集微网消息, 鸿海集团近年来深耕印度市场, 尤其鸿海董事长郭台铭也曾多次亲征印度, 曾计划2015年8月宣布拟砸50亿美元, 在印度西部的马哈拉施特拉邦(Maharashtra)设立大型制造工厂, 预计未来5年带来5万个就业机会. 据台媒报道, 经过2年不确定与谈判失败后, 这一计划已成空头支票, 让当地印度官员相当失望.
印度财经媒体《Mint》报导, 马哈拉施特拉邦政府工业部长Subhash Desai表示, 「马哈拉施特拉邦必须尽早跳过富士康(鸿海)这件事」, 这意味鸿海可能无法兑现投资承诺. Subhash Desai说, 如果鸿海不来投资, 他与媒体一样都会感到失望, 但这对该邦并没有任何区别, 因为还有其他的外国直接投资计划相继涌入当中.
在2年多前宣布投资计划时, 外界预测鸿海可能协助大客户苹果在印度生产iPhone, 但后来却变成另一家台湾代工厂纬创, 在班加罗尔(Bengaluru)附近设厂代工生产4英寸的iPhone SE. 由于售价偏贵, iPhone在印度市场拓展速度缓慢, 估计市占率只有2.5%, 远不及中国大陆品牌, 第1家零售店也拖延多年尚未开出.
有人认为, 鸿海成功收购日本夏普或是影响后续投资计划的主因, 包括不兑现印度的投资承诺. 将夏普纳入集团旗下后, 鸿海对于液晶面板及电视产生浓厚投资兴趣, 除了2016年底与广州市政府合作, 在当地投资90亿美元建设最新一代液晶面板厂外, 去年又宣布在美国威斯康辛州投资上百亿美元, 生产面板及电视.
今年2月, 印度财政部长Arun Jaitley公布下年度预算时表示, 决定调高智能手机的进口关税, 对此业界多持正面态度, 认为有助于政府实现 '印度制造' 的目标. 据Moneycontrol.com报导, 印度政府将从4月1日起的新财政年度, 把对智能手机的进口关税由目前的15%调升至20%. 事实上, 一些相关特定零件与配件, 进口关税先前已从7.5~10%调高至15%.
据另一工业部门官员指出, 过去2年半鸿海与印度政府间的正式谈判并未取得成果, 如果说投资计划已经取消并不算错误, 包括寻找合适土地, 劳工法律, 中印边境风波, 以及环境影响等都主要关键因素. 事实上, 鸿海旗下的富智康, 已在印度拥有代工厂, 为小米等客户生产智能手机, 未来还将增加第3座代工厂.
2.英特尔芯片独特运算 或提速发展量子电脑;
荷兰量子计算公司QuTech 2月15日宣布, 与芯片制造商英特尔合作开发一款在硅芯片上运行的可编程双量子计算机.
研究人员使用了一种特殊类型的量子单元—— '自旋量子单元' , 在硅芯片上运行两种不同的量子算法.
自旋量子单元的优点是不需要苛刻的条件, 如极低温. 本质上讲, 自旋量子单元是受微波脉冲激活的电子.
一般的量子计算机系统, 如英特尔49-量子单元计算机, 依靠超导材料和温度接近绝对零度 (约为零下273摄氏度) 的极高技术要求, 因而其应用范围很小.
人们普遍认为, 量子计算机应该能够做到 '常规' 计算机无法完成的运算, 比如模拟复杂分子或无法被骇客攻破的通信. 量子计算似乎能改变一切.
但是这些都是美好的期待, 量子计算机与其它技术一样, 其发展受到各种因素限制. 目前量子计算机仍处于初级阶段.
虽然人们投入大量资源, 但是量子计算机只能做几件事情, 远未达到真正的实用水平.
业界认为, '自旋量子单元' 带来希望, 因为它并不是实质意义的量子计算机, 而是与现有普通计算机技术配合从而实现量子运算.
尤其是, 英特尔是硅芯片销售领域的全球领导者, 可以利用这方面的技术优势加快研制可实用的量子计算机.
技术人员在发布的白皮书中阐述, 自旋量子单元的独特优势在于电子层面操作, 能够与现有的计算机工作平台紧密配合.
研究者同时表示, 这种新型的量子单元系统初步通过实验检测, 尚需探讨更多性能.
