电路笔记 : opa 运放失调电压失调电流输入偏置电流 + 反向放大器的平衡电阻 R3 = R1 // R2 以减小输出直流噪声
目录
- 定义
- 影响和解决
- 失调电压
- 输入偏置电流
- 平衡电阻R3推导公式:
- 失调电流
- 实际的运算放大器(Op-Amp)存在一些非理想特性,如失调电压(VIO)、失调电流(IIO)和输入偏置电流(IIB)。这些参数会影响放大器的性能,在电路设计时需要考虑这些因素的影响,如下图反相器中的平衡电阻R3。
定义
-
失调电压(VIO, Input Offset Voltage):
- 运算放大器的两个输入端即使在没有输入信号的情况下也可能存在一个小的电压差,这个电压差就是失调电压 V I O V_{IO} VIO。
- 理想情况下,运放的输出应为零当两个输入端短接时。但由于制造工艺的限制,实际运放可能存在几微伏到几毫伏的失调电压。
-
输入偏置电流(IIB, Input Bias Current):
- 输入偏置电流是指流入或流出运放输入端的平均电流。它是由输入晶体管的工作点决定的。
- 对于双极性运放,输入偏置电流通常较大;而对于场效应晶体管(FET)型运放,输入偏置电流则非常小。
- 公式: I I B = I + + I − 2 I_{IB} = \frac{I_{+} + I_{-}}{2} IIB=2I++I−
- I + I_{+} I+ 和 I − I_{-} I− 分别是流入正相和反相输入端的电流。
-
失调电流(IIO, Input Offset Current):
- 失调电流是指流入或流出两个输入端的电流之差。
- 公式: I I O = I + − I − I_{IO} = I_{+} - I_{-} IIO=I+−I−
- 失调电流反映了两个输入端电流的不匹配程度,通常比输入偏置电流小得多,但在某些高精度应用中仍然需要考虑。
影响和解决
失调电压
- 在反相放大器中,失调电压会直接出现在输出端,导致输出电压有一个固定的偏移量。
- 输出电压 V o u t V_{out} Vout 可以表示为:
V o u t = A v ⋅ ( V i n + V I O ) V_{out} = A_v \cdot (V_{in} + V_{IO}) Vout=Av⋅(Vin+VIO)
其中 A v A_v Av 是放大器的增益, V i n V_{in} Vin 是输入电压。 - 选择具有较低失调电压和较低输入偏置电流的运放,可以显著减小这些非理想因素对电路性能的影响。例如,FET输入类型的运放通常具有非常低的输入偏置电流,适合高阻抗应用。
- 在某些情况下,可以通过外部补偿网络来进一步减小失调电压和失调电流的影响。例如,使用电位器进行微调,或者通过软件校准方法来补偿这些误差。
输入偏置电流
- 输入偏置电流会在输入电阻上产生一个压降,这个压降会被放大器放大并出现在输出端。
- 对于反相放大器,假设输入电阻为 R 1 R_1 R1,反馈电阻为 R 2 R_2 R2,则由于输入偏置电流产生的误差电压 V e r r o r V_{error} Verror 可以近似为:
V e r r o r = I I B ⋅ R 1 V_{error} = I_{IB} \cdot R_1 Verror=IIB⋅R1 - 为了减小这种误差,可以在同相输入端添加一个平衡电阻 R 3 R_3 R3,使其等于 R 1 ∥ R 2 R_1 \| R_2 R1∥R2,这样可以使得两个输入端看到相同的阻抗,从而减少由输入偏置电流引起的误差。
平衡电阻R3推导公式:
- 如前所述,在同相输入端添加一个与反馈网络等效电阻相匹配的平衡电阻 R 3 R_3 R3,可以显著减小由于输入偏置电流引起的误差。
- 结论:当 R 3 = R 1 ∥ R 2 R_3 = R_1 \| R_2 R3=R1∥R2时,可以消除偏置电流对输出结果的影响:
{ I I B = I + + I − 2 I I O = I + − I − ⇒ { I + = I I B + I I O 2 I − = I I B − I I O 2 \color{blue} \left\{\begin{array}{l}I_{IB} = \frac{I_{+} + I_{-}}{2}\\I_{IO} = I_{+} - I_{-}\end{array}\right. \Rightarrow \left\{\begin{array}{l}I_{+} = I_{IB} + \frac{I_{IO}}{2}\\I_{-} = I_{IB} - \frac{I_{IO}}{2}\end{array}\right. {IIB=2I++I−IIO=I+−I−⇒{I+=IIB+2IIOI−=IIB−2IIO
I R 1 = I R 2 + I − ⇒ 0 − V − R 1 = V − − V o R 2 + I − ⇒ V − = V o × R 1 R 1 + R 2 − I − ∗ ( R 1 ∥ R 2 ) \color{red} I_{R1} = I_{R2} + I_{-}\\ \Rightarrow \frac{0-V_{-}}{R_1} = \frac{V_{-}-V_{o}}{R_2} +I_{-} \\ \Rightarrow V_{-}= V_{o} \times \frac{R_1}{R_1+R_2}-I_{-}*(R_1 \| R_2) IR1=IR2+I−⇒R10−V−=R2V−−Vo+I−⇒V−=Vo×R1+R2R1−I−∗(R1∥R2)
且 V − = V + + V I O = − I + × R 3 + V I O 且 V_{-}= V_{+} + V_{IO}= - I_{+}\times R_3+ V_{IO} 且V−=V++VIO=−I+×R3+VIO
⇒ − I + × R 3 + V I O = V o × R 1 R 1 + R 2 − I − ∗ ( R 1 ∥ R 2 ) ⇒ − ( I I B + I I O 2 ) × R 3 + V I O = V o × R 1 R 1 + R 2 − ( I I B − I I O 2 ) ∗ ( R 1 ∥ R 2 ) \Rightarrow - I_{+}\times R_3+ V_{IO} = V_{o} \times \frac{R_1}{R_1+R_2}-I_{-}*(R_1 \| R_2)\\ \Rightarrow - \color{blue} (I_{IB} + \frac{I_{IO}}{2}) \color{black}\times R_3+ V_{IO} = V_{o} \times \frac{R_1}{R_1+R_2}-\color{blue} (I_{IB} - \frac{I_{IO}}{2}) \color{black}*(R_1 \| R_2) ⇒−I+×R3+VIO=Vo×R1+R2R1−I−∗(R1∥R2)⇒−(IIB+2IIO)×R3+VIO=Vo×R1+R2R1−(IIB−2IIO)∗(R1∥R2)
失调电流
- 失调电流会导致两个输入端的电压降不同,从而引入额外的误差。
- 对于反相放大器,假设输入电阻为 R 1 R_1 R1,反馈电阻为 R 2 R_2 R2,则由于失调电流产生的误差电压 V e r r o r V_{error} Verror 可以近似为:
V e r r o r = I I O ⋅ ( R 1 − R 2 ) V_{error} = I_{IO} \cdot (R_1 - R_2) Verror=IIO⋅(R1−R2) - 通过选择合适的电阻值,可以使 R 1 R_1 R1 和 R 2 R_2 R2 尽可能接近,从而减小这种误差。
相关文章:

