TI 高精度实验室 噪声 1
Loading the player...
将在30s后自动为您播放下一课程
大家好 欢迎来到 TI Precision Labs 德州仪器高精度实验室 本节视频将介绍 Op amp intrinsic noise 运放的固有噪声的第一部分 在整个噪声系列中 我们会探讨如何通过计算和仿真 得到运放的噪声 并学习如何准确的测量噪声 在这第一部分中 我们会给出噪声的定义 介绍不同的噪声 以及探讨噪声频谱密度 噪声可以定义为一个不希望出现的信号 它掺杂在想要的信号中 从而引起误差 举个例子 在音频中噪声可以表现为丝丝声或者是爆破声 在一个传感器系统中 噪声可以表现为测量到的压力 或者是温度信号的误差 噪声可以归为两种类别 extrinsic noise 外部噪声 intrinsic noise 固有噪声 intrinsic noise 固有噪声 外部噪声是指由于外部电路 或者是自然因素导致的噪声 例如手机 60 赫兹的电力线噪声和干扰 就是常见的外部噪声 宇宙辐射则是一个由于自然因素 引起外部噪声的例子 固有噪声是由电路的元器件引起的 比如电阻和半导体器件都可以产生噪声 固有噪声是可估计的 而外部噪声则很难估计 而外部噪声则很难估计 在这个噪声的视频系列中 我们主要介绍如何计算 仿真 和测量固有噪声以及降低噪声的方法 左图是用于噪声分析的示例电路 右图显示的是运放的噪声模型 每个电阻对应一个 noise voltage source 电压噪声源 这里用一个内带星号的圆圈 表示一个电压噪声源 这个运放本身 还包含了一个电压噪声源 和一个 noise current source 电流噪声源 我们用一个内带星号的菱形表示电流噪声源 在运放的数据手册中已给出噪声源的幅值 电阻所对应的噪声 可以根据电阻的大小计算得到 我们很快就会学习如何综合这些噪声源 来计算得到总的输出噪声 不过首先让我们来看一看 噪声的一些常见的分类 这里显示的是 white noise 白噪声的时域波形 即人们所知的 Broadband noise 宽带噪声 时域波形是你在示波器使用时观察到的波形 注意到横坐标的满量程是一毫秒 满量程一毫秒的倒数就是 1kHz 的频率 一般来说 宽带噪声是指 从中频道高频的范围即大于 1kHz 的频率 之后我们会涉及低频噪声源 在这里右图显示的是一个统计分布图 这是一个高斯分布 平均值为零伏 最大最小值约为正负 40 mV 这个分布表示测量的噪声接近零伏的概率很高 而接近两边极值的概率相对而言比较低 之后我们会学习 如何用这个分布来估计 P to P 峰峰值噪声 另一种噪声类别是 Flicker noise 闪烁噪声 也叫 1/f 或者是低频噪声 这里显示的是时域波形 以及 1/f 噪声的统计分布图 这个时域波形 是你在使用示波器时观察到的波形 注意到横坐标的满量程是十秒 其倒数则就是 0.1Hz 的频率 其倒数则就是 0.1Hz 的频率 一般来说 1/f 噪声是指处于低频范围 即频率小于 1kHz 的噪声 还有一类噪声是 burst noise 突发噪声 或者叫 popcorn noise 爆米花噪声 爆米花噪声表现为电压或者电流的跳变 显然它不是高斯分布 实际上它是两个或者多个分布的叠加 事例中的分布是三个高斯曲线相互叠加 爆米花噪声出现在低频 通常频率在 0.1 到 1k 赫兹的范围内 之所以叫这个名字 是因为当用扬声器播放它的时候 听起来就像是爆米花在跳动 爆米花噪声 是由于半导体材料中的细微缺陷导致的 但是我们无法用数学方法估计得到这个噪声 这个视频里对爆米花噪声的介绍就到此为止 正如我们所见 一类噪声可以有很多同义词 例如 宽带噪声也叫白噪声 Johnson noise 约翰逊噪声 Thermal noise 热噪声 或者是 Resistor noise 电阻噪声 当这些不同的名词出现在不同的文献中时 很多刚入门的工程师 可能就会不清楚它们分别指的是什么 由于大部分噪声服从高斯分布 在进行噪声分析之前 我们先简单复习一下统计知识 右上图的高斯曲线表示的是概率密度函数 对概率密度函数进行积分 变得到了概率分布 根据概率分布 我们可以得知 一个事件在已知区间内的发生概率 例如如果 X 落在 -1 到 1 区间内的 概率分布函数等于 0.3 那么我们可以知道 在任何时候测量 X 出现在 -1 到 1 之间的概率为 30% 如果是测量噪声 我们可以用概率分布函数计算峰峰值噪声 根据概率分布函数 我们可以知道 一个峰值出现在 -σ 到 +σ 之间 即负一个标准差到一个标准差 之间的概率为 68.3% 而在 -3σ 到 +3σ 之间 即 6 个 σ 区间内 这个概率增加到 99.7% 这个通常被用来估计峰峰值噪声 需要注意的是 高斯分布的两端是无限延伸的 这说明还有一定的概率 噪声会在 6σ 之外 这个表格总结了测量数据 和标准差之间的关系 例如 测量到的噪声出现在 正负 1σ 之间 或者 2σ 范围内的概率为 68% 我们通常用 6σ 或者是 6.6σ 来估计峰峰值噪声 例如测量到的噪声 出现在 6σ 范围的概率为 99.7% 所以测量它的噪声 会出现在 6σ 范围之外的概率 就只有 0.3% 而这 0.3% 的概率几乎可以忽略不计 因此 ±3σ 及 6σ 经常被用来估计峰峰值噪声 如果你对噪声分析比较熟悉 可能会见到有些地方 将标准差和 RMS 值交替使用 那么这两个值真的是相等的吗 答案是这两个值并不一定总是相等 实际上只有在没有 DC 成分的 情况下面才是相等的 对于大部分的噪声而言 这两个值是相等的 注意到 RMS 的方程式 和标准差的方程式是基本一样的 除了标准差方程式里 减去了一个平均值 μ 或者说 DC 成分 所以如果一个信号包含 DC 成分 RMS 和标准差就不相等了 幸运的是 运放噪声和电阻噪声都不含 DC 成分 所以这种情况下面 我们认为 RMS 