Nous suivre Industrie Techno

La précision du convertisseur dopée par un compteur

Y. B.

Le convertisseur analogique-numérique du CEA affiche une mesure de temps plus précise sans augmentation de consommation.

Le convertisseur de signaux analogique-numérique (CAN), développé par une équipe du CEA-Saclay, se distingue par sa faible consommation, son faible bruit et sa compacité. Pourtant, il met en oeuvre le principe classique dit "simple rampe", qui consiste à mesurer le temps que met une rampe de tension (linéaire et de profil connu) à atteindre le niveau de tension du signal analogique à convertir. La rampe pouvant servir de référence à plusieurs signaux simultanément, cette méthode permet de réaliser des convertisseurs compacts et adaptés à une conversion multicanal. En revanche, le temps de conversion double chaque fois que la dynamique de mesure double. La conversion simple rampe est donc pénalisée par sa lenteur. Pour pallier ce handicap, le CEA y a ajouté un compteur de temps ultraprécis, développé avec des spécialistes de la mesure temporelle.

Une consommation par canal inférieure au milliwatt

Ce compteur permet de travailler non plus à l'échelle de la période d'horloge, mais au 1/32e voire au 1/64e de période, d'où un temps d'acquisition divisé par 32 ou par 64 sans augmentation significative de la consommation.

Le laboratoire a breveté son concept et l'a validé en intégrant son convertisseur dans une puce Cmos avec une gravure de 0,35 µm. Selon le CEA, la consommation par canal est inférieure au milliwatt, contre plusieurs centaines de milliwatts, par exemple, pour la conversion flash. Quant à l'encombrement, il dépasse tout juste le millimètre carré pour un convertisseur 32 canaux !

vous lisez un article d'Industries & Technologies N°0887

Découvrir les articles de ce numéro Consultez les archives 2007 d'Industries & Technologies

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

Trois plateformes XDR lancées lors des Assises de la cybersécurité

Trois plateformes XDR lancées lors des Assises de la cybersécurité

Centraliser les données de cybersécurité de différentes sources pour assurer une analyse globale en évitant la[…]

Comment Owkin entraîne des modèles d'IA sans transférer les données avec le federated learning

Comment Owkin entraîne des modèles d'IA sans transférer les données avec le federated learning

Cybersécurité industrielle : 6 mois pour sécuriser une usine

Dossiers

Cybersécurité industrielle : 6 mois pour sécuriser une usine

Des millions de modèles de machine learning pour accélérer le contrôle qualité chez Volkswagen

Des millions de modèles de machine learning pour accélérer le contrôle qualité chez Volkswagen

Plus d'articles