虚短虚断是怎么来的?长篇好文介绍深度负反馈

原文来自微信公众号:工程师看海,与我联系:chunhou0820

看海原创视频教程:《运放秘籍》

大家好,我是工程师看海。

以前的文章抛出过一个问题:为什么放大电路,放大倍数有限,往往只有十几倍或几十倍,而不能达到几千或者几万倍?

当面试官问你时,你会怎么回答呢?

有很多同学会说,如果设计放大倍数太大,电阻阻值就会跟大,电阻大了以后噪声也会大,因此放大倍数有限。

电阻的噪声参考以前文章:《电阻噪声哪里来》:

https://www.dianyuan.com/eestar/article-4761.html

这个回答不舒服,反问一句,假如电阻噪声都一样,那么就可以把放大倍数设计成成百上千甚至上万吗?

同学低着头:应该不行。

其实很多面试官想要的答案是,基于深度负反馈的设计原则,如果设计的运算放大电路放大倍数太大,放大误差也会增加。

那么我们怎么理解深度负反馈与放大倍数呢?

我们通常说的放大倍数全称是闭环放大倍数,或者叫做负反馈放大电路的放大倍数。

这个放大倍数我们用字母G表示,Xi与Yo是系统的输入和输出,见下图负反馈放大电路的方块图,注意负反馈的‘-’号,千万不要忘记!

图片

图片

A是开环放大倍数,可以达到几十万。

F是反馈系数。

Xi’是输入减反馈的结果,我们把A和F的乘积叫做环路放大倍数,

图片

下面公式(1)公式(2)至关重要!

图片

对于深度负反馈而言,AF特别大,AF >> 1,此时系统的闭环放大倍数G:

图片

G与反馈系数F有关,与A无关,放大电路计算过程,都是基于上面这个原则,比如下图同相放大电路,反馈系数F:

图片

根据公式(2)

图片

与前文《三个经典运放电路》的分析结果一致:

https://www.dianyuan.com/eestar/article-4718.html

图片

有同学看到这里好像醍醐灌顶,好像明白了,又好像没明白,我们重新看下这个方框图,列下如下方程:

图片

整理上面公式得到:

图片

当深度负反馈时,AF >> 1,Xi’接近于无穷小,换句话说,运放同相输入端和反相输入端电压非常接近,近乎相等,这就是黄金法则“虚短”的由来。

同时,运放输入阻抗非常非常大,常常达到几十MΩ甚至上GΩ,基本没有电流流入运放,近乎断路,这就是黄金法则“虚断”由来。

深度负反馈的本质可以理解为,利用负反馈,在AF>>1的条件下,使得净输入量Xi’为0.

图片

误差究竟有多大?

我们继续以同相放大电路为参考,开环增益是100dB,对应开环放大倍数A为100000(20log(100000)=100dB),R1 = 1KΩ,Rf = 999KΩ,根据以前的推导,这个电路的放大倍数G = 1+Rf/R1 = 1000倍。

而如果使用公式(1)来精确计算 G’

图片

如果根据电阻计算:G=1+Rf/R1=1+999000/1000=1000倍

而实际计算G’= 990倍,放大误差为10%,在电阻噪声忽略不计的情况下相差10倍。如果考虑电阻误差、考虑增益带宽积的话,相差的会更多。

图片

仿真验证

我们对下面电路进行仿真,仿真文件获取方法,公众号:工程师看海,后台回复关键字:同相放大电路

根据电阻计算放大倍数G=1000

图片

用万用表测试精度会更高一些,80Hz的输入信号,有效值是0.0707mV,放大后是69.99mV,实际放大倍数是990倍,与计算得到的1000倍相比差了10倍。

图片

如果调整外围电阻继续增加放大倍数,在相同信号频率下,放大误差就会更大,感兴趣的同学可以下载仿真文件自己亲自试试。

感谢点赞、分享、在看,让知识变得更简单

  • 20
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值