作者：Nevena Rakuljic, Carroll Speir, Eric Otte, Jeffery Bray, Corey Petersen, and Gabriele Manganaro

提出了一種線性化級聯組合信號IC的新方法，用于原位校正PCB缺陷和相互加載。這樣可以大幅縮短系統設計/原型設計周期，并以可忽略不計的功耗成本最大限度地提高信號鏈性能。報告了使用高達3GHz的RF信號并使用12b/10GSPS ADC進行的實驗結果，驗證了該方法的有效性。

介紹

基礎設施通信系統、儀器儀表和防空應用的進步推動了對RF和混合信號IC的更高性能要求，特別是高速/高動態范圍數據轉換器[1-3]。

然而，在信號鏈中的IC之間插入的印刷電路板（PCB）和封裝會引入寄生效應，并遭受制造缺陷的影響，從而導致網絡中的電路不平衡并損害GHz信號的線性度。

模數轉換器（ADC）的采樣保持放大器（THA）前面通常有一個片內緩沖器，以簡化與片外驅動放大器（或可變增益放大器）的耦合。片上緩沖能力有限，耗電大，并且在高頻時會減弱。IC之間的相互加載引入了額外的非線性或改變IC最佳工作條件。

接收（Rx）信號鏈如圖1所示。每個功能模塊（混頻器、驅動放大器、濾波器和ADC;后者包括前端緩沖器和THA）是同一PCB上的獨立IC。雖然每個模塊都可以單獨（或在實驗室的最佳定制板上）發揮最佳性能，但一旦耦合并受到雜散和實際PCB的限制，整個鏈的凈性能可能會受到限制。

數字。1. 經典“接收”（Rx）信號鏈示例。

IC設計人員努力加強芯片接口的電路，以滿足在各種負載條件下所需的性能。通常，使用這些組件的系統設計人員需要定制和迭代設計，以最大程度地減少上述損傷的影響。IC高級模型（通常是簡單的電子表格）的局限性和電路板雜散建模不足加劇了這種努力。原型設計工作可能會為高性能系統的開發增加幾個月的時間，并且需要IC供應商的應用工程人員的參與[4，5]。

這里介紹的非線性校準（NLC）方法通過在寬輸入頻率范圍內校正動態非線性失真來緩解這些問題。RF/混合信號IC整個信號鏈的非線性模型的參數是原位確定的，即在系統板上確定。然后推導一個數字逆校正函數，使二階和三階失真為零。這是在信號鏈處理信號之前在前臺執行的。然后，逆函數實時應用于ADC輸出端的數據流，從而對損傷的影響進行后失真（線性化）。這讓人想起數字預失真（DPD）或通信系統中的回聲/傳輸消除[6]。

本文的組織結構如下。第二部分討論校準系統及其操作。第三部分介紹了非線性、模型參數識別和二次和三次諧波失真的消除所采用的模型。最后，第四部分報告了實驗結果，量化了所提出的校準的有效性。

信號鏈的非線性消除

背景

假設圖1中的每個IC（例如驅動放大器、濾波器、ADC）都已經過單獨優化。因此，例如，如果ADC需要內部前臺校準[3]，則需要事先完成。

然后，我們考慮ADC數字輸出之間存在的凈靜態非線性特性，例如，ADC的數字輸出之間D外和驅動放大器的模擬輸入v在如圖 2 所示。圖2的下部勾勒出卡通曲線（為了解釋而夸大）。這捕獲了由各種損傷引起的整體非線性，例如放大器和抗混疊濾波器之間以及濾波器和ADC輸入之間攜帶差分模擬信號的成對走線之間的殘余不平衡，加上所有雜散，以及模塊之間的相互負載等。

數字。2. 信號鏈非線性。

為了理解這一點，我們考慮一下，例如，僅ADC的低頻線性度通常優于75dB，即優于5000分之一。無論ADC性能如何，任何電路板設計缺陷或隨機制造缺陷，如果不是明顯好于此缺陷，都會影響和降低信號鏈的凈線性度。更糟糕的是，在處理GHz范圍內的寬帶信號的應用中，如基礎設施通信系統或高性能儀器[6]，這種非線性也具有頻率相關分量，因此其行為無法僅使用泰勒級數展開進行精確建模。

算法線性化的操作

假設信號路徑非線性是弱單調非線性[6，7]。設 H（.） 是D外和v在如圖2所示。所提出的消除方法包括通過應用反函數以數字方式反轉其失真Hc(.)到ADC的輸出數據流D外，返回線性化數據流D林如圖 3 所示：

