4.模拟电子技术笔记——半导体三极管

写在前面

这个是第四个模电笔记,我们讲半导体三极管

这一章的很多概念都很重要,并且有一些需要记忆的内容,要认真对待

笔记部分

1.半导体三极管的基本原理简述

1.1结构:

1.这个箭头是PN结正向导通方向

2.有两个类型,PNP和NPN

3.三个极:发射极(e)基极(b)集电极(c)

4.发射极参杂浓度最高,基极最薄,且参杂浓度最低,集电极参杂浓度低,但是面积大

5.实际结构还有一个“埋层”,参杂浓度较高

1.2 工作原理(以NPN为例)

发射结正偏,集电结反偏

如图:

我们先要规定一件事:图中黑色的点表示自由电子,大的箭头表示电流方向,白圈代表空穴。乍一看这个电路比较复杂,不知道是怎么来的,那么,我们“捂住”左边的电路部分,只看右边。显然,右侧的PN结,也就是集电结,它是反偏的。所以会有一个电流,也就是PN结中的漂移电流,在这里我们表示为I_{CBO}

现在,我们再加上左侧的电路,也就是发射结部分。显然,左侧PN结正偏。这就引出三极管最重要的特性:发射结正偏,集电结反偏。这时候,我们看这个黑点,也就是自由电子,它是由N向P的,在P中,部分自由电子会与P中的空穴结合,这个对于空穴来说,就相当于电流(带正电)从外往里进,这个也就是I_{B}。而我们这个由于发射结导通所带来的电流我们称之为I_{E}。那么如图,在最右侧的电流我们叫做I_{C}

以上这些是这个三极管在共基极组态的原理。我们根据这个图可以列出两个KCL方程:

I_{C} = I_{CBO} + I_{CN}        I_{E} = I_{B} + I_{C}

所以我们可以定义一个放大量\alpha\alpha = \frac{I_{CN}}{I_{E}}

由于I_{C} >> I_{CBO},所以我们可以近似的得到\alpha = \frac{I_{C}}{I_{E}}

但是为了将I_{C}I_{B}相对应,我们又规定\beta  = \frac{I_{C}}{I_{B}},这个与\alpha有一个换算关系:

\beta = \frac{\alpha}{1-\alpha}并且我定义一个I_{CEO} = (1+\beta)I_{CBO}(穿透电流)

1.3 三极管的三种组态

理论上来说,作为一个二端口网络,我们应该有6个组合方式,但是有一个原则:集电极不能做输入,基极不能做输出

我们先来看一下共基极组态的放大电路:

我们现在已知,这个\alpha的范围一般在0.9~0.99,甚至都小于1,那么它是怎么放大的呢?

我们在信号放大时,是在工作点以上来进行放大,换句话说,我们看图,这个\delta v_{I}就是我们的交流信号,他与V_{EE}串联。V_{EE}相当于抬高这个信号到工作点。由于这个小的\delta v_{i}会导致电流增加,也就是图中的小的\delta I_{E},之后会带来小的\delta I_{C}的变化。这个小的\delta I_{C}的变化乘以右侧的大电阻R_{L},会导致这个\delta v_{O}的明显增大。也就是说,这个放大的本质也就是控制,我的控制量的变化引起一个明显的输出的变化,并不能因为\alpha<1就说它不能起到放大作用。

综上所述,三极管的放大作用,主要是依靠它的发射极电流能够通过基区传输,然后到达集电极而实现的。实现这一传输过程的两个条件是:

(1)内部条件:发射区杂质浓度远大于基区杂质浓度,且基区很薄。

(2)外部条件:发射结正向偏置,集电结反向偏置

1.4特性曲线

1.输入特性曲线

输入特性曲线,也就是I_{B}V_{BE}的变化。由于发射结正偏,这个输入特性曲线就是正常二极管的特性曲线的正偏部分(以共射极放大电路为例):

显然,我们刚才的情况并没有考虑到另一个变量,也就是V_{CE}的变化。所以这个曲线是个曲线簇。这个曲线族的来源我们在这里说一下:由前面的讲解我们可以知道,这个V_{BE}由恒压降模型可以得知,如果是硅做的话V_{BE} = 0.7V,所以V_{CE} = V_{CB} + V_{BE},也就是说,如果V_{CE} = 0,则:输入特性曲线是正常的PN结的曲线,如果V_{CE} \geq 1(实际上0.7就可以),则V_{CB} > 0,集电结反偏,收集电子能力增强,那么会“抢”走I流向I_{B}的电子,从而导致曲线变缓。但是又由于这个集电极能“抢”的能力有一个极限,所以在V_{CE} > 1后的曲线十分接近,所以我们通常用两条曲线表示输入曲线:一个是0V,一个是1V.

