمر على ما نحاول تحقيقه. في بعض الأحيان، قد نكون مقيدين بالبروتوكول الذي نستخدمه. على سبيل المثال، يقتصر بروتوكول MIDI 1.0 على قيم سبعة بت (وأحيانًا أربعة عشر بت). وفي حالات أخرى، قد يكون العامل المحدد هو الإدراك البشري. إذا لم تؤدي زيادة الإخلاص إلى أي تحسن ملموس في النتيجة، فقد لا يكون الأمر جديرًا بالاهتمام.

كيف يعمل تعدد الإرسال على تحسين جودة ADC؟

رقائق ADC الشهيرة مثل أدس1115 و ال MCP3008 تقديم العديد من المدخلات. ولكن تحت الغطاء، فهي تحتوي في الواقع على محول ADC واحد فقط. وهذا ممكن بسبب معددات الإرسال المضمنة في هذه الأجهزة. توجد أجهزة الإرسال المتعددة في كل مكان على الإطلاق في عالم الإلكترونيات والاتصالات. إنها مفاتيح رقمية تعمل كتحكم في حركة المرور لجهاز ADC الخاص بك. قد يقوم ADC بتجربة قناة واحدة، ثم القناة التالية، ثم التي تليها. لذلك، إذا كان لديك ثماني قنوات ومعدل عينة يبلغ 200000، فيمكنك التدوير عبرها جميعًا، مع أخذ 25000 عينة لكل قناة.

ما هي أنواع ADC الموجودة؟

تعمل ADCs بطرق مختلفة، اعتمادًا على التكلفة والإمكانيات المطلوبة.

أ فلاش أدك يعمل عبر مقسم جهد معقد للغاية. يقوم بنك من المقاومات بتقسيم الجهد المرجعي إلى زيادات، والتي يتم بعد ذلك اختبارها مقابل المدخلات عبر بنك من المقارنات. تعد أدوات Flash ADC سريعة للغاية، ولكنها محدودة عندما يتعلق الأمر بعمق البت بسبب عدد المقارنات المطلوبة. إنهم أيضًا متعطشون للسلطة لنفس السبب.

أ النطاق الفرعي ADC يسعى إلى تعويض نقاط الضعف هذه عن طريق تقسيم العمل بين وحدتين منفصلتين: واحدة لحساب الجهد الكهربي تقريبًا ثم الثانية لحسابه بدقة. ومن خلال تقسيم الأشياء، يمكننا تقليل عدد المقارنات. ستقوم بعض ADCs الفرعية بتقسيم العمل إلى ثلاث مراحل، مع تصحيح الأخطاء المضمنة على طول الطريق.

ريال سعودي (سجل التقريب المتتابع) ADCs يقومون بعملهم عبر نوع من البحث الثنائي. لنفترض أن لدينا ثمانية بتات لملءها. سيبدأ SAR من 10000000، وهي القيمة الوسطى (00000000 هي القيمة السفلية و11111111 هي القيمة العليا). إذا تجاوز الجهد نقطة المنتصف هذه، فسيحتفظ SAR بالرقم الموجود في أقصى اليسار كـ 1؛ إذا لم يحدث ذلك، فسيقوم SAR بتعيين الرقم الموجود في أقصى اليسار إلى 0. يمكننا تكرار العملية بالرقم التالي، وهكذا بشكل متكرر. سيؤدي هذا إلى تحرك القيمة المقدرة نحو القيمة الفعلية تدريجيًا:

وبهذه الطريقة، نقوم باستمرار بتضييق نطاق البحث، ونقسم الاحتمالات إلى نصفين ونسأل ما إذا كانت النتيجة أعلى أم أقل من نقطة المنتصف. في هذه الحالة، تكون القيمة في مكان ما بين 0 و255؛ وبعد عدة تكرارات، توصل ADC إلى أن الرقم يبلغ حوالي 77.

سيجما دلتا ربما تكون المحولات هي الأكثر صعوبة في الفهم. يتم استخدامها في التطبيقات الموسيقية وقياس الإشارات عالية الدقة. إنهم يعملون عن طريق أخذ عينات زائدة من الإشارة وتحسين النتيجة باستخدام عمليات تصفية ورياضيات معقدة للغاية. تعمل هذه العملية على تقليل معدل العينة بشكل فعال مع زيادة الدقة. تعتبر أدوات ADC هذه رائعة عندما تكون الضوضاء والدقة أكثر أهمية من السرعة.

وأخيرا، لدينا دمج ADC، والتي هي أبطأ من تلك سيجما دلتا. إنها تعمل بمساعدة مكثف يمكن استخدام معدل شحنته لتحديد جهد الدخل. غالبًا ما تتم مزامنة معدل العينة هنا مع تردد مصدر الطاقة، والذي يمكن استخدامه لتقليل الضوضاء إلى الحد الأدنى المطلق.

