热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

模拟电子技术反馈放大电路

文章目录一、反馈概念与分类1-1反馈1-2直流反馈与交流反馈1-3正反馈与负反馈1-4串联反馈与并联反馈1-5电压反馈与电流反馈二、负反馈电路2-1反馈深度讨论2-2负反馈对放大电


文章目录

  • 一、反馈概念与分类
    • 1-1 反馈
    • 1-2 直流反馈与交流反馈
    • 1-3 正反馈与负反馈
    • 1-4 串联反馈与并联反馈
    • 1-5 电压反馈与电流反馈
  • 二、负反馈电路
    • 2-1 反馈深度讨论
    • 2-2 负反馈对放大电路性能的影响
  • 三、深度负反馈


一、反馈概念与分类


1-1 反馈


将输出信号的部分或全部通过某种电路送回到放大电路的输入回路,与原输入信号相比较后再作用到放大电路的输入端,从而影响输出信号,这就构成了反馈。



  • xIx_IxI:反馈放大电路的输入信号
  • xIDx_IDxID:基本放大电路的输入信号(净输入信号)
  • xFx_FxF:反馈信号
  • xOx_OxO:输出信号
  • 开环-无反馈通路,闭环-有反馈通路
  • X可以是电压也可以是电流

1-2 直流反馈与交流反馈


存在于放大电路的直流通路中的反馈为直流反馈。直流反馈影响放大电路的直流性能,如静态工作点。存在于交流通路中的反馈为交流反馈。交流反馈影响放大电路的交流性能,如增益.输人电阻、输出电阻和带宽等。



  • 根据反馈到输入端的信号是交流,还是直流,或同时存在,来进行判别。(看电容连接方式,即看反馈元件在有电容的情况下是否有效)
  • 运放一般均引入的是交直流反馈。
  • 直流反馈
  • 交流反馈

1-3 正反馈与负反馈


正反馈:引入反馈后,使净输入量比无反馈时变大了。
负反馈:引入反馈后,使净输入量比无反馈时变小了。



  • 可用瞬时极性法判断
  • 注意极性判断顺序:输入→输出→反馈
  • 串联反馈输入与反馈极性相反,并联反馈输入与反馈极性相反。

1-4 串联反馈与并联反馈


当反馈信号与输入信号分别接至基本放大电路的不同输入端时,引入的是串联反馈;
当反馈信号与输入信号接至基本放大电路的同一个输人端时,引人的是并联反馈。



  • 简单判断
    ▶\blacktriangleright反馈信号与输入信号加在放大电路输入回路的同一个电极,则为并联反馈;反之,加在放大电路输入回路的两个电极,则为串联反馈。
    ▶\blacktriangleright对于三极管来说,反馈信号与输入信号同时加在输入三极管的基极或发射极,则为并联反馈;一个加在基极一个加在发射极则为串联反馈。
  • 在明确串联反馈和并联反馈后,正反馈和负反馈可用下列规则来简易判断:
    ▶\blacktriangleright并联反馈时:
    反馈信号和输入信号瞬时极性相同的为正反馈,瞬时极性相反的是负反馈;
    ▶\blacktriangleright串联反馈时:
    反馈信号和输入信号瞬时极性相同的为负反馈,瞬时极性相反的是正反馈。

1-5 电压反馈与电流反馈


  • 判断方法:负载短路法
    ▶\blacktriangleright将负载短路(未接负载时输出对地短路),反馈量为零―电压反馈。
    ▶\blacktriangleright将负载短路,反馈量仍然存在电流反馈。
  • 电压与电流反馈的简易判断方法
    一般来说:
    ▶\blacktriangleright反馈元件直接接在输出端为电压反馈。
    ▶\blacktriangleright反馈元件只要没有直接接到输出端,均为电流反馈。
    (特别注意:负载不属于放大器,因此不能算作反馈元件。)
    重点:反馈类型判断\color{Red}{反馈类型判断}

