一种基于人工神经网络的超宽带低噪声放大器的制作方法

本发明属于射频集成电路领域，具体涉及一种基于人工神经网络的超宽带低噪声放大器。

背景技术：

随着短距离无线通信的发展，人们对高速无线通信系统性能的要求越来越高，更大容量、更快的速度以及更安全的通信是短距离无线通信的必然发展趋势。而无线通信系统离不开接收机，接收机中最前端的射频模块是低噪声放大器LNA，它对整个接收机和整个通信系统有着重要的影响。为了满足高速传输的需求，要求低噪声放大器LNA能在宽的频带范围内工作，所以引发了对超宽带低噪声放大器的研究。

除此之外，低噪声放大器LNA作为整个接收机中功耗较大的模块，为了保证其续航能力，需要使其有低的功耗。对于UWB(ultra wideband)系统即超宽带系统而言，低功耗是其基本要求。但是，由于输入信号中有很大的噪声，根据系统噪声级联公式可知，在接收端的低噪声放大器必须提供足够的增益以保证后级噪声不会对系统性能造成过大的影响，同时，足够的增益需要消耗高功耗才能实现。因此低噪声放大器LNA的增益要求和功耗要求之间存在某种关系的矛盾，如何在减小功耗的同时尽可能的增大增益是应用于UWB系统中低噪声放大器LNA设计的重要课题。

超宽带低噪声放大器电路的实现通常有3种方式：第一种是采用如文章“A Monolithic DC-70-GHz Broadband Distributed Amplifier Using 90-nm”所报道的分布式结构拓展带宽；第二种是利用如文章“Bandwidth extension techniques for CMOS amplifiers”所报道的电感峰化技术；第三种是利用文章“Wide-Band CMOS Low-Noise Amplifier Exploiting Thermal Noise Canceling”所报道的电阻负反馈噪声抵消技术。然而，第一种实现方式会占用很大的芯片面积，并且功耗大、噪声性能差；第二种方式不易实现宽带输入匹配；第三种方式很难实现高的平坦增益。为解决这一问题，专利CN10479919A中提到了一种自偏置的超宽带低功耗噪声放大器，实现了在0.2-6GHz频率范围内工作的LNA并保持16±1.3dB增益、<2.8dB的噪声系数和良好的输入匹配。然而传统的电路设计始终有着自身工艺和设计的限制，如何进一步提高LNA的带宽、降低噪声、提高增益、降低功耗以及维持良好增益平坦度，是超宽带低噪声放大器设计的关键点。

技术实现要素：

针对现有的超宽带低噪声放大器因为传统工艺以及设计限制无法提供其所在工作频段的最佳噪声数据NF的缺点，本发明提供了一种基于人工神经网络的超宽带低噪声放大器。

本发明的技术方案如下：

一种基于人工神经网络的超宽带低噪声放大器，包括控制电压产生模块和超宽带低噪声放大器模块，

所述超宽带低噪声放大器模块包括低频增益放大电路和高频增益放大电路，所述高频增益放大电路的输入端连接所述低频增益放大电路的输出端，其输出端作为所述超宽带低噪声放大器模块的输出端，所述低频增益放大电路包括由第二NMOS管M3和第二PMOS管M4构成的可变电阻；

所述控制电压产生模块包括传感器、数据选择器、输入数据处理单元、人工神经网络和输出数据处理单元，

传感器的输入端连接所述超宽带低噪声放大器模块的输出端，采集所述超宽带低噪声放大器模块的频率数据f、噪声数据NF、匹配数据S11以及增益数据S21；

数据选择器，其第一输入端与传感器的输出端连接，第二输入端连接控制电压信号Contr，数据选择器在控制电压信号Contr的控制下对传感器采集到的数据进行选择得到预输入数据；

输入数据处理单元，其第一输入端连接数据选择器的输出端，第二输入端连接控制电压信号Contr，其输出端与人工神经网络的第一输入端相连，将预输入数据进行处理得到人工神经网络能直接处理的输入数据X；

人工神经网络，其第二输入端连接控制电压信号Contr，其输出端连接输出数据处理单元的输入端，在控制电压信号Contr的控制下对输入数据X按照预期设定的非线性函数变换V＝g(X)做出非线性响应，产生非线性控制电压的数字信号；

输出数据处理单元，其输入端链接人工神经网络的输出端，将人工神经网络输出的非线性控制电压的数字信号转换为电压信号，即控制电压V，其输出端连接所述超宽带低噪声放大器模块中第二NMOS管M3和第二PMOS管M4的栅极调整其构成的可变电阻的阻值，同时反馈回输入数据处理单元。

