بهبود SNDR با بهینه سازی ضرایب مسیرهای فیدبک مدولاتورهای CRFB مرتبه دوم در مبدل های آنالوگ به دیجیتال سیگما-دلتا
محل انتشار: فصلنامه مهندسی مخابرات جنوب، دوره: 11، شماره: 41
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 220
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCEJ-11-41_002
تاریخ نمایه سازی: 10 شهریور 1400
چکیده مقاله:
مبدل های آنالوگ به دیجیتال از نظر فرکانس نمونه برداری به دو دسته کلی ، مبدل های با نرخ نایکوئیست و مبدل های بیش نمونه برداری تقسیم می شوند.در مبدل های بیش نمونه برداری سیگنال ورودی با چندین برابر نرخ نایکوئیست نمونه برداری می شود. افزایش نسبت بیش نمونه برداری منجر به افزایش رزولوشن موثر می شود در مقابل برای سیگنالهای باند وسیع استفاده از نسبت بیش نمونه برداری بالا به خاطر نیاز به فرکانسهای نمونه برداری و توان مصرفی بالا، غیر عملی است.افزایش تعداد بیتها نیز باعث افزایش محدوده دینامیکی می گردد در مقابل DACچند بیتی مورد نیاز در مسیر فیدبک خطی نمی باشد. در این مقاله یک مبدل آنالوگ به دیحیتال سیگما دلتا با دقت ۱۲بیت ،منبع تغذیه ۱V و فرکانس نمونه برداری MS/s ۲.۴ برای کاربردهای توان پایین طراحی کردیم.از سوی دیگرافزایش سطوح کوانتیزاسیون(تعداد بیت کوانتایزر) باعث کاهش توان نویز داخل باند سیستم می شود و حاصل آن بهتر شدن نسبت سیگنال به نویز، پایداری و عدم نیاز به افزایش نسبت فوق نمونه برداری است.ما با انتخاب ضرایب فیدبک بهینه در این مدولاتور توانستیم به SNDRبالایی دست یابیم . ساختار پیشنهادی در فن آوری CMOS ۰.۱۸µm طراحی شده و نتایج شبیه سازی نشان می دهد که به ازای ولتاژ تغذیه ی۱V نسبت سیگنال به نویز ۷۱.۳ dB و توان مصرفی ۴۵۱µW و رقم شایستگی (pJ/Conver.step) ۳.۷۶بدست می آید.
کلیدواژه ها:
مبدل آنالوگ به دیجیتال ، مبدل های سیگما – دلتا ، تقویت کننده های عملیاتی ، ساختارCRFB ، بهینه سازی ضرایب فیدبک
نویسندگان
مریم شهریاری
گروه برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
عبدالرسول قاسمی
گروه برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
نجمه چراغی شیرازی
گروه برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :