Digital Background Calibration of Interstage-Gain and Capacitor-Mismatch Errors in Pipelined ADCs
Notice bibliographique
Résumé
Two digital background-calibration techniques are proposed to correct for linearity errors due to capacitor mismatches and opamp nonidealities in the pipelined stages of a pipelined analog-to-digital converters (ADC): 1) capacitor-mismatch calibration: the feedback capacitor is randomly swapped with the sampling capacitor(s) in the multiplying digital-to-analog converter (MDAC) of each pipeline stage, during the normal ADC operation. The capacitor-mismatch errors in all stages are then concurrently calibrated in the digital domain. The proposed technique is applicable to both 1.5- and multi-bit MDACs. In a 13-bit pipelined ADC with 0.25% (1sigma) capacitor-mismatch errors, it improves the SNDR from 10 to 12.5 bits and the SFDR from 65 to 95 dB. 2) interstage-gain calibration: Gain errors due to opamp nonidealities in the MDAC of each pipeline stage are modeled using a 4th-order Taylor series expansion of the opamp output and are digitally calibrated. Compared to previously-reported methods for zero- and 2nd-order gain-calibration, the proposed technique for 4th-order gain-calibration reduces the opamp dc gains required to achieve a 13-bit SNDR in a 14-bit pipelined ADC by 22 dB and 9 dB, respectively. Behavioral simulation results are presented
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».