模数转换器(ADC)是世界上最重要以及需求量最大的混合信号产品之一,如何对其进行高效的测试,特别是对其静态线性参数的测试一直是半导体业界中一个总所周知的难题。目前通用的ADC线性参数标准测试方法(即标准直方图方法),存在测试时间长,测试成本高,并且越来越难以适用于高分辨率ADC测试的问题。为此,探索出高效的ADC线性参数测试方法具有非常重要的意义。近年来专家学者们提出了了一些提升ADC线性参数测试效率的方法,这些测试方法虽然一定程度上减少了测试时间和测试成本,但是却是以牺牲另一方面如测试覆盖率,测试准确性以及测试复杂度等作为代价。本文基于误差项识别分段模型的思想,设计出一种高效的误差项识别分段模型处理算法。该模型处理算法以粗糙的INL曲线作为输入,对该曲线进行分段,并从各个段中提取出表征该段所包含的ADC线性误差信息的误差项,并根据这些误差项重构出准确的INL曲线。而作为模型输入的粗糙的INL曲线,我们则通过对少量的采样点做直方图统计得到。除此之外,我们还提出了提前诊断的方式来提高算法适用范围。综合上述三点,本文提出的针对ADC线性参数测试的误差项识别模型直方图算法就形成了。相比业界通用的标准直方图方法,新算法仅仅需要其十分之一甚至百分之一的采样点数,就可以得到同样精确的测试结果。同时新算法还有着简洁高效、测试覆盖率广、能够适用于不同分辨率,多种结构类型(包含SAR型,PIPELINE型,Cyclic型)的ADC等优点。为了说明新算法的优越性,我们从数学的角度对算法进行推导,也从理论的角度对算法进行了仔细的分析。除此之外,我们还搭建基于自动测试设备的实验平台、设计了专门的验证实验来得到大量的实际测试数据。这些实验结果帮助我们对算法的准确性、可重复性、噪声进行分析验证。理论推导结果和实验测试结果都充分地说明了新算法能够在少量的采样点数、即较短的测试时间的情况下得到准确的测试结果,是一种有效且高效的ADC线性参数测试方法。