LTC2449: 高速24位Δ-ΣADC数据手册，适用于微弱信号检测

ADC
需积分: 17 4 下载量 56 浏览量 更新于2024-08-02 收藏 297KB PDF 举报
"LTC2449是一款高精度的24位Delta-Alfa ADC，适用于8通道差分或16通道单端输入的场合，特别适合处理微弱信号。这款转换器在高速数据采集、自动范围测量、温度测量等多个领域有广泛应用。其主要特点包括高速多路复用、低噪声性能以及对50/60Hz干扰的抑制能力。LTC2449还提供了可选的速度/分辨率设置，确保了在不同应用条件下的灵活性。此外，它具有极低的失调电压和优异的积分非线性(INL)，保证了无缺失代码的精确转换。内置振荡器减少了外部组件的需求，而LTC2445和LTC2449型号还额外集成了MUXOUT/ADCIN功能，支持外部缓冲和增益控制。这些ADC被封装在小巧的5mmx7mm QFN封装中，以实现紧凑的系统设计。" LTC2449的核心技术在于其Delta-Sigma（Δ-Σ）调制架构，这是一种模拟到数字转换的方法，通过不断采样输入信号并计算差值，然后将其转换为数字输出。这种设计使得LTC2449能够在保持高精度的同时，提供高速的数据转换。其8kHz的输出速率和4kHz的多路复用速率，使其成为快速数据采集系统的理想选择。 在噪声性能方面，LTC2449表现出色，2µVRMS的噪声在1.76kHz输出速率下保证了高质量的信号转换。而在13.8Hz输出速率下，配合50/60Hz的干扰抑制，噪声降低至200nVRMS，这对于需要在电网噪声环境下工作的系统来说尤其重要。同时，LTC2449的模数转换器在任何输入和参考条件下都能保证稳定的调制器状态和锁存器免疫性，确保了其在各种工作环境中的可靠性。 在输入和参考电压方面，LTC2449允许从GND到VCC的全共模范围，支持差分输入和差分参考，这增强了其在宽动态范围应用中的适应性。此外，它还具有自动休眠模式，可以在6.9Hz的输出速率下实现20µA的低功耗运行，这对于电池供电或能量受限的系统非常有利。 LTC2449的无延迟模式意味着每次转换都是准确的，即使在选择新的输入通道后也是如此，这确保了连续转换时的连续性和准确性。而LTC2445和LTC2449型号增加了MUXOUT/ADCIN引脚，可以方便地连接外部缓冲器和增益电路，以适应不同的信号调理需求。 LTC2449是一款高性能的24位Delta-Alfa ADC，它的多功能性、高精度和低噪声特性使其成为各种高精度测量应用的理想选择，如重量秤、多通道数据采集系统、温度测量设备等。结合其紧凑的封装和灵活的设计选项，LTC2449能够满足工程师在设计高精度、低功耗和高速度ADC系统时的多样化需求。

LTC2949.pdf

2020-02-17 上传
datasheet LTC2949 ADI Current, Voltage, and Charge Monitor for High Voltage Battery Packs

AD7173 +OLED.zip_24位ADC_STM32 oled_ad7173 stm32_stm32 24位

2022-07-14 上传
STM32控制24位ADC实现模数转换功能，并利用OLED显示。

LTC2449 AD转换 LTC2449 AD转换.zip

2023-02-14 上传
LTC2449 AD转换 LTC2449 AD转换.zip

讲这段代码从MATLAB转换成python：center = mf*(data+alfa*data1)./((ones(size(data, 2), 1)*sum(mf'))'*(1+alfa));

2023-04-18 上传
# data, data1, mf, alfa 为对应数据和参数 center = mf * (data * alfa * data1) / (np.sum(mf, axis=1) * (1 - alfa)) ``` 这段代码会将MATLAB语言的变量和运算符转换成对应的Python语言变量和运算符，实现所需的...

load Z_data2.mat %加载Z数据 i=1; % %%%--------------------------------- f = 1e6:1e5:100e6; r=3.9904e-3; D=15.8e-3; mu_c=12.5664e-7; sigma_c=5.8e7; epslon=8.85e-12; tdelta = -5.7e-10.*f+0.075; delta = sqrt(1./pi./f./mu_c./sigma_c); R_solid = 1./pi./r./delta./sigma_c; R = (D./2./r)./sqrt((D./2./r).^2-1).*R_solid; Ls = R./2./pi./f; Lm = mu_c/pi*acosh(D/2/r); L = Ls+Lm; C = pi*epslon/acosh(D/2/r); G = 2.*pi.*f.*C.*tdelta; temp_a = complex(R, 2.*pi.*f.*L); temp_b = complex(G, 2.*pi.*f.*C); gama = sqrt(temp_a.*temp_b); z0 = sqrt(L./C); alfa = R./2./z0+G.*z0./2; beta = 2.*pi.*f.*sqrt(L.*C); gama = alfa+beta.*1i; F0=zeros(1,991); g=gama; %给γh赋值 %%%----------------------------------- M = zeros(1, 991); % 创建1x991的矩阵M，初始值为0 i = 1; %%%--------------------------------------- syms f F0=zeros(1,991); for x=0:100/991:100 for i=1:991 f0=Z_data2.*exp(-2.*gama.*x);%被积函数f0(f，x） F0=int(f0,f,1e6,100e6);%对f积分的F(x） end end figure(1) %图像1 xout = 0:100/991:100; yout = double(subs(F0,x,xout)); plot(xout,F0) xlabel('x') ylabel('h(x）') title('h(x)关于x的二维曲线')该程序中有什么问题

2023-06-11 上传
1. 在第一行加载数据文件Z_data2.mat时，应该加上文件名的引号，即改为load('Z_data2.mat')。 2. 在第38行，应该将F0的初始值设为一个与xout相同大小的矩阵，即F0=zeros(size(xout))。 3. 在第14行，gama的计算...

function [sys,x0,str,ts,simStateCompliance] = My_BPNN(t,x,u,flag,T,nh,xita,alfa)这样子有没有错误

2023-05-04 上传
这段代码缺少上下文，无法判断是否有错误。但是可以看出这是一个MATLAB中的S函数模板，用于实现BP神经网络。下面是对参数的解释： ...- alfa：BP神经网络的动量因子 需要根据具体的需求和功能进行调整和修改。

function [cos_alfa1,t1, x1, z1] = Sound_Ray_Tracing_core(cos_alfa0,c0,c1,z,t,over_flag)

2023-04-26 上传
- cos_alfa0：入射角的余弦值 - c0：入射介质的声速 - c1：折射介质的声速 - z：初始深度 - t：时间 - over_flag：是否超过界面的标志 - cos_alfa1：出射角的余弦值 - t1：到达下一点所需的时间 - x1：到达下一点的...

gama = alfa+beta.*1i; g=gama; %%%----------------------------------- i = 1; M = zeros(1, 991); while(i <= 991) % 逐一读取Z数据 z = Z_data2(1, i); % 给Z(f)赋值 F0 = z * exp(-2 * gama * x); % 被积函数F(f, x) h = int(F0, x, 1e6, 100e6); % 对f积分的F(x) result = vpa(h, 6); M(i) = result; % 结果写入M i = i + 1; end使M（I）

2023-06-08 上传
在这段代码中，gama是一个复数，由alfa和beta构成，g的值与gama相同。 然而，我注意到代码中的两个变量（alfa和beta）并未定义，因此无法判断代码的实际目的和背景。如果你能提供更多的代码和背景信息，我可以更好...

#include<iostream> using namespace std; #define pi 3.1415926 struct coord { double x; double y; }; double cot(double a); double DmsToRad(double Dms); coord For_Insec(double xA, double yA, double xB, double yB, double alfa, double beta, double a); int main() { double a; cout << "请申明坐标编号注记方式（逆时针为1，顺时针0："; cin >> a; cout << endl; double x1, y1, x2, y2, alfa, beta; cout << "请输入已知坐标点A的x,y坐标："; cin >> x1 >> y1; cout << endl; cout << "请输入已知坐标点B的x,y坐标："; cin >> x2 >> y2; cout << endl; cout << "请输入测量角度α和β："; cin >> alfa >> beta; coord p; p = For_Insec(x1, y1, x2, y2, alfa, beta, a); cout << endl; cout << "待定点P的坐标xp=" << p.x << " ,y=" << p.y; return 0; } double cot(double a)//cot三角函数 { return cos(a) / sin(a); } double DmsToRad(double Dms)//角度转换函数 { int i_Deg = (int)Dms; double temp = (Dms - i_Deg) * 100; int i_Min = (int)temp; double sec = (temp - i_Min) * 100; double Rad = (i_Deg + i_Min / 60.0 + sec / 3600)*pi / 180; return Rad; } coord For_Insec(double xA, double yA, double xB, double yB, double alfa, double beta, double a) { alfa = DmsToRad(alfa); beta = DmsToRad(beta); coord p; if (a)//逆时针注记 { p.x = (xA*cot(beta) + xB*cot(alfa) + (yB - yA)) / (cot(alfa) + cot(beta)); p.y = (yA*cot(beta) + yB*cot(alfa) + (xA - xB)) / (cot(alfa) + cot(beta)); } else { p.x = (xA*cot(beta) + xB*cot(alfa) + (yA - yB)) / (cot(alfa) + cot(beta)); p.y = (yA*cot(beta) + yB*cot(alfa) + (xB - xA)) / (cot(alfa) + cot(beta)); } return p; }优化上面代码

