Rf and if digitization in Radio Receivers: Theory, Concepts, and Examples

4

 

Signals  of  widely  varying  amplitudes  are  present  in  radio  receiver  applications.  Digitization  of 

these signals requires ADCs with large dynamic range. Most commercially available ADCs use 

uniform quantization (for which quantization levels are evenly spaced) and therefore require high 

resolution (a large number of bits) to achieve a large dynamic range. The problem for many RF 

applications is that ADCs using uniform quantization cannot easily meet both the large dynamic 

range and high sampling rates needed to digitize wide bandwidths  at the RF or  IF. In addition, 

another  problem  is  that  uniform  quantizers  exhibit  an  SNR  that  varies  with  desired  signal 

amplitude;  the  SNR  decreases  as  the  input  signal  power  to  the  quantizer  decreases.  (Ideally,  a 

large  SNR  would  be  maintained  over  a  large  variation  in  input  signal  power.)  In  an  effort  to 

solve  these  problems,  several  quantization  schemes  other  than  uniform  quantization  have  been 

implemented.  

These  different  quantization  techniques  include  μ-law  (and  A-law)  quantization,  adaptive 

quantization,  and  differential  quantization  [28]. While  these  techniques are  typically  associated 

with  speech  signal  processing  applications,  they  may  be  useful  for  radio  receiver  applications 

[27]. 

 When this report was originally published, in this section the authors reproduced with permission some material 

from L.R. Rabiner and R.W. Schafer, Digital Processing of Speech Signals, Englewood Cliffs, NJ: Prentice-Hall, 

Inc., 1978, cited in this report as [27]. This textbook served as a fundamental reference text for both teaching the 

fundamentals of digital speech processing and designing practical systems for over 30 years. In 2010, Rabiner and 

Shafer published a new textbook on the same topic that incorporates advances in the technology of digital speech 

processing that occurred in the interval and supersedes the 1978 textbook. The authors have therefore revised this 

section to provide just an overview of the material. Readers who want more current in-depth information on this 

topic should consult L.R. Rabiner and R.W. Schafer, Theory and Applications of Digital Speech Processing, 

Englewood Cliffs, NJ: Prentice-Hall, Inc., 2010. 

 

33 

In μ-law quantization, a nonlinear compression (an approximation to logarithmic compression) is 

used  on  the  input  signal  before  uniform  quantization[28].  This  increases  the  dynamic  range  of 

the overall quantization. In  addition,  while for uniform  quantizers the SNR  varies considerably 

with small changes in input signal amplitude, the SNR remains fairly constant over a wide range 

of input signal amplitudes for μ-law quantizers. As an example of this, the SNR changes by 25 

dB for input signal amplitude changes of 25 dB in a uniform quantizer. With appropriate scaling 

of the input signal amplitude, the SNR changes by less than 2 dB in a μ-law quantizer (μ = 500) 

for input signal amplitude changes of 25 dB. 

Adaptive  quantization  is  an  approach  by  which  the  properties  of  the  quantizer  are  varied 

depending on the amplitude of the input signal.  One example of adaptive quantization is  when 

the step size of the quantizer is adjusted based on the input signal amplitude. Note that while the 

overall dynamic range is increased using adaptive quantization, the instantaneous dynamic range 

is not increased.

5

. The SNR can be kept relatively constant for input signal amplitude changes of 

40 dB, for example, by selecting the ratio of maximum to minimum step size of 100 [29]. 

Finally,  the  technique  of  differential  quantization  involves  the  quantization  of  the  difference 

between  the  actual  input  signal  and  an  estimate  of  this  input  signal.  Because  this  difference 

signal  is  much  smaller  than  the  actual  input  signal  if  a  good  estimate  is  obtained,  the  dynamic 

range is increased. The SNR can be maximized by optimizing the estimate of the input signal.  

The potentially large processing load (number of computations within a given time interval) 

required to implement adaptive or differential quantization in radio receiver applications must be 

considered carefully. The speed of the processor must be able to handle the required processing 

load adequately. 

tải về 0.99 Mb.

Chia sẻ với bạn bè của bạn: