设计数字锁相环DPLL

最新推荐文章于 2025-03-21 13:50:54 发布

Gkbytes

最新推荐文章于 2025-03-21 13:50:54 发布

阅读量6.9k

点赞数 8

分类专栏： DPLL

疑问请联系 QQ: 295951389

本文链接：https://blog.csdn.net/hanjuefu5827/article/details/109641505

版权

DPLL 专栏收录该内容

2 篇文章

订阅专栏

DPLL的介绍

锁相环是根据一个参考周期波形去同步一个周期波形的装置。本质上讲它是一个自动控制系统。就像汽车定速巡航，要维持那个速度一样。我们只需要理解为跟踪参考源频率和相位的装置即可。通过鉴相值去控制数控振荡器（NCO）的输出以便让最终的鉴相值趋于0。

鉴相器：检测参考输入波形于本地产生的波形之间的相位差。其中Kd为鉴相器增益。
$f (θ e) = K d * θ e$

PI环路滤波器：环路滤波器决定Dpll的动态性能，同时滤除噪声。

$E f [n] = K p * E d [n] + K i * \sum E d [n]$

数控振荡器：NCO产生本地离散时间离散值波形，其相位接近输入参考源波形。没次相位调整量的大小由环路滤波器的输出决定。

作用1：相位累加，将每个。 $O u t p u t = K 0 * \sum E f [n]$ 其中K0代表振荡器增益。
作用2：PAC相位幅度转换器。通常使用相位累加器输出字（相位字）作为波形查找表（LUT）的索引，以提供相应的幅度样本。

NCO结构

整体结构-突出NCO部分

DPLL的设计

DPLL的响应由阻尼系数（ζ）和固有频率（ωn）决定的。（两者均来自二阶控制系统中的术语）

阻尼系数

PLL相位捕获，表现出振荡行为，该行为可由阻尼因子控制。如将一个篮球扔进地面，有一个重复的阻尼振荡过程，最终平衡。

如上图：单位阶跃响应的输入和输出通过调整阻尼系数得到：
ζ<1时，表现过冲和下冲，为欠阻尼。
ζ>1时，衰减指数的总和，振荡大幅消失，为过阻尼。
ζ=1时，表现在上面两种现象之间，为临界阻尼。

固有频率

后续看到跟踪模式下的DPLL可作为一个低通滤波器，ωn可粗略为环路带宽。
环路带宽： $B n = (ω n / 2) (ζ + 1 / 4 ζ)$

计算环路常数

软件需要定义Bn 和 ζ

环路噪声带宽Bn
小Bn 会滤除大部分噪声。
大Bn 能快速跟踪相位变化。
一般系统Bn值选1%-5%采样率，可满足减少噪声，跟随输入。
阻尼系数 ζ
小 ζ，收敛时间快但是会产生阻尼振荡。
大 ζ，不会过冲但是收敛时间会变长。
0.707为经常使用的值，实践时，一般 ζ的范围选择0.5-2。
NCO增益K0
在离散时间系统中，NCO增益很容易达到合适的值。
鉴相增益Kd
Kd值可以看作固定值的引入。
Kp Ki PI滤波器
假设，环路带宽Bn远小于采样率Fs

$K p = (1 / K 0 K d) (4 ζ / (ζ + 1 / 4 ζ)) (B n / F s)$
$Ki = (1/KdK0)(4/( ζ+1/4 ζ)^2)(Bn/Fs)^2$

import matplotlib.pyplot as plt
import numpy as np

k = 1
N = 15
K_p = 0.19
K_i = 0.0178
K_0 = 1

# 1000个0的集合list
input_signal = np.zeros(1000)

integrator_out = 0

phase_estimate = np.zeros(1000)

e_D = []  # phase-error output
e_F = []  # loop filter output
# 1000个0的集合
sin_out = np.zeros(1000)
# 1000个1的集合
cos_out = np.ones(1000)
# 1000次循环
for n in range(999):
    # 设置个输入余弦信号
    input_signal[n] = np.cos(2*np.pi*(k/N)*n + np.pi)


    # phase detector
    try:
        e_D.append(input_signal[n] * sin_out[n])
    except IndexError:
        e_D.append(0)
    print(input_signal[n]*sin_out[n])

    #loop filter
    integrator_out += K_i * e_D[n]
    e_F.append(K_p * e_D[n] + integrator_out)

    #NCO
    try:
        phase_estimate[n+1] = phase_estimate[n] + K_0 * e_F[n]
    except IndexError:
        phase_estimate[n+1] = K_0 * e_F[n]

    sin_out[n+1] = -np.sin(2*np.pi*(k/N)*(n+1) + phase_estimate[n])
    cos_out[n+1] = np.cos(2*np.pi*(k/N)*(n+1) + phase_estimate[n])


# Create a Figure
fig = plt.figure()

# Set up Axes
ax1 = fig.add_subplot(211)
ax1.plot(cos_out, label='PLL Output')
plt.grid()
ax1.plot(input_signal, label='Input Signal')
plt.legend()
ax1.set_title('Waveforms')

# Show the plot
# plt.show()

ax2 = fig.add_subplot(212)
ax2.plot(e_F)
plt.grid()
ax2.set_title('Filtered Error')
plt.show()