我那点浅薄的MOS模拟集成电路基础

news2024/9/23 1:32:46

记录研究生课程模拟集成电路设计所学到的一些知识,这门课是由刘老师和周老师一起上的,刘老师讲模拟集成部分这个模集跟模电还是有很大的区别的,模拟集成主要是针对MOS器件的集成,学得更专业也更深;而周老师讲的是信号检测部分,就是模拟集成电路的应用。纯粹个人笔记,学到了就更。。。

快速传送:你想去哪里?

      • 🚀模拟集成电路篇
          • 1、MOS管的模型
          • 2、二级效应
          • 3、从各个极看进去的电阻
      • 🚀微弱信号检测篇
          • 1、线性度、弛豫、响应时间
          • 2、准确度、精度、分辨率、灵敏度的区别
          • 3、奈奎斯特定律
          • 4、根号m定理
          • 5、通过带宽来改善信噪比
          • 6、自相关检测与互相关检测
          • 7、自适应噪声抵消
          • 8、锁相放大
          • 9、传感器+菲涅尔透镜

🚀模拟集成电路篇

1、MOS管的模型

(1)最简模型
MOS的最简模型就是一个开关,栅极电压VG控制漏极和源极的通断。
在这里插入图片描述

(2)如何识别NMOS和PMOS
首先,箭头所在的一极为源极;
箭头表示电流的方向,往外流的是NMOS,往里面流的是PMOS。
NMOS管漏极电压VD>源极电压VS;而PMOS则刚好相反,漏极电压VD<源极电压VS.
在这里插入图片描述

(3)对控制过程的理解
在这里插入图片描述
首先,VG将电子吸到漏极D和源极S之间;接着,加VDS使这个电子块有了电压而运动起来。

2、二级效应

MOS管要考虑的二级效应主要有:体效应、沟道调制效应、亚阈值导电效应。
(1) 体效应
MOS管的阈值电压如下:
V T H = V T H 0 + γ ( ∣ 2 ϕ F + V S B ∣ − ∣ 2 ϕ F ∣ ) V_{TH} =V_{TH0}+\gamma (\sqrt{|2\phi_{F}+V_{SB} |} -\sqrt[]{|2\phi_{F}|} ) VTH=VTH0+γ(∣2ϕF+VSB ∣2ϕF )
其中,VTH0是由工艺决定的,而VSB是栅极—衬底电压。
体效应就是衬底和源极的电压差对阈值电压的影响。

并且漏极电流:
I D = I 1 = 1 2 μ n C o x W L ( V i n − V o u t − V T H ) 2 I_{D}=I_{1}=\frac{1}{2}\mu _{n}C_{ox}\frac{W}{L} (V_{in}-V_{out}-V_{TH})^{2} ID=I1=21μnCoxLW(VinVoutVTH)2
当输入的Vin保持不变时,VTH的变大会导致Vout的变小,如下图所示。
在这里插入图片描述

体效应是可以消除的,只要式子中的VSB=0即可,这就需要将衬底和源极短接起来。比如在集成时让PMOS独占一个阱,使得NMOS与PMOS的衬底都能与源极短接起来。
在这里插入图片描述

(2) 沟道调制效应
沟道调制效应指的就是沟道长度变化对于漏极电流 I D I_{D} ID以及跨导 g m g_{m} gm的调制作用。

在不考虑沟道调制效应的情况下,漏极电流:
I D = 1 2 μ n C o x W L ( V G S − V T H ) 2 I_{D}=\frac{1}{2}\mu _{n}C_{ox}\frac{W}{L} (V_{GS}-V_{TH})^{2} ID=21μnCoxLW(VGSVTH)2
但由于沟道调制效应,L的大小发生了变化,用L’表示:
L ′ = L − Δ L L^{'}=L-\Delta L L=LΔL
则:
1 L ′ = 1 L − Δ L = 1 L ( 1 1 − Δ L L ) = 1 L ( 1 − Δ L L + Δ L L 1 − Δ L L ) = 1 L ( 1 + Δ L L − Δ L ) \frac{1}{L^{'}} =\frac{1}{L-\Delta L}=\frac{1}{L}(\frac{1}{1-\frac{\Delta L}{L}})=\frac{1}{L}(\frac{1-\frac{\Delta L}{L}+\frac{\Delta L}{L}}{1-\frac{\Delta L}{L}})=\frac{1}{L}(1+\frac{\Delta L}{L-\Delta L}) L1=LΔL1=L1(1LΔL1)=L1(1LΔL1LΔL+LΔL)=L1(1+LΔLΔL)
且当 Δ L < < L \Delta L <<L ΔL<<L
1 L ′ = 1 L ( 1 + Δ L L ) \frac{1}{L^{'}}=\frac{1}{L}(1+\frac{\Delta L}{L}) L1=L1(1+LΔL)
Δ L L = λ V D S \frac{\Delta L}{L}=\lambda V_{DS} LΔL=λVDS
故: I D = 1 2 μ n C o x W L ′ ( V G S − V T H ) 2 = 1 2 μ n C o x W L ( V G S − V T H ) 2 ( 1 + λ V D S ) I_{D}=\frac{1}{2}\mu _{n}C_{ox}\frac{W}{L^{'}} (V_{GS}-V_{TH})^{2}=\frac{1}{2}\mu _{n}C_{ox}\frac{W}{L} (V_{GS}-V_{TH})^{2}(1+\lambda V_{DS}) ID=21μnCoxLW(VGSVTH)2=21μnCoxLW(VGSVTH)2(1+λVDS)