ما هي نظرية نيكويست-شانون؟

لنفترض أننا نريد وصف إشارة تناظرية رقميًا. للقيام بذلك، نحتاج إلى نقطتين على الأقل لكل دورة معينة: واحدة في الأعلى وواحدة في الأسفل. وبالتالي، يجب أن يكون تردد أخذ العينات لدينا على الأقل ضعف أعلى تردد نتوقع قياسه.

ويُعرف هذا بتردد نيكويست، نسبة إلى الفيزيائي الأمريكي السويدي هاري نيكويست. تم تسمية النظرية على اسم نيكويست وكلود شانون (عالم رياضيات وعالم تشفير بارز) ولكن ليس على اسم إدموند ويتاكر، الذي جاء بالفكرة قبل أي منهما.

أيًا كان من ننسب إليه النظرية، فهناك مشكلة فيها. من المستحيل أن نعرف مسبقًا متى سيصل الجزء العلوي والسفلي من الشكل الموجي. ماذا لو أخذنا عيناتنا في منتصف الطريق نحو الشكل الموجي الوارد؟ لاحظ كيف أن التحول في الإشارة الواردة قد يؤدي إلى تسوية النتيجة التي تم التقاطها بالكامل:

أو حتى هلوسة لأشكال موجية جديدة لم تكن موجودة من قبل:

وتعرف هذه الهلوسة باسم اسماء مستعارة.

المشكلة مع التعرج

ربما تكون على دراية بوهم "عجلة العربة" الذي يحدث أحيانًا عند تصوير جسم يدور. يبدو أن عجلات السيارة، أو شفرات المروحية، تتحرك إلى الخلف، ولكن ببطء شديد. في بعض الحالات، قد تتوقف الشفرات تمامًا (مع نتائج غريبة بصراحة – شاهد الفيديو أدناه!).

أثناء لعب لعبة فيديو قديمة، ربما لاحظت أيضًا أن الخطوط المتوازية تنتج أحيانًا قطعًا أثرية غريبة. بدأت الأسوار والسلالم والقافزات المخططة تبدو غريبة جدًا بالفعل. أو ماذا عن أصوات الصفير الغريبة التي تسمعها أحيانًا عند الاستماع إلى شخص يتحدث عبر اتصال رقمي رديء الجودة؟ إنه تشويه، لكنه نوع خاص من التشويه. ما قصة كل تلك الترددات القبيحة الخارجة من الضجيج؟ إذا كنت تستمع إلى محتوى غني بشكل متناغم، مثل مجموعة الطبول، فسيكون التأثير أكثر وضوحًا - خاصة في النهاية العالية.

إذا فهمت سبب أحد هذه الأسباب، فأنت في طريقك إلى فهمها جميعًا. في حالة عجلة العربة، يعني معدل الإطارات الثابت أننا لا نستطيع التقاط الحركة بشكل صحيح. إذا كان هناك شيء يدور بمقدار 350 درجة في كل إطار، فمن الطبيعي أن ندرك أنه قد تم تحريكه بالفعل إلى الخلف بمقدار 10 درجات. بمعنى آخر، لا توجد معلومات كافية لتمثيل ما يحدث بأمانة. العينات التي نأخذها غير متوافقة مع ما نحاول قياسه.

هذه ليست مشكلة تقتصر على التحويل التناظري الرقمي. في العديد من هذه الحالات، نقوم بتحويل نوع واحد من الإشارات الرقمية إلى نوع آخر.

إذن ما هو الحل؟ هناك العديد. يمكننا تطبيق مرشح خاص للتعامل مع هذه القطع الأثرية، وهو ما يفعله العديد من ADCs تحت الغطاء. أو يمكننا أخذ عينات أكثر بكثير مما نحتاجه. كلما زاد عدد العينات التي نأخذها، أصبحت صورتنا للموجة أكثر دقة:

عينة بجودة أعلى للحصول على أفضل النتائج

إذا وجدت هذا النوع من الأشياء مثيرًا للاهتمام، فإن الخبر السار هو أننا لم نتعمق كثيرًا في هذا الموضوع. هناك أعماق يجب الوصول إليها هنا: إن ADCs معقدة للغاية.

ولكن من وجهة نظر المستخدم النهائي أو المتحمسين العاديين لـ Arduino، فهي أيضًا بسيطة جدًا. تدخل الفولتية، وتخرج الأرقام. لذا، مهما كان ما تسعى إلى قياسه - سواء كان محتوى الرطوبة في قطعة من التربة، أو تذبذبات صندوق الصوت البشري، أو تيار من الفوتونات المنكسرة من خلال عدسة - هناك احتمالات جيدة بوجود ADC الذي سيقوم بالمهمة وظيفة.