和标准差是相等的 一些外部噪声 例如数字转换噪声可能不是对称的 即会包含一个 DC 成分 值得注意的是 一些仪器或者测试设备显示 RMS 噪声时会包含 DC 成分 而另一些设备显示的 RMS 则不包含 DC 成分 只有 AC 成分 另一个很重要的概念 是噪声信号的叠加 噪声的叠加不是数学上的简单相加 例如 3+5=8 它是向量的叠加 例如这里 3mVrms 平方加 5mVrms 平方 再开根号 继而得到 5.83mVrms 值得注意的是 这种计算方式 只适用于不相关的随机噪声信号 如果噪声源是相关的 要使用另一种计算方式 正如白光是由各种颜色的光混合得到的一样 白噪声也是由各种频率的噪声组成的 如图中所示 如果你将几个不同频率的信号 在时域上叠加在一起 可以得到一个随机信号 在频率中每一个信号 看起来就像是一个脉冲信号 将无数个这样不同频率的信号叠加在一起 就可以得到 Noise spectral density curve 噪声频谱密度曲线 对于不太熟悉噪声分析的工程师来说 Voltage noise spectral density 电压噪声频谱密度 常常是一个比较令人困惑的参数 频谱密度单位是 nV per root Hz 即 nV 每平方根 Hz 如右上角的方程式所示 将频谱密度和每平方根噪声带宽相乘 便可以得 RMS 噪声 注意观察方程中的单位 你可以看到平方根赫兹是如何相消的 对于放大器的噪声来说 频谱密度曲线是一个主要的参数 在之后的视频中 我们会讲解如何使用频谱密度曲线计算噪声 以上我们已经介绍了很多噪声相关的基本知识 接下来我们就要学习如何计算 由于电阻内部电荷的随机游动引起的噪声 这里所设的方程 给出了电阻所引起的总 RMS 噪声 注意到这个方程需要这几个参数 单位为 k 的温度参数 电阻值 噪声带宽 和玻尔兹曼常数 对方程两边开根号 便可以得到电压频谱密度方程 通常运放的噪声参数 一般是以频谱密度的方式给出的 计算一个电阻的噪声频谱密度很重要 有了它就很容易比较 由电阻产生的噪声和由运放产生的噪声 此图是根据刚刚提到的方程得到的 大部分运放的噪声的单位 都是 nV per root Hz 而刚刚那个计算电阻噪声的方程中 我们将其左右两边开根号 便得到了相同的单位 这样一来我们就很容易直接比较 电阻噪声和运放噪声 低噪声的运算放大器 它的固有噪声可以低到一个 nV/√Hz 如果将其与这里的图比较 1nV/√Hz 对应的电阻值大约是 70 欧姆 因此在这个例子中 你应该使用等于或者小于 70 欧姆的电阻 为了得到更好的性能 我们一般建议放大器产生的噪声 要比电阻产生的噪声大 低噪声的放大器一般比较贵 所以你不会想说买了一个高价格的放大器 而电阻噪声却在噪声性能当中占了主导地位 刚入门的工程师 在噪声分析时常常会不重视电阻噪声 因此如果有这个图会带来很多方便 此图显示的是典型的运放噪声模型 某些情况下面 我们会用两个不相关的电流噪声源 如左上图所示 而其它情况下面 我们会将两个电流噪声源合并成为一个 接在两输入端之间的单一噪声源 右图是噪声源所表示的频谱密度曲线 在接下来的噪声视频中 我们将会学习如何使用运放噪声模型 来估计在不同的预防配置下 总的输出峰峰值噪声 以上就是本次视频的内容 谢谢观看 请准备好下面的一个小测试 看看你是否已掌握本次学习的内容
大家好 欢迎来到 TI Precision Labs 德州仪器高精度实验室 本节视频将介绍 Op amp intrinsic noise 运放的固有噪声的第一部分 在整个噪声系列中 我们会探讨如何通过计算和仿真 得到运放的噪声 并学习如何准确的测量噪声 在这第一部分中 我们会给出噪声的定义 介绍不同的噪声 以及探讨噪声频谱密度 噪声可以定义为一个不希望出现的信号 它掺杂在想要的信号中 从而引起误差 举个例子 在音频中噪声可以表现为丝丝声或者是爆破声 在一个传感器系统中 噪声可以表现为测量到的压力 或者是温度信号的误差 噪声可以归为两种类别 extrinsic noise 外部噪声 intrinsic noise 固有噪声 intrinsic noise 固有噪声 外部噪声是指由于外部电路 或者是自然因素导致的噪声 例如手机 60 赫兹的电力线噪声和干扰 就是常见的外部噪声 宇宙辐射则是一个由于自然因素 引起外部噪声的例子 固有噪声是由电路的元器件引起的 比如电阻和半导体器件都可以产生噪声 固有噪声是可估计的 而外部噪声则很难估计 而外部噪声则很难估计 在这个噪声的视频系列中 我们主要介绍如何计算 仿真 和测量固有噪声以及降低噪声的方法 左图是用于噪声分析的示例电路 右图显示的是运放的噪声模型 每个电阻对应一个 noise voltage source 电压噪声源 这里用一个内带星号的圆圈 表示一个电压噪声源 这个运放本身 还包含了一个电压噪声源 和一个 noise current source 电流噪声源 我们用一个内带星号的菱形表示电流噪声源 在运放的数据手册中已给出噪声源的幅值 电阻所对应的噪声 可以根据电阻的大小计算得到 我们很快就会学习如何综合这些噪声源 来计算得到总的输出噪声 不过首先让我们来看一看 噪声的一些常见的分类 这里显示的是 white noise 白噪声的时域波形 即人们所知的 Broadband noise 宽带噪声 时域波形是你在示波器使用时观察到的波形 注意到横坐标的满量程是一毫秒 满量程一毫秒的倒数就是 1kHz 的频率 一般来说 宽带噪声是指 从中频道高频的范围即大于 1kHz 的频率 之后我们会涉及低频噪声源 在这里右图显示的是一个统计分布图 这是一个高斯分布 平均值为零伏 最大最小值约为正负 40 mV 这个分布表示测量的噪声接近零伏的概率很高 而接近两边极值的概率相对而言比较低 之后我们会学习 如何用这个分布来估计 P to P 峰峰值噪声 另一种噪声类别是 Flicker noise 闪烁噪声 也叫 