见微知著,以小“控”大的三极管(七)

本文解析了三极管的三种基本放大电路:共射、共集和共基极电路的特点及应用场景。共射电路可实现电压和电流放大,共集电路适合作为缓冲器或电压跟随器,而共基极电路则适用于高频信号放大。
部署运行你感兴趣的模型镜像

    之前我们站在功能实现的角度上对三极管的作用做了一个解释,也正是因为我们的立足点是功能的实现,所以并没有在晶体管的共射,共集,共基这三种分类上下功夫来叙述,其原因有二:第一,无论是共射,共集还是共基电路,其本质都是希望实现放大这一功能,而我认为在模电入门阶段,首先应该建立的是对电子电路框架的概念,大的架构建立起来之后,具体到某一个应用,然后再来完善细节;其次,三个类型的电路在本质上都必然符合放大电路的基本原则——1、合适的静态工作点;2、动态信号能够作用于输入回路,负载端能获得电流或者电压被放大的输出量。所以我们只需要针对其中之一的共射电路来定性讨论其功能和用法,以此类推就可以得到其余两种电路的特性。而当我们进入到放大电路的讨论时,就必须先对这几类放大电路稍作分析。

    先谈应用较广的共射放大电路,上图:

                           

    如图所示,基极输入,集电极输出,其公共端就是射极,所以称为共射电路,这是一种比较中庸的接法,可以实现电压和电流的放大,也被应用于控制功能的实现。

    接下来是共集电路:

                   

    如图所示,共集电路是一种基极出入,射极输出,将集电极作为公共端的放大电路,模电书上会有具体的共集电路的直流通路和交流等效电路,怎样等效,怎样列写方程我们也不在这里赘述,推荐回去翻阅相应章节。我们也可以定性地分析一下,由于输入信号作用于基极回路,输出信号作用于射极回路,而根据三极管的特性对于电压而言,并不存在放大作用,而如果该电路同时不具有电流放大功能,那这样的电路也就不能算是放大电路的一种,反向证明了,共集类电路具有比较明显的电流放大作用。

    同时,在微变等效电路中,我们来分析共集电路的特点,与共射电路不同的是:1、从输入端看进去,输入电阻Ri是与负载有关的,所以其输入电阻大;2、同理从输出端看进去(从射极看基极回路电阻),输出电阻Ro是与电源内阻有关的,所以其输出电阻小;3、其Au接近1,导致该电路在一定条件下有电压跟随作用,也因着这个特点,共集电路也被称为射极输出器,射极跟随器。

    立足于应用而谈,都哪些情况会用到共集放大电路呢?我们来举几个小例子:1、多级放大电路中的第一级往往使用共集电路,这是因为共集放大电路的输入电阻大,这就意味着该放大电路向信号源所要的电流小,对于传感器等小信号量而言,这无疑是理想的解决办法;2、用于多级放大电路的最后一级,这是因为其输出电阻小,也就意味着带负载能力强,负载端不容易产生电压骤降;3、两个电路之间做缓冲器,也是根据其输入电阻大而输出电阻小,避免相邻电路的参数波动。

        :

    接着谈共基极放大电路,如图所示,射极做输入端,集电极做输出端,基极就是其公共端,同样我们先来定性分析,根据三极管的特性曲线,射极与集电极的电流放大作用并不明显,而如果这种连接方式连电压都不放大,那么这个类型电路同样不能称之为放大电路,这个推论让我们反向证明了共基极放大电路对电压的放大作用比较明显。

    接着从共基极的微变等效电路来谈,同理可知道这个电路的特点有这么几点:1、没有电流放大能力,但有电压放大能力;2、输出电压与输入电压同相;3、输入电阻Ri小,输入电阻Ro大;4、频带宽(该特点取决于截止频率,是之所以选用共基极放大电路的一个很重要的参考特性,之后细加论证)。

    列个表格方便理解:

            

    三个类型的放大电路各有千秋,因此我在总结三个类型的电路时惯用特点一词,而非优缺点,因为在模电这个框架内,没有绝对的优缺点,举个例子拿二极管的温度特性来说,出于单向导电应用的话,温度影响是负面的,而如果将二极管用在晶体管的温度补偿应用中,我们理想的情况是受温度影响越大越好。这也从侧面体现了模电应用的一个很重要的特点:凡事无绝对。有其利,必有其害,环境不同,应用需求不同,我们的器件选型也就不同。返回到我们刚刚开始研究PN结时就提到的事情,先抓住主要矛盾,分析主要因素。在定性分析之前,切勿定量分析,我们必须明确,框架和方向问题是大问题。

    这篇中我们对晶体管的放大作用进行了简单的分析,课本上有的东西我们就不复述了,接下来我们还有很大的事情要谈,那就是怎样把这些基础知识应用起来。








    

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

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