当前位置: 首页 > news >正文

采样保持电路分析[原创www.cnblogs.com/helesheng]

上《数字电路》这门课的时候,学生问模数转换器(ADC)一章中的采样保持电路(本文图3电路)为什么要加钳位二极管VD1和VD2,我习惯性的随口回答:为了在保持阶段第一个运放的输出不会太大,也不会太小。回到办公室仔细想了一下,不禁反问自己国家半导体的经典电路LF398究竟为什么要设计这两个二极管,为什么不实用最直接的两个局部负反馈结构(如本文图1)。请教了同事、同学发现还是有很多值得分享记录的地方,现总结如下。以下原创内容欢迎网友转载,但请注明出处:https://www.cnblogs.com/helesheng

1、采样保持电路原型

示意图如1所示:运放A1、A2构成电压跟随器,两个跟随器分别用于实现“输入到采样保持电容\(C_h\)的阻抗变换”,以及“\(C_h\)到输出\(u_o\)的阻抗变换”。其中开关S是由MOS管构成的模拟开关,它导通的时候,实现\(C_h\)电压采样;关断时实现\(C_h\)电压保持。

图1 采样保持电路原型

这个电路的缺点是S处的开关MOS管关断的瞬间,其栅极G电压突变,栅极和源极之间的寄生电容\(C_{GS}\)上的电压差不能突变,从而导致\(U_{P2}\)处的保持电压被\(C_{GS}\)拉低,降低了保持精度和开关切换时间。

2、采样保持电路改进1

为了改善这个问题,将图1中A1构成的局部负反馈变为全局反馈,以通过A1的增益改善控制精度。得到图2所示的电路,其中\(R_{DS}\)是栅极寄生电容\(C_{GS}\)上的电荷完全释放完毕之前,S处于半导通状态下S的漏源之间的等效电阻。

图2 采样保持电路改进1

图2具体分析:G端突然出现下跳,拉着A2的同相输入端也变低,从而导致A2输出变小,进而导致A1反相端输入也降低,A1的输出就会拉高来补偿采样电容\(C_h\)上的电压损失误差。其中\(C_{GS}\)只在电压很低时很大,所以当关断程度大,\(R_{DS}\)大的时候作用就不大了。所以只需要A1的输出电压能够在一个小范围波动,因此只需要A1的输出在很小的范围内波动就可以补偿\(C_h\)上的电压误差。

3、采样保持电路改进2

图2所示改进电路的问题是:当S完全断开后,A1处于完全开环的比较器状态,保持阶段如果输入\(u_i\)发生变化,会导致A1饱和输出高电平或低电平。S再次闭合采样时A1要从饱和状态回复到负反馈的工作状态一般需要1us左右,这将极大的限制采样保持器的最大工作频率。因此出现了图3所示的,真正实用的采样保持电路LF398。
VD1和VD2的作用是通过钳位保证A1在保持阶段不会进入饱和状态(实际上是一种非线性负反馈状态),从而提升了采样保持器的工作速度。而VD1和VD2也限制了图2中A1输出的补偿电压摆幅,不过根据上面的分析只需要A1的输出电压能够在一个小范围波动即可实现\(C_{GS}\)造成的保持电压波动。
因此,清华阎石老师的《数字电路》教材说这两个二极管通过钳位可以提升采样保持电路的工作速度。
哈工大杨春玲老师的《数字电路》教材中说VD1和VD2的作用是为了防止A1饱和后造成S两端压差过大,从而烧毁S,我觉得是没有根据的。

图3 采样保持电路改进2(LF398)

4、含二极管的局部非线性反馈精确性分析

S闭合时,二极管VD1和VD2两端电压相等:
此时由于A1和A2的虚断,\(U_{N2}、U_{P2}、u_o以及u_o’\)相等,\(u_i以及U_{NI}\)相等。如果\(u_o’\)与二极管上端的\(U_{NI}\)相差一个Δu(<0.7V),则R1两侧就有电压差Δu,导致有电流流过R1。
这个电流即没法流入VD1和VD2,也没法流入A1的反相端,因此Δu只能为0。也就是\(u_o’等于u_i\)
反过来描述这个过程:当\(u_o’和u_i\)有Δu这个差异时,不妨假设Δu>0,\(u_o\)将等于\(u_o’并大于u_i\)。此时由于R1上不可能有电流,R1左右两边的电压相同,将使\(U_{NI}等于u_o’并大于u_i\),此时运放A1将调整输出到让\(u_o’\)降低(A1反相输入端大于A2),直至达到\(u_o’等于u_i\),Δu等于0。

http://www.jsqmd.com/news/143224/

相关文章:

  • AI测试的质变时刻:系统稳定性成为价值标尺
  • 【AI×实时Linux:极速实战宝典】BIOS 调优 - 关闭 C-States、超线程与 Intel SpeedStep,用功耗换取微秒级确定性
  • 手把手教你部署Open-AutoGLM自动化框架(内附限时开源代码包)
  • Qwen Edit 2509多角度生成:5步解锁角色设计全视角转换
  • 学长亲荐8个AI论文软件,MBA论文写作不再难!
  • 如何优化MySQL的查询性能?
  • Linly-Talker数字人对话系统:从入门到精通完整指南
  • 好写作AI:社科论文论证强化!让你的观点“吵赢”学术辩论
  • 生成式AI如何革命化2025年测试数据创建?
  • Windows语音识别新标杆:Whisper GPU加速技术深度解析
  • html5大文件分片上传插件跨平台实现及加密传输交流
  • 入行深耕必藏!2025职业规划师培训选购指南,5大机构核心亮点解析 - 速递信息
  • 终极Enformer深度学习模型:基因序列预测完整实战指南
  • Gpredict卫星追踪终极指南:从零开始掌握专业级轨道预测
  • iOS自动化测试终极指南:快速上手iOS-Tagent的简单方法
  • 好写作AI:理工科方法论写作规范?你的“赛博导员”已上线
  • 如何快速掌握ImageJ科学图像分析:从新手到专家的完整指南
  • 如何快速使用Steamless:终极SteamStub DRM移除工具完全指南
  • 《自然》前瞻2026:AI代理、基因编辑与深空任务将如何重塑科研版图
  • PaddlePaddle平台在视频动作识别任务中的准确率测试
  • 【AI×实时Linux:极速实战宝典】驱动陷阱 - 在实时内核下安装 NVIDIA 驱动与 CUDA Toolkit 的兼容性解决方案
  • 2025年河北长途专用救护车公司权威推荐榜单:医疗保障救护车/救护车长途转运/重症监护救护车源头企业精选 - 品牌推荐官
  • 5分钟快速上手TW-Elements:构建现代化Web界面的终极指南
  • 如何构建智能足球分析系统:基于Roboflow Sports的完整实战指南
  • Open-AutoGLM手机集成全攻略(从零到上线的5个关键步骤)
  • 【AI×实时Linux:极速实战宝典】实时容器 - Docker与Podman的实时配置(RT Runtime)及Cgroups资源优先级控制
  • MCP安装器:革命性AI基础设施自动化部署解决方案
  • ComfyUI LayerDiffusion升级攻略:解锁多层图像生成新境界
  • 如何在Docker容器中极致精简运行Windows系统:完整实践指南
  • PingFangSC字体:企业级跨平台视觉统一解决方案