射频领域,90nm GaN 前景可期

分享到:

长期以来,Qorvo 一直是半导体行业的领导者,是全球公认的创新先锋。
 
2015 年,Qorvo 率先发布了 150nm GaN 节点(业界第一款),并在过去 7 年里成为 20-40 Ghz 频率范围的技术领导者。在把工艺往 90nm 推进之后,Qorvo 将能够支持 Ka 频段以上的应用。在某些情况下,还可以通过高速节点提高 Ka 频段及 Ka 以下频段应用的性能。
 
根据规划,先进节点的GaN能够用于多个领域的应用,包括雷达、通信以及通过 W 频段(基本上达到 100 GHz)实现某些目的。其中很多应用以现有的 GaN 节点是无法妥善解决的。类似频率范围的商业应用也是如此。
 
Qorvo 在提供 5G 和其他商用产品方面堪称领军者,开发这些产品需要对当今的市场需求以及满足这些需求所需的先进 GaN 节点和先进互连系统有敏锐的了解。作为一个领先的商业供应商,Qorvo 在利用晶圆数量来推动制造流程控制、促进工艺和可靠性成熟度以及降低整个 DIB 的成本方面,具有独特的优势。
 
 
GaN
 
与硅 (Si) 或砷化镓 (GaAs) 相比,90nm GaN 节点晶体管支持更高的速度、更大的射频范围、更高的温度稳健性、高功率稳健性、更小的尺寸以及更优的能效。与 GaAs 和硅相比,GaN 还可以在更高的电压电平下工作。这意味着它可以达到远高于 GaAs 或硅晶体管的功率水平。GaN 技术实现的更高功率水平让每个通道都有更高的功率,使天线阵列能够用更少的有源元件产生所需的辐射输出功率,从而使阵列尺寸更小,在系统的其他方面也可以节约成本。
 
过去几年里,围绕 90nm GaN 节点进行了广泛的研发论证。在商业应用中,几十年来,该行业的带宽需求一直在扩大,越来越多的数据以更高的速率传输。随着带宽的增加,对更高频率的需求也在增加。GaN 使开发者能够满足这些不断增长的需求。
 
从新兴市场的角度来看,5G 和即将到来的 6G 预计将继续推动 GaN 应用和创新的发展,部分原因是它们的高功率和高频率需求。我们今天所熟悉的大部分通信都是建立在 GaN 等技术的基础上。GaN 产品可提供所需的无线和有线通信,帮助我们实现卫星、电缆、雷达和蜂窝骨干网,满足我们的高数据速率需求。它还提供了运行物联网、即将面市的自动驾驶车辆以及航空应用所需的基础设施。
由此可见,GaN 射频的前景愈加光明。
 
文章为原创,转载请注明原网址:https://rf.eefocus.com/article/id-336439
继续阅读
一文讲解无线通信领域的混频器和调制器

在所有的无线设计中,混频器和调制器都支持变频并实现通信。它们确定整个信号链的基本规格。它们的接收信号链具有最高功率,对来自发射通路中的数模转换器(DAC)的信号进行上变频,并实现数字预失真(DPD)系统,从而影响整个通信系统的性能。那么,基本混频器的工作原理如何?有哪些重要规格要考虑?目前有哪些混频器和调制器方案可用来改进和简化系统设计?

存储器技术发展概述

半导体存储技术在电子设计中占有重要的地位,在几乎任何包含处理器的系统中都会用到各种各样的存储器。 随着处理器的进化和发展,存储技术也跟随着不断进步。 另外,随着处理器和计算机系统而不断复杂的软件系统,也对存储技术提出越来越高的要求,新型的存储技术因此不断涌现。 然而,当今的主流存储技术在可预见的将来仍然会被大量应用在计算机系统、数码相机、智能手机等电子设备当中。

I2C总线的工作原理

I2C总线是一种十分流行并且强大的总线,其多用于一个(或多个)主机与单个或多个从设备通讯的场景。图1表明了多种不同的外设可以共享这种只需要两根线便可以连接到处理器的总线,相对于其他接口来说,这也是I2C总线可以提供的最大优势之一。这篇应用笔记的目标是帮助大家理解I2C总线是如何工作的。

引线键合和倒装焊封装制程工艺详解

系统级封装技术已经成为电子技术研究新热点和技术应用的主要方向之一,SIP封装工艺作为SIP封装技术的重要组成部分,值得从事相关技术行业的技术人员和学者进行研究和学习,引线键合和倒装焊作为系统级封装的两种工艺,各有其特点和优势,需要根据具体生产要求进行选择。

机器视觉的三种种目标识别方法讲解

随着机器视觉技术的快速发展,传统很多需要人工来手动操作的工作,渐渐地被机器所替代。传统方法做目标识别大多都是靠人工实现,从形状、颜色、长度、宽度、长宽比来确定被识别的目标是否符合标准,最终定义出一系列的规则来进行目标识别。这样的方法当然在一些简单的案例中已经应用的很好,唯一的缺点是随着被识别物体的变动,所有的规则和算法都要重新设计和开发,即使是同样的产品,不同批次的变化都会造成不能重用的现实。而随着机器学习,深度学习的发展,很多肉眼很难去直接量化的特征,深度学习可以自动学习这些特征,这就是深度学习