AD7606, 逐次逼近型ADC以及一次被GPT坑了的过程.
首先, 我的项目中, 已有的一个ADC芯片, 8通道, 并行, Analog家的ad7606, 在采集高速的正弦信号的时候, 我发现采集到的值怎么都不太对.
但是宏观来看, 并没有太大问题,
首先我怀疑的是量程问题, 接入一个5伏直流, 得到的读数确实是接近16bit的正半量程的读数, 32xxx.
接着我用信号发生器, 发出一个正弦波, 也没有发现问题:
在此之前, 我甚至问过gpt, ad7606, 是不是逐次逼近型的adc, 虽然那个时候我并不清楚啥是逐次逼近型adc:
然后劈里啪拉跟我解释了半天采样的过程.
但是由于没找到问题的根本, 我换了方波才测试adc的准确性, 确切的说, 到这个时候我还不知道什么叫做瞬态响应;
下面绿色的是一个1.9伏的方波, 调解了频率后, 有可能波峰的范围一半在8个连续的adc采样周期(上图黄色通道)内, 可见:
-
蓝色通道的每次约4us的时间, 就是ad7606所谓的busy时间, 也就是采样+转换的时间
-
问了gpt数次, ad7606获得电压的准确时刻是在什么时候, 答曰, 就是在CONVSTA/B被下拉的瞬间, 电平就被锁定了…
最后我还确认了, 采样几乎是瞬间完成的, 即上面图中的箭头部分的电平, 即最终adc的结果:
- 但是实际, 通过在线debug, 看到的值, 居然有中间值…
理论上, 不论6是啥, 7, 8必须是0左右啊…
甚至, 我把每个采样周期中间间隔了10us, 看到的现象是一样的.
问题到底在哪?
直到我把ad7606的规格书又翻了一遍:
GPT嘴才没有那么硬了…
原来逐次逼近型的adc, 需要多个周期才能接近真实的输入电平…
ad7606需要大概2-3个周期…
唉…以后还是小心点儿吧…
相关文章：
AD7606, 逐次逼近型ADC以及一次被GPT坑了的过程.
首先, 我的项目中, 已有的一个ADC芯片, 8通道, 并行, Analog家的ad7606, 在采集高速的正弦信号的时候, 我发现采集到的值怎么都不太对. 但是宏观来看, 并没有太大问题, 首先我怀疑的是量程问题, 接入一个5伏直流, 得到的读数确实是接近16bit的正半量程的读数, 32xxx. 接着我用信…...
抬手、放手识别算法
在一款智能手表中， 平时手表处于息屏的状态， 用于节省功耗，延长使用时间。 在用户进行抬手的时候，其实是希望能够及时看一下时间、消息通知等信息的。这时手表应该能够检测到用户的抬手动作，自动进行屏幕的点亮。当用户…...
深度学习篇---AnacondaLabelImg
文章目录 前言第一部分：Anaconda是什么？1.简介2.特点（1）包管理器Conda（2）环境管理（3）预装包（4）跨平台（5）社区支持 3.安装WindowsLinux…...
探索云原生可观测性：技术与团队协作的深度结合
TheNewStack 出品的电子书《Cloud Native Observability for DevOps Teams》读后感，老书新读，还是另有一番领悟。 阅读原文请转到：https://jimmysong.io/blog/cloud-native-observability-devops/ 最近读了 TheNewStack 发布的电子书《Cloud …...
解决 Django 5.1 中的 TemplateSyntaxError 错误
解决 Django 5.1 中的 TemplateSyntaxError 错误 在 Django 开发过程中，我们经常会遇到 TemplateSyntaxError 错误，尤其是在模板文件中使用不被支持或错误的模板标签时。最近，我们遇到的一个常见错误是： Invalid block tag on l…...
基于SSM的自助购药小程序设计与实现（LW+源码+讲解）
专注于大学生项目实战开发,讲解,毕业答疑辅导，欢迎高校老师/同行前辈交流合作✌。 技术范围：SpringBoot、Vue、SSM、HLMT、小程序、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容：…...
