集微網消息, 鴻海集團近年來深耕印度市場, 尤其鴻海董事長郭台銘也曾多次親征印度, 曾計劃2015年8月宣布擬砸50億美元, 在印度西部的馬哈拉施特拉邦(Maharashtra)設立大型製造工廠, 預計未來5年帶來5萬個就業機會. 據台媒報道, 經過2年不確定與談判失敗後, 這一計劃已成空頭支票, 讓當地印度官員相當失望.
印度財經媒體《Mint》報導, 馬哈拉施特拉邦政府工業部長Subhash Desai表示, 「馬哈拉施特拉邦必須儘早跳過富士康(鴻海)這件事」, 這意味鴻海可能無法兌現投資承諾. Subhash Desai說, 如果鴻海不來投資, 他與媒體一樣都會感到失望, 但這對該邦並沒有任何區別, 因為還有其他的外國直接投資計劃相繼湧入當中.
在2年多前宣布投資計劃時, 外界預測鴻海可能協助大客戶蘋果在印度生產iPhone, 但後來卻變成另一家台灣代工廠緯創, 在班加羅爾(Bengaluru)附近設廠代工生產4英寸的iPhone SE. 由於售價偏貴, iPhone在印度市場拓展速度緩慢, 估計市佔率只有2.5%, 遠不及中國大陸品牌, 第1家零售店也拖延多年尚未開出.
有人認為, 鴻海成功收購日本夏普或是影響後續投資計劃的主因, 包括不兌現印度的投資承諾. 將夏普納入集團旗下後, 鴻海對於液晶面板及電視產生濃厚投資興趣, 除了2016年底與廣州市政府合作, 在當地投資90億美元建設最新一代液晶面板廠外, 去年又宣布在美國威斯康辛州投資上百億美元, 生產面板及電視.
今年2月, 印度財政部長Arun Jaitley公布下年度預算時表示, 決定調高智能手機的進口關稅, 對此業界多持正面態度, 認為有助於政府實現 '印度製造' 的目標. 據Moneycontrol.com報導, 印度政府將從4月1日起的新財政年度, 把對智能手機的進口關稅由目前的15%調升至20%. 事實上, 一些相關特定零件與配件, 進口關稅先前已從7.5~10%調高至15%.
據另一工業部門官員指出, 過去2年半鴻海與印度政府間的正式談判並未取得成果, 如果說投資計劃已經取消並不算錯誤, 包括尋找合適土地, 勞工法律, 中印邊境風波, 以及環境影響等都主要關鍵因素. 事實上, 鴻海旗下的富智康, 已在印度擁有代工廠, 為小米等客戶生產智能手機, 未來還將增加第3座代工廠.
2.英特爾晶片獨特運算 或提速發展量子電腦;
荷蘭量子計算公司QuTech 2月15日宣布, 與晶片製造商英特爾合作開發一款在矽晶片上運行的可編程雙量子計算機.
研究人員使用了一種特殊類型的量子單元—— '自旋量子單元' , 在矽晶片上運行兩種不同的量子演算法.
自旋量子單元的優點是不需要苛刻的條件, 如極低溫. 本質上講, 自旋量子單元是受微波脈衝激活的電子.
一般的量子計算機系統, 如英特爾49-量子單元計算機, 依靠超導材料和溫度接近絕對零度 (約為零下273攝氏度) 的極高技術要求, 因而其應用範圍很小.
人們普遍認為, 量子計算機應該能夠做到 '常規' 計算機無法完成的運算, 比如類比複雜分子或無法被駭客攻破的通信. 量子計算似乎能改變一切.
但是這些都是美好的期待, 量子計算機與其它技術一樣, 其發展受到各種因素限制. 目前量子計算機仍處於初級階段.
雖然人們投入大量資源, 但是量子計算機只能做幾件事情, 遠未達到真正的實用水平.
業界認為, '自旋量子單元' 帶來希望, 因為它並不是實質意義的量子計算機, 而是與現有普通計算機技術配合從而實現量子運算.
尤其是, 英特爾是矽晶片銷售領域的全球領導者, 可以利用這方面的技術優勢加快研製可實用的量子計算機.
技術人員在發布的白皮書中闡述, 自旋量子單元的獨特優勢在於電子層面操作, 能夠與現有的計算機工作平台緊密配合.
研究者同時表示, 這種新型的量子單元系統初步通過實驗檢測, 尚需探討更多性能.
目前, 量子計算機的發展似乎處於瓶頸狀態, 技術人員需要100個量子單元的運算性能, 但尚未找到如何實現這種技術的方法.
也許, 英特爾和QuTech的矽晶片 '量子計算機' 將開闢一條新途徑. 3.IoT應用五花八門MCU開發平台重要性日增;
物聯網為MCU帶來了龐大商機, 由於廠商競爭激烈, 如何降低成本同時提高效能以達到更好的性價比, 成為眾業者的重要課題.
因應物聯網多樣化的應用需求, 微控制器(MCU)開發商近來不斷提升產品性價比(Cost–Performance Ratio), 在新一代解決方案中增加更多新功能. 同時亦透過提供各種不同的周邊服務與良好的開發環境, 以協助物聯網應用開發商提高產品性能並加快上市時程.
意法半導體亞太區資深產品行銷經理楊正廉表示(圖1), 在未來, 無論是消費型, 商用, 工業用電子產品都將持續往注重感測, 連線功能這樣的趨勢進化, 最終會出現一個完整的物聯網(IoT)架構. 然而, 目前還在此趨勢進化的過程中, 因此物聯網相關的MCU成長空間與應用想像空間都非常驚人, 商機可期.
也正由於物聯網在未來的眾多可能性, 使得MCU的任務越來越多元, 各種功能之間該如何整合成為廠商的重要課題. 楊正廉指出, 由於投入物聯網MCU的廠商眾多, 使得MCU的市場競爭越來越激烈. 在此紅海市場, 該如何提高性價比成為重要的進展方向, 各家廠商也祭出看家本領以達到市場需求.
PPAC四大要點評估MCU性價比
在穿戴式裝置, 家庭自動化, 感測等等物聯網應用中, 要將不同功能串接在同一項設備之中的需求, 將為MCU帶來考驗. 除了降低硬體成本之外, 如何提升MCU效能成為拉抬性價比的另一重要方向. 晶心科技總經理林志明分享(圖2), 晶心在評估MCU的工作效能時, 通常會透過「PPAC」四大要點評估. 也就是功耗(Power), 效能(Performance), 面積(Area), 程式碼尺寸(Code Size)四大指標.
林志明進一步說明, 首先在MCU的功耗方面希望能夠做到盡量省電; 其次在運算效能上要做到高即時性, 不能出現延遲; 另外, MCU的相對面積必須要小, 在一樣效能表現的時候或是MCU所佔用的面積較小, 便能相對提高價值; 最後, 由於MCU是以程式碼作為基礎, 必須要想辦法使其盡量精簡, 由此也能提高MCU的效能.
另一方面, 為因應物聯網需求, 晶心召集了有關資訊安全, 物聯網規格相關廠商, 一同制定物聯網專用的Knect.me生態系統. 該生態系統的社群夥伴共同為連結裝置設計人員提供SoC開發平台, 軟體堆疊, 應用開發平台及開發工具, 可助其建構出高度競爭力的產品, 因應物聯網日新月異的產業趨勢.
ASSP MCU強調應用最佳化
由於萬物聯網需求將帶動各種不同產品將搭載連線功能, 對於MCU領域而言將是一大挑戰. 不同的設備在連動感測, 無線聯網在與MCU串連時, 都將面臨不同的系統整合考驗. 在此狀態下, 專用標準產品(ASSP) MCU成為了傳統家電投身智能家電時性價比最高的選擇.
