在本文中，我将介绍如何使用一款电路自动化设计工具RFIC-GPT，对第八届集创赛IEEE杯赛的LNA进行简单设计。以下内容将分为3部分：第一部分是对第八届集创赛进行赛题指标的分析；第二部分将简单介绍一些噪声的基础知识，包括不同器件的噪声类型等；第三部分详细介绍了LNA的设计流程，包括LNA架构的选取、设计的步骤，以及在cadence中介绍具体的仿真方法和自动化设计工具RFIC-GPT的使用方法。
1 赛题分析与架构选择
第八届集创赛IEEE杯赛的LNA给出的性能指标如下图所示：
在这些需要满足的性能指标中，实现起来有一定挑战的指标是S11，普通的LNA对于S11的要求一般是＜-10dB即可，这里的指标要求<-15dB，对于输入匹配有更高的要求。此外，上表中额外加入了稳定性的指标，这个指标并没有出现在网站上的指标里，因为稳定性是所有放大器都需要具备的指标，也是赛题的隐含条件。此外，其他的指标实现起来并不算困难，同学们更需要考虑如何达到进阶指标，例如提高线性度、进一步优化NF和降低功耗等。
2 噪声的基本分类
在电路里，噪声主要可以分成三大类：热噪声、散粒噪声和闪烁噪声，其中散粒噪声在MOSFET中是比较低的，因此在平时的分析中可以忽略。闪烁噪声又称1/F噪声，因为它的强度随频率的增加呈负相关，因此在这个LNA的设计频段(24~27G)，闪烁噪声可以基本上忽略，主要考虑的噪声来源为热噪声。
上图介绍了电阻中热噪声的等效表达方式，可以看到阻值为R1的电阻可以等效为一个平均电压为4kTR1的电压源（戴维南等效）或者是一个平均电流为4kT/R1的电流源（诺顿等效），在设计中可以选择合适的等效模型进行分析。
另外一个和噪声相关的概念是有效噪声功率，如上图。有效噪声功率指的是一个阻值为R1的电阻能够向外界传播的最大噪声功率为kT，其中k为玻尔兹曼常数。
还有一个很重要的噪声模型是MOS管的热噪声模型，如上图所示。等效模型中，ind为漏级电流噪声，它的表达式是ind^2=4kTBγgd0，其中gd0是晶体管线性区的输出电导，参数γ在线性区为1，进入饱和区会减小，同时短沟道器件的γ会更高。ing为栅噪声，其表达式为ing^2=4kTBδGg，其中gg是频率的函数，因此栅噪声的功率谱密度也依赖于频率。
在真实的电路设计中，除了MOS管和电阻会产生热噪声外，其他的无源器件（包括电容电感）由于其非理想性会存在寄生电阻，也会贡献热噪声。
3 LNA的详细设计流程
步骤一：根据指标来确定LNA的基本架构，常见的LNA架构有以上三种。分别的特点如下：
a) Common-Source: 最常见，结构简单，NF特性好
b) Cascode：在Common-Source的基础上增加了cascode管，增益更高，隔离度更好
c) Common-Gate：增益和NF特性稍差，但是输入阻抗低，适合用于宽带匹配
步骤二：确定晶体管参数，包括晶体管的尺寸、偏置电压等，需要根据电路的功耗、匹配阻抗、增益等指标来综合确定。
我们可以使用下图中的这个testbench对一个晶体管的Gmax和NFmin进行评估，其中Gmax指的是一个电路在输入和输出都为理想共轭匹配的情况下能够提供的最大增益，可用于评估电路的增益能力；NFmin表示一个电路在输入理想
噪声匹配的情况下能够实现的最小噪声系数，可用于评估电路的噪声水平。在这个testbench中我们对一个共源级的放大器进行评估，里面使用了理想大电感(L=1)提供交流断路和理想大电容(C=1)提供交流短路。输入和输出port的内阻均为50ohm。下图给出了这个晶体管的Gmax和NFmin随直流功耗(Idc)的曲线。可以看到Gmax随着Idc的关系并不是线性的，当功耗不断增大时，晶体管的Gmax会趋于饱和；而NFmin随着Idc的增大存在一个最小值，因此可以根据这两个仿真结果以及电路的设计指标来选取晶体管合适的偏置点（即功耗）。
步骤三：进行输出阻抗匹配。关于先进行输入阻抗还是输出阻抗的匹配，大部分时候我更加倾向于先进行输出匹配，因为在当前工艺节点下，短沟道调制效应的影响很大，drain端的阻抗会影响输入阻抗；匹配完成需要查看该匹配网络的损耗以及整体电路的增益；
步骤四：输出匹配完成后，可以开始进行输入匹配。匹配完成后需查看该匹配网络的损耗，NF以及电路增益；
步骤五：由于电路的隔离度必然不是无穷的，输入阻抗的变化会导致输出阻抗的变化，需要更新输出网络；同理，输出网络的变化会改变输入阻抗，需要更新输入网络。该过程可能需要经过几次迭代。
在传统无源匹配网络的迭代过程中，需要设计者手动调节电感或者变压器的尺寸、金属宽度等，因此这是一个非常繁琐的过程。而RFIC-GPT工具将这个过程智能化，极大程度上缩短了设计周期。RFIC-GPT工具可以根据电学指标，在秒级时间内直接生成射频器件和电路的GDSII或原理图，准确度高达95%。
以生成一个电感为例，首先在RFIC-GPT的官网上输入所需电感的相关电学参数，包括工作频率、品质因数、电感值等，点击计算即可生成所需要的电感，如上图所示。
将生成的无源网络导入cadence有两种方法，第一种是将压缩包中gds导入服务器，再通过stream in的功能导入；另一种方法是通过RFIC-GPT提供的passive generator导入。在压缩包中打开无源网络的代码（上图），并将这些代码输到passive generator中的RFIC-GPT code一栏中（下图），即可生成所需的无源网络。
有了上述的快速迭代方法，我们搭建一个简单的cascode结构的LNA，testbench如下图所示。其中无源网络都搭建了一个cell，用于映射它的s参数文件。进行多次迭代后，我们可以获得这个结构的S参数仿真结果。
在24~27G的工作频段内，仿真S11<-18.2dB，S22<-11.4dB，增益＞12.5dB，NF<3.5dB，稳定性也满足要求。这个设计可用于满足赛题的基本设计要求，但如果想在比赛中获得奖项则需要尽力优化NF和线性度，以及尽可能的降低功耗。
/2 
eetop公众号
创芯大讲堂
创芯人才网
发表于 2024-4-23 19:08:46
