欲延长电池供电时间和寿命，首先需要降低设备功耗，那就必须在设计时能够精确测量设备的总功耗。
在一个日益互连的世界中，电子设备正变得越来越智能，电池性能和寿命之间的平衡从未像现在这样重要。无论应用程序多好，“电量不足”都会为使用者带来很大的不便。从健身房的无线耳机到智能手机上的数字购物列表，消费者每天都离不开电池供电设备。更重要的是，他们希望这些设备一次充电就能保持更长的供电时间，这意味着工程师一直面临着如何最大限度地延长电子设备电池寿命的挑战。
欲延长电池供电时间和寿命，首先需要降低设备功耗，那就必须在设计时能够精确测量设备的总功耗。所面临的主要挑战在于：总负载功率的测量不仅限于上电和稳态运作状态，还需要在多任务运作状态下进行测量。由于需要测量的是低电压(通常在nV范围内)，睡眠和瞬态等低功耗条件可能会导致错误的结果。此外，一些功耗的发生可能只持续很短的时间，这就意味着，除了需要高精准度的测量仪器外，快速采样率也是一个关键考虑因素。
多种功耗状态的设备功耗计算
精确测量电子设备的功耗需要了解仪器选项和适当的测量设置。为了说明这一点，请考虑图1中所示的被测设备的模拟测量电路。该图说明一个具有两种状态的简单电路：高功耗模式和低功耗模式。V1是测得的源电压，这种测量对于电池来说是一个重要的考虑因素，因为它们会随着时间的推移而失去电力。测量功耗需要在电流检测电阻上进行第二次电压测量，该电阻在图中标记为R1。R2和R3代表被测设备负载，其中R3代表高功耗(满负荷/工作)模式，R2代表低功耗(待机/睡眠)模式。
图1：高功耗(工作)和低功耗(睡眠)模式下电压测量电路。
图1中：V1=1VDC电压源，R1=用于测量电压的100mΩ电流检测电阻，R2=10kΩ，低功耗模式负载电阻，R3=1Ω，高功耗模式负载电阻，S1&S2=应用/模拟负载开关。
旁路电阻的重要性
外部旁路或电流检测电阻是影响功耗测量的一个重要因素，使用数字万用表(DMM)、数据获取(DAQ)设备或示波器等电压测量仪器来测量待测物的电流消耗时，需要仔细注意旁路电阻的大小和容差。在这种情况下，旁路电阻也参与测量电压降并将其转换为电流，适当调整此电阻的大小可确保测量精确性。在图1中，R1 (100mΩ，0.1%容差)电阻代表仪器测量的被测电压降，在这里，可以使用奥姆定律来计算检测电阻上的电压。请注意，为减少误差，电阻应够低，但又应够大以满足精确的电压降测量。在该例中，选择100mΩ，以实现精确的电流测量，同时又使得检测电阻消耗的功率最小。
根据的高功耗和低功耗模式模型，可以使用下面的公式，估算旁路电阻上的电压降。这些估算是电压测量的前提，也是考虑选用不同测量仪器精准度时的基础：
- R2：低功耗模式
电流= (1VDC)/(10kΩ) = 100μA
旁路电阻上的电压降= 100μA × 100mΩ = 10μV
预期功耗= 10μV × 100μA = 1nW
- R3：高功耗模式
电流= (1VDC)/(1Ω) = 1A
旁路电阻上的电压降= 1A × 100mΩ = 100mV
预期功耗= 100mV × 1A = 100mW
如上所见，低功耗模式下旁路电阻上的压降很小。在这种情况下功耗测量更具挑战性，因此将重点关注低功耗条件下的精准度计算。请注意，当使用旁路电阻测量功耗时，测量的总误差将包括组件误差和配置误差。出于说明目的，假设连接到旁路电阻R1和电压源V1的导线和固定设备上的任何电压降都可以忽略不计。但可以使用以下公式，计算由电阻容差引起的测量误差。回想一下，在本例中，高功率模式测量值为100mV，低功耗模式测量值为10μV。低功耗模式下：
R1检测电阻值= 100mΩ、容差0.1%，则：
