运算放大器的噪声计算(三)

运算放大器的噪声计算(3)

本小节主要总结与归纳关于运放电路的噪声的计算方法,最后使用LTSPICE仿真验证OP07运放组成电路的输出电压。

  前面小节运算放大器的噪声计算(1)(2)中主要介绍了常见噪声的种类:散粒噪声、热噪声 、闪烁噪声、突发噪声等。而实际运算放大器电路的输出噪声计算则更为复杂,不仅与运放的噪声源有关(电压噪声源,电流噪声源),也与电路外部电阻,电路形式等有关。

  如图所示为运放的噪声模型,由两个不相关的电流噪声源和一个连接到运放输入端的电压噪声源组成。运放的生产厂商一般会给出电压噪声频谱密度曲线和电流噪声频谱密度曲线,如图所示为ADI给出的OP07的datasheet的一部分。

  以电压噪声密度曲线为例,其由1/f噪声密度曲线和白噪声曲线组成。在低频段起主要作用的是1/f噪声。在高频段起主要作用的是白噪声。

运放的等效输入噪声由1/f噪声和白噪声合并而成,它们之间不想关。设图中的电压噪声密度Du为 (单位nV/Hz)

设1/f电压噪声密度曲线方程为:

设白噪声的电压噪声密度曲线方程为:

(1)我们从图1中可以得到,K=10nV/Hz 。

在f=1Hz处,Du(1Hz)=15nV/Hz,可以由图中可以估计读到。

则,可以得到:

接下来我们来计算实际运放电路的噪声(OP07运放组成)

如图所示为OP07组成的同相比例放大电路,放大倍数为1+R2/R1=5。

噪声带宽fb的求解:

(1)从datasheet中找到运放的增益带宽积GBW

  如图所示,GBW=700kHz。

(2)得到电路的闭环带宽fH= GBW/放大倍数=140kHz

(3)得到噪声带宽fb=1.57*fH=219.8kHz(系数1.57的推导可参见运算放大器噪声优化手册)

电压噪声求解

将a=0.1Hz,b=219.8kHz代入到 和 公式中,如下:

 电流噪声求解

Datasheet中并未给出电流噪声频谱曲线,从datasheet中职能得到白噪声阶段的输入电流噪声密度

等效电阻Req=R1//R2=8kΩ,因此将电流噪声转换为等效电压噪声 为:

 电阻热噪声求解

等效电阻Req=R1//R2=8kΩ,代入电阻热噪声计算公式:

总输入噪声计算:

总输出噪声计算:

仿真验证

在ADI 仿真工具LTSPICE中搭建上述模型,

仿真频率从0.1Hz到219.9KHz,坐标采用对数坐标形式,部分设置如下:

点击运行按钮,可以得到V(onoise)曲线,也可以得到最终的RMS噪声电压值36.549uV,可见与我们计算得到的值 是比较接近的。

参考资料:

    1.《运算放大器电路中固有噪声的分析与测量》

    2. Anolog Devices 文档 MT-047指南 运算放大器噪声

    更多信息可以关注我的公众号  模电数电不分家

原文地址:https://www.cnblogs.com/leejiac/p/11027147.html

时间: 2024-10-05 01:55:25

运算放大器的噪声计算(三)的相关文章

编写一个函数,计算三个数字的大小,按从小到大的顺序输出。

[超简单的三人之间数据交换] 挺像魔术师扔球球,魔术师扔球球,魔术师扔球球,魔术师扔球球,你说像不像~~~~~~~~~~像不像~~~~~~·像不像 1 //编写一个函数,计算三个数字的大小,按从小到大的顺序输出. 2 function order(a,b,c) { 3 var temp; 4 var str; 5 if (a>b) { 6 temp = a ; 7 a = b ; 8 b = temp ; 9 } 10 if (b>c) { 11 temp = b; 12 b = c ; 13

php三目运算计算三个数最大值最小值

文章地址:https://www.cnblogs.com/sandraryan/ $x = 10; $y = 45; $z = 3; //求出三个数字中最大值最小值 //先比较x y,如果x> y ,判断x 和z,从x z 中判断最大值赋给max //如果x < y ,判断 y 和z ,从y z中判断最大值 $max = $x > $y ? ($x > $z ? $x :$z) : ($y > $z ? $y : $z); $min = $x < $y ? ($x &l