从而引起I-V曲线在饱和区的上翘:
在这里插入图片描述

同样的,在不考虑沟道调制效应时:
g m = μ n C o x W L ( V G S − V T H ) g_{m}=\mu_{n}C_{ox}\frac{W}{L}(V_{GS}-V_{TH}) gm=μnCoxLW(VGSVTH)
考虑沟道调制效应后:
g m = μ n C o x W L ( V G S − V T H ) ( 1 + λ V D S ) g_{m}=\mu_{n}C_{ox}\frac{W}{L}(V_{GS}-V_{TH})(1+\lambda V_{DS}) gm=μnCoxLW(VGSVTH)(1+λVDS)

沟道调制效应与体效应不同,沟道调制效应无法消除,但是可以减弱。要想减弱沟道调制效应,根据公式,无非就是考虑deltaL减小或者是L的变大。delta的减小也就是让MOS器件工作在预夹断点附近,但我们需要一定的摆幅来使得信号不失真,所以这个方法不太可行。而L的变大也就是使用长沟道器件,相比于上一个方法,更为可行。

(3) 亚阈值导电效应

在理想情况下,当栅源电压VGS<阈值电压VTH时,MOS管截止,而实际上,在小于阈值的时候,也就是亚于阈值的时候,MOS也是导通并具有一定的漏极电流ID的,这种现象就成为亚阈值导电效应。

3、从各个极看进去的电阻

通常我们会求输入电阻和输出电阻

发现一个规律:
(1)从栅极看进去,电阻无穷大
比如,共漏极,信号从栅极输入,故,输入电阻无穷大

(2)从源极看进去,电阻为 1 g m + g m b \frac{1}{g_{m}+g_{mb}} gm+gmb1
比如,共漏极,信号从源极输出,故,输出电阻为 1 g m + g m b \frac{1}{g_{m}+g_{mb}} gm+gmb1
再比如,共栅极,信号从源极输入,故,输入电阻为 1 g m + g m b \frac{1}{g_{m}+g_{mb}} gm+gmb1

🚀微弱信号检测篇

1、线性度、弛豫、响应时间

线性度:动态范围内与理想线性传递函数的最大偏差。
在这里插入图片描述

弛豫:物理激发的滞后效应。
在这里插入图片描述

响应时间:从先前状态到最终确定值所需要的时间。
在这里插入图片描述

2、准确度、精度、分辨率、灵敏度的区别

准确度:测量值与真实值的接近程度。准确度越高,测量值与真实值就越接近。

精度:重复实验测量得到同一数值的可重复性。精度越高,意味着对同一条件下的测量对象进行重复测量得到同一数值的可重复性更强。

分辨率:可检测的增量大小。分辨率更高,增量越小。

灵敏度:能够响应的最小信号变化程度。灵敏度越高,能测量到的信号变化更微小。

3、奈奎斯特定律

当采样频率大于信号中最高频率的2倍时(fs>2f),采样之后的数字信号完整地保留了原始信号中的信息。工程上一般采用fs>2.5f。

所以如果用250MHz的采样率采样200MHz的正弦信号,则采样得到的信号会失真。

4、根号m定理

信号平均技术的基本原理— m \sqrt m m 法则:经过 m 次采样后,信噪比的改善度与 m \sqrt m m 成正比。

在这里插入图片描述

5、通过带宽来改善信噪比

随机噪声的有效值与带宽存在以下关系:
V r m s 1 V r m s 2 = B 1 B 1 \frac{V_{rms1}}{V_{rms2}}=\frac{\sqrt{B_{1}}}{\sqrt{B_{1}}} Vrms2Vrms1=B1 B1
所以当通过带通滤波将带宽减小到原来的 1 N \frac{1}{N} N1时,噪声将减小为原来的 1 N \frac{1}{\sqrt{N}} N 1,信噪比提高为原来的 N \sqrt{N} N

6、自相关检测与互相关检测

相关检测的原理就是:噪声在时间上不相关,而信号在时间上相关。

(1)自相关检测

自相关就是同一信号在不同时间点的相关性。

在这里插入图片描述
(2)互相关检测

互相关就是不同信号之间的相关性。

在这里插入图片描述

7、自适应噪声抵消

补偿法噪声抵消使得能够在大的噪声环境中检测微弱的信号。比如说如何从母亲的心跳里区分出胎儿的信号?

