3.

3 ADC (Analog to Digital Converter)

3.3.1 Konsep A/D Conversion

3.3.1.1 Klasifikasi dan Transformasi Sinyal

Besaran fisik yang dapat diubah menjadi sinyal listrik,

misalnya suara, cahaya, suhu, dan medan magnet, menghasilkan

sinyal analog intrinsik. Karena kemudahan pemrosesan dan

penyimpanan sinyal digital, konversi sinyal analog tersebut

menjadi sinyal digital menjadi tantangan penting mikroelektronika

saat ini, terutama konversi sinyal berkecepatan tinggi, seperti

cahaya, radar, dan sinyal ultrasonik, menjadi sinyal digital untuk

pemrosesan sinyal selanjutnya. Secara umum, jenis sinyal dapat

diklasifikasikan menjadi empat kategori, seperti yang

diilustrasikan pada Gambar. 2.1 [5]. Sumbu x sesuai dengan waktu

t dan dapat menunjukkan nilai kontinu atau diskrit, baik tidak

terkuantisasi atau terkuantisasi dalam waktu secara berurutan.

Sumbu y membawa besaran sinyal f (t) dan juga dapat

menunjukkan nilai kontinyu atau diskrit. Kategori (1) berisi nilai-

nilai dari sinyal kontinu dengan waktu dan magnitude-nya. Dengan

menggunakan operasi sampling waktu analog, sinyal kategori (1)

diubah menjadi kategori (2), yang sekarang hanya mengandung

nilai waktu diskrit.

Selanjutnya, kuantisasi sinyal magnitude dalam sinyal

kategori (2) mengarah ke sinyal kategori (4), yang berisi sinyal

terkuantisasi dalam magnitude dan waktu. Sinyal dalam kategori

(4) sudah sinyal digital, karena sumbu x dan sumbu y menunjukkan

nilai diskrit. Proses konversi dari kategori (1) melalui kategori (2)

ke kategori sinyal (4) adalah salah satu jenis konversi analog ke

digital (A/D Conversion).

Ciri khas dari jenis A/D Conversion ini adalah bahwa

pemrosesan sampling dilakukan menggunakan sirkuit analog.

Arsitektur khas dari ADC berkecepatan tinggi melingkupi two-step

flash ADC, subranging ADC, pipeline ADC, time interleaved ADC,

dan successive approximation register ADC (SAR ADC). Flash

ADC dan folding and interpolating ADC juga dapat menggunakan

perangkat sampling waktu analog sebagai front end-analog (AFE).

Tetapi kedua konverter ini tidak memerlukan perangkat seperti itu

untuk operasinya dan lebih penting untuk A/D Conversion dengan

sampling digital sederhana yang dibahas di bawah ini. Oleh karena

itu, kedua jenis konverter ditandai dengan "*" pada Gambar. 2.2.

Fungsi lain dari A/D Conversion adalah untuk mengukur

sinyal analog dari kategori (1) berkenaan dengan magnitude-nya,

yaitu sebelum waktu proses pengambilan sampel dijalankan.

Sinyal analog kemudian diubah menjadi sinyal diskrit sesuai

dengan magnitude-nya, tetapi tetap dari waktu kontinu seperti yang

ditunjukkan dalam kategori (3) pada Gambar 2.1. Cukup

menambahkan sinyal clock ke unit kontrol output dari kategori

sinyal (3) dapat mendigitalkan variabel t dari sinyal magnitude

yang dikuantisasi dari kategori (3). Fitur dari jenis ADC ini adalah

bahwa waktu sampling dilakukan setelah proses kuantisasi

magnitude. Pemrosesan sampling semacam ini lebih mudah untuk

diimplementasikan dan direalisasikan menggunakan sirkuit daya

 rendah daripada pemrosesan sampling analog yang dibahas di atas.

Arsitektur khas dari A/D Conversion ini direpresentasikan oleh

flash A/D converter dan folding and interpolating A/D converter.

Baik dalam waktu dan magnitude sinyal terkuantisasi dapat

dikodekan ke dalam sinyal biner yang sesuai untuk pemrosesan

sinyal digital lebih lanjut seperti yang diilustrasikan pada Gambar

2.3.

3.3.1.2 Prinsip A/D Conversion

Meringkas diskusi di atas dapat dinyatakan bahwa ada dua

pendekatan yang berbeda untuk konversi analog ke digital dari

sudut pandang klasifikasi sinyal. Gambar. 2.2 menunjukkan bahwa

perbedaan utama dari dua pendekatan konversi ini adalah

penerapan waktu sampling. Ini dilakukan baik sebelum atau setelah

kuantisasi magnitude, sehingga menghasilkan sinyal fs(t) dan fQ(t).

Terdapat dua pendekatan, yaitu sampling analog dan sampling

digital. Karena metode pengambilan sampel yang berbeda,

kesalahan konversi yang disebabkan oleh dua metode konversi

tidak sama.

Fungsi transformasi dari sampel analog SA(t) dapat ditulis

sebagai:
 ∞
𝑡 − 𝑛𝑇
𝑆𝐴 (𝑡) = ∑ 𝑟𝑒𝑐𝑡 ( ) (2.1)
𝑇0
𝑛=−∞

dimana variabel T adalah periode sampling dari sinyal clock dan

variabelnya T0 adalah durasi waktu perolehan sinyal yang

sebenarnya.

Fungsi transformasi dari sampling digital adalah kasus

khusus dari sampling analog 𝑆𝐴 (𝑡) karena durasi waktu akuisisi

adalah 𝑇0 → 0, ini dapat dilambangkan dengan impuls Dirac

sebagai:
∞

𝑆𝐷 (𝑡) = ∑ 𝛿(𝑡 − 𝑛𝑇) (2.2)

𝑛=−∞

Selanjutnya, dengan ketentuan bahwa fungsi transformasi

Q(t) dari kuantisasi magnitude dari dua jenis konversi adalah sama,

sinyal digital yang diubah dengan menggunakan metode sampling

analog dapat digambarkan sebagai:

 Ada dua jenis kesalahan yang mungkin terlibat dalam proses

kuantisasi. Waktu sampling memperkenalkan aliasing sinyal dalam

hal sinyal undersample, yaitu di mana teorema sampling dilanggar,

sementara kuantisasi magnitude menyebabkan kesalahan

kuantisasi yang tidak dapat dipulihkan dalam sinyal output ADC.

Sinyal output dari A/D Conversion berdasarkan metode sampling

digital dapat digambarkan sebagai:

Dari Persamaan. (2.3) dan (2.4) dapat ditemukan bahwa

fungsi transfer dengan fungsi sampling digital lebih mudah untuk

diterapkan daripada fungsi sampling waktu analog. Implementasi

dari sample-and-hold amplifier (SHA) analog merupakan salah

satu tugas desain yang paling sulit di daerah sirkuit analog

berkecepatan tinggi. SHA kecepatan tinggi biasanya berisi penguat

transkonduktansi operasional (OTA), yang mengkonsumsi daya

jauh lebih banyak daripada perangkat lain karena tahap

keluarannya. Arsitektur semacam ini tidak cocok untuk sistem

embedded yang memiliki pembatasan berat pada disipasi daya dan

area mati dari A/D Converter.

 Di sisi lain, flash A/D Converter klasik memiliki keterbatasan

karena arsitekturnya karena untuk konverter n-bit diperlukan 2n

komparator untuk kuantisasi magnitude, ini memberikan batas

yang besar pada resolusi untuk disipasi daya yang diberikan. Oleh

karena itu, folding and interpolating A/D converter menjadi pilihan

yang baik untuk aplikasi berkecepatan tinggi dan daya rendah

dalam konversi analog ke digital.

3.3.2 Teori Sampling

3.3.2.1 Frekuensi Nyquist

Proses pengambilan sampel waktu merupakan prosedur yang

paling penting dari konversi analog ke digital baik untuk sampling

analog dan sampling digital. Proses pengambilan sampel dapat

diamati dalam domain waktu serta dalam domain frekuensi. Untuk

konversi A/D yang digunakan dalam instrumentasi tradisional dan

aplikasi pemrosesan sinyal, kinerja domain waktu lebih signifikan

daripada kinerja domain frekuensi. Karena aplikasi konversi A/D

dalam komunikasi telah berkembang sangat cepat dalam dekade

terakhir, penelitian luas yang menekankan analisis frekuensi

domain telah memperoleh keuntungan lebih penting sekarang.

Salah satu teorema terpenting mengenai proses sampling

disebut kriteria Nyquist. Itu bergantung pada definisi yang disebut

frekuensi Nyquist. Untuk definisinya, rentang frekuensi antara nol

dan setengah dari frekuensi clock fclk yang digunakan untuk

 pengambilan sampel waktu didefinisikan sebagai zona Nyquist

(NZ) 1st dan rentang frekuensi antara setengah dari frekuensi clock

dan frekuensi clock fclk didefinisikan sebagai zona Nyquist 2nd

seperti ditunjukkan pada Gambar. Bentuk umum dari zona Nyquist

dapat ditulis sebagai:

(2.6)

Gamar 2.6: Hubungan antara sinya frekuensi masukan dan

replikanya

Untuk mengkategorikan proses pengambilan sampel waktu

dalam hal zona Nyquist, definisi tentang oversampling,

undersampling, dan sampling Nyquist dapat dirangkum sebagai

berikut:
 Jika frekuensi sinyal masukan masuk ke dalam zona Nyquist

1st, proses sampling dapat ditetapkan sebagai oversampling. Jika

sinyal masukan berada di luar zona Nyquist 1st, kesesuaian proses

sampling menyerupai dengan undersampling. Proses sampling, di

mana sinyal masukan hanya setengah dari frekuensi clock,

dikategorikan sebagai sampling Nyquist.