复利计算三次实验总结

前两次实验提交的代码情况 语言 工具 代码行 工作量(人时) JAVA Eclipse 约50 约3小时 第三次实验 估计时间 估计代码行 实际时间 实际代码行 3小时 100左右 约2.5小时 约130 总结:        这三次实验是一个由难到易的过程,我自己本人的编程能力不强,刚开始时无从下手,但是通过同学和网络的帮助,脑海中逐渐有了一个清晰的思路.框架去编写程序直至完成了作业.从这次实验中,我知道了孰能生巧的道理,编程需要多练习才能更快的敲出你需要的程序.

UILabel实现上下左右内边距和自适用高度的计算三种方法

p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px "PingFang SC"; color: #000000; background-color: rgba(0, 0, 0, 0) } p.p2 { margin: 0.0px 0.0px 0.0px 0.0px; font: 14.0px "PingFang SC"; color: #000000; background-color: rgba(0, 0, 0

[转]浅谈协方差矩阵(牢记它的计算是不同维度之间的协方差,而不是不同样本之间。)

注意:方差就是方差:方差的平方就是方差的平方.有的时候以为方差就是方差的平方. cov11 = sum((dim1-mean(dim1)).*(dim1-mean(dim1)))/(size(MySample,1)-1) cov11 = 296.7222 >> std(dim1) ans = 17.2256 >> std(dim1).^2 ans = 296.7222 一.统计学的基本概念 统计学里最基本的概念就是样本的均值.方差.标准差.首先,我们给定一个含有n个样本的集合,下面

地理空间距离计算优化(转)

原文:http://tech.meituan.com/lucene-distance.html 1 地理空间距离计算面临的挑战 打开美团app,不管是筛选团购还是筛选商家,默认的排序项都是“离我最近”或者“智能排序”(如下图所示). 不管是“离我最近”还是“智能排序”,都涉及到计算用户位置与各个团购单子或者商家的距离(注:在智能排序中距离作为一个重要的参数参与排序打分).以筛选商家为例,北京地区有5~6w个POI(本文将商家称之为POI),当用户进入商家页,请求北京全城+所有品类+离我最近/智能

[zz]计算 协方差矩阵

http://www.cnblogs.com/chaosimple/p/3182157.html http://blog.csdn.net/goodshot/article/details/8611178 一.统计学的基本概念 统计学里最基本的概念就是样本的均值.方差.标准差.首先,我们给定一个含有n个样本的集合,下面给出这些概念的公式描述: 均值: 标准差: 方差: 均值描述的是样本集合的中间点,它告诉我们的信息是有限的,而标准差给我们描述的是样本集合的各个样本点到均值的距离之平均. 以这两个

地理空间距离计算及优化(根据两个点经纬度计算距离)

1.地理空间距离计算面临的挑战 打开美团app,不管是筛选团购还是筛选商家,默认的排序项都是"离我最近"或者"智能排序"(如下图所示). 不管是"离我最近"还是"智能排序",都涉及到计算用户位置与各个团购单子或者商家的距离(注:在智能排序中距离作为一个重要的参数参与排序打分).以筛选商家为例,北京地区有5~6w个POI(本文将商家称之为POI),当用户进入商家页,请求北京全城+所有品类+离我最近/智能排序时,我们筛选服务需要计

lanczos算法及C++实现(三)实对称三对角阵特征值分解的分治算法

本文属作者原创,转载请注明出处 http://www.cnblogs.com/qxred/p/dcalgorithm.html 本系列目录: lanczos算法及C++实现(一)框架及简单实现 lanczos算法及C++实现(二)实对称阵奇异值分解的QR算法 lanczos算法及C++实现(三)实对称三对角阵特征值分解的分治算法 0. 参考文献 https://en.wikipedia.org/wiki/Divide-and-conquer_eigenvalue_algorithm A. Mel