所以,输入特性曲线分三个部分:死区,非线性区和近似线性区

2.输出特性曲线

输出特性曲线是控制住I_{B}来探究I_{C}V_{CE}的变化。

(可以注意到,这个曲线实际上是微微向上倾斜的,因为这个所带来的误差很小,我们不去在意这个)

这三个区可以在图中很明显的看到,这个饱和区就是不能用的区域,放大区是能用的,截止区是V_{CE} = 0的区域,这个区域,很显然,是不能用的,可以在三极管的原理图上自己可以看出来,就不再这里赘述了。

1.5主要参数

1.电流放大系数:

        a.  共发射极直流放大系数\overline{\beta}

        b. 共发射极交流放大系数\beta

        c. 共基极直流放大系数\alpha

        d. 共基极交流放大系数\overline{\alpha}

        e.CB极间反向饱和电流I_{CBO}

        f.CE极间反向饱和电流I_{CEO}

I_{CBO}I_{CEO}都很小时,\beta \approx \overline{\beta},\alpha \approx \overline{\alpha}.

2.三个区域:

1.6 总结

内部机理看看就行,关注的是外部特性,两个特性曲线,他们的控制关系都是什么

2.基本放大电路构成及静态分析

2.1 信号放大的实现

1.发射极正偏,集电极反偏条件的建立——确定静态工作点(Q点)

在三极管中,我们要确定三个量:I_{BQ},I_{CQ},V_{CEQ},我们默认V_{BEQ} = 0.7V,那么就有:I_{BQ} = \frac{V_{BB} - V_{BEQ}}{R_{b}} ,I_{CQ} = \beta I_{BQ},V_{CEQ} = V_{CC} - I_{CQ}R_{C}

2. 动态工作过程

输入正弦信号v后,电路将处在动态工作情况。此时,BJT 各极电流及电压都将在静态值的基础上随输入信号作相应的变化。这个我们在以后的内容会详细说明。

3.静态工作点对信号放大的影响

我们再看一下这个电路:

        1.如果I_{BQ}过大,则会导致I_{C}比较大,输出电压V_{CE}变小,则会导致:

反之,则会:

        2. R_{C}对这个输出信号的影响的分析也可以推出上述的结论,这里就不在赘述

        3.结论:1.静态偏置必须合适,使其工作在放大区

                      2.信号也可以被称为交流量

                      3.输出电压的幅值受V_{CC}控制

2.2 BJT的静态偏置

2.2.1.要用到的三个“工具”

        1.电路理论

        2.I_{B},I_{C}

        3.恒压降模型

2.2.2.几种静态偏置(很重要

1.基极固定偏置电路

我们以共射极为例,如果我们令V_{BB}=V_{CC},我们可以把左侧电阻与右侧的V_{CC}接上,如图:

那么我们根据这个电路可以节省一个电源,并且也可以达到发射极正偏,集电极反偏的效果。     那么,对于这个电路,我们可以这么分析Q点:

由前面的类似分析,我们可以把V_{BB}全部换成V_{CC},得:

I_{BQ} = \frac{V_{CC} - V_{BEQ}}{R_{b}} \\ I_{CQ} = \beta I_{BQ} \\ V_{CEQ} = V_{CC} - I_{CQ}R_C

如果换成PNP型的:

也就是把上面的V_{CC}换成-V_{CC}。或者,我们也可以换成让发射极接高电平:

这里分析方法都类似,我们就不再赘述。

2.基极分压式偏置电路

这里的话我们的V_{BE}就很好求了,就是分压,然后我们可以求出I_{EQ},然后I_{CQ} \approx I_{EQ}(因为在这里我们忽略了I_{BQ},由前面最早的KCL我们可以知道,如果忽略掉I_{BQ},这个约等于的关系成立。所以I_{CQ}我们就知道了。那么显然V_{CEQ} = V_{CC} - I_{CQ}(R_{C}+R_E),最后我们再求一下I_{BQ}(虽然跟前面看起来有些矛盾,但在工程上这种估算,然后有返回去求这个被忽略掉的量是合理的),显然I_{BQ} = \frac{I_{CQ}}{\beta}

3.双源射极偏置电路

我们对左下角的回路可以列一个KVL,有:V_{BEQ} + I_{EQ}R_E + (-V_{EE}) = 0,然后同样,我们将我们刚刚算出来的I_{EQ}去约等于I_{CQ},之后我们就要求V_{CEQ}了,显然,V_{CQ} = V_{CC}-I_{CQ}R_CV_{EQ} = -V_{EE} + I_{CQ}R_E或者,E点电压值就等于-V_{BE},那么V_{CEQ} = V_{CQ} - V_{EQ}。最后I_{BQ} = \frac{I_{CQ}}{\beta}.

4.电流源偏置电路

这个就是多了一个电流源,所以这时的I_{EQ} = -V_{BE}.剩下的分析与前面相同,读者们可以自行分析。

2.3信号的输入和输出

1.直接耦合

        三种组态的判断:入和出找到了,剩下的就是共的极

        

直接耦合,就是直流通路的情况下不用任何其他元器件就可以使三极管正常工作的电路,又上述判断方法我们可以判断出,这个是共射极放大电路。

2.阻容耦合

那么我们来看这么个例子:

这个电路我们可以看出来,这个显然不能正常工作,所以就不能直接耦合

那么,我们可以让它正常工作吗?

我们可以加两个电容:

其中,C1起到了隔离直流的作用,当直流通路时,显然可以正常工作,C2也起到隔离直流的作用,主要是将我们“抬高”交流的直流电压降下来。

2.4 直流通路与交流通路

画交流通路的时候:

电压源短路,电流源断路,大电容短路。

读者可以看书找找例子,练习几个应该就会了。

写在后面

祝大家学习愉快!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1551125.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

PCL 移动立方体重建(HOPPE)

目录 一、概述二、代码三、结果 一、概述 PCL中的 pcl::MarchingCubes<pcl::PointXYZRGBNormal>:函数实现移动立方体重建的代码示例。 二、代码 #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h> #include <pcl/point…

生成-理解大一统:一文浅谈多模态大模型最新研究进展

在过去几年中&#xff0c;多模态智能的两个关键支柱——理解和生成&#xff0c;取得了显著进展。多模态大型语言模型&#xff08;MLLMs&#xff09;&#xff0c;如 LLaVA&#xff0c;在视觉语言任务&#xff08;例如视觉问答&#xff09;中表现出色。同时&#xff0c;去噪扩散概…

转行AI产品经理前真后悔没看到这篇…

最近AI行业发展势头正盛&#xff0c;很多人私信我说都来问我AI产品经理转行的事&#xff0c;希望我能给一些意见 文科生能不能做产品经理&#xff0c;大家对这些是一头雾水&#xff0c;也不知道AI产品经理具体都做些什么&#xff0c;又要具备那些能力 因为在不同的业务发展不一…

领夹麦克风性价比最高?一文看懂领夹麦克风什么牌子的好

近几年随着网络直播、短视频等新兴行业的发展&#xff0c;筑就了一个全民视频创作的时代。而领夹麦克风也是凭借轻便、便携的特性&#xff0c;获得了广大短视频创作者的青睐&#xff0c;领夹麦克风的需求量也是不断增加。也正是因为如此&#xff0c;如今市面上的领夹麦克风品牌…

一文上手SpringSecurity【八】

RBAC&#xff08;Role-Based Access Control&#xff09;&#xff0c;基于角色的访问控制。通过用户关联角色&#xff0c;角色关联权限&#xff0c;来间接的为用户赋予权限。 一、RBAC介绍 RBAC&#xff08;Role-Based Access Control&#xff09;&#xff0c;即基于角色的访…

企业微信:客户联系自带群发工具和聊天工具

前言 上篇博客介绍了一些客户联系的开启和配置&#xff0c;接下来我们来使用客户联系自带群发工具和聊天工具。 突然发现官方的文档已经很详细了&#xff0c;我这里给出一些简单的描述&#xff1a; 企业微信如何使用群发助手&#xff1f;-帮助中心-企业微信 群发工具 群发消息给…

Python 中的lambda函数表达式

lambda x:xn 这是一个 Python 中的lambda函数表达式。它定义了一个匿名函数&#xff0c;该函数接受一个参数x&#xff0c;并返回xn的值。再定义常数n。 n 5 my_function lambda x: x n print(my_function(3)) 运行结果&#xff1a; 在上述代码中&#xff0c;首先定义了…

win10专业版永久关闭自动更新功能

如何关闭 Windows 10 自动更新 Windows 10 默认情况下会自动安装更新&#xff0c;这可能会导致系统不稳定或问题。如果您想关闭自动更新&#xff0c;可以使用以下方法&#xff1a; 方法 1&#xff1a;使用设置应用程序 打开“设置”应用程序。转到“更新和安全”。在“Windo…

获取本函数所在代码域内的所有局部变量和值以字典形式返回locals()

【小白从小学Python、C、Java】 【考研初试复试毕业设计】 【Python基础AI数据分析】 获取本函数所在代码域内的 所有局部变量和值 以字典形式返回 locals() 选择题 关于以下代码输出的结果说法正确的是&#xff1f; a 10 def x(): b 20 print(locals()) print("【执行…

