Corso di microprogrammazione: il convertitore Sigma-Delta

Bit

Tra i commenti al nostro corso di microprogrammazione, qualche tempo fa, uno dei nostri utenti ha fatto una richiesta ed EOS-Book (lo abbiamo detto tante volte) è On-Demand. Magari non riusciamo sempre a soddisfare in tempi brevi le richieste però stiamo cercando di mantenere tutti gli impegni presi ed è per questo che oggi “tocca” a questo argomento. Ci occupiamo, infatti, della scheda richiesta ma soprattutto del tipo di convertitore, più in generale, per capire meglio come funziona la conversione Sigma-Delta, in cosa è migliore o peggiore di altri metodi e sistemi per effettuare la conversione ed avere le idee più chiare su cosa scegliere e perchè. Siete pronti?

Come dicevamo in apertura, questa puntata del corso di microprogrammazione rappresenta un approfondimento su un singolo argomento specifico, come da richiesta fattaci. Ovviamente, come abbiamo già detto altre volte, una volta esaudita questa richiesta (speriamo di farlo nel migliore dei modi) riprenderemo con la scaletta prevista, sempre che non abbiate altre preferenze. Vi ricordo che sia per richiedere ulteriori approfondimenti sia per confermare o cambiare, modificando in qualunque modo, la scaletta, i commenti sono il luogo giusto. Segnalateci che cosa preferite, fateci sapere se siete soddisfatti ma soprattutto… cimentatevi nel rispondere alle domande della scorsa puntata perché vi preannuncio che questa non prevederà le domande ma dalla prossima…

Bene, dopo questa lunga premessa, possiamo entrare nel vivo dell’argomento di oggi.

Come tutti i sistemi, anche il convertitore Analogico/Digitale va scelto sulla base delle specifiche esigenze che si vanno presentando nel corso del tempo. A seconda del tipo di sistema, un metodo di conversione potrebbe risultare troppo lento oppure poco preciso. Quest’ultima circostanza è frequente quando si rivela insufficiente la profondità con la quale si rappresentano le cifre.
Ma andiamo con ordine.

La conversione

Fino a questo momento abbiamo parlato di convertitori analogico-digitale senza particolare attenzione, o senza porre particolare enfasi, alle due tipologie fondamentali di conversione che è possibile individuare.
La prima, come abbiamo accennato e come riprenderemo più avanti, è quella che osserva il teorema del campionamento di Shannon: la frequenza di campionamento di Nyquist è pari a circa al doppio della frequenza massima del segnale, ovvero della sua banda. Questo dipende dal fatto che i segnali sono reali e pertanto per effettuare una conversione è necessario includere l’intero spettro del segnale stesso. In realtà, si fa in modo di ottenere una frequenza di campionamento che varia tra 3 e 20 volte quella massima del segnale. Valori tipici, in questo caso, sono intorno a cinque volte.

La seconda tipologia di convertitori comprende tutti e soli quelli a sovra-campionamento, ovvero tutti quei convertitori che campionano ad una frequenza di gran lunga maggiore rispetto alla banda del segnale. Parliamo, quindi, di “fattori di sovra-campionamento” che variano tra 20 e 512.

Il fatto che esistano queste due categorie identifica, o meglio permette di identificare, un certo andamento qualitativo delle prestazioni dei convertitori che potremmo considerare su un grafico avente in ascissa la banda del segnale ed in ordinata la risoluzione nella conversione, ovviamente in termini di bit.
Per frequenze crescenti troviamo dapprima il Sigma-Delta (Σ-Δ), poi i SAR, successivamente i convertitori di tipo Subranging e Pipeline ed infine i Flash. Questo ci dice sostanzialmente che i convertitori di cui ci stiamo occupando oggi si rivolgono a segnali con bande estremamente contenute. La risoluzione, però, dei Sigma-Delta (Σ-Δ) risulta essere la più alta possibile e che seguendo lo stesso trend, il Flash è il convertitore con la risoluzione più bassa.
In particolare i Sigma-Delta partono da una risoluzione di 12 bit e frequenza massima di 120 kHz, tipicamente dell’ordine della decina di kilohertz.