目前, 量子计算机的发展似乎处于瓶颈状态, 技术人员需要100个量子单元的运算性能, 但尚未找到如何实现这种技术的方法.
也许, 英特尔和QuTech的硅芯片 '量子计算机' 将开辟一条新途径. 3.IoT应用五花八门MCU开发平台重要性日增;
物联网为MCU带来了庞大商机, 由于厂商竞争激烈, 如何降低成本同时提高效能以达到更好的性价比, 成为众业者的重要课题.
因应物联网多样化的应用需求, 微控制器(MCU)开发商近来不断提升产品性价比(Cost–Performance Ratio), 在新一代解决方案中增加更多新功能. 同时亦透过提供各种不同的周边服务与良好的开发环境, 以协助物联网应用开发商提高产品性能并加快上市时程.
意法半导体亚太区资深产品行销经理杨正廉表示(图1), 在未来, 无论是消费型, 商用, 工业用电子产品都将持续往注重感测, 连线功能这样的趋势进化, 最终会出现一个完整的物联网(IoT)架构. 然而, 目前还在此趋势进化的过程中, 因此物联网相关的MCU成长空间与应用想像空间都非常惊人, 商机可期.
也正由于物联网在未来的众多可能性, 使得MCU的任务越来越多元, 各种功能之间该如何整合成为厂商的重要课题. 杨正廉指出, 由于投入物联网MCU的厂商众多, 使得MCU的市场竞争越来越激烈. 在此红海市场, 该如何提高性价比成为重要的进展方向, 各家厂商也祭出看家本领以达到市场需求.
PPAC四大要点评估MCU性价比
在穿戴式装置, 家庭自动化, 感测等等物联网应用中, 要将不同功能串接在同一项设备之中的需求, 将为MCU带来考验. 除了降低硬件成本之外, 如何提升MCU效能成为拉抬性价比的另一重要方向. 晶心科技总经理林志明分享(图2), 晶心在评估MCU的工作效能时, 通常会透过「PPAC」四大要点评估. 也就是功耗(Power), 效能(Performance), 面积(Area), 程式码尺寸(Code Size)四大指标.
林志明进一步说明, 首先在MCU的功耗方面希望能够做到尽量省电; 其次在运算效能上要做到高即时性, 不能出现延迟; 另外, MCU的相对面积必须要小, 在一样效能表现的时候或是MCU所占用的面积较小, 便能相对提高价值; 最后, 由于MCU是以程式码作为基础, 必须要想办法使其尽量精简, 由此也能提高MCU的效能.
另一方面, 为因应物联网需求, 晶心召集了有关资讯安全, 物联网规格相关厂商, 一同制定物联网专用的Knect.me生态系统. 该生态系统的社群伙伴共同为连结装置设计人员提供SoC开发平台, 软件堆叠, 应用开发平台及开发工具, 可助其建构出高度竞争力的产品, 因应物联网日新月异的产业趋势.
ASSP MCU强调应用最佳化
由于万物联网需求将带动各种不同产品将搭载连线功能, 对于MCU领域而言将是一大挑战. 不同的设备在连动感测, 无线联网在与MCU串连时, 都将面临不同的系统整合考验. 在此状态下, 专用标准产品(ASSP) MCU成为了传统家电投身智能家电时性价比最高的选择.
盛群半导体业务行销中心副总经理蔡荣宗分享(图3), 由于物联网设备需求多元, 因此盛群针对物联网不同的设备需求开发了多种ASSP MCU产品. 以个人健康保健产品为例, 近年来血糖计, 血压计, 耳温枪等等产品, 都会有连网需求, 也需要能够串连手机App达成健康数据监控功能. 然而, 不同设备的感测技术不同, 对于放大器(OPA), 类比数位转换器(A/D), 输入/输出(I/O)等等技术的要求皆有不同, 因此MCU也必须要针对不同感测技术量身订做.
蔡荣宗进一步表示, 相对外商大厂而言, 盛群的22亿资本额相对较小, 但也相对不受大量生产的产品线压力影响. 盛群的最大优势便是在于灵活且具弹性, 效率的产线调配, 能快速因应需求达成少量多样的生产, 进而满足物联网时代的多种MCU需求.
