【摘 要】
:
近年来,第五代通信技术日趋成熟,可穿戴设备和便携式设备的应用越来越普及,物联网的蓬勃发展正在将世界带入一个传感器无处不在的环境。模数转换器(ADC)作为连接模拟世界与数字系统的桥梁,普遍应用于各类电子设备中。为了实现整个系统的低功耗设计,对模数转换器性能和功效的要求也越来越严格。逐次逼近流水线混合型(Pipelined SAR)ADC结合了流水线型(Pipelined)ADC和逐次逼近型(SAR)
论文部分内容阅读
近年来,第五代通信技术日趋成熟,可穿戴设备和便携式设备的应用越来越普及,物联网的蓬勃发展正在将世界带入一个传感器无处不在的环境。模数转换器(ADC)作为连接模拟世界与数字系统的桥梁,普遍应用于各类电子设备中。为了实现整个系统的低功耗设计,对模数转换器性能和功效的要求也越来越严格。逐次逼近流水线混合型(Pipelined SAR)ADC结合了流水线型(Pipelined)ADC和逐次逼近型(SAR)ADC的优势,在速度、功耗和面积上做了非常好的折中,已成为高速、高精度ADC最常见的实现方式。然而,SAR ADC中的比较器噪声会限制其分辨率,从而降低ADC的能效。为了实现更高的分辨率,同时保持出色的能效,可以在Pipelined SAR ADC中引入Δ-ΣADC所采用的过采样和噪声整形(Noise shaping,NS)技术。本文主要研究了两级Pipelined SAR ADC的基本原理和设计方法,并在第一级子ADC中加入噪声整形技术以提升性能,最终实现了一款1-0 MASH型Pipelined SAR ADC。主要研究内容如下:首先,为了实现有效的噪声传递函数(NTF),本文采用无源方式,利用差分采样、电容积分和电荷共享原理,在第一级子ADC实现了高能效的一阶噪声整形,避免了运算放大器等有源器件,节省了功耗,简化了电路结构;同时采用Coarse SAR和Fine SAR并行工作的方式,提高了第一级SAR ADC的转换速度。Coarse SAR的决策结果直接传给Fine SAR,第一级产生的量化误差在第二级SAR ADC被处理。基于两级Pipelined SAR ADC结构,对量化误差进行了分析,利用比较器的相对放大,消除了传统Pipelined ADC中的余差放大器,提高了ADC的整体速度。其次,在上述研究的基础上,本文搭建了1-0 MASH型Pipelined SAR ADC的数学模型。第一级SAR ADC采用四位结构,第二级SAR ADC采用六位结构,其中冗余一位。利用MATLAB工具完成了Simulink的仿真验证,并进行了数字校准。结果表明,第一级噪声整形环路可以有效提高系统的信噪比。通过建模验证,第一级Coarse SAR的噪声传输函数并不敏感,允许有一定的偏差,这在一定程度上放宽了无源积分环路的设计要求。本设计的1-0 MASH结构不仅可以巧妙地抵消第一级的量化噪声,对第二级的量化噪声进行整形,同时可以利用第一级噪声传输函数NTF整形级间增益误差(gain error shaping),改善性能,解决了由比较器相对放大引起的增益误差难以在数字域进行校准这一问题,从而大大提高整形效率。最后,基于TSMC 28nm标准CMOS工艺,通过Cadence工具完成了1-0 MASH型Pipelined SAR ADC的整体电路设计,具体模块包括采样保持电路、四输入动态比较器、无源积分噪声整形环路、SAR ADC逐次逼近逻辑、异步时钟产生电路等,并进行了仿真验证,绘制了物理版图。电路参数如下:电源电压0.9V,带宽100MHz,采样频率1.6GHz,过采样率为8。仿真测得:SNR达到70.4d B,SNDR达到70.11d B,SFDR达到83.32d B。本设计适用于先进移动通讯(如第五代新无线电)设备,能够满足接收机模数转换器的指标要求。
其他文献
由海表面的后向散射作用形成的海杂波严重干扰雷达对目标的检测,海面弱目标常常被海杂波所淹没。为了提升雷达对于海面弱目标检测的能力,本文基于某岸基雷达的X波段实测海杂波数据,分析了海杂波的特性,并对海面弱目标检测算法进行了研究。本文主要研究工作为:1、利用实测海杂波数据对海杂波物理散射特性、统计特性、时频特性以及时空相关性进行分析。首先通过分析海杂波的成因,得出海杂波的物理散射模型由布拉格散射、突发散
图像实例分割完成的是像素级的实例目标分割任务,是人工智能与计算机视觉领域的重要发展方向,其被广泛应用到各个领域,如工业生产、监控安防和医疗卫生等。目前的图像实例分割模型主要存在两个问题,第一,传统的图像实例分割模型由于图像中实例对象尺寸差异跨度较大,导致目标检测阶段出现误检、漏检等问题,从而使生成的掩码精度较低。第二,传统的实例分割模型在掩码生成阶段,主要是通过汇聚到全连接层的特征信息对像素点进行
随着计算机技术和互联网技术的发展,各行各业纷纷向“互联网+”和数字化转型,数字信息化服务的用户量剧增,导致了各个领域的数据量呈指数式暴涨,数据计算面临着新的需求和挑战。以单一类型计算资源为主的传统计算系统平台力不胜任,无法满足日趋复杂且多变的应用需求。在此背景下,通用异构计算平台应运而生,被广泛应用于科学计算、深度学习、信号处理和云计算等领域,并取得了显著的成效。它的大规模计算资源为处理海量数据提
自上世纪八十年代以来,人工神经网络迅猛发展。现在,它已经被广泛应用于诸多领域解决实际问题。但是,就目前情况而言,我们所应用的人工神经网络属于第二代神经网络。尽管第二代神经网络帮助我们在很多领域取得了突破性的进展,但它并没有实现真正的仿生,不能够模仿真实大脑皮层神经元网络的工作机制。而构建与人类大脑神经元网络相类似的智能网络作为当下的研究热点,由于大脑结构和功能之谜尚未真正解开,变得极具挑战。本文从
随着移动用户终端产生的通信业务需求的激增和新兴远程物联网业务需求的诞生,传统地面通信网络由于资源有限、节点覆盖范围小等缺陷难以满足业务对大规模连接和高网络承载能力的需求,并且一旦地面网络遭受自然灾害的影响而瘫痪时,将导致受灾地区通信的中断。而卫星通信网络因为海拔高、可用资源丰富的特点具有覆盖范围广、接入技术灵活、免受不可抗力因素破坏等优点,当其与地面通信网络融合形成天地一体化网络时,能够提升网络对
物理层密钥生成技术主要是利用无线信道的互异性、时变性和空间唯一性生成随机序列,区别于传统的加密方法,物理层密钥生成技术不需要第三方可信机构的密钥管理与分发,理论上可以做到一次一密,达到香农保密通信的绝对安全。在5G和物联网时代,物理层密钥生成技术可以对传统加密方式进行补充甚至完全替代,具有广阔的应用前景。本文着重对物理层密钥生成技术的应用场景进行研究,主要的工作与创新点如下:(1)将物理层密钥生成
在移动边缘计算(Mobile Edge Computing,MEC)网络中,可充分利用服务器自身的计算能力,协助资源受限的移动终端进行计算卸载。利用非正交多址接入技术(Nonorthogonal Multiple Access,NOMA)完成计算任务卸载,可有效提高频谱效率,同时减少完成任务计算所需的时延和能量消耗。目前,基于NOMA的移动边缘计算(NOMA-MEC)网络计算卸载研究主要集中在通信
随着信息通信技术的快速更新迭代,物联网技术得到充足的发展和普及,现如今已经改变了人类传统的生活和工作方式,使诸多行业走上智能化的道路。物联网的发展在一定程度上取决于当下通信基础设施的水平和能力,但是在一些偏远地区、广袤沙漠以及远海等场景部署地面网络比较困难,而且地面基站覆盖范围小,这些地区通常没有信号,从而导致物联网技术的服务能力无法满足人类的需求。为解决地面物联网受地域影响大,覆盖范围有限的弊端
近年来,深度学习为计算机视觉算法的飞速发展奠定了稳固的基础,基于深度神经网络的目标检测算法渐渐被应用在人们生产生活的方方面面。然而,随着技术的发展,目标检测算法的研究也从充足数据、强监督的场景逐渐转移到了类别长尾分布的小样本场景。因此,如何利用极少量的数据实现高精度的目标检测,成为了近年来国内外的研究热点。然而,在没有足够数据的情况下,深度神经网络容易出现难收敛、过拟合以及泛化性能差等问题;并且由