电压反馈型运算放大器的增益和带宽

简介

本教程旨在考察标定运算放大器的增益和带宽的常用方法。需要指出的是,本讨论适用于电压反馈(VFB)型运算放大器。

开环增益

与理想的运算放大器不同,实际的运算放大器增益是有限的。开环直流增益(通常表示为AVOL)指放大器在反馈环路未闭合时的增益,因而有了“开环”之称。对于精密运算放大器,该增益可能非常高,为160 dB(1亿)或以上。从直流到主导极点转折频率,该增益表现平坦。

此后,增益以6 dB/8倍频程(20 dB/10倍频程)下降。(8倍频程指频率增加一倍,10倍频程指频率增加十倍。)如果运算放大器有一个单极点,则开环增益继续以该速率下降,如图1A所示。实际的运算放大器一般有一个以上的极点,如图1B所示。第二个极点会使开环增益下降至12 dB/8倍频程(40 dB/10倍频程)的速率增加一倍。如果开环增益在达到第二个极点的频率之前降至0 dB(单位增益)以下,则运算放大器在任何增益下均会无条件地保持稳定。数据手册上一般将这种情况称为单位增益稳定。如果达到第二个极点的频率且闭环增益大于1 (0 db),则放大器可能不稳定。有些运算放大器设计为只有在较高闭环增益下才保持稳定,这就是所谓的非完全补偿运算放大器。
然而,运算放大器可能在较高频率下拥有更多额外的寄生极点,前两个极点一般都是最重要的。
单极点响应

(A) 单极点响应

双极点响应

(B)双极点响应
1:开环增益(波特图)

有必要了解开环增益、闭环增益、环路增益、信号增益和噪声增益之间的区别。它们性质类似、相互关联,但也存在差异。下面我们将详细讨论。

开环增益并不是一项精确控制的参数。其范围相对较大,在规格参数中,多数情况下均表示为典型值而非最小/最大值。有些情况下,一般指高精度运算放大器,该参数会有一个最小值。

另外,开环增益可能因输出电压电平和负载而变化。这就是所谓的开环增益非线性度。该参数与温度也有一定的相关性。一般来说,这些影响很小,多数情况下都可以忽略不计。

事实上,一些运算放大器的数据手册中未必包含开环增益非线性度。

闭环增益

闭环增益指放大器在反馈环路闭合时的增益,与其相反,开环增益则是放大器在反馈环路断开时的增益。闭环增益有两种形式:信号增益和噪声增益。下面对两者进行说明并加以区分。
闭环放大器增益的经典表达式涉及开环增益。设G为实际闭环增益,NG 为噪声增益(见下文),AVOL 为放大器的开环增益,则:
等式1
G = N G 1 + N G A V O L G= \frac {N_G}{1+ \frac{N_G}{A_{VOL}}} G=1+AVOLNGNG
显然,如果开环增益很高,一般情况下都是如此,则电路的闭环增益就是噪声增益。

信号增益与噪声增益

信号增益指连接反馈环路时施加于输入信号的增益。在教程MT-032中,我们讨论了反相和同相电路的增益,更确切地说,实际上就是闭环信号增益。信号增益可为正(同相模式),也可为负(反相模式),反相模式下,可能低于单位增益。信号增益是在设计信号路径元件时最重要的增益。图2详细展示了各种增益的情况。
信号增益与噪声增益
运算放大器的电压噪声和失调电压通过噪声增益反射到输出端。
噪声增益,而不是信号增益,与评估稳定性有关。
电路C的信号增益不变,但噪声增益较高,因此稳定性更好,噪声更差,输出失调电压更高。

图2:信号增益与噪声增益

反相放大器级的信号增益为:
信号增益 = − R 2 R 1 信号增益=- \frac{R2}{R1} 信号增益=R1R2
同相放大器则为:
信号增益 = 1 + R 2 R 1 信号增益=1+ \frac{R2}{R1} 信号增益=1+R1R2
噪声增益指出现在与运算放大器输入端串联的噪声源(输入电压噪声)或电压源(输入失调电压)上的增益。噪声增益等于
噪声增益 = 1 + R 2 R 1 噪声增益=1+ \frac{R2}{R1} 噪声增益=1+R1R2
噪声增益等于同相放大器的信号增益。同时,反相级或同相级的噪声增益是相同的。
用于确定运算放大器稳定性的是噪声增益。噪声增益等于波特图中用到的闭环增益。上面的噪声增益表达式中用到电阻值,但是,在实际应用中,它们实际上是带有实部和虚部的阻抗。