另一方面, 蔡荣宗分享, 也由于物联网的多元需求, 相关的供应链需求日益复杂形式也一直在转变. 举例而言, 感测器厂商也会希望进一步将类比数位转换功能MCU内建在产品内, 成为一个更完整的模组销售. 针对此需求, 盛群亦开发出相关的MCU产品, 与该类型厂商合作. 期盼在此趋势之下, 能够顺应潮流创造更多不同的合作机会.
因此, 盛群除了思考持续稳固IC, MCU实力之外, 也于2016年成立子公司倍创科技, 直接销售电子模块. 蔡荣宗说明, 倍创的产品即是将盛群的MCU加上PCB销售, 让创客, 学生, 个人工作室都能够加快商品化速度, 缩短开发过程. 若是确认要大量生产, 可以进一步转向盛群直接购买MCU以降低大量采购成本.
开发平台降低MCU应用开发成本
物联网设备的连线需求随着使用情境而有差异, 对于MCU的需求也有不同. 对于竞争激烈的MCU厂商而言, 除了追求硬件成本的竞争力之外, 客户的应用开发成本, 上市时间也是必须考量的重要环节. 因此, 开发平台的完善与否, 也是MCU供应商的核心竞争力之一.
德州仪器半导体行销与应用嵌入式系统总监詹勋琪认为(图4), 物联网的特性使得MCU的客制化需求备受重视, 其中研发所投入的时间, 人力资源更是一大成本. 该支出也许无法直接反应在物料清单上, 然而投入的资金有时比晶片采购成本还高.
在物联网时代, 连线通讯功能成为MCU主要必须导入的重要技术, 然而在工业自动化, 楼宇自动化, 智慧家庭等等使用场景皆有不同的连线需求. 以智慧家庭为例, 在台湾住宅环境以公寓大楼为主, Wi-Fi与BLE技术即能满足多数应用需求, 然而在智慧工厂使用情境中, 所需要的连线距离可能必须使用ZigBee Mesh技术才能满足需求. 若是再考虑需要传输的数据资料量, 又多了许多考量的因素.
詹勋琪认为, MCU要达到高性价比, 除了硬件, 软件本身的成本考量之外, 降低研发所投入的资源也是提高性价比的另一种思维. 以物联网使用情境所需要连线功能MCU为例, 如何建立一个平台, 创造更多可以重复使用的价值, 并且能够以更快的速度提供客制化的MCU产品, 亦是创造高CP值产品的途径之一.
先进制程助MCU效能
由于物联网的兴起, 使得整合性, 低功耗需求变高, 此需求将进而将促使MCU必须要做到更先进的制程. 恩智浦半导体大中华区微处理器及微控制器产品行销经理黄健洲指出(图5), 先前的MCU制程主要是以0.18或是0.13为主, 然而未来若MCU要持续提升整合性与降低功耗, 势必要走向90纳米甚至是40纳米制程, 以达到效能的提升.
黄健洲认为进一步分享, 若要达到高性价比, 压低成本与提高效能二进展方向缺一不可. 以恩智浦的产品规划而言, 消费性的物联网产品目前是以32位元MCU为主. 然而, 由于在工业应用情境之中, 8位元MCU产品依然有其重要性, 市占也依然很高, 因此, 恩智浦也将会持续拓展, 维护8位元MCU产品线.
IoT拉抬32位元需求16位元市场逐渐萎缩林志明指出, 尽管目前8位元与32位元MCU市占比例不相上下, 然而8位元MCU市场已达饱和, 而32位元将会由于物联网需求而持续成长. 因此, 32位元MCU会是晶心未来主要投入的业务推广方向. 另一方面, 随着人工智慧以及越来越复杂的储存需求, 未来也将会开发64位元的MCU应用.
杨正廉预测, 由于未来MCU将持续往满足物联网需求的方向进化, 因此8位元MCU也将逐渐被32位元取代. 意法半导体的策略布局便是以各种不同功能的32位元通用型MCU, 满足客户的所有需求. 目前, 意法半导体已有超过700颗不同频率, 记忆体尺寸, 功能的通用型MCU, 更制作了手机App让业务人员能够与客户沟通推广MCU产品时更加顺畅(图6).
在ARM核心的开放开发环境之下, 研发人员利用32位元微控制器(MCU)开发应用的成本逐渐降低, 晶片价格亦因为供应商众多而随之下降. 尽管如此, 8位元MCU具备更低廉的价格, 加上低阶应用市场的规模依然庞大, 因此, 尽管32位元MCU出货量急起直追, 仍未超越8位元MCU. 相较之下, 16位元MCU便成为被8位元与32位元MCU夹杀的产品.
