一种节能的SAR ADC切换方案

ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

一种用于低功耗SAR模数转换器设计的节能切换方案

梁玉华和朱张明†西安电子科技大学 微电子学院,中国陕西省西安市太白南路 2号,710071
†zhangmingzhu@xidian.edu.cn
2016年9月29日收到2017年4月 28日接受发布于2017年6月1日

本文提出了一种用于逐次逼近型寄存器(SAR)模数转换器(ADC)的新型节能切换方案。与基于VCM的方案相比,提出的开关方案的平均开关能量可降低95.3%。此外,线性度也得到显著改善。采用所提出的开关方案,在SMIC0.18‐mCMOS工艺中设计了一款10位100 kS/sSARADC。在0.6伏电源下,该ADC消耗43.7纳瓦的功耗。因此,其优值(FOM)优化至0.58fJ/conversion‐step。

关键词 :SAR模数转换器;切换方案;能量效率 ±cient。

1. 引言

逐次逼近型模数转换器(SAR)模数转换器(ADC)1–3由于其结构简单且运算放大器使用最少,已成为许多低功耗领域的首选方案。 ¯降低SAR模数转换器功耗主要有两种方法:一种是采用较低的电源电压,但这会降低SAR模数转换器中模拟电路的性能;另一种是采用新型节能的¯切换方案,该方案可以减少电容阵列消耗的开关功率。±3

为了降低切换功耗,已提出多种切换方案。与VCM‐based方案(参考文献4)相比,参考文献5中的MCS方案和参考文献6中的三电平方案分别实现了50%和 75.1%的降低。还有其他一些方案,如参考文献7和8,其切换功耗也大幅降低。然而,由于转换阶段存在复杂的切换操作,需要相对更多的控制模块数字单元。因此,控制逻辑较为复杂,且控制模块消耗的功率增加。此外,采用C-2C结构使得模数转换器的线性度对寄生电容敏感。我们在参考文献±9中提出的高效切换方案,相较于VCM‐based切换方案可节省90.7%的切换能量。为进一步提高功耗效率和线性度,本文提出了一种新颖的切换方案。±

本文组织如下:第2节描述了提出的开关步骤。第3节给出了能耗和线性度的分析与比较。第4节介绍了模数转换器的版图和仿真结果。第5节给出结论。

2. 提出的开关步骤

在描述提出的开关方案之前,先介绍两种节能方法。对于第二位的判定,采用图1所示的方法。将最高有效位(MSB)从地充电至电压REF所需的能量可通过公式 (1)计算。因此,在第二次比较周期中将没有功耗。

$$
E = V_{REF} \cdot 2C \cdot \left(0 - \frac{1}{2}V_{REF}\right) + V_{REF} \cdot (C + C) \cdot \left(-\frac{1}{2}V_{REF}\right) = 0
\tag{1}
$$

所提出的方案中也采用了降低负开关能量的方法。如图2所示,MSB电容保持连接到地,而其他电容器则从VREF 切换到VCM。该操作导致功耗为1/4CV²REF,表明所提出的方案具有节能特性。

示意图0

示意图1

提出的4位SAR ADC开关方案如图3所示。在采样阶段,所有电容器的顶板都连接到输入信号,而下极板初始充电至0、VREF、…、VREF(其中MSB电容连接到地)。由于采用上极板采样技术,最高有效位的确定无需消耗能量。一旦获得MSB,低电位电容阵列上的MSB电容将充电至VREF,使其电压升高VCM(VCM表示共模电压,即参考电压VREF的一半),但此过程不消耗任何开关能量。

在第三次比较期间,如果MSB与次高有效位的比较结果相同,则除高电位电容阵列上的MSB电容外,所有电容器均降至VCM,而互补电容阵列保持不变;否则(若MSB与次高有效位的比较结果不同),低电位电容阵列上的MSB电容降至VCM,而互补电容阵列的电容阵列不发生变化。此后,在每次比较中仅有一个电容器的下极板电压降低VCM,直至其余位全部确定。

