LTspice(14) Noise仿真

LTspice(14) Noise仿真

好久没有更新LTspice的教程了,大家想了没?

截止目前LTspice已经更新到24.0.9。界面发生了一些变化,但主要功能并不受影响,新的版本改了UI,找东西更加方便了,界面如下图1所示。

图1:LTspice新版本界面

这一讲我们仿真噪声,这一版本的LTspice的help使用了网页的形式展现,这样更加便于翻译软件的大展身手。

翻译后的Noise说明如下:

|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| This is a frequency domain analysis that computes the noise due to Johnson, shot and flicker noise. The output data is noise spectral density per unit square root bandwidth. 这是一种频域分析,用于计算约翰逊噪声、散射噪声和闪烁噪声引起的噪声。输出数据为每单位平方根带宽的噪声频谱密度。 Syntax: .noise V(<out>[,<ref>]) <src> <oct, dec, lin> <Nsteps> <StartFreq> <EndFreq> 语法:.noise V([,]) <oct, dec,="" lin=""> .noise V(<out>[,<ref>]) <src> list <FirstFreq>[ <NextFreq> [<NextFreq> ...]] .noise V([,]) 列表 [ [ ...]] V(<out>[,<ref>]) is the node at which the total output noise is calculated. It can be expressed as V(n1, n2) to represent the voltage between two nodes. <src> is the name of an independent source to which input noise is referred. <src> is the noiseless input signal. The parameters <oct, dec, lin>, <Nsteps>, <StartFreq>, and <EndFreq> define the frequency range of interest and resolution in the manner used in the .ac directive. V([,]) 是计算总输出噪声的节点。可以表示为V(n1,n2)来表示两个节点之间的电压。 是输入噪声所引用的独立源的名称。 是无噪声输入信号。参数 <oct、dec、lin>、 、 和 以 .ac 指令中使用的方式定义感兴趣频率范围和分辨率。 Output data trace V(onoise) is the noise spectral voltage density referenced to the node(s) specified as the output in the above syntax. If the input signal is given as a voltage source, then data trace V(inoise) is the input-referred noise voltage density. If the input is specified as a current source, then the data trace inoise is the noise referred to the input current source signal. The noise contribution of each component can be plotted. These contributions are referenced to the output. You can reference them to the input by dividing by the data trace "gain". 输出数据迹线 V(onoise) 是参考上述语法中指定为输出的节点的噪声频谱电压密度。如果输入信号作为电压源给出,则数据迹线 V(inoise) 是折合到输入端的噪声电压密度。如果输入被指定为电流源,则数据迹线 inoise 是参考输入电流源信号的噪声。可以绘制每个组件的噪声贡献。这些贡献被引用到输出中。您可以通过除以数据迹线"增益"来将它们引用到输入中。 The waveform viewer can integrate noise over a bandwidth by <Ctrl-Key> + left mouse button clicking on the corresponding data trace label. 波形查看器可以通过+鼠标左键单击相应的数据迹线标签来积分带宽上的噪声。 The syntax ".noise V(<out>[,<ref>]) <src> list <Freq>" with a single analysis frequency is useful in combination with .step. It allows you to plot noise densities as a function of a stepped parameter. 具有单个分析频率的语法".noise V([,]) list "与.step结合使用很有用。它允许您将噪声密度绘制为阶跃参数的函数。 |

新的help界面如下图2所示:

图2:LTspice新的帮助文件界面

好了,直接开始正题,构建一个简单的运算放大器跟随电路如下图3所示。注意LTspice中的OP07是ADI家的OP07,不能用LTspice的结果去带入其他家的OP07。

图3:基本跟随器电路

图4:仿真设置

图4中提供了仿真设置,OUT代表你要分析的最终信号ta需要两个网络节点,如果是参考GND的话,那就直接一个写网络标,另外一个写0,在Spice中0就是接地。Input代表你这个噪声相对是那个电压源的,直接写你输入的这个电压源就可以,在这里我们用的是V3电压源就直接设置为V3电压源即可,Type of sweep 设置扫描类型可以对数扫描10倍频程还是8倍频程,也可以线性扫描等等,然后选择扫描每10倍频程的点数,点数越多越精细。看ADI手册ADC的噪声扫描的范围是1Hz到1KHz那我们扫描也扫描1Hz到1KHz。详情如下图5所示。

图5:ADI OP07 Noise

图6:ADI OP07仿真结果

图7:ADI OP07仿真结果

从图6,图7的结果可以看出,仿真结果基本上和ADI OP07的手册相对应。仿真代码如仿真代码1所示。

仿真代码1:

|---------------------------------------------------------------------------------------------------------------------------------------------------------------|
| V1 VCC 0 12 V2 0 VEE 12 V3 IN 0 1 XU1 IN OUT VCC VEE OUT LT1001 .noise V(OUT,0) V3 dec 100 1 1000 .lib LTC.lib .backanno .end |

在试试看加强滤波输出啥效果,如图8所示,加了强滤波在118Hz左右时候Noise就1nV都不到了。

图8:加强滤波后的噪声输出效果

今天就先到这里了,关注xuyuntong 了解更多

一些信息:

翻译软件欧路词典

相关推荐
As977_19 分钟前
前端学习Day12 CSS盒子的定位(相对定位篇“附练习”)
前端·css·学习
ajsbxi22 分钟前
苍穹外卖学习记录
java·笔记·后端·学习·nginx·spring·servlet
Rattenking23 分钟前
React 源码学习01 ---- React.Children.map 的实现与应用
javascript·学习·react.js
dsywws1 小时前
Linux学习笔记之时间日期和查找和解压缩指令
linux·笔记·学习
道法自然04021 小时前
Ethernet 系列(8)-- 基础学习::ARP
网络·学习·智能路由器
爱吃生蚝的于勒1 小时前
深入学习指针(5)!!!!!!!!!!!!!!!
c语言·开发语言·数据结构·学习·计算机网络·算法
老衲不用@飘柔1 小时前
元器件篇——自恢复保险丝(PPTC)
硬件工程
cuisidong19973 小时前
5G学习笔记三之物理层、数据链路层、RRC层协议
笔记·学习·5g
南宫理的日知录3 小时前
99、Python并发编程:多线程的问题、临界资源以及同步机制
开发语言·python·学习·编程学习
数据与后端架构提升之路4 小时前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习