1/f 或者是低频噪声 这里显示的是时域波形 以及 1/f 噪声的统计分布图 这个时域波形 是你在使用示波器时观察到的波形 注意到横坐标的满量程是十秒 其倒数则就是 0.1Hz 的频率 其倒数则就是 0.1Hz 的频率 一般来说 1/f 噪声是指处于低频范围 即频率小于 1kHz 的噪声 还有一类噪声是 burst noise 突发噪声 或者叫 popcorn noise 爆米花噪声 爆米花噪声表现为电压或者电流的跳变 显然它不是高斯分布 实际上它是两个或者多个分布的叠加 事例中的分布是三个高斯曲线相互叠加 爆米花噪声出现在低频 通常频率在 0.1 到 1k 赫兹的范围内 之所以叫这个名字 是因为当用扬声器播放它的时候 听起来就像是爆米花在跳动 爆米花噪声 是由于半导体材料中的细微缺陷导致的 但是我们无法用数学方法估计得到这个噪声 这个视频里对爆米花噪声的介绍就到此为止 正如我们所见 一类噪声可以有很多同义词 例如 宽带噪声也叫白噪声 Johnson noise 约翰逊噪声 Thermal noise 热噪声 或者是 Resistor noise 电阻噪声 当这些不同的名词出现在不同的文献中时 很多刚入门的工程师 可能就会不清楚它们分别指的是什么 由于大部分噪声服从高斯分布 在进行噪声分析之前 我们先简单复习一下统计知识 右上图的高斯曲线表示的是概率密度函数 对概率密度函数进行积分 变得到了概率分布 根据概率分布 我们可以得知 一个事件在已知区间内的发生概率 例如如果 X 落在 -1 到 1 区间内的 概率分布函数等于 0.3 那么我们可以知道 在任何时候测量 X 出现在 -1 到 1 之间的概率为 30% 如果是测量噪声 我们可以用概率分布函数计算峰峰值噪声 根据概率分布函数 我们可以知道 一个峰值出现在 -σ 到 +σ 之间 即负一个标准差到一个标准差 之间的概率为 68.3% 而在 -3σ 到 +3σ 之间 即 6 个 σ 区间内 这个概率增加到 99.7% 这个通常被用来估计峰峰值噪声 需要注意的是 高斯分布的两端是无限延伸的 这说明还有一定的概率 噪声会在 6σ 之外 这个表格总结了测量数据 和标准差之间的关系 例如 测量到的噪声出现在 正负 1σ 之间 或者 2σ 范围内的概率为 68% 我们通常用 6σ 或者是 6.6σ 来估计峰峰值噪声 例如测量到的噪声 出现在 6σ 范围的概率为 99.7% 所以测量它的噪声 会出现在 6σ 范围之外的概率 就只有 0.3% 而这 0.3% 的概率几乎可以忽略不计 因此 ±3σ 及 6σ 经常被用来估计峰峰值噪声 如果你对噪声分析比较熟悉 可能会见到有些地方 将标准差和 RMS 值交替使用 那么这两个值真的是相等的吗 答案是这两个值并不一定总是相等 实际上只有在没有 DC 成分的 情况下面才是相等的 对于大部分的噪声而言 这两个值是相等的 注意到 RMS 的方程式 和标准差的方程式是基本一样的 除了标准差方程式里 减去了一个平均值 μ 或者说 DC 成分 所以如果一个信号包含 DC 成分 RMS 和标准差就不相等了 幸运的是 运放噪声和电阻噪声都不含 DC 成分 所以这种情况下面 我们认为 RMS 和标准差是相等的 一些外部噪声 例如数字转换噪声可能不是对称的 即会包含一个 DC 成分 值得注意的是 一些仪器或者测试设备显示 RMS 噪声时会包含 DC 成分 而另一些设备显示的 RMS 则不包含 DC 成分 只有 AC 成分 另一个很重要的概念 是噪声信号的叠加 噪声的叠加不是数学上的简单相加 例如 3+5=8 它是向量的叠加 例如这里 3mVrms 平方加 5mVrms 平方 再开根号 继而得到 5.83mVrms 值得注意的是 这种计算方式 只适用于不相关的随机噪声信号 如果噪声源是相关的 要使用另一种计算方式 正如白光是由各种颜色的光混合得到的一样 白噪声也是由各种频率的噪声组成的 如图中所示 如果你将几个不同频率的信号 在时域上叠加在一起 可以得到一个随机信号 在频率中每一个信号 看起来就像是一个脉冲信号 将无数个这样不同频率的信号叠加在一起 就可以得到 Noise spectral density curve 噪声频谱密度曲线 对于不太熟悉噪声分析的工程师来说 Voltage noise spectral density 电压噪声频谱密度 常常是一个比较令人困惑的参数 频谱密度单位是 nV per root Hz 即 nV 每平方根 Hz 如右上角的方程式所示 将频谱密度和每平方根噪声带宽相乘 便可以得 RMS 噪声 注意观察方程中的单位 你可以看到平方根赫兹是如何相消的 对于放大器的噪声来说 频谱密度曲线是一个主要的参数 在之后的视频中 我们会讲解如何使用频谱密度曲线计算噪声 以上我们已经介绍了很多噪声相关的基本知识 接下来我们就要学习如何计算 由于电阻内部电荷的随机游动引起的噪声 这里所设的方程 给出了电阻所引起的总 RMS 噪声 注意到这个方程需要这几个参数 单位为 k 的温度参数 电阻值 噪声带宽 和玻尔兹曼常数 对方程两边开根号 便可以得到电压频谱密度方程 通常运放的噪声参数 一般是以频谱密度的方式给出的 计算一个电阻的噪声频谱密度很重要 有了它就很容易比较 由电阻产生的噪声和由运放产生的噪声 此图是根据刚刚提到的方程得到的 大部分运放的噪声的单位 都是 nV per root Hz 而刚刚那个计算电阻噪声的方程中 我们将其左右两边开根号 便得到了相同的单位 这样一来我们就很容易直接比较 电阻噪声和运放噪声 低噪声的运算放大器 它的固有噪声可以低到一个 nV/√Hz 如果将其与这里的图比较 1nV/√Hz 对应的电阻值大约是 70 欧姆 因此在这个例子中 你应该使用等于或者小于 70 欧姆的电阻 为了得到更好的性能 我们一般建议放大器产生的噪声 要比电阻产生的噪声大 低噪声的放大器一般比较贵 所以你不会想说买了一个高价格的放大器 而电阻噪声却在噪声性能当中占了主导地位 刚入门的工程师 在噪声分析时常常会不重视电阻噪声 因此如果有这个图会带来很多方便 此图显示的是典型的运放噪声模型 某些情况下面 我们会用两个不相关的电流噪声源 如左上图所示 而其它情况下面 我们会将两个电流噪声源合并成为一个 接在两输入端之间的单一噪声源 右图是噪声源所表示的频谱密度曲线 在接下来的噪声视频中 我们将会学习如何使用运放噪声模型 来估计在不同的预防配置下 总的输出峰峰值噪声 以上就是本次视频的内容 谢谢观看 请准备好下面的一个小测试 看看你是否已掌握本次学习的内容