蔡荣宗认为, 以目前全球市场看来, 尽管32位元MCU产值较高, 然销售数量依然是以8位元MCU为大宗. 16位元MCU则处于被夹杀的状态, 由于8位元MCU的效能持续提升, 目前已足以满足较为低阶的16位元MCU应用需求; 32位元MCU的成本逐渐降低, 则瓜分了高阶的16位元MCU市场.
另一方面, 也由于8位元MCU的市场已相当成熟, 32位元尽管是后进规格, 然而在ARM的推广之下已建立了相当友善的开发环境与资源. 若厂商计画投入16位元市场, 则须另建立一套标准语言, 研发成本过高. 由此可预见, 未来16位元MCU市占将逐渐萎缩.
蔡荣宗指出, 目前市面上依然能见到一些16位元MCU的应用, 传统车用市场便占有相当比例. 然而, 依照未来车辆逐渐往自动化, 电动车的发展方向之下, 车用MCU也将由16位元逐渐转移至32位元. 新电子 4.半导体制程日新月异 NSD成ADC选择新指标;
近来, 高速和超高速ADC及数字处理在各种场合中普及率的不断提高, 让超取样(Oversampling)渐渐成为宽频和射频系统的一个实际可行的架构方法. 半导体制程的缩小化, 已促使速度的提升及成本的降低(费用, 功耗, 电路板面积等)达到相当大的改进, 让系统设计人员得以使用具有平坦杂讯频谱密度(Noise Spectral Density, NSD )的宽频转换器, 或是针对所需频带具有高动态范围的频带限制型Σ-Δ转换器, 来探索各种不同的转换和处理途径. 这些技术, 改变了设计工程师对于信号处理所需考虑的方式, 以及他们定义产品的方式.
NSD与其在关注频带上的分布, 可提供深入的探究, 以及转换器选择过程的参考指标.
如果要对运行速度差异很大的系统进行比较时, 或是要探讨软体定义系统是如何来处理不同带宽的信号时, 杂讯频谱密度通常会比信杂比(SNR)规格来得有用许多. 虽然杂讯频谱密度并不会取代掉其他的规格, 但它的确是一个值得加入分析工具箱中的有用项目.
SNR提供满幅信号功率资讯
当SNR被列入一数据转换器的规格书时, 它能提供相对于所有其他频率筐(Bin)中所存在的总杂讯功率, 以及满幅(Full-Scale)信号功率的相关资讯.
图1为一个对SNR及NSD进行比较的简化例子. 假设供给ADC的时脉频率为75MHz, 此图所显示的, 是针对输出数据进行快速傅利叶转换(FFT)时, 其中从直流到37.5MHz的频谱. 在此例中, 关注信号为唯一存在的强信号, 它刚好位于2MHz左右的位置上. 对于白杂讯(通常包括了量化和热杂讯)而言, 其杂讯会均匀分布于转换器的奈奎斯特(Nyquist)频带上. 在此例中, 它是从直流到37.5MHz.
由于关注信号是位于直流和4MHz之间, 可以很容易地先进行数字后处理, 过滤掉或丢弃所有高于4MHz的信号(只保留红色框中的信号). 在此, 会将7/8的杂讯处理掉, 并保持所有的信号能量, 基本上等于是将有效SNR值提高了9dB. 换句话说, 如果已知信号会是存在于一半的频带中, 我们实际上可以移除另一半的频带, 而只消除掉杂讯.
由此可得到一有用的经验法则: 在白杂讯存在的情况下, 处理增益可为超取样信号提供额外的3dB/octave SNR. 在图1的例子中, 可以应用这种技术于跨越3个octaves(因子8), 从而实现9dB的SNR改进.
当然, 如果信号是位于在DC和4MHz之间的某处, 就不需要使用到75MSPS的高速ADC来捕捉信号, 而只需9MSPS或10MSPS即可符合奈奎斯特取样定律的带宽要求. 事实上, 使用因数8来抽取(Decimate)75MSPS取样数据, 以便产生出9.375MSPS的有效数据速率, 而又保留关注频带中的杂讯基准(Noise Floor), 是可能做到的.
正确地执行抽取是很重要的. 如果只是简单地从每八个取样值中的抽掉七个值, 会导致杂讯折回(Fold Back)或混叠(Alias)入关注频带, 如此一来, 并不会改善到信杂比. 因此, 必须先进行滤波, 然后才执行抽取以实现处理增益.
