### DA 和 AD 转换简介 数字到模拟 (DA) 和模拟到数字 (AD) 的转换是嵌入式系统和信号处理领域的重要组成部分。以下是两种常见的实现方式。 --- ### 数字到模拟 (DA) 转换代码示例 在 Python 中，可以通过 NumPy 库生成离散时间信号并将其映射为连续时间信号来模拟 DA 转换过程： ```python import numpy as np import matplotlib.pyplot as plt # 定义参数 sample_rate = 1000 # 采样率 Hz t = np.linspace(0, 1, sample_rate, endpoint=False) # 时间轴 f_signal = 5 # 输入正弦波频率 Hz digital_signal = np.sin(2 * np.pi * f_signal * t) # 离散时间信号 # 模拟 DA 转换：假设理想 DAC 将离散样本还原成连续信号 analog_time = np.linspace(0, 1, 10 * sample_rate, endpoint=False) # 更高分辨率的时间轴 analog_signal = np.interp(analog_time, t, digital_signal) # 绘制结果 plt.figure(figsize=(10, 6)) plt.plot(t, digital_signal, 'o-', label="Digital Signal", markersize=4) plt.plot(analog_time, analog_signal, '-', color='red', linewidth=2, label="Analog Signal") plt.title("Digital to Analog Conversion Example") plt.xlabel("Time [s]") plt.ylabel("Amplitude") plt.legend() plt.grid(True) plt.show() ``` 上述代码展示了如何通过插值方法将离散信号恢复为近似连续信号[^1]。 --- ### 模拟到数字 (AD) 转换代码示例 对于 AD 转换，通常涉及采样和量化操作。以下是一个简单的 Python 实现： ```python import numpy as np import matplotlib.pyplot as plt # 定义参数 fs = 100 # 采样频率 Hz duration = 1 # 信号持续时间 s time_vector = np.arange(0, duration, 1/fs) # 时间向量 frequency = 5 # 正弦波频率 Hz amplitude = 1.0 # 幅度 # 连续时间信号 continuous_signal = amplitude * np.sin(2 * np.pi * frequency * time_vector) # 模拟 ADC：对连续信号进行采样和量化 def adc(signal, resolution_bits): max_value = np.max(np.abs(signal)) # 计算最大幅度 levels = 2 ** resolution_bits # 总电平数 step_size = 2 * max_value / levels # 量化步长 quantized_signal = np.round(signal / step_size) * step_size # 量化 return quantized_signal resolution_bits = 3 # ADC 分辨率位数 quantized_signal = adc(continuous_signal, resolution_bits) # 绘图展示 plt.figure(figsize=(10, 6)) plt.plot(time_vector, continuous_signal, label="Continuous Signal", alpha=0.7) plt.step(time_vector, quantized_signal, where='mid', label=f"Quantized Signal ({resolution_bits}-bit)", linestyle='--') plt.title("Analog to Digital Conversion Example") plt.xlabel("Time [s]") plt.ylabel("Amplitude") plt.legend() plt.grid(True) plt.show() ``` 此代码实现了基本的模数转换流程，包括采样和量化阶段。 --- ### 结论 以上两部分分别演示了 DA 和 AD 转换的核心概念及其对应的程序实现。这些例子可以帮助理解两者的工作机制以及它们在实际应用中的重要性。