高速模數轉換器（ADC）存在一些固有限制，使其偶爾會在其正常功能以外產生罕見的轉換錯誤。但是，很多實際采樣系統不容許存在高ADC轉換誤差率。因此，量化高速模數轉換誤差率（CER）的頻率和幅度非常重要。

　　高速或GSPS ADC（每秒千兆采樣ADC）相對稀疏出現的轉換錯誤不僅造成其難以檢測，而且還使測量過程非常耗時。該持續時間通常超出毫秒范圍，達到幾小時、幾天、幾周甚至是幾個月。為了幫助消減這一耗時測試負擔，可以在一定“置信度”的確定性情況下估算誤差率，而仍然保持結果的質量。

　　誤碼率（BER）與轉換誤差率

　　與串行或并行數字數據傳輸中BER的數字等效值類似，CER是轉換錯誤數與樣本總數之比。但是，BER和CER之間有一些截然不同之處。數字數據流中的BER測試采用長偽隨機序列，該序列可于發送器中在傳輸兩端使用常用種子值來啟動。接收器預期將收到理想的傳輸。通過觀察接收數據與理想數據的差異，便可精確計算出BER。兩端之間偽隨機序列數據中的失配（基于種子值）即視為誤碼。

　　與CER不同，誤差測定不像純數字比較那么簡單。由于ADC轉換過程中始終具有小的非線性，另外還存在系統噪聲和抖動，因此并非總是能確定預期數據和實際數據之間的確切差異。相反，需要建立誤差閾值，用于確定轉換錯誤和具有容許預期噪聲的樣本之間的界限。這與數字BER不同，并不會對發送和接收的預期數據進行確切比較。相反，首先必須量化樣本的誤差幅度，然后再確定是轉換錯誤，還是在轉換器和系統的預期非線性范圍內。ADC后端數字接口的誤碼率必須低于轉換器的內核CER，因此無法忽視。如果并非如此，那么數據輸出傳輸誤差將覆蓋CER并成為主要誤差來源。

　　亞穩態

　　高速ADC中造成轉換錯誤的一個常見原因是一種稱為亞穩態的現象。高速ADC在將模擬信號轉換為數字值的轉換過程中，往往會在不同階段使用多個梯級比較器。如果比較器無法確定模擬輸入是高于還是低于其參考點時，就會產生可能導致出現錯誤代碼的亞穩態結果。當兩個比較器的輸入之差幅度非常小或為零時，就可能發生這種情況，此時無法進行正確比較。由于此錯誤值會沿著流水線傳播，因此ADC可能產生重大的轉換錯誤。

　　當差分模擬輸入為相對較大的正值或負值時，比較器可以快速計算出差值并給出明確決定。當差分值很小或為零時，比較器做出決定所需的持續時間會長很多。如果在此決定點之前比較器輸出鎖存，則將產生亞穩態結果。

　　有些設計方案可以減輕這個問題。首先，將比較器的不確定范圍設計的非常小，迫使比較器在可能的最大模擬輸入條件范圍內做出準確決定。但是，這可能造成電路功率和設計尺寸增加。

　　第二種方法是盡量延遲比較器采樣時間，給模擬輸入最長的時間建立至已知的比較器輸出值。但這種方法存在多個限制，因為延遲最長也只能持續到當前采樣時間結束，而后比較器必須繼續處理下一次采樣。第三種方法是采用智能錯誤檢測和校正算法，該算法會對比較器在高速ADC轉換過程后續階段中引入的不確定性進行數字補償。當比較器未能在最大允許時間內做出決定時，邏輯可檢測到該缺失。然后，此信息可被附加到相關樣本上，以便未來進行內部調整。識別出此警報時，可使用后處理步驟在樣本從轉換器輸出前糾正該錯誤。這可以從圖1中的AD9625看出，它是ADI公司的一款12位、2.5GSPS ADC。

　　圖1：可在AD9625的模數轉換過程內識別比較器的不確定性。在后續步驟中執行校正命令以校正樣本，然后再從轉換器輸出。

　　置信度

　　CER置信度（CL）是指在不精確到特定故障率的情況下對未來錯誤的外推預期。這可減少針對給定CER獲取的樣本總數，但代價是不能保證100%的確定性。從數學角度來說，要達到絕對100%的確定性，需要取得無限持續時間內的樣本。因此，根據行業經驗，95%的置信度已經相當接近已知值，并且實現了不確定性和測量時間之間的平衡。如果將測試重復一百次，則有95次可以準確識別誤碼率。有時工程師會誤認為一旦在測試期間檢測到誤差，該過程就會結束并找到最終的CER。這既不準確也不完整。無論過程中是否有誤差，轉換誤差率及相關的置信度都可以測試。但是，如果在給定置信度下檢測到誤差，則與沒有錯誤時的樣本數相比，必須增加測量的樣本數量。

　　以上公式給出了置信度、誤碼率和樣本數之間的自然對數數學關系表達式。式中：N為測量的樣本數；CER為轉換誤碼率；CL為置信度；E為檢測到的錯誤數。

　　未檢測到誤差時，公式有所簡化，右邊的項等于零，結果僅取決于左邊的項。當CL為95%且未檢測到誤差時，所需的樣本數僅約為預期CER的倒數乘以3。測量到100%置信度，即對于任何CER值都有CL=1.0，從數學角度上需要獲取-ln（0）無窮大的無限樣本數（N）。