Ein Wechselstromsignal mit überlagertem Signalrauschen (A) wird durch einen Mittelwertfilter für eine große Anzahl aufeinanderfolgender Samples geglättet (B).

Glätten gewandelter Daten durch Moving-Average-Filter

Nutzer von A/D-Wandlern legen mit ihrem Controller oder Prozessor oft Mittelwegalgorithmen an den Ausgang mehrerer Wandler-Samples. Ein gewandeltes Signal lässt sich somit glätten (Bild 1) und die effektive Auflösung steigt, da sich das Systemrauschen verringert.

Gewandelte Daten lassen sich glätten, indem man mehrere Signale bei konstanter Abtastrate erfasst. Bei einer vorbestimmten Gruppe oder Anzahl von Samples bildet man den Mittelwert und wiederholt diesen Prozess mit verschiedenen Gruppen über einen bestimmten Zeitrahmen. Die Gesamtsumme der Mittelwerte ergibt ein geglättetes Signal.

Diese Mittelwertbildung stellt einen Tiefpassfilter für die Wandler-Ausgangsdaten dar. Die Filtereffizienz lässt sich über die Wahl der Sample-Anzahl für die Mittelwertgruppen selektieren. Eine höhere Zahl Samples pro Gruppe ergeben eine bessere Glättung. Der Mittelwertprozess eliminiert Ausschläge bei den Rohdaten und verringert die Bandbreite des Endsignals.

Ein Nebeneffekt dieser Mittelwertbildung ist die höhere Wandlerauflösung. Idealerweise erhöht ein Durchschnitt von 4 Samples (41) eines DC-Signals die effektive Auflösung des Wandlers um den Wert 1. Der Signal-Rauschabstand (SNR) erhöht sich damit um 6 dB. 16 gemittelte Samples (42) erhöhen die Auflösung um den Faktor 2 und den SNR um 12 dB. Theoretisch steigert eine Gruppengröße von 4n die Anzahl der effektiven Bits seitens der Wandlung um n – in der realen Welt treten allerdings Einschränkungen auf.

Man kann die Zahl der effektiven Bits mit einem A/D-Wandler erhöhen, solange man das Ganze innerhalb realistischer Grenzen betreibt und sich der nicht idealen Bedingungen bewusst ist. So erfordert z.B. das Konvertieren eines 12-Bit-Ergebnisses auf 16 Bit 44 gemittelte Samples, d.h. 256 Samples. Hier stellt sich die Frage nach der Rentabilität. Wenn die Endauflösung höher als 16 Bit ist, steigt die Sampleanzahl rapide. Im Übrigen sollte der 12-Bit-Wandler in diesem Beispiel ein paar Bit Ausgangsrauschen behalten, um sicher zu stellen, dass die Mittelung effektiv ist. Dieses Ausgangsrauschen sollte die Form einer Gauß-Verteilung haben.

Nicht ideale Bedingungen können die Gruppengröße beeinflussen. Dazu zählen Driftvorgänge, Stromschwankungen, Spannungsreferenzänderungen und Temperaturänderungen. Die Sample-Anzahl eines nicht idealen Systems kann von 2000 (mit einem idealen driftfreien System) bis zu mehreren hundert Samples variieren. Je höher die Zahl ist, desto größer ist das Ausgangsrauschen. Um die Mittelwertbildung zu optimieren, verwendet man Methoden der Allan-Varianz. Letztendlich sollte anhand des Eingangssignal immer überprüft werden, dass die Wandlung nicht an einem Signal mit Einschwingfehler oder Interferenzen durchgeführt wurde.

Um Zeit zu sparen, können FIFOs implementiert werden. Dazu fügt man einen neuen Datenwert zu und subtrahiert diesen Wert dann von der Gesamtsumme.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.