具体的，所述控制电压信号Contr为状态切换信号，控制人工神经网络、数据选择器和输入数据处理单元在学习状态和工作状态之间切换。

具体的，当控制电压信号Contr控制输入数据处理单元处于学习状态时，输入到输入数据处理单元的数据包括频率数据f、控制电压V、噪声数据NF、匹配数据S11和增益数据S21，则输入数据X＝(f，V，NF，S11，S21)；当控制电压信号Contr控制数据选择器处于工作状态时，输入到数据选择器的数据只有频率数据f，则输入数据X＝(f)。

具体的，所述低频增益放大电路包括第一NMOS管M1、第一PMOS管M2、第二NMOS管M3、第二PMOS管M4和第一电感L1，

第一PMOS管M2的栅极、第二NMOS管M3和第二PMOS管M4的漏极以及第一电感L1的一端相连构成所述超宽带低噪声放大器模块的输入端，第一电感L1的另一端连接第一NMOS管M1的栅极，

第二NMOS管M3和第二PMOS管M4的栅极连接所述输出数据处理单元的输出端，第二NMOS管M3和第二PMOS管M4的源极与第一NMOS管M1和第一PMOS管M2的漏极连接并作为所述低频增益放大电路的输出端，

第一NMOS管M1的源极接地GND，第一PMOS管M2的源极接电源电压VDD。

具体的，所述高频增益放大电路包括第二电感L2、第三电感L3、第三NMOS管M5、第三PMOS管M6，

第二电感L2的一端接所述低频增益放大电路的输出端，其另一端连接第三NMOS管M5和第三PMOS管M6的栅极，

第三PMOS管M6的漏极连接第三电感L3的一端作为所述超宽带低噪声放大器模块的输出端并与所述控制电压产生模块的传感器的输入端连接，其源极接电源电压VDD，

第三NMOS管M5的漏极接第三电感L3的另一端，其源极接地GND。

本发明提出的一种基于人工神经网络的超宽带低噪放大器的工作过程分为三个阶段，具体为：

第一阶段：训练数据采集

在每一个不同的频率fi下，i为温度标号，在由第二PMOS管M4和第二NMOS管M3构成的可变电阻两端施加控制电压对±Vi，第二NMOS管M3的栅极连接正控制电压，第二PMOS管M4的栅极连接负控制电压，使得在不同的频率点fi，电路在此频率下满足匹配和增益要求时达到最低的噪声数据NF，记录数据(Vi，fi)，得到训练样本Y＝(Vi，fi)；此时训练样本Y是二维数组，其中f作为人工神经网络的输入，V作为人工神经网络的目标输出。

第二阶段：人工神经网络的训练(学习)

该阶段，控制电压信号Contr控制人工神经网络处于学习状态，同时控制通过数据选择器的数据为在训练数据采集阶段得到的噪声数据NF。第一阶段采集的训练样本数据Y＝(Vi，fi)经输入数据处理单元处理后输入到人工神经网络，人工神经网络对输入变量X＝(f，V，NF，S11，S21)做出响应，产生网络输出，然后对网络输出和目标输出V做比较，当两者的误差不满足预设的精度要求时，人工神经网络调整网络权值W，直到误差小于预设的精度，训练结束。

第三阶段：工作

该阶段，控制电压信号Contr控制人工神经网络处于工作状态。控制电压信号Contr控制输入到输入数据处理单元的数据为X＝(f)，人工神经网络根据在第二阶段训练好的网络权值W对输入数据X＝(f)按照预期设定的非线性函数变换V＝g(X)做出非线性响应，产生非线性控制电压V＝g(f)，该控制电压经输出数据处理单元后控制第二PMOS管M4、第二NMOS管M3的栅端电压，从而使由第二PMOS管M4和第二NMOS管M3构成的可变电阻阻值变化使得电路得到满足增益、匹配条件下的最优的噪声数据NF。

本发明的有益效果为：本发明将人工神经网络用于低噪声放大器，克服了传统超宽带低噪声放大器设计由于反馈电阻不可变无法进一步对电路性能进行提升的缺点，通过控制电压产生模块中人工神经网络自身固有的非线性映射能力使得该网络能够以高精度逼近非线性函数，从而产生对频率呈非线性函数的控制电压，该电压通过控制第二PMOS晶体管M4和第二NMOS晶体管M3的栅端电压，从而使第二PMOS晶体管M4和第二NMOS晶体管M3组成的可变电阻阻值变化，使得电路得到在各个频率下满足增益、匹配条件下的最优的噪声系数NF；第二级高频增益放大电路利用第二电感L2以及第三电感L3的电感峰化效应有效拓展了本电路再高频增益带宽。

