【模拟IC学习笔记】Cascode OTA 设计

2024-01-08 15:52

本文主要是介绍【模拟IC学习笔记】Cascode OTA 设计,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!

辅助定理

增益=Gm*输出阻抗

输出短路求Gm

输入置0求输出阻抗

求源极负反馈的增益

G_{m}=\frac{I_{D}}{V_{in}}=\frac{g_{m}}{1+g_{m}R_{s}}

随着Vin的增加,Id也在增加,Rs上压降增加,所以,Vin的一部分电压体现在Rs上,而不是全部作为Vgs,因此导致Id变得平滑。

Rs足够大的时候,Gm=1/Rs,跨导Gm线性化,Gm的线性度是以牺牲增益为代价的。用增益换线性度。

R_{out}=R_{s}+r_{o}+g_{m}R_{s}r_{o}

源极负反馈的一个主要作用时增加共源极的输出阻抗,将Rs换成一个MOS管,就是我们常见的Cascode结构。总输出阻抗是上式并联RD。

当RD远远小于Rout时,增益≈RD/RS。当RD远远大于Rout时,增益≈gmro,为MOS管本征增益。相当于源极负反馈对输出电阻的增强刚好抵消其对跨导的衰减。

Cascode OTA 

DC分析

用辅助定理求增益。

AC分析

考虑电容,主极点在输出极点。CL越大,主极点越低,因此GBW越小,稳定性越好。次级点在X点。

问题:为什么Y点没有引入次级点,M1和M2构成信号通路,M3恒润M4构成负载通路,负载通路的极点对频率特性无影响吗?Cy可以无穷大?

求Gm

输出阻抗

考虑下半部分,首先忽略CL1,求出阻抗之后,再与CL1并联。

上述结果与CL1并联得到下图结果,p1b是主极点,p2b是次级点。

求OTA上半部分输出阻抗。

把上下两部分合并,阻抗合并后主极点也将合并,CL1和CL2合并。

增益

p1=zb,所以可以简化。Y点引入的零极点对近似相等,某种意义上可以抵消。

速度

饱和区,偏置电流一定的情况下,增益正比于WL,为了增大增益,需要增加MOS面积。

次级点表达式如下。

次级点p1越大,稳定性越好,为了增大次级点,所以需要减小M2的L。

噪声

M2不贡献噪声,所以只需要从增益和稳定性的角度去设计M2的尺寸。从噪声的角度考虑,R3的gm3要做小,gm1要做大。因为M3是负载管,M1是输入管。所以M3的宽长比要做小,M1的宽长比要做大。

综上所示,M1宽长比要大,gm要大(增益、噪声);M2的L要小,gm要大(带宽稳定性、输出阻抗);M4同M2;M3的宽长比要小,gm要小(噪声)。

距离较近的零极点对

具体公式推导可参考:Kamath B, Meyer R G, Gray P R. Relationship between frequency response and settling time of operational amplifiers[J]. IEEE Journal of Solid-State Circuits, 1974, 9(6): 347-352.

频域特性

设置低频增益为1e3,主极点为1e3,零极点对在20e3左右、零点是20e3,极点是k*20e3。k的大小显示了零极点对的相对位置,查看k从0.8变化到1.2时的频率响应。

%%pole-zero doublet frequency responseclear;clc;
p1 = 1e3;
A0 = 1e3;
w_doublet = 20e3;
figure(1);
hold on;
for k = 0.8:0.1:1.2z2 = w_doublet;p2 = w_doublet*k;num = A0.*[1/z2,1];den = conv([1/p1,1],[1/p2,1]);tf_sys = tf(num , den);bode(tf_sys)
end
legend( 'k = 0.8',...'k = 0.9',...'k = 1 ',...'k = 1.1',...'k = 1.2')
%%

结论:零极点对,对频域特性响应有限

时域特性

给阶跃信号,发现零极点对,对阶跃响应影响很大。这在采样电路设计中影响很大。

%%pole-zero doublet setting responseclear;clc;
p1=1e3;
A0 = 1e3;
w_doublet = 20e3;
k=1;
for k=0.8:0.1:1.2z2 = w_doublet;p2 = w_doublet*k ;num= A0.*[1/z2,1];den = conv([1/p1,1],[1/p2,1]);tf_sys = tf(num , den);tf_sys = tf_sys/(1+tf_sys)figure(1);hold on;t =0:1e-7:15e-5;step(tf_sys,t);
end
legend( 'k =0.8',...'k=0.9',...'k = 1',...'k = 1.1',...'k = 1.2')

这篇关于【模拟IC学习笔记】Cascode OTA 设计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/583986

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

usaco 1.2 Transformations(模拟)

我的做法就是一个一个情况枚举出来 注意计算公式: ( 变换后的矩阵记为C) 顺时针旋转90°:C[i] [j]=A[n-j-1] [i] (旋转180°和270° 可以多转几个九十度来推) 对称:C[i] [n-j-1]=A[i] [j] 代码有点长 。。。 /*ID: who jayLANG: C++TASK: transform*/#include<

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学