超宽带LNA低功耗设计技术

用于超宽带应用的超低功耗LNA设计技术

摘要

本文提出了一种改进低噪声放大器(LNA)性能的设计技术。该技术基于MOSFET器件在射频(RF)应用中的一个新的工作参数(OP)。该技术用于优化超宽带(UWB)应用中低噪声放大器(LNA)的参数。所提出的方法可预测最佳偏置点,以最大化LNA性能。仿真结果表明,与传统方法相比,所提出的方法可将品质因数(FoM)提高70%,同时对噪声系数(NF)和线性特性无显著影响。

索引词 —低噪声放大器(LNA),超宽带(UWB),超低功耗(ULP),品质因数(FoM)

I. 引言

由于持续的技术进步,MOS晶体管的射频性能已得到改善。在器件领域,短沟道MOSFET在先进的深亚微米技术[1]中具有远高于100 GHz的截止频率(fT)等高频参数。尽管这些参数在射频工作下表现出广阔的MOSFET设计空间[2],但它们通常不能保证最佳的射频电路性能。

在低噪声放大器(LNA)的设计中,一个用于确定最佳偏置的简单方程在初始设计阶段非常有帮助。在[1],[2] gmfT/ID中,已提出将其作为射频MOSFET器件的品质因数(FoMRF)。但是,尚未详细探讨使用gmfT/ID作为品质因数FoMRF的基本物理原因。在[3]中,考虑了漏源饱和电压(VDSsat)对功耗的影响。对于模拟放大器的增益性能,gm²/ID被视作一种品质因数,因为它表示单位直流功耗下的功率增益[4]。然而,对于宽带应用,品质因数可能比gm²/ID更复杂,因为除了增益、噪声性能和功耗外,还应考虑带宽。最近,(gm/ID)·(gm/gds)·fT 被提出作为偏置指标或OP,通过将本征增益(gm/gds)引入OP[5],[6]中。然而,OP可以比之前所有建议提供更多信息。

在本文中,我们将证明可作为低噪声放大器设计中MOSFET器件的OP。该方法被发现与电路级品质因数非常接近。针对低噪声放大器的各项性能,在初始设计阶段,一个用于确定栅极和漏极偏置最优值的简单方程非常有帮助。共栅极(CG)低噪声放大器因其宽频简单匹配电路、高线性度、低功耗以及相比共源极低噪声放大器更优的反向隔离特性,被广泛应用于超宽带应用中[7]。因此,将采用超宽带共栅极低噪声放大器作为设计示例,以验证我们所提出方法的有效性和能力。

II. 设计挑战

在无线传感器网络和便携式设备等许多应用中,降低功耗是可取的。可通过将MOSFET器件偏置在中等或弱反型区来降低功耗[8]。假设晶体管工作在饱和区边缘,沟道长度调制可以忽略不计[2],漏源电流因此由公式(1)表示:

其中,Cox是单位面积栅氧化层电容,UT是热电压,n是亚阈值斜率因子,亚阈值斜率(S)为= 2.3 n UT,μ是载流子迁移率,VGS是栅源电压,VT是阈值电压。该方程的主要问题在于未考虑VDS的影响。因此,我们将采用gm/ID查表法[9]。

针对超低功耗应用的低噪声放大器设计方法之一是通过降低ID实现的。这可以通过减小过驱动电压(VOV= VGS ‐ VT)来提高gm/ID[3]实现。然而,如图1所示,VOV的减小会导致fT下降。因此,噪声系数()将增大,带宽将减小。因此,确定晶体管的工作点是低噪声放大器设计中的主要挑战。相应地,我们需要了解影响fT的各种参数: fT的通用表达式可写为[1]:

示意图0

其中Cgg 定义为连接到栅极的Cgg=(Cgs+Cgb +Cgd),如图2所示。

示意图1

III. 设计方法

设计方法基于一维工作点来确定VOV[3],或更准确地使用二维工作点确定VOV和VDS 。接着,我们从图1中确定gm/ID 。然后,在每种情况下根据匹配条件的阻抗(gm=20毫西门子)计算ID的值。最后,根据gm/ID方法论[9],通过将ID除以单位宽度电流(IN W )来计算W。