2023-05-31 上传
double cot_alfa = cot(DmsToRad(alfa)); double cot_beta = cot(DmsToRad(beta)); p.x = (xA * cot_beta + xB * cot_alfa + ((a) ? (yB - yA) : (yA - yB))) / (cot_alfa + cot_beta); p.y = (yA * cot_beta + ...

PR5_alfa_x[0]=deta_ic_alfa;//0为当前时刻，1为前一个时刻，2为前两个时刻 PR7_alfa_x[0]=deta_ic_alfa; PR5_beta_x[0]=deta_ic_beta; PR7_beta_x[0]=deta_ic_beta; PR5_alfa_y[0]=b_PR5[0]*PR5_alfa_x[0]+b_PR5[1]*PR5_alfa_x[1]+b_PR5[2]*PR5_alfa_x[2]-a_PR5[1]*PR5_alfa_y[1]-a_PR5[2]*PR5_alfa_y[2]; PR5_beta_y[0]=b_PR5[0]*PR5_beta_x[0]+b_PR5[1]*PR5_beta_x[1]+b_PR5[2]*PR5_beta_x[2]-a_PR5[1]*PR5_beta_y[1]-a_PR5[2]*PR5_beta_y[2]; Ualfa_5=PR5_alfa_y[0]; Ubeta_5=PR5_beta_y[0]; PR7_alfa_y[0]=b_PR7[0]*PR7_alfa_x[0]+b_PR7[1]*PR7_alfa_x[1]+b_PR7[2]*PR7_alfa_x[2]-a_PR7[1]*PR7_alfa_y[1]-a_PR7[2]*PR7_alfa_y[2]; PR7_beta_y[0]=b_PR7[0]*PR7_beta_x[0]+b_PR7[1]*PR7_beta_x[1]+b_PR7[2]*PR7_beta_x[2]-a_PR7[1]*PR7_beta_y[1]-a_PR7[2]*PR7_beta_y[2]; Ualfa_7=PR7_alfa_y[0]; Ubeta_7=PR7_beta_y[0]; PR5_alfa_x[2]=PR5_alfa_x[1]; PR5_alfa_x[1]=PR5_alfa_x[0]; PR5_beta_x[2]=PR5_beta_x[1]; PR5_beta_x[1]=PR5_beta_x[0]; PR5_alfa_y[2]=PR5_alfa_y[1]; PR5_alfa_y[1]=PR5_alfa_y[0]; PR5_beta_y[2]=PR5_beta_y[1]; PR5_beta_y[1]=PR5_beta_y[0]; PR7_alfa_x[2]=PR7_alfa_x[1]; PR7_alfa_x[1]=PR7_alfa_x[0]; PR7_beta_x[2]=PR7_beta_x[1]; PR7_beta_x[1]=PR7_beta_x[0]; PR7_alfa_y[2]=PR5_alfa_y[1]; PR7_alfa_y[1]=PR5_alfa_y[0]; PR7_beta_y[2]=PR5_beta_y[1]; PR7_beta_y[1]=PR5_beta_y[0]; Ualfa=Ualfa_5+Ualfa_7; Ubeta=Ubeta_5+Ubeta_7;

2023-06-07 上传
具体而言，代码首先将当前时刻的电流值（deta_ic_alfa和deta_ic_beta）存储在对应的数组中，然后使用滤波系数（b_PR5、b_PR7、a_PR5和a_PR7）和历史数据来计算当前时刻的电流值。接着，将计算得到的电流值分别存储在...
fprofessor
  • 粉丝: 0
  • 资源: 2
上传资源 快速赚钱

最新资源