二、负反馈电路


2-1 反馈深度讨论

一般情况下,AAAFFF都是频率的函数,当考虑信号频率的影响时,AfA_fAfAAAFFF分别用Af˙\dot{A_f}Af˙A˙\dot{A}A˙F˙\dot{F}F˙表示。
Af˙=A˙1+A˙F˙\dot{A_f} =\frac {\dot A}{1+\dot A\dot F}Af˙=1+A˙F˙A˙ ,1+A˙F˙1+\dot A\dot F1+A˙F˙称为反馈深度。
▶\blacktriangleright ∣1+A˙F˙∣>1|1+\dot A\dot F|>11+A˙F˙>1时,∣AF˙∣<∣A˙∣|\dot{A_F}|<|\dot{A}|AF˙<A˙,一般负反馈。
▶\blacktriangleright ∣1+A˙F˙∣>>1|1+\dot A\dot F|>>11+A˙F˙>>1时,深度负反馈。
▶\blacktriangleright ∣1+A˙F˙∣<1|1+\dot A\dot F|<11+A˙F˙<1时,正反馈。
▶\blacktriangleright ∣1+A˙F˙∣<1|1+\dot A\dot F|<11+A˙F˙<1时,∣AF˙∣|\dot{A_F}|AF˙∞\infty,自激振荡。


2-2 负反馈对放大电路性能的影响


  • 提高增益的稳定性
    ▶\blacktriangleright闭环增益相对变化量是开环时的11+AF\frac{1}{1+AF}1+AF1
    ▶\blacktriangleright在深度负反馈条件下,Af˙≈1F˙\dot{A_f}\approx \frac{1}{\dot F}Af˙F˙1
    ▶\blacktriangleright即闭环增益只取决于反馈网络。当反馈网络由稳定的线性元件组成时,闭环增益将有很高的稳定性。负反馈的组态不同,稳定的增益不同。
  • 减小非线性失真
    ▶\blacktriangleright闭环时增益减小,线性度变好。
    ▶\blacktriangleright只能减少环内放大电路产生的失真,如果输入波形本身就是失真的,即使引入负反馈,也无济于事。
  • 抑制反馈环内噪声
  • 对输入电阻和输出电阻的影响\color{Red}{对输入电阻和输出电阻的影响}
    ▶\blacktriangleright串联负反馈——增大输入电阻
    ▶\blacktriangleright并联负反馈——减小输入电阻
    ▶\blacktriangleright电压负反馈——减小输出电阻,稳定输出电压
    ▶\blacktriangleright电流负反馈——增大输出电阻,稳定输出电流
    负反馈对放大电路性能的改善,是以牺牲增益为代价的,且仅对环内的性能产生影响。

三、深度负反馈


  • 深度负反馈条件下,闭环增益只与反馈网络有关。
  • 输入量近似等于反馈量,净输入量近似等于零。
  • 重点:利用“虚短”“虚断”计算\color{Red}{利用“虚短”“虚断”计算}
    例:
    解:该电路中引入了电流并联负反馈。
    根据虚短,虚断if=iii_f=i_iif=ii
    −ifRf=iRR-i_fR_f=i_RRifRf=iRR
    if=iR+i0i_f=i_R+i_0if=iR+i0
    又因为vn=vp=0v_n=v_p=0vn=vp=0,vs=iiRsv_s=i_iR_svs=iiRs,v0=−i0RLv_0=-i_0R_Lv0=i0RL
    所以闭环电压增益Avf=−i0RLiiRs=−(1+RfR)RLRsA_{vf}=\frac{-i_0R_L}{i_iR_s}=-(1+\frac{R_f}{R})\frac{R_L}{R_s}Avf=iiRsi0RL=(1+RRf)RsRL
    注意:若ioi_oio参考方向不同,将影响闭环增益的结果。