示意图2

1. 一维工作点 [3]

在MOS晶体管中,为了使晶体管工作在饱和区,VDS应大于VDSsat 。此外,在强反型和中等反型下,VDSsat与VOV成正比,而在弱反型时,VDSsat几乎保持不变,如图4所示。因此,降低VDSsat可使MOS晶体管在更小的VOV下工作。这导致工作在更高的gm/ID ,并降低ID。此外,这还允许在低VDS和低压电源(VDD)下工作,从而降低功耗。

示意图3

因此,VDSsat被提议作为所提出的1D OP中的关键设计参数,如下所示:

1D OP = gmfT / ID × VDSsat (3)

一维工作点在较小的VOV (接近VT)处达到最大值,如图5所示。当使用传统操作点和一维工作点 [3]时,得到两个峰值。这些峰值仅用于确定VOV (一维)。

示意图4

2. 二维工作点

电路的性能取决于VOV和VDS (二维)的选择。然后,我们可以确定各个MOS器件的W/L和ID 。尽管如前一节所述,VOV 是主要决定因素,但VDS 也会对功耗产生显著影响。

超宽带低噪声放大器具有四个重要特性:增益(G)、带宽(BW)、噪声系数(F)和功耗(PD)。低噪声放大器的整体性能可以用许多文献中定义的品质因数(FoM)来表示,如下所示:[10],[11]

我们可以利用MOSFET小信号等效电路(图2)为上述每个因素推导出解析表达式。功率增益定义为:

当MOSFET的输入电阻(Rin)等于信号源或天线的电阻(Rsig=50 Ω )时,满足匹配条件。噪声系数推导如[2]所示:

其中是MOSFET沟道热噪声的功率谱密度,在饱和区几乎与ID成正比。因此,我们可以写出以下方程:

低噪声放大器中的功耗简单表示为 PD = ID × VDD。最后,带宽与 fT 成正比,因此我们可以写出:

该表达式被用于以获得如图所示的MOSFET的最佳偏置(VOV和VDS)6.

示意图5

IV. 电路架构

低噪声放大器电路如图7.a所示。该电路采用130纳米UMC CMOS技术设计并进行仿真,使用单级共栅极结构(M1)。输入电容(C1)用于补偿晶体管输入阻抗(Zin)的虚部,其表达式为:

其中,Cgs1是M1的栅源电容,Cpar1是电感(L1)的寄生电容。在VDD1= 0.25V下,C2用于隔离偏置在VDD2= 0.5 V和Vb=0.8 V的输出缓冲器(M2和M3)。该缓冲器通过负载电阻RL进行偏置。RL的值决定低噪声放大器增益,并根据公式(11)和(12):

Amax ≈ gm × RL (11)

其中Amax是低噪声放大器核心的最大电压增益,

其中,Cgd1是M1漏极处的等效电容,Cpar2是负载电感(L2)的寄生电容。

示意图6

示意图7

表1显示了图7.a的偏置参数和电路元件值。在最小晶体管长度(Lmin=0.12 μm)下计算M1参数,以获得最大fT。我们从二维工作点得到最优的 VOV和VDS。可以忽略电感(L1和L2)的寄生电阻的影响,并认为VDD1与VDS取值相同。然后使用Gm/ID设计方法(图3)来确定最佳偏置参数。电路元件代表无源元件的值以及输出缓冲晶体管(M2和M3)的尺寸。

表1:M1偏置参数和电路元件

参数 组件
M1 Bias Parameters Circuit Components
VOV 50 mV C1 2 pF
VDS 250 mV L1 4 nH
VDSsat 103 mV C2 1 pF
(gm/ID) 14.5 L2 11.25 nH
ID 1.38 mA RL 2 kΩ
IN W 0.0167 mA/μm M2 (W/L)₂ 40 / 0.12
W 82 μm M3 (W/L)₃ 80 / 0.12

V. 结果与讨论

在3–5 GHz频段内,所设计低噪声放大器的S参数和噪声系数随频率变化的仿真结果如图8所示。结果表明,在采用二维工作点的设计情况下,该低噪声放大器功耗为0.35 mW,并实现了最大功率增益(S21)为12.2 dB。输入回波损耗(S11)小于–10 dB,最小噪声系数为1.9 dB。表2显示了所提出方法的结果与以往出版物的比较。

示意图8

示意图9

无法在同一电路架构上同时应用2D OP和1D OP的结果[3],原因有两个。首先,在传统1D OP的高VOV (84 mV)下,我们无法设计单级CG(图7.a),因为这将导致Zin不稳定,且无法达到S11 > –10 dB,但在2D OP的较低VOV (50 mV)下是可行的。其次,如果我们将其与共源共栅共栅极结构一起使用,将会失去2D OP的全部优势(图7.b)。因此,我们可以将使用单级共栅极为二维工作点技术的两大主要优势之一,此外还包括确定最佳VDS。

VI. 结论

一个简单的品质因数(FoM)可用于超宽带低噪声放大器(UWB LNA)设计优化。第一个二维工作点(2D OP)从一个小信号等效电路中解析推导得出,并通过电路仿真进行了验证。该方法成功预测了最优的栅源和漏源偏置电压,显著改善了低噪声放大器的整体性能。所提出设计的品质因数(FoM)在宽带低噪声放大器领域中是最高的。

表2:低噪声放大器性能比较

参数 This 文献* [3]* 2017 [3]* 2017 [5] 2016 [6] 2015 [7] 2011 [11]* 2017 [12] 2012
S11 (dB) < –10 < –18 < –16 < –10 < –10 < –10.3 < –7.5 < –8
BW (GHz) 3 – 5 3 – 5 3 – 5 0.6 – 4.2 0.1 – 7 2.6 – 10.5 3.2 – 10.64 3.1 – 4.8
增益max S21 (dB) 12.2 10.6 10.2 14 12.6 9.4 17 13
噪声系数 (dB) 1.9 – 2.1 2.24 – 3.12 2.19 – 3.04 4 – 6 5.5 – 6.5 5.5 – 6.5 2.5 – 5.7 3.5 – 4.5
输入三阶交调截点(dBm) - 16 –16.9 –16.6 -10 - 9 NA
PD (mW) 0.35 0.45 0.58 0.25 0.75 0.99 16.5 3.4
FoMLNA 34 14.9 11.4 20.4 11 6.65 1.8 1.46
使用的OP 2D OP 1D OP 1D OP Gm吹嘘 Gm吹嘘 CG 共源共栅 CS Gm吹嘘
电路架构 CG 共源共栅 CG 共源共栅 CG 共源共栅 CG 共源共栅
CMOS工艺 130 nm 130 nm 130 nm 130 nm 90 nm 180 nm 180 nm 130 nm

*仿真结果

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法的新型异构分布式系统任务调度算法,并提供了Matlab代码实现。文章重点围绕异构环境中任务调度的优化问题,利用遗传算法进行求解,旨在提高资源利用率、降低任务完成时间并优化系统整体性能。文中详细阐述了算法的设计思路、编码方式、适应度函数构建、遗传操作流程及参数设置,并通过仿真实验验证了该算法相较于传统方法在调度效率和收敛性方面的优越性。此外,文档还列举了大量相关领域的研究案例和技术应用,涵盖电力系统、路径规划、车间调度、信号处理等多个方向,体现出较强的技术综合性与实践价值。; 适合人群:具备一定编程基础和优化算法知识的研究生、科研人员及从事智能优化、分布式系统调度、电力系统、自动化等相关领域的工程技术人员。; 使用场景及目标:①解决异构分布式系统中的任务调度优化问题;②学习遗传算法在实际工程问题中的建模与实现方法;③为科研项目提供算法参考与代码复现支持;④拓展多领域交叉应用的研究思路。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注适应度函数设计与遗传操作流程,并尝试在不同场景下调整参数以观察性能变化。同时可参考文中列出的相关研究方向进行延伸探索,提升综合应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值