【摘 要】
：
随着无线通信的迅速发展,人类正逐步进入万物互联的时代,多模式、多频带的无线通信设备将成为日后发展趋势,因而宽带射频接收前端成为时下的一个研究热点,除此之外,无线通信设备对功耗、性能等方面的要求越来越高。低噪声放大器（LNA）和混频器（Mixer）作为通信设备中的重要模块,同样也是主要的耗能模块,因此研究并设计高能效的低噪声放大器和混频器具有重要的意义。本文提出了工作在0.15～1GHz频段的低功耗
论文部分内容阅读
随着无线通信的迅速发展,人类正逐步进入万物互联的时代,多模式、多频带的无线通信设备将成为日后发展趋势,因而宽带射频接收前端成为时下的一个研究热点,除此之外,无线通信设备对功耗、性能等方面的要求越来越高。低噪声放大器（LNA）和混频器（Mixer）作为通信设备中的重要模块,同样也是主要的耗能模块,因此研究并设计高能效的低噪声放大器和混频器具有重要的意义。本文提出了工作在0.15～1GHz频段的低功耗、低噪声、高线性的低噪声放大器和混频器。本文提出的低噪声放大器是基于共栅输入噪声消除低噪声放大器结构,通过跨导提高技术增加了输入阻抗设计自由度,减小了输入支路负载电阻的噪声;同时利用电流复用技术降低了电路静态工作电流,从而降低了功耗;此外通过利用线性度优化模块抵消噪声消除支路产生的三阶非线性信号,提高了线性度。本文提出的混频器是基于吉尔伯特双平衡混频器结构,通过交叉耦合共栅输入实现了宽带匹配,并且降低了输入管的沟道电流噪声,此外交叉耦合共栅输入不会引入由二阶交调效应产生的三阶非线性信号,提高了线性度;同时通过辅助电流源技术减小了流向开关管的电流,从而降低了开关管的沟道电流噪声和1/f噪声;且辅助电流源管也有信号输入,增加了输入跨导,在实现相同转换增益的情况下,功耗更低。基于TSMC 65nm工艺,本文提出的低噪声放大器在0.15～1GHz的工作频带内增益为19.4～21.6d B、噪声系数2.29～2.38d B、输入三阶互调截点（IIP3）为-1～2.1d Bm,在1V的工作电压下,功耗为6.45m W;本文提出的混频器在0.15～1GHz的工作频带内变频增益为21.4～22.9d B、噪声系数4.81～4.96d B、输入三阶互调截点（IIP3）为5.6～7.3d Bm,在1V的工作电压下,功耗为5.6mW。
其他文献
随着计算机技术和互联网技术的发展,各行各业纷纷向“互联网+”和数字化转型,数字信息化服务的用户量剧增,导致了各个领域的数据量呈指数式暴涨,数据计算面临着新的需求和挑战。以单一类型计算资源为主的传统计算系统平台力不胜任,无法满足日趋复杂且多变的应用需求。在此背景下,通用异构计算平台应运而生,被广泛应用于科学计算、深度学习、信号处理和云计算等领域,并取得了显著的成效。它的大规模计算资源为处理海量数据提
自上世纪八十年代以来,人工神经网络迅猛发展。现在,它已经被广泛应用于诸多领域解决实际问题。但是,就目前情况而言,我们所应用的人工神经网络属于第二代神经网络。尽管第二代神经网络帮助我们在很多领域取得了突破性的进展,但它并没有实现真正的仿生,不能够模仿真实大脑皮层神经元网络的工作机制。而构建与人类大脑神经元网络相类似的智能网络作为当下的研究热点,由于大脑结构和功能之谜尚未真正解开,变得极具挑战。本文从
随着移动用户终端产生的通信业务需求的激增和新兴远程物联网业务需求的诞生,传统地面通信网络由于资源有限、节点覆盖范围小等缺陷难以满足业务对大规模连接和高网络承载能力的需求,并且一旦地面网络遭受自然灾害的影响而瘫痪时,将导致受灾地区通信的中断。而卫星通信网络因为海拔高、可用资源丰富的特点具有覆盖范围广、接入技术灵活、免受不可抗力因素破坏等优点,当其与地面通信网络融合形成天地一体化网络时,能够提升网络对
物理层密钥生成技术主要是利用无线信道的互异性、时变性和空间唯一性生成随机序列,区别于传统的加密方法,物理层密钥生成技术不需要第三方可信机构的密钥管理与分发,理论上可以做到一次一密,达到香农保密通信的绝对安全。在5G和物联网时代,物理层密钥生成技术可以对传统加密方式进行补充甚至完全替代,具有广阔的应用前景。本文着重对物理层密钥生成技术的应用场景进行研究,主要的工作与创新点如下:（1）将物理层密钥生成
在移动边缘计算（Mobile Edge Computing,MEC）网络中,可充分利用服务器自身的计算能力,协助资源受限的移动终端进行计算卸载。利用非正交多址接入技术（Nonorthogonal Multiple Access,NOMA）完成计算任务卸载,可有效提高频谱效率,同时减少完成任务计算所需的时延和能量消耗。目前,基于NOMA的移动边缘计算（NOMA-MEC）网络计算卸载研究主要集中在通信
随着信息通信技术的快速更新迭代,物联网技术得到充足的发展和普及,现如今已经改变了人类传统的生活和工作方式,使诸多行业走上智能化的道路。物联网的发展在一定程度上取决于当下通信基础设施的水平和能力,但是在一些偏远地区、广袤沙漠以及远海等场景部署地面网络比较困难,而且地面基站覆盖范围小,这些地区通常没有信号,从而导致物联网技术的服务能力无法满足人类的需求。为解决地面物联网受地域影响大,覆盖范围有限的弊端
近年来,深度学习为计算机视觉算法的飞速发展奠定了稳固的基础,基于深度神经网络的目标检测算法渐渐被应用在人们生产生活的方方面面。然而,随着技术的发展,目标检测算法的研究也从充足数据、强监督的场景逐渐转移到了类别长尾分布的小样本场景。因此,如何利用极少量的数据实现高精度的目标检测,成为了近年来国内外的研究热点。然而,在没有足够数据的情况下,深度神经网络容易出现难收敛、过拟合以及泛化性能差等问题;并且由
近年来,第五代通信技术日趋成熟,可穿戴设备和便携式设备的应用越来越普及,物联网的蓬勃发展正在将世界带入一个传感器无处不在的环境。模数转换器（ADC）作为连接模拟世界与数字系统的桥梁,普遍应用于各类电子设备中。为了实现整个系统的低功耗设计,对模数转换器性能和功效的要求也越来越严格。逐次逼近流水线混合型（Pipelined SAR）ADC结合了流水线型（Pipelined）ADC和逐次逼近型（SAR）
低轨卫星作为一种覆盖面广、不受地理和气象因素影响的中继节点,克服了地面网络远距离传输弱点,相对其它轨道卫星,其灵活可靠,成本低廉,更易满足地面移动用户的业务质量需求,因此受到了学术和工业界的广泛关注。随着通信技术的高速发展,用户终端的数量不断增加,业务范围也在不断拓展,这些都对未来卫星网络接入等性能提出了更高的要求。在如今的卫星网络环境中,用户分布跨度大,无法采用地面网络中基于载波侦听的冲突避免机