【东枫科技】用于汽车和工业传感器应用的高性能、集成式 24 GHz FMCW 雷达收发器芯片组

用于汽车和工业传感器应用的高性能、集成式 24 GHz FMCW 雷达收发器芯片组

ADF5904是一款高度集成的4通道、24 GHz接收机下变频器MMIC,具有卓越的低噪声性能、高线性度和低功耗组合。ADF5904集成式多通道接收机下变频器具有10 dB噪声系数性能,优于竞争型对手器件3 dB。该器件功耗低50%,采用小型、性价比高的5 mm × 5 mm LFCSP塑料封装。该器件的四个片内接收通道采用简单的单端连接与四个独立天线相连,从而简化了射频传输线设计和PCB布局布线,同时缩小了电路板尺寸。接收机下变频器可同时直接放大并转换4路24 GHz接收机信号,以产生高质量、高幅度基带信号或降低频率信号,以便轻松连接ADI 4通道模数转换器或模拟前端(AFE)。ADF5904 还提供集成式温度传感器,无需使用分立式检测元件;这些元件原本可能需要在系统装配和测试期间占用额外的时间与资源来校准。

ADF5904针对采用数字波束成形的多通道接收机高频应用设计,如汽车ADAS雷达、微波雷达传感器和工业雷达系统;在这些应用中,能效正在成为越来越重要的系统级设计考虑因素。ADF5904 24 GHz接收机具有同类一流的接收机灵敏度,相比竞争型RF IC技术整体功耗更低,因而适合此类应用以及其他传感器应用。

主要特性

  • 4个接收通道,接收机通道增益:22 dB
  • 噪声系数:10 dB,P1dB:–10 dBm
  • 功耗:0.5 mW(全部4个通道开启)
  • LO输入范围:-8 dBm至+5 dBm
  • 接收机至IF隔离:30 dB
  • RF信号带宽:250 MHz
  • 模拟输出的片内温度传感器:±5°

在这里插入图片描述

技术细节

ADF5904是一款4通道、24 GHz接收机MMIC,其中4个RF通道频率下变频至差分基带信号,然后直接驱动至专用多通道ADC,以便对输入模拟接收机信号进行数字化处理。这些数字信号可通过快速傅里叶变换(FFT)或其他运行在系统微处理器上的复杂雷达检测软件算法进行验算,以便检测出现在雷达传感器系统前方的目标,并实现目标的速度、距离和位置的计算。

ADF5904使用本振输入信号或发射机配套IC(称为ADF5901)产生的LO源对接收机信号进行下变频处理。ADF5904上的所有RF输入均为简单的单端输入,它们内部连接至集成式巴伦,用来将接收机信号转换为差分信号,以实现更高的放大性能和下变频处理。设计IC的RF端口与印刷电路板(PCB)天线的连接时,单端RF接口连接可大幅简化PCB设计任务;此时只需50 Ω PCB线路走线即可,无需外部匹配无源元件,节省了大量的电路板空间。ADF5904的众多技术亮点之一,是在如此高的集成度以及采用低成本塑料封装的情况下还能具备30 dB的一流接收机间通道隔离性能。为了保持30 dB的出色接收机间隔离性能,需仔细设计围绕接收机输入引脚的RF布局。

这4个接收机信号路径中的每一个均含有低噪声放大器(LNA),后接一个低噪声混频器和一个差分输出放大器。这4个通道共享ADF5901芯片产生的LO信号。整体接收机链路具有22 dB固定增益,P1dB为–10 dBm,其低噪声设计使接收机信号链具有10dB噪声系数,并且即使在所有4个接收机通道同时开启以及采用3.3 V单电源的情况下亦可实现550 mW的极低功耗系数。系统采用上电占空比后,总功耗还可进一步降低;未使用的接收机通道可独立掉电,进一步降低功耗和热管理。ADF5904集成片上温度传感器,其作为模拟电压连接A测试引脚,可监测系统温度。ADF5904具有DOUT引脚,提供针对四线式SPI的简单控制, 允许回读寄存器内容,以检查针对芯片控制寄存器的正确写入操作。

ADF5901:2通道、24 GHz发射机MMIC

ADF5901是一款24 GHz发射机MMIC,片上集成24 GHz VCO,涵盖250 MHz ISM频段(24 GHz至24.25 GHz),该VCO连接至2个发射机PA,可提供8 dBm输出功率、驱动接收机MMIC ADF5904的LO输出,以及差分辅助输出,以便通过ADF4159斜坡发生PLL进行闭环控制。芯片组将这些元件相结合,形成了完整的24 GHz ISM雷 达系统RF信号链。