Questo tipo di convertitore al suo interno prevede l’utilizzo di un comparatore di livello. Esso restituisce 1 se il campione è maggiore mentre valore nullo se si tratta di rumore, o di segnale inferiore. Tanto più sarà alta la frequenza di campionamento, tanto più la rappresentazione sarà precisa.
Qualora venga ridotto drasticamente il numero di campioni, otterrei una maggior rappresentatività del segnale tramite i campioni che ho a disposizione.
Ecco il concetto del sovra-campionamento, ovvero campionare ad una frequenza molto più alta per ottenere un numero di campioni largamente più elevato rispetto a quelli che mi servono per effettuare la ricostruzione, ancorché con un filtro interpolatore di ordine elevato.
Una volta che ho ottenuto questo altissimo numero di campioni, posso elaborarli come meglio ritengo, effettuando, all’occorrenza, ed al momento opportuno, anche un processo di decimazione, ovvero di soppressione dei campioni inutili.

Anche questo processo, essendo sostanzialmente un processo di campionamento, dovrà sopprimere campioni a tasso fisso, in maniera tale da non alterare il risultato ma restituire un segnale equivalente che abbia una banda inferiore ma sottomultipla di quella di partenza.
In pratica la decimazione ed il sovra-campionamento sono processi che prevedono di alterare la frequenza del segnale ma sempre ottenendo multipli della stessa.

L’introduzione dei convertitori Σ-Δ trova ragioni tipicamente tecnologiche: la riduzione delle tensioni di pilotaggio serve perché i dispositivi micrometrici non ce la fanno a reggere alti livelli di tensione, per ragioni che noi tutti ben conosciamo.
I comparatori di livello, o altri circuiti integrati che siano realizzati con inverter cMOS, per esempio, tendono ad essere alimentati a valori di tensione sempre più bassi, anche allo scopo di minimizzare il consumo di potenza sia statica sia dinamica.
Anche le escursioni del segnale devono essere contenute il più possibile, in maniera tale da essere da un lato più precisi dall’altro meno esigenti in termini di “reattività” del circuito. In quest’ottica, le capacità commutate, ovvero gli Switched Capacitor, risultano essere una delle soluzioni più interessanti.

Anche per risolvere questo genere di problemi, utilizzare quei circuiti che hanno basse escursioni di segnale e nel contempo dei convertitori con un alto numero di bit implica la possibilità di essere più precisi.
A seconda, poi, della rumorosità totale complessiva, equivalente, se volete, del sistema, è possibile che gli ultimi bit, quelli meno significativi, siano annegati nel rumore.
Questo è un problema? La risposta ovviamente è: dipende! Da che cosa?
Da quali sono le cifre della conversione che risultano significative rispetto al fondo scala misurato ma soprattutto rispetto alla grandezza misuranda.

Parlavamo, comunque, dei problemi tecnologici. In quest’ottica dobbiamo anche considerare che il wafer di silicio è tipicamente spesso intorno ai 300 micron. Gli strati attivi sono realizzati entro non oltre i primi micron di spessore, ovvero superficialmente. Questo vuol dire che, globalmente, sussiste una capacità parassita che “ingloba”, o, se volete, “abbraccia” l’intero circuito. Una soluzione per questo genere di problema può essere utilizzare una struttura fully-differential; tuttavia questa soluzione potrebbe essere non ottimale se il segnale che dobbiamo trattare è veloce.
Ecco, quindi, che ritorna la limitazione tecnologica dei Σ-Δ per cui il segnale deve essere a “bassa” frequenza, dove l’aggettivo “bassa” è stato già quantificato.

