米勒電容補償的理解

在這里插入圖片描述

米勒電容補償是使運放放大器穩定的重要手法,可以使兩級運放的兩個極點分離,從而可以得到更好的相位裕度。

Miller 電容補償的本質是增加一條通路流電流,流電流才是miller效應的本質。給定一個相同的輸入,Miller 電容吃掉的電流比沒有miller電容大A倍。

假設輸入ΔV,輸出為-A*ΔV,電容兩端電壓變化-(1+A)*ΔV倍,流過電容的電流為Ifb=-(1+A)ΔVC/T,所以Iin=Ifb+Ierr,設輸入電阻為R1,則Ierr=ΔV/R1.如果沒有米勒電容,則Iin=Ierr。這意味著如果同樣的Iin電流,有米勒電容電流幾乎流向了Cf,Ierr分配的很少。

我們知道極點是分母為0的時候,如果是R1和C1并聯,R1和C1為輸入端電阻電容,另外,極點是流過電容C1的模值電流與流過電阻R1的電流模值相等的頻率點。所以在相同的輸入幅度下,流過Miller 電容Cf的電流比流過純粹的電容C1大A倍,所以等效到輸入電容就是ACf,此時為R1、ACf、C1并聯,C1可忽略,那么以R1的電流模值作參考,那ACf對應的頻率(帶米勒電容)就要比C1(不帶米勒電容)對應的頻率小A倍。第一個極點由原來的1/(R1C1)變成1/(R1ACf),這里C1被忽略,極點往原點靠了。

另外,對于增益級的輸出,假設在沒有米勒電容的情況下,由R2和C2并聯,形成極點。如果有米勒電容的情況下,可以看到同樣的Iin下,Ierr電流被分配的很少了,意味著IerrR1-A的輸出幅度變化小了,沒有米勒電容輸出幅度為IinR1-A。可以感覺到輸出端輸出電阻在米勒電容效應下,不再是R2,而是更小了,才會導致輸出幅度變小,假設輸出電阻變為R3,極點變成1/(R3C2),輸出極點跟1/(R2C2)比,往外推了。

故綜上所述,加上米勒電容后,系統的兩個極點可以做到比原來分離的更開,從而改善相位裕度。
在這里插入圖片描述

這里有個問題,加入米勒電容后,電路有兩條電流路徑,一條是x通過-A,再通過Y,另一條是X通過Cf再到達Y,當兩條路徑產生的信號大小相同,方向相反時,導致Y端輸出為0,我們知道使信號幅度消失為0的頻率點就是零點,這里形成右半平面的零點。右零點增加幅值,減小相位,如果右零點靠近單位增益帶寬,會導致相位裕度急劇下降,使系統不穩定。

Miller 補償會有一個前饋通路,形成一個右半平面的零點,所以一般會切斷這個前饋通路,這里可以插入一個源極跟隨器(會限制輸出范圍)或一個反向放大器,這樣只有輸出到輸入的路徑,沒有了前饋路徑。這樣就可以把右邊零點變成左邊零點。如果A0的輸出電阻為R0,則有左邊零點-1/(R0*Cc).
在這里插入圖片描述

這里舉個簡單的例子。利用M8共柵管切斷前饋通路。可以看到Vin到Cc到Vout,這條通路,由于Vin往M8漏極的電阻很大,大概是Rds。所以前饋通路被阻斷。Vout到Cc到Vin的反饋通路,從M8源極看進入,電阻大概是1/gm8,,這個阻抗很小,所以這個Vout到Cc到Vin的反饋通路是順暢的,1/gm8越小,即gm8越大,說明反饋通路越順暢。米勒補償效果更佳。這里說明一下,如果1/gm8越大,則第二級共軛復極點效應越強烈,會導致穩定性變差。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/80180.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/80180.shtml
英文地址,請注明出處:http://en.pswp.cn/web/80180.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

