Jitter 和相位噪声

近期学习PLL的时候,发现里面有诸多jitter类型,绕晕了,写个帖子记录一下学习过程。

目录

基本jitter和相噪概念

jitter

相位噪声

相位噪声和jitter之间的联系

三种常见的抖动类型及其特点


基本jitter和相噪概念

无噪声振荡器的输出是一个完全周期性的,如图a,其包含三个特点:1.周期不随时间变化2.瞬时频率不随时间变化3.在t=nT/2时均匀的发生过零点(即与横轴交点)的波形。这三个特点其实是同一个特点的三个角度描述。

实际上,VCO中的噪声源会干扰波形,对应上述三点:1.周期不相等2.瞬时频率随机变化3.在t=nT/2可能不过零点。可见,噪声随机调制频率和相位。

相位调制可以表示为V _{out}=V_{0}cos\left [\omega _{0}t +\phi _{n}\left (t \right ) \right ],其中\omega _{0}为载波(无噪声时振荡频率),\phi _{n}\left (t \right )为上述三种噪声造成的任意一种效果。如果dφn/dt= 0,则调制瞬时频率为ω0 + dφn/dt。(如果没看懂,请参考VCO 理论模型-CSDN博客)

jitter

周期性波形过零点偏离理想时间点的抖动(时域)

如果Vcont是一个周期性的确定扰动,则有:

相位差最大/最小时,过零点在时域上与理想点发生最大偏离(上式sin项为±1)。peak-to-peak jitter:

\frac{2K_{VCO}V_{m}}{\omega _{m}}\left ( rad \right )=\frac{2K_{VCO}V_{m}}{\omega _{m}2\pi }\frac{2\pi}{\omega _{0}}\left (sec \right )=\frac{2K_{VCO}V_{m}}{\omega _{m}\omega _{0} }\left (sec \right )

rad代表角频率,sec代表时域里面的秒

将时域上的peak-to-peak jitter归一化到(平均)VCO周期,即为确定性jitter(deterministic jitter):

\frac{2K_{VCO}V_{m}}{\omega _{m}\omega _{0}\frac{2\pi}{\omega _{0}} }\left (sec \right )=\frac{K_{VCO}V_{m}}{\pi\omega _{m} }\left (sec \right )

确定性jitter:振荡器的频率周期性受到干扰。这种干扰可能来自显性控制电压,也可能来自电源或基板端子。

jitter在时域上的眼图如图,振荡器相位调制的时域视图不能很容易地揭示干扰是随机的还是确定的,所以求助于频域来区分不同类型的干扰。

假设VCO的输入电压存在一个小扰动,即:

在VCO输出端:

经过窄带调频近似,得到:

表现在频域上即在载波附近对称分布两个旁带(杂散),对旁带幅值与载波幅值的比值感兴趣,即归一化后的旁带幅度:K_{VCO}V_{m}/2\omega _{m}。随着调制频率ωm的增加,比值下降,抖动也随之下降。

可见,归一化的旁带幅度×4=peak-to-peak jitter

实例:如果希望振荡器产生的调频边带贡献的峰对峰抖动小于周期的1%,最大可容忍边带幅度是多少?

这是关于确定性抖动的时域和频域特性的一个有用的经验法则。

相位噪声

V _{out}=V_{0}cos\left [\omega _{0}t +\phi _{n}\left (t \right ) \right ]。其中,\phi _{n}\left (t \right )为相位噪声。φn(t)随机调制Vout的相位和频率,频谱不再是ω = ω0处的单脉冲。也就是说,瞬时频率随机偏离ω0,将信号的一些能量溢出到脉冲附近。结果,频谱被拓宽。

相位噪声频谱:

指定频偏处的相位噪声:

1、选择频偏

2.计算\Delta f处1Hz带宽内的噪声功率

3.对载波功率归一化

4.取10log

结果以dBc/Hz表示,其中字母c表示归一化载波功率,每赫兹表示1hz带宽内的相位噪声功率。

实例:在VCO输入处连接一个电阻,求其输出相位噪声谱和输出频率噪声谱。

相位噪声频谱:

归一化:

频率噪声频谱:

结论:任何通过白噪声调制振荡器频率的机制都会产生与1/ f2成比例的相位噪声轮廓。这是可以预料到的,因为频率和相位的相关系数是1/s。

压控振荡器的相位噪声可以用两种不同的模型来表示:(1)作为一个电压量加到控制电压上[图(a)],或者(2)作为一个相位量加到输出相位上[图(b)]。当然,这两个相加方式具有不同的谱。

相位噪声和jitter之间的联系

把出现过的jitter概念总结一下,主要区分确定性成分和随机性成分。

jitter(时域)确定性旁带+随机相位噪声
绝对jitter(Absolute Jitter)随机+确定,有噪声和无噪声VCO的相位差,无界
相位噪声(phase noise)随机波动
确定性jitter(Deterministic Jitter)确定性,频谱边带
峰峰值抖动(peak-to-peak jitter)确定性
随机jitter(random jitter)随机性

所以相位噪声只能和random jitter转化。

平均“功率”:

平均功率等于频谱下的面积:

上式开根号,即为均方根抖动 rms jitter(Root Mean Square Jitter):

Jrms的单位是弧度,如果希望以秒表示,则必须除以2π并乘以周期。

实例:锁相环的输出相位噪声可以用图2.27所示的曲线来近似表示,其中Sφn(f)在|f| < f1时是平坦的,在|f| > f1时与1/ f2成比例下降。计算 rms jitter。

结论:rms jitter等于从0到f = +f1的频谱下面积的4倍。

到目前为止,我们已经看到了两种类型的抖动:(a)确定性抖动,由周期性频率调制引起(表现为频谱中的边带),以及(b)绝对抖动,定义为以相同标称频率运行的有噪声振荡器和无噪声振荡器之间的相位差。

cycle-to-cycle jitter

“周期到周期”抖动,Jcc,即连续周期之间的差异,Tk−Tk−1。

我们期望周期到周期的抖动非常小(但不可忽略!),因为相位噪声分量没有太多时间从一个输出周期累积到下一个。

图(a)所示的白噪声诱导的相位噪声分布图。我们假设φn(f) = α/ f2,其中α是常数。该剖面包含所有噪声频率,但随着|f|的增加,功率水平下降。假设此相位噪声出现在1 ghz振荡器的输出端[图2.28(b)]。由于每个周期为1ns长,我们推测只有高频相位噪声分量会在1ns后影响过零。例如,1 MHz左右的相位噪声分量可以用φ0 cos[2π(1 MHz)t]来近似,它在1 ns内的变化可以忽略不计。

观察一段有限的时间,即一个周期,相位噪声会经历高通滤波。可以证明,对于白噪声诱导的相位噪声,在ω0工作的振荡器的cycle-to-cycle jitter等于:

就好像Sφn(ω)经过了一个微分器。如果Sφn(ω)的形式是α/ f2,我们有

归一化到振荡周期T0 = 1/f0,结果为:

cycle jitter:另一种有界的抖动是“周期抖动”(也称为“周期抖动”)。表示周期与其平均值Tavg的随机偏离,该类型表示为:

对于白噪声引起的抖动,Jc = Jcc/√2

三种常见的抖动类型及其特点

确定性抖动可以从输出调频边带的幅度得到,绝对抖动对于独立振荡器来说是无界的。由白噪声源引起的周期间抖动的均方根由Eq计算。

参考:拉扎维,Design of CMOS Phase-Locked Loops

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/web/4888.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

状态模式

文章目录 1.UML类图2.状态基类3.状态实现类3.状态机管理类使用示例 1.UML类图 2.状态基类 public abstract class State {public string? Name { get; set; }public StateMachine? StateMachine {get; set;}public abstract void Exit();public abstract void Enter(); }3.…

