A Low-power High-gain Inverter Stacking Amplifier with Rail-to-Rail Output
Notice bibliographique
Résumé
In this article, a rail-to-rail low-power amplifier is presented based on stacking inverter-based amplifiers. The output voltages of each inverter-based amplifier are converted to a current and then mirrored to the output so that a rail-to-rail output is achieved. Besides, extensive simulations have been carried out to show the effect of drain-source voltage on the intrinsic gain of a transistor. Based on these simulations, a minimum supply voltage is chosen to achieve high open-loop gain and low closed-loop gain error. All the simulations are carried out in a commercially available 0.18 μm CMOS technology. The proposed amplifier achieves 88 dB open-loop gain. It is exploited in a capacitively-coupled amplifier structure. The closed-loop gain is 40 dB in the bandwidth of 0.1 Hz to 10 kHz when the power consumption is 0.54 μW at a 1.2 V supply voltage. The total input-referred noise is 4.7 μVrmsin the whole bandwidth. The proposed neural amplifier achieved 0.02 SEF in the bandwidth from 200 Hz to 10 kHz. The proposed amplifier achieved a rail-to-rail output swing while the SEF is among the best reported SEF in the literature. Besides, to show the robustness of the proposed structure in the presence of process and mismatch variation, 500 Monte Carlo simulations are carried out. The PSRR and CMRR mean values are 89 dB and 68 dB, respectively. Finally, the proposed neural amplifier area consumption is 0.03 mm2without pads.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».