04JavaWeb——Maven-SpringBootWeb入门
Maven 课程内容 初识Maven Maven概述 Maven模型介绍 Maven仓库介绍 Maven安装与配置 IDEA集成Maven 依赖管理 01. Maven课程介绍 1.1 课程安排 学习完前端Web开发技术后，我们即将开始学习后端Web开发技术。做为一名Java开发工程师，后端Web开发…...
场馆预定平台高并发时间段预定实现V2
🎯 本文档介绍了场馆预订系统接口V2的设计与实现，旨在解决V1版本中库存数据不一致及性能瓶颈的问题。通过引入令牌机制确保缓存和数据库库存的最终一致性，避免因服务器故障导致的库存错误占用问题。同时，采用消息队列异步处理库存…...
如何利用边缘节点服务打造极致用户体验？
随着互联网和数字化技术的飞速发展，用户对网络访问速度和服务体验的要求也在不断提高。在一个信息快速传播的时代，延迟过高或访问卡顿的问题会直接影响用户体验，甚至导致用户流失。因此，企业如何优化网络性能、提升用户访问速度&a…...
C语言之小型成绩管理系统
🌟 嗨，我是LucianaiB！ 🌍 总有人间一两风，填我十万八千梦。 🚀 路漫漫其修远兮，吾将上下而求索。 C语言之小型成绩管理系统 目录 设计题目设计目的设计任务描述设计要求输入和输出要求验收要…...
ASP.NET Core 中基于 Cookie 的身份鉴权实现
在 ASP.NET Core 应用中，基于 Cookie 的身份鉴权是一种常见的身份验证方式，特别适用于传统的 Web 应用程序。Cookie 能够在用户的浏览器中存储身份验证数据，从而在用户访问应用的不同页面时保持登录状态。 一、配置 Cookie 身份验证 首先&a…...
为什么要学习C++?
在编程语言的广阔天地中，C 以其独特的魅力和强大的功能占据着重要的一席之地。尽管它并非新兴的热门语言，学习曲线也相对陡峭，但这丝毫没有阻挡开发者们对它的热情。那么，究竟为什么要学习 C 呢？接下来，我们…...
freecad1.0的编译
最近freecad发布了1.0版本，通常意义上，1.0也代表了稳定版本的发布。但是在编译的过程中遇到很多问题，再次做下记录，以便后续再编译时有参考。 1 freecad1.0编译环境 参考：https://blog.csdn.net/qq_26221775/article/details/144406212 环境：vs2022,win10,camke3.26.4;…...
汇编与逆向（一）-汇编工具简介
RadASM是一款著名的WIN32汇编编辑器，支持MASM、TASM等多种汇编编译器，Windows界面，支持语法高亮，自带一个资源编辑器和一个调试器。 一、汇编IDE工具：RadASM RadASM有内置的语言包 下载地址：RadASM asse…...
.NET Framework
.NET Framework 是微软推出的一个软件开发平台，主要用于构建和运行 Windows 应用程序。它是 .NET 生态系统的早期版本，专注于 Windows 平台，并提供了丰富的类库和运行时环境。 注意事项 跨平台限制：.NET Framework 主要适用于 W…...
LabVIEW太赫兹二维扫描成像系统
使用LabVIEW设计太赫兹二维扫描成像系统。通过LabVIEW平台开发，结合硬件如太赫兹源、平移台、锁相放大器等，实现了高效、精准的成像功能。系统采用蛇形扫描方式，通过动态调整扫描参数，达到优化成像质量的目的。 项目背景 在非…...
图片专栏——概念
欢迎来到图片世界，大家一起学习交流! 1. 像素（Pixel） 定义：像素是图像的最小单位，是“图像元素”的缩写。你可以把像素想象成拼图中的一个最小块，无数个像素组合在一起就形成了完整的图像。作用ÿ…...
Linux内存管理(Linux内存架构，malloc，slab的实现)
文章目录 前言一、Linux进程空间内存分配二、malloc的实现机理三、物理内存与虚拟内存1.物理内存2.虚拟内存 四、磁盘和物理内存区别五、页页的基本概念：分页管理的核心概念：Linux 中分页的实现：总结： 六、伙伴算法伙伴算法的核心…...
【C++】模板（进阶）
本篇我们来介绍更多关于C模板的知识。模板初阶移步至：【C】模板（初阶） 1.非类型模板参数 1.1 非类型模板参数介绍 模板参数可以是类型形参，也可以是非类型形参。类型形参就是我们目前接触到的一些模板参数。 //类型模板参数 …...