Gambar 2.7 menunjukkan fungsi sinus fin (t) dalam domain

waktu yang dicontohkan pada tiga periode sampling yang berbeda,

TClk1, TClk2, dan TClk3. Periode sampling TClk2 tepat setengah dari

periode fungsi sinus fin (t).

Gambar 2.7 Nyquist Sampling, undersampling, dan oversampling

artinya, setiap gelombang sinus dilakukan sampling dalam kasus

ini pada dua waktu jenak dalam periode tersebut. Sampling jenak

TClk2 yang ditunjukkan oleh titik-titik pada Gambar 2.7 telah dipilih

di puncak gelombang sinus. TClk1 dan TClk3 telah dipilih sedikit lebih

pendek dan lebih panjang dari TClk2 masing-masing. Hubungan

frekuensi mereka dapat ditulis sebagai berikut:

 (2.7)

(2.8)

Dan

(2.9)

Dalam kasus pertama, diberikan oleh Persamaan. (2.7),

frekuensi clock hanya dua kali frekuensi masukan fin. Frekuensi

clock ini didefinisikan sebagai frekuensi ambang sampling

Nyquist. Frekuensi ambang dari sampling Nyquist ini

mendefinisikan frekuensi Nyquist fN, yang dapat ditulis sebagai

berikut:

(2.10)

Untuk semua sinyal dengan frekuensi di bawah atau pada fN

seluruh informasi yang terkandung dalam sinyal asli fin (t)

didefinisikan secara unik di zona Nyquist 1st, karena semua replika

sinyal yang dihasilkan oleh sampling waktu jatuh ke dalam pita

frekuensi di atas (lihat Gambar 2.6). Oleh karena itu informasi

sinyal masukan dapat sepenuhnya pulih oleh lowpass filter hingga

fN. Perhatikan bahwa sinyal masukan yang terjadi di zona Nyquist

yang lebih tinggi juga menghasilkan replika, ketika dilakukan

sampling pada fClk2. Diantara yang lain, salah satu replika

bagaimanapun terletak di zona Nyquist, sekarang lowpass filter

tidak dapat memulihkan asli sinyal masukan.

Mengingat bahwa sinyal masukan fin (t) tidak terdiri dari satu

frekuensi fIn, frekuensi Nyquist fN kemudian dapat didefinisikan

sebagai berikut:

(2.11)

di mana frekuensi fC adalah frekuensi maksimum dari sinyal

masukan fIn (t) .

Untuk situasi kedua, frekuensi fIn dari gelombang sinus pada

masukan masih lebih rendah dari setengah frekuensi clock fClk1.

Bentuk gelombang kasar dari fungsi masukan sinus juga dapat

dipertahankan dalam data sampel. Proses sampling semacam ini

disebut oversampling karena frekuensi sampling lebih besar dari

dua kali frekuensi masukan. Karena frekuensi sinyal masukan lebih

rendah dari setengah frekuensi sampling, itu juga disebut baseband

sampling.

Tapi, jika frekuensi masukan fIn lebih tinggi dari setengah

frekuensi clock fClk3 seperti yang dijelaskan dalam Persamaan.

(2.9), informasi dalam masukan tidak dapat diwakili secara unik.

Dalam hal ini, ini adalah situasi undersampling. Bertentangan

dengan baseband sampling yang dibahas di atas, proses sampling

semacam ini juga dikenal sebagai sampling harmonik, sampling

 bandpass, IF sampling, dan IF langsung ke konversi digital dalam

bacaan.

3.3.2.2 Sinyal Alias

Gambar. 2.6 menunjukkan juga ambiguitas laten dari sinyal

sampel dalam domain frekuensi, yaitu alias (replika) dari sinyal asli

fIn. Sinyal-sinyal alias terjadi di sekitar setiap kelipatan frekuensi

sampling fClk . Deskripsi yang tepat dari posisi komponen sinyal

dapat ditulis sebagai berikut:

Dimana i = 1,2,3… (2.12)

Sinyal-sinyal alias ini membuatnya tidak mungkin, misalnya,

untuk membedakan antara sinyal masukan di dalam zona Nyquist

1st dan sinyal di luar zona Nyquist 1st seperti digambarkan pada

Gambar. 2.6. Dalam keadaan tertentu, proses oversampling dapat

memiliki tindakan yang sama dengan proses undersampling.

Selain itu, kinerja proses sampling terdegradasi tidak hanya

oleh sinyal tak terduga di dekat sinyal masukan fIn di dalam zona

Nyquist yang sama, tetapi juga oleh sinyal yang memiliki

komponen gambaran jatuh dekat dengan sinyal masukan. Sinyal-

sinyal aliased menghasilkan komponen frekuensi spurious

komponen, yang menurunkan rasio signal to distortion dari sinyal

sampel di zona Nyquist yang sama dari sinyal masukan fIn .

 Sebuah filter anti aliasing dapat mengurangi gangguan

semacam ini. Untuk sampling baseband, kinerja filter anti aliasing

tergantung pada jarak antara frekuensi Nyquist fIn , frekuensi sudut,

dan frekuensi stopband dari filter dan jumlah atenuasi sinyal yang

diperlukan.

Pada sampling harmonik, untuk memastikan pembawa

frekuensi fC dari sinyal masukan diposisikan di pusat zona Nyquist,

ada dua kondisi yang harus dipertimbangkan:

(2.13)

dan

(2.14)

di mana ∆ fIn merupakan bandwidth dari sinyal masukan dan NZ

menunjukkan jumlah zona Nyquist di mana pembawa frekuensi fC

dapat ditemukan.

3.3.3 Proses Kuantisasi A/D Conversion

3.3.3.1 Kuantisasi Eror

Kesalahan kuantisasi adalah sifat dari proses konversi itu

sendiri. Kesalahan semacam ini tidak dapat diubah dan tidak dapat

diperbaiki. Gambar. 2.8 menunjukkan fungsi transfer dari A/D

Converter.
 Garis diagonal 𝛤 menggambarkan fungsi transfer analog ke

digital ideal dari A/D Converter ideal yang menunjukkan resolusi

tak terbatas dan least significant bit (LSB) dari fungsi transfer ini

sangat kecil. Kurva karakteristik seperti tangga D menggambarkan

fungsi transfer teoritis dari 3-bit A/D Conversion. Perbedaan antara

fungsi transfer ideal dari A/D Converter dengan resolusi tak

terbatas dan fungsi transfer teoritis dari A/D Converter dengan

resolusi terbatas ditetapkan sebagai D- 𝛤, seperti yang

diilustrasikan pada Gambar. 2.8, dan didefinisikan sebagai

kesalahan kuantisasi 𝜀 dari A/D Conversion. Karena kesalahan

kuantisasi 𝜀 bisa dipahami sebagai sinyal acak ketika melakukan

analisis transformasi Fourier diskrit (DFT) dari sinyal output,

kesalahan kuantisasi 𝜀 juga disebut quantization noise dalam

literatur ini. Menurut pengaturan pada Gambar. 2.8, kesalahan

kuantisasi dapat digambarkan sebagai berikut:

Definisi fungsi transfer D seperti yang ditunjukkan di atas

mengarah ke kesalahan kuantisasi 𝜀 yang tidak simetris dalam

Persamaan. (2.15). Sebagai akibatnya, integrasi kesalahan

kuantisasi 𝜀 atas rentang sinyal input analog sama dengan

− 1⁄2 𝐿𝑆𝐵 2 ,yang mana tidak sama dengan nol. Hal ini membuat

karakterisasi noise dari kesalahan kuantisasi 𝜀 menjadi lebih sulit

karena nilai rata-rata bukan nol.

Definisi alternatif adalah menggeser fungsi transfer ideal Γ

dan fungsi transfer teoritis D dari A/D Converter oleh 1⁄2 LSB ke

kanan, seperti yang digambarkan pada Gambar 2.9 dibawah ini.

 Hal ini menyebabkan distribusi kesalahan kuantisasi 𝜀 simetris

yang dapat digambarkan sebagai:

Sebagai konsekuensi dari definisi di atas dan Gambar 2.9,

integrasi kesalahan kuantisasi 𝜀 atas rentang sinyal input sama

dengan nol.

3.3.3.2 Perkiraan Kesalahan Kuantisasi Teoritis

Untuk memperkirakan nilai metode kesalahan kuantisasi 𝜀

seperti mean square error dan root-mean-square error (RMS

error) biasanya digunakan dalam literatur terbuka. Ini

memungkinkan perhitungan nilai absolut dari eror tanpa

menghilangkan nilai positifnya dengan nilai negatif. Definisi mean

square error dapat digambarkan sebagai berikut:

dimana fungsi g(x) adalah fungsi pendekatan dari fungsi f(x) dan

interval [a, b] menunjukkan di mana pendekatan telah diterapkan.

Menerapkan Persamaan. (2.17) ke A/D Conversion yang

ditunjukkan pada Gambar 2.9 mengarah ke hubungan berikut:

Sesuai nilai root-mean-square dari kesalahan kuantisasi 𝜀𝑅𝑀𝑆

dapat ditulis sebagai: