读懂几个ADC的基本概念
我们在了解Delta-Sigma (Σ-Δ) ADC原理之前，先明确几个概念：
1. 量化噪声
下图中，蓝色斜线是连续的模拟信号，阶梯状波形是经过ADC转换后的离散信号。如果我们把这个两个相减，会得到右边那个像锯齿波一样的量化误差。
图1：量化误差 (图片：TI)
量化噪声(Quantization Noise)，这里Q值代表量化，如果采样越快，两个Q之间的距离越小，Q的幅值越低，也就是量化噪声的幅值越低。虽然Q值幅值变低，但是它包围的面积不变。因此，改变采样速度，可以改变量化噪声的幅值，但不能改变量化噪声的总能量。
图2：数字化后的Sine波形 (图片：TI)
从时域里看，对于一个模拟的Sine波形，经过ADC转换数字化后，我们会得到锯齿状的Sine波形。我们加快采样速度，可以把锯齿变得很细，但是依旧存在，并且量化噪声的总能量不变。
2. 信噪比
如果我们把上面的Sine波形放到频域里看。我们希望信号频率的幅值尽量大，而噪声幅值尽量小。
图3：Sine波幅频相应曲线(图片：TI)
上图的噪声主要于量化噪声，通过信噪比计算，我们会得到一个固定的公式：
信噪比SNR(dB)=6.02N + 1.76 (噪声仅考虑量化噪声)
SNR：指的是量化噪声信噪比(Signal noise ratio)
N：指的是ADC采样位数。如果我们把N提高，信噪比提高，即信号更大，噪声更小。采样质量变好，因此，提高ADC采样位数，可以提高采样质量。
一般来说，提高采样位数，往往意味着ADC的成本可能也会更高。
有没有不提高位数，同样优化信噪比的方法呢？答案是“有的”，那就是过采样。
3. 过采样提高信噪比
我们把图3进一步简化。下图红色箭头表示主信号的幅值，灰色代表噪声幅值，平均分布在DC到fs/2之间。(fs为采样频率)
图4：过采样提高信噪比
如上图，如果我们将采样率提高K倍，噪声能量不变，并且平均分布在更宽范围，从而噪声的幅值降低。原始信号没变，但是噪声幅值减少，也就是信噪比提高了。提高采样率之后的信噪比公式：
SNR=6.02N+1.76dB+10log(OSR)
其中，过采样速率OSR =Fs/(2╳BW), BW为带宽。(注意：此公式仅适用于只存在量化噪声的理想ADC)
因此，提高采样率有助于提高信噪比。
小贴士：如何在Digi-Key中选择Delta-Sigma (Σ-Δ) ADC
我们可以在Digi-Key网站中模数转换器(ADC)大类下，在架构选项找到“三角积分”，即Delta-Sigma ADC。
图 5 Digi-Key ADC 参数筛选
可以通过参数来筛选ADC。比如通过ADC采样位数、采样率等关键参数来筛选合适的ADC：
图6：在Digi-Key 网站中通过参数筛选查找ADC
Delta Sigma调制的原理
Delta-Sigma (Σ-Δ) ADC可以达到很高的精度，需要过采样、数字滤波消除量化噪声，从而实现高分辨率。而这样做的代价是牺牲了采样速度，延迟变大，功耗也不小。基于这样的特性，Delta-Sigma (Σ-Δ) ADC在连续信号采集，高精度测量等领域有着广泛的应用。
