【模拟集成电路】反馈系统——基础到进阶(一)

【模拟集成电路】反馈系统——基础到进阶

  • 前言
  • 1 概述
  • 2 反馈电路特性
    • 2.1增益灵敏度降低
    • 2.2 终端阻抗变化
    • 2.3 带宽拓展
    • 2.4 非线性减小
  • 3 放大器分类
  • 4 反馈检测和返回机制
    • 4.1 按照检测物理量分类
    • 4.2 按照检测拓扑连接分类
  • 5 反馈结构分析
  • 6 二端口方法
  • 7 波特方法
  • 6 麦德布鲁克方法

前言

  本文主要对集成电路中反馈相关内容进行归纳总结,并在总结的基础上融入个人的一些理解,首先是反馈的一些相关概念,这是深入学习反馈并完成进阶所不可或缺的,然后在对反馈基本结构和相关特性有了基本的认识后,将会深入讨论四种典型反馈结构的特性,
  在讨论四种反馈时,主要采用了直接开环的反馈系统分析方法,后续在掌握该方法后,也将对“二端口方法”、“波特方法”、“麦德布鲁克方法”进行分析和说明。相关内容实时更新。

1 概述

  在模拟集成电路中,反馈是一种常用的技术,通过反馈技术,可以使电路实现更高精度的信号处理,并且可以使电路更加稳定可控,甚至可以通过合理的控制正反馈,使振荡器成为可能,反馈应用带来的电路环路,也会使电路分析变得困难,也会给电路带来稳定性问题,下面对反馈进行总结。常见负反馈系统结构如图1.1所示。
在这里插入图片描述
  其中H(s)和G(s)分别叫做前馈网络反馈网络,对反馈框图进行分析,有
在这里插入图片描述

  即
在这里插入图片描述
  特别的,将H(s)称为“开环”传输函数Y(s)/X(s)称为“闭环”传输函数
  反馈环路的工作过程描述:输出信号Y(s)的一部分被反馈网络G(s)检测并按照一定比例反馈至输入端与输入信号相比较,随后将得到的“比较信号”送入前馈网络,实现闭环控制。
  组成反馈系统的四个部分:①前馈放大器H(s);②检测输出的方式;③反馈网络G(s);④输入信号与反馈网络输出信号的比较方式;输入X和输出Y可以都为电流或电压,也可以是二者混合,根据输入和输出信号的不同,前馈和反馈网络的传输量纲也有所不同,将在下文说明。

  一般来说,反馈构成的闭环结构,相比常规的开环结构具有巨大优势,以运放为例,开环运放:静态点不宜稳定;放大倍数Av不稳定,易受工艺或环境影响;运放增益Av不宜灵活改变。

闭环应用具有以下优点
  ①Av稳定可靠,且通过控制反馈系数F,实现可控增益,可编程性提高,应用更灵活。
  ②-3dB带宽提升,频率特性相应提升,高频性能提升。
  ③线性范围拓展,线性度提升。
  ④通过闭环反馈,更易实现阻抗匹配,信号传输损耗小。

2 反馈电路特性

  一般来说,反馈电路可以使增益灵敏度降低、终端阻抗变化、拓展带宽和提高系统线性度,下面将进行说明,在此之前需要对一些概念进行了解。图2.1(a)是一个简单的反馈系统。
在这里插入图片描述
  假设环路信号单向传输,仅能按照箭头方向流动,在反馈环路的任意一点断开环路,如图2.1(b)所示,则开环增益
在这里插入图片描述
  然后导出开环增益的负值,称为环路增益 β A \beta A βA 。到此,对开环增益环路增益进行了定义。

2.1增益灵敏度降低

  对一个反馈系统,结构重新展示于图2.2所示.
在这里插入图片描述
  对环路分析,有 Y = A ( X − β Y ) Y=A(X-\beta Y) Y=A(XβY),则系统增益有式(2.2).
在这里插入图片描述
  假设 β A > > 1 \beta A>>1 βA>>1,则有 Y / X ≈ 1 / β Y/X\approx1/\beta Y/X1/β,从结果可以看出,在没有反馈网络时,增益A与网络内参数紧密相关,一旦前馈网络A内部器件参数波动,那么增益也将随之变化,但是反观带有反馈的闭环系统,闭环增益仅与反馈系数 β \beta β 有关,基本不随A的变化而变化,更加稳定。