盛群半導體業務行銷中心副總經理蔡榮宗分享(圖3), 由於物聯網設備需求多元, 因此盛群針對物聯網不同的設備需求開發了多種ASSP MCU產品. 以個人健康保健產品為例, 近年來血糖計, 血壓計, 耳溫槍等等產品, 都會有連網需求, 也需要能夠串連手機App達成健康數據監控功能. 然而, 不同設備的感測技術不同, 對於放大器(OPA), 類比數位轉換器(A/D), 輸入/輸出(I/O)等等技術的要求皆有不同, 因此MCU也必須要針對不同感測技術量身訂做.
蔡榮宗進一步表示, 相對外商大廠而言, 盛群的22億資本額相對較小, 但也相對不受大量生產的產品線壓力影響. 盛群的最大優勢便是在於靈活且具彈性, 效率的產線調配, 能快速因應需求達成少量多樣的生產, 進而滿足物聯網時代的多種MCU需求.
另一方面, 蔡榮宗分享, 也由於物聯網的多元需求, 相關的供應鏈需求日益複雜形式也一直在轉變. 舉例而言, 感測器廠商也會希望進一步將類比數位轉換功能MCU內建在產品內, 成為一個更完整的模組銷售. 針對此需求, 盛群亦開發出相關的MCU產品, 與該類型廠商合作. 期盼在此趨勢之下, 能夠順應潮流創造更多不同的合作機會.
因此, 盛群除了思考持續穩固IC, MCU實力之外, 也於2016年成立子公司倍創科技, 直接銷售電子模組. 蔡榮宗說明, 倍創的產品即是將盛群的MCU加上PCB銷售, 讓創客, 學生, 個人工作室都能夠加快商品化速度, 縮短開發過程. 若是確認要大量生產, 可以進一步轉向盛群直接購買MCU以降低大量採購成本.
開發平台降低MCU應用開發成本
物聯網設備的連線需求隨著使用情境而有差異, 對於MCU的需求也有不同. 對於競爭激烈的MCU廠商而言, 除了追求硬體成本的競爭力之外, 客戶的應用開發成本, 上市時間也是必須考量的重要環節. 因此, 開發平台的完善與否, 也是MCU供應商的核心競爭力之一.
德州儀器半導體行銷與應用嵌入式系統總監詹勳琪認為(圖4), 物聯網的特性使得MCU的客制化需求備受重視, 其中研發所投入的時間, 人力資源更是一大成本. 該支出也許無法直接反應在物料清單上, 然而投入的資金有時比晶片採購成本還高.
在物聯網時代, 連線通訊功能成為MCU主要必須導入的重要技術, 然而在工業自動化, 樓宇自動化, 智慧家庭等等使用場景皆有不同的連線需求. 以智慧家庭為例, 在台灣住宅環境以公寓大樓為主, Wi-Fi與BLE技術即能滿足多數應用需求, 然而在智慧工廠使用情境中, 所需要的連線距離可能必須使用ZigBee Mesh技術才能滿足需求. 若是再考慮需要傳輸的數據資料量, 又多了許多考量的因素.
詹勳琪認為, MCU要達到高性價比, 除了硬體, 軟體本身的成本考量之外, 降低研發所投入的資源也是提高性價比的另一種思維. 以物聯網使用情境所需要連線功能MCU為例, 如何建立一個平台, 創造更多可以重複使用的價值, 並且能夠以更快的速度提供客制化的MCU產品, 亦是創造高CP值產品的途徑之一.
先進位程助MCU效能
由於物聯網的興起, 使得整合性, 低功耗需求變高, 此需求將進而將促使MCU必須要做到更先進的製程. 恩智浦半導體大中華區微處理器及微控制器產品行銷經理黃健洲指出(圖5), 先前的MCU製程主要是以0.18或是0.13為主, 然而未來若MCU要持續提升整合性與降低功耗, 勢必要走向90納米甚至是40納米製程, 以達到效能的提升.