环路增益

开环增益与闭环增益之差称为环路增益,如图3所示。环路增益给出了可以在给定频率下施加于放大器的负反馈量。
增益定义

图3:增益定义

波特图:渐近和实际响应

基于对数-对数比例的开环增益与频率的关系坐标图称为波特图。这是评估某个运算放大器是否适合特定应用的主要工具之一。
如果在波特图上先画上开环增益,然后绘出噪声增益(如图4所示),则其交点将决定放大器系统的最大闭环带宽。该交点通常被称为闭环频率(FCL)。请记住,交点处的实际响应值比该值低3 dB。在比FCL高和低一个8倍频程的频率下,渐近响应与实际响应之差将小于1 dB。
波特图也可用于确定稳定性。如上所述,如果闭环增益(噪声增益)在大于6 dB/8倍频程(20 dB/10倍频程)的斜率下与开环增益相交,则放大器可能不稳定(取决于相位余量)。

波特图——渐近响应与实际响应

图4:波特图——渐近响应与实际响应

增益带宽积

对于单极点响应,开环增益以6 dB/8倍频程下降。这就是说,如果我们将频率增加一倍,增益会下降两倍。相反,如果使频率减半,则开环增益会增加一倍,如图5所示。结果产生所谓的增益带宽积。如果用频率乘以开环增益,其积始终为一个常数。需要注意的是,必须处于整条曲线中以6 dB/8倍频程下降的部分。这样,我们就得到了一个品质因素,可以据此决定某个运算放大器是否适合特定的应用。请注意,增益带宽积仅对电压反馈(VFB)运算放大器有意义。
增益带宽积

图5:增益带宽积

例如,如果有这样一个应用,要求闭环增益为10,带宽为100 kHz,则需要一个最低增益带宽积为1 MHz的运算放大器。但这有点把问题过度简单化了,因为增益带宽积变化极大,而且在闭环增益与开环增益相交的位置,响应实际上要低3 dB。另外,还应该允许一定的额外余量。

在上述应用中,增益带宽积为1 MHz的运算放大器是最低要求。保险起见,为了实现要求的性能,因数至少应该是5。因此选择了增益带宽积为5 MHz的运算放大器。

稳定性标准

反馈稳定性理论认为,闭环增益必须在不大于6 dB/8倍频程(单极点响应)的斜率下与开环增益相交,才能使系统实现无条件稳定。如果响应为12 dB/8倍频程(双极点响应),则运算放大器会发生振荡。简单起见,不妨这样设想,每个极点增加90°相移。两个极点则会产生180°的相移,而180°的相移会使负反馈变成正反馈,即振荡。

那么问题是:为什么要用单位增益下不稳定的放大器呢?答案是,对于给定的放大器,如果该放大器设计时未考虑单位增益稳定性,则可在较高增益下提高带宽。这类运算放大器有时被称为非完全补偿运算放大器。然而,仍需满足稳定性标准,即闭环增益必须在6dB/8倍频程(单极点响应)的斜率下与开环增益相交。否则,放大器将会振荡。因此,非完全补偿运算放大器仅在数据手册中规定的较高增益下保持稳定。
举例来说,不妨比较图6中的开环增益图。图中的三种器件,AD847、AD848 和 AD849基本上采用相同的设计,只是内部补偿机制不同。

AD847为单位增益稳定型,规定增益带宽为50 MHz。AD848在增益为5或以上时保持稳定,其增益带宽为175 MHz。AD849在增益为25或以上时保持稳定,其增益带宽为725 MHz。由此可见,在基本设计相同的情况下,可以通过修改运算放大器的内部补偿机制来产生不同的增益带宽积,其为最低稳定增益的函数。
开环增益特性、增益带宽积和最低稳定闭环增益