TTT大语言模型架构发布,成功撼动了Transformer与Mamba模型

上期图文&#xff0c;我们刚介绍了 transformer 模型与 Mamba 模型&#xff0c;觉得 Mamba 模型的发布可以有效改善 transformer 模型长序列输入复杂度的问题&#xff0c;应该能够成为下一个大语言模型的基石。谁想Mamba2 还没有发布几天&#xff0c;这边最新的大语言模型TTT模…

隆道携手黑龙江省中小企业协会助力区域企业数字化转型

9月28日&#xff0c;隆道公司总裁吴树贵出席“2024年黑龙江省中小企业协会副会长扩大会议暨数字化转型专题报告会”并做主题发言&#xff0c;分享了龙江惠企商城建设情况和供应链数字化转型实践经验。会上&#xff0c;隆道公司与黑龙江省中小企业协会签订了战略合作协议&#x…

【Kubernetes知识点】 解读 Service 和 EndpointSlice 之间的关系

【Kubernetes知识点】 解读 Service 和 EndpointSlice 之间的关系 目录 1 概念 1.1 Service的概念1.2 Endpoint 的概念1.3 EndpointSlice 的引入 1.3.1 EndpointSlice支持的地址1.3.2 EndpointSlice的状态1.3.3 EndpointSlice的拓扑信息 1.4 Service 、Endpoint和 EndpointSl…

自动驾驶TPM技术杂谈 ———— 高精度地图

文章目录 概述高精度地图分层架构价值体现 关键技术道路元素图像处理激光点云处理点云特征提取点云法向量点云配准点云分割 同步定位与地图构建高精度地图云端服务体系 解决方案高精度地图采集数据模型 高精度地图制作和编译数据处理编译及格式规范NDSOpenDRIVE 高精度地图质量…

入职2年的程序员,被劝退了!年纪大了,感觉好绝望!

入职2年的程序员&#xff0c;今天被劝退了&#xff01;年纪大了&#xff0c;感觉好绝望&#xff01; 我的朋友是一位程序员&#xff0c;毕业后去了BAT企业&#xff0c;前2年去了一家国企&#xff0c;至今刚满2年&#xff0c;刚进去绩效领导给打了C&#xff0c;现在被边缘化&…

可视化是工业互联网的核心技术之一,都有哪些应用场景?

一、工业互联网是什么&#xff0c;发展的来胧去脉 工业互联网是指利用互联网技术和物联网技术&#xff0c;将工业生产中的各种设备、机器、传感器等进行互联互通&#xff0c;实现信息的实时采集、传输和分析&#xff0c;从而实现生产过程的智能化、自动化和高效化。 工业互联网…

echarts实现3D柱状图(视觉层面)根据博主改编

https://blog.csdn.net/weixin_57798646/article/details/131067725 这是原贴 在这个基础上我需要实现 一根柱子 代码如下 <!DOCTYPE html> <html lang"en" style"height: 100%"><head><meta charset"utf8"> </hea…

Python画笔案例-069 绘制调皮田彩格

1、绘制调皮田彩格 通过 python 的turtle 库绘制 调皮田彩格,如下图: 2、实现代码 绘制 调皮田彩格,以下为实现代码: """调皮田彩格.py本程序需要coloradd模块支持,安装方法:pip install coloradd =""" import turtle from coloradd import…

AIGC实践|AI助力文旅短视频创作全流程

前言&#xff1a; 受到央视《AI我中华》及各地文旅AI宣传片的启发&#xff0c;本次我将尝试使用AI辅助进行城市宣传片的创作探索。我将尽可能详细的展示使用AI辅助创作城市宣传片的全过程&#xff0c;从灵感捕捉到最终成品呈现。现在&#xff0c;让我们一同踏上这段充满创意的探…

工作日志:el-table在无数据情况下,出现横向滚动条。

1、遇到一个警告。 原因&#xff1a;中的组件不能呈现动画的非元素根节点。 也就是说&#xff0c;Transition包裹的必须是一个单根的组件。 2、el-table在无数据情况下&#xff0c;出现横向滚动条&#xff0c;大概跟边框的设置有关系。 开始排查。 给.el-scrollbar加了一个…

ChatGPT+R语言强强联合,数据分析不再难!回归与混合效应模型、多元统计分析、结构方程模型(SEM)(lavaan)、Meta分析、贝叶斯回归等应用

目录 第一章 生态环境数据统计概述及基础 第二章 GPT&R&#xff1a;回归与混合效应模型 第三章 GPT&R&#xff1a;多元统计分析 第四章 GPT&R&#xff1a;结构方程模型&#xff08;SEM&#xff09;&#xff08;lavaan&#xff09; 第五章 GPT&R&#xff1…