当前位置: 首页 > news >正文

开关电容电路中CLS技术的增益提升与实现优化

1. 开关电容电路基础与增益提升挑战

在模拟集成电路设计中,开关电容(Switched-Capacitor, SC)电路因其优异的精度和可编程性,被广泛应用于滤波器、数据转换器等关键模块。这类电路的核心性能指标直接取决于两个关键因素:电容匹配精度和运算放大器(Opamp)的直流增益。随着CMOS工艺节点的不断缩小,电容匹配问题已通过先进制造工艺得到显著改善,但运算放大器增益的提升却面临着根本性挑战。

现代低电压工艺下,传统级联(cascode)结构由于输出摆幅受限,难以实现高增益。以一个典型40nm工艺为例,单级运放增益通常仅为30-40dB,而要实现16位以上的精度,往往需要60dB以上的有效增益。这种矛盾催生了几类解决方案:

  • 数字校准技术:通过后台数字算法补偿模拟误差,但需要复杂的数字电路支持,增加了芯片面积和功耗
  • 相关双采样(CDS):利用噪声相关原理提升等效增益,但需要三相位时钟控制,且信号摆幅受限
  • 相关电平移位(CLS):在CDS基础上改进,同时解决增益和摆幅问题,但仍需多相位时钟

关键提示:在低压设计中,CLS技术的核心价值在于它通过模拟域的信号处理,在不增加电源电压的前提下,既提升了等效增益又扩展了信号动态范围。

2. 传统CLS技术工作原理深度解析

2.1 基本乘法器电路分析

考虑典型的开关电容乘二电路(图1),其工作时序包含两个相位:

  • 采样相位:输入信号Vin同时采样到两个电容Cs上
  • 放大相位:一个Cs的电荷完全转移到另一个Cs,理想输出应为2Vin

实际输出受限于运放有限增益A:

Vout = 2Vin(1 - 1/A)

当A=30dB(约31.6倍)时,增益误差高达3.16%,这对于12位以上精度的系统是不可接受的。

2.2 CLS三相位工作机制

CLS技术引入第三个"电平移位"相位和专用电容CCLS,形成三个工作阶段:

  1. 采样相位(Φ1)

    • 输入信号采样到主电容Cs
    • CCLS初始化为参考电压(通常为共模电平)
  2. 估计相位(Φ2)

    • 运放产生初步输出并存储在CCLS上
    • 此时输出电压:Vout_est ≈ 2Vin/(1+1/T)
    • 其中T = Aest·(Cs/(2Cs+Cin))为估计相位环路增益
  3. 电平移位相位(Φ3)

    • CCLS与运放输出端耦合,抵消运放输入端的信号分量
    • 最终输出:Vout ≈ 2Vin/(1+1/Teq)
    • 等效增益Teq ≈ T²,实现增益平方级提升

通过这种机制,30dB的基础运放增益可产生约60dB的等效增益。图2的波形图清晰展示了各相位间的信号变化过程。

2.3 CLS的摆幅优势

与传统CDS技术相比,CLS允许输出信号超出电源轨的限制。这是因为:

  • 电平移位相位通过CCLS电容耦合,不依赖晶体管的直流偏置
  • 信号摆幅仅受电容耐压限制,在先进工艺中可达电源电压的150-200%

3. 时间移位CLS(TS-CLS)技术实现

3.1 两相位时序重构

TS-CLS的核心创新是将三相位操作压缩到两个标准时钟相位中,如图3所示。这通过引入第二组采样电容Cp和时间交错控制实现:

  • 相位1(预测相位)

    • 主电容Cs采样新输入
    • 运放将上一周期的预测输出传至下级
    • Cp保持上一周期的预测值
  • 相位2(电平移位相位)

    • 完成精确电平移位输出
    • 同时将当前输入采样到Cp,为下周期预测做准备

这种时间复用使时钟频率可提升约50%,但带来了三个关键问题:

3.2 误差累积机制

在流水线ADC等多级应用中,TS-CLS的预测基于前级输出,导致误差逐级累积。具体表现为:

第n级误差 ≈ (1/Teq) × (1 + 1/Teq)^(n-1)

当Teq=1000(60dB)时,10级流水线的累积误差可达1.1倍单级误差。

3.3 电容失配影响

TS-CLS需要Cs和Cp两组电容精确匹配。假设两者存在ΔC的失配,将引入增益误差:

增益误差 ≈ 2(ΔC/C)/(1 + 1/Teq)

对于12位精度,要求ΔC/C<0.025%,这在布局上极具挑战性。

3.4 记忆效应问题

由于电容组没有复位相位,残余电荷会导致非线性。记忆效应引起的误差电压可表示为:

Verror ≈ α·Vprevious/(1 + Cs/Cp)

其中α为电荷注入系数,通常为0.1-1%。需要通过增加复位开关或采用bottom-plate采样缓解。

4. 时间对齐CLS(TA-CLS)技术创新

4.1 双电容组交替架构

TA-CLS通过CA/CB两组电容的乒乓操作(图4)解决了TS-CLS的缺陷:

  • 周期1

    • CA用于信号采样和放大
    • CB执行电平移位和下一周期预采样
  • 周期2

    • 角色互换,CB用于信号处理
    • CA进行复位和新采样

这种对称结构带来三大优势:

  1. 误差消除:每级使用自身采样值进行预测,切断误差传播路径
  2. 记忆效应消除:电容组在采样前有完整的复位相位
  3. 共享优化:可与流水线ADC的电容共享技术结合,减少总电容面积

4.2 时序优化设计

TA-CLS的时钟边缘需要精确控制以避免电荷注入。关键时序参数包括:

  • 预充电时间:>5τ(τ为RC时间常数)
  • 交叠时间:<0.1%时钟周期
  • 采样边沿抖动:<0.01%周期

图5展示了优化的两相非重叠时钟波形,其中:

  • Φ1d为CA组采样时钟
  • Φ2d为CB组采样时钟
  • 复位脉冲位于相位转换间隙

4.3 功耗对比分析

与传统CLS相比,TA-CLS的功耗优势体现在:

  1. 时钟驱动功耗降低33%(两相vs三相)
  2. 运放静态功耗降低约20%(因相位减少)
  3. 可省略专用采样保持电路,节省15-25%系统功耗

表1实测数据显示,在相同性能下TA-CLS的总功耗仅为传统方案的65%。

5. 性能验证与工程实践

5.1 仿真结果分析

基于0.18μm工艺的仿真验证了理论预期(表2):

配置增益误差建立时间功耗
传统(60dB运放)-0.26%15ns2.1mW
CLS(30dB运放)-1.387%18ns1.4mW
TS-CLS(30dB运放)-3.291%16ns1.2mW
TA-CLS(30dB运放)-1.367%17ns1.0mW

TA-CLS在误差和功耗间实现了最佳平衡,其建立时间仅比理想情况慢13%。

5.2 版图设计要点

实现高性能TA-CLS需注意:

  1. 电容匹配

    • 采用共质心布局
    • 添加dummy电容
    • 走线对称布线
  2. 时钟馈通抑制

    • 使用差分开关结构
    • 增加延迟匹配buffer
    • 优化开关尺寸(W/L≈1/1)
  3. 噪声优化

    • 采样电容>1pF(kT/C噪声<100μV)
    • 运放输入对管gm>2mA/V
    • 偏置电流源PSRR>60dB

5.3 实测问题排查

实际芯片测试中常见问题及解决方案:

  1. 残余失调电压

    • 现象:输出存在2-5mV固定偏移
    • 原因:复位不完全
    • 解决:增加复位脉冲宽度至3τ
  2. 谐波失真

    • 现象:SFDR<70dB
    • 原因:开关非线性导通电阻
    • 解决:采用传输门开关并提升过驱动电压
  3. 增益温度漂移

    • 现象:-40~85℃范围内增益变化>0.5%
    • 原因:电容介质温度系数失配
    • 解决:使用MiM电容并保持温度梯度<5℃/mm

6. 技术演进与设计建议

从实际项目经验看,TA-CLS技术最适合以下应用场景:

  • 12-14位精度流水线ADC
  • 低电压(<1.2V)滤波器设计
  • 高动态范围传感器接口电路

未来发展方向可能包括:

  1. 与数字辅助校准结合,进一步提升至16位精度
  2. 在存内计算等新兴领域应用CLS原理
  3. 开发自适应相位控制技术,动态优化功耗和速度

对于初次采用的设计者,建议从乘二电路开始验证,重点关注:

  • 时钟时序的精确实现
  • 电容匹配的物理验证
  • 运放相位裕度(建议>70°)

我在多个tapeout中发现,TA-CLS对电源噪声异常敏感,必须在电源引脚布置至少100pF的本地去耦电容,同时建议使用带隙基准而非LDO供电。

http://www.jsqmd.com/news/806316/

相关文章:

  • 基于GitHub Webhook的自动化协作平台:Octopal架构设计与实现
  • Cortex-R52 ETM架构解析与调试实战
  • Harepacker-resurrected深度解析:MapleStory WZ文件编辑器的系统指南
  • ComfyUI IPAdapter Plus完整指南:5个步骤掌握AI图像风格迁移技术
  • Docker Compose安全配置扫描工具compose-port-guard实战指南
  • DevOps 与 CI/CD 实战心得:静态网站的自动化部署
  • AMSET 设置多核并行计算
  • 双模CIM加速器架构与DACO编译优化实践
  • 多AI协作验证平台KEA Research:从部署到实战的完整指南
  • 第64篇:Vibe Coding时代:LangGraph + RAG 权限过滤实战,解决知识库检索泄露敏感代码的问题
  • 本地AI截图隐私保护:privacy-mask自动脱敏工具实战指南
  • 专业级macOS歌词同步方案:LyricsX核心功能深度解析
  • Cursor编辑器AI操作完成音效插件:原理、实现与效能提升
  • Posit向量处理器:动态精度浮点计算的硬件加速方案
  • MCP协议实战:AI对话式银行开户,RPA与LLM的金融科技融合
  • 移动端数据抓取实战:基于Capacitor插件实现自动化采集
  • PTPT:将AI大模型能力无缝集成到命令行工作流的Go工具
  • 树莓派玩转MIPI:手把手教你连接CSI摄像头与DSI显示屏(保姆级图文教程)
  • 2026年5月新消息:重庆槽钢采购优选,重庆宏壮钢管有限公司实力解析 - 2026年企业推荐榜
  • 【AI工具推荐】Awesome DESIGN.md - 让AI生成像素级完美UI的设计神器
  • 告别F12硬刚!用Tampermonkey油猴脚本Hook,5分钟定位前端加密参数
  • 2026年当下,如何为子女选择正规的少林功夫培训机构?深度剖析登封嵩山少林南北武术学校 - 2026年企业推荐榜
  • 安卓全场景AI助手:基于无障碍服务与OpenAI API的移动端集成实践
  • Adnify:AI智能编程伴侣的架构设计与工程实践
  • Python 爬虫反爬突破:多层嵌套加密参数拆解技巧
  • 2026锂电专用氧化锆珠标杆名录:电子浆料氧化锆珠/砂磨机专用陶瓷珠/精密研磨氧化锆珠/精密陶瓷研磨珠/纳米研磨氧化锆珠/选择指南 - 优质品牌商家
  • 2026年Q2劳务资质代办全攻略:体系认证/劳务资质代办/商品条形码/安全生产许可代办/工业产品生产许可代办/绵阳商标注册/选择指南 - 优质品牌商家
  • ML特征存储:管理机器学习特征的基础设施
  • 基于AI智能体框架的Meta广告自动化优化实战指南
  • 基于MCP协议与x402微支付,构建AI智能体市场统一调用桥梁