图6:AD847、AD848、AD849的开环增益特性、增益带宽积和最低稳定闭环增益

相位余量

衡量稳定性的一项指标是相位余量。正如幅度响应不会一直保持平坦却突然变化一样,相位响应也会从转折频率前的大约十倍频程开始逐渐变化。相位余量指在达到180°之前剩余的相移量,在闭环增益与开环增益相交的频率下进行测量。

低相位余量造成的结果是,增益峰值会刚好在闭环增益与开环增益的相交频率之前增加。图7显示了AD8051运算放大器的增益和相位响应。这种情况下,相位余量与单位增益频率成45°。

AD8051相位余量

图7:AD8051相位余量

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.rhkb.cn/news/375761.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python爬虫技术从去哪儿网获取旅游数据,对攻略进行可视化分析,提供全面的旅游攻略和个性化的出行建议

背景 随着信息技术的快速发展和互联网的普及,旅游行业也迎来了数字化和智能化的变革。去哪儿网作为中国领先的在线旅游平台之一,提供了丰富的旅游产品和服务,涵盖了机票、酒店、旅游度假等各个方面。用户通过去哪儿网可以方便地查询、预订和…

Mac下flutter运行iOS模拟器

上篇flutter环境安装(Macvscode)已经将vscode和xcode等开发环境都搭建起来了,vscode新建工程还是比较方便的,那么,建立好了之后,我们怎么看效果呢? 1. vscode新建项目 通过 vscode的命令命板(…

经典电影的高清修复是怎么实现的?

老片修复,主要分两种。精修版和流水线版。精修版比如像《星球大战》那种。基本就是一个专业团队花几年时间,不干别的就盯着这一个项目死磕。细致程度差不多就是一帧一帧进行修复。那对于我们普通人来说,想要修复视频高清,这种精修…

七天.NET 8操作SQLite入门到实战 - 第二天 在 Windows 上配置 SQLite环境

前言 SQLite的一个重要的特性是零配置的、无需服务器,这意味着不需要复杂的安装或管理。它跟微软的Access差不多,只是一个.db格式的文件。但是与Access不同的是,它不需要安装任何软件,非常轻巧。 七天.NET 8操作SQLite入门到实战…

Java常用的API_02(正则表达式、爬虫)

Java正则表达式 七、正则表达式7.1 格式7.1.1 字符类注意字符类示例代码1例2 7.1.2 预定义字符预定义字符示例代码例2 7.1.3 区别总结 7.2 使用Pattern和Matcher类与直接使用String类的matches方法的区别。(1) 使用Pattern和Matcher类示例代码 &#xff…

传输层协议之UDP

1、端口号 我们在应用层创建的套接字,是需要通过bind()接口绑定我们的IP地址与端口号的,这是因为数据从传输层向上交付到应用层时,需要用端口号来查找特定的服务进程。一般在网络通信时,用IP地址标识一台主机,用端口号…

el-table 动态添加删除 -- 鼠标移入移出显隐删除图标

<el-table class"list-box" :data"replaceDataList" border><el-table-column label"原始值" prop"original" align"center" ><template slot-scope"scope"><div mouseenter"showClick…

Kubelet 认证

当我们执行kubectl exec -it pod [podName] sh命令时&#xff0c;apiserver会向kubelet发起API请求。也就是说&#xff0c;kubelet会提供HTTP服务&#xff0c;而为了安全&#xff0c;kubelet必须提供HTTPS服务&#xff0c;且还要提供一定的认证与授权机制&#xff0c;防止任何知…

Bertopic环境安装与文本主题聚类

文章目录 1.环境配置(一)安装:anaconda1. 理解:为什么需要anaconda2. 下载anaconda3. 启动anaconda(二)安装:python环境(三)安装:依赖包hdbscan的安装问题解决方案1. 安装build-tools-for-visual-studio2. 安装hdbscan(四)安装transformers、BERTopic等重要依赖包2…

FlinkModule加载HiveModule异常

HiveModule这个模块加载不出来 加在不出来这个模块&#xff0c;网上查说是要加下面这个依赖 <dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-hive_${scala.binary.version}</artifactId><version>${flink.…

