【摘 要】
:
近年来,在互联网和医疗器械等市场需求增大和工艺技术不断更新换代的驱使下,ADC芯片需要向更高精度、更小能耗的方向发展。但是传统的SAR ADC被限制在中等精度,高精度的Sigma-Delta ADC利用过采样来实现精度的提升,但是过采样对失配误差的作用很小,传统校准失配误差方法为工艺修调或者数字校准,增加了复杂度。为打破失配误差对高精度的瓶颈限制,本文在SAR ADC的基础上,借助辅助ADC实现噪
论文部分内容阅读
近年来,在互联网和医疗器械等市场需求增大和工艺技术不断更新换代的驱使下,ADC芯片需要向更高精度、更小能耗的方向发展。但是传统的SAR ADC被限制在中等精度,高精度的Sigma-Delta ADC利用过采样来实现精度的提升,但是过采样对失配误差的作用很小,传统校准失配误差方法为工艺修调或者数字校准,增加了复杂度。为打破失配误差对高精度的瓶颈限制,本文在SAR ADC的基础上,借助辅助ADC实现噪声整形,最终设计一款1-0 MASH噪声整形(Noise Shaping,NS)SAR ADC。主要内容为:首先,采用有源方式,利用电容积分和ping-pong原理得到噪声传递函数(Noise Transfer Function,NTF),两级ADC(辅助ADC和主ADC)以级联方式工作,并在辅助ADC中加入了一阶噪声整形,辅助ADC与主ADC进行同步采样,辅助ADC的输出码经数据加权平均(Data Weighted Average,DWA)模块传输给主ADC的逻辑单元,主ADC的电容阵列直接进行置位,以打散失配误差的方式实现对高三位电容的失配误差整形,同时级联结构是主ADC高三位的NTF对主ADC的低位失配误差也进行了噪声整形,其高三位量化过程在辅助ADC中完成。本架构中的噪声整形环路取值为高三位的剩余电压,而传统噪声整形SAR ADC取值是最后一位的剩余电压,相比之下比较位数少一位,意味着单位电容可增大一倍,精度可提升3d B。基于理论分析结果,在Simulink中搭建了1-0 MASH噪声整形SAR ADC模型:辅助ADC为三位,主ADC为十位,其中主ADC的高三位被拆分成7个一元制电容单位,其余低位电容保持二进制,并加入一位冗余。仿真结果表明,辅助噪声整形ADC中加入的一阶整形对主ADC的失配误差也具有整形效果,提高了无杂散动态范围,并对增益误差有整形效果,解决了数字校准的问题,且进一步提升整体性能。同时,辅助ADC的失配误差对整体精度和线性度没有影响,放宽辅助ADC的设计要求。本文中多级级联结构不仅能消除高三位的量化噪声,还能对低位的量化噪声进行整形,通过一个整形环路实现了对多种误差的整形。最后,基于65nm标准CMOS工艺,实现1-0 MASH噪声整形SAR ADC电路的设计,子级模块主要包含采保开关电路、四输入端比较器、噪声整形环路、SAR逻辑等,对子级模块进行工艺角仿真,并完成版图绘制,提取寄生参数后进行仿真,采样频率为2MS/s,过采样为125,输入信号频率为854.492Hz条件下,后仿真结果为SFDR为103.46d B,SNDR为97.2d B,有效位数为15.85bits,相比9位SAR ADC的前仿结果,SFDR提升了44.04d B,设计满足高精度系统的应用要求,达到设计指标要求。
其他文献
现代通信系统对模数转换器的采样率和带宽的要求越来越高,尤其是移动通信和雷达等系统要求模数转换器能够在高速转换的同时保持低功耗和高有效精度。所以具有优异能效比的高速高精度ADC成为了混合信号集成电路领域的研究热点。近年来,通过交替采样实现采样率倍增的时域交织技术被广泛用于实现高速高精度ADC。但是时域交织ADC中必要的输入缓冲器、时钟电路等限制了其能效比,同时通道间增益、时钟和带宽的失配也限制了其性
随着信息化时代的到来,生活中的各行各业都涉及到海量数据的处理。大数据的高效处理离不开异构分布式系统的支持,但无论依赖于何种分布式计算平台,任务调度模型和算法都是提高大数据处理效率的核心和瓶颈。可以说,任务调度策略的优劣直接决定了平台的资源利用率和大数据的处理效率。大数据任务可以归为三类:可分任务、不可分任务和工作流,其中,工作流由于其子任务之间具有数据依赖关系且子任务的执行顺序受到约束,已有研究表
永磁同步电机(Permanent Magnet Synchronous Machine,PMSM)具有转矩大、功率密度大和高效节能等优势,被广泛的应用到电动车、变频空调、变频洗衣机、扫地机器人等各个领域。永磁同步电机控制系统的设计是目前学术界和工业界研究的热点问题,常见的控制方式有恒压频比控制、磁场定向控制(Field Oriented Control,FOC)和直接转矩控制。其中FOC系统具有功
作为第三代半导体材料的代表,碳化硅(Si C)由于具有禁带宽度大、击穿电场高、热导率高等特点,被广泛应用于高功率电子器件领域。而结势垒肖特基(Junction Barrier Schottky,JBS)器件拥有较低的开启电压,更快的恢复时间,更少的开关损耗,较低漏电电流等优点,具有明显优势,已经成为当前功率器件研究热点之一。不断提高的器件参数也对器件的掺杂等关键工艺提出了更高的要求。本文在此背景下
现场总线技术广泛应用于工业自动化领域,是智能设备之间的数据通讯网络,增强了底层设备与控制管理层之间的联系。控制器局域网(CAN)就属于数据现场总线范畴。经过多年的发展,现场总线已经较为成熟,为了朝速率更快成本更低的方向发展,现场总线正在逐步向工业以太网转变。传统现场总线向工业以太网转变时,为了最大化保留原设备,降低更新换代的成本,需要在工业以太网芯片中搭载现场总线接口。目前市场中有大量的CAN总线
得益于科学技术的不断进步以及物理算力的逐步提高,神经网络作为当下人工智能领域的重要一环,已经被越来越多地应用于金融、交通、医疗、消费等各行各业中。但是,目前用于评估神经网络质量的方法依然是基于训练集—测试集的传统软件测试方法,无法保证神经网络的安全性甚至是正确性。再加上对抗攻击技术近些年不断地发展,使得对抗样本可以在只产生微小扰动的情况下肆意更改神经网络的输出,这也给人工智能领域覆上了一层阴霾。因
近年来,深度学习技术在多个研究领域大放异彩,基于卷积神经网络模型的创新成果与日俱增。为解决医疗资源紧缺和创建更好的医疗环境,全球多个国家出台相关政策,鼓励发展医疗人工智能行业,不断推进新一代计算机技术在医疗行业的应用。其中,利用深度学习技术的辅助诊断算法一直是数字医疗研究的热点,它能帮助医生诊断分析大量医疗数据,减少阅片误诊率和漏诊率。当前,一些深度学习算法模型在图像的检测效率和精度上相比于专业医
三维装箱问题属于典型的组合优化问题,在物流装载、仓储分配等问题中有广泛的应用场景。特别是在我国物流行业高速发展的今天,装箱效率是物流企业不可回避的优化方向。在一定时间内计算出合理的装箱方案能帮助企业降低物流成本,减少车辆与人员的浪费现象,如果再配合使用可视化软件或自动化装箱设备将大幅度提高装箱效率,从而增强企业竞争力。因此研究三维装箱问题不仅有极大的理论价值,也有十分重要的经济价值。通过文献调研,
可分任务的多趟调度已成为任务调度领域研究的热点和难点问题。多趟调度中不合理的任务分配不仅可能降低任务的完成效率、降低平台的资源利用率,甚至可能引发处理机的时间冲突(即任务在时间上重叠分配),导致处理机不能如约按时完成任务计算。鉴于此,本文提出了一种合理、高效且无冲突的多趟调度模型及算法,并将该理论成功应用于求解雾计算平台下的任务调度问题。本文的主要研究成果包括:1.研究了无冲突的多趟调度模型及算法
聚类算法作为一种无监督学习方法,广泛应用于医学影像、图像分割、目标检测、和网络安全等领域。近年来,随着数据信息愈加复杂、多样,类的不平衡问题始终是学者们研究的热点之一。传统的聚类算法一般适用于普通数据集,在类大小差别较大的不平衡数据集上的聚类具有难以确定最终聚类数、不平衡比例未知等难点。多子类思想,是一种将不平衡数据集分成若干相似大小的子类,之后对相似度较高的子类进行合并得到最终聚类结果的过程。这