混合信号PCB接地设计的基本准则

一、前言

        接地是混合信号系统的PCB布局设计中的一个重要环节。对于设计人员来说,制定一套标准化接地方法不是一个简单的任务。例如,高质量接地的某个单一问题可能会影响高性能混合信号PCB设计的整个布局。典型4层PCB至少要有一层接地平面,以确保信号回流通过低阻抗路径返回。所有器件的接地引脚应路由并直接连接到低阻抗接地平面,确保串联电感和电阻降至最低。

        下图为一个典型4层PCB的层级划分:

图片

图1 典型4层PCB的层级划分

        通常高性能系统的PCB有4层或更多层。顶层通常用于数字/模拟信号,而底层用于辅助信号。第二层(接地层)充当阻抗控制信号的参考平面,用于减少IR压降并屏蔽顶层中的数字信号。电源平面位于第三层。电源和接地平面必须彼此相邻,因为它们提供了额外的平面间电容,有助于电源的高频去耦。

二、接地平面是否要分离

        对于接地层,这些年来针对混合信号设计的建议已改变。多年来,将接地平面分为模拟地和数字地两部分是有道理的,但是对于现代的混合信号器件,建议采用一种新方法。适当的平面规划和信号分离应能防止高噪声信号的相关问题。

        对于混合信号系统,分离模拟和数字接地已成为一种标准接地方法。但是,具有低数字电流的混合信号器件最好通过单一接地进行管理。更进一步,设计人员必须根据混合信号电流需求考虑哪种接地做法最合适。设计人员须分别考虑两种接地做法。

三、单一的接地平面

        对于具有单个低数字电流ADC或DAC的混合信号系统,单一的接地平面会是较好的方法。要理解单一接地层的重要性,就需要知道信号回流(Return Current)路径的概念。信号回流路径通常指的是驱动器沿PCB传输线到负载,再由负载沿着地或电源通过最短路径返回驱动器端,这之间的走线形成一个完整环路,这个在地或电源上的返回信号就称信号回流路径。为了避免混合信号的干扰,就需要跟踪PCB布局中的每条信号回流路径。

图片

图2 采用单一接地平面的系统的信号回流路径

        图2中显示了单一接地平面相对于分离接地平面的优势。对于器件之间的信号电流,它有大小相等且方向相反的信号回流。

        对于低频信号,这个信号回流在接地平面中从负载端流回驱动端,它会沿着阻抗最小的路径返回。通常是器件接地基准点之间的直线。

        对于高频信号,回流电流的一部分会尝试沿着信号路径返回。这是由于沿着该路径的阻抗较低,从而流出和返回的电流之间可实现最小环路。

四、模拟地和数字地分离

        而对于难以通过单一接地平面接地的复杂系统,可以考虑分离接地平面。分离接地平面是将地平面分为两部分,分别为模拟地和数字地。这种方式适合电路中有比较多的混合信号元器件同时数字电流消耗较高的系统。图3显示了使用分离接地平面的情况。

图片

图3 采用分离接地平面的系统的信号回流路径

        当电路中采用了分离接地平面,为了实现系统整体接地,就需要消除地平面的阻断,这样是为了保证信号回流路径有直接的电流返回路线,可以让回流通过星型接地的交界处返回,所谓的星型接地就是在混合信号PCB布局中,模拟地平面和数字地平面连接在一起的交界的地方,星形接地的主要作用是确保两个接地具有相同的基准电平。对于更复杂的设计,星形接地通常用跳线分流到接地接头来实现。星形接地中没有电流流动,因此不需要承载高电流的接头和跳线分流器。

        注意请勿在星形接地布置中的接地区域之间的间隙上布线。在下图中,有多个彼此分离的接地区域,并且在接地电源返回处重新组合。每个接地区域的形状非常复杂,但星形接地的要点是接地区域全部在一个点重新组合,即 PCB连接回电源的位置。任何情况下都不要在地面区域之间的间隙上布线,一旦布线就会产生一条具有大环路电路的返回路径,还会产生EMI辐射;因此使用星形接地的正确方法是仅在各自的接地区域上方布线。

图片

图4 使用星形接地的正确方法是仅在各自的接地区域上方布线

        一般来说,器件手册中厂家会给出相关器件PCB布线的接地建议,设计人员需要认真参考确保接地符合电路设计要求并避免与接地有关的问题。而混合信号器件既有AGND引脚也有DGND引脚,可以将各自的地引脚与各自的接地平面相连,因为星形接地也会在一点上连接两种接地平面。

        AGND和DGND平面的隔离必须要在多层PCB的所有层上实现。为了让高噪声的数字电流都会流过数字电源,通过数字接地平面回流,再回到数字电源,这样确保与敏感的模拟电路隔离开来。

五、其他接地常见做法

        可以采用下面的步骤或检查清单来确保在混合信号/数字系统中实施了适当的接地方案:

  • 星形接地点的连接应由较宽的铜走线构成。

  • 检查接地平面有无窄走线,这些连接是不合需要的。

  • 提供焊盘和过孔很有用,以便在必要时可以连接模拟和数字接地平面。


    ↓↓↓更多技术内容和书籍资料获取,入群技术交流敬请关注“明解嵌入式”↓↓↓ 

### 对RAG模型进行微调以适应Agent相关应用 对于希望改进特定领域内表现的RAG模型而言,微调是一种有效的方法。通过利用具体应用场景的数据集来调整预训练参数,可以使模型更好地理解并处理该领域的查询请求[^2]。 #### 数据准备 为了使RAG模型能够更精准地服务于Agent的任务需求,需收集大量高质量的相关对话数据。这些数据应覆盖各种可能遇到的情景,并且包含清晰的问题描述及其对应的理想回复。此外,还需确保数据集中包含了足够的背景信息以便于检索部分的有效工作。 #### 微调过程中的注意事项 当对RAG架构下的生成组件实施微调操作时,建议保持原有的检索机制不变或仅做少量修改。这是因为现有的索引结构已经过优化设计,在大多数情况下可以提供满意的文档获取效果;而过多改变可能会破坏其稳定性与效率[^1]。 ```python from transformers import RagTokenizer, RagRetriever, RagSequenceForGeneration import torch tokenizer = RagTokenizer.from_pretrained("facebook/rag-token-nq") retriever = RagRetriever.from_pretrained("facebook/rag-token-nq", index_name="exact", use_dummy_dataset=True) model = RagSequenceForGeneration.from_pretrained("facebook/rag-token-nq") # 假设已有自定义数据加载器custom_dataloader for batch in custom_dataloader: inputs = tokenizer(batch['question'], return_tensors='pt', padding=True, truncation=True) with torch.no_grad(): retrieved_docs = retriever(input_ids=inputs.input_ids).doc_scores outputs = model(**inputs, doc_scores=retrieved_docs, labels=batch['answer']) loss = outputs.loss optimizer.zero_grad() loss.backward() optimizer.step() ``` 此代码片段展示了如何针对给定问题-答案对执行一次前向传播计算损失函数值以及反向传播更新权重的过程。实际项目中还需要考虑更多细节如学习率调度、早停策略等超参设置。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Sharemaker

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值