مدار نمونه گیر-نگهدارنده کم مصرف با استفاده از سوئیچ های آنالوگ ناقل جریان مبتنی بر ترانزیستور اثر میدانی نانولوله کربنی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-52-1_003
تاریخ نمایه سازی: 17 مهر 1401
چکیده مقاله:
در این مقاله مدار سطح ترانزیستوری مدار نمونه گیر-نگهدارنده تک سر و دیفرانسیلی کم توان، مبتنی بر فناوری ترانزیستورهای اثر میدانی نانولوله کربنی با بهره گیری از مزایای بلوک های ناقل های هدایت جریانی نسل دوم ارائه شده است. عمل کلیدزنی در مدارهای نمونه بردار و نگهدارنده پیشنهادی بر پایه ساختار ناقل های هدایت جریانی نسل دوم است به این معنی است که عملکردی نظیر سوئیچ های آنالوگ ناقل جریانی دارد. پیاده سازی مدارهای پیشنهادی برای بلوک نمونه گیر –نگهدارنده با توجه به مزایای ترانزیستورهای اثر میدانی نانولوله کربنی نسبت به ترانزیستورهای اثر میدانی فلز عایق نیمه هادی باعث بهبود شاخص های عملکردی مدار نمونه گیر-نگهدارنده شده است. مدارهای نمونه بردار و نگهدارنده پیشنهادی دارای مصرف توان بسیار پایین، سرعت عملکردی بالا است و همچنین نیاز به سیگنال پالس ساعت غیر همپوشان ندارد. این مدارهای پیشنهادی در نرم افزار HSPICE با استفاده از فناوری ۳۲ نانومتر ترانزیستور اثر میدانی نانولوله کربنی، پیاده سازی و شبیه سازی شده است. نتایج حاصل از شبیه سازی نشان می دهد توان مصرفی مدار نمونه گیر-نگهدارنده دیفرانسیلی ۴۵/۱۳ میکرو وات است، همچنین مقدار ENOB مدار نمونه گیر–نگهدارنده دیفرانسیلی به ازای فرکانس نمونه گیر ۲ گیگاهرتز و فرکانس ورودی ۲۰ مگاهرتز برابر ۱۱ بیت است. شاخص FOM مدار پیشنهادی برابر با ۶-۱۰×۶۱/۰ (nJ/Bit.Samples) است.
کلیدواژه ها:
نویسندگان
موسی یوسفی
استادیار، گروه مهندسی برق- دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
سید سعید موسوی
دانشجوی کارشناسی ارشد، گروه مهندسی برق- دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
خلیل منفردی
دانشیار، گروه مهندسی برق- دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :