12、多通道单芯片接收器时钟恢复拓扑结构解析

多通道单芯片接收器时钟恢复拓扑结构解析

1. 频率采集相关问题

在数据接收过程中,输入数据的非线性操作会根据接收到的数据模式在不同频率上产生频谱功率。对于没有频率采集功能的锁相环(PLL),它可能会锁定到某些谐波频谱内容,从而导致对数据流的错误解读,即所谓的谐波锁定或假锁定。

频率采集辅助功能可以在失锁时提高采集速度。然而,由于现代工艺中制造公差的增加,一些出版物中建议的在两条路径之间进行自由运行频率切换通常并不可取,因为切换噪声可能会使环路再次失去频率锁定。带死区的频率检测器是解决这一问题的理想方案。

需要注意的是,频率采集是下面要讨论的所有闭环时钟恢复拓扑结构都会面临的问题。不过,发射端严格的频率稳定性要求以及 8b/10b 编码数据流中数据游程长度的减少,在一定程度上缓解了这个问题,并且在很多情况下可以省略频率采集路径,特别是在基于非常精确参考时钟的接收器方案中(如相位插值、注入锁定)。

2. 不同时钟恢复拓扑结构介绍

2.1 DLL 基拓扑结构

为了避免在单个芯片上使用多个振荡器,可以在芯片周围集中生成和分配参考时钟。在每个接收器通道中,将该时钟输入到电压/电流控制延迟线(VCDL/CCDL)中,使其与接收到的数据流对齐。在大多数电路中,这种参考时钟可以直接从发射时钟源获得,从而显著减少开销。

锁相环(PLL)和延迟锁定环(DLL)时钟恢复结构有相似之处。相位检测器和环路滤波器的工作方式与 PLL 结构相同。环路滤波器提供的控制电压用于调整 VCDL 的延迟。与 VCO 控制电压作用于时钟频率(即相位的导数)不同,VCDL 控制电压直接作用于时钟相位。这意味着延迟线不会在环路传递函数中

【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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