推荐阅读
  • 本文介绍了实现人工智能的多种方法,并重点探讨了当前最热门的技术——通过深度学习训练神经网络。文章通过具体实例详细解释了神经网络的基本原理及其应用。 ... [详细]
  • Python 数据可视化实战指南
    本文详细介绍如何使用 Python 进行数据可视化,涵盖从环境搭建到具体实例的全过程。 ... [详细]
  • 如何优化淘金币推广以提升效果?中小卖家在淘金币频道的制胜之道 ... [详细]
  • H凹变换优化技术——lhMorphConcave详解与应用摘要:本文详细介绍了lhMorphConcave技术,该技术通过优化H凹变换来提高图像处理的精度。具体而言,该函数在5×5的正方形区域内对输入图像进行二值化处理,以实现更精确的形态学分析。参数设置方面,sr参数用于控制变换的具体细节,从而确保在不同应用场景中都能获得理想的效果。此外,文章还探讨了该技术在实际项目中的应用案例,展示了其在图像分割、特征提取等领域的强大潜力。 ... [详细]
  • 浏览器作为我们日常不可或缺的软件工具,其背后的运作机制却鲜为人知。本文将深入探讨浏览器内核及其版本的演变历程,帮助读者更好地理解这一关键技术组件,揭示其内部运作的奥秘。 ... [详细]
  • 《海贼王》第1027话深度解析:大和暗示凯多命运,烬的真实身份竟是天龙人奴隶
    《海贼王》第1027话深度解析:大和暗示凯多命运,烬的真实身份竟是天龙人奴隶 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • 如何使用AU进行专业音频剪辑与处理?首先,创建多轨会话:在菜单中依次选择【文件】→【新建】→【多轨会话】。接下来,编辑项目的基本信息。对于初学者来说,初始设置可能会显得复杂且难以理解,但这是确保项目顺利进行的重要步骤。熟悉这些设置后,你将能够更高效地进行音频剪辑与处理。 ... [详细]
  • 蚂蚁课堂:性能测试工具深度解析——JMeter应用与实践
    蚂蚁课堂:性能测试工具深度解析——JMeter应用与实践 ... [详细]
  • 回顾过去十多年的开发经历,我在技术能力、培训机会、国际视野以及大型企业的工作经验方面都有了显著的提升。特别是从最初的月薪8k到如今的38k,这一过程中,我深刻体会到系统化学习对提升架构能力的重要性。最初踏入职场时,面对众多未知,我主要依赖团队领导的指导,专注于编写代码、管理数据库和进行测试。随着经验的积累和技术的不断进步,我逐渐意识到,只有通过系统化的学习和实践,才能在技术领域取得更大的突破。 ... [详细]
  • 目前我有两张 BMP 图像文件 a.bmp 和 b.bmp,希望将它们按照以下方式进行融合:首先提取 a.bmp 的所有奇数行像素(如第 1、3、5 行),接着获取 b.bmp 的所有偶数行像素(如第 2、4、6 行)。最终目标是将这些行像素交替排列,生成一张新的图像。此过程需要确保像素顺序正确,并保持图像的整体结构和质量。 ... [详细]
  • 题目解析给定 n 个人和 n 种书籍,每个人都有一个包含自己喜好的书籍列表。目标是计算出满足以下条件的分配方案数量:1. 每个人都必须获得他们喜欢的书籍;2. 每本书只能分配给一个人。通过使用深度优先搜索算法,可以系统地探索所有可能的分配组合,确保每个分配方案都符合上述条件。该方法能够有效地处理这类组合优化问题,找到所有可行的解。 ... [详细]
  • 深入解析Java虚拟机的内存分区与管理机制
    Java虚拟机的内存分区与管理机制复杂且精细。其中,某些内存区域在虚拟机启动时即创建并持续存在,而另一些则随用户线程的生命周期动态创建和销毁。例如,每个线程都拥有一个独立的程序计数器,确保线程切换后能够准确恢复到之前的执行位置。这种设计不仅提高了多线程环境下的执行效率,还增强了系统的稳定性和可靠性。 ... [详细]
  • Android平台下的人脸识别应用:FaceU的深度解析与技术探讨
    FaceU是一款由今日头条脸萌团队开发的拍照相机应用,支持iOS和Android平台。自2014年底启动开发以来,FaceU通过其创新的人脸识别技术和丰富的滤镜效果,在2015年9月迅速获得了用户的广泛认可。本文将深入解析FaceU的技术架构和实现方法,探讨其在Android平台下的应用前景和优化策略。 ... [详细]
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
author-avatar
putongren1980
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有