LTE MTC系统发射机中CMOS功率放大器设计

来源 :东南大学 | 被引量 : 0次 | 上传用户:alovey
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,无线通信技术发展迅速,无线通信标准和调制模式也日益增多,随着第四代移动通信系统(4G)和智能手机的大规模普及,LTE MTC蜂窝物联网通信的应用也在人们的日常生活中日益增多。同时,通信技术的发展也带来了更为复杂的信号调制方式,特别是LTE通信,引入了OFDM技术,它是一种多载波调制技术,对具有多种调制模式和满足多标准要求的收发机要求越来越高。作为无线收发机系统中的核心部件之一,功率放大器在收发机系统中的地位非同一般,其功耗可占到发射机系统的80%,影响着整个收发机系统的性能指标。因此,对高性能功率放大器的研究具有重要意义。因为CMOS工艺低成本和高集成度的优点,本文给出了一种基于TSMC 65nm CMOS LP工艺设计的AB类线性功率放大器。为达到一定的功率增益要求,采用两级级联结构,包括驱动级和功率级。其中,驱动级和功率级均工作在AB类状态,驱动级为功率级提高足够大驱动功率的同时,确保其OP1dB低于功率级的IP1dB,保证级联后系统的线性度。两级电路均采用差分结构,可以在不提高电源电压的情况下,达到足够的输出功率和线性度,同时还有利于抑制共模噪声,抗干扰能力强,减小寄生参数及键合线电感对电路性能的影响。考虑到本次采用的CMOS工艺击穿电压较低,为了避免晶体管被击穿,同时提高输入输出端口之间的隔离度,方便后期级联设计,两级电路均采用共源共栅(Cascode)结构。除此之外,本文还给出了功放的稳定性分析、匹配网络特别是输出端负载牵引的设计等,完成了电路设计与前仿真,版图设计与后仿真。后仿真结果表明,电源电压3.3V情况下,功率放大器在18801920MHz频段工作稳定,输入反射系数S11<-10dB,输入匹配良好,输出1dB压缩点为24dBm,饱和输出功率大于26dBm,功率增益大于20dB,输出1dB压缩点处的功率附加效率25%,峰值效率达到30%。芯片面积约1.68*0.8mm2。本文的功率放大器在4G LTE Band39移动通信频段下进行设计,具备较好线性度和功率附加效率,可应用于LTE MTC蜂窝物联网领域。在要求高效率的应用场合中,可结合一些效率提升技术,如包络跟踪、Doherty技术、动态偏置技术、等提高功率放大器的效率,完善整体性能。
其他文献
土壤微生物是土壤环境中不可或缺的一部分,对整个土壤生态系统至关重要。但随着稀土元素的需求日益增长,稀土矿石开采和提炼过程中产生的大量固体废物对土壤环境构成严重威胁
本文针对淮南采煤沉陷区铁路专用线在不断加高后存在的稳定性不足的问题,提出了用粉煤灰轻质填料代替煤矸石进行复杂工程地质条件下路堤维护加固治理,通过室内试验的手段,研
中药材中的天然药物成分非常复杂,其含有的活性成分的分离纯化是一项艰巨而细致的工作,葛根是一种常见的中药材,其中的活性成分染料木黄酮因其存在一些结构相似的成分并且含
Cu2O是一种理论光电转化效率高、可见光响应、无毒、制备成本低廉的具有发展前景的光催化剂,但在实际应用中存在光催化失活、光催化效率低的问题。本论文以结构均匀的非晶态
布尔可满足性(Boolean Satisfiability,SAT)问题是指,给定一组布尔变元X及由X构成的CNF公式,问是否存在一组对X的赋值,使得公式为真。SAT问题是第一个被证明为NP完全的问题,在计算理论中具有重要地位。如果找到能够在多项式时间求解SAT问题的完备方法,则P=NP;反之,如果能够确定所有SAT算法的最坏时间复杂度下界为指数级别,则P≠NP。此外,SAT问题在电路验证、组合优
三维重建技术广泛的应用在数字城市和考古学领域,目的是还原真实场景和更好的保护文化遗产。目前,常用的三维重建技术有立体测量技术和激光扫描技术,两种方法各有利弊:立体测
随着信息科学的快速发展,个人信息安全变得愈发重要;人脸识别因其所具有的隐蔽性、唯一性等众多优势,成为鉴别个人信息的重要手段。近几年来,针对人脸识别的研究越来越多。在
在传统监督学习中,每个训练样本由一个训练示例和一个类标记组成。在现实世界的应用中,每个训练示例有可能和多个类标记关联。多标记学习的任务是训练一个预测模型为一个未见
西北地区夯筑土遗址作为人类文明的重要建筑类型之一,是我国历史、文化、科学等重要信息的载体。随着时代的变迁与进步,土遗址正在遭受着人类活动和自然环境等因素的破坏。锚
深度学习近年来一直是人工智能领域的热门研究课题,卷积神经网络(Convolutional Neural Network,CNN)作为深度学习的经典学习模型,在图像分类、目标检测、自然语言处理等领域均取得了一系列重要突破。卷积神经网络模型具有参数量大,计算复杂度高的特点,正是这种复杂的多层次网络结构使得模型具有很强的预测能力。由于智能设备的普及,卷积神经网络移植到嵌入式设备上的需求日益增长,但是其巨