2、噪声基础：热噪声、散粒噪声、闪烁噪声的物理机制，噪声功率谱密度与等效噪声带宽

低噪声放大器（LNA）设计的核心任务，是在放大微弱信号的同时尽可能少地引入额外噪声。要真正做到“低噪声”，首先必须理解噪声从何而来、具有怎样的统计特性，以及如何在频域中度量它。本章从三种最基本的物理噪声源——热噪声、散粒噪声和闪烁噪声出发，深入剖析其产生机制与功率谱密度特征，并引入等效噪声带宽的概念，为后续的噪声系数、噪声匹配与电路拓扑选择奠定坚实的理论基础。

2.1 热噪声：导体中载流子的随机热运动

核心原理

热噪声（又称Johnson噪声或Nyquist噪声）是任何处于绝对零度以上的导体或半导体中，自由载流子（电子或空穴）因热激发而进行无规则运动所产生的随机电压或电流波动。这种运动在宏观上表现为一个随时间随机起伏的电动势，即使在没有外部电场或电流的情况下也始终存在。1928年，John B. Johnson在贝尔实验室首次通过实验观察到该现象，随后Harry Nyquist从热力学第二定律出发，推导出了其定量表达式。

对于阻值为R的电阻，其开路热噪声电压的功率谱密度（单边谱）为：

S_v(f) = 4kTR    [V²/Hz]

其中，k为玻尔兹曼常数（1.38×10⁻²³ J/K），T为绝对温度（单位K），R为电阻值（单位Ω）。该式表明热噪声功率谱密度在极宽的频率范围内（直至红外频段）保持平坦，因此被归类为白噪声。值得注意的是，热噪声电压的均方根值（RMS）与带宽的平方根成正比：

V_n,rms = √(4kTR·Δf)

这意味着，即使是一个看似微小的电阻，在足够宽的带宽内也会产生可观的噪声电压。例如，一个50Ω电阻在室温（T=290K）下，若系统带宽为1GHz，其热噪声RMS电压约为2.8μV，这往往远大于LNA需要接收的微弱信号电平。

判断方法与工程影响

在LNA设计中，热噪声的影响主要体现在以下三个方面：

• 源阻抗热噪声：信号源内阻（如天线阻抗、传感器输出阻抗）本身就是一个热噪声源，其噪声功率直接叠加在信号上，构成了LNA噪声系数的下限。对于50Ω系统，在290K下，源阻抗热噪声功率谱密度为 -174dBm/Hz，这是射频工程中著名的“底噪”基准。
• 偏置电阻热噪声：LNA内部的偏置网络、反馈电阻、基极/栅极电阻等都会贡献热噪声。设计时应尽量减小这些电阻的阻值，或采用噪声抵消技术。
• 沟道热噪声：场效应管（FET）的导电沟道中，载流子热运动同样产生噪声，其等效噪声电流谱密度为 S_i = 4kTγg_m，其中γ为沟道噪声系数（长沟道器件约2/3，短沟道器件更大），g_m为跨导。

案例拆解：50Ω系统中热噪声的工程估算

假设设计一个工作频率为2.4GHz的LNA，系统带宽为20MHz，源阻抗为50Ω，环境温度为300K。我们需要估算源阻抗热噪声对信噪比的影响。

已知条件：R=50Ω，T=300K，Δf=20MHz。

计算过程：

1. 源阻抗热噪声功率谱密度：S_v = 4kTR = 4 × 1.38×10⁻²³ × 300 × 50 ≈ 8.28×10⁻¹⁹ V²/Hz
2. 在20MHz带宽内的噪声电压均方根值：V_n = √(S_v × Δf) = √(8.28×10⁻¹⁹ × 20×10⁶) ≈ 4.07μV
3. 换算为噪声功率（在50Ω负载上）：P_n = V_n² / (4R) = (4.07×10⁻⁶)² / 200 ≈ 8.28×10⁻¹⁴ W = -130.8 dBm
4. 若输入信号功率为 -100dBm，则输入信噪比 SNR_in = -100 - (-130.8) = 30.8dB

