高速模数转换器（ADC）存在一些固有限制，使其偶尔会在其正常功能以外产生罕见的转换错误。但是，很多实际采样系统不容许存在高ADC转换误差率。因此，量化高速模数转换误差率（CER）的频率和幅度非常重要。

　　高速或GSPS ADC（每秒千兆采样ADC）相对稀疏出现的转换错误不仅造成其难以检测，而且还使测量过程非常耗时。该持续时间通常超出毫秒范围，达到几小时、几天、几周甚至是几个月。为了帮助消减这一耗时测试负担，可以在一定“置信度”的确定性情况下估算误差率，而仍然保持结果的质量。

　　误码率（BER）与转换误差率

　　与串行或并行数字数据传输中BER的数字等效值类似，CER是转换错误数与样本总数之比。但是，BER和CER之间有一些截然不同之处。数字数据流中的BER测试采用长伪随机序列，该序列可于发送器中在传输两端使用常用种子值来启动。接收器预期将收到理想的传输。通过观察接收数据与理想数据的差异，便可精确计算出BER。两端之间伪随机序列数据中的失配（基于种子值）即视为误码。

　　与CER不同，误差测定不像纯数字比较那么简单。由于ADC转换过程中始终具有小的非线性，另外还存在系统噪声和抖动，因此并非总是能确定预期数据和实际数据之间的确切差异。相反，需要建立误差阈值，用于确定转换错误和具有容许预期噪声的样本之间的界限。这与数字BER不同，并不会对发送和接收的预期数据进行确切比较。相反，首先必须量化样本的误差幅度，然后再确定是转换错误，还是在转换器和系统的预期非线性范围内。ADC后端数字接口的误码率必须低于转换器的内核CER，因此无法忽视。如果并非如此，那么数据输出传输误差将覆盖CER并成为主要误差来源。 大功率电感厂家 |大电流电感工厂