QinrenYao的个人空间 http://blog.eetop.cn/1773925 [收藏] [复制] [分享] [RSS]

日志

ISSCC2021 hybrid EF-CIFF noise shaping SAR 分析

热度 12已有 1458 次阅读2021-3-1 21:22 |个人分类:NS SAR|系统分类:芯片设计| ISSCC2021

本人目前正在做一个噪声整形SAR ADC的一个项目,最初是基于ISSCC 2020发表的一篇4th-order cascaded noise shaping SAR来实现。看完今年新发表的这篇hybrid noise shaping(NS) SAR还是有所感悟,就此记录一下这篇文章里面比较巧妙的点。当然,文章主要涉及到两个部分的优化,分别是noise shaping的方法和sampling KT/c noise cancellation。我主要分析了一下这个hybrid noise shaping的工作原理及如何对应文中提到的优点。

首先,读这篇文章前建议先读一下ISSCC 2020那篇cascaded noise shaping的文章,对理解整个系统的传输函数还是很有帮助的。

在这篇文章中,hybrid noise shaping对应二阶的EF和一阶的CIFF。二阶的EF工作原理是利用capacitor和ping-pong switching实现二阶的FIR,需要注意的是,用capacitor实现FIR的时候需要每个cycle都reset用于summation feedback的capacitor。一阶的CIFF也是利用switch和capacitor,但应注意,用于实现IIR的summation capacitor不需要reset。两种NS的方式都需要buffer提供gAIn来补偿charge sharing造成的charge loss。尽管如此,以此方法实现的IIR依然不能达到理想的一阶低通传输函数,推导方式如下:

-----------------------------------------

根据电荷守恒:

(Cint+Ciir) * Vint(n) = G * Ciir * Vres(n-1) + Cint * Vint(n-1);

经过z变换:

Vint(z) = (G * Ciir * z^(-1)) / ((Cint + Ciir) - Cint * z^(-1));

可以得出文中的a的表达式即为:

a = Cint / (Cint + Ciir)

若要想使得a接近1,Cint就需要远大于Ciir,并且buffer需要提供的gain同时也会增加,这对buffer的设计提出了更高的要求。

-----------------------------------------

文中另外非常巧妙的一点是将CIFF NS path看做了一个sub quantizer,这样FIR的输入其实是通过一个高通滤波器后的quantization noise,这样就能够有效的减小buffer offset和comparator offset带来的影响,下面给出完整的传输函数推导:

-----------------------------------------

设两个summation capacitor之间的电压为Vx,则有:

Vx(z) + Vres(z)  * Hiir+ Q(z) = Dout(z)

Vres(z) = Vx(z) - Dout(z)

得到:

Dout(z) = Vx(z) + Q(z) / (1 + Hiir)

故CIFF的NTF为(1 / (1 + Hiir))= 1 - a*z^(-1),同样将结果代入到Vres(z)的表达式,可以得到Vres(z)其实本质上就是经过CIFF path noise shaping过后的quantization noise = (1 - a*z^(-1))* Q(z)。

-----------------------------------------

而通过EF path的NTF的表达式也能够推出:

-----------------------------------------

Vres(z) * Hfir + Vin(z)  = Vx(z)

Vx(z) + (1 - az^(-1)) = Dout(z)

得到:

Dout(z) = (1 - Hfir) * (1 / (1 + Hfir)) * Q(z) + Vin(z)

-----------------------------------------

至此,整个hybrid EF-CIFF SAR的工作原理也就分析完毕,如有错误请指正。在我看来,这个结构的复杂性不高,而且同样支持实现更高阶的NS并保持其优点~


全部作者的其他最新日志

发表评论 评论 (8 个评论)

回复 fengjie0728 2021-3-2 18:52
谢谢分享
回复 方块forever 2021-3-4 23:46
最后的两个公式是不是楼主打错了?

Vx(z) + (1 - az^(-1)) = Dout(z) --> Vx(z) + Q(z)(1 - az^(-1)) = Dout(z)

得到:

Dout(z) = (1 - Hfir) * (1 / (1 + Hfir)) * Q(z) + Vin(z) --> Dout(z) = (1 - Hfir) * (1 / (1 + Hiir)) * Q(z) + Vin(z)

所以这个设计的优点就是用一个active amplifier和一系列的passive integrator实现了三阶shaping?

不过我一直感觉如果带宽要求不高的话,2阶noise shaping SAR加上高OSR要比这种高阶的loop filter设计起来简单很多。完全可以把SAR的位数做高一点,OSR也高一点来避免过于复杂的传递函数和系统设计。当然如果对于带宽或者采样频率有要求,可能high order的loop filter会有一定优势。
回复 QinrenYao 2021-3-5 03:06
方块forever: 最后的两个公式是不是楼主打错了?

Vx(z) + (1 - az^(-1)) = Dout(z) --> Vx(z) + Q(z)(1 - az^(-1)) = Dout(z)

得到:

Dout(z) = (1 - Hfir) * (1 / (1 + H ...
感些对错误的指正~
1. 用一个amplifier实现3阶NS的确是文章强调的优点之一;
2. 目前看的NS SAR的文章其DAC基本在9bit左右。做大SAR的精度是一个选择,但可能对应的是更大的CADC面积和功耗(可能会受mismatch的影响);如果同时采用低阶的NS,对比较器噪声抑制作用也会受限,导致比较器的功耗增加;而如果采用更高的OSR,根据delta sigma的原理,OSR是每翻倍提升相同的ENOB,比如OSR从8到16,这个转变会导致digital logic activity翻倍,基本意味着其功耗翻倍,这些在我看来和低功耗的需求是相矛盾的,不过也得根据实际要求来决定;另外这篇论文提出的方法,抛开SNC不谈,实现起来并不会很复杂~引用ISSCC 2020 Lu,‘The low core resolution eases the implementation of the SAR logic and CDAC routing, and also simplifies digital filtering and calibration.’
回复 方块forever 2021-3-5 04:53
QinrenYao: 感些对错误的指正~
1. 用一个amplifier实现3阶NS的确是文章强调的优点之一;
2. 目前看的NS SAR的文章其DAC基本在9bit左右。做大SAR的精度是一个选择,但可能对 ...
哈哈,这么快就获得回复了。其实这确实有点像SIGMA DELTA里面OSR, quantizer bit和loop filter阶数之间的tradeoff。正如你说,增加OSR会导致digital logic的功耗上升。但OSR减小的同时当然也意味着更小的kT/C采样噪声的要求和更小的放大器噪声要求,因为这两部分噪声只被oversample了,而没有被shape。不过这些设计确实都很有趣,期待你更多的分享!
回复 QinrenYao 2021-3-5 16:30
方块forever: 哈哈,这么快就获得回复了。其实这确实有点像SIGMA DELTA里面OSR, quantizer bit和loop filter阶数之间的tradeoff。正如你说,增加OSR会导致digital logic的功耗 ...
感谢您的见解~
回复 方块forever 2021-3-5 17:26
楼主是在国内还是在欧洲呀?
回复 QinrenYao 2021-3-5 20:34
方块forever: 楼主是在国内还是在欧洲呀?
目前还在欧洲~
回复 fengjie0728 2021-3-6 14:11
谢谢分享

facelist

您需要登录后才可以评论 登录 | 注册

关闭

站长推荐 上一条 /2 下一条

小黑屋| 关于我们| 联系我们| 在线咨询 |  EETOP 创芯网 ( 京ICP备:10050787号 京公网安备:11010502037710 )

GMT+8, 2021-4-10 22:30 , Processed in 0.049722 second(s), 20 queries , Gzip On.

返回顶部