大家好
欢迎来到 TI Precision Labs
德州仪器高精度实验室
本节视频将介绍
Op amp intrinsic noise
运放的固有噪声的第一部分
在整个噪声系列中
我们会探讨如何通过计算和仿真
得到运放的噪声
并学习如何准确的测量噪声
在这第一部分中
我们会给出噪声的定义
介绍不同的噪声
以及探讨噪声频谱密度
噪声可以定义为一个不希望出现的信号
它掺杂在想要的信号中
从而引起误差
举个例子
在音频中噪声可以表现为丝丝声或者是爆破声
在一个传感器系统中
噪声可以表现为测量到的压力
或者是温度信号的误差
噪声可以归为两种类别
extrinsic noise 外部噪声
intrinsic noise 固有噪声
intrinsic noise 固有噪声
外部噪声是指由于外部电路
或者是自然因素导致的噪声
例如手机 60 赫兹的电力线噪声和干扰
就是常见的外部噪声
宇宙辐射则是一个由于自然因素
引起外部噪声的例子
固有噪声是由电路的元器件引起的
比如电阻和半导体器件都可以产生噪声
固有噪声是可估计的
而外部噪声则很难估计
而外部噪声则很难估计
在这个噪声的视频系列中
我们主要介绍如何计算 仿真
和测量固有噪声以及降低噪声的方法
左图是用于噪声分析的示例电路
右图显示的是运放的噪声模型
每个电阻对应一个 noise voltage source
电压噪声源
这里用一个内带星号的圆圈
表示一个电压噪声源
这个运放本身
还包含了一个电压噪声源
和一个 noise current source 电流噪声源
我们用一个内带星号的菱形表示电流噪声源
在运放的数据手册中已给出噪声源的幅值
电阻所对应的噪声
可以根据电阻的大小计算得到
我们很快就会学习如何综合这些噪声源
来计算得到总的输出噪声
不过首先让我们来看一看
噪声的一些常见的分类
这里显示的是 white noise 白噪声的时域波形
即人们所知的 Broadband noise 宽带噪声
时域波形是你在示波器使用时观察到的波形
注意到横坐标的满量程是一毫秒
满量程一毫秒的倒数就是 1kHz 的频率
一般来说
宽带噪声是指
从中频道高频的范围即大于 1kHz 的频率
之后我们会涉及低频噪声源
在这里右图显示的是一个统计分布图
这是一个高斯分布
平均值为零伏
最大最小值约为正负 40 mV
这个分布表示测量的噪声接近零伏的概率很高
而接近两边极值的概率相对而言比较低
之后我们会学习
如何用这个分布来估计 P to P 峰峰值噪声
另一种噪声类别是 Flicker noise 闪烁噪声
也叫 1/f 或者是低频噪声
这里显示的是时域波形
以及 1/f 噪声的统计分布图
这个时域波形
是你在使用示波器时观察到的波形
注意到横坐标的满量程是十秒
其倒数则就是 0.1Hz 的频率
其倒数则就是 0.1Hz 的频率
一般来说
1/f 噪声是指处于低频范围
即频率小于 1kHz 的噪声
还有一类噪声是 burst noise 突发噪声
或者叫 popcorn noise 爆米花噪声
爆米花噪声表现为电压或者电流的跳变
显然它不是高斯分布
实际上它是两个或者多个分布的叠加
事例中的分布是三个高斯曲线相互叠加
爆米花噪声出现在低频
通常频率在 0.1 到 1k 赫兹的范围内
之所以叫这个名字
是因为当用扬声器播放它的时候
听起来就像是爆米花在跳动
爆米花噪声
是由于半导体材料中的细微缺陷导致的
但是我们无法用数学方法估计得到这个噪声
这个视频里对爆米花噪声的介绍就到此为止
正如我们所见
一类噪声可以有很多同义词
例如 宽带噪声也叫白噪声
Johnson noise 约翰逊噪声
Thermal noise 热噪声
或者是 Resistor noise 电阻噪声
当这些不同的名词出现在不同的文献中时
很多刚入门的工程师
可能就会不清楚它们分别指的是什么
由于大部分噪声服从高斯分布
在进行噪声分析之前
我们先简单复习一下统计知识
右上图的高斯曲线表示的是概率密度函数
对概率密度函数进行积分
变得到了概率分布
根据概率分布
我们可以得知
一个事件在已知区间内的发生概率
例如如果 X 落在 -1 到 1 区间内的
概率分布函数等于 0.3
那么我们可以知道
在任何时候测量
X 出现在 -1 到 1 之间的概率为 30%
如果是测量噪声
我们可以用概率分布函数计算峰峰值噪声
根据概率分布函数
我们可以知道
一个峰值出现在 -σ 到 +σ 之间
即负一个标准差到一个标准差
之间的概率为 68.3%
而在 -3σ 到 +3σ 之间
即 6 个 σ 区间内
这个概率增加到 99.7%
这个通常被用来估计峰峰值噪声
需要注意的是
高斯分布的两端是无限延伸的
这说明还有一定的概率
噪声会在 6σ 之外
这个表格总结了测量数据
和标准差之间的关系
例如 测量到的噪声出现在
正负 1σ 之间
或者 2σ 范围内的概率为 68%
我们通常用 6σ 或者是 6.6σ
来估计峰峰值噪声
例如测量到的噪声
出现在 6σ 范围的概率为 99.7%
所以测量它的噪声
会出现在 6σ 范围之外的概率
就只有 0.3%
而这 0.3% 的概率几乎可以忽略不计
因此 ±3σ 及 6σ
经常被用来估计峰峰值噪声
如果你对噪声分析比较熟悉
可能会见到有些地方
将标准差和 RMS 值交替使用
那么这两个值真的是相等的吗
答案是这两个值并不一定总是相等
实际上只有在没有 DC 成分的
情况下面才是相等的
对于大部分的噪声而言
这两个值是相等的
注意到 RMS 的方程式
和标准差的方程式是基本一样的
除了标准差方程式里
减去了一个平均值 μ 或者说 DC 成分
所以如果一个信号包含 DC 成分
RMS 和标准差就不相等了
幸运的是
运放噪声和电阻噪声都不含 DC 成分
所以这种情况下面
我们认为 RMS 和标准差是相等的
一些外部噪声
例如数字转换噪声可能不是对称的
即会包含一个 DC 成分
值得注意的是
一些仪器或者测试设备显示
RMS 噪声时会包含 DC 成分
而另一些设备显示的 RMS 则不包含 DC 成分
只有 AC 成分
另一个很重要的概念
是噪声信号的叠加
噪声的叠加不是数学上的简单相加
例如 3+5=8
它是向量的叠加
例如这里 3mVrms 平方加 5mVrms 平方
再开根号
继而得到 5.83mVrms
值得注意的是
这种计算方式
只适用于不相关的随机噪声信号
如果噪声源是相关的
要使用另一种计算方式
正如白光是由各种颜色的光混合得到的一样
白噪声也是由各种频率的噪声组成的
如图中所示
如果你将几个不同频率的信号
在时域上叠加在一起
可以得到一个随机信号
在频率中每一个信号
看起来就像是一个脉冲信号
将无数个这样不同频率的信号叠加在一起
就可以得到
Noise spectral density curve
噪声频谱密度曲线
对于不太熟悉噪声分析的工程师来说
Voltage noise spectral density
电压噪声频谱密度
常常是一个比较令人困惑的参数
频谱密度单位是 nV per root Hz
即 nV 每平方根 Hz
如右上角的方程式所示
将频谱密度和每平方根噪声带宽相乘
便可以得 RMS 噪声
注意观察方程中的单位
你可以看到平方根赫兹是如何相消的
对于放大器的噪声来说
频谱密度曲线是一个主要的参数
在之后的视频中
我们会讲解如何使用频谱密度曲线计算噪声
以上我们已经介绍了很多噪声相关的基本知识
接下来我们就要学习如何计算
由于电阻内部电荷的随机游动引起的噪声
这里所设的方程
给出了电阻所引起的总 RMS 噪声
注意到这个方程需要这几个参数
单位为 k 的温度参数 电阻值
噪声带宽 和玻尔兹曼常数
对方程两边开根号
便可以得到电压频谱密度方程
通常运放的噪声参数
一般是以频谱密度的方式给出的
计算一个电阻的噪声频谱密度很重要
有了它就很容易比较
由电阻产生的噪声和由运放产生的噪声
此图是根据刚刚提到的方程得到的
大部分运放的噪声的单位
都是 nV per root Hz
而刚刚那个计算电阻噪声的方程中
我们将其左右两边开根号
便得到了相同的单位
这样一来我们就很容易直接比较
电阻噪声和运放噪声
低噪声的运算放大器
它的固有噪声可以低到一个 nV/√Hz
如果将其与这里的图比较
1nV/√Hz 对应的电阻值大约是 70 欧姆
因此在这个例子中
你应该使用等于或者小于 70 欧姆的电阻
为了得到更好的性能
我们一般建议放大器产生的噪声
要比电阻产生的噪声大
低噪声的放大器一般比较贵
所以你不会想说买了一个高价格的放大器
而电阻噪声却在噪声性能当中占了主导地位
刚入门的工程师
在噪声分析时常常会不重视电阻噪声
因此如果有这个图会带来很多方便
此图显示的是典型的运放噪声模型
某些情况下面
我们会用两个不相关的电流噪声源
如左上图所示
而其它情况下面
我们会将两个电流噪声源合并成为一个
接在两输入端之间的单一噪声源
右图是噪声源所表示的频谱密度曲线
在接下来的噪声视频中
我们将会学习如何使用运放噪声模型
来估计在不同的预防配置下
总的输出峰峰值噪声
以上就是本次视频的内容
谢谢观看
请准备好下面的一个小测试
看看你是否已掌握本次学习的内容
大家好 欢迎来到 TI Precision Labs 德州仪器高精度实验室 本节视频将介绍 Op amp intrinsic noise 运放的固有噪声的第一部分 在整个噪声系列中 我们会探讨如何通过计算和仿真 得到运放的噪声 并学习如何准确的测量噪声 在这第一部分中 我们会给出噪声的定义 介绍不同的噪声 以及探讨噪声频谱密度 噪声可以定义为一个不希望出现的信号 它掺杂在想要的信号中 从而引起误差 举个例子 在音频中噪声可以表现为丝丝声或者是爆破声 在一个传感器系统中 噪声可以表现为测量到的压力 或者是温度信号的误差 噪声可以归为两种类别 extrinsic noise 外部噪声 intrinsic noise 固有噪声 intrinsic noise 固有噪声 外部噪声是指由于外部电路 或者是自然因素导致的噪声 例如手机 60 赫兹的电力线噪声和干扰 就是常见的外部噪声 宇宙辐射则是一个由于自然因素 引起外部噪声的例子 固有噪声是由电路的元器件引起的 比如电阻和半导体器件都可以产生噪声 固有噪声是可估计的 而外部噪声则很难估计 而外部噪声则很难估计 在这个噪声的视频系列中 我们主要介绍如何计算 仿真 和测量固有噪声以及降低噪声的方法 左图是用于噪声分析的示例电路 右图显示的是运放的噪声模型 每个电阻对应一个 noise voltage source 电压噪声源 这里用一个内带星号的圆圈 表示一个电压噪声源 这个运放本身 还包含了一个电压噪声源 和一个 noise current source 电流噪声源 我们用一个内带星号的菱形表示电流噪声源 在运放的数据手册中已给出噪声源的幅值 电阻所对应的噪声 可以根据电阻的大小计算得到 我们很快就会学习如何综合这些噪声源 来计算得到总的输出噪声 不过首先让我们来看一看 噪声的一些常见的分类 这里显示的是 white noise 白噪声的时域波形 即人们所知的 Broadband noise 宽带噪声 时域波形是你在示波器使用时观察到的波形 注意到横坐标的满量程是一毫秒 满量程一毫秒的倒数就是 