Home
探索 Uedu
學生控制台
註冊會員/登入
研究知情同意中心
教師控制台
課程設定
支援與訊息
Uptime 數據

UeduGPTs

--

Jupyters

4

UG26 CISOSE26
臺北 AQI 40 · 臺中 AQI 26 · 臺南 AQI 24 · 高雄 AQI 28

AI 回覆桌面通知

AI 助教回覆完成時顯示桌面通知

聊天訊息通知

同學在討論區發送訊息時通知

聲音通知

每當有新通知時播放提示音

元件與封裝
元件與封裝

類比與射頻 IC

真實世界是類比的,晶片要先聽懂它,才能交給數位處理。

類比與射頻 IC 概念示意插圖
概念示意插圖(AI 生成,僅供輔助理解,非精確技術圖示)
研究所  ·  約 20 分鐘  ·  類比射頻訊號

真實世界是類比的

聲音、光線、溫度、無線電波——物理世界的訊號全是連續的類比量。數位系統再強大,也必須先有類比與射頻(Analog/RF)IC 把這些連續訊號放大、濾波、轉換成數位位元,處理完再轉回類比驅動真實世界。類比電路常被稱為「黑魔法」,因為它不像數位有清晰的 0/1 邊界,而是與雜訊、非線性、製程變異、溫度漂移持續搏鬥。衡量類比/RF 品質的核心,永遠是訊號與雜訊之比

雜訊:類比電路的物理下限

任何放大或轉換都受基本雜訊限制,主要來源:

  • 熱雜訊(Johnson-Nyquist):電阻在溫度 $T$ 下的雜訊功率譜密度 $v_n^2 = 4kTR \cdot \Delta f$,無法消除,只能設計。
  • $kT/C$ 雜訊:取樣電容 $C$ 上的均方雜訊電壓為 $kT/C$,與電阻值無關。這是取樣電路的根本下限——要降低取樣雜訊只能加大電容,但加大電容又增加功耗與面積,這是類比設計最經典的取捨之一。
  • 閃爍雜訊(1/f flicker noise):低頻佔主導,與製程界面陷阱有關,MOS 比 BJT 嚴重。

$$\text{熱雜訊功率譜密度:} \frac{v_n^2}{\Delta f} = 4 k T R \quad (\mathrm{V}^2/\mathrm{Hz})$$

$$\text{取樣雜訊:} v_{\mathrm{sample}}^2 = \frac{kT}{C}$$

室溫下 1 pF 電容的取樣雜訊均方根 $\approx 64$ µV。

訊號品質以訊雜比(SNR)量化:

$$\mathrm{SNR\ (dB)} = 10 \cdot \log_{10} \left( \frac{P_{\mathrm{signal}}}{P_{\mathrm{noise}}} \right)$$

放大器與增益頻寬的取捨

運算放大器是類比的瑞士刀。其核心限制是增益頻寬積(GBW,Gain-Bandwidth Product)為常數:

$$\mathrm{GBW} = A_0 \cdot f_{\mathrm{dominant}} \approx \frac{g_m}{2\pi \cdot C_L}$$

要高增益就犧牲頻寬,要高頻寬就犧牲增益。提高跨導 $g_m$ 需更多偏置電流——於是增益、頻寬、功耗、雜訊、線性度、輸出擺幅構成多維度的設計權衡空間,類比設計師的功力正體現於此。穩定度則由相位裕度(phase margin,通常 $\geq 60°$)保證,常以米勒補償(Miller compensation)達成。

資料轉換器:類比與數位的橋樑

ADC(類比數位轉換器)DAC 是訊號鏈的咽喉。衡量 ADC 的關鍵指標:

指標 意義
取樣率 $f_s$ 每秒取樣次數,須 $\geq 2\times$ 訊號頻寬(Nyquist)
解析度(bits) 量化階數,N bit = $2^N$ 階
SNDR 訊號對「雜訊 + 失真」之比
ENOB 有效位元數,反映真實效能
SFDR 無雜散動態範圍

理想 ADC 的量化雜訊決定 SNR 上限:

$$\mathrm{SNR}_{\mathrm{ideal}}\ (\mathrm{dB}) = 6.02 \cdot N + 1.76$$

$$\mathrm{ENOB} = \frac{\mathrm{SNDR} - 1.76}{6.02}$$

每增加 1 bit,SNR 改善約 6 dB。但實務上熱雜訊、時脈抖動(jitter)、非線性使 SNDR 低於理想值,故以 ENOB 衡量真實位元數——一顆標稱 16 bit 的 ADC,ENOB 可能只有 13~14 bit。