结果分析：该信噪比是LNA能够达到的理论上限。即使LNA本身完全无噪声，输出信噪比也不可能超过30.8dB。实际LNA的噪声系数会进一步恶化该值。这一计算为系统链路预算提供了基础依据。

常见误区与总结

2.2 散粒噪声：载流子越过势垒的离散性

核心原理

散粒噪声（Shot Noise）源于电流的粒子性。当载流子（电子或空穴）独立地、随机地越过一个势垒（如PN结、肖特基结、真空管阳极）时，每个载流子的到达时间服从泊松分布，导致瞬时电流围绕其平均值发生随机波动。这种波动就是散粒噪声。其电流功率谱密度（单边谱）为：

S_i(f) = 2qI    [A²/Hz]

其中，q为电子电荷量（1.6×10⁻¹⁹ C），I为通过势垒的平均直流电流（单位A）。与热噪声类似，散粒噪声的功率谱密度在极宽的频率范围内也是平坦的，属于白噪声。但两者有本质区别：热噪声存在于任何导体中，与电流无关；而散粒噪声仅存在于有直流电流流过势垒的器件中，且其大小与直流电流成正比。

散粒噪声的RMS电流为：

I_n,rms = √(2qI·Δf)

例如，一个1mA的PN结正向电流，在1GHz带宽内产生的散粒噪声电流RMS约为0.57μA，相对于1mA的直流电流，相对波动约为0.057%。

判断方法与器件适用性

在LNA设计中，散粒噪声主要出现在以下器件中：

• 双极型晶体管（BJT）：基极电流和集电极电流均产生散粒噪声。基极电流散粒噪声（S_i = 2qI_B）在基极回路中流动，被放大后在输出端表现为噪声电流；集电极电流散粒噪声（S_i = 2qI_C）直接贡献输出噪声。
• PN结二极管：用于偏置或保护电路中的二极管，其正向电流产生散粒噪声。
• 光电探测器：光生电流的散粒噪声是光接收机灵敏度的根本限制。

值得注意的是，场效应管（FET）的栅极泄漏电流也会产生散粒噪声，但通常很小；FET的主要噪声源是沟道热噪声，而非散粒噪声。因此，在低噪声设计中，选择BJT还是FET，需要根据源阻抗和频率综合考虑：BJT的散粒噪声在低源阻抗下表现更好，而FET的高输入阻抗特性在高源阻抗下更具优势。

案例拆解：BJT输入级散粒噪声对噪声系数的影响

设计一个共射极LNA输入级，BJT的集电极电流I_C=2mA，电流增益β=100，信号源内阻R_S=50Ω，工作带宽Δf=100MHz。分析散粒噪声对等效输入噪声电压的贡献。

已知条件：I_C=2mA，β=100，R_S=50Ω，Δf=100MHz。

计算过程：

1. 基极电流：I_B = I_C/β = 2mA/100 = 20μA
2. 基极电流散粒噪声谱密度：S_iB = 2qI_B = 2 × 1.6×10⁻¹⁹ × 20×10⁻⁶ = 6.4×10⁻²⁴ A²/Hz
3. 集电极电流散粒噪声谱密度：S_iC = 2qI_C = 2 × 1.6×10⁻¹⁹ × 2×10⁻³ = 6.4×10⁻²² A²/Hz
4. 基极散粒噪声折算到输入电压：V_nB = I_nB × R_S = √(S_iB·Δf) × R_S = √(6.4×10⁻²⁴ × 10⁸) × 50 ≈ 0.4μV
5. 集电极散粒噪声折算到输入（除以跨导g_m≈I_C/V_T=2mA/26mV≈77mS）：V_nC = √(S_iC·Δf)/g_m = √(6.4×10⁻²² × 10⁸)/0.077 ≈ 10.4μV
6. 总散粒噪声贡献：V_n_total = √(V_nB² + V_nC²) ≈ 10.4μV