2.2 终端阻抗变化

  如图2.3所示,对于放大器Av0,输入阻抗为Rin,现通过反馈系数为β的反馈网络对输出电压采样,反馈电压为VF。
在这里插入图片描述
  对于闭环后的输入阻抗进行计算,因为 V e = I X R i n V_e=I_XR_{in} Ve=IXRin V F = β A 0 I X R i n V_F=\beta A_0I_XR_{in} VF=βA0IXRin ,通过VX与VF叠加得到Ve,有 V e = V X − V F = V X − β A 0 I X R i n V_{e}=V_{X}-V_{F}=V_{X}-\beta A_{0}I_{X}R_{in} Ve=VXVF=VXβA0IXRin 最终得到输入端阻抗
在这里插入图片描述
  通过该结果可以看出,在电路加入反馈结构,会使输入端阻抗发生变化,相比开环结构,增加了 ( 1 + β A 0 ) (1+\beta A_{0}) (1+βA0) 倍,关于终端阻抗变化的具体细节,在后文将进行详细说明。

2.3 带宽拓展

  在该部分,将会讨论负反馈对带宽的影响,假定前馈放大器为单极点放大器,则传输函数仅含有一个极点,传输函数如式(2.4)所示,
在这里插入图片描述
  开环放大器极点频率为 ,对于负反馈系统,传输函数可以表示为
在这里插入图片描述
  将式(2.4)带入式(2.5)得到
在这里插入图片描述
  因此,闭环系统的直流增益变为 A 0 / ( 1 + β A 0 ) A_{0}/(1+\beta A_{0}) A0/(1+βA0) ,极点频率变为 ( 1 + β A 0 ) ω 0 (1+\beta A_0)\omega_0 (1+βA0)ω0 ,相比放大器,负反馈系统的带宽增大了 β A 0 \beta A_{0} βA0 倍,这是以增益按照同样比例减小为代价的,带宽拓展如图2.4所示。
在这里插入图片描述
  总的来说,带宽增大来源于反馈降低增益灵敏度的特性,GBW不变,增益下降,带宽则会上升,随着频率增大, β A 0 \beta A_{0} βA0 变得与1可以比拟,于是闭环增益降低至 1 / β 1/\beta 1/β 以下。对于一个带宽大的系统,响应速度也会得到显著提升,如图2.5主要体现在信号状态切换速度上。
在这里插入图片描述

2.4 非线性减小

  非线性特性是输出曲线偏离直线的特性,理想的放大器输出曲线是一条固定斜率的斜线,但是由于输入过高,放大器中部分器件逐渐脱离饱和区,进入线性区甚至截止,最终放大器输出曲线偏离线性,由于负反馈增益灵敏度降低特性,负反馈放大器的增益将对输入变化不太“敏感”,最终会产生更加线性的输出特性曲线,如图2.6所示。
在这里插入图片描述
  假设在图2.6(a)中,两个区间的增益分别记为A1和A2,其中 ,则区间2与区间1的增益之比可以写为
在这里插入图片描述
  对于一个闭环系统,两个区间的闭环增益可以写为
在这里插入图片描述
  相比式(2.7),闭环后的增益比,更加接近1,也就意味着更好的线性度。

3 放大器分类

  常见的放大器,根据输入和输出信号的不同,分为电压放大器、跨阻放大器、跨导放大器和电流放大器,如图3.1所示
在这里插入图片描述
  其中,第一行是四种放大器,第二行分是其对应的理想等效电路,表现为理想的输入输出阻抗,若考虑输入和输出阻抗,其对应的等效电路。如图3.2所示
在这里插入图片描述
  其中(a)为电压放大器;(b)为跨阻放大器;©为跨导放大器;(d)为电流放大器;表现为有限的输入阻抗输入阻抗。