GPIO通用输入输出口

可配置八种输入输出模式&#xff1b; 引脚电平&#xff1a;0~3.3V&#xff0c;部分引脚可容忍5V&#xff1b;&#xff08;可以输入5V&#xff0c;输出最大只能是3.3V&#xff09; 带FT的是可以容忍5V的不带FT的就只能接入3.3V的电压。 输出模式下可以控制端口输出高低电平&am…

【算法】代码随想录之链表(更新中)

文章目录 前言 一、移除链表元素&#xff08;LeetCode--203&#xff09; 前言 跟随代码随想录&#xff0c;学习链表相关的算法题目&#xff0c;记录学习过程中的tips。 一、移除链表元素&#xff08;LeetCode--203&#xff09; 【1】题目描述&#xff1a; 【2】解决思想&am…

自动驾驶中,实现三维点旋转原理

文章目录 1. 三维点旋转的方案2. 使用复数表示二维点的旋转2.1. 复数的概念2.2. 复数的三种形式及相互转换2.3. 复数概念扩展&#xff1a;实数、虚数、复数 3. 四元数旋转三维点原理4. 使用四元数进行旋转的公式5. 旋转叠加6. 四元数转换为三维点7. 代码实现 1. 三维点旋转的方…

13 协程设计原理与汇编实现

协程的问题 为什么要有协程?协程的原语操作?协程的切换?协程的struct如何定义?协程的scheduler(调度)如何定义?调度策略如何实现?协程如何与posix,api兼容?协程多核模式?协程的性能如何测试?为什么要有协程 同步的编程方式,异步的性能。同步编程时,我们需要等待io就…

14-47 剑和诗人21 - 2024年如何打造AI创业公司

​​​​​ 2024 年&#xff0c;随着人工智能继续快速发展并融入几乎所有行业&#xff0c;创建一家人工智能初创公司将带来巨大的机遇。然而&#xff0c;在吸引资金、招聘人才、开发专有技术以及将产品推向市场方面&#xff0c;人工智能初创公司也面临着相当大的挑战。 让我来…

ant design form动态增减表单项Form.List如何进行动态校验规则

项目需求&#xff1a; 在使用ant design form动态增减表单项Form.List时&#xff0c;Form.List中有多组表单项&#xff0c;一组中的最后一个表单项的校验规则是动态的&#xff0c;该组为最后一组时&#xff0c;最后一个表单项是非必填项&#xff0c;其他时候为必填项。假设动态…

SQL,python,knime将数据混合的文字数字拆出来,合并计算实战

将下面将数据混合的文字数字拆出来&#xff0c;合并计算 一、SQL解决&#xff1a; ---创建表插入数据 CREATE TABLE original_data (id INT AUTO_INCREMENT PRIMARY KEY,city VARCHAR(255),value DECIMAL(10, 2) );INSERT INTO original_data (city, value) VALUES (上海0.5…

对照ui图进行大屏幕适配,echerts适配

1.先找到ui图&#xff0c;我这边是1920*1080的屏幕进行的设计 2.在界面找到跟样式的字体大小&#xff0c;进行设置&#xff0c;一般ui设置字体大小便可 3.在js中写入原生js代码 function adapter() {//获取布局视口宽度&#xff0c;布局视口设备横向独立像素值const dpWidth…

Stable Diffusion 深度探索:从入门到精通的全方位教程

在人工智能艺术创作的浪潮中&#xff0c;Stable Diffusion 作为一股不可忽视的力量&#xff0c;正以其独特的魅力吸引着无数创作者和科技爱好者的目光。本文旨在为大家提供一份详尽的 Stable Diffusion 教程&#xff0c;从基础概念到高级应用&#xff0c;带领你一步步走进这个充…

paddla模型转gguf

在使用ollama配置本地模型时&#xff0c;只支持gguf格式的模型&#xff0c;所以我们首先需要把自己的模型转化为bin格式&#xff0c;本文为paddle&#xff0c;onnx&#xff0c;pytorch格式的模型提供说明&#xff0c;safetensors格式比较简单请参考官方文档&#xff0c;或其它教…