即使在此情况下, 虽然一个完美的砖墙(Brick Wall)滤波器可消除所有这些杂讯, 并产生理想的3dB/octave处理增益, 但事实上具有这样特点的滤波器并不存在.
在实际面上, 滤波器停止带所需的拒斥量, 是需要达到多少处理增益的函数. 此外, 请记住3dB/octave经验法则是基于杂讯为白杂讯的假设, 对于大多数(但并非所有)的情况而言, 这是一个合理的假设.
然而, 当动态范围受到通过带中的非线性或其他寄生互调产物(Spurious Intermodulation Products)的来源所限制时, 就会出现一个重要的例外状况. 在此情况下, 滤波器和丢弃方法可能会(但也可能不会)捉取到会对性能造成限制的突波(Spur), 因此会需要有更加谨慎的频率规划方法.
SNR取样率转换为杂讯频谱密度
当频谱中存在一个以上的信号时, 例如FM广播频带上的众多电台, 情况会变得更加复杂.
就恢复任何单一信号而言, 最重要的并非数据转换器的整体杂讯, 而是落入关注频段中的转换器杂讯总量. 这就需要数字滤波和后处理, 来消除所有的带外(Out-of-Band)杂讯.
要减少落入红框区的杂讯总量, 可以有一些不同的做法. 其中的一种方法, 是选择具有较好SNR(较小杂讯)的ADC. 或者, 也可使用SNR相同, 但具有较高时脉频率的ADC(例如, 150MHz), 可以将突波打散在较宽的带宽上, 让红框区中留下的杂讯量降低.
NSD为更佳指标
这带来了一个新的问题: 是否有比SNR更好的指标, 能快速地比较转换器, 以便判定其红框区中的性能?
这就是杂讯频谱密度须被带入本讨论的地方. 透过以频谱密度(通常以相对于满幅的dBFS/Hz为单位)来描述杂讯, 就能比较具有不同取样率的ADC, 以判定在特定应用中, 何者的杂讯可能会最低.
表1所示, 为一具有70dB SNR的数据转换器, 它说明了从100MHz到2GHz的取样率范围中, 相对的NSD改进.
表2比较了几种差异很大的转换器, 这些转换器采用了不同SNR和取样率的组合. 但由于它们都具有相同的NSD, 因此其跨越于一个1MHz的频道上的总杂讯量是相同的. 请记得一点, 转换器的实际解析能力可能会比其有效位元(bit)数大许多, 这是由于许多的转换器需要额外的解析度, 以确保量化杂讯对于NSD的影响程度可以被忽略.
在传统的单载波系统中, 使用一10GSPS的转换器来捕捉1MHz信号似乎有些荒谬. 但在一多载波, 软体定义的环境, 这可能很可能是一设计人员会采取的确切做法. 一个可能的例子, 是有线电视的机上盒, 其内部可能使用了一2.7GSPS到3GSPS的全频谱调谐器, 来捕捉由数百个电视频道所构成有线电视信号, 其中每个频道的带宽为数MHz. 对于数据转换器而言, 传统上是以dBFS/Hz来做为杂讯频谱密度的表示单位, 也就是相对于满幅的每Hz的dB量测值. 此资讯提供了杂讯位准的一种输出参考测量(Output Referred Measurement), 或以dBm/Hz或什至dB mV/Hz为单位, 以提供一较具绝对性质的测量: 即数据转换器杂讯的输入参考指标(Input Referred Indication).
SNR, 满幅电压, 输入阻抗, 以及奈奎斯特带宽也可以用于计算ADC的有效杂讯数值. 但那将会是一相当复杂的计算.
超取样优点多
让ADC以较高的取样率来运作, 通常也意味着要消耗较高的功耗, 这包含了ADC本身和随后的数字处理, 表1说明了超取样在NSD上的优点. 但问题仍存在: 超取样真的值得吗?
如表2所示, 使用较低杂讯的转换器同样也能得到较好的NSD. 对于一个需要捕捉多个载波的系统而言, 需要以较高的取样率运行, 因此每个载波都是超取样. 尽管如此, 超取样仍然具有一些优点.
