图1Σ-Δ调制器基本结构
习惯上，定义调制器中含有的积分器个数为调制器的阶数L，量化器的个数为级数。对调制器的线性模型做离散域的z变换分析，并将量化误差模型化为噪声信号，可以推导出输出信号Y对输入信号X与量化误差E的传递函数，在有效信号频率内，输入信号保持不变而噪声信号被差分衰减，即
Y（z）=z-LX（z）+（1-z-1）LE（z） （1）
通常，对调制器性能评测的重要参数之一是信噪比SNR，即信号功率与噪声功率之比
（2）
这里ps为有效信号的功率，对正弦信号来说，ps=
，A为幅度;pq是信号频带内总的量化噪声功率，由E（z）的传递函数在有效信号频带内积分得到
（3）
从上式可以看出，分别提高M或L都能带来SNR的提高。但当信号频率达到几十MHz以上的高频范围后，M的提高势必会受到现有工艺，以及功耗等制约。目前，更多的研究改善SNR的方法是针对L的提高。
从调制器内在稳定性考虑，针对高阶调制器（L≥3），又有两种结构上的取向，即单级single-loop结构和多级级联的MASH结构。
2.2过采样及MASH（多级噪声成形）技术
本文中使用记号fN来表示Nyquist调制器工作时的采样率，而它与基带信号最高频率fB的关系工程上一般为fN≈2.2fB～2.5fB。所谓过采样，就是指采样速度fs远大于fN。这里称M=fs/fN为“过采样比”。在Σ-ΔADC的设计中，M远大于1，且取为2的整数次幂（如32、64等）。过采样带来的好处为压缩基带内量化噪声，降低对输入端模拟滤波器的要求等。
但是，光凭过采样来压缩基带内噪声是低效率的，提高4倍采样率才相当于提高1bit分辨率。为了更有效地衰减基带内量化噪声，应在过采样条件下进一步加入噪声成形（noise shaping）技术。最基本的一阶噪声成形器即所谓的一阶Σ-Δ调制器，其原理此处不再讨论。这里只指出，它可被转化为如图2所示的离散时间等效模型。