在这里插入图片描述

8、锁相放大

在这里插入图片描述
在这里插入图片描述

9、传感器+菲涅尔透镜

可以用红外传感器来对人体的存在进行检测从而实现灯的开关控制,但是如果当环境的温度高于人体温度的时候,如何实现人体的识别?
在这里插入图片描述
只需要再加一个菲涅尔透镜即可,就是图中的那个白色的盖子。菲涅尔透镜有两个作用,一个是将人红外信息聚焦在探测器上;另一个是将探测器前方的区域分成“盲区”和“高灵敏区”,当人走到探测区域内时,人体发出的红外信号会在“盲区”和“高灵敏区”上交替变换,形成忽强忽弱的脉冲信号,从而将运动的人的信号从静态的环境中区分开来。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/373048.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

华为OD机试题,用 Java 解【图片整理】问题

最近更新的博客 华为OD机试 - 猴子爬山 | 机试题算法思路 【2023】华为OD机试 - 分糖果(Java) | 机试题算法思路 【2023】华为OD机试 - 非严格递增连续数字序列 | 机试题算法思路 【2023】华为OD机试 - 消消乐游戏(Java) | 机试题算法思路 【2023】华为OD机试 - 组成最大数…

Yolov3,v4,v5区别

网络区别就不说了&#xff0c;ipad笔记记录了&#xff0c;这里只说其他的区别1 输入区别1.1 yolov3没什么特别的数据增强方式1.2 yolov4Mosaic数据增强Yolov4中使用的Mosaic是参考2019年底提出的CutMix数据增强的方式&#xff0c;但CutMix只使用了两张图片进行拼接&#xff0c;…

前端组件库自定义主题切换探索-02-webpack-theme-color-replacer webpack 的实现逻辑和原理-02

接上一篇&#xff1a;《前端组件库自定义主题切换探索-02-webpack-theme-color-replacer webpack 的实现逻辑和原理-01》 上一篇说到&#xff0c;在Handler.js的this.options下面的代码&#xff0c;this.assetsExtractor new AssetsExtractor(this.options)&#xff0c;表明op…

【C++】类与对象理解和学习(下)

放在专栏【C知识总结】&#xff0c;会持续更新&#xff0c;期待支持&#x1f339;建议先看完【C】类与对象理解和学习&#xff08;上&#xff09;【C】类与对象理解和学习&#xff08;中&#xff09;本章知识点概括Ⅰ本章知识点概括Ⅱ初始化列表前言在上一篇文章中&#xff0c;…

笔记本一锁屏程序就结束(锁屏程序结束、锁屏程序退出)(在此时间后关闭硬盘、硬盘关闭)(计算机空闲状态)

笔记本一锁屏程序就结束原因问题背景问题原因在此时间后关闭硬盘何为“空闲状态”&#xff1f;解决办法问题背景 我用向日葵开了个远程连接我家里的电脑&#xff0c;但是我的笔记本一锁屏&#xff0c;过了一会回来再打开&#xff0c;向日葵就自动结束了&#xff0c;不知道咋回…

解决前端组件下拉框选择功能失效问题

问题&#xff1a; 页面下拉框选择功能失效 现象&#xff1a; 在下拉框有默认值的情况下&#xff0c;点击下拉框的其他值&#xff0c;发现并没有切换到其他值 但是在下拉框没默认值的情况下&#xff0c;功能就正常 原因 select 已经绑定选项&#xff08;有默认值&#xff09; 在…

CXL技术分析

CXL&#xff0c;全称Compute Express Link&#xff0c;该技术由Intel牵头开发用于高性能计算、数据中心&#xff0c;主要解决处理器、加速器和内存之间的cache一致性问题&#xff0c;可消除CPU、专用加速器的计算密集型工作负载的传输瓶颈&#xff0c;显著提升系统性能。 一、…

HashMap 面试专题

1、HashMap 的底层结构 ①JDK1.8 以前 JDK1.8 之前 HashMap 底层是 数组和链表 结合在一起使用也就是 链表散列。HashMap 通过 key 的hashCode 函数处理过后得到 hash 值&#xff0c;然后通过 (n - 1) & hash 判断当前元素存放的位置&#xff08;这里的 n 指的是数组的长度…

SpringBoot知识快速复习

Spring知识快速复习启动器自动装配ConfigurationImport导入组件Conditional条件装配ImportResource导入Spring配置文件ConfigurationProperties配置绑定Lombok简化开发dev-toolsyaml请求和响应处理静态资源规则与定制化请求处理-Rest映射请求处理-常用参数注解使用请求处理-Ser…

程序员在小公司(没有大牛,人少)怎么成长?