生成删除数据库表数据的SQL语句

--获取表的名称及用表中第一列的注释作表的说明 select delete from ,Name2 ,--,RANK()OVER (ORDER BY Name2 DESC) as 序号,字段说明 from ( select bb.name as Name2,cc.* from ( select min(minor_id) as minor_id,id from ( SELECT g.minor_id minor_id,a.Name as Name …

重生奇迹MU首饰属性之迷

雷&#xff1a;抵抗移位、掌心雷 冰&#xff1a;抵抗冰度冻、冰封问箭、暴风雪、冰封 毒&#xff1a;降低中毒几率&#xff08;中毒不掉血&#xff09;、毒咒、毒炎 风&#xff1a;抵抗移位旋风斩&#xff08;没试过不过很多人用&#xff09;、龙卷风 至于火水地因为并没有…

分布式与一致性协议之Paxos算法(三)

Paxos算法 兰伯特关于Multi-Paxos的思考 领导者 我们可以通过引入领导者(Leader)节点来解决第一个问题。也就是说将领导者节点作为唯一提议者&#xff0c;如图所示。这样就不存在多个提议者同时提交提案的情况&#xff0c;也就不存在提案冲突的情况了。这里补充一点:在论文中…

NAT网络地址转换实验(思科)

华为设备参考&#xff1a;NAT网络地址转换实验&#xff08;华为&#xff09; 一&#xff0c;技术简介 NAT&#xff08;Network Address Translation&#xff09;&#xff0c;即网络地址转换技术&#xff0c;是一种在现代计算机网络中广泛应用的技术&#xff0c;主要用于有效管…

游戏新手村23:游戏数据分析都是谁在看数据

不管是做端游页游还是手游&#xff0c;不管是做市场广告投放还是游戏运营&#xff0c;都需要看数据。有的人说“数据会说话”&#xff0c;也有人说“数据会说谎”&#xff0c;有的人言必谈大数据&#xff0c;有的人则能善于从细小的数据着手发现问题。 我知道和了解的一些游戏…

SpringBoot - java.lang.NoClassDefFoundError: XXX

问题描述 以 json-path 为例&#xff1a;java.lang.NoClassDefFoundError: com/jayway/jsonpath/Configuration 原因分析 编译不报错&#xff0c;但是运行时报错。 遇到这样类似的问题&#xff0c;首先就要想到是不是 Jar 包冲突引起的&#xff0c;或者引入的不是理想的 Jar…

数据仓库实验二:关联规则挖掘实验

目录 一、实验目的二、实验内容和要求三、实验步骤1、创建数据库和表2、挖掘关联规则&#xff08;1&#xff09;新建一个 Analysis Services 项目 Sales&#xff08;2&#xff09;建立数据源视图&#xff08;3&#xff09;建立挖掘结构 Sales.dmm&#xff08;4&#xff09;部署…

Java集合相关的List、Set、Map基础知识

目录 一、集合介绍 二、List 三、Map HashMap的数据结构 如何理解红黑树 四、set 一、集合介绍 在Java中&#xff0c;集合是一种用于存储对象的数据结构&#xff0c;它提供了一种更加灵活和强大的方式来处理和操作数据。Java集合框架提供了一系列接口和类&#xff0c;用…

Transformer模型详解01-Word Embedding

文章目录 前言Transformer 整体结构Transformer 的输入单词 Embedding原理CBOW 模型one-hot构建 CBOW 训练数据集构建 CBOW 神经网络训练 CBOW 神经网络 Skip-gram 模型one-hot构建 Skip-gram训练数据集训练 Skip-gram神经网络 Word2Vec实例数据训练保存和加载 前言 Transform…