结果分析：集电极散粒噪声是主要贡献者。与源阻抗热噪声（在100MHz带宽内约0.9μV）相比，散粒噪声远大于热噪声。这说明单纯增大集电极电流虽然能提高跨导、降低散粒噪声的折算值，但也会增加功耗和热效应。实际设计中需要在噪声、功耗和增益之间折中。

常见误区与总结

2.3 闪烁噪声：低频段的1/f噪声

核心原理

闪烁噪声（Flicker Noise），又称1/f噪声或低频噪声，其功率谱密度与频率成反比：

S_v(f) = K_f / f    [V²/Hz]

其中，K_f为与器件工艺和偏置条件相关的常数。在双对数坐标下，闪烁噪声的功率谱密度是一条斜率为-10dB/十倍频程的直线。闪烁噪声的物理机制较为复杂，目前普遍认为其主要来源于半导体材料中的缺陷和表面态对载流子的随机俘获与释放。当载流子被陷阱俘获时，会暂时退出导电过程，导致电流出现随机波动；陷阱的俘获和释放时间常数分布很宽，从纳秒到数小时不等，叠加后形成了1/f的频谱特征。

闪烁噪声与频率的交点（即闪烁噪声功率谱密度等于白噪声功率谱密度的频率）称为转角频率f_c。在f_c以上，白噪声（热噪声或散粒噪声）占主导；在f_c以下，闪烁噪声占主导。对于BJT，f_c通常在1kHz~10kHz；对于MOSFET，f_c可能高达数百kHz甚至数MHz，这取决于栅氧化层质量和工艺。

判断方法与设计对策

在LNA设计中，闪烁噪声的影响取决于工作频率范围：

• 射频LNA（>100MHz）：闪烁噪声通常可以忽略，因为工作频率远高于f_c。
• 低频LNA（<1MHz）：闪烁噪声成为主要噪声源，必须重点考虑。例如，用于生物电信号采集、地震监测、精密传感器放大的LNA。
• 宽带LNA（DC~GHz）：低频段受闪烁噪声限制，高频段受白噪声限制，需要综合优化。

降低闪烁噪声的常用方法包括：

1. 增大器件面积：MOSFET的闪烁噪声与栅极面积成反比（K_f ∝ 1/(W·L)），增大面积可有效降低1/f噪声。
2. 采用斩波稳定技术：将信号调制到高频，避开1/f噪声主导的低频段，再解调回基带。
3. 选择低噪声工艺：不同工艺的K_f差异很大，例如SiGe BiCMOS的BJT通常比标准CMOS的MOSFET具有更低的闪烁噪声。
4. 偏置优化：适当增大静态工作电流，可降低闪烁噪声的等效输入电压（因为跨导增大，噪声电流折算到输入电压减小）。

案例拆解：低频LNA中闪烁噪声的权衡

设计一个用于心电信号（ECG）采集的LNA，信号频带为0.05Hz~100Hz，源阻抗为1kΩ。选用某CMOS工艺的NMOS作为输入管，其闪烁噪声系数K_f=1×10⁻¹² V²·Hz，白噪声谱密度S_w=1×10⁻¹⁶ V²/Hz。评估闪烁噪声的影响。

已知条件：信号带宽0.05~100Hz，K_f=1×10⁻¹²，S_w=1×10⁻¹⁶。

计算过程：

1. 转角频率：f_c = K_f / S_w = 1×10⁻¹² / 1×10⁻¹⁶ = 10kHz
2. 在信号频带内，闪烁噪声功率：P_flicker = ∫₀.₀₅¹⁰⁰ (K_f/f) df = K_f × ln(100/0.05) = 1×10⁻¹² × 7.6 = 7.6×10⁻¹² V²
3. 白噪声功率：P_white = S_w × (100-0.05) ≈ 1×10⁻¹⁴ V²
4. 总噪声功率：P_total = P_flicker + P_white ≈ 7.61×10⁻¹² V²
5. 闪烁噪声占比：7.6×10⁻¹² / 7.61×10⁻¹² ≈ 99.9%