黃健洲認為進一步分享, 若要達到高性價比, 壓低成本與提高效能二進展方向缺一不可. 以恩智浦的產品規劃而言, 消費性的物聯網產品目前是以32位元MCU為主. 然而, 由於在工業應用情境之中, 8位元MCU產品依然有其重要性, 市佔也依然很高, 因此, 恩智浦也將會持續拓展, 維護8位元MCU產品線.
IoT拉抬32位元需求16位元市場逐漸萎縮林志明指出, 儘管目前8位元與32位元MCU市佔比例不相上下, 然而8位元MCU市場已達飽和, 而32位元將會由於物聯網需求而持續成長. 因此, 32位元MCU會是晶心未來主要投入的業務推廣方向. 另一方面, 隨著人工智慧以及越來越複雜的儲存需求, 未來也將會開發64位元的MCU應用.
楊正廉預測, 由於未來MCU將持續往滿足物聯網需求的方向進化, 因此8位元MCU也將逐漸被32位元取代. 意法半導體的策略布局便是以各種不同功能的32位元通用型MCU, 滿足客戶的所有需求. 目前, 意法半導體已有超過700顆不同頻率, 記憶體尺寸, 功能的通用型MCU, 更製作了手機App讓業務人員能夠與客戶溝通推廣MCU產品時更加順暢(圖6).
在ARM核心的開放開發環境之下, 研發人員利用32位元微控制器(MCU)開發應用的成本逐漸降低, 晶片價格亦因為供應商眾多而隨之下降. 儘管如此, 8位元MCU具備更低廉的價格, 加上低階應用市場的規模依然龐大, 因此, 儘管32位元MCU出貨量急起直追, 仍未超越8位元MCU. 相較之下, 16位元MCU便成為被8位元與32位元MCU夾殺的產品.
蔡榮宗認為, 以目前全球市場看來, 儘管32位元MCU產值較高, 然銷售數量依然是以8位元MCU為大宗. 16位元MCU則處於被夾殺的狀態, 由於8位元MCU的效能持續提升, 目前已足以滿足較為低階的16位元MCU應用需求; 32位元MCU的成本逐漸降低, 則瓜分了高階的16位元MCU市場.
另一方面, 也由於8位元MCU的市場已相當成熟, 32位元儘管是後進規格, 然而在ARM的推廣之下已建立了相當友善的開發環境與資源. 若廠商計畫投入16位元市場, 則須另建立一套標準語言, 研發成本過高. 由此可預見, 未來16位元MCU市佔將逐漸萎縮.
蔡榮宗指出, 目前市面上依然能見到一些16位元MCU的應用, 傳統車用市場便佔有相當比例. 然而, 依照未來車輛逐漸往自動化, 電動車的發展方向之下, 車用MCU也將由16位元逐漸轉移至32位元. 新電子 4.半導體製程日新月異 NSD成ADC選擇新指標;
近來, 高速和超高速ADC及數字處理在各種場合中普及率的不斷提高, 讓超取樣(Oversampling)漸漸成為寬頻和射頻系統的一個實際可行的架構方法. 半導體製程的縮小化, 已促使速度的提升及成本的降低(費用, 功耗, 電路板面積等)達到相當大的改進, 讓系統設計人員得以使用具有平坦雜訊頻譜密度(Noise Spectral Density, NSD )的寬頻轉換器, 或是針對所需頻帶具有高動態範圍的頻帶限制型Σ-Δ轉換器, 來探索各種不同的轉換和處理途徑. 這些技術, 改變了設計工程師對於訊號處理所需考慮的方式, 以及他們定義產品的方式.
NSD與其在關注頻帶上的分布, 可提供深入的探究, 以及轉換器選擇過程的參考指標.
