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.mzph.cn/news/871133.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

借人工智能之手,编织美妙歌词篇章

在音乐的领域中,歌词宛如璀璨的明珠,为旋律增添了无尽的魅力和情感深度。然而,对于许多创作者来说,编织出美妙动人的歌词并非易事。但如今,随着科技的飞速发展,人工智能为我们带来了全新的创作可能。 “妙…

Cornerstone3D导致浏览器崩溃的踩坑记录

WebGL: CONTEXT_LOST_WEBGL: loseContext: context lost ⛳️ 问题描述 在使用vue3vite重构Cornerstone相关项目后,在Mac本地运行良好,但是部署测试环境后,在window系统的Chrome浏览器中切换页面会导致页面崩溃。查看Chrome的任务管理器&am…

浅析Kafka Streams消息流式处理流程及原理

以下结合案例&#xff1a;统计消息中单词出现次数&#xff0c;来测试并说明kafka消息流式处理的执行流程 Maven依赖 <dependencies><dependency><groupId>org.apache.kafka</groupId><artifactId>kafka-streams</artifactId><exclusio…

【三维AIGC】扩散模型LDM辅助3D Gaussian重建三维场景

标题&#xff1a;《Sampling 3D Gaussian Scenes in Seconds with Latent Diffusion Models》 来源&#xff1a;Glasgow大学&#xff1b;爱丁堡大学 连接&#xff1a;https://arxiv.org/abs/2406.13099 提示&#xff1a;写完文章后&#xff0c;目录可以自动生成&#xff0c;如何…

Spring Security学习笔记(一)Spring Security架构原理

前言&#xff1a;本系列博客基于Spring Boot 2.6.x依赖的Spring Security5.6.x版本 Spring Security中文文档&#xff1a;https://springdoc.cn/spring-security/index.html 一、什么是Spring Security Spring Security是一个安全控制相关的java框架&#xff0c;它提供了一套全…

海外ASO:iOS与谷歌优化的相同点和区别

海外ASO是针对iOS的App Store和谷歌的Google Play这两个主要海外应用商店进行的优化过程&#xff0c;两个不同的平台需要采取不同的优化策略&#xff0c;以下是对iOS优化和谷歌优化的详细解析&#xff1a; 一、iOS优化&#xff08;App Store&#xff09; 1、关键词覆盖 选择关…

用node.js写一个简单的图书管理界面——功能:添加,删除,修改数据

涉及到的模块&#xff1a; var fs require(‘fs’)——内置模块 var ejs require(‘ejs’)——第三方模块 var mysql require(‘mysql’)——第三方模块 var express require(‘express’)——第三方模块 var bodyParser require(‘body-parser’)——第三方中间件 需要…

打造你的智能家居指挥中心:基于STM32的多协议(zigbee、http)网关(附代码示例)

1. 项目概述 随着物联网技术的蓬勃发展&#xff0c;智能家居正逐步融入人们的日常生活。然而&#xff0c;市面上琳琅满目的智能家居设备通常采用不同的通信协议&#xff0c;导致不同品牌设备之间难以实现互联互通。为了解决这一难题&#xff0c;本文设计了一种基于STM32的多协…

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…

docker inspect 如何提取容器的ip和端口 网络信息?

目录 通过原生Linux命令过滤找到IP 通过jq工具找到IP 使用docker -f 的过滤&#xff08;模板&#xff09; 查找端口映射信息 查看容器内部细节 docker inspect 容器ID或容器名 通过原生Linux命令过滤找到IP 通过jq工具找到IP jq 是一个轻量级且灵活的命令行工具&#xf…

(视频演示)基于OpenCV的实时视频跟踪火焰识别软件V1.0源码及exe下载

本文介绍了基于OpenCV的实时视频跟踪火焰识别软件&#xff0c;该软件通过先进的图像处理技术实现对实时视频中火焰的检测与跟踪&#xff0c;同时支持导入图片进行火焰识别。主要功能包括相机选择、实时跟踪和图片模式。软件适用于多种场合&#xff0c;用于保障人民生命财产安全…