结果分析：在ECG频带内，闪烁噪声几乎贡献了全部噪声。若直接使用该MOSFET，等效输入噪声RMS电压约为2.76μV，远大于心电信号中P波（约0.1mV）的1/100，信噪比严重不足。改进方案：将输入管面积增大4倍（K_f降至2.5×10⁻¹³），则闪烁噪声功率降至1.9×10⁻¹² V²，总噪声RMS降至1.38μV，信噪比改善6dB。若进一步采用斩波稳定技术，可将闪烁噪声完全消除，但会增加电路复杂度和功耗。

常见误区与总结

2.4 噪声功率谱密度与等效噪声带宽

核心原理

噪声功率谱密度（PSD）描述了噪声功率在频率轴上的分布情况。对于平稳随机过程，单边功率谱密度S(f)定义为：在频率f处，单位带宽内的噪声功率。总噪声功率通过对PSD在整个频率范围内积分获得：

P_total = ∫₀^∞ S(f) df

对于白噪声（S(f)=常数），总噪声功率与带宽成正比，因此带宽越宽，噪声功率越大。然而，实际系统（如LNA、滤波器）的频率响应并非理想的矩形，而是具有滚降特性。为了简化计算，引入等效噪声带宽（ENBW）的概念：

Δf = (1/|H(f₀)|²) ∫₀^∞ |H(f)|² df

其中，H(f)为系统的电压传输函数，f₀为参考频率（通常取通带中心频率或最大增益频率）。等效噪声带宽的物理含义是：一个具有相同最大增益的理想矩形滤波器，其带宽为Δf时，通过的噪声功率与实际系统相同。这样，总输出噪声功率可简化为：

P_noise = S_in(f₀) × |H(f₀)|² × Δf

对于一阶RC低通滤波器，其等效噪声带宽为：Δf = π/2 × f_3dB ≈ 1.57 × f_3dB。对于二阶巴特沃斯滤波器，Δf ≈ 1.11 × f_3dB。对于高阶滤波器，Δf逐渐接近f_3dB。

判断方法与计算流程

在实际LNA设计中，计算等效噪声带宽的步骤如下：

1. 确定系统频率响应：通过仿真或测量获得LNA的电压增益|H(f)|随频率变化的曲线。
2. 确定参考频率f₀：通常取通带内增益最大且平坦的频率点。
3. 计算积分：对|H(f)|²从0到∞进行数值积分（实际中积分上限取远高于截止频率的频点）。
4. 除以最大增益平方：得到等效噪声带宽Δf。
5. 计算总噪声：将输入噪声PSD（含源阻抗热噪声、器件噪声等）乘以|H(f₀)|²和Δf，得到输出总噪声功率。

案例拆解：LNA输出噪声功率计算

某LNA的电压增益为20dB（即10倍），通带内增益平坦，-3dB带宽为100MHz，采用二阶巴特沃斯响应。输入信号源阻抗为50Ω，温度为290K。计算输出端的总热噪声功率。

已知条件：|H(f₀)|=10，f₃dB=100MHz，R_S=50Ω，T=290K。

计算过程：

1. 源阻抗热噪声PSD：S_in = 4kTR = 4 × 1.38×10⁻²³ × 290 × 50 ≈ 8.0×10⁻¹⁹ V²/Hz
2. 等效噪声带宽：Δf = 1.57 × f₃dB = 1.57 × 100MHz = 157MHz
3. 输出噪声功率（电压均方值）：V_out² = S_in × |H(f₀)|² × Δf = 8.0×10⁻¹⁹ × 100 × 157×10⁶ ≈ 1.26×10⁻⁸ V²
4. 输出噪声RMS电压：V_out,rms = √(1.26×10⁻⁸) ≈ 112μV
5. 若负载为50Ω，输出噪声功率：P_out = V_out² / R_L = 1.26×10⁻⁸ / 50 ≈ 2.52×10⁻¹⁰ W = -66dBm

结果分析：该输出噪声功率是LNA自身噪声与源阻抗热噪声共同作用的结果。若LNA本身无噪声，则输出噪声功率完全由源阻抗热噪声决定。实际LNA的噪声系数会进一步提高输出噪声。该计算为系统灵敏度分析提供了关键参数。

常见误区与总结