如果要對運行速度差異很大的系統進行比較時, 或是要探討軟體定義系統是如何來處理不同頻寬的訊號時, 雜訊頻譜密度通常會比信雜比(SNR)規格來得有用許多. 雖然雜訊頻譜密度並不會取代掉其他的規格, 但它的確是一個值得加入分析工具箱中的有用項目.
SNR提供滿幅訊號功率資訊
當SNR被列入一數據轉換器的規格書時, 它能提供相對於所有其他頻率筐(Bin)中所存在的總雜訊功率, 以及滿幅(Full-Scale)訊號功率的相關資訊.
圖1為一個對SNR及NSD進行比較的簡化例子. 假設供給ADC的時脈頻率為75MHz, 此圖所顯示的, 是針對輸出數據進行快速傅利葉轉換(FFT)時, 其中從直流到37.5MHz的頻譜. 在此例中, 關注訊號為唯一存在的強訊號, 它剛好位於2MHz左右的位置上. 對於白雜訊(通常包括了量化和熱雜訊)而言, 其雜訊會均勻分佈於轉換器的奈奎斯特(Nyquist)頻帶上. 在此例中, 它是從直流到37.5MHz.
由於關注訊號是位於直流和4MHz之間, 可以很容易地先進行數字後處理, 過濾掉或丟棄所有高於4MHz的訊號(只保留紅色框中的訊號). 在此, 會將7/8的雜訊處理掉, 並保持所有的訊號能量, 基本上等於是將有效SNR值提高了9dB. 換句話說, 如果已知訊號會是存在於一半的頻帶中, 我們實際上可以移除另一半的頻帶, 而只消除掉雜訊.
由此可得到一有用的經驗法則: 在白雜訊存在的情況下, 處理增益可為超取樣訊號提供額外的3dB/octave SNR. 在圖1的例子中, 可以應用這種技術於跨越3個octaves(因子8), 從而實現9dB的SNR改進.
當然, 如果訊號是位於在DC和4MHz之間的某處, 就不需要使用到75MSPS的高速ADC來捕捉訊號, 而只需9MSPS或10MSPS即可符合奈奎斯特取樣定律的頻寬要求. 事實上, 使用因數8來抽取(Decimate)75MSPS取樣數據, 以便產生出9.375MSPS的有效數據速率, 而又保留關注頻帶中的雜訊基準(Noise Floor), 是可能做到的.
正確地執行抽取是很重要的. 如果只是簡單地從每八個取樣值中的抽掉七個值, 會導致雜訊折回(Fold Back)或混疊(Alias)入關注頻帶, 如此一來, 並不會改善到信雜比. 因此, 必須先進行濾波, 然後才執行抽取以實現處理增益.
即使在此情況下, 雖然一個完美的磚牆(Brick Wall)濾波器可消除所有這些雜訊, 併產生理想的3dB/octave處理增益, 但事實上具有這樣特點的濾波器並不存在.
在實際面上, 濾波器停止帶所需的拒斥量, 是需要達到多少處理增益的函數. 此外, 請記住3dB/octave經驗法則是基於雜訊為白雜訊的假設, 對於大多數(但並非所有)的情況而言, 這是一個合理的假設.
然而, 當動態範圍受到通過帶中的非線性或其他寄生互調產物(Spurious Intermodulation Products)的來源所限制時, 就會出現一個重要的例外狀況. 在此情況下, 濾波器和丟棄方法可能會(但也可能不會)捉取到會對性能造成限制的突波(Spur), 因此會需要有更加謹慎的頻率規劃方法.
SNR取樣率轉換為雜訊頻譜密度
當頻譜中存在一個以上的訊號時, 例如FM廣播頻帶上的眾多電台, 情況會變得更加複雜.
就恢複任何單一訊號而言, 最重要的並非數據轉換器的整體雜訊, 而是落入關注頻段中的轉換器雜訊總量. 這就需要數字濾波和後處理, 來消除所有的帶外(Out-of-Band)雜訊.