示意图2

3. 分析与比较

3.1. 开关能量

采用MATLAB对10位SAR模数转换器所提出的方案进行了行为级仿真。图4绘制了开关能量与输出码的关系。所提出的开关方案的平均开关能量为7.93 CV²REF,与基于VCM的切换方案相比,降低了95.3%。

如果每个输出码的出现概率相等,则可推导出该N位SAR ADC提出的开关方案的平均开关能量:

$$
E_{avg} = \sum_{i=1}^{N-3} (2^{N-i-7}) C V_{REF}^2
\tag{2}
$$

不同切换方案在平均开关能量、节能和面积节省方面的比较列于表1中。文献5、6、9和10中提到的方案以及所提出的方案相较于基于VCM的方案实现了50%的面积减小。然而,所提出的方案仅消耗7.94CV²REF。

3.2. 线性度

采用所提出方案的N位SAR模数转换器的单端电容阵列如图5所示。Cu表示单位电容,C0(即虚拟电容)等于 Cu 和 Ci 到 2^(i−1) × Cu,其中 i = 1, 2, …, (N − 2)。单端电容阵列中的电容器数量等于 2^(N−2)。

如图3所示,采用所提出的方案的4位SAR模数转换器在1/4满量程(满幅值)到3/8满量程或3/4满量程到7/8满量程之间的转换过程中,会出现最差情况下的微分非线性(DNL)。以此类推,对于N位分辨率的情况也可得出类似的结论。当采用差分结构时,在最差情况下将切换 2^(N−2) Cu元件。假设单位电容的误差项u满足高斯分布,则u的均值和方差为:

$$
E(\epsilon_u) = 0 \
E(\epsilon_u^2) = \sigma_u^2
\tag{3}
$$

如果n个单位电容并联连接,标准偏差可以通过对表示为n个独立随机变量的和来获得:

$$
\sigma^2(nC_u) = n \cdot \sigma^2(C_u)
\tag{4}
$$

因此,Ci的标准偏差可以用公式(5)表示:

$$
\sigma^2(C_0) = \sigma^2(C_u) \
\sigma^2(C_i) = \sigma^2(2^{i-1}C_u) = 2^{i-1}\sigma^2(C_u), \quad i = 1, 2,…,(N - 2)
\tag{5}
$$

此外,任一电容的失配与其他电容的失配无关。因此,考虑到失配特性,最大DNL的方差为:

示意图3

所提出的方案可以表示为公式(6):

$$
\sigma_{DNL,MAX_proposed} = \sqrt{2^{N-2}} \cdot \frac{\sigma(C_u)}{C_u}
\tag{6}
$$

可以对采用基于VCM切换方案的SAR模数转换器的非线性度进行类似的分析。最大DNL的偏差可以表示为:

$$
\sigma_{DNL,MAX_VCM_based} = \sqrt{2^{N-1}} \cdot \frac{\sigma(C_u)}{C_u}
\tag{7}
$$

两者均从差分结构中描述。公式(6)和(7)的比较得出结论:所提出的方案的最大DNL偏差比VCM‐based方案小一个√2倍。

对提出的10位SAR模数转换器开关方案进行了500次蒙特卡洛仿真,仿真结果如图6所示。6(a)显示了基于VCM的切换方案的仿真结果,而图6(b)显示了提出的切换方案的结果。设单位电容的失配为 σ(C/C) = 1%,基于VCM的切换方案的最大DNL标准偏差以及最大积分非线性(INL)的标准偏差分别为0.232LSB和0.264LSB。相比之下,所提出的方案在图6(b)中显示可分别达到0.176LSB和0.195LSB。还对每个数字码的均方根DNL和RMS INL进行了仿真。对于提出的开关方案,RMS DNL和RMS INL分别为0.337LSB和0.347LSB。显然,提出方案的线性度显著提高。

示意图4

示意图5

4. 仿真结果

采用提出的开关方案,基于SMIC‐0.18 μm CMOS工艺设计了一款10位100kS/s的低功耗SAR模数转换器,其版图如图7所示。该模数转换器的核心面积为 450×230 μm²。本节中,通过后布局提取对ADC的静态和动态性能进行了仿真。

