电子技术——BJT的小信号模型

2023-10-20 00:30
文章标签 技术 模型 电子 信号 bjt

本文主要是介绍电子技术——BJT的小信号模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

电子技术——BJT的小信号模型

Logo
本节我们学习BJT的小信号模型。

集电极电流和互导系数

下图是我们主要研究的原理图:

原理图
首先基极电压的表达式为:

v B E = V B E + v b e v_{BE} = V_{BE} + v_{be} vBE=VBE+vbe

对应的集电极电流为:

i C = I S e v B E / V T = I S e ( V B E + v b e ) / V T = I S e V B E / V T e v b e / V T = I C e v b e / V T i_C = I_S e^{v_{BE}/V_T} = I_S e^{(V_{BE} + v_{be})/V_T} = I_S e^{V_{BE}/V_T} e^{v_{be}/V_T} = I_C e^{v_{be}/V_T} iC=ISevBE/VT=ISe(VBE+vbe)/VT=ISeVBE/VTevbe/VT=ICevbe/VT

现在,使用小信号假设,假设 v b e ≪ V T v_{be} \ll V_T vbeVT ,那么在此处可将其泰勒一阶展开为:

i C ≃ I C ( 1 + v b e V T ) i_C \simeq I_C (1 + \frac{v_{be}}{V_T}) iCIC(1+VTvbe)

因此,对于BJT的 小信号估计 为,假设 v b e ≪ V T v_{be} \ll V_T vbeVT ,也就是说, v b e < 10 m V v_{be} < 10mV vbe<10mV 。进而可以写成是:

i C = I C + I C V T v b e i_C = I_C + \frac{I_C}{V_T}v_{be} iC=IC+VTICvbe

现在的集电极瞬时电流由两部分组成,一部分是原来的DC集电极电流,另一部分是叠加的信号电流,而且信号电流分量为:

i c = I C V T v b e i_c = \frac{I_C}{V_T}v_{be} ic=VTICvbe

信号电流和电压直接存在互导关系:

i c = g m v b e i_c = g_m v_{be} ic=gmvbe

这里 g m g_m gm互导系数 ,其等于:

g m = I C V T g_m = \frac{I_C}{V_T} gm=VTIC

我们发现,互导系数直接正比于DC电流 I C I_C IC ,如果想拥有一个期望的互导系数,那么就需要正确设置偏置电流 I C I_C IC 。而且,BJT的互导系数要比MOSFET的互导系数要大很多。

如果使用图像法表示,如下图:

图像法
此时,Q点处的图像斜率就是互导系数 g m g_m gm ,定义为:

g m ≡ ∂ i C ∂ v B E ∣ i C = I C g_m \equiv \frac{\partial i_C}{\partial v_{BE}}|_{i_C=I_C} gmvBEiCiC=IC

基极电流和基极输入阻抗

为了计算从信号源看过去的阻抗,我们首先计算基极电流:

i B = i C β = I C β + 1 β I C V T v b e i_B = \frac{i_C}{\beta} = \frac{I_C}{\beta} + \frac{1}{\beta} \frac{I_C}{V_T}v_{be} iB=βiC=βIC+β1VTICvbe

因此:

i B = I B + i b i_B = I_B + i_b iB=IB+ib

这里的 I B I_B IB 是DC基极偏置电流 I C β \frac{I_C}{\beta} βIC ,信号分量为:

i b = 1 β I C V T v b e = g m β v b e i_b = \frac{1}{\beta} \frac{I_C}{V_T}v_{be} = \frac{g_m}{\beta} v_{be} ib=β1VTICvbe=βgmvbe

因此,从信号源看过去的基极阻抗为:

r π ≡ v b e i b = β g m = V T I B r_\pi \equiv \frac{v_{be}}{i_b} = \frac{\beta}{g_m} = \frac{V_T}{I_B} rπibvbe=gmβ=IBVT

基极阻抗反比于DC电流 I C I_C IC 正比于 β \beta β

发射极电流和发射极输入阻抗

发射极电流和集电极电流的关系为:

i E = i C α = I C α + i c α i_E = \frac{i_C}{\alpha} = \frac{I_C}{\alpha} + \frac{i_c}{\alpha} iE=αiC=αIC+αic

因此:

i E = I E + i e i_E = I_E + i_e iE=IE+ie

这里的 I E I_E IE 是DC发射极偏置电流 I C α \frac{I_C}{\alpha} αIC ,信号分量为:

i e = 1 α I C V T v b e = g m α v b e i_e = \frac{1}{\alpha} \frac{I_C}{V_T}v_{be} = \frac{g_m}{\alpha} v_{be} ie=α1VTICvbe=αgmvbe

因此,从信号源看过去的基极阻抗为:

r e ≡ v b e i e = α g m = V T I E r_e \equiv \frac{v_{be}}{i_e} = \frac{\alpha}{g_m} = \frac{V_T}{I_E} reievbe=gmα=IEVT