抗混叠滤波(Antialias Filtering)的简化: 取样行为会造成较高频率信号(和杂讯)因混叠而回落到转换器的奈奎斯特频带. 因此, 为了避免混叠伪像, 这些信号必须由位于ADC之前的滤波器来加以抑制. 这意味着滤波器的过渡带(Transition Band)必须落在期望的最高捕捉频率(FIN)与该频率的混叠(FSAMPLE, FIN). 当FIN接近的FSAMPLE的一半时, 该抗混叠滤波器的过渡带会变得非常窄, 因而需要非常高阶(High Order)的滤波器. 二到四倍的超取样原则上可在类比领域中减轻此一限制, 将工作转到较容易处理的数字领域中.
将折叠式转换器失真产物(Folding Converter Distortion Product)的影响于以最小化, 即使是对于一个完美的抗混叠滤波器来说, 都会导致缺陷, 在ADC中产生突波和其他失真产物, 包括一些非常高阶的谐波. 这些谐波也会折叠跨越(Fold Across)取样频率, 有可能会落入带内, 并对关注频带内的SNR造成一些限制. 在较高的取样率下, 所需频带会变成只是奈奎斯特带宽的一小部分, 因此可减少折叠的发生. 值得一提的是, 超取样也有助于频率规划, 避免其他的系统突波折叠回到带内.
处理增益会影响任何白杂讯: 这包括热和量化杂讯, 以及来自某些类型时脉抖动的杂讯.
随着转换器和数字处理的高速度化变得容易可行, 系统设计者现在已越趋频繁地在使用某种程度的超取样, 以充分利用上述的这些优点, 例如杂讯基准(Noise Floor)和FFT.
如图2所示, 利用频谱图观察杂讯基准的深度来进行转换器的比较, 是一种诱人的方式. 但在进行这样的比较时, 请务必记得频谱的绘制是取决于快速傅里叶变换的大小. 较大的FFT会将带宽分割成较多的筐(Bin), 因而让每个筐中所积累的杂讯会较少. 在此情况下, 频谱图很显然会显示出较低的杂讯基准, 但这只是一个绘图上的伪像.
事实上, 杂讯频谱密度并没有改变(这相当于是一种改变频谱分析仪解析度带宽的信号处理).
最终而言, 如果取样率和FFT大小都相同(或有适当地缩放), 则这种本底比较法是可以被接受的. 但如果并非如此, 则此种比较法可能会造成误导, 而这就是NSD标准能供有用的直接比较的场合.
到目前为止, 关于处理增益和超取样的讨论, 都是基于转换器在奈奎斯特带上的所有杂讯为平坦分布的假设. 这在许多情况下可算是一个合理的近似假设, 但还是有一些此类假设不成立的情况.
例如, 前面已提到, 虽然超取样系统可能提供一些频率规划和突波处理时的优点, 但处理增益并不一定真正适用于突波上. 除此之外, 1/f杂讯和某些类型的振荡器相位杂讯会有频谱塑形(Spectral Shaping), 而处理增益计算也不适用于这种情况.
杂讯不平坦会发生的重要环境之一, 是在使用Σ-Δ转换器时. Σ-Δ调变器会在量化器上使用到回授, 来塑形调变器的量化杂讯, 从而降低了会落入关注频带中的杂讯, 代价则是提高了带外杂讯, 如图3所示.
即使没有全面的分析, 我们也可以看得出来, 使用NSD来做为判定带内可用动态范围的规格参数, 特别适用于Σ-Δ调变器. 图4显示了一高速, 带通, Σ-ΔADC的杂讯基准的局部放大图. 在整个关注的75MHz频带(中心频率为225MHz)中, 杂讯约为-160dBFS/Hz, 提供了超过74dBFS的SNR.
减小信号带宽减小动态范围提高在图5中我们比较了五个ADC: 一12位元2.5GSPS(紫色曲线), 一时脉为500MSPS的14位元1.25GSPS ADC(红色曲线), 一时脉为1GSPS(绿色曲线), 一时脉为3GSPS的14位元3GSPS ADC, (灰色曲线), 以及一时脉为500MSPS的不同14位元500MSPS(蓝色曲线), 最后一个则是前面提到的带通Σ-Δ ADC. 前5个情况是使用一近似白噪(平坦)杂讯的杂讯基准来进行评价, 而Σ-Δ ADC则是具有浴缸形杂讯频谱密度, 其在关注频带中有一低杂讯分布, 如图4所示.