驱动器件发射机输出的片上VCO经过频率和功率校准,确保能在ISM频段内工作,同时保持较优的VCO功率电平,保证了1 MHz失调时的–108 dBc/Hz出色相位噪声。该器件还集成发射机输出功率校准电路,可校准发射机输出功率,确保功率保持在允许的功率电平限值内。校准电路采用外部参考时钟,此时钟信号 通过REFIN引脚向器件提供;同样的参考时钟可共享ADF4159 PLL的参考输入。

为了适应功率校准,发射机提供片上功率检波器,可检测发射机输出引脚上的功率。功率检波器用作校准引擎的一部分,控制输出功率。输出功率校准在温度和电源范围内精确。

采用片上R(基准电压源)和N (RF)分频器计数器可以校准VCO频率,用来将分频RF信号与来自参考时钟的已知频率信号对比。

这个N计数器模块还可用于MUOUT引脚的馈入信号,从而允许芯片工作在开环鉴频器系统中。然后,它还需要额外的外部监控电路来测量分频VCO频率和DAC转换器,以便调节器件的VTUNE引脚,确保工作在ISM频段。此外,使用这种开环方法时,还需考虑温度变化,确保频率不会漂移到ISM频段外。所有这一切都需 要DSP干预,来执行校准。使用ADF4159的闭环系统无需这些额外的DSP工作量,因为闭环PLL确保频率的正确性,且没有温度或电源电压变化效应,这使得这款器件更为稳定且易于使用。

ADF5901上的两个发射机输出单独受控,支持虚拟天线和雷达传感器的MIMO操作。

ADF5901上的发射机和LO输出为单端输出,方便RF与器件接口,并由于只需要50 Ω PCB走线而减少PCB设计任务。

ADF5901上的LO输出具有固定输出功率,用于驱动ADF5904接收机芯片上的LO输入。功率电平足以让它驱动多个ADF5904接收机器件,且需要外部元件以便支持接收机通道数更多的可扩展系统。

差分辅助输出支持对基波VCO频率进行2分频或4分频输出。因此,同时提供12 GHz或6 GHz输出,可让ADF4158或ADF4159斜坡发生PLL用于反馈路径,锁定ADF5901 VCO,同时生成所需的高度线性FMCW调制斜坡。

此外,ADF5901片上集成温度传感器,支持ATEST引脚输出模拟信号。另外,可以通过片上8位ADC对传感器信号进行数字化处理,产生的数字字回读至DOUT数字引脚。DOUT引脚还可用来回读寄存器,检查芯片控制寄存器的写入操作正确性。器件关断后,3.3 V单电源以100%占空比退出700 mW——系统占空比降低总功耗。

ADF4159—13 GHz小数N分频FMCW斜坡发生PLL

ADF4159 PLL具有同类一流的相位噪声性能(归一化相位噪声FOM为–224 dBc/Hz),并提供灵活的斜坡调制方案,用于FMCW操作。该器件的最大PFD频率为110 MHz,支持慢斜坡(1 ms至10 ms)和快斜坡(20 ms至1 ms)概念。ADF4159的最大RF输入频率为13 GHz,可与发射机IC ADF5901的辅助输出轻松实现接 口,完成闭环FMCW生成。ADF4159灵活斜坡生成引擎支持多种三角和锯齿斜坡曲线,具有灵活的时间和频率偏差。此外,它还支持快斜坡曲线,较大程度减少斜坡折回阶段的过冲/欠冲,并最大化RF带宽扫描频率,实现雷达系统的精细范围分辨率。ADF5901与ADF5904的接口无需外部无源元件,因而无需使用昂贵的高频电容。ADF5901和ADF4159之间的辅助信号无需藉由耦合电容实现。全部三款IC均提供出色的ESD性能,且完全符合AEC-Q100标准,保证了更为稳定的传感器设计。

雷达系统优势

如图3所示,当用来构建雷达传感器执行器,并且每一dB的接收机灵敏度提升及检测范围都至关重要时,芯片组提供的这些高性能规格组合就显得十分必要。很多基于IC的雷达系统都受限于发射机(相位噪声)和接收机噪声,从而限制了接收机的总信噪比(SNR)。当存在或靠近较大物体时,通常这会限制雷达 系统检测较小物体或目标。在实际的雷达应用中,当信号繁忙或嘈杂时—目标场景包括存在杂乱的接地信号—所有这一切都会累积,增加系统相位噪声,降低雷达接收机灵敏度。

在这里插入图片描述
在这里插入图片描述
较高的系统噪声会屏蔽或隐藏较小的目标并阻止检测,从而可能导致传感器安全问题。例如用在汽车检测等存在大目标(以及非常大的目标,比如反射墙或停靠的车辆导致儿童难以分辨)的情况下需要更好地检测小目标(比如儿童或小障碍物)的应用中。

ADF5904出色的低噪声系数(优于竞争型产品3 dB)使其具备性能与功耗亮点,搭配配套IC(发射机ADF5901芯片和ADF4159PLL)使用后兼具高性能相位噪声、输出功率和高速斜坡能力,使该器件针对传感器具有更低的噪底性能。可以实现更高的接收机系统SNR,提供更为可靠、值得信赖的检测,并具有更快 的结果参数估算能力。该集成式芯片组的高性能特性为雷达系统设计人员提供至少两倍的灵敏度提升,以及多达1.5倍的检测范围提升,而总功耗则大幅降低,从而使小尺寸传感器的性能更为稳定可靠,易于设计。

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.pswp.cn/pingmian/89391.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/89391.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

新版本flutter(3.32.7) android 端集成百度地图sdk

新版本flutter(3.32.7) android 端集成百度地图sdk 因为官方文档有很多地方没有说清楚,导致在适配过程中踩了很多坑,本文档基于已经实现集成的flutter安卓端应用编写。 官方文档地址:https://lbs.baidu.com/faq/api?title=flutter/loc/create-project/configure Flutt…

FreeRTOS—列表和列表项

文章目录一、列表与列表项1.1.列表与列表项的简介1.2.列表与列表项相关结构体1.2.1.列表结构体1.2.2.列表项结构体1.2.3.迷你列表项二、列表相关API函数2.1.列表相关API函数介绍2.1.1.vListInitalise( )初始化列表函数2.1.2.vListInitaliseItem( )初始化列表项函数2.1.3.vListI…

超详细 anji-captcha滑块验证uniapp微信小程序前端组件

由于步骤太多,字数太多,废话也太多,所以前后端分开讲了,后端文章请看: 超详细 anji-captcha滑块验证springbootuniapp微信小程序前后端组合https://blog.csdn.net/new_public/article/details/149116742 anji-captcha…

面向对象编程篇

文章目录一、思维导图二、详细内容第 6 章:面向对象编程基础6.1 面向对象编程的概念和优势6.2 类和对象的定义与创建6.3 类的属性和方法6.4 构造函数(__init__)和析构函数(__del__)6.5 封装、继承和多态的实现第 7 章&…

虚拟商品自动化实践:闲鱼订单防漏发与模板化管理的技术解析

最近阿灿发现了一款闲鱼虚拟商品卖家必备神器!告别手动发货,订单自动处理,防错防漏,支持课程、激活码、电子书等多种商品,预设模板更省心。文末获取工具!最厉害的是,你完全不用一直开着电脑。以…

【Zephyr开发实践系列】08_NVS文件系统调试记录

文章目录前言一、NVS原理介绍:二、BUG-NO1:将NVS运用在NAND-Flash类大容量存储设备2.1 情况描述:2.2 BUG复现:文件系统设备树构建测试应用编写(导致错误部分):问题呈现:2.3 问题简述…

网络安全第二次作业

靶场闯关1~8 1. 在url后的name后输入payload ?name<script>alert(1)</script> 2. 尝试在框中输入上一关的payload,发现并没有通过&#xff0c;此时我们可以点开页面的源代码看看我们输入的值被送到什么地方去了 从图中可以看到&#xff0c;我们输入的值被送到i…

LangChain 源码剖析(七)RunnableBindingBase 深度剖析:给 Runnable“穿衣服“ 的装饰器架构

每一篇文章都短小精悍&#xff0c;不啰嗦。一、功能定位&#xff1a;Runnable 的 "增强包装器"RunnableBindingBase 是 LangChain 中实现装饰器模式的核心组件。它就像给原有 Runnable 套上一件 "功能外套"—— 不改变原有 Runnable 的核心逻辑&#xff0c…

为 Git branch 命令添加描述功能

写在最前面的使用方式 查看 所有分支的备注 git branch.notes创建分支并为分支添加备注 git co -b feat/oauth -m 第三方用户登录对分支描述的添加与清除 添加 git branch.note --add 清除 git branch.note --clear &#x1f4dd; 为 Git branch 命令添加描述功能 &#x…