Esxi下虚拟机磁盘类型厚置备改精简置备
Esxi虚拟机磁盘类型厚置备改精简置备 一、esxi报错磁盘不足 1.1、虚拟机报错磁盘不足 1.2、虚拟机磁盘类型 VMware vSphere 中有两种主要类型的虚拟硬盘：精简配置磁盘和厚置备磁盘。 厚置备磁盘有两种分配模型：厚置备延迟置零和厚置备置零。 三者比…...
Admin.Net中的消息通信SignalR解释
定义集线器接口 IOnlineUserHub public interface IOnlineUserHub {/// 在线用户列表Task OnlineUserList(OnlineUserList context);/// 强制下线Task ForceOffline(object context);/// 发布站内消息Task PublicNotice(SysNotice context);/// 接收消息Task ReceiveMessage(…...
大型活动交通拥堵治理的视觉算法应用
大型活动下智慧交通的视觉分析应用 一、背景与挑战 大型活动（如演唱会、马拉松赛事、高考中考等）期间，城市交通面临瞬时人流车流激增、传统摄像头模糊、交通拥堵识别滞后等问题。以演唱会为例，暖城商圈曾因观众集中离场导致周边…...
python爬虫：Newspaper3k 的详细使用（好用的新闻网站文章抓取和解析的Python库）
更多内容请见： 爬虫和逆向教程-专栏介绍和目录 文章目录 一、Newspaper3k 概述1.1 Newspaper3k 介绍1.2 主要功能1.3 典型应用场景1.4 安装二、基本用法2.2 提取单篇文章的内容2.2 处理多篇文档三、高级选项3.1 自定义配置3.2 分析文章情感四、实战案例4.1 构建新闻摘要聚合器…...
HBuilderX安装（uni-app和小程序开发）
下载HBuilderX 访问官方网站：https://www.dcloud.io/hbuilderx.html 根据您的操作系统选择合适版本： Windows版（推荐下载标准版） Windows系统安装步骤 运行安装程序： 双击下载的.exe安装文件 如果出现安全提示&…...
学校时钟系统，标准考场时钟系统，AI亮相2025高考，赛思时钟系统为教育公平筑起“精准防线”
2025年#高考 将在近日拉开帷幕，#AI 监考一度冲上热搜。当AI深度融入高考，#时间同步 不再是辅助功能，而是决定AI监考系统成败的“生命线”。 AI亮相2025高考，40种异常行为0.5秒精准识别 2025年高考即将拉开帷幕，江西、…...
es6+和css3新增的特性有哪些
一：ECMAScript 新特性（ES6） ES6 (2015) - 革命性更新 1，记住的方法，从一个方法里面用到了哪些技术 1，let /const块级作用域声明2，**默认参数**：函数参数可以设置默认值。3&#x…...
人工智能 - 在Dify、Coze、n8n、FastGPT和RAGFlow之间做出技术选型
在Dify、Coze、n8n、FastGPT和RAGFlow之间做出技术选型。这些平台各有侧重，适用场景差异显著。下面我将从核心功能定位、典型应用场景、真实体验痛点、选型决策关键点进行拆解，并提供具体场景下的推荐方案。 一、核心功能定位速览 平台核心定位技术栈亮…...
flow_controllers
关键点： 流控制器类型： 同步（Sync）：发布操作会阻塞，直到数据被确认发送。异步（Async）：发布操作非阻塞，数据发送由后台线程处理。纯同步（PureSync…...
从实验室到产业：IndexTTS 在六大核心场景的落地实践
一、内容创作：重构数字内容生产范式 在短视频创作领域，IndexTTS 的语音克隆技术彻底改变了配音流程。B 站 UP 主通过 5 秒参考音频即可克隆出郭老师音色，生成的 “各位吴彦祖们大家好” 语音相似度达 97%，单条视频播放量突破百万…...
Python的__call__ 方法
在 Python 中，__call__ 是一个特殊的魔术方法（magic method），它允许一个类的实例像函数一样被调用。当你在一个对象后面加上 () 并执行时（例如 obj()），Python 会自动调用该对象的 __call__ 方法…...