CVE-2017-8046 漏洞深度分析

漏洞概述 CVE-2017-8046 是 Spring Data REST 框架中的一個高危遠程代碼執行漏洞&#xff0c;影響版本包括 Spring Data REST < 2.5.12、2.6.7、3.0 RC3 及關聯的 Spring Boot 和 Spring Data 舊版本。攻擊者通過構造包含惡意 SpEL&#xff08;Spring Expression Language&…

qt文本邊框設置

// 計算文本的大致尺寸 QFontMetrics fm(textEditor->font()); QRect textRect fm.boundingRect(textItem->toPlainText()); // 設置編輯框大小&#xff0c;增加一些邊距 const int margin 10; textEditor->setGeometry( center.x() - textRect.width()/2 - margin,…

Java 與 面向對象編程(OOP)

Java 是典型的純面向對象編程語言&#xff08;Pure Object-Oriented Language&#xff09;&#xff0c;其設計嚴格遵循面向對象&#xff08;OOP&#xff09;的核心原則。以下是具體分析&#xff1a; 1. Java 的面向對象核心特性 (1) 一切皆對象 Java 中幾乎所有的操作都圍繞…

導出導入Excel文件(詳解-基于EasyExcel)

前言&#xff1a; 近期由于工作的需要&#xff0c;根據需求需要導出導入Excel模板。于是自學了一下下&#xff0c;在此記錄并分享&#xff01;&#xff01; EasyExcel&#xff1a; 首先我要在這里非常感謝阿里的大佬們&#xff01;封裝這么好用的Excel相關的API&#xff0c;真…

python版本管理工具-pyenv輕松切換多個Python版本

在使用python環境開發時&#xff0c;相信肯定被使用版本所煩惱&#xff0c;在用第三方庫時依賴兼容的python版本不一樣&#xff0c;有沒有一個能同時安裝多個python并能自由切換的工具呢&#xff0c;那就是pyenv&#xff0c;讓你可以輕松切換多個Python 版本。 pyenv是什么 p…

Elasticsearch 索引副本數

作者&#xff1a;來自 Elastic Kofi Bartlett 解釋如何配置 number_of_replicas、它的影響以及最佳實踐。 更多閱讀&#xff1a;Elasticsearch 中的一些重要概念: cluster, node, index, document, shards 及 replica 想獲得 Elastic 認證&#xff1f;查看下一期 Elasticsearc…

AXI4總線協議 ------ AXI_LITE協議

一、AXI 相關知識介紹 https://download.csdn.net/download/mvpkuku/90841873 AXI_LITE 選出部分重點&#xff0c;詳細文檔見上面鏈接。 1.AXI4 協議類型 2.握手機制 二、AXI_LITE 協議的實現 1. AXI_LITE 通道及各通道端口功能介紹 2.實現思路及框架 2.1 總體框架 2.2 …

idea運行

各種小kips Linuxidea上傳 Linux 部署流程 1、先在idea打好jar包&#xff0c;clean之后install 2、在Linux目錄下&#xff0c;找到對應項目目錄&#xff0c;把原來的jar包放在bak文件夾里面 3、殺死上一次jar包的pid ps -ef|grep cliaidata.jar kill pid 4、再進行上傳新的jar…

FPGA: XILINX Kintex 7系列器件的架構

本文將詳細介紹Kintex-7系列FPGA器件的架構。以下內容將涵蓋Kintex-7的核心架構特性、主要組成部分以及關鍵技術&#xff0c;盡量全面且結構化&#xff0c;同時用簡潔的語言確保清晰易懂。 Kintex-7系列FPGA架構概述 Kintex-7是Xilinx 7系列FPGA中的中高端產品線&#xff0c;基…

【LLM】大模型落地應用的技術 ——— 推理訓練 MOE,AI搜索 RAG,AI Agent MCP

【LLM】大模型落地應用的技術 ——— 推理訓練MOE&#xff0c;AI搜索RAG&#xff0c;AI Agent MCP 文章目錄 1、推理訓練 MOE2、AI搜索 RAG3、AI Agent MCP 1、推理訓練 MOE MoE 是模型架構革新&#xff0c;解決了算力瓶頸。原理是多個專家模型聯合計算。 推理訓練MoE&#xff…

