工業4.0或智能工業預示著一場新的工業革命，將現有系統通過網絡連接在一起，以創建網絡化物理系統。第一次工業革命是不同技術的融合，以支持工程師推動手工制造向蒸汽機驅動的大規模生產轉變。如今的工業革命則是傳感網、通信和大數據處理等技術的融合，這些被視為工業4.0的基石。從工廠生產到客戶使用產品，通過增加嵌入式系統的連接性，并實時提取數據，理論上效率可提升高達30％。利用這些數據不僅可以優化制造流程，而且有助于做出更優的業務決策，開辟新業務領域。

工業4.0的基礎是可靠的通信基礎設施。決策者通過基礎設施從機器、工廠和現場設備中提取數據。正如工業4.0工作組的最終版報告所指出的那樣，網絡化是 “現實世界和虛擬世界（信息空間）以信息-物理系統的形式融合”，并且“可靠、全面、高品質的通信網絡是工業4.0的關鍵要求?！?br />
Sub-1GHz無線連接技術已經實現了自動化計量和遙感技術，如結構監控。通常由電池供電的無線設備使用傳感器來測量和量化現實世界，并將這些數據發送到集中器或網關，并由此發送到云端進行整合和處理。無線解決方案正步入工廠自動化領域，預計無線設備的出貨量將不斷增加以滿足市政工程、農業和環境以及能源生產與分配的需求。

工程師在設計無線系統時需要考慮很多因素。每個工程師都會利用弗里斯傳輸方程式，通過改變一些參數來增加傳輸距離，例如提高發射功率或接收靈敏度，或同時提高這兩參數。然而，法規限定了最大發射功率，而且高功率天線和外部LNA等組件可能會大幅增加系統成本。因此，在選擇無線接收器時，工程師首先需要關注的是接收靈敏度。然而，靈敏度本身并不能說明整個情況。

對于工業生態系統內的連接來說，可靠的無線連接至關重要。在日益惡劣的RF環境中保持可靠通信將是一個挑戰，尤其是在工業領域中。自1985年推出免許可的工業、科學和醫用(ISM)無線電頻段以來，越來越多的用戶不斷在此頻段中部署了數以億計的有源設備。這些無線電必須面對多個潛在的干擾源，從無意RF輻射器到可能工作于相同頻段的其它有源RF設備，通常都使用專有協議。干擾會嚴重降低通信范圍。更大、更密集的網絡也意味著更多的近距離節點傳輸，因此需要更好的接收性能。迫切需要更強的抗干擾能力。它可以減少所需的中繼器節點數量并使每個網關可支持更多端點。這使得網絡覆蓋更可靠且盲點更少。借助可靠的無線電連接，數據包的丟失更少，從而可減少數據包的重新傳輸量并提高系統整體效率。

為了解接收器的性能，我們必須查看數據手冊并考察選擇性和阻塞參數。對于無線電接收機來說，RF選擇性是指將期望信號源與其他信道中傳輸的干擾信號源區分開來的能力。抑制性能越強，接收機在存在干擾信號時的性能就越好。阻塞是指遠離接收機頻帶的干擾信號。即使相距幾兆赫茲，高功率干擾信號也會降低通信質量并導致數據包丟失。

獲得良好的阻塞和選擇性參數的一個要素是降低RF系統中的相位噪聲。相位噪聲是信號中的短期相位波動引起的噪聲，它可以看作是從頻域中的目標信號擴散出來的邊帶。相位噪聲通常相對于載波測量，以dBc/Hz為單位，定義為在間隔載波的某一給定偏移頻率處1Hz帶寬內的噪聲功率。相位噪聲會影響倒易混頻（如圖1所示）和提高本底噪聲，使接收器性能下降。在接受器中，當目標信號下變頻至中頻信號進行處理時，可能會和干擾信號的尾部混頻，并且后續無法濾除。

圖1.相位噪聲基本理論。

接收器的前端線性度會影響對附近高功率干擾信號的抗干擾能力。對于低于1 GHz的無線電網絡，這類干擾信號可能是LTE。我們通過輸入三階交調截點(IIP3)來測量接收機的線性度。通過在接收鏈中插入兩個信號音頻，并測量以輸入音頻的三倍頻率間隔出現的三階交調產物來實現。

ADI公司的ADF7030-1 能夠應對可靠連接這一挑戰。ADF7030-1是一款sub-GHz完全集成式無線電收發器。它適合在ISM、SRD以及169.4 MHz至169.6 MHz、426 MHz至470 MHz和863 MHz至960 MHz許可頻段范圍內工作的應用。它支持IEEE802.15.4g等基于標準的協議，同時還靈活地支持眾多專有協議。高度可配置的低中頻(IF)接收器支持2.6 kHz至738 kHz范圍內的各種接收器信道帶寬。因此ADF7030-1支持超窄帶、窄帶和寬帶通道間隔。它提供同類最佳阻塞性能并提供出色的靈敏度。

ADF7030-1的高性能、低功耗模擬前端(AFE)采用高動態范圍ADC、帶QEC的模擬復雜抗混疊濾波和數字通道濾波技術，以消除接收鏈中的無用信號。利用這些技術，ADF7030-1能夠在±20 MHz偏移時實現高達102 dB的阻塞和高達66 dB的鄰道抑制。

為了在所有支持的信號帶寬和頻段內保持高接收性能，ADF7030-1采用具有雙頻LO路徑的可重構VLIF接收機架構。因而ADF7030-1支持廣泛的應用。

圖2.ADF7030-1 ACR與競爭對手產品比較。