1kHz 的频率 一般来说 宽带噪声是指 从中频道高频的范围即大于 1kHz 的频率 之后我们会涉及低频噪声源 在这里右图显示的是一个统计分布图 这是一个高斯分布 平均值为零伏 最大最小值约为正负 40 mV 这个分布表示测量的噪声接近零伏的概率很高 而接近两边极值的概率相对而言比较低 之后我们会学习 如何用这个分布来估计 P to P 峰峰值噪声 另一种噪声类别是 Flicker noise 闪烁噪声 也叫 1/f 或者是低频噪声 这里显示的是时域波形 以及 1/f 噪声的统计分布图 这个时域波形 是你在使用示波器时观察到的波形 注意到横坐标的满量程是十秒 其倒数则就是 0.1Hz 的频率 其倒数则就是 0.1Hz 的频率 一般来说 1/f 噪声是指处于低频范围 即频率小于 1kHz 的噪声 还有一类噪声是 burst noise 突发噪声 或者叫 popcorn noise 爆米花噪声 爆米花噪声表现为电压或者电流的跳变 显然它不是高斯分布 实际上它是两个或者多个分布的叠加 事例中的分布是三个高斯曲线相互叠加 爆米花噪声出现在低频 通常频率在 0.1 到 1k 赫兹的范围内 之所以叫这个名字 是因为当用扬声器播放它的时候 听起来就像是爆米花在跳动 爆米花噪声 是由于半导体材料中的细微缺陷导致的 但是我们无法用数学方法估计得到这个噪声 这个视频里对爆米花噪声的介绍就到此为止 正如我们所见 一类噪声可以有很多同义词 例如 宽带噪声也叫白噪声 Johnson noise 约翰逊噪声 Thermal noise 热噪声 或者是 Resistor noise 电阻噪声 当这些不同的名词出现在不同的文献中时 很多刚入门的工程师 可能就会不清楚它们分别指的是什么 由于大部分噪声服从高斯分布 在进行噪声分析之前 我们先简单复习一下统计知识 右上图的高斯曲线表示的是概率密度函数 对概率密度函数进行积分 变得到了概率分布 根据概率分布 我们可以得知 一个事件在已知区间内的发生概率 例如如果 X 落在 -1 到 1 区间内的 概率分布函数等于 0.3 那么我们可以知道 在任何时候测量 X 出现在 -1 到 1 之间的概率为 30% 如果是测量噪声 我们可以用概率分布函数计算峰峰值噪声 根据概率分布函数 我们可以知道 一个峰值出现在 -σ 到 +σ 之间 即负一个标准差到一个标准差 之间的概率为 68.3% 而在 -3σ 到 +3σ 之间 即 6 个 σ 区间内 这个概率增加到 99.7% 这个通常被用来估计峰峰值噪声 需要注意的是 高斯分布的两端是无限延伸的 这说明还有一定的概率 噪声会在 6σ 之外 这个表格总结了测量数据 和标准差之间的关系 例如 测量到的噪声出现在 正负 1σ 之间 或者 2σ 范围内的概率为 68% 我们通常用 6σ 或者是 6.6σ 来估计峰峰值噪声 例如测量到的噪声 出现在 6σ 范围的概率为 99.7% 所以测量它的噪声 会出现在 6σ 范围之外的概率 就只有 0.3% 而这 0.3% 的概率几乎可以忽略不计 因此 ±3σ 及 6σ 经常被用来估计峰峰值噪声 如果你对噪声分析比较熟悉 可能会见到有些地方 将标准差和 RMS 值交替使用 那么这两个值真的是相等的吗 答案是这两个值并不一定总是相等 实际上只有在没有 DC 成分的 情况下面才是相等的 对于大部分的噪声而言 这两个值是相等的 注意到 RMS 的方程式 和标准差的方程式是基本一样的 除了标准差方程式里 减去了一个平均值 μ 或者说 DC 成分 所以如果一个信号包含 DC 成分 RMS 和标准差就不相等了 幸运的是 运放噪声和电阻噪声都不含 DC 成分 所以这种情况下面 我们认为 RMS 和标准差是相等的 一些外部噪声 例如数字转换噪声可能不是对称的 即会包含一个 DC 成分 值得注意的是 一些仪器或者测试设备显示 RMS 噪声时会包含 DC 成分 而另一些设备显示的 RMS 则不包含 DC 成分 只有 AC 成分 另一个很重要的概念 是噪声信号的叠加 噪声的叠加不是数学上的简单相加 例如 3+5=8 它是向量的叠加 例如这里 3mVrms 平方加 5mVrms 平方 再开根号 继而得到 5.83mVrms 值得注意的是 这种计算方式 只适用于不相关的随机噪声信号 如果噪声源是相关的 要使用另一种计算方式 正如白光是由各种颜色的光混合得到的一样 白噪声也是由各种频率的噪声组成的 如图中所示 如果你将几个不同频率的信号 在时域上叠加在一起 可以得到一个随机信号 在频率中每一个信号 看起来就像是一个脉冲信号 将无数个这样不同频率的信号叠加在一起 就可以得到 Noise spectral density curve 噪声频谱密度曲线 对于不太熟悉噪声分析的工程师来说 Voltage noise spectral density 电压噪声频谱密度 常常是一个比较令人困惑的参数 频谱密度单位是 nV per root Hz 即 nV 每平方根 Hz 如右上角的方程式所示 将频谱密度和每平方根噪声带宽相乘 便可以得 RMS 噪声 注意观察方程中的单位 你可以看到平方根赫兹是如何相消的 对于放大器的噪声来说 频谱密度曲线是一个主要的参数 在之后的视频中 我们会讲解如何使用频谱密度曲线计算噪声 以上我们已经介绍了很多噪声相关的基本知识 接下来我们就要学习如何计算 由于电阻内部电荷的随机游动引起的噪声 这里所设的方程 给出了电阻所引起的总 RMS 噪声 注意到这个方程需要这几个参数 单位为 k 的温度参数 电阻值 噪声带宽 和玻尔兹曼常数 对方程两边开根号 便可以得到电压频谱密度方程 通常运放的噪声参数 一般是以频谱密度的方式给出的 计算一个电阻的噪声频谱密度很重要 有了它就很容易比较 由电阻产生的噪声和由运放产生的噪声 此图是根据刚刚提到的方程得到的 大部分运放的噪声的单位 都是 nV per root Hz 而刚刚那个计算电阻噪声的方程中 