Multipath Instrumentation Amplifier를 활용한 저항형 브릿지 센서용 저잡음 아날로그 프론트 엔드 :Low-noise Resistive Bridge Sensor Analog Front-end using Chopper-Stabilized Multipath Current Feedback Instrumentation Amplifier

권용수

추천

검색

자료유형: 학위논문

저자정보: 권용수 (충남대학교, 忠南大學校大學院)

지도교수: 고형호

발행연도: 2021

저작권: 충남대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2021

Multipath Instrumentation Amplifier를 활용한 저항형 브릿지 센서용 저잡음 아날로그 프론트 엔드

권용수 전자공학과 2021.01 학위논문

2020

완전 차동 전류 피드백 계측회로를 이용한 저항형 브릿지 센서용 아날로그 프론트 엔드

권용수 , 김형섭 , 유동근 외 3명 대한전자공학회 학술대회 2020.08 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문은 resistive bridge 센서용 저잡음 AFE를 제안한다. 제안하는 AFE는 multipath CFIA, 4th-order LPF, buffer, 12-bit SAR ADC, SPI block 등으로 구성되어 있다. 본 논문에서는 센서 출력 신호의 offset 및 CFIA의 residual offset을 제안하는 AFE 내부에서 자동으로 보정하기위해, binary search algorithm을 이용한 AOCL을 구현하였다. 수 mV의 수준의 전압을 가지는 resistive MEMS 센서의 출력 전압을 정확히 readout 하기 위해서는 IA의 저잡음 특성이 매우 중요한데, 이를 위해 제안하는 CFIA는 chopper stabilization technique을 적용하였다. 또한, chopper의 동작으로 up-modulation된 저주파수 대역의 잡음으로 인해 발생하는 IA 출력의 ripple을 저감하기 위해 RRL을 구현하였다. 반면, RRL은 IA의 transfer function상에서 chopper 동작 주파수 대역에 notch 특성을 야기시켜 bandwidth를 줄어들게 하는데, 이를 보상하기 위해 multipath 구조를 구현하였다. 제안하는 resistive bridge 센서용 저잡음 AFE는 Magna 0.18 um 1P6M CMOS 공정을 통해 제작되었으며, active area는 5.87 mm2을 가지고, 3.3 V의 전원 전압에서 686 μA의 전류를 소모한다. 그중, 제안하는 multipath CFIA는 123.2 μA의 전류 소모를 가지며, 1 Hz에서 27.1 nV/√Hz의 input referred noise 성능을 나타내고, 4.27의 NEF 값을 가진다. 본 논문의 AFE는 낮은 잡음 성능, 낮은 전류 소모뿐만 아니라 5-bit register를 통해 15.56 dB ? 44.14 dB의 조절 가능한 gain을 가져, 저잡음, 저전력 특성을 요구하는 다양한 IoT용 resistive bridge 센서 application에 활용 가능 할 것으로 기대된다.

With the advent of the Fourth Industrial Revolution, the Internet of Things (IoT) is drawing attention as a new technology paradigm envisioned as a global network of machines and devices that can interact with each other. In line with this change, the microelectromechanical systems (MEMS) sensor responsible for the sensing layer of the IoT is highly integrated, and the sensing element of these sensors are decreasing. To accurately amplify the sensing element of these sensors, the low-noise characteristics of readout circuit are very critical. The low-power characteristics of the sensor readout circuit are also essential for low system costs and long operating times of battery-powered sensor systems. This paper proposes a low-noise resistive bridge sensor analog front-end (AFE) using chopper-stabilized multipath current feedback instrumentation amplifier (CFIA). The proposed AFE consists of CFIA, automatic offset calibration loop (AOCL), 4th-order LPF, buffer, and 12-bit successive approximation register analog-to-digital converter (SAR ADC). The proposed multipath CFIA consists of two main signal paths: high frequency path and low frequency path. The low frequency path applied chopper stabilization technique to implement low-noise characteristic of CFIA. In addition, low frequency path adopts ripple reduction loop (RRL) to attenuate output ripple caused by chopper up-modulation. The high frequency path compensates for bandwidth diminution caused by the implementation of the RRL and is offset-stabilized by the low frequency path. Furthermore, the proposed AFE is implemented using AOCL based on a binary search algorithm to compensate for the impact caused by the offset of the sensor within the circuit itself. The proposed CFIA has an adjustable gain of 15.56 dB ? 44.14 dB. The proposed resistive bridge sensor AFE is implemented in a standard 0.18 μm CMOS process and draws 686 μA current from 3.3 V supply. The proposed multipath CFIA has a current consumption of 123.2 μA, input referred noise of 10 nV/√Hz and noise efficiency factor (NEF) of 4.27.

1. 서론 1
1.1. 연구 배경 1
1.2. 저잡음 Instrumentation Amplifier의 기존 연구 동향 4
1.3. 제안하는 저항형 브릿지 센서용 저잡음 Analog Front-end 12
2. 회로 설계 13
2.1. 전체 회로 설계 13
2.2. Multipath Current Feedback Instrumentation Amplifier 15
2.2.1. Low Frequency Path 17
2.2.2. Ripple Reduction Loop 19
2.2.3. High Frequency Path 22
2.3. Automatic Offset Calibration Loop 24
2.4. 4th-order Low Pass Filter 33
2.5. 12-bit Successive Approximation Register Analog-to-Digital Converter 36
3. 제작 및 성능 평가 결과 38
3.1. 제작 결과 38
3.2. 성능 평가 결과 39
3.2.1. 측정 환경 39
3.2.2. 본 회로의 성능 측정 40
4. 결론 및 향후 연구 50

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)