本文中单位电容的电容值设计为9fF。在100 kS/s的采样率下,后布局仿真表明,该提出SAR模数转换器在0.6伏电源电压下消耗43.7纳瓦。

提出的逐次逼近型模数转换器的微分非线性和积分非线性如图8所示。可以看出,最大DNL为 −0.24/0.28LSB,而最大INL为 −0.41/0.67LSB。

示意图6

示意图7 微分非线性)

积分非线性)

图8. 提出的模数转换器的仿真微分非线性和积分非线性。

图9显示了100 kS/s SAR ADC在接近奈奎斯特频率工作时的4096点快速傅里叶变换(FFT)。信噪失真比(SNDR)和无杂散动态范围(SFDR)分别可达 59.3和78.2dB。因此,提出 的SAR模数转换器的有效位数(ENOB)为9.55位, 其优值(FOM)可计算为0.58fJ/转换步。

5. 结论

本文展示了一种新颖的高能效切换方案。该切换方案相比基于VCM的方案可节省 95.3%的开关能耗,并实现50%的电容阵列面积缩减。500次蒙特卡洛仿真结果表明,采用所提出方案的10位SAR模数转换器的最大DNL标准偏差和最大INL标准偏差分别为0.176LSB和0.195LSB。因此,所提出的切换方案在开关能耗和线性度方面均有显著改善。采用该提出的开关方案,设计了一款工作于SMIC‐0.18 μm CMOS工艺的10位100 kS/s SAR ADC。后布局仿真结果显示,该模数转换器的总功耗为43.7纳瓦,在奈奎斯特输入下的信噪失真比达到59.3分贝。