OpenGL笔记二之glad加载opengl函数以及opengl-API(函数)初体验

OpenGL笔记二之glad加载opengl函数以及opengl-API(函数)初体验 总结自bilibili赵新政老师的教程 code review! 文章目录 OpenGL笔记二之glad加载opengl函数以及opengl-API(函数)初体验1.运行2.重点3.目录结构4.main.cpp5.CMakeList.txt 1.运行 2.重点 3.目录结构 01_GLFW_WI…

Python-PLAXIS自动化建模技术与典型岩土工程

有限单元法在岩土工程问题中应用非常广泛&#xff0c;很多软件都采用有限单元解法。在使用各大软件进行数值模拟建模的过程中&#xff0c;您是否发现GUI界面中重复性的点击输入工作太繁琐&#xff1f;从而拖慢了设计或方案必选进程&#xff1f; 搭建自己的Plaxis模型&#xff…

设计模式的七大原则

1.单一职责原则 单一职责原则(Single responsibility principle)&#xff0c;即一个类应该只负责一项职责。如类A负责两个不同职责&#xff1a;职责1&#xff0c;职责2。当职责1需求变更而改变A时&#xff0c;可能造成职责2执行错误&#xff0c;所以需要将类A的粒度分解为A1、…

安卓14中Zygote初始化流程及源码分析

文章目录 日志抓取结合日志与源码分析systemServer zygote创建时序图一般应用 zygote 创建时序图向 zygote socket 发送数据时序图 本文首发地址 https://h89.cn/archives/298.html 最新更新地址 https://gitee.com/chenjim/chenjimblog 本文主要结合日志和代码看安卓 14 中 Zy…

C/C++ 进阶(7)模拟实现map/set

个人主页&#xff1a;仍有未知等待探索-CSDN博客 专题分栏&#xff1a;C 一、简介 map和set都是关联性容器&#xff0c;底层都是用红黑树写的。 特点&#xff1a;存的Key值都是唯一的&#xff0c;不重复。 map存的是键值对&#xff08;Key—Value&#xff09;。 set存的是键…

Git的命令使用与IDEA内置git图形化的使用

Git 简介 Git 是分布式版本控制系统&#xff0c;它可以帮助开发人员跟踪和管理代码的更改。Git 可以记录代码的历史记录&#xff0c;并允许您在不同版本之间切换。 通过历史记录可以查看&#xff1a; 进行了哪些更改&#xff1f;谁进行了更改&#xff1f;何时进行了更改&#…

网络安全高级工具软件100套

1、 Nessus&#xff1a;最好的UNIX漏洞扫描工具 Nessus 是最好的免费网络漏洞扫描器&#xff0c;它可以运行于几乎所有的UNIX平台之上。它不止永久升级&#xff0c;还免费提供多达11000种插件&#xff08;但需要注册并接受EULA-acceptance–终端用户授权协议&#xff09;。 它…

在生产环境中部署Elasticsearch:最佳实践和故障排除技巧——聚合与搜索(三)

#在生产环境中部署Elasticsearch&#xff1a;最佳实践和故障排除技巧——聚合与搜索&#xff08;三&#xff09; 前言 文章目录 前言- 聚合和分析- 执行聚合操作- 1. 使用Java API执行聚合操作- 2. 使用CURL命令执行聚合操作- 1. 使用Java API执行度量操作- 2. 使用CURL命令执…

谷粒商城实战笔记-34-前端基础-ES6-promise异步编排

文章目录 一&#xff0c;回调地狱&#xff08;Callback Hell&#xff09;二&#xff0c;实战Promise1&#xff0c;场景说明2&#xff0c;回调地狱-传统实现3&#xff0c;使用Promise重构3.1 用Promise实现上述需求3.2 进一步重构 在ES6中&#xff0c;Promise是一个用于异步编程…