10 web 自動化之 yaml 數據/日志/截圖

文章目錄 一、yaml 數據獲取二、日志獲取三、截圖 一、yaml 數據獲取 需要安裝 PyYAML 庫 import yaml import os from TestPOM.common import dir_config as Dir import jsonpathclass Data:def __init__(self,keyNone,file_name"test_datas.yaml"):file_path os…

中exec()函數因$imagePath參數導致的命令注入漏洞

exec(zbarimg -q . $imagePath, $barcodeList, $returnVar); 針對PHP中exec()函數因$imagePath參數導致的命令注入漏洞&#xff0c;以下是安全解決方案和最佳實踐&#xff1a; 一、漏洞原理分析 直接拼接用戶輸入$imagePath到系統命令中&#xff0c;攻擊者可通過注入特殊字…

this.$set的用法-響應式數據更新

目錄 一、核心作用 三、使用場景與示例 1. 給對象添加新屬性 四、與 Vue.set 的關系 五、底層原理 六、Vue 3 的替代方案 七、最佳實踐 八、常見問題 Q&#xff1a;為什么修改嵌套對象屬性不需要 $set&#xff1f; Q&#xff1a;$set 和 $forceUpdate 的區別&#xf…

【生成式AI文本生成實戰】DeepSeek系列應用深度解析

目錄 &#x1f31f; 前言&#x1f3d7;? 技術背景與價值&#x1fa79; 當前技術痛點&#x1f6e0;? 解決方案概述&#x1f465; 目標讀者說明 &#x1f9e0; 一、技術原理剖析&#x1f4ca; 核心概念圖解&#x1f4a1; 核心作用講解&#x1f527; 關鍵技術模塊說明?? 技術選…

c/c++的opencv的圖像預處理講解

OpenCV 圖像預處理核心技術詳解 (C/C) 圖像預處理是計算機視覺任務中至關重要的一步。原始圖像往往受到噪聲、光照不均、尺寸不一等多種因素的影響&#xff0c;直接用于后續分析&#xff08;如特征提取、目標檢測、機器學習模型訓練等&#xff09;可能會導致性能下降或結果不準…

使用 Docker 部署 React + Nginx 應用教程

目錄 1. 創建react項目結構2. 創建 .dockerignore3. 創建 Dockerfile4. 創建 nginx.conf5. 構建和運行6. 常用命令 1. 創建react項目結構 2. 創建 .dockerignore # 依賴目錄 node_modules npm-debug.log# 構建輸出 dist build# 開發環境文件 .git .gitignore .env .env.local …

Java 流(Stream)API

一、理論說明 1. 流的定義 Java 流&#xff08;Stream&#xff09;是 Java 8 引入的新特性&#xff0c;用于對集合&#xff08;如 List、Set&#xff09;或數組進行高效的聚合操作&#xff08;如過濾、映射、排序&#xff09;和并行處理。流不存儲數據&#xff0c;而是按需計…

網絡協議分析 實驗七 FTP、HTTP、DHCP

文章目錄 實驗7.1 FTP協議練習二 使用瀏覽器登入FTP練習三 在窗口模式下&#xff0c;上傳/下傳數據文件實驗7.2 HTTP(Hyper Text Transfer Protocol)練習二 頁面提交練習三 訪問比較復雜的主頁實驗7.3 DHCP(Dynamic Host Configuration Protocol) 實驗7.1 FTP協議 dir LIST&…

go語言學習進階

目錄 第一章 go語言中包的使用 一.main包 二.package 三.import 四.goPath環境變量 五.init包初始化 六.管理外部包 第二章 time包 第三章 File文件操作 一.FileInfo接口 二.權限 三.打開模式 四.File操作 五.讀文件 參考1&#xff1a;Golang 中的 bufio 包詳解…

Hue面試內容整理-后端框架

Cloudera 的 Hue 項目在后端采用了成熟的 Python Web 框架 Django,結合其他組件構建了一個可擴展、模塊化的系統,便于與 Hadoop 生態系統中的各個組件集成。以下是 Hue 后端架構的詳細介紹: 后端架構概覽 1. Django Web 框架 Hue 的核心是基于 Django 構建的 Web 應用,負責…