4 反馈检测和返回机制

4.1 按照检测物理量分类

  对于反馈环路,反馈电路对输出信号进行检测,并使其输出的一部分以电流或电压的形式返回到输入端的求和节点,根据输入和输出信号是电流值或电压值,可以将反馈网络定义为四种类型的反馈电压-电压型 ( V − V ) (V-V) VV、电压-电流型 ( V − I ) (V-I) (VI)、电流-电流型 ( I − I ) (I-I) (II)和电流-电压型 ( I − V ) (I-V) (IV)
  对于该分类,第一个词为“输出”检测方式,第二个词为“输入”检测方式。

4.2 按照检测拓扑连接分类

  检测类型的分类,可参考电压表和电流表的使用,检测电压需要在端口“并联”,因此检测电压的方式也称为 “并联反馈” ;检测电流需要在端口“串联”,因此检测电流的方式也称为 “串联反馈” ,根据这种方式也可以定义四种类型的反馈网络:串联-并联负反馈、并联-并联负反馈、并联-串联负反馈和串联-串联负反馈
  对于该分类,第一个词为“输入”检测方式,第二个词为“输出”检测方式。

  两种分类,一一对应。

5 反馈结构分析

  关于该部分的内容,后续更新,更新后,附链接

6 二端口方法

  关于该部分的内容,后续更新,更新后,附链接

7 波特方法

  关于该部分的内容,后续更新,更新后,附链接

6 麦德布鲁克方法

  关于该部分的内容,后续更新,更新后,附链接

支持催更

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/73774.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ajax-axios-url-form-serialize 插件

AJAX AJAX 概念 1.什么是 AJAX ? mdn 使用浏览器的 XMLHttpRequest 对象 与服务器通信 浏览器网页中,使用 AJAX技术(XHR对象)发起获取省份列表数据的请求,服务器代码响应准备好的省份列表数据给前端,前端拿到数据数…

Verilog同步FIFO设计

同步FIFO(synchronous)的写时钟和读时钟为同一个时钟,FIFO内部所有逻辑都是同步逻辑,常常用于交互数据缓冲。 异步FIFO:数据写入FIFO的时钟和数据读出FIFO的时钟是异步的(asynchronous) 典型同步FIFO有三部分组成: (1&#xff0…

基于ssm的CRM客户管理系统(spring + springMVC + mybatis)营销业务信息java jsp源代码

本项目为前几天收费帮学妹做的一个项目,Java EE JSP项目,在工作环境中基本使用不到,但是很多学校把这个当作编程入门的项目来做,故分享出本项目供初学者参考。 一、项目描述 基于ssm的CRM客户管理系统(spring spring…

【数据结构】 单链表面试题讲解

文章目录 引言反转单链表题目描述示例:题解思路代码实现: 移除链表元素题目描述:示例思路解析: 链表的中间结点题目描述:示例:思路解析代码实现如下: 链表中倒数第k个结点题目描述示例思路解析&…

函数性能探测:更简单高效的 Serverless 规格选型方案

作者:拂衣、丛霄 2019 年 Berkeley 预测 Serverless 将取代 Serverful 计算成为云计算新范式。Serverless 为应用开发提供了一种全新系统架构。借助 2023 年由 OpenAI 所带来的 AIGC 风潮,以阿里云函数计算 FC、AWS Lambda 为代表的 Serverless 以其更高…

高校大学生社团管理系统的设计与实现(论文+源码)_kaic

目 录 一、绪论 (一)选题背景 1、社团管理系统的提出 (二)系统设计的原则与目标 1、系统设计原则 2、系统设计目标 二、系统关键技术的分析 (一)JSP技术 (二)Tomcat简介 1、SERVL…

drawio----输出pdf为图片大小无空白(图片插入论文)