检测电阻R1误差(V) = 10μV ÷ 0.1% = 10nV
检测电阻电流误差(A) = 10nV ÷ 100mΩ = 100nA
选择合适的测量设备来测试低功耗电路
在开始探索电压和电流测量领域时，了解电压、电流和电阻之间的关系至关重要。由于仪器通常测量电压或电流，因此将使用奥姆定律来确定IC、电源轨、电路和/或系统级的功耗。执行低功耗测量有多种选择，但每一种都需要权衡取舍。用于测量电压的最常见设备是DMM、示波器和DAQ。
使用DMM进行低功耗测量
DMM是用于低电平电压测量的最常用仪器之一，通常采用一系列功能来校正电压不确定性。为了确定该仪器的精准度，考虑一台精准度为7位半的DMM、其最大输入范围为±1,000V，内建1.8MS/s的隔离数字转换器，图2内容摘自该设备的数据表。在这种情况下，像自动归零、ADC校准和偏移归零这类的高阶DMM精准度增强功能都被禁用。重要的是要理解，如果启用DC偏移归零，则DMM的整体精准度可以提高2μV。请注意，DC偏移归零是一个高阶选项，有很多使用注意事项和权衡取舍。出于讨论的目的，检测电阻两端的测量电压在最坏情况下为10μV，所以可以暂时忽略直流偏移调零。
图2：指数脉冲上升边缘的时间常数测量。
尽管DMM既可以测量电压也可以测量电流，但这里考虑的是在使用外部旁路电阻条件下，用DMM进行电压测量。这种电压测量模式通常是功耗测量的首选，因为它允许自定义旁路电阻的阻值。
以下公式有助于计算DMM在最坏情况下的精确度：
公式中，a =读数(reading)的ppm，b =量程(range)的ppm。请注意：不使用归零条件下，增加2μV。
根据测量的电压降(10μV)，选用100mV量程。使用上面的公式，可以估计DMM的电压测量精准度。假设DMM在测量后的90天内进行了自校准，可以使用以下数字：
读数的ppm = 27
量程的ppm = 7
量程= 100mV
预期讯号电压= 10μV
精准度= 700nV + 2μV = 2.7μV
已知仪器精准度为±2.7μV，可以使用奥姆定律、仪器的精准度和检测电阻误差来计算电流读数的精准度：
- 奥姆定律：I = V/R
- 测量电流误差= ±(2.7uV)/(100mΩ) = ±27μA
- 总电流误差=测量误差+检测电阻误差= ±27μA+100nA= ±27.1μA
- 功耗误差= 2.7μV × 27.1μA = 73.17pW
正如从上述公式中观察到的，使用容差为1%的电阻时，检测电阻误差可以忽略不计。因此，系统设置可以在位于27μA的精准度内测量低功耗状态下的100μA电流消耗，甚至无需使用DC归零，只需应用此技术即可提高精确性。
使用示波器进行低功耗测量
示波器是第二种经常用于功率测量的仪器。鉴于其宽带宽和高采样率，示波器通常是检测设备功耗动态变化的首选仪器。出于说明目的，使用具有1GS/s采样率、200MHz和14位分辨率的NI PXI-5163示波器。
示波器最坏情况下的精准度计算结果是输入范围和垂直偏移的函数。对于此计算，将使用1MΩ内阻，因为它更适合测量低电压。在本例中，将在电压仅有10μV的低功耗模式下评估检测电阻上的电压降。在此测量中，将使用0垂直偏移和0.25V的满量程输入范围。计算精准度的公式直接取自示波器的规格书(图3)。
图3：PXIe-5163示波器主要规格。
请注意，如规格书中所述，当仪器的电路板温度自上次校准后超过±3℃时，还需要考虑DC/DC漂移。由于温度变化因仪器而异，故对此不予考虑，并假设温度变化位于±3℃以内。
已知仪器精准度为±650μV，可以使用奥姆定律、仪器的精准度和检测电阻误差来计算电流读数的精准度：
- 奥姆定律：I = V/R
- 电流测量误差= ±(650.01μV)/(100mΩ) = ±6.5mA
- 总误差=测量误差+检测电阻误差= ±6.5mA + 100nA= ±6.5mA
- 功耗误差= 650μV × 6.5mA = 4.23μW
从上面的公式中，可以发现使用示波器测量系统电流时，测量误差高达6.5mA，这不足以精确测量100μA的低功耗模式的电流消耗。然而，示波器可以在合理的精准度范围内，精确地测量工作模式下的设备功耗，并且通常用来测量工作模式下的瞬态功耗。
用于低功耗测量的DAQ仪器
DAQ通常用于采集多信道电压和/或数据。尽管有些人可能认为DAQ设备是一种低成本的测量工具，但一些高阶型号也能提供出色的直流测量精准度。出于说明目的，将考虑两个DAQ设备。第一个是PXIe-6289，是一个32AI (18位，625kS/s)、具有4个AO和48个DIO。与上例一样，以下的精准度计算用于最坏情况下，即低功耗模式下的功耗测量。利用图4，可以使用下面规格书中的公式计算DC精准度。
- 绝对精准度=(读数×增益误差)+(量程×偏移误差)+噪声不确定度
图4：规格书中的PXI-6289精准度表。
采用绝对精准度，“读数”将是检测电阻上的电压降(10μV)。此外，将使用尽可能小的输入范围(0.1V)。请注意，增益误差和失调误差利用附加计算得出。在计算增益和失调误差时，将假设最后一次校准与当前测量的温度差为5℃，而增益温度系数(增益温度系数)为17ppm/℃，参考温度系数为1ppm/℃，INL误差范围为10ppm。
- 增益误差=残余AI增益误差+增益温度系数×上次内校准后的温度变化量+参考温度系数×上次内校准后的温度变化量
- 偏移误差=残余偏移误差+偏移温度系数×上次自校准后的温度变化量+INL误差噪声不确定度
- 噪声不确定性=(随机噪声× 3)/√100
- 增益误差=120ppm + (17ppm × 5ppm) + (1ppm×5) = 210ppm
- 偏移误差=(62ppm + (60ppm ×5)) + 10ppm =3 72ppm
- 噪声不确定性= (9μV×3)/√100 = 2.7μV
- 绝对精准度=0.1V × (210ppm) + 0.1V × (372ppm) + 2.7μV = 58.2μV
将所有可能的误差相加后，该仪器的直流精准度为58.2μV。现在，可以使用奥姆定律、仪器的精准度和检测电阻误差来计算电流读数的精准度：
- 奥姆定律：I = V/R
- 测量误差= ±(60.9μV)/(100mΩ) = ±609μA
- 总误差=测量误差+传感器误差= ±609μA + 100nA= ±609.1μA
- 功耗误差= 58.2μV × 609.1μA = 35.45nW
将此计算应用于图1中的电路，可以看到该DAQ仪器可以实现实际电流消耗精准度位于±1mA范围内的测量。因此，尽管该仪器用于工作模式(1A)下的功耗测量时精准度足够，但它进行低功耗模式(100μA)下电流消耗测量时精准度太低。
更高性能的数据获取仪器
相比之下，可以利用更高性能的终端模型来检验上述多功能DAQ设备的性能。在第二台DAQ仪器中，将评估NI PXIe-4309的性能，该仪器具有高达2MS/s的采样率、28位可变分辨率、32个信道，输入范围和为±15V。
与DMM类似，NI PXIe-4309利用额外的精准度改善技术来提高直流测量精准度，包括自动归零、斩波和偏移补偿等。为了更好地说明PXIe-4309附加功能带来的好处，先评估一个启用自动归零的示例，但在采集一开始并不认为偏移为零。在这种情况下，自动调零采样在读取低电压时改进最显著，而偏移归零消除了最大的误差源，即在读取低电压时补偿了4.5μV的偏移误差。因为的读数是10μV，所以不需要偏移归零功能。现在，将继续使用图5中的最小范围(0.1V)。
