SAR ADC系列10：CDAC电容失配对线性度的影响

小生就看看

已于 2024-04-15 09:39:06 修改

阅读量5.4k

点赞数 21

分类专栏： ADC学习文章标签：学习

于 2023-04-03 22:52:42 首次发布

本文链接：https://blog.csdn.net/qq_41545745/article/details/129919694

版权

ADC学习专栏收录该内容

33 篇文章 299 订阅

订阅专栏

本章目录：
1.电容的失配
2.分段结构CDAC
3.CDAC传统开关切换策略
4.单调开关切换策略
5.Sanyal开关切换策略
6.VCM-Based开关切换策略

一、概述

方差、标准偏差、相对标准偏差

失配

如图，蒙特卡洛仿真1000个点，平均值μ=19.2f，标准差1σ=20a，也就是电容有千分之一的误差。
电容的mismatch和sqrt(WL)成反比，即mismatch降低至原来2倍，电容面积要提升到4倍。

电容的随机失配：单个电容

问题：C1 = M个单位电容Cu，求C1的标准偏差σ1 和 相对标准偏差σc1 = σ1 / μ

已知：单位电容Cu的标准偏差为σ，相对标准偏差为σc
根据方差的定义： $N$
所以有： $gif.latex?%5Cinline%20%5Cdpi%7B100%7D%20%5Cfn_cm%20%5Cbigtriangleup%20C_%7Bu%2C1%7D%5E%7B2%7D%20+%20%5Cbigtriangleup%20C_%7Bu%2C2%7D%5E%7B2%7D%20+......+%20%5Cbigtriangleup%20C_%7Bu%2CN%7D%5E%7B2%7D%20%3D%20%7B%5Ccolor%7BRed%7D%20N%5Csigma%20%5E%7B2%7D%7D$

故： C1的均值：M*Cu
C1的方差：D(C1) = D(Cu1 + Cu2 + ...... +Cum) = D(Cu1) + D(Cu2) +......+D(Cum) = M*σ²
两个随机变量X,Y相对独立，则有D(X+Y)=D(X)+D(Y)

结论：
C1的标准偏差：

C1的标准偏差对C1均值(M*Cu)归一化得到相对标准偏差：

举例：100fF 电容的标准偏差 σ = 1fF
200fF 电容的标准偏差 = sqrt(2)*σ = 1.414fF ——（2个100fF的单位电容）
400fF 电容的标准偏差 = 2*σ = 2fF ——（4个100fF的单位电容）

电容的随机失配：多个电容之比

已知：单位电容Cu的标准偏差为σ，相对标准偏差为σc ; C1= m*Cu ， C2=n*Cu

问题：C1/C2的相对标准偏差？
C1/C2的差值(绝对偏差) = 实际C1/C2 - 理想C1/C2

归一化得C1/C2相对偏差 = 绝对偏差 / 平均值

有前文可得，△C1/C1 和 △C2/C2 分别为C1和C2 的相对标准偏差（绝对偏差/平均值）

所以C1/C2的相对标准偏差

结论：
当 m = n = 1 时，增益的相对标准偏差为 sqrt(2)*σc
当 m = 4, n=1 时，增益的相对标准偏差为 sqrt(5)*σc
当 m 远大于 n 时，增益的相对标准偏差为 sqrt(1/n)*σc

二、电容随机失配：Matlab验证

在Marlab中，使用 normrnd( mu, sigma, m, n )函数来验证电容的标准差
■ 生成正态分布，以 mu 为均值，sigma 为标准差，m行，n列。

C0 = normrnd(1, 1e-2, 1, 10000)
avg = mean(C0)

for i = 1:1:1000
    C1(i) = sum( C0(8*(i-1) + 1:1:8*(i-1)+4) );
    C2(i) = sum( C0(8*(i-1) + 5:1:8*i) );
    i = i+1;
end

std_C1 = std(C1)
std_C2 = std(C2)
std_C1divC2 = std(C1./C2)

Code解析：
■ C0是均值为1，σ 为0.01的随机变量；
■ C1和C2是样本数为1000的矩阵，其中每个元素皆为任意4个C0之和；
■ C1（或C2）的理论均值为4，理论标准差=sqrt(4)*σ = 0.02
■ C1/C2的理论均值为1，理论相对标准差=sqrt(1/4 +1/4)*σ = 0.0071（均值为1，标准差和相对标准差一样）

%C1
k1 = 10;
k2 = 20;
C0 = normrnd( 1, 1e-2, 1, 500000 );
]for i = 1 : 1 : 5000
	C1(i) = sum( C0(k1*(i-1)+1 : 1 : k1*i) );
	i = i+1;
end

%C2
C0 = normrnd( 1, 1e-2, 1, 500000 );
for i = 1 : 1 : 5000
	C2(i) = sum( C0(k2*(i-1)+1 : 1 : k2*i) );
	i = i+1;
end

std_C1 = std(C1)
std_C2 = std(C2)
gain = C1./C2;
avg_gain = mean(gain);
std_gain = std(gain/avg_gain)

Code解析
        ■ C0是由均值=1，σ=0.01的随机变量构成的矩阵
        ■ C1为样本数=5000的矩阵，C1的每个元素皆为任意10个C0元素之和。
        ■ C2为样本数=1000的矩阵，C2的每个元素皆为任意20个C0元素之和。
■ C1的理论均值=10，理论标准差=sqrt(10)*σ=0.0316
        ■ C2的理论均值=20，理论标准差=sqrt(20)*σ=0.0447
        ■ C1/C2的理论均值=0.5，理论上的相对标准差=sqrt(1/10+1/20)*σ=0.003873