我们将其左右两边开根号 便得到了相同的单位 这样一来我们就很容易直接比较 电阻噪声和运放噪声 低噪声的运算放大器 它的固有噪声可以低到一个 nV/√Hz 如果将其与这里的图比较 1nV/√Hz 对应的电阻值大约是 70 欧姆 因此在这个例子中 你应该使用等于或者小于 70 欧姆的电阻 为了得到更好的性能 我们一般建议放大器产生的噪声 要比电阻产生的噪声大 低噪声的放大器一般比较贵 所以你不会想说买了一个高价格的放大器 而电阻噪声却在噪声性能当中占了主导地位 刚入门的工程师 在噪声分析时常常会不重视电阻噪声 因此如果有这个图会带来很多方便 此图显示的是典型的运放噪声模型 某些情况下面 我们会用两个不相关的电流噪声源 如左上图所示 而其它情况下面 我们会将两个电流噪声源合并成为一个 接在两输入端之间的单一噪声源 右图是噪声源所表示的频谱密度曲线 在接下来的噪声视频中 我们将会学习如何使用运放噪声模型 来估计在不同的预防配置下 总的输出峰峰值噪声 以上就是本次视频的内容 谢谢观看 请准备好下面的一个小测试 看看你是否已掌握本次学习的内容
大家好
欢迎来到 TI Precision Labs
德州仪器高精度实验室
本节视频将介绍
Op amp intrinsic noise
运放的固有噪声的第一部分
在整个噪声系列中
我们会探讨如何通过计算和仿真
得到运放的噪声
并学习如何准确的测量噪声
在这第一部分中
我们会给出噪声的定义
介绍不同的噪声
以及探讨噪声频谱密度
噪声可以定义为一个不希望出现的信号
它掺杂在想要的信号中
从而引起误差
举个例子
在音频中噪声可以表现为丝丝声或者是爆破声
在一个传感器系统中
噪声可以表现为测量到的压力
或者是温度信号的误差
噪声可以归为两种类别
extrinsic noise 外部噪声
intrinsic noise 固有噪声
intrinsic noise 固有噪声
外部噪声是指由于外部电路
或者是自然因素导致的噪声
例如手机 60 赫兹的电力线噪声和干扰
就是常见的外部噪声
宇宙辐射则是一个由于自然因素
引起外部噪声的例子
固有噪声是由电路的元器件引起的
比如电阻和半导体器件都可以产生噪声
固有噪声是可估计的
而外部噪声则很难估计
而外部噪声则很难估计
在这个噪声的视频系列中
我们主要介绍如何计算 仿真
和测量固有噪声以及降低噪声的方法
左图是用于噪声分析的示例电路
右图显示的是运放的噪声模型
每个电阻对应一个 noise voltage source
电压噪声源
这里用一个内带星号的圆圈
表示一个电压噪声源
这个运放本身
还包含了一个电压噪声源
和一个 noise current source 电流噪声源
我们用一个内带星号的菱形表示电流噪声源
在运放的数据手册中已给出噪声源的幅值
电阻所对应的噪声
可以根据电阻的大小计算得到
我们很快就会学习如何综合这些噪声源
来计算得到总的输出噪声
不过首先让我们来看一看
噪声的一些常见的分类
这里显示的是 white noise 白噪声的时域波形
即人们所知的 Broadband noise 宽带噪声
时域波形是你在示波器使用时观察到的波形
注意到横坐标的满量程是一毫秒
满量程一毫秒的倒数就是 1kHz 的频率
一般来说
宽带噪声是指
从中频道高频的范围即大于 1kHz 的频率
之后我们会涉及低频噪声源
在这里右图显示的是一个统计分布图
这是一个高斯分布
平均值为零伏
最大最小值约为正负 40 mV
这个分布表示测量的噪声接近零伏的概率很高
而接近两边极值的概率相对而言比较低
之后我们会学习
如何用这个分布来估计 P to P 峰峰值噪声
另一种噪声类别是 Flicker noise 闪烁噪声
也叫 1/f 或者是低频噪声
这里显示的是时域波形
以及 1/f 噪声的统计分布图
这个时域波形
是你在使用示波器时观察到的波形
注意到横坐标的满量程是十秒
其倒数则就是 0.1Hz 的频率
其倒数则就是 0.1Hz 的频率
一般来说
1/f 噪声是指处于低频范围
即频率小于 1kHz 的噪声
还有一类噪声是 burst noise 突发噪声
或者叫 popcorn noise 爆米花噪声
爆米花噪声表现为电压或者电流的跳变
显然它不是高斯分布
实际上它是两个或者多个分布的叠加
事例中的分布是三个高斯曲线相互叠加
爆米花噪声出现在低频
通常频率在 0.1 到 1k 赫兹的范围内
之所以叫这个名字
是因为当用扬声器播放它的时候
听起来就像是爆米花在跳动
爆米花噪声
是由于半导体材料中的细微缺陷导致的
但是我们无法用数学方法估计得到这个噪声
这个视频里对爆米花噪声的介绍就到此为止
正如我们所见
一类噪声可以有很多同义词
例如 宽带噪声也叫白噪声
Johnson noise 约翰逊噪声
Thermal noise 热噪声
或者是 Resistor noise 电阻噪声
当这些不同的名词出现在不同的文献中时
很多刚入门的工程师
可能就会不清楚它们分别指的是什么
由于大部分噪声服从高斯分布
在进行噪声分析之前
我们先简单复习一下统计知识
右上图的高斯曲线表示的是概率密度函数
对概率密度函数进行积分
变得到了概率分布
根据概率分布
我们可以得知
一个事件在已知区间内的发生概率
例如如果 X 落在 -1 到 1 区间内的
概率分布函数等于 0.3
那么我们可以知道
在任何时候测量
X 出现在 -1 到 1 之间的概率为 30%
如果是测量噪声
我们可以用概率分布函数计算峰峰值噪声
根据概率分布函数
我们可以知道
一个峰值出现在 -σ 到 +σ 之间
即负一个标准差到一个标准差
之间的概率为 68.3%
而在 -3σ 到 +3σ 之间
即 6 个 σ 区间内
这个概率增加到 99.7%
这个通常被用来估计峰峰值噪声
需要注意的是
高斯分布的两端是无限延伸的
这说明还有一定的概率
噪声会在 6σ 之外
这个表格总结了测量数据
和标准差之间的关系