LeetCode|Day18|20. 有效的括号|Python刷题笔记

LeetCode&#xff5c;Day18&#xff5c;20. 有效的括号&#xff5c;Python刷题笔记 &#x1f5d3;️ 本文属于【LeetCode 简单题百日计划】系列 &#x1f449; 点击查看系列总目录 >> &#x1f4cc; 题目简介 题号&#xff1a;20. 有效的括号 难度&#xff1a;简单 题目…

使⽤Pytorch构建⼀个神经⽹络

关于torch.nn:使⽤Pytorch来构建神经⽹络, 主要的⼯具都在torch.nn包中.nn依赖于autograd来定义模型, 并对其⾃动求导.构建神经⽹络的典型流程:定义⼀个拥有可学习参数的神经⽹络遍历训练数据集处理输⼊数据使其流经神经⽹络计算损失值将⽹络参数的梯度进⾏反向传播以⼀定的规则…

网络爬虫的详细知识点

基本介绍 什么是网络爬虫 网络爬虫&#xff08;Web Crawler&#xff09;是一种自动化程序&#xff0c;用于从互联网上抓取、解析和存储网页数据。其核心功能是模拟人类浏览行为&#xff0c;通过HTTP/HTTPS协议访问目标网站&#xff0c;提取文本、链接、图片或其他结构化信息&…

AndroidX中ComponentActivity与原生 Activity 的区别

一、AndroidX 与原生 Activity 的区别 1. 概念与背景 原生 Activity&#xff1a;指 Android 早期&#xff08;API 1 起&#xff09;就存在于 android.app 包下的 Activity 类&#xff08;如 android.app.Activity&#xff09;&#xff0c;是 Android 最初的 Activity 实现&…

Spring AI 使用 Elasticsearch 作为向量数据库

前言 嗨&#xff0c;大家好&#xff0c;我是雪荷&#xff0c;最近在公司开发 AI 知识库&#xff0c;同时学到了一些 AI 开发相关的技术&#xff0c;这期先与大家分享一下如何用 ES 当做向量数据库。 安装ES 第一步我们先安装 Elasticsearch&#xff0c;这里建议 Elasticsear…

TypeScript 配置全解析:tsconfig.json、tsconfig.app.json 与 tsconfig.node.json 的深度指南

前言在现代前端和后端开发中&#xff0c;TypeScript 已经成为许多开发者的首选语言。然而&#xff0c;TypeScript 的配置文件&#xff08;特别是多个配置文件协同工作时&#xff09;常常让开发者感到困惑。本文将深入探讨 tsconfig.json、tsconfig.app.json 和 tsconfig.node.j…

读书笔记(学会说话)

1、一个人只有会说话&#xff0c;才会有好人缘&#xff0c;做事才会顺利。会说话的人容易成功。善于说话的人易成功&#xff0c;而不善说话的人往往寸步难行。我们要把话说得好听&#xff0c;同时更要把事做得漂亮。或许一句话&#xff0c;一件事&#xff0c;就可能使人生的旅途…

私有服务器AI智能体搭建-大模型选择优缺点、扩展性、可开发

以下是主流 AI 框架与模型的对比分析&#xff0c;涵盖其优缺点、扩展性、可开发性等方面。 文章目录一、AI 框架对比二、主流大模型对比三、扩展性对比总结四、可开发性对比总结五、选择建议&#xff08;按场景&#xff09;六、未来趋势一、AI 框架对比 框架优点缺点扩展性可开…

OpenCV直线段检测算法类cv::line_descriptor::LSDDetector

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 该类用于实现 LSD (Line Segment Detector) 直线段检测算法。LSD 是一种快速、准确的直线检测方法&#xff0c;能够在不依赖边缘检测的前提下直接从…

Go语言流程控制(if / for)

分支结构package mainimport ("fmt""strconv" )/* 1.顺序结构 2.分支结构 3.循环结构 *//* if 条件1 {// 条件1为真时执行的代码 } else if 条件2 {// 条件1为假但条件2为真时执行的代码 } else {// 所有条件均为假时执行的代码 }一种特殊的条件分支结构if…

wx小程序设置沉浸式导航文字高度问题

第一步&#xff1a;在app.json中设置"navigationStyle": "custom"第二步骤&#xff1a;文件的home.js中// pages/test/test.js Page({/*** 页面的初始数据*/data: {statusBarHeight: 0,navBarHeight: 44 // 自定义导航内容区高度(单位px)},/*** 生命周期函…