LTspice(14) Noise仿真

2024-03-11 03:36
文章标签 仿真 14 noise ltspice

本文主要是介绍LTspice(14) Noise仿真,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!

LTspice(14) Noise仿真

好久没有更新LTspice的教程了,大家想了没?

截止目前LTspice已经更新到24.0.9。界面发生了一些变化,但主要功能并不受影响,新的版本改了UI,找东西更加方便了,界面如下图1所示。

图1:LTspice新版本界面

这一讲我们仿真噪声,这一版本的LTspice的help使用了网页的形式展现,这样更加便于翻译软件的大展身手。

翻译后的Noise说明如下:

This is a frequency domain analysis that computes the noise due to Johnson, shot and flicker noise. The output data is noise spectral density per unit square root bandwidth.
这是一种频域分析,用于计算约翰逊噪声、散射噪声和闪烁噪声引起的噪声。输出数据为每单位平方根带宽的噪声频谱密度。

Syntax: .noise V(<out>[,<ref>]) <src> <oct, dec, lin> <Nsteps> <StartFreq> <EndFreq>
语法:.noise V([,]) <oct, dec,="" lin="">
       .noise V(<out>[,<ref>]) <src> list <FirstFreq>[ <NextFreq> [<NextFreq> ...]]
.noise V([,]) 列表 [ [ ...]]

V(<out>[,<ref>]) is the node at which the total output noise is calculated. It can be expressed as V(n1, n2) to represent the voltage between two nodes. <src> is the name of an independent source to which input noise is referred. <src> is the noiseless input signal. The parameters <oct, dec, lin>, <Nsteps>, <StartFreq>, and <EndFreq> define the frequency range of interest and resolution in the manner used in the .ac directive.
V([,]) 是计算总输出噪声的节点。可以表示为V(n1,n2)来表示两个节点之间的电压。 是输入噪声所引用的独立源的名称。 是无噪声输入信号。参数 <oct、dec、lin>、 、 和 以 .ac 指令中使用的方式定义感兴趣频率范围和分辨率。

Output data trace V(onoise) is the noise spectral voltage density referenced to the node(s) specified as the output in the above syntax. If the input signal is given as a voltage source, then data trace V(inoise) is the input-referred noise voltage density. If the input is specified as a current source, then the data trace inoise is the noise referred to the input current source signal. The noise contribution of each component can be plotted. These contributions are referenced to the output. You can reference them to the input by dividing by the data trace "gain".
输出数据迹线 V(onoise) 是参考上述语法中指定为输出的节点的噪声频谱电压密度。如果输入信号作为电压源给出,则数据迹线 V(inoise) 是折合到输入端的噪声电压密度。如果输入被指定为电流源,则数据迹线 inoise 是参考输入电流源信号的噪声。可以绘制每个组件的噪声贡献。这些贡献被引用到输出中。您可以通过除以数据迹线“增益”来将它们引用到输入中。

The waveform viewer can integrate noise over a bandwidth by <Ctrl-Key> + left mouse button clicking on the corresponding data trace label.
波形查看器可以通过+鼠标左键单击相应的数据迹线标签来积分带宽上的噪声。

The syntax ".noise V(<out>[,<ref>]) <src> list <Freq>" with a single analysis frequency is useful in combination with .step. It allows you to plot noise densities as a function of a stepped parameter.
具有单个分析频率的语法“.noise V([,]) list ”与.step结合使用很有用。它允许您将噪声密度绘制为阶跃参数的函数。

新的help界面如下图2所示:

图2:LTspice新的帮助文件界面

好了,直接开始正题,构建一个简单的运算放大器跟随电路如下图3所示。注意LTspice中的OP07是ADI家的OP07,不能用LTspice的结果去带入其他家的OP07。

图3:基本跟随器电路

图4:仿真设置

图4中提供了仿真设置,OUT代表你要分析的最终信号ta需要两个网络节点,如果是参考GND的话,那就直接一个写网络标,另外一个写0,在Spice中0就是接地。Input代表你这个噪声相对是那个电压源的,直接写你输入的这个电压源就可以,在这里我们用的是V3电压源就直接设置为V3电压源即可,Type of sweep 设置扫描类型可以对数扫描10倍频程还是8倍频程,也可以线性扫描等等,然后选择扫描每10倍频程的点数,点数越多越精细。看ADI手册ADC的噪声扫描的范围是1Hz到1KHz那我们扫描也扫描1Hz到1KHz。详情如下图5所示。

图5:ADI OP07 Noise

图6:ADI OP07仿真结果

图7:ADI OP07仿真结果

从图6,图7的结果可以看出,仿真结果基本上和ADI OP07的手册相对应。仿真代码如仿真代码1所示。

仿真代码1:

V1 VCC 0 12

V2 0 VEE 12

V3 IN 0 1

XU1 IN OUT VCC VEE OUT LT1001

.noise V(OUT,0) V3 dec 100 1 1000

.lib LTC.lib

.backanno

.end

在试试看加强滤波输出啥效果,如图8所示,加了强滤波在118Hz左右时候Noise就1nV都不到了。

图8:加强滤波后的噪声输出效果

今天就先到这里了,关注xuyuntong 了解更多

一些信息:

翻译软件欧路词典

这篇关于LTspice(14) Noise仿真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/796480

相关文章

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中,我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试,如何有效地规划和启动测试,如何评估测试是否成功,您应该关注哪些指标,多年来我们发现的常见错误等等。 什么是A/B测试? A/B测试(有时称为“分割测试”)是一种实验类型,其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体,以查看哪一种效果最好。 本质上,A/B测

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

perl的学习记录——仿真regression

1 记录的背景 之前只知道有这个强大语言的存在,但一直侥幸自己应该不会用到它,所以一直没有开始学习。然而人生这么长,怎就确定自己不会用到呢? 这次要搭建一个可以自动跑完所有case并且打印每个case的pass信息到指定的文件中。从而减轻手动跑仿真,手动查看log信息的重复无效低质量的操作。下面简单记录下自己的思路并贴出自己的代码,方便自己以后使用和修正。 2 思路整理 作为一个IC d

文章解读与仿真程序复现思路——电力自动化设备EI\CSCD\北大核心《考虑燃料电池和电解槽虚拟惯量支撑的电力系统优化调度方法》

本专栏栏目提供文章与程序复现思路,具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目《论文与完整程序》 论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html 电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python

PMP–一、二、三模–分类–14.敏捷–技巧–看板面板与燃尽图燃起图

文章目录 技巧一模14.敏捷--方法--看板(类似卡片)1、 [单选] 根据项目的特点,项目经理建议选择一种敏捷方法,该方法限制团队成员在任何给定时间执行的任务数。此方法还允许团队提高工作过程中问题和瓶颈的可见性。项目经理建议采用以下哪种方法? 易错14.敏捷--精益、敏捷、看板(类似卡片)--敏捷、精益和看板方法共同的重点在于交付价值、尊重人、减少浪费、透明化、适应变更以及持续改善等方面。

2021-8-14 react笔记-2 创建组件 基本用法

1、目录解析 public中的index.html为入口文件 src目录中文件很乱,先整理文件夹。 新建components 放组件 新建assets放资源   ->/images      ->/css 把乱的文件放进去  修改App.js 根组件和index.js入口文件中的引入路径 2、新建组件 在components文件夹中新建[Name].js文件 //组件名首字母大写

2021-08-14 react笔记-1 安装、环境搭建、创建项目

1、环境 1、安装nodejs 2.安装react脚手架工具 //  cnpm install -g create-react-app 全局安装 2、创建项目 create-react-app [项目名称] 3、运行项目 npm strat  //cd到项目文件夹    进入这个页面  代表运行成功  4、打包 npm run build

用Python实现时间序列模型实战——Day 14: 向量自回归模型 (VAR) 与向量误差修正模型 (VECM)

一、学习内容 1. 向量自回归模型 (VAR) 的基本概念与应用 向量自回归模型 (VAR) 是多元时间序列分析中的一种模型,用于捕捉多个变量之间的相互依赖关系。与单变量自回归模型不同,VAR 模型将多个时间序列作为向量输入,同时对这些变量进行回归分析。 VAR 模型的一般形式为: 其中: ​ 是时间  的变量向量。 是常数向量。​ 是每个时间滞后的回归系数矩阵。​ 是误差项向量,假

PMP–一、二、三模–分类–14.敏捷–技巧–原型MVP

文章目录 技巧一模14.敏捷--原型法--项目生命周期--迭代型生命周期,通过连续的原型或概念验证来改进产品或成果。每个新的原型都能带来新的干系人新的反馈和团队见解。题目中明确提到需要反馈,因此原型法比较好用。23、 [单选] 一个敏捷团队的任务是开发一款机器人。项目经理希望确保在机器人被实际建造之前,团队能够收到关于需求的早期反馈并相应地调整设计。项目经理应该使用以下哪一项来实现这个目标?

Matlab simulink建模与仿真 第十章(模型扩展功能库)

参考视频:simulink1.1simulink简介_哔哩哔哩_bilibili 一、模型扩展功能库中的模块概览         注:下面不会对Block Support Table模块进行介绍。 二、基于触发的和基于时间的线性化模块 1、Trigger-Based Linearization基于触发的线性化模块 (1)每次当模块受到触发时,都会调用linmod或者dlinmod函数