其中 G 和D0分別是轉換增益和失調。Hc（.） 嵌入在 ADC 中，由表示轉換器芯片的虛線表示。

數字。3. 非線性度的數字校正。反函數 Hc（.） 嵌入在 ADC 中（虛線勾勒出芯片）。

Hc(.)其特征在于由向量C捕獲的許多模型參數。下面概述了原位確定C的程序。

為此，H（.） 需要使用施加的信號來執行。這是在信號鏈工作之前完成的，沒有混頻器輸出。在驅動放大器的輸入端生成并注入測試信號u。u由數模轉換器（DAC）合成，該轉換器也與ADC位于同一芯片上，如圖4所示，但集成不是必需的。DAC線性度需要優于目標信號路徑線性度。微控制器uC還嵌入在ADC中，以執行多種功能，包括ADC本身的初始校準[3]，此處用于控制和執行模型識別算法和反函數創建。

數字。4.注入測試信號。

模數轉換器輸出D外對應于由H（.）處理的信號U的數字表示存儲在片上RAM上。在此之后，u 歸零，RAM 的內容由 uC 處理以估計 C，從而確定Hc（.，C） 如圖 5 所示，稍后將對此進行詳細說明。

數字。5.校正參數的確定。

一旦找到C，信號鏈就可以以實際v在，現在是混頻器的輸出，并返回線性化輸出D林（因為 Hc（.） 使鏈失真無效）。從這一點開始，C沒有變化。如果工作溫度或其他參數漂移重新出現過度失真，則需要重新校準[9]。

所提出的方法是可擴展到功能更多的塊。例如，還可以包括驅動放大器前面的混頻器。為此，用于注入u的求和節點在圖5左側的混頻器信號輸入處向上游移動。施加u時，另一個混頻器的端口需要用本地振蕩器激勵，但在此校準階段，沒有其他RF信號施加到混頻器的Rx輸入。該過程在概念上與前面描述的過程相同。

建模、刺激和校正

建 模

H（.） 及其逆模型類型所采用的模型類型Hc(.)是一個平行的、時間離散的哈默斯坦模型[8]，由平行分支組成，每個分支包含一個靜態非線性元素，后跟一個動態線性元素。這種選擇是合理的，因為非線性的主要來源的性質是連續時間驅動放大器、濾波器、緩沖器等[6，7]。當其他非線性源（如時間交錯失真或采樣電荷注入失真）先前可以忽略不計時，這是有效的[1-3，9]。

圖 5 鏈的完整動態模型如圖 6 所示。所有具有傳遞函數 G 的模塊都是線性濾波器。例如，理想的DAC輸出u可以由傳遞函數線性頻率塑造G發援會，通常可能與傳遞函數不同G我來自混頻器的射頻輸出。H（.） 的模型由線性分量、二次分量和立方分量組成，每個分量都有線性濾波器。理想量化器Q返回數字輸出D外頻率采樣fs.

圖6.鏈的完整模型，包括 H（.） 和 HC（.）。

D外然后由Hc（.，C），它也使用哈默斯坦模型，其中輸入信號的二次分量和三次分量被估計、組合并從失真序列中減去D外返回更正的序列D林.Hc（.，C） 中的函數系數構成 C，這些系數可以直接與 H（.） 中的系數代數相關。

而v在假設始終處于第一奈奎斯特波段（輸入頻率f在假定為f在C 的訓練算法中產生了歧義，并且還需要分別估計二次項和三次項的傳遞函數響應，并分別估計第二和第三奈奎斯特區。校正中的歧義已在 H 中得到解決C通過引入足夠高的插值，在我們的例子中為 4x，在二次和三次校正項的求和之前（隨后在應用校正之前被抽取 4）。

刺激和模型識別

DAC和ADC均以速率計時fs.寬帶偽隨機序列以及單音和雙音都被用作刺激來訓練系數C并導致可比較的結果，盡管這兩種方法中的每一種都有自己的優點和缺點。在本文的其余部分，僅討論了單音調刺激的情況。

在這種情況下，DAC 將 u 合成為形式為 cos（ωt + ?0).產生多個頻率ω的音調，確保產生的諧波不會相互疊加混疊（即在采樣時，這些諧波不會落在相同的頻率箱中）。

使用比圖 6 所示更簡單的 H（.） 模型，為了簡化數學運算，理想采樣器/量化器 Q 之前的失真信號 y（t） 可以寫為 y（t） = [α1v在（t） + α2v在2（t） + α3v在3（t）] *g3（t） 凡α2和α3是失真系數，非線性項與線性時不變（LT I）脈沖響應復雜g3更正D外的訓練算法Hc需要估計α2, α3和g3（t）。

y 的傅里葉變換為：

其中 Г（ω） 包含一些其他（交叉）項，而不是ωo, 2ωo或 3ωo.這可以寫成：

其中 ?（ω） 包含一些其他不在ωo, 2ωo或 3ωoα和β可以相互關聯。因為D外是 Y 的數字表示，因此：

由H（.）產生的基波、二次和第一次諧波，標度和相移G3很容易看到。這些術語映射到Hc取消二次項和三次項。因此，C 可以從 H（.） 計算出來。反過來，H（.）可以從其通過以均勻間隔的頻率注入音調u獲得的頻率響應中識別出來，如第II節所述，避免主諧波落在相同的FFT箱上。然后，如所見，C 是代數找到的。

（4）上的更多代數表明，當二階和三階諧波D外別名到第一奈奎斯特帶，（4）中的相應項被相位否定，這需要跟蹤。此外，而不是提取β2G3（eJωo), β3G3（eJ3Ωo）在（4）中，它們與β的關系1G3（eJωo）實際使用，因此僅在第一奈奎斯特區需要激勵，但需要更多計算。如果G發援會是一個一階系統，它的影響可以通過了解的力量來解釋D外的根本。最后，將DAC定時于以下位置引入的另一個實際限制fs如f在接近奈奎斯特，是u將是sinc形的，更重要的是u的（fs–f在） 第一個圖像也接近奈奎斯特并產生光譜估計問題。

實驗結果

NLC已應用于信號鏈，如圖2所示，并使用圖7所示的芯片，嵌入[3]中所述的12b/10GSPS ADC、14b/10GSPS信號注入DAC、10GHz低相位噪聲時鐘合成器、校準引擎（包括微控制器uC）和本文范圍之外的其他功能， 例如數字下變頻器和濾波器。此處報告的結果是在采樣率fs=6GSPS，這是射頻信號接近3GHz的通信系統所要求的[6]。

數字。7.芯片的芯片布局和主要功能塊。

在對近滿量程激勵進行線性化之前，已經測量了信號鏈的單音次級（HD2）和三次諧波（HD3）失真性能、信噪比（SNR）、無雜散動態范圍（SFDR）和雙音三階交調失真（IMD3）。結果在圖8-11中標記為“標稱”的曲線中報告。

數字。8. （a） HD2 和 （b） HD3 與 f 的單音失真性能在線性化之前（標稱）和線性化后（校正）的基波輸入功率為 -1dBFS 和 fs=6GSPS。

數字。9. （a） 信噪比和 （b） SFDR 與 f在對于 -1dBFS 和 f 的輸入s=6GSPS。

數字。10. 雙音IMD3 for （a） （2F）一個–Fb） 及 （b） （2樓）b–F一個） 與 f在= （F一個+Fb）/2 表示 –7dBFS 和 f 的輸入s=6GSPS。

數字。11. （a） HD2 和 （b） HD3 與 f在適用于 –10dBFS 和 f 的小輸入s= 6GSPS。

然后應用 NLC，再次測量性能指標，并在標記為“NLC 校正”的疊加曲線中以相同的數字報告。在NLC之后，線性度性能在幾乎整個奈奎斯特范圍內顯著改善，最終隨著輸入接近而達到遞減的回報fs/2，如預期的那樣。圖10a顯示噪聲性能（SNR）沒有像預期的那樣受到影響。圖10b中SFDR的改進證實了HD2和HD3的主要貢獻，驗證了對模型選擇所做的假設。

雖然這些曲線顯示了接近滿量程（-1dBFS）激勵的系統性能，但重要的是要確認NLC適用于較小的激勵。因此，無需重新校準，而只需減少v在的功率，失真已在較低的輸入功率電平（即-3dBFS，-6dBFS，-10dBFS）下重新測量。由于空間限制，圖11中僅報告了-10 dBFS的更極端情況。雖然由于激勵較小，標稱性能在前期有所改善，但除了低頻時HD2略有下降外，NLC性能優于或與標稱性能相當，證實了該方法的魯棒性。

在實時運行的校準鏈中，數字逆函數的應用僅增加了約150mW的功耗，而整個信號鏈消耗的總功耗超過5W，無需校正。

審核編輯：郭婷