自己在写论文插入图片时为了让论文图片放大不模糊,啥方法都试了,最后摸索出来这个。 自己手动画图的时候导出pdf总会出现自己的图片很小,pdf的白边很大如下如所示,插入论文的时候后虽然放大不会模糊,但是白边很大会显…

pytorch3d成功安装

一、pytorch3d是什么? PyTorch3D的目标是帮助加速深度学习和3D交叉点的研究。3D数据比2D图像更复杂,在从事Mesh R-CNN和C3DPO等项目时,我们遇到了一些挑战,包括3D数据表示、批处理和速度。我们开发了许多有用的算子和抽象&#xf…

2023年Java核心技术面试第二篇(篇篇万字精讲)

目录 四. 强引用,软引用,弱引用,幻象引用之间的区别? 1.前言 2.强引用 2.1 强引用赋值为null 2.2 超过了引用的作用域 2.2.1 描述: 2.2.2 作用域内: 2.2.3 不在作用域内: 3. 软引用(SoftRefere…

前馈神经网络正则化例子

直接看代码: import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt import torchvision import torchvision.transforms as transforms mnist_train torchvision.datasets.MNIST(root…

开源数据库Mysql_DBA运维实战 (备份与还原)

Mysql数据库的备份与还原🍃 备份对于数据库而言是至关重要的。当数据文件发生损坏、MySQL服务出现错误、系统内核崩溃、计算机硬件损坏或者数据被误删等事件时,使用一种有效的数据备份方案,就可以快速解决以上所有的问题。MySQL提供了多种备…

unity 之Transform组件(汇总)

文章目录 理论指导结合例子 理论指导 当在Unity中处理3D场景中的游戏对象时,Transform 组件是至关重要的组件之一。它管理了游戏对象的位置、旋转和缩放,并提供了许多方法来操纵和操作这些属性。以下是关于Transform 组件的详细介绍: 位置&a…

Flink之Task解析

Flink之Task解析 对Flink的Task进行解析前,我们首先要清楚几个角色TaskManager、Slot、Task、Subtask、TaskChain分别是什么 角色注释TaskManager在Flink中TaskManager就是一个管理task的进程,每个节点只有一个TaskManagerSlotSlot就是TaskManager中的槽位,一个TaskManager中可…

蓝光眼镜有效吗?科研团队:无法证明防蓝光镜片可以减少视力伤害

8 月 19 日消息,本次由墨尔本大学、莫纳什大学和伦敦城市大学联合进行的科研团队,对来自 6个国家和地区的 17 项已发表的研究进行了深入研究。他们的研究发现,无法证明防蓝光镜片能够减少眼睛的视力伤害或改善佩戴者的睡眠质量等功效。 这项研…

springboot+Vue--打基础升级--(二)写个主菜单导航界面

1. 华为OD机考题 答案 2023华为OD统一考试(AB卷)题库清单-带答案(持续更新) 2023年华为OD真题机考题库大全-带答案(持续更新) 2. 面试题 一手真实java面试题:2023年各大公司java面试真题汇总--…

【李沐】3.2线性回归从0开始实现

%matplotlib inline import random import torch from d2l import torch as d2l1、生成数据集: 看最后的效果,用正态分布弄了一些噪音 上面这个具体实现可以看书,又想了想还是上代码把: 按照上面生成噪声,其中最后那…

YOLOv8改进后效果

数据集 自建铁路障碍数据集-包含路障,人等少数标签。其中百分之八十作为训练集,百分之二十作为测试集 第一次部署 版本:YOLOv5 训练50epoch后精度可达0.94 mAP可达0.95.此时未包含任何改进操作 第二次部署 版本:YOLOv8改进版本 首…

Spring Boot 知识集锦之Spring-Batch批处理组件详解

文章目录 0.前言1.参考文档2.基础介绍2.1. 核心组件 3.步骤3.1. 引入依赖3.2. 配置文件3.3. 核心源码 4.示例项目5.总结 0.前言 背景: 一直零散的使用着Spring Boot 的各种组件和特性,从未系统性的学习和总结,本次借着这个机会搞一波。共同学…

从零实战SLAM-第四课(相机成像及常用视觉传感器)

在七月算法报的班,老师讲的蛮好。好记性不如烂笔头,关键内容还是记录一下吧,课程入口,感兴趣的同学可以学习一下。 --------------------------------------------------------------------------------------------------------…