Ora, poiché parliamo di rumore bianco, la sua densità spettrale di potenza è costante. Non esistono colorazioni spettrali quindi non esiste correlazione. La potenza del rumore quantizzato è pari, come vediamo nella formula che segue, a:

poiché la varianza ha quel valore, la potenza di rumore deve risultare anche dall’integrale della densità spettrale estesa fino alla frequenza di campionamento.

Ovviamente quest’espressione risulta essere “normalizzata”, per cui nel momento in cui dovesse aumentare la frequenza, oltre quella di campionamento, l’intera espressione, così come l’ampiezza, verrebbero modificate.
All’uscita del quantizzatore il segnale viene fatto passare attraverso un filtro che ne limita la banda, eliminando le repliche spettrali e, quindi, il rumore di quantizzazione più grande, ovvero il suo contributo più alto. Questo vuol dire che, se assumiamo che il segnale in ingresso sia un’onda sinusoidale pura, la sua ampiezza sarà fissa e la sua potenza risulterà essere pari a:

La potenza del rumore, a valle del filtraggio, sarà:

in cui il fattore OSR è l’Over Samplig Rate, ovvero il fattore di sovra-campionamento. All’aumentare di questa componente, aumenta anche l’SNR, attualmente pari a:

e pertanto si ottiene:

questo vuol dire che aumentare il numero di bit significa aumentare la complessità dell’hardware mentre aumentare la frequenza di campionamento consente di effettuare una distribuzione del rumore all’esterno della banda del segnale e questo permette di diminuire il numero di livelli con cui il segnale viene rappresentato il che implica distribuire il rumore ad una frequenza maggiore rispetto alla frequenza massima.
Questo è il fondamento del Noise Shaping.

L’Input Dynamic Range è una figura di grande importanza perché permette di analizzare le caratteristiche del convertitore. La formula per calcolarlo è la seguente

grazie a quest’espressione matematica è possibile calcolare il rapporto tra il più ampio ed il più piccolo segnale che può essere effettivamente convertito dall’ADC. Si tratta, in qualche modo, se vogliamo, di una certa misura della qualità del convertitore e fa il paio con la risoluzione. Immaginando di avere una risoluzione di 6 bit, il Dynamic Range sarà pari a 36 dB. E così per 8 bit avremo 48,1 dB, per 12 avremo 72,2, per 18 avremo 108,4 e così via dicendo.

Abbiamo visto la struttura base del Noise shaping, e ne abbiamo capito il senso. Tra poco lo vedremo meglio, analizzandone alcuni aspetti; adesso cerchiamo di vedere che cosa vuol dire effettuare questa operazione dal punto di vista del filtro che utilizziamo. Abbiamo a che fare con segnali discreti, ovvero discretizzati. E questo vale sia nel tempo sia nelle frequenze.
Il che vuol dire che la trasformata di Fourier deve essere modificata. In particolare, ci interessa la trasformata Z.
Il che significa che il diagramma a blocchi del sistema restituisce due funzioni differenti, una per il segnale e l’altra per il rumore che si va a sovrapporre al segnale filtrato. Le espressioni sono le seguenti:

il convertitore ad 1 bit è un componente non lineare, in realtà è il non lineare per eccellenza, che prende il nome di quantizzatore. Il sistema a soglia, per comodità, viene modellato proprio con una sorgente di rumore.
Le trasformate Z saranno quindi:

e pertanto la funzione di trasferimento sarà:

Il segnale in uscita sarà, quindi, solo ritardato, dato che la funzione di trasferimento che agisce direttamente sul segnale è un ritardo puro, mentre il rumore viene filtrato di tipo passa alto, ovvero viene integrato.
Quindi, concludendo sul principio di funzionamento, sia dal punto di vista delle frequenze sia dal punto di vista dei tempi sia graficamente quello che facciamo è “spazzare” le componenti di rumore verso più alta frequenza in maniera tale che non siano più così influenti quando andremo a filtrare il segnale.

Come abbiamo accennato, mano a mano che l’ordine del filtro sale, le componenti spettrali saranno più filtrate e questo vuol dire che, come al solito, maggiore sarà l’ordine del filtro migliore sarà l’operazione di sovra-campionamento e di sagomatura spettrale che riusciremo ad ottenere.

Noise shaping

Si tratta di una tecnica molto simile al dithering grazie alla quale è possibile ridurre il numero di bit al fine di minimizzare l’errore di quantizzazione. Essa è piuttosto utilizzata nell’elaborazione dei segnali digitali sia per segnali audio sia per segnali video.
La differenza con il dithering sta nel fatto che questo riduce molto efficacemente l’errore di quantizzazione aggiungendo una certa quantità di rumore in maniera preventiva al processo di quantizzazione. Questo processo presenta un inconveniente perché il rumore che viene aggiunto è prevalentemente bianco, il che vuol dire che è statisticamente incorrelato con qualunque altra componente. Talvolta, però, è possibile che ci siano delle colorazioni spettrali che finiscano per superare il fondo scala, che si attesta più o meno intorno ai 6 dB per ciascun bit.
Nel caso in cui parliamo di video, dove il sensore, l’occhio, abbia una risposta maggiormente “sviluppata” ad alcune frequenze piuttosto che ad altre, potremmo avere dei risultati peggiori e proprio per questo motivo ha senso utilizzare la tecnica del noise shaping per “modellare” la risposta in frequenza.
In altre parole, utilizzeremo, o meglio preferiremo, la tecnica del noise shaping quando abbiamo da lavorare su intervalli spettrali definiti.

Il principio di funzionamento di questa tecnica, come abbiamo accennato, è semplice: se supponiamo di voler stimare il campione all’uscita del sistema, esso non sarà altro che la composizione del valore in ingresso sommato all’errore commesso nella stima

y(n) = x(n) + E(n)

L’errore in questione riviene dal risultato della stima precedente, ovvero di “tutti” i campioni che hanno preceduto quello corrente.
Ogni volta che viene effettuata una riduzione della risoluzione, ovvero della profondità, di un campione, l’errore di quantizzazione che ne risulterà sarà misurato e memorizzato. In pratica stiamo stimando gli scarti considerando che tutti quelli precedenti hanno una certa influenza su quelli che stiamo analizzando volta per volta. L’effetto che otteniamo, in questo caso, è che l’errore di quantizzazione, e non già il segnale, viene a sommarsi “volta per volta” su ciascun campione. Si tratta di un meccanismo di retroazione, che assomiglia, per l’appunto, ad un filtro (esattamente come mostrato nella figura precedente).
Questo stesso comparto matematico costituisce l’approccio del metodo della predizione, grazie alla quale è possibile utilizzare i campioni precedentemente disponibili per effettuare una stima del campione prossimo venturo.

Naturalmente la complessità di questo sistema dipenderà dal numero di campioni precedenti che decidiamo di considerare.
Se vogliamo continuare a ragionare in termini di filtri, questo è un filtro digitale con una memoria che è rappresentata proprio dal numero di contributi significativi che continuiamo a tenere in conto ad ogni iterazione.
Siccome l’errore di quantizzazione in questa tecnica viene realmente tramutato in rumore che si somma a ciascun campione mano a mano che si va avanti, l’effetto produce effettivamente (perdonando la ripetizione) una sagomatura del rumore, noise shaping per l’appunto.

Che cosa vuol dire tutto questo dal punto di vista spettrale? Che cosa accade nelle frequenze?

Dal punto di vista spettrale succede che il segnale resta invariato e continua ad occupare la banda che occupava in precedenza. Quello che succede al rumore, invece è molto diverso perché la sagomatura consiste in un effetto che trasforma un rumore bianco in un rumore colorato, sagomato che viene “spinto” a frequenze più alte.
Pertanto, partendo dalla conoscenza precisa di quale sia la banda del segnale, si sceglie di fare in modo che il rumore sia concentrato a frequenze alle quali il segnale è assente, o quasi.
Il passo successivo, evidentemente, per ottenere il segnale senza alcun tipo di rumore (o quasi) è quello di effettuare un filtraggio di tipo passa basso; in questa maniera il rumore sarà completamente escluso (o quasi) dal segnale che viene successivamente elaborato.
Come detto, la profondità del filtro, la sua memoria, sarà tanto più grande quanto più sarà numerosa la popolazione di campioni che staremo tenendo in conto. Altrettanto si potrà dire della qualità dell’operazione di sagomatura che viene effettuata sul segnale (complessivo) per cui maggiore sarà la memoria del filtro, migliore sarà l’effetto che otterremo, a parità di banda.

Abbiamo già accennato a due casi, ovvero l’utilizzo con segnali audio e quello con segnali video. Nel primo caso viene più spesso realizzato uno schema di riduzione di bit. Il dithering lineare genera un errore di quantizzazione che è bianco. L’orecchio umano, però, come sappiamo, non ha una risposta omogenea ma varia a seconda delle frequenze. A bassi livelli di ascolto è, infatti, molto meno sensibile ad alcune frequenze rispetto ad altre. Per meglio comprendere questo ed altri aspetti è fondamentale studiare con attenzione il diagramma di Fletcher-Munson. La tecnica del noise shaping risulta piuttosto utile per manipolare la distribuzione dell’errore di quantizzazione in maniera tale che esso venga concentrato al di fuori dello spettro dell’udibile.

Altro aspetto che si può sfruttare della fisica dell’orecchio è il fatto che la sensazione uditiva è strettamente connessa alla componente energetica e pertanto rumore può essere “nascosto” nelle immediate vicinanze di componenti spettrali molto dominanti (dal punto di vista del guadagno).
Il risultato complessivo è una riduzione notevole dell’errore di quantizzazione proprio sulle bande critiche, riuscendo così a concentrare le componenti di rumore non soltanto dove l’orecchio è spettralmente meno sensibile ma anche “all’ombra” di componenti spettrali dominanti.
C’è anche da dire che non è vero che tutti gli algoritmi che riducono la profondità di bit e ne causano sagomatura spettrale sono noise shaper; due esempi sono gli algoritmi UV-22 e UV-22HR della Apogee.

Perché con l’audio si possa scegliere il sovra-campionamento è abbastanza intuitivo: avere a disposizione un maggior numero di campioni, in particolare se questo è sensibilmente più grande del numero di campioni necessari, permette di elaborare il segnale con una maggior definizione. Stiamo parlando, in particolare di frequenze che si aggirano intorno ai 2-3 MHz. Tutto questo utilizzando sempre e soltanto 1 bit.
Con una risoluzione così bassa questo tipo di convertitore può contare su una dinamica di circa 8 dB, che in teoria non sarebbero sufficienti ma sono maggiori rispetto ai 6 dB proposti dagli altri.
Ovviamente questo valore da solo non vuol dire nulla perché deve essere confrontato con la cifra di rumore, o meglio con la densità spettrale di rumore disponibile.
Ed è proprio in questo caso che il noise shaping torna facile ed utile da applicare perché questa tecnica massimizza l’SNR proprio in quegli intervalli di frequenza che sono fondamentali, nel caso dell’audio l’intervallo 20 Hz – 20 kHz.

Il segnale audio viene campionato ad una frequenza di campionamento estremamente alta (2,8224 MHz, ad esempio), ma usando solo 1 bit. Con una così bassa risoluzione, questo tipo di convertitore ha una dinamica di appena 7,78 dB; il noise floor, tuttavia, si distribuisce uniformemente su tutta la gamma di frequenze campionate (cioè al di sotto della frequenza di Nyquist, in questo caso pari a 1,4112 MHz, secondo il teorema di Nyquist-Shannon). Sfruttando il noise shaping, inoltre, è possibile attenuare ulteriormente il rumore che cade nella banda dell’udibile (20-20.000 Hz) e concentrarlo al di sopra di essa. Questo implica una dinamica media (nella banda 0-1.411.200 Hz, in questo esempio) di soli 7,78 dB, ma non uniforme in tutte le bande di frequenza: in quelle più basse (prime fra queste, lo spettro dell’udibile), la gamma dinamica è notevolmente maggiore (superiore a 100 dB).

AD9262

E veniamo a noi ed alla scheda di valutazione di cui c’occupiamo quest’oggi, l’AD9262. Come annunciato e richiesto da alcuni di voi, oggi analizzeremo questa scheda che si propone utile per due scopi fondamentali: come piattaforma per valutare le prestazioni dell’ADC Σ-Δ dual continous time a 16 bit ma anche come piattaforma di dimostrazione per la conversione diretta.
Le tabelle che seguono elencano tutte le features principali dei prodotti che fanno parte della dimostrazione.

Prima di andare avanti, vediamo questa scheda: ecco il fronte

e qui di seguito riportiamo il retro

L’AD9262 è un convertitore che riesce a raggiungere un dynamic range pari a 86 dB su una banda da 10 MHz (reale) e da 20 MHz (complessa).
Le features integrate e le caratteristiche uniche di questo genere di architettura riescono a semplificare in maniera significativa la necessità di componenti esterni.
La scheda di valutazione supporta l’intera famiglia di prodotti AD9262, includendo anche AD9262BCPZ-10, AD9262BCPZ-5 e AD9262BCPZ.
L’architettura effettua la conversione diretta, come si vede dalla figura che segue

utilizzando una singola frequenza per convertire il canale a radiofrequenza direttamente in banda base, senza frequenze intermedie.
La traslazione di frequenza, di modulazione, in questa conversione viene effettivamente realizzata da un demodulatore in quadratura, l’ADL5382.
Questo convertitore copre l’intervallo di frequenze che va da 700 MHz fino a 2,7 GHz.

L’AD9262 ha input passivi e pertanto permette al demodulatore di pilotare direttamente il convertitore.
L’ADC non ha necessità di un filtro che preceda il convertitore e questo perché l’architettura Σ-Δ possiede intrinseche capacità anti-aliasing. Proprio per questo motivo si richiede un filtraggio davvero minimale, e, in verità, nemmeno è essenziale che ci sia.
Nonostante questo, viene prevista un’area di progetto per un filtro del quarto ordine all’interno della quale si possono effettuare anche altri esperimenti di filtraggio.

Per raggiungere prestazioni ottimali è necessario utilizzare un clock differenziale che preveda un basso jitter. Come sappiamo, e nella demodulazione è assolutamente indispensabile, il jitter è un errore per effetto del quale nel momento in cui cerchiamo di effettuare operazioni che richiedano il sincronismo, la differenza nella generazione degli istanti di clock si fa sentire.

In particolare, poichè la generazione degli istanti di clock è associata alla creazione delle portanti che demodulano il segnale, il risultato sarà una demodulazione eterodina, sebbene per poco, e quindi avremo perdite di segnale o meglio di componenti spettrali.
La famiglia AD9516 offre sistemi di clock con prestazioni piuttosto avanzate e decisamente superiori a molti concorrenti. Questo integrato, insieme con un footprint per un cristallo oscillatore, sono inclusi nella scheda di valutazione.
Inoltre, per fornire al convertitore tutte le “opzioni” di clock di cui può aver necessità, le uscite dell’AD9516 possono essere utilizzate per pilotare altri dispositivi esterni.

L’ADR130B offre la possibilità di utilizzare un riferimento di tensione esterno a 0.5V per l’AD9262.
L’ADP3339 fornisce un’alimentazione (tensione) affidabile per ciascuno dei componenti. E visto che ci stiamo occupando dell’alimentazione, vediamo, direttamente dallo schematico, qualcosa che ce ne parli in maniera più approfondita: qualche dettaglio dello schema elettrico

ed eccolo più nel dettaglio.

Qui si vede chiaramente come la tensione venga regolata al fine di ottenere i livelli desiderati (necessari).

Inoltre, oltre al sistema per la conversione, la scheda di valutazione offre anche un altro grado di libertà grazie all’isolamento dell’integrato dai componenti vicini, permettendo una valutazione dettagliata del solo AD9262.

Non sottovalutate questo aspetto perché abbiamo già visto che cosa succede ai circuiti digitali quando non abbiamo la possibilità di contare su un perfetto isolamento, un affidabile sistemazione del piano di massa e così via dicendo. Ce ne siamo occupati qualche tempo fa ed oggi abbiamo l’occasione di guardare da vicino una scheda pensata proprio stando attenti a questi particolari.
Gli ingressi dell’ADC possono essere disconnessi dall’ADL5382 e possono essere pilotati dall’esterno.
Gli ingressi analogici dell’integrato possono essere pilotati sia da un trasformatore differenziale sia dall’ADA4937, un amplificatore differenziale sempre di casa Analog Device, con un’ottima linearità e bassi contributi di rumore.

La scheda di valutazione è poi completata grazie all’impiego di altri hardware e software al fine di acquisire e processare i dati digitali dall’uscita del convertitore.
L’AD9262 può essere valutata esclusivamente tramite l’utilizzo della data capture card HSC-ADC-EVALCZ insieme con il software di acquisizione ed analisi VisualAnalogTM.
Per interfacciarsi, e quindi sia per la lettura sia per la scrittura, con l’AD9262 è indispensabile il software SPIControllerTM.

Qualcuno ci ha richiesto anche di parlare di reperibilità e prezzi. Bene, ecco le indicazioni:

Modello

Package

Prezzo (da 100 a 499 unità)

Prezzo (1000 unità)

AD9262BCPZ

64 ld LFCSP (9x9mm, 6.20mm exposed pad)

$35.29

$30.00

AD9262BCPZ-10

64 ld LFCSP (9x9mm, 6.20mm exposed pad)

$56.47

$48.00

AD9262BCPZ-5

64 ld LFCSP (9x9mm, 6.20mm exposed pad)

$43.53

$37.00

AD9262BCPZRL7

64 ld LFCSP (9x9mm, 6.20mm exposed pad)

$35.29

$30.00

AD9262BCPZRL7-10

64 ld LFCSP (9x9mm, 6.20mm exposed pad)

$56.47

$48.00

AD9262BCPZRL7-5

64 ld LFCSP (9x9mm, 6.20mm exposed pad)

$43.53

$37.00

Per quanto riguarda la reperibilità, non sono segnalati problemi di alcun tipo quindi presso un distributore qualsiasi potrete certamente trovare la vostra demoboard.

Salutandovi

Bene, per oggi è tutto. E nell’attesa di riprendere la nostra programmazione, vi salutiamo e…attendiamo un vostro parere.

 

Quello che hai appena letto è un Articolo Premium reso disponibile affinché potessi valutare la qualità dei nostri contenuti!

 

Gli Articoli Tecnici Premium sono infatti riservati agli abbonati e vengono raccolti mensilmente nella nostra rivista digitale EOS-Book in PDF, ePub e mobi.
volantino eos-book1
Vorresti accedere a tutti gli altri Articoli Premium e fare il download degli EOS-Book? Allora valuta la possibilità di sottoscrivere un abbonamento a partire da € 2,95!
Scopri di più

5 Comments

  1. Boris L. 30 maggio 2013
  2. Piero Boccadoro Piero Boccadoro 30 maggio 2013
  3. Antonello Antonello 31 maggio 2013
  4. Piero Boccadoro Piero Boccadoro 31 maggio 2013

Leave a Reply