例如 测量到的噪声出现在
正负 1σ 之间
或者 2σ 范围内的概率为 68%
我们通常用 6σ 或者是 6.6σ
来估计峰峰值噪声
例如测量到的噪声
出现在 6σ 范围的概率为 99.7%
所以测量它的噪声
会出现在 6σ 范围之外的概率
就只有 0.3%
而这 0.3% 的概率几乎可以忽略不计
因此 ±3σ 及 6σ
经常被用来估计峰峰值噪声
如果你对噪声分析比较熟悉
可能会见到有些地方
将标准差和 RMS 值交替使用
那么这两个值真的是相等的吗
答案是这两个值并不一定总是相等
实际上只有在没有 DC 成分的
情况下面才是相等的
对于大部分的噪声而言
这两个值是相等的
注意到 RMS 的方程式
和标准差的方程式是基本一样的
除了标准差方程式里
减去了一个平均值 μ 或者说 DC 成分
所以如果一个信号包含 DC 成分
RMS 和标准差就不相等了
幸运的是
运放噪声和电阻噪声都不含 DC 成分
所以这种情况下面
我们认为 RMS 和标准差是相等的
一些外部噪声
例如数字转换噪声可能不是对称的
即会包含一个 DC 成分
值得注意的是
一些仪器或者测试设备显示
RMS 噪声时会包含 DC 成分
而另一些设备显示的 RMS 则不包含 DC 成分
只有 AC 成分
另一个很重要的概念
是噪声信号的叠加
噪声的叠加不是数学上的简单相加
例如 3+5=8
它是向量的叠加
例如这里 3mVrms 平方加 5mVrms 平方
再开根号
继而得到 5.83mVrms
值得注意的是
这种计算方式
只适用于不相关的随机噪声信号
如果噪声源是相关的
要使用另一种计算方式
正如白光是由各种颜色的光混合得到的一样
白噪声也是由各种频率的噪声组成的
如图中所示
如果你将几个不同频率的信号
在时域上叠加在一起
可以得到一个随机信号
在频率中每一个信号
看起来就像是一个脉冲信号
将无数个这样不同频率的信号叠加在一起
就可以得到
Noise spectral density curve
噪声频谱密度曲线
对于不太熟悉噪声分析的工程师来说
Voltage noise spectral density
电压噪声频谱密度
常常是一个比较令人困惑的参数
频谱密度单位是 nV per root Hz
即 nV 每平方根 Hz
如右上角的方程式所示
将频谱密度和每平方根噪声带宽相乘
便可以得 RMS 噪声
注意观察方程中的单位
你可以看到平方根赫兹是如何相消的
对于放大器的噪声来说
频谱密度曲线是一个主要的参数
在之后的视频中
我们会讲解如何使用频谱密度曲线计算噪声
以上我们已经介绍了很多噪声相关的基本知识
接下来我们就要学习如何计算
由于电阻内部电荷的随机游动引起的噪声
这里所设的方程
给出了电阻所引起的总 RMS 噪声
注意到这个方程需要这几个参数
单位为 k 的温度参数 电阻值
噪声带宽 和玻尔兹曼常数
对方程两边开根号
便可以得到电压频谱密度方程
通常运放的噪声参数
一般是以频谱密度的方式给出的
计算一个电阻的噪声频谱密度很重要
有了它就很容易比较
由电阻产生的噪声和由运放产生的噪声
此图是根据刚刚提到的方程得到的
大部分运放的噪声的单位
都是 nV per root Hz
而刚刚那个计算电阻噪声的方程中
我们将其左右两边开根号
便得到了相同的单位
这样一来我们就很容易直接比较
电阻噪声和运放噪声
低噪声的运算放大器
它的固有噪声可以低到一个 nV/√Hz
如果将其与这里的图比较
1nV/√Hz 对应的电阻值大约是 70 欧姆
因此在这个例子中
你应该使用等于或者小于 70 欧姆的电阻
为了得到更好的性能
我们一般建议放大器产生的噪声
要比电阻产生的噪声大
低噪声的放大器一般比较贵
所以你不会想说买了一个高价格的放大器
而电阻噪声却在噪声性能当中占了主导地位
刚入门的工程师
在噪声分析时常常会不重视电阻噪声
因此如果有这个图会带来很多方便
此图显示的是典型的运放噪声模型
某些情况下面
我们会用两个不相关的电流噪声源
如左上图所示
而其它情况下面
我们会将两个电流噪声源合并成为一个
接在两输入端之间的单一噪声源
右图是噪声源所表示的频谱密度曲线
在接下来的噪声视频中
我们将会学习如何使用运放噪声模型
来估计在不同的预防配置下
总的输出峰峰值噪声
以上就是本次视频的内容
谢谢观看
请准备好下面的一个小测试
看看你是否已掌握本次学习的内容
视频报错
手机看
扫码用手机观看![](/site/qrcode?id=286)
收藏本课程
视频简介
TI 高精度实验室 噪声 1
所属课程:TI 高精度实验室 噪声
发布时间:2015.08.25
视频集数:9
本节视频时长:00:13:25
这是讲述运算放大器噪声的 TI Precision Labs – 运算放大器课程九个视频中的第一个。噪声视频系列将展示如何通过计算和仿真来预测运算放大器噪声以及如何精确测量噪声。在该培训中,我们将定义固有噪声,介绍不同噪声类型,并讲述噪声频谱密度。
//=$v1;?>
//=$v['id']?>//=$v['down_category']?>//=$v['link']?>//=$v['is_dl']?>//=$v['link']?>//=$v['name']?>//=$v['name']?>
//=$v['id']?>//=$v['down_category']?>//=$v['path']?>//=$v['is_dl']?>//=$v['path']?>//=$v['name']?>//=$v['name']?>
////=count($lesson['bbsinfo'])?>
//=$elink?>//=$elink?>//=$tags[0]?>//=$tags[0]?>//=$elink?>//= $elink?>//=$tags[1]?>//=$tags[1]?>
//=$lesson['bbs'];?>
//=count($lesson['bbsinfo'])?>