如前所述，来自DAQ设备的最大误差源之一是偏移误差。本例中，将选用的仪器电压量程为0.1V，校准周期为两年。在此示例中，可以透过查看图5中的规格书来确定快速精准度估算。两年校准周期内总误差的偏移误差为4.7μV。可以利用偏移误差计算公式来计算偏移误差，计算中需要用到线性度、噪声和残余偏移，而这些在参数规格书中均可找到。以下公式有助于计算设备的总精准度：
- 偏移误差=读数漂移+线性度
-线性度误差= 5ppm (100mV量程内) = 0.0000005
-残余偏移=4μV
- 噪声=噪声(RMS) × √2 = 0.00000054
- 增益误差= 60ppm = 0.00006
- 精准度=偏移误差+噪声+增益误差
图5：PXIe-4309规格书中的精准度表。
根据测量的电压降(10μV)，将考虑与之前100mV量程所用相同的参数规格。假设PXIe-4309在测量的两年内进行了校准，可以使用以下资料：
- 偏移误差= 4.5μV (计算时，低于5℃时采用调零)
- 线性度= 0.1V × 5ppm = 500nV
- 残余偏移= 4μV
- 噪声=2 0nVrms × 1.414213562 = 28nV峰峰值
- 增益误差= 10μV × 60ppm = 6pV
- 精准度= 4.7μV + 28nV + 6pV = 4.73μV
加上所有可能的误差后，PXIe-4309在以每秒10次采样时，无归零的DC精准度为4.73μV。与前面的示例一样，利用奥姆定律、仪器的精准度和检测电阻误差来计算电流读数的精准度：
- 奥姆定律：I = V/R
- 测量误差= ±(4.73μV)/(100mΩ) = ±47.3μA
- 总误差=测量误差+检测电阻误差= ±47.3μA + 100nA = ±47.4μA
- 功耗误差= 4.7μV × 47.4μA = 222.78pW
根据上述计算，可以确定，利用PXIe-4309 DAQ仪器，在无需校正零偏移的情况下，可以在±47.5μA的精准度范围内测量电流消耗。请注意，直流偏移是整体测量误差的重要部分。因此，使用上述测量配置，即使是采用最基本的归零技术，也可以显著提高该测量的精准度，甚至精准度性能能够优于±1μA。
表1：基于低功耗测量要求的各类仪器性能比较。
透过评估找到适合低功耗验证的仪器
如前所述，精准度是评估低压测量仪器时最重要的考虑因素之一。另外，快速采样率等功能可获取动态讯号的数据。除此之外，多通道适用于测量多个电源轨。总体结果表示，尽管大多数仪器都配备了电压测量功能，但精准度存在显著差异。首先，DMM将能用于高功耗和低功耗模式精确测量；其次，示波器因其高采样率而最适合捕捉动态讯号；第三，DAQ PXIe-6289足以满足高功率模式功耗测量，但不足以进行低功耗模式功耗测量；最后，PXIe-4309将能同时满足图1中所需的高功耗和低功耗模式下的精确测量。
选择合适的仪器来测量低功耗，能够实现更精确的功耗验证，进而提高产品性能。消费者希望他们的电子设备一次充电就能保持更长时间供电，选择PXIe-4309这样的高性能仪器可能以协助设计师快速有效地验证所开发设备的功耗。在测量这些低阻值旁路电阻上的电流时，它甚至可以与7位半DMM的性能媲美。由于通道数更多，PXIe-4309可提供足够的测量密度，以满足现代复杂电子设计中的功耗验证需求。
(参考原文：Achieving accurate low-power validation，by David Hall、Macarena Calderon、Mike Denton、Paul Ulezko)
您可能感兴趣