您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

内容概要:本文提出一种基于融合鱼鹰搜索行为与柯西变异策略的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的关键参数(如模态分量数K和惩罚因子α),以实现对滚动轴承振动信号的高效自适应分解,有效抑制模态混叠问题。经过OCSSA优化的VMD对原始信号进行预处理后,将分解得到的本征模态函数(IMF)重构为时频特征矩阵,作为卷积神经网络(CNN)的输入,以自动提取深层次的空间特征;随后,双向长短期记忆网络(BiLSTM)进一步挖掘特征序列中的前后向时序依赖关系,最终实现高精的故障分类识别。该OCSSA-VMD-CNN-BiLSTM模型在西储大学公开轴承数据集上进行了充分验证,结果表明其在复杂噪声环境下对轴承不同故障类型与程的诊断准确率显著优于传统方法,充分体现了智能优化算法与深学习相结合在故障诊断领域的优越性能。; 适合人群:具备信号处理、机器学习及智能优化算法基础知识,从事机械装备状态监测、故障诊断、工业大数据分析等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①解决传统VMD参数依赖经验设定导致信号分解效果不稳定的问题;②提升强背景噪声和工况变化下滚动轴承早期微弱故障的检测灵敏与分类准确率;③为智能制造和工业互联网背景下的关键设备智能运维与预测性维护提供一套可复现、高性能的技术解决方案。; 阅读建议:此资源以Matlab代码实现为核心,建议读者深入研读算法代码,重点理解OCSSA的寻优机制、VMD参数自适应选择过程以及CNN-BiLSTM的网络构建细节,通过复现完整实验流程,掌握从信号预处理、特征提取到智能分类的全流程关键技术,并尝试在自有数据集上进行迁移应用与性能对比。
源码链接: https://pan.quark.cn/s/a4b39357ea24 接口测试框架(基于json格式、http请求,python3,不兼容python2.x版本) 注:现在基于Excel文件管理测试用例基本实现,) 备注:大家在运行的时候,如果参数不需要key,只需要字典,可以在ddt_case.py和case.py改造parame,注释掉现在的parem,启用新的即可 依赖用例支持用例执行,在testCase的ddt_case.py有实现,逻辑在代码中有写,参数的格式{"name":"$case1=data"}即代表name的值是case1的data字段,简单的实现。 依赖用例是简单的实现,具体在业务上面还有很多复杂的要处理,知识实现了,部分的思路。 (目前在部分window上会出现FileNotFoundError [Errno 2] No such file or directory,这个bug是路径过长,解决方案为吧log日志放在当前目录,或者修改动态生成的文件的名字,给了第一种方式,测试日志放在当前目录) qq交流群:194704520 Alt text 使用的库 requests,绝大部分是基于Python原有的库进行的,这样简单方便, 使用脚本参数分离等思想,尽可能降低代码的耦合。 如果你不配置钉钉机器人,注释到机器人相关的代码 首先我们来看下我们的目录 Alt text ### 1.Case文件夹用来存放我们的测试用例相关的, test_case用来存储我们的测试数据,Excel管理测试用例,yaml文件管理测试用例,后续要把yaml管理测试用例的也封装出来。 Interface对测试接口相关的封装,包括requests库,发送...
内容概要:本文档围绕“配电网两阶段鲁棒故障恢复研究”展开,提供了完整的Matlab代码实现方案,属于高水平期刊论文的复现资料。研究针对配电网在发生故障后的恢复问题,提出了一种两阶段鲁棒优化方法,有效应对系统中诸如负荷波动、分布式电源出力不确定性等多重不确定因素。第一阶段进行预决策,包括网络重构、关键设备投切等操作;第二阶段则根据实际发生的故障场景进行动态调整与恢复控制,确保系统在故障后仍能安全、稳定、可靠运行。该资源不仅包含可运行的Matlab代码,还隶属于一个涵盖电力系统优化、智能算法、路径规划、机器学习等多个技术方向的综合性科研服务体系。; 适合人群:具备电力系统分析基础、优化理论知识及Matlab编程能力的研究生、科研人员和工程技术人员,特别适用于从事智能电网、配电自动化、故障恢复策略、鲁棒优化等领域研究的专业人士。; 使用场景及目标:① 学习并复现顶刊关于配电网故障恢复的先进优化模型;② 掌握两阶段鲁棒优化在电力系统中的建模思路、求解流程与技术细节;③ 利用所提供的Matlab代码进行算法验证、仿真测试,并在此基础上开展扩展性科研工作,如改进模型、引入新约束或应用于其他系统。; 阅读建议:建议结合经典电力系统优化与鲁棒调相关文献,深入理解两阶段鲁棒优化的数学建模原理与物理背景,通过实际运行和调试代码,观察不同参数设置对优化结果的影响,进而掌握算法的核心机制。同时可参考文档中提及的其他相关研究主题,拓展研究视野,推动科研创新。
打开链接下载源码: https://pan.quark.cn/s/2f24438f641d 海康机器人工业相机软件MVS用户手册 本文档作为海康机器人工业相机客户端MVS的操作指南,致力于引导用户正确地应用和设置海康机器人工业相机客户端MVS。文档中包含了产品的概述、环境设定、菜单说明、操作步骤等方面的内容。 1. 重要声明 海康机器人对本手册所拥有的全部权利予以保留,任何单位或个人在未获得书面许可的情况下,均不得以任何形式进行摘录、复制、翻译或修改本手册的任何部分。 2. 产品介绍 海康机器人工业相机客户端MVS是一款工业相机软件,其目的是提供高水准的图像采集和处理功能。该软件兼容多种工业相机型号,能够适应不同工业自动化场景的需求。 3. 符号约定 在本手册中,采用以下符号约定: *加粗*表示重要提示 _斜体*表示术语解释 [ ]代表选项或菜单项 4. 运行环境 海康机器人工业相机客户端MVS支持多种操作系统,涵盖Windows、Linux等系统。用户必须确保计算机的配置满足最低系统标准,以便软件能够顺利运行。 5. 主要特性 海康机器人工业相机客户端MVS具备以下核心特性: * 高品质的图像采集和处理 * 支持多种工业相机型号 * 灵活的图像处理方法 * 强大的图像分析及处理能力 6. 环境配置 在应用海康机器人 industrial相机客户端MVS之前,必须完成环境配置。环境配置包括网口相机环境设定、U3V相机环境设定以及Camera Link相机环境设定等。 7. 菜单介绍 海康机器人工业相机客户端MVS提供了多种菜单选项,如文件菜单、编辑菜单、查看菜单等。用户可以根据实际需求选择不同的菜单选项,从而更高效地使用本软件。 8....
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值