大多数小公司都是创业公司&#xff0c;所以它们有着非常独特的“创业心态”。所谓创业心态通常表现为关注快速增长&#xff0c;竭尽所能让公司盈利&#xff0c;或者达成其他一些迫切目标。 在这样一家公司工作的软件开发人员&#xff0c;你极有可能要身兼多职&#xff0c;不能…

拼数(一般贪心)

链接&#xff1a;登录—专业IT笔试面试备考平台_牛客网 来源&#xff1a;牛客网 题号&#xff1a;NC16783 时间限制&#xff1a;C/C 1秒&#xff0c;其他语言2秒 空间限制&#xff1a;C/C 262144K&#xff0c;其他语言524288K 64bit IO Format: %lld 题目描述 设有n个正整…

架构初探-学习笔记

1 什么是架构 有关软件整体结构与组件的抽象描述&#xff0c;用于指导软件系统各个方面的设计。 1.1 单机架构 所有功能都实现在一个进程里&#xff0c;并部署在一台机器上。 1.2 单体架构 分布式部署单机架构 1.3 垂直应用架构 按应用垂直切分的单体架构 1.4 SOA架构 将…

华为OD机试题,用 Java 解【停车场车辆统计】问题

最近更新的博客 华为OD机试 - 猴子爬山 | 机试题算法思路 【2023】华为OD机试 - 分糖果(Java) | 机试题算法思路 【2023】华为OD机试 - 非严格递增连续数字序列 | 机试题算法思路 【2023】华为OD机试 - 消消乐游戏(Java) | 机试题算法思路 【2023】华为OD机试 - 组成最大数…

基于node.js+vue开发的学生考勤管理系统84y43

目录 1 绪论 6 1.1 课题背景 6 1.2 课题研究现状 6 1.3 初步设计方法与实施方案 7 1.4 本文研究内容 7 2 系统开发环境 9 2.1 vue简介 9 2.3 B/S结构简介 9 2.4MySQL数据库 10 3 系统分析 11 3.1 系统可行性分析 11 3.1.1 经济可行性 11…

2023淘宝天猫38节红包满减优惠活动时间是从几月几号什么时候开始?

2023年淘宝天猫38节活动将于2023年3月2日中午12点正式开始&#xff0c;活动将持续至2023年3月8日晚上23点59分。届时&#xff0c;淘宝天猫将推出一系列的优惠活动和红包福利&#xff0c;为广大女性用户送上节日的祝福和福利。在这个特别的节日里&#xff0c;淘宝天猫为女性用户…

数据结构---单链表

专栏&#xff1a;数据结构 个人主页&#xff1a;HaiFan. 专栏简介&#xff1a;从零开始&#xff0c;数据结构&#xff01;&#xff01; 单链表前言顺序表的缺陷链表的概念以及结构链表接口实现打印链表中的元素SLTPrintphead->next!NULL和phead!NULL的区别开辟空间SLTNewNod…

多分类、正则化问题

多分类问题 利用逻辑回归解决多分类问题&#xff0c;假如有一个训练集&#xff0c;有 3 个类别&#xff0c;分别为三角形 &#x1d466; 1&#xff0c;方框&#x1d466; 2&#xff0c;圆圈 &#x1d466; 3。我们下面要做的就是使用一个训练集&#xff0c;将其分成 3 个二…

计算机图形学:liang算法和Cyrus-Beck算法

其中Cyrus-Beck算法呢&#xff0c;是计算一根直线一个多边形的交线段&#xff1b;liang算法是Cyrus的一个特例&#xff0c;即多边形刚好是矩形&#xff1b;先看看Cyrus算法的思路【从别的博客找的图片】&#xff1a;这很容易理解&#xff0c;点积>0时就可能中内部嘛&#xf…

使用pynimate制作动态排序图

大家好&#xff0c;数据可视化动画使用Python包就可以完成&#xff0c;效果如下&#xff1a;想要使用Pynimate&#xff0c;直接import一下就行&#xff1a;import pynimate as nim输入数据后&#xff0c;Pynimate将使用函数Barplot&#xff08;&#xff09;来创建条形数据动画。…

Apollo(阿波罗)分布式配置安装详解

Apollo&#xff08;阿波罗&#xff09; Apollo&#xff08;阿波罗&#xff09;是携程框架部门研发的分布式配置中心&#xff0c;能够集中化管理应用不同环境、不同集群的配置&#xff0c;配置修改后能够实时推送到应用端&#xff0c;并且具备规范的权限、流程治理等特性&#…