架構取捨

架構 速度 解析度 功耗效率 典型用途
Flash 極高(GS/s) 低($\leq 8$ bit) 差($2^N$ 比較器) 高速接收前端
SAR 中高(8~16 bit) 極佳 感測、IoT
Pipeline 中高(12~16 bit) 通訊、影像
Sigma-Delta(ΔΣ) 低(過取樣) 極高(16~24 bit) 音訊、量測

ΔΣ 以過取樣 + 雜訊整形把量化雜訊推往高頻再濾除,用速度換解析度;Flash 以面積與功耗換速度。能量效率常以 Walden FoM $= \mathrm{Power} / (2^{\mathrm{ENOB}} \cdot f_s)$(fJ/conv-step) 比較,先進 SAR 可達個位數 fJ。

射頻前端:把電波收進晶片

RF IC 處理 GHz 級無線訊號(Wi-Fi、5G、藍牙、衛星)。接收鏈的第一級是低雜訊放大器(LNA),因為依Friis 公式,整條鏈的雜訊指數由第一級主導:

$$F_{\mathrm{total}} = F_1 + \frac{F_2 - 1}{G_1} + \frac{F_3 - 1}{G_1 G_2} + \cdots$$

第一級的雜訊指數 $F_1$ 與增益 $G_1$ 幾乎決定整體雜訊。雜訊指數(NF)以 dB 計,頂尖 LNA 的 NF 可低至 1~2 dB;NF 每多 1 dB,接收靈敏度直接劣化 1 dB,等同覆蓋範圍縮水。

RF 前端的其他要角:

  • 混頻器(Mixer):將高頻訊號降頻至中頻或基頻,靠非線性相乘搬移頻譜。
  • 壓控振盪器(VCO)+ 鎖相迴路(PLL):產生純淨本振,相位雜訊(phase noise)直接影響鄰道干擾與調變精度(EVM)。
  • 功率放大器(PA):發射端核心,線性度與效率不可兼得——高效率的 class-E/F 失真大,需數位預失真(DPD)校正;OFDM 高峰均比訊號對線性尤其苛刻。

線性度以 IP3(三階截點)P1dB(1 dB 壓縮點) 量化,描述大訊號下的失真行為。

製程、變異與設計哲學

  • 電晶體匹配:差動對、電流鏡的精度取決於成對元件的匹配,遵循 Pelgrom 定律:失配標準差 $\sigma \propto 1/\sqrt{W \cdot L}$,故類比元件常刻意用大面積換匹配——與數位的微縮方向相反。
  • 製程不利於類比:先進節點供電電壓下降壓縮訊號擺幅、本質增益 $g_m \cdot r_o$ 降低、漏電上升,使類比設計在 3 nm 反而更難,催生「數位輔助類比」與校正技術。
  • 異質整合趨勢:RF 前端常用 SOI、SiGe BiCMOS、GaAs、GaN 等特殊製程,再與 CMOS 基頻封裝整合。

失效與挑戰

  • PVT 變異:製程、電壓、溫度三維變異使偏置點漂移,需 bandgap 基準、自動校正。
  • 串擾與基板耦合:數位開關雜訊經基板耦合污染敏感類比節點,靠隔離環、深 n-well、版圖對稱抑制。
  • 時脈抖動:限制高速 ADC 的有效解析度,$\mathrm{SNR}_{\mathrm{jitter}} = -20 \cdot \log(2\pi \cdot f_{in} \cdot t_{\mathrm{jitter}})$。

前沿現況

5G/6G mmWave、相位陣列收發器、車用雷達(77 GHz)、矽光子收發器,把類比/RF 推向更高頻與更高整合度。資料轉換器朝「更高取樣率 × 更高 ENOB × 更低 fJ/step」演進,並大量採用數位校正彌補類比不完美。類比 IC 是少數無法被製程微縮自動改善、必須靠工程師深厚物理直覺的領域。

延伸閱讀:〈影像感測器(CIS)〉、〈CMOS 邏輯與反相器〉。

接著問 AI 助教

點一下複製提問,到 ClassroomGPT、優學伴(AIDA)或你的 UeduGPTs 頻道貼上,AI 會引用本專區內容回答。

AI 共讀助教正在陪你讀:類比與射頻 IC
嗨!我是這篇文章的共讀助教,只根據〈類比與射頻 IC〉的內容回答。可以問我「解釋某段」「舉個例子」「出題考我」,或反白文中段落後點下方「解釋選取段落」。