EEPW论坛

混合信号技术给当今的半导体制造商们带来了很多新挑战，以前一些对数字电路只有很小影响的缺陷如今在嵌入式器件中却可能大大改变模拟电路的功能，导致器件无法使用。为确保这些新型半导体器件达到“无缺陷”水平，需要开发新的测试策略、方法与技术。本文详细讨论混合信号半导体器件测试技术基本构建模块，并以实例介绍混合信号的系统化测试方法。 近年来出现了很多新的半导体产品，如可以用于无线通信、过程控制以及实时控制系统的所谓嵌入式半导体器件就是其中一种，它将模拟和数字电路结合到一个器件内，这种技术又称为混合信号技术。简单地说，嵌入式半导体器件是作为整机系统一个有机组成部分的半导体器件，可以提供控制、监测和其它辅助功能。混合信号技术将数字和模拟半导体器件组合到一个封装内，实现这种嵌入式器件的功能，其中数字电路部分完成处理，并负责与其它数字器件的通信，而模拟部分则通过分析和产生连续信号与“现实”世界相联系。 正是这两种技术的混合对半导体产品“无缺陷”提出了挑战。向数字电路施加一个给定的输入激励信号会得到一个离散且确定可知的响应信号，而模拟信号则不同，给定输入产生的响应会在一个可接受范围内。混合信号器件需处理模拟和数字两种格式的信息，将两种技术的复杂性糅合在一起，幸好现在已有很多测试策略、技术与方法，可以实现器件“无缺陷”目标。 由于混合信号器件通常都包含从一种信号转换成另一种信号(模拟到数字或数字到模拟)，所以我们将用一个简单的混合信号器件——模数转换器(ADC)来对这些策略、技术与方法进行讨论，说明混合信号器件测试的步骤和方法。有了一些基本认识后，就可将其扩展并应用到当前先进的嵌入式半导体器件中，如数字滤波器、音频/视频信号处理器及数字电位计等。 传统半导体器件测试包括基本参数测试(连续性、泄漏、增益等)和功能测试(将器件输出与给定输入相比较)，混合信号测试还要再另外增加两个测试，即动态测试和线性测试。动态参数描述的是器件对一个特定频率或多频率时序变化信号的采样(从模拟信号中建立数字波形)和重现(利用数字输入建立模拟信号)能力。线性参数则相反，描述的是器件内在特性，主要关注数字和模拟电路之间的关系。下面将对这两种特性分别作详细说明。 动态测试 模数转换器的动态特性有时也称作传输参数，代表器件模拟信号采样和输入波形的数字再现能力，信噪比(SNR)、总谐波失真(THD)及有效位数等指标可使制造商对器件输出的“纯度”和数字信息精度进行量化。新型动态测试技术产生于上世纪80年代，主要围绕数字信号处理和傅立叶变换，将时域波形和信号分别转换为频谱成分。这种技术可以同时对多个测试频率进行采样，效率和重复性非常高。图1是对一个普通ADC器件进行快速傅立叶变换(FFT)测试的示意图，图中可以看到模拟信号在时域内转换成数字代码，然后用傅立叶变换转换成频谱。对ADC输出进行傅立叶分析可提供宝贵的性能信息，但如果测试时条件设置不当得到的信息也会毫无意义。为了从器件输出信号的傅立叶分析中提取有意义的性能参数，在讨论FFT结果之前首先需要考虑测试条件，其中包括输入信号完整性、采样频率、一致性及系统测量误差(假频、量化及采样抖动误差)。 ◆输入信号 对于模数转换器来说，输入信号的“纯度”会影响数字输出的性能。输入信号中的耦合噪声将转换为输出信号数字噪声，如果输入信号中有太多噪声和失真，ADC性能实际上会被测试条件所掩盖。输入信号的精度和纯度最终取决于器件的转换分辨率，一般来说测试设备的精度要比被测器件高10倍以上。另外可以考虑在输入端使用滤波器，除去输入信号之外的噪声和失真。 ◆采样与一致性 采样频率是采样时间的倒数，如果采样数据点选择正确，一个无限时序变化信号可用有限几个数据点来表示。通过奈奎斯特采样间隔定理，即采样频率必须是被测信号频率的两倍以上，我们可以获得正确的采样频率范围，利用采样点再现输入信号。在我们所举例子中，ADC必须以输入频率两倍以上的频率“运行”或采样，以便正确地数字化再现出输入信号，得到有效动态测试结果。 一致性是动态测试第二个关键的部分，当能对测试信号的生成与采样进行控制时，它可以提供很多东西。一致性采样主要是为了保证采样数据包含完整的输入周期描述信息，使得在有限的样本中收集到尽可能多输入信息。一致性采样定义了测试频率(Ft)、样本大小(M)、采样频率(Fs)以及测试周期(N)之间的关系，有如下公式： M/Ft=N/Fs 这里的M和N为互质数。 另外，一致性采样还可以保证傅立叶变换将采样数据的频率成分放入离散频段中。 ◆量化、假频与采样抖动 量化误差指的是从时序变化信号中可分离出的最小量值信息，以我们讨论的ADC测试为例，量化误差就是最小步距代表的电压，或建立输入测试信号的模拟信号源最小分辨率。假频是由采样产生的，它将高频信号认作低频信号。实际上当采样频率小于信号频率两倍时，采样周期即已违反了奈奎斯特采样规定，对高频信号采用低采样率的结果就好像它是一个低频信号。抖动误差是指系统输入或采样能力与期望值之间的差异或偏离，换句话说，本来一个有一定幅度的信号预计在时间X产生，但由于抖动误差会使信号比预期的时间提前或推迟出现；同样抖动误差也可能在采样时产生，原来规定在时间X采集数据但实际却比预期时间提前或推迟。量化误差、抖动误差和假频都会使输入信号失真，在频谱上出现错误信息。 如果测试条件都设置正确，同时也遵守采样规则，那么时基采样信号经傅立叶变换后的频率部分将提供重要的器件性能参数。图2是一个典型的傅立叶变换图，突出的部分是基本频率，定义为器件输入频率，在这个例子中是一个1kHz正弦波，图中也显示了在基本频率倍频上出现的谐波频率和最大幅值。对于我们讨论的ADC器件，从频谱可以算出五个重要动态传输特性，分别是信噪比(SNR)、总谐波失真(THD)、无杂散动态范围(SFDR)、信号与噪声失真比(SINAD)以及有效位数(ENOB)。 信噪比是输入信号和噪声(不包括任何谐波)的功率比，是定义器件内部噪声大小的基本参数。理论上ADC的信噪比范围取决于系统的位数，可由下式得出： SNR=6.02N+1.76db 这里N代表位数。 系统内部噪声会使偏离或SNR大于理论值范围，可能造成误差的原因包括：器件量化误差、器件内部噪声和驱动/采样源产生的非线性噪声。 无杂散动态范围能对系统失真进行量化，它是基本频率与杂波信号最大值的数量差。杂波通常产生于各谐波中(虽然并不总是这样)，它表示器件输入和输出之间的非线性。偶次谐波中的杂波表示传递函数非对称失真，一个“给定”的输入信号应该产生一个“给定”的输出，但由于系统非线性，实际输出并不等于预期值，当系统接收到大小相等极性相反的信号时，得到的两个输出不相等，这里的非线性就是非对称的。奇次谐波中的杂波表示系统传递函数的对称非线性，即给定的输入产生的输出失真对正负输入信号在数量上都是相等的。 总谐波失真是输入信号与系统所有谐波的总功率比，它可提供系统对称和非对称非线性产生的总失真大小。 信号与噪声失真比是输入信号和所有输出信号失真功率比，它测量的是输出信号所有传递函数非线性加上系统所有噪声(量化、抖动和假频)的累积效果。有效位数是在ADC器件信噪比基础上计算出来的，它将传输信号质量转换为等效比特分辨率。实际上系统噪声使输出信号失真，失真大小就反映在信噪比上。ADC的比特分辨率可以用来计算给定器件的理论信噪比，反过来也成立，所以器件的信噪比测量值也可用来计算有效器件比特分辨率。所有噪声源和器件的不精确性合在一起，可以转化为量化误差与有效器件分辨率。下式表示了有效位数与信噪比的关系： ENOB=[SNR(dB)-1.76dB]/6.02dB 线性测试 动态测试关注的是器件的传输和性能特征，即采样和重现时序变化信号的能力，相比之下，线性测试关注的则是器件内部电路的误差。对ADC来说，这些内部误差包括器件的增益、偏移、积分非线性(INL)和微分非线性(DNL)误差，这些参数说明了静止的模拟信号转换成数字信号的情况，主要关注具体电平与相应数字代码之间的关系。 测试ADC静态性能时，要考虑两个重要因素。第一，对于给定的模拟电压，一个具体数字代码并不能告诉多少有关器件的信息，它仅仅说明这个器件功能正常，要知道器件功能到底如何还必须考虑模拟电压的范围(它会产生一个输出代码)以及代码间的转换点。第二，动态测试一般关注器件在特定输入信号情况下的输出特性，然而静态测试是一个交互性过程，要在不同输入信号下测试实际输出。 ◆偏移与增益误差 器件理想输出与实际输出之差定义为偏移误差，所有数字代码都存在这种误差。在实际中，偏移误差会使传递函数或模拟输入电压与对应数值输出代码间存在一个固定的偏移。通常计算偏移误差方法是测量第一个数字代码转换或“零”转换的电压，并将它与理论零点电压相比较。增益误差是预估传递函数和实际斜率的差别，增益误差通常在模数转换器最末或最后一个传输代码转换点计算。 为了找到零点与最后一个转换代码点以计算偏移和增益误差，可以采用多种测量方式，最常用的两种是代码平均法和电压抖动法。代码平均测量就是不断增大器件的输入电压，然后检测转换输出结果。每次增大输入电压都会得到一些转换代码，用这些代码的和算出一个平均值，测量产生这些平均转换代码的输入电压，计算出器件偏移和增益。电压抖动法和代码平均法类似，不同的是它采用了一个动态反馈回路控制器件输入电压，根据转换代码和预期代码的差对输入电压进行增减调整，直到两代码之间的差值为零，当预期转换代码接近输入电压或在转换点附近变化时，测量所施加的“抖动”电压平均值，计算偏移和增益。 ◆非线性微分和积分 和前面讨论的偏移和增益没有多大关系，非线性微分和积分指代码转换与理想状态之间的差异。非线性微分(DNL)主要是代码步距与理论步距之差，而非线性积分(INL)则关注所有代码非线性误差的累计效应。对一个ADC来说，一段范围的输入电压产生一个给定输出代码，非线性微分误差为正时输入电压范围比理想的大，非线性微分误差为负时输入电压范围比理想的要小。从整个输出代码来看，每个输入电压代码步距差异累积起来以后和理想值相比会产生一个总差异，这个差异就是非线性积分误差(图3)。 与增益和偏移一样，计算非线性微分与积分误差也有很多种方法，代码平均和电压抖动两种方法都可以使用，但是由于存在重复搜索，当器件位数较多时这两种方法执行起来很费时。一个更加有效计算INL和DNL的方法是直方图法，采用线性或正弦直方图。图4说明了线性斜升技术的应用，首先使输入电压线性增加，同时对输出以固定间隔连续采样，如图所示，电压逐步增加时连续几次采样都会得到同样输出代码，这些采样次数称为“点击数”，并在图4底部用直方图表示。 从统计上讲，每个代码的点击数量直接与该代码的相应输入电压范围成正比，点击数越多表明该代码的输入电压范围越大，非线性微分误差也就越大；同样，代码点击数越少表明该代码输入电压范围越小，非线性微分误差也就越小。用数学方法计算，如果某个代码点击数为9，而“理想”情况下是8，则该器件的非线性微分误差就是(9-8)/8或0.125。非线性积分是所有代码非线性微分的累计值，对于斜升直方图，它就是每个非线性微分误差的和。从数学观点来看，非线性积分误差等于在代码X-1的非线性微分误差加上代码X和代码X-1的非线性微分误差平均值。 嵌入式半导体系统 很多嵌入式半导体器件由不同的模拟和数字电路混合而成，利用前面讨论的混合信号测试原理，我们可以确保在器件运行过程中不会出现问题。下面简单介绍三种器件的测试技术和策略，分别是数模转换器、数字滤波器和数字分压器。数模转换器(DAC)与模数转换器相反，它是将输入端得到的数字代码转换成模拟输出电压。实际上所有前面讨论的线性和静态测试方法在这里都成立，将正弦波以器件代码的形式进行数字处理，然后输入数模转换器，再检测模拟输出的电压波形，由此可计算出动态参数(SNR、THD、SFDR和SINAD)，对输出采用傅立叶变换可将其从时域转换成频域。除了线性误差是以理想状态计算的模拟输出电压为参考外，静态和线性参数(偏移、增益、非线性微分、非线性积分)都可以用模数转换器同样的方法计算。 数字滤波器顾名思义就是一个数字控制的滤波器，其特性参数(增益、频率相应、相位余量)都是数字化的，测试主要集中在器件对不同输入频率的动态输出响应上。测试器件的频率和响应增益时，用一个连续且含多个非重叠频率的多音调信号作为输入，对器件的输入输出信号分别进行采样和数字化处理，并对波形做傅立叶分析。比较每一输入频率的输入信号和输出信号幅值计算出增益，滤波器截止频率和-3dB点则是通过在这些点上选择3到4个输入频率，用数学方法从每一个滤波器响应频率的幅值推导这些点而计算出。数字滤波器相移的计算根据傅立叶转换提供的波形相位数据，计算方法是将输出频率的相移减去输入频率的相移，负相移表示正延时或输出波形滞后于输入波形，正相移表示输出波形在输入波形的前面，也即负延时。 数字分压器是数字控制的电阻箱，写入器件的命令和代码规定了输出电阻的大小。与数字滤波器不同，数字分压器混合信号测试集中在它的线性和静态特性，也即器件所有代码的理想阻值和最初或最终阻值的差异。偏移误差就是数字分压器设定为零的时候测得的阻值，增益误差则是满刻度时电阻值和理想值(或期望值)之差。非线性微分和非线性积分误差计算也可以用于数字分压器中，非线性微分误差指每个代码实际电阻值与理想阻值的偏移，非线性积分误差则是所有非线性微分阻值差异的累积值。 作者：Andrew Swaneck Microchip Technology Inc.