【上岗认证】错题整理记录

目录 &#x1f31e;一、阶段1&#xff1a;编码规范 &#x1f30a;编码规范考试-CC &#x1f31e;二、阶段2&#xff1a;开发基础 &#x1f30a;C/C &#x1f30a;数据库&#xff08;Oracle/MySql&#xff09; &#x1f31e;三、阶段3&#xff1a;测试基础 &#x1f30a;…

Springboot+Vue项目-基于Java+MySQL的家政服务平台系统(附源码+演示视频+LW)

大家好&#xff01;我是程序猿老A&#xff0c;感谢您阅读本文&#xff0c;欢迎一键三连哦。 &#x1f49e;当前专栏&#xff1a;Java毕业设计 精彩专栏推荐&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb; &#x1f380; Python毕业设计 &…

实时数仓选型

实时数仓选型 实时数仓选型第一版实时数仓选型第二版 实时数仓选型第一版 实时数仓分层: 计算框架:Flink;存储框架:消息队列(可以实时读取&可以实时写入)ODS:Kafka 使用场景:每过来一条数据,读取到并加工处理DIM: HBase 使用场景:事实表会根据主键获取一行维表数据(1.永…

陪诊小程序开发:线上陪诊行业的发展

在人口老龄化的严重的当下&#xff0c;老人看病也更加困难&#xff0c;而陪诊行业作为一个新型行业&#xff0c;正在走入人们的生活中&#xff0c;帮助大众解决看病难等问题&#xff0c;为大众带来便捷高效的就医环境。 随着互联网时代的到来&#xff0c;各行各业也都开始向线…

Python+Selenium基于PO模式的Web自动化测试框架

&#x1f345; 视频学习&#xff1a;文末有免费的配套视频可观看 &#x1f345; 点击文末小卡片 &#xff0c;免费获取软件测试全套资料&#xff0c;资料在手&#xff0c;涨薪更快 一、什么是Selenium&#xff1f; Selenium是一个基于浏览器的自动化测试工具&#xff0c;它提供…

吴恩达机器学习笔记:第 8 周-14降维(Dimensionality Reduction) 14.3-14.5

目录 第 8 周 14、 降维(Dimensionality Reduction)14.3 主成分分析问题14.4 主成分分析算法14.5 选择主成分的数量 第 8 周 14、 降维(Dimensionality Reduction) 14.3 主成分分析问题 主成分分析(PCA)是最常见的降维算法。 在 PCA 中&#xff0c;我们要做的是找到一个方向…

C++与或运算规则

文章目录 前言问题1问题2 前言 在笔试中遇到c或与运算的问题&#xff0c;在这记录 问题1&#xff1a;2024.4.28 问题1 下面代码的运行结果&#xff1a; #include <iostream> using namespace std; bool fun1(char ch){cout<<ch<<" ";if(ch >a…

react-lib 读取本地模板创建PDF

读取本地文件和读取远程的一样&#xff0c;都使用fetch去获取 async function modifyPdf() {let url ./template.pdflet existingPdfBytes await fetch(url).then(res > res.arrayBuffer()) // 这里也有问题要转一下const d new Uint8Array(existingPdfBytes)const pdfDo…

dremio数据湖sql行列转换及转置

1、行转列 (扁平化) 数据准备 表 aa 1.1 cross join unnest 在Dremio中&#xff0c;UNNEST 函数用于将数组或复杂类型的列&#xff08;如JSON、Map或Array类型&#xff09;中的值“炸裂”&#xff08;分解&#xff09;成多行. with aa as ( select 上海 as city, ARRAY[浦东…

Centos7_miniconda_devtools安装_R语言入门之R包的安装

因为有同事反馈安装R包很慢或卡住&#xff0c;提供了一个安装R包的命令给我测试&#xff0c;在安装过程中复现报错信息&#xff0c;把下载慢或卡顿的链接中的域名在防火墙中调整出口。 devtools::install_github("GreenleafLab/ArchR", ref"master", repo…