当前位置: 首页 > news >正文

米勒电容补偿的理解

在这里插入图片描述

米勒电容补偿是使运放放大器稳定的重要手法,可以使两级运放的两个极点分离,从而可以得到更好的相位裕度。

Miller 电容补偿的本质是增加一条通路流电流,流电流才是miller效应的本质。给定一个相同的输入,Miller 电容吃掉的电流比没有miller电容大A倍。

假设输入ΔV,输出为-A*ΔV,电容两端电压变化-(1+A)*ΔV倍,流过电容的电流为Ifb=-(1+A)ΔVC/T,所以Iin=Ifb+Ierr,设输入电阻为R1,则Ierr=ΔV/R1.如果没有米勒电容,则Iin=Ierr。这意味着如果同样的Iin电流,有米勒电容电流几乎流向了Cf,Ierr分配的很少。

我们知道极点是分母为0的时候,如果是R1和C1并联,R1和C1为输入端电阻电容,另外,极点是流过电容C1的模值电流与流过电阻R1的电流模值相等的频率点。所以在相同的输入幅度下,流过Miller 电容Cf的电流比流过纯粹的电容C1大A倍,所以等效到输入电容就是ACf,此时为R1、ACf、C1并联,C1可忽略,那么以R1的电流模值作参考,那ACf对应的频率(带米勒电容)就要比C1(不带米勒电容)对应的频率小A倍。第一个极点由原来的1/(R1C1)变成1/(R1ACf),这里C1被忽略,极点往原点靠了。

另外,对于增益级的输出,假设在没有米勒电容的情况下,由R2和C2并联,形成极点。如果有米勒电容的情况下,可以看到同样的Iin下,Ierr电流被分配的很少了,意味着IerrR1-A的输出幅度变化小了,没有米勒电容输出幅度为IinR1-A。可以感觉到输出端输出电阻在米勒电容效应下,不再是R2,而是更小了,才会导致输出幅度变小,假设输出电阻变为R3,极点变成1/(R3C2),输出极点跟1/(R2C2)比,往外推了。

故综上所述,加上米勒电容后,系统的两个极点可以做到比原来分离的更开,从而改善相位裕度。
在这里插入图片描述

这里有个问题,加入米勒电容后,电路有两条电流路径,一条是x通过-A,再通过Y,另一条是X通过Cf再到达Y,当两条路径产生的信号大小相同,方向相反时,导致Y端输出为0,我们知道使信号幅度消失为0的频率点就是零点,这里形成右半平面的零点。右零点增加幅值,减小相位,如果右零点靠近单位增益带宽,会导致相位裕度急剧下降,使系统不稳定。

Miller 补偿会有一个前馈通路,形成一个右半平面的零点,所以一般会切断这个前馈通路,这里可以插入一个源极跟随器(会限制输出范围)或一个反向放大器,这样只有输出到输入的路径,没有了前馈路径。这样就可以把右边零点变成左边零点。如果A0的输出电阻为R0,则有左边零点-1/(R0*Cc).
在这里插入图片描述

这里举个简单的例子。利用M8共栅管切断前馈通路。可以看到Vin到Cc到Vout,这条通路,由于Vin往M8漏极的电阻很大,大概是Rds。所以前馈通路被阻断。Vout到Cc到Vin的反馈通路,从M8源极看进入,电阻大概是1/gm8,,这个阻抗很小,所以这个Vout到Cc到Vin的反馈通路是顺畅的,1/gm8越小,即gm8越大,说明反馈通路越顺畅。米勒补偿效果更佳。这里说明一下,如果1/gm8越大,则第二级共轭复极点效应越强烈,会导致稳定性变差。

http://www.xdnf.cn/news/480313.html

相关文章:

  • JMeter 教程:编写 GET 请求脚本访问百度首页
  • 学习笔记(C++篇)--- Day 5
  • 激活函数全解析:定义、分类与 17 种常用函数详解
  • 奥运数据可视化:探索数据讲述奥运故事
  • VulnHub | Breach - 1
  • 顶层设计-IM系统架构
  • Leetcode刷题 | Day64_图论09_dijkstra算法
  • linux,我启动一个springboot项目, 用java -jar xxx.jar ,但是没多久这个java进程就会自动关掉
  • android vlc播放rtsp
  • 2025春训第十九场
  • 多通道电源管理芯片在分布式能源系统中的优化策略
  • 打卡习惯,记录坚持:我用 CodeBuddy 做了个毛玻璃风格的习惯打卡小应用
  • gflags 安装及使用
  • 精准掌控张力动态,重构卷对卷工艺设计
  • 用户现场不支持路由映射,如何快速将安防监控EasyCVR视频汇聚平台映射到公网?
  • 移除链表元素数据结构oj题(力扣题206)
  • 基于MATLAB的人脸识别,实现PCA降维,用PCA特征进行SVM训练
  • 无线攻防实战指南:Wi-Fi默认密码
  • 【未】[启发式算法]含初始解要求的有:TS, GA, SA, DPSO
  • WebSocket 客户端 DLL 模块设计说明(基于 WebSocket++ + Boost.Asio)
  • Core Web Vitals 全链路优化:从浏览器引擎到网络协议深度调优
  • linux下tcp/ip网络通信笔记1,
  • uniapp-商城-57-后台 新增商品(弹窗属性数据添加父级)
  • uniapp婚纱预约小程序
  • 一键清理功能,深度扫描本地存储数据
  • RK3588 ADB使用
  • 品铂科技在UWB行业地位综述(2025年更新)
  • Python线性回归:从理论到实践的完整指南
  • 大语言模型 10 - 从0开始训练GPT 0.25B参数量 补充知识之模型架构 MoE、ReLU、FFN、MixFFN
  • 学习海康VisionMaster之直方图工具