电路笔记 : opa 运放失调电压失调电流输入偏置电流 + 反向放大器的平衡电阻 R3 = R1 // R2 以减小输出直流噪声
目录 定义影响和解决失调电压输入偏置电流平衡电阻R3推导公式: 失调电流 实际的运算放大器(Op-Amp)存在一些非理想特性,如失调电压(VIO)、失调电流(IIO)和输入偏置电流(I…...

ScrapeGraphAI颠覆传统网络爬虫技术
ScrapeGraphAI颠覆传统网络爬虫技术! 引言 在互联网时代,数据如同油田,丰富而深邃。但如何有效地提取这些数据,仍然是许多开发者面临的艰巨任务。你有没有想过,传统的网络爬虫技术是否已经过时?如今&…...

通过多层混合MTL结构提升股票市场预测的准确性,R²最高为0.98
“Boosting the Accuracy of Stock Market Prediction via Multi-Layer Hybrid MTL Structure” 论文地址:https://arxiv.org/pdf/2501.09760 摘要 本研究引入了一种创新的多层次混合多任务学习架构,致力于提升股市预测的效能。此架构融…...

java将list转成树结构
首先是实体类 public class DwdCusPtlSelectDto {//idprivate String key;//值private String value;//中文名private String title;private List<DwdCusPtlSelectDto> children;private String parentId;public void addChild(DwdCusPtlSelectDto child) {if(this.chil…...

互联网分布式ID解决方案
业界实现方案 1. 基于UUID 2. 基于DB数据库多种模式(自增主键、segment) 3. 基于Redis 4. 基于ZK、ETCD 5. 基于SnowFlake 6. 美团Leaf(DB-Segment、zkSnowFlake) 7. 百度uid-generator() 基于UUID生成唯一ID UUID生成策略 推荐阅读 DDD领域驱动与微服务架构设计设计模…...

xinference 安装(http导致错误解决)
为什么要使用xinference 安装xinference 环境 1)conda create -n Xinference python3.11 注意:3.9 3.10均可能出现xinference 安装时候出现numpy兼容性,以及无法安装all版本 错误: error while attempting to bind on address&am…...

