当前位置: 首页 > news >正文

从ISSCC 2024看趋势:为什么DTC辅助和数字预失真(DPD)成了高性能PLL的标配?

从ISSCC 2024看趋势:为什么DTC辅助和数字预失真(DPD)成了高性能PLL的标配?

在高速SerDes、5G/6G射频和高精度时钟芯片设计中,相位噪声和杂散抑制一直是工程师面临的核心挑战。随着工艺节点不断向3nm及以下演进,传统模拟PLL的局限性日益凸显——面积无法随工艺缩小、电荷泵失配难以校准、滤波器泄漏电流导致性能漂移。ISSCC 2024最新研究揭示了一个明确趋势:数字辅助技术正在彻底重构PLL架构,其中DTC(数字时间转换器)辅助量化噪声消除和DPD(数字预失真)校正DCO非线性已成为新一代设计的标配组合。

这种技术转向背后是三个关键驱动力:首先,在毫米波频段(如5G NR 28GHz),系统对相位噪声的要求已严苛到-36dBc以下,传统方法难以达标;其次,FinFET工艺下晶体管本征增益下降,模拟电路设计复杂度呈指数上升;第三,数字校准技术能充分利用CMOS尺寸缩小的优势,实现"用面积换性能"的灵活权衡。本文将深入剖析这两项技术的协同机制、在不同工艺节点下的实现策略,以及它们如何为系统架构师提供更优的功耗-性能-面积(PPA)解决方案。

1. 量化噪声消除:DTC辅助技术的革命性突破

1.1 ΔΣ调制器的固有缺陷与DTC的救赎

在分数N分频PLL中,ΔΣ调制器通过噪声整形将量化噪声推向高频,但其低频残留噪声仍会通过参考杂散形式影响输出频谱。传统解决方案是在TDC(时间数字转换器)后端进行数字滤波,但这种方法面临两个根本性限制:

  • TDC非线性失真:尤其在多相位插值型TDC中,相位失配会导致量化噪声消除不彻底
  • 延迟路径失配:数字滤波器的处理延迟与模拟路径难以精确对齐

ISSCC 2024多个论文(如加州大学伯克利分校的3.2mW 28nm PLL)证明,前置型DTC辅助能在信号进入相位检测器前就补偿量化误差。其核心原理可简化为:

% DTC辅助的数学模型 dtc_delay = a0 * ΔΣ_quantization_error; % a0通过LMS算法实时校准 compensated_phase = original_phase + dtc_delay;

这种预处理方式带来三个显著优势:

  1. 将噪声消除点前移,避免后续电路非线性影响
  2. 允许使用更简单的1-bit TDC,大幅降低功耗
  3. 通过时间域处理规避数字域的字长限制

1.2 分段DTC架构与多参数校准

先进工艺节点下,DTC自身非线性成为新的瓶颈。台积电5nm工艺实测数据显示,单段DTC的INL(积分非线性)可达5ps以上,完全抵消其噪声消除效益。最新研究采用分段DTC+多维度LMS校准的方案:

校准维度传统方案分段DTC方案改进效果
增益校准全局单一系数每段独立系数INL降低62%
时序校准忽略走线延迟分段延迟补偿杂散改善8dBc
温度补偿固定查表实时背景校准温度稳定性提升3x

以Intel展示的24GHz毫米波PLL为例,其采用7段DTC结构配合以下校准流程:

  1. 初始粗校准:注入测试序列,测量各段传递特性
  2. 背景细校准:运行时通过辅助LMS环路持续优化
  3. 温度追踪:嵌入thermal sensor触发周期性刷新

这种方案在ISSCC 2024上实现了令人瞩目的1.8fs RMS抖动,同时保持仅2.1mW功耗。

2. DCO非线性校正:数字预失真(DPD)的进阶应用

2.1 DCO非线性的本质与影响

数字控制振荡器(DCO)的调谐特性本质上是非线性的,尤其在毫米波频段,这种非线性会导致:

  • 调制失真:在两点调制架构中引起增益不平衡
  • 杂散增生:产生非谐波相关杂散分量
  • 相位误差:导致PLL锁定范围缩小

传统模拟预校正方法面临两个困境:工艺角变化导致校正效果不稳定;校正电路本身引入额外噪声。数字预失真通过构建逆向模型完美解决了这些问题。

2.2 自适应DPD算法实现

现代DPD系统通常采用三级递进结构:

  1. 基础线性化:多项式拟合DCO Kv曲线
    # 三阶多项式预失真示例 def dpd_correction(tuning_word): return (a0 + a1*tuning_word + a2*tuning_word**2 + a3*tuning_word**3)
  2. 记忆效应补偿:针对调谐延迟的FIR滤波
  3. 温度/电压自适应:建立PVT补偿查找表

三星在6G原型芯片中实现的混合DPD方案包含以下创新点:

  • 双环路校准:快环路处理瞬时非线性,慢环路跟踪长期漂移
  • 稀疏采样:仅关键工作点密集校准,降低功耗40%
  • 噪声整形:将DPD计算量化噪声推至带外

实测数据显示,该方案将28GHz DCO的相位噪声从-98dBc/Hz@1MHz改善至-106dBc/Hz,同时保持校准电路功耗小于DCO本体的15%。

3. 工艺节点适配:从成熟制程到先进FinFET

3.1 28nm与40nm节点的性价比之选

对于成本敏感的中端应用(如5G sub-6GHz),在成熟制程上实现DTC+DPD需要特殊优化:

  • DTC分辨率折衷:采用1.5ps步长而非先进节点的0.8ps,面积减少35%
  • 共享校准引擎:时分复用同一套LMS电路处理DTC和DPD
  • ROM压缩技术:存储多项式系数使用差分编码

联发科研发的16nm WiFi 6E方案证明,这种优化仍可实现-32dBc参考杂散,满足绝大多数应用需求。

3.2 3nm/5nm FinFET的极致性能实现

在先进节点上,技术重点转向:

  1. 时序收敛挑战
    • 采用异步校准时钟域
    • 插入时序弹性缓冲器
  2. 电源噪声抑制
    // 门控电源示例代码 always @(posedge cal_clk) begin if (cal_en) begin cal_logic_pwr_gate <= 1'b0; // 校准逻辑激活 end else begin cal_logic_pwr_gate <= 1'b1; // 保持电路断电 end end
  3. 热密度管理
    • 动态频率缩放校准引擎
    • 热感知任务调度

台积电N3E工艺测试芯片显示,通过上述技术组合,在相同性能下可比直接移植方案节省28%功耗。

4. 系统级集成与协同优化策略

4.1 与SerDes的联合优化

高速SerDes对时钟提出矛盾需求:低抖动与快速频偏追踪。DTC+DPD组合通过以下方式破解困局:

  • 双模式切换
    • 锁定模式:启用全精度校准
    • 追踪模式:关闭部分校准降低延迟
  • 噪声预算分配
    噪声源传统方案协同优化方案
    量化噪声45%12%
    DCO非线性30%8%
    电源噪声25%80%

4.2 面向6G的架构演进

Beyond-100GHz应用呈现新特征:

  • 时变非线性:需引入在线模型更新
  • 毫米波相位同步:联合校准多个PLL核心
  • AI辅助预测:LSTM网络预判参数漂移

高通展示的Sub-THz研究平台已采用强化学习优化DPD参数,将校准周期从微秒级缩短至纳秒级。

http://www.jsqmd.com/news/589442/

相关文章:

  • 别再只用单一LoRA了!MoE-LoRA如何让一个模型同时精通代码、医疗和法律?
  • 拯救者工具箱:开源性能管理方案的创新实践
  • 7×24小时运行保障:OpenClaw+Qwen3-14B镜像的进程守护方案
  • 从高级语言到机器指令:编译与汇编的底层奥秘
  • OpenClaw低代码开发:用Phi-3-mini生成前端页面
  • OpenClaw权限设计:Kimi-VL-A3B-Thinking多模态能力的分级管控
  • seo网络优化费用高的原因是什么_如何预算seo网络优化费用
  • OpenClaw日志排查助手:千问3.5-9B自动化分析开发日志
  • OpenClaw配置备份指南:Qwen3-32B环境迁移与快速恢复
  • 如何确保SEO推广合作的投资回报率
  • 抖音视频批量下载终极指南:3分钟上手,效率提升300%
  • YOLO11实战:手把手教你集成GAM注意力模块,提升目标检测精度(附完整代码与配置文件)
  • MetaQTL元分析实战:从文献整理到结果可视化的保姆级流程(附避坑指南)
  • Clock Uncertainty的实战解析:从理论到设计优化
  • Camunda 流程图进阶:从设计到条件分支实战
  • 开发者必备:OpenClaw+Phi-3-vision-128k-instruct自动化测试方案
  • 2026年毕业论文和期刊投稿降AI工具选择对比:不同场景推荐
  • 零基础快速入门前端深入 JavaScript Proxy 代理:从基本用法到应用场景(只读、日志、权限控制、响应式、防抖)| 蓝桥杯 Web 考点精讲(可用于备赛蓝桥杯Web应用开发)
  • C语言变量与数据类型在嵌入式开发中的核心要点
  • 从WebSocket到WebRTC,豆包级实时语音交互背后的技术演进
  • OpenClaw+千问3.5-35B-A3B-FP8:个人知识库自动整理方案
  • 开关电源EMI滤波设计:如何通过Cx、Cy电容精准抑制共模与差模干扰?
  • Windows下OpenClaw安装指南:一键对接Qwen3-4B-Thinking-2507-GPT-5-Codex-Distill-GGUF模型
  • 2026年海外高校AIGC检测现状:留学生如何应对不同平台要求
  • 双模型协作实战:OpenClaw路由Kimi-VL-A3B-Thinking与Whisper处理音图文混合输入
  • OpenClaw+千问3.5-9B个人知识库:自动整理碎片信息成体系
  • OpenClaw学习助手:Qwen3-32B驱动PDF笔记自动摘要与题库生成
  • 嵌入式C语言开发核心技巧与常见问题解析
  • PCIe Crosslink另类玩法:用闲置x16插槽给FPGA和SSD搭条高速公路
  • H桥驱动直流电机效率计算与优化实践