因为 r e = α g m r_e = \frac{\alpha}{g_m} re=gmα,所以:

r e ≃ = 1 g m r_e \simeq = \frac{1}{g_m} re≃=gm1

r e r_e re r π r_\pi rπ 之间的关系为可以通过下面的式子导出:

v b e = i b r π = i e r e v_{be} = i_br_\pi = i_er_e vbe=ibrπ=iere

因此:

r π = ( i e / i b ) r e = ( β + 1 ) r e ≃ β r e r_\pi = (i_e / i_b) r_e = (\beta + 1)r_e \simeq \beta r_e rπ=(ie/ib)re=(β+1)reβre

下图中,展现了两个电阻之间的差异:

基极和发射极电阻

电压增益

接下来我们讨论BJT放大器的电压增益,输出电压为:

v C E = V C C − i C R C = V C E − i C R C v_{CE} = V_{CC} - i_C R_C = V_{CE} - i_C R_C vCE=VCCiCRC=VCEiCRC

则输出电压仍由两部分组成,一是原来的DC偏置电压 V C E V_{CE} VCE ,二是输出信号电压:

v c e = − i C R C = − g m v b e R C = ( − g m R C ) v b e v_{ce} = -i_CR_C = -g_m v_{be} R_C = (-g_m R_C) v_{be} vce=iCRC=gmvbeRC=(gmRC)vbe

因此电压增益为:

A v ≡ v c e v b e = − g m R C = − I C R C V T A_v \equiv \frac{v_{ce}}{v_{be}} = -g_m R_C = -\frac{I_C R_C}{V_T} Avvbevce=gmRC=VTICRC

混合 π \pi π 模型

一种等效的小信号BJT电路模型如下图所示:

pi模型
这个模型将BJT表现为一个压控流源,并表现出从基极看过去的电阻 r π r_\pi rπ 。则 i b = v b e r π i_b = \frac{v_{be}}{r_\pi} ib=rπvbe i c = g m v b e i_c = g_m v_{be} ic=gmvbe

在小信号模型中,电流仍呈现关于 β \beta β 的比例关系,因为:

g m v b e = g m ( i b r π ) = β i b g_m v_{be} = g_m(i_b r_\pi) = \beta i_b gmvbe=gm(ibrπ)=βib

因此该模型也可以表述为右边的流控流源。

电流 i e i_e ie 通过节点电流公式给出:

i e = i b + i c i_e = i_b + i_c ie=ib+ic

这个模型称为BJT的混合 π \pi π 模型,广泛应用于BJT的电路分析中。

T 模型

另外一种小信号模型如下图所示:

T模型

这个模型将BJT表现为一个压控流源,并表现出从发射极看过去的电阻 r e r_e re 。则 i e = v b e r e i_e = \frac{v_{be}}{r_e} ie=revbe i c = g m v b e i_c = g_m v_{be} ic=gmvbe

之前有给出 r π r_\pi rπ r e r_e re 之间的关系为:

r π = ( β + 1 ) r e r_\pi = (\beta + 1) r_e rπ=(β+1)re

在小信号模型中,电流仍呈现关于 α \alpha α 的比例关系,因为:

g m v b e = g m ( i e r e ) = α i e g_m v_{be} = g_m(i_e r_e) = \alpha i_e gmvbe=gm(iere)=αie

因此该模型也可以表述为右边的流控流源。

这个模型称为BJT的T模型,广泛应用于BJT的电路分析中。

有限输出电阻 r o r_o ro

考虑到厄尔利电压带来的有限输出电阻 r o r_o ro 的效应,这个效应仍对信号电压起作用,因此考虑到 r o r_o ro 可以表述为集电极和发射极两端的电阻,我们可以修改我们的小信号模型为:

输出电阻

r o r_o ro 的值由偏置参数给出:

r o = V A I C ′ r_o = \frac{V_A}{I_C'} ro=ICVA

其中 I C ′ I_C' IC 是不考虑厄尔利电压时的集电极电流。

引入 r o r_o ro 之后,输出电压变为:

v o = − g m v b e ( R C ∣ ∣ r o ) v_o = -g_m v_{be} (R_C || r_o) vo=gmvbe(RC∣∣ro)

在一些分立电路中, r o ≫ R C r_o \gg R_C roRC 因此大多数情况下 r o r_o ro 可以忽略不计,但是以后我们学习集成模拟电路的时候, r o r_o ro 此时起主导作用。

对于T模型也同理,将集电极和发射极两端并联 r o r_o ro 即可。

总结

下图给出了各个模型的参数总结:

模型
参数

这篇关于电子技术——BJT的小信号模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/243411

相关文章

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

使用C++将处理后的信号保存为PNG和TIFF格式

《使用C++将处理后的信号保存为PNG和TIFF格式》在信号处理领域,我们常常需要将处理结果以图像的形式保存下来,方便后续分析和展示,C++提供了多种库来处理图像数据,本文将介绍如何使用stb_ima... 目录1. PNG格式保存使用stb_imagephp_write库1.1 安装和包含库1.2 代码解

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选

Golang的CSP模型简介(最新推荐)

《Golang的CSP模型简介(最新推荐)》Golang采用了CSP(CommunicatingSequentialProcesses,通信顺序进程)并发模型,通过goroutine和channe... 目录前言一、介绍1. 什么是 CSP 模型2. Goroutine3. Channel4. Channe