334递增的三元子序列贪心算法(思路解析+源码)
文章目录 题目思路解析源码总结题目 思路解析 有两种解法:解法一:动态规划(利用dp找到数组最长递增序列长度,判断是否大于3即可)本题不适用,因为时间复杂度为O(n^2),超时。 解法二:贪心算法:解法如上图,题目要求长度为三,设置第一个元素为长度1的值,是指长度二的…...

【Linux】29.Linux 多线程(3)
文章目录 8.4 生产者消费者模型8.4.1 为何要使用生产者消费者模型8.4.2 生产者消费者模型优点 8.5 基于BlockingQueue的生产者消费者模型8.5.1 C queue模拟阻塞队列的生产消费模型 8.6. 为什么pthread_cond_wait 需要互斥量?8.7 条件变量使用规范8.8 条件变量的封装8.9 POSIX信…...

利用UNIAPP实现短视频上下滑动播放功能
在 UniApp 中实现一个短视频上下滑动播放的功能,可以使用 swiper 组件来实现滑动效果,并结合 video 组件来播放短视频。以下是一个完整的示例,展示如何在 UniApp 中实现这一功能。 1. 创建 UniApp 项目 如果你还没有创建 UniApp 项目,可以使用 HBuilderX 创建一个新的项目…...

vscode+CMake+Debug实现 及权限不足等诸多问题汇总
环境说明 有空再补充 直接贴两个json tasks.json {"version": "2.0.0","tasks": [{"label": "cmake","type": "shell","command": "cmake","args": ["../"…...

【提示词工程】探索大语言模型的参数设置:优化提示词交互的技巧
在与大语言模型(Large Language Model, LLM)进行交互时,提示词的设计和参数设置直接影响生成内容的质量和效果。无论是通过 API 调用还是直接使用模型,掌握模型的参数配置方法都至关重要。本文将为您详细解析常见的参数设置及其应用场景,帮助您更高效地利用大语言模型。 …...

基于 .NET 8.0 gRPC通讯架构设计讲解,客户端+服务端
目录 1.简要说明 2.服务端设计 2.1 服务端创建 2.2 服务端设计 2.3 服务端业务模块 3.客户端设计-控制台 4.客户端设计-Avalonia桌面程序 5.客户端设计-MAUI安卓端程序 1.简要说明 gRPC 一开始由 google 开发,是一款语言中立、平台中立、开源的远程过程调用…...

6.Centos7上部署flask+SQLAlchemy+python+达梦数据库
情况说明 前面已经介绍了window上使用pycharm工具开发项目时,window版的python连接达梦数据库需要的第三方包。 这篇文章讲述,centos7上的python版本连接达梦数据库需要的第三方包。 之前是在windows上安装达梦数据库的客户端,将驱动包安装到windows版本的python中。(开…...

【C语言系列】深入理解指针(5)
深入理解指针(5) 一、sizeof和strlen的对比1.1sizeof1.2strlen1.3sizeof和strlen的对比 二、数组和指针笔试题解析2.1 一维数组2.2 字符数组2.2.1代码1:2.2.2代码2:2.2.3代码3:2.2.4代码4:2.2.5代码5&#…...

mysql自连接 处理层次结构数据
MySQL 的自连接(Self Join)是一种特殊的连接方式,它允许一个表与自身进行连接。自连接通常用于处理具有层次结构或递归关系的数据,或者当同一张表中的数据需要相互关联时。以下是几种常见的场景,说明何时应该使用自连接…...

##__VA_ARGS__有什么作用
##__VA_ARGS__ 是 C/C 中宏定义(Macro)的一种特殊用法,主要用于可变参数宏(Variadic Macros)的场景,解决当可变参数为空时可能导致的语法错误问题。以下是详细解释: 核心作用 消除空参数时的多余…...

鸿蒙 router.back()返回不到上个页面
1. 检查页面栈(Page Stack) 鸿蒙的路由基于页面栈管理,确保上一个页面存在且未被销毁。 使用 router.getLength() 检查当前页面栈长度: console.log(当前页面栈长度: ${router.getLength()}); 如果结果为 1,说明没有上…...