要減少落入紅框區的雜訊總量, 可以有一些不同的做法. 其中的一種方法, 是選擇具有較好SNR(較小雜訊)的ADC. 或者, 也可使用SNR相同, 但具有較高時脈頻率的ADC(例如, 150MHz), 可以將突波打散在較寬的頻寬上, 讓紅框區中留下的雜訊量降低.
NSD為更佳指標
這帶來了一個新的問題: 是否有比SNR更好的指標, 能快速地比較轉換器, 以便判定其紅框區中的性能?
這就是雜訊頻譜密度須被帶入本討論的地方. 透過以頻譜密度(通常以相對於滿幅的dBFS/Hz為單位)來描述雜訊, 就能比較具有不同取樣率的ADC, 以判定在特定應用中, 何者的雜訊可能會最低.
表1所示, 為一具有70dB SNR的數據轉換器, 它說明了從100MHz到2GHz的取樣率範圍中, 相對的NSD改進.
表2比較了幾種差異很大的轉換器, 這些轉換器採用了不同SNR和取樣率的組合. 但由於它們都具有相同的NSD, 因此其跨越於一個1MHz的頻道上的總雜訊量是相同的. 請記得一點, 轉換器的實際解析能力可能會比其有效位元(bit)數大許多, 這是由於許多的轉換器需要額外的解析度, 以確保量化雜訊對於NSD的影響程度可以被忽略.
在傳統的單載波系統中, 使用一10GSPS的轉換器來捕捉1MHz訊號似乎有些荒謬. 但在一多載波, 軟體定義的環境, 這可能很可能是一設計人員會採取的確切做法. 一個可能的例子, 是有線電視的機上盒, 其內部可能使用了一2.7GSPS到3GSPS的全頻譜調諧器, 來捕捉由數百個電視頻道所構成有線電視訊號, 其中每個頻道的頻寬為數MHz. 對於數據轉換器而言, 傳統上是以dBFS/Hz來做為雜訊頻譜密度的表示單位, 也就是相對於滿幅的每Hz的dB量測值. 此資訊提供了雜訊位準的一種輸出參考測量(Output Referred Measurement), 或以dBm/Hz或什至dB mV/Hz為單位, 以提供一較具絕對性質的測量: 即數據轉換器雜訊的輸入參考指標(Input Referred Indication).
SNR, 滿幅電壓, 輸入阻抗, 以及奈奎斯特頻寬也可以用於計算ADC的有效雜訊數值. 但那將會是一相當複雜的計算.
超取樣優點多
讓ADC以較高的取樣率來運作, 通常也意味著要消耗較高的功耗, 這包含了ADC本身和隨後的數字處理, 表1說明了超取樣在NSD上的優點. 但問題仍存在: 超取樣真的值得嗎?
如表2所示, 使用較低雜訊的轉換器同樣也能得到較好的NSD. 對於一個需要捕捉多個載波的系統而言, 需要以較高的取樣率運行, 因此每個載波都是超取樣. 儘管如此, 超取樣仍然具有一些優點.
抗混疊濾波(Antialias Filtering)的簡化: 取樣行為會造成較高頻率訊號(和雜訊)因混疊而回落到轉換器的奈奎斯特頻帶. 因此, 為了避免混疊偽像, 這些訊號必須由位於ADC之前的濾波器來加以抑制. 這意味著濾波器的過渡帶(Transition Band)必須落在期望的最高捕捉頻率(FIN)與該頻率的混疊(FSAMPLE, FIN). 當FIN接近的FSAMPLE的一半時, 該抗混疊濾波器的過渡帶會變得非常窄, 因而需要非常高階(High Order)的濾波器. 二到四倍的超取樣原則上可在類比領域中減輕此一限制, 將工作轉到較容易處理的數字領域中.