附图说明

图1是本发明提出的一直基于人工神经网络的超宽带低噪声放大器的结构示意图。

图2是人工神经网络的训练示意图。

图3是本发明提出的一直基于人工神经网络的超宽带低噪声放大器中超宽带低噪声放大器模块的拓扑结构图。

图4是超宽带低噪声放大器模块电路的小信号简化图。

图5是本发明提出的一种基于人工神经网络的超宽带低噪声放大器的增益、匹配与噪声系统仿真曲线。

具体实施方式

下面结合附图和距离实施方式对本发明作进一步详细的说明。

本发明的核心在于用人工神经网络产生由第二PMOS晶体管M4和第二NMOS晶体管M3构成的可变电阻两端所需的控制电压。人工神经网络自身固有的非线性映射能力使得该网络能够以高精度逼近非线性函数，从而产生对频率呈非线性函数的控制电压，该电压通过控制第二PMOS晶体管M4、第二NMOS晶体管M3栅电压，从而使可变电阻阻值变化使得电路得到满足增益、匹配条件下的最优的噪声系数NF。

如图1所示为本发明提出的一直基于人工神经网络的超宽带低噪声放大器的结构示意图，包括控制电压产生模块和超宽带低噪声放大器模块。其中，控制电压产生模块由传感器、数据选择器、输入数据处理单元、人工神经网络和输出数据处理单元组成，其作用是产生对频率呈非线性关系的控制电压；该控制电压由输出数据处理单元输出控制超宽带低噪声放大器模块中第二PMOS管M4和第二NMOS管M3的栅端电压，从而使由第二PMOS管M4和第二NMOS管M3构成的可变电阻阻值变化使得电路得到满足增益、匹配条件下的最优的NF。

所述控制电压产生模块中，传感器与输入数据处理单元相连，用于探测并传输超宽带低噪声放大器模块的频率数据f、噪声数据NF、匹配数据S11以及增益数据S21。

输入数据处理单元的输入端还与超宽带低噪声放大器模块中的控制电压相连，输出与人工神经网络的输入相连，其作用是接收输入数据，并对其处理成人工神经网络可以直接处理的数据。

人工神经网络的输出端接输出数据处理单元，作用是在控制电压信号Contr控制下对输入数据x按照预期设定的非线性函数变换V＝g(x)做出非线性响应，产生非线性控制电压；

输出数据处理单元的输出接超宽带低噪声放大器模块中的第二NMOS管M3和第二PMOS管M4的控制电压，其作用是对人工神经网络的输出数据处理后接到第二NMOS管M3和第二PMOS管M4的栅极，通过控制第二NMOS管M3和第二PMOS管M4在线性工作区的电阻来实现对电路噪声的调节。

其中控制电压信号Contr是人工神经网络以及数据选择器和输入数据处理单元的状态切换信号，该信号控制人工神经网络以及数据选择器和输入数据处理单元在学习状态和工作状态之间切换。

当控制电压信号Contr控制人工神经网络处于学习状态时，控制电压信号Contr控制输入到输入数据处理单元的数据是5维，包括频率f、控制电压v、噪声NF、增益S21、匹配S11，既X＝(V，f，NF，S21，S11)；而当控制电压信号Contr控制人工神经网络处于工作状态时，控制电压信号Contr控制输入到输入数据处理单元的数据只有频率数据f，即：X＝(f)。

该基于人工神经网络的超宽带低噪放大器的工作过程分为三个阶段，具体为：

第一阶段：训练数据采集

在每一个不同的频率fi下，i为温度标号，在由第二PMOS管M4和第二NMOS管M3构成的可变电阻两端施加控制电压对±Vi，第二NMOS管M3的栅极连接正控制电压，第二PMOS管M4的栅极连接负控制电压，使得在不同的频率点fi，电路在此频率下满足匹配和增益要求时达到最低的噪声数据NF，记录数据(Vi，fi)，得到训练样本Y＝(Vi，fi)；此时训练样本Y是二维数组，其中f作为人工神经网络的输入，V作为人工神经网络的目标输出。

第二阶段：人工神经网络的训练(学习)

该阶段，控制电压信号Contr控制人工神经网络处于学习状态，同时控制通过数据选择器的数据为在训练数据采集阶段得到的噪声数据NF。第一阶段采集的训练样本数据Y＝(Vi，fi)经输入数据处理单元处理后输入到人工神经网络，人工神经网络对输入变量X＝(f，V，NF，S11，S21)做出响应，产生网络输出，然后对网络输出和目标输出V做比较，当两者的误差不满足预设的精度要求时，人工神经网络调整网络权值W，直到误差小于预设的精度，训练结束。