深度学习模型蒸馏技术的发展与应用
随着人工智能技术的快速发展,大型语言模型和深度学习模型在各个领域展现出惊人的能力。然而,这些模型的规模和复杂度也带来了显著的部署挑战。模型蒸馏技术作为一种优化解决方案,正在成为连接学术研究和产业应用的重要桥梁。本文将深入探讨模…...

STM32G0B1 ADC DMA normal
目标 ADC 5个通道,希望每1秒采集一遍; CUBEMX 配置 添加代码 #define ADC1_CHANNEL_CNT 5 //采样通道数 #define ADC1_CHANNEL_FRE 3 //单个通道采样次数,用来取平均值 uint16_t adc1_val_buf[ADC1_CHANNEL_CNT*ADC1_CHANNEL_FRE]; //传递…...

<tauri><rust><GUI>基于rust和tauri,在已有的前端框架上手动集成tauri示例
前言 本文是基于rust和tauri,由于tauri是前、后端结合的GUI框架,既可以直接生成包含前端代码的文件,也可以在已有的前端项目上集成tauri框架,将前端页面化为桌面GUI。 环境配置 系统:windows 10 平台:visu…...

模型 冗余系统(系统科学)
系列文章分享模型,了解更多👉 模型_思维模型目录。为防故障、保运行的备份机制。 1 冗余系统的应用 1.1 冗余系统在企业管理中的应用-金融行业信息安全的二倍冗余技术 在金融行业,信息安全是保障业务连续性和客户资产安全的关键。随着数字化…...

Deepseek部署的模型参数要求
DeepSeek 模型部署硬件要求 模型名称参数量显存需求(推理)显存需求(微调)CPU 配置内存要求硬盘空间适用场景DeepSeek-R1-1.5B1.5B4GB8GB最低 4 核(推荐多核)8GB3GB低资源设备部署,如树莓派、旧…...

AI-学习路线图-PyTorch-我是土堆
1 需求 PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】_哔哩哔哩_bilibili PyTorch 深度学习快速入门教程 配套资源 链接 视频教程 https://www.bilibili.com/video/BV1hE411t7RN/ 文字教程 https://blog.csdn.net/xiaotudui…...

[LeetCode]day17 349.两个数组的交集
https://leetcode.cn/problems/intersection-of-two-arrays/description/ 题目描述 给定两个数组 nums1 和 nums2 ,返回它们的交集。 输出结果中的每个元素一定是唯一的。 我们可以不考虑输出结果的顺序 。 示例 1: 输入:nums1 [1,2,2,1…...

axios 发起 post请求 json 需要传入数据格式
• 1. axios 发起 post请求 json 传入数据格式 • 2. axios get请求 1. axios 发起 post请求 json 传入数据格式 使用 axios 发起 POST 请求并以 JSON 格式传递数据是前端开发中常见的操作。 下面是一个简单的示例,展示如何使用 axios 向服务器发送包含 JSON 数…...

linux交叉编译paho-mqtt-c
下载源代码: https://github.com/eclipse-paho/paho.mqtt.c.git 编译: 如果mqtt不需要SSL安全认证,可以直接执行(注意把编译工具链路径改成自己的) cd paho.mqtt.c-1.3.13/ mkdir install # 创建安装目录 mkdir…...

feign Api接口中注解问题:not annotated with HTTP method type (ex. GET, POST)
Bug Description 在调用Feign api时,出现如下异常: java.lang.IllegalStateException: Method PayFeignSentinelApi#getPayByOrderNo(String) not annotated with HTTPReproduciton Steps 1.启动nacos-pay-provider服务,并启动nacos-pay-c…...

安装指定版本的pnpm
要安装指定版本的 pnpm,可以使用以下方法: 方法 1: 使用 pnpm 安装指定版本 你可以通过 pnpm 的 add 命令来安装指定版本: pnpm add -g pnpm<版本号>例如,安装 pnpm 的 7.0.0 版本: pnpm add -g pnpm7.0.0方法…...

【系统设计】Spring、SpringMVC 与 Spring Boot 技术选型指南:人群、场景与实战建议
在 Java 开发领域,Spring 生态的技术选型直接影响项目的开发效率、维护成本和长期扩展性。然而,面对 Spring、SpringMVC 和 Spring Boot 这三个紧密关联的框架,开发者常常陷入纠结:该从何入手?如何根据团队能力和业务需…...

常用数据结构之String字符串
字符串 在Java编程语言中,字符可以使用基本数据类型char来保存,在 Java 中字符串属于对象,Java 提供了 String 类来创建和操作字符串。 操作字符串常用的有三种类:String、StringBuilder、StringBuffer 接下来看看这三类常见用…...