將摺疊式轉換器失真產物(Folding Converter Distortion Product)的影響於以最小化, 即使是對於一個完美的抗混疊濾波器來說, 都會導致缺陷, 在ADC中產生突波和其他失真產物, 包括一些非常高階的諧波. 這些諧波也會摺疊跨越(Fold Across)取樣頻率, 有可能會落入帶內, 並對關注頻帶內的SNR造成一些限制. 在較高的取樣率下, 所需頻帶會變成只是奈奎斯特頻寬的一小部分, 因此可減少摺疊的發生. 值得一提的是, 超取樣也有助於頻率規劃, 避免其他的系統突波摺疊回到帶內.
處理增益會影響任何白雜訊: 這包括熱和量化雜訊, 以及來自某些類型時脈抖動的雜訊.
隨著轉換器和數字處理的高速度化變得容易可行, 系統設計者現在已越趨頻繁地在使用某種程度的超取樣, 以充分利用上述的這些優點, 例如雜訊基準(Noise Floor)和FFT.
如圖2所示, 利用頻譜圖觀察雜訊基準的深度來進行轉換器的比較, 是一種誘人的方式. 但在進行這樣的比較時, 請務必記得頻譜的繪製是取決於快速傅裡葉變換的大小. 較大的FFT會將頻寬分割成較多的筐(Bin), 因而讓每個筐中所積累的雜訊會較少. 在此情況下, 頻譜圖很顯然會顯示出較低的雜訊基準, 但這隻是一個繪圖上的偽像.
事實上, 雜訊頻譜密度並沒有改變(這相當於是一種改變頻譜分析儀解析度頻寬的訊號處理).
最終而言, 如果取樣率和FFT大小都相同(或有適當地縮放), 則這種本底比較法是可以被接受的. 但如果並非如此, 則此種比較法可能會造成誤導, 而這就是NSD標準能供有用的直接比較的場合.
到目前為止, 關於處理增益和超取樣的討論, 都是基於轉換器在奈奎斯特帶上的所有雜訊為平坦分布的假設. 這在許多情況下可算是一個合理的近似假設, 但還是有一些此類假設不成立的情況.
例如, 前面已提到, 雖然超取樣系統可能提供一些頻率規劃和突波處理時的優點, 但處理增益並不一定真正適用於突波上. 除此之外, 1/f雜訊和某些類型的振蕩器相位雜訊會有頻譜塑形(Spectral Shaping), 而處理增益計算也不適用於這種情況.
雜訊不平坦會發生的重要環境之一, 是在使用Σ-Δ轉換器時. Σ-Δ調變器會在量化器上使用到回授, 來塑形調變器的量化雜訊, 從而降低了會落入關注頻帶中的雜訊, 代價則是提高了帶外雜訊, 如圖3所示.
即使沒有全面的分析, 我們也可以看得出來, 使用NSD來做為判定帶內可用動態範圍的規格參數, 特別適用於Σ-Δ調變器. 圖4顯示了一高速, 帶通, Σ-ΔADC的雜訊基準的局部放大圖. 在整個關注的75MHz頻帶(中心頻率為225MHz)中, 雜訊約為-160dBFS/Hz, 提供了超過74dBFS的SNR.
減小訊號頻寬減小動態範圍提高在圖5中我們比較了五個ADC: 一12位元2.5GSPS(紫色曲線), 一時脈為500MSPS的14位元1.25GSPS ADC(紅色曲線), 一時脈為1GSPS(綠色曲線), 一時脈為3GSPS的14位元3GSPS ADC, (灰色曲線), 以及一時脈為500MSPS的不同14位元500MSPS(藍色曲線), 最後一個則是前面提到的帶通Σ-Δ ADC. 前5個情況是使用一近似白噪(平坦)雜訊的雜訊基準來進行評價, 而Σ-Δ ADC則是具有浴缸形雜訊頻譜密度, 其在關注頻帶中有一低雜訊分布, 如圖4所示.