第三阶段：工作

该阶段，控制电压信号Contr控制人工神经网络处于工作状态。控制电压信号Contr控制输入到输入数据处理单元的数据为X＝(f)，人工神经网络根据在第二阶段训练好的网络权值W对输入数据X＝(f)做出非线性响应，产生非线性控制电压V＝g(f)的数字信号，该控制电压的数字信号经输出数据处理单元后转换为电压信号控制第二PMOS管M4、第二NMOS管M3的栅端电压，从而使由第二PMOS管M4和第二NMOS管M3构成的可变电阻阻值变化使得电路得到满足增益、匹配条件下的最优的噪声数据NF。

本发明的超宽带低噪声放大器模块超宽带低噪声放大器模块电路如图3所示，由第一级的低频增益放大电路和第二级的高频增益放大电路组成；

其中，低频增益放大电路包括第一NMOS管M1、第一PMOS管M2、第二NMOS管M3、第二PMOS管M4和第一电感L1，第一PMOS管M2的栅极、第二NMOS管M3和第二PMOS管M4的漏极以及第一电感L1的一端相连构成所述超宽带低噪声放大器模块的输入端，第一电感L1的另一端连接第一NMOS管M1的栅极，第二NMOS管M3和第二PMOS管M4的栅极连接所述输出数据处理单元的输出端，第二NMOS管M3和第二PMOS管M4的源极与第一NMOS管M1和第一PMOS管M2的漏极连接并作为所述低频增益放大电路的输出端，第一NMOS管M1的源极接地GND，第一PMOS管M2的源极接电源电压VDD。

此结构参考了Shih-Fong Chao的文章A DC-11.5GHz Low-Power，Wideband Amplifier Using Splitting-Load Inductive Peaking Technique，并在其结构上进行了优化，本发明设计的超宽带低噪声放大器电路利用了自偏置回避了偏置电路的设计简化了电路设计并且约束了电路的功耗。

其中，高频增益放大电路包括第二电感L2、第三电感L3、第三NMOS管M5、第三PMOS管M6，第二电感L2的一端接所述低频增益放大电路的输出端，其另一端连接第三NMOS管M5和第三PMOS管M6的栅极，第三PMOS管M6的漏极连接第三电感L3的一端作为所述超宽带低噪声放大器模块的输出端并与所述控制电压产生模块的传感器的输入端连接，其源极接电源电压VDD，第三NMOS管M5的漏极接第三电感L3的另一端，其源极接地GND。

第二级高频增益放大电路利用第二电感L2以及第三电感L3的电感峰化效应有效拓展了本电路再高频增益带宽。

由图3可以得到电路的小信号模型，如图4所示，图中Cgs1、Cgs2、Cgs5、Cgs6分别是NMOS第一NMOS管M1、第一PMOS管M2、第三NMOS管M5、第三PMOS管M6的栅源间的寄生电容，Cgd1、Cgd2、Cgd3、Cgd4分别是第一NMOS管M1、第一PMOS管M2、第三NMOS管M5、第三PMOS管M6栅漏间的寄生电容，Rˊ是由第二PMOS管M4、第二NMOS管M3构成的可变电阻，ro1、ro2、ro5、ro6分别是第一NMOS管M1、第一PMOS管M2、第三NMOS管M5、第三PMOS管M6的输出电阻，gm1、gm2、gm3、gm4分别是第一NMOS管M1、第一PMOS管M2、第三NMOS管M5、第三PMOS管M6的小信号跨导。

通过小信号电路图，我们可以推导得到电路的输入电阻R_in

以及第一级电路增益

其中s＝jw＝j2πf

对于二级结构而言，电路的总噪声系数

其中NF₁是第一级电路的噪声系数，NF₂是第二级电路的噪声系数，A_P1是第一级电路的有效功率增益。由此可见第一级的噪声系数在电路的总噪声系数中起着主导作用。第一级电路中，Rˊ作为反馈电阻，在扩展低噪声放大器带宽上起着重要的作用，然而电阻反馈网络会产生自身的热噪声，因此通过调节Rˊ大小也可以调节电路的噪声系数。

通过人工神经网络产生可变电阻两端所需的控制电压，人工神经网络自身固有的非线性映射能力使得该网络能够以高精度逼近非线性函数，从而产生对频率呈非线性函数的控制电压，该电压通过控制第二PMOS晶体管M4、第二NMOS晶体管M3栅电压，从而使第二PMOS晶体管M4、第二NMOS晶体管M3组成的可变电阻阻值变化使得电路得到满足增益、匹配条件下的最优的噪声系数NF。

图5展示了基于人工神经网络的超宽带低噪声放大器对于电路的优化结果。

可以看到，本发明克服了传统超宽带低噪声放大器设计由于反馈电阻不可变无法进一步对电路性能进行提升的缺点，通过人工神经网络的控制可以达到在各个频率下的最低噪声使得电路性能得到极大提高。

本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。