전자회로 완전 가이드: 다이오드부터 연산증폭기까지

전기/전자공학의 핵심인 아날로그 전자회로를 체계적으로 정리합니다. 회로 이론 기초부터 시작해 반도체 소자, 증폭기 설계, 필터, 전원 공급 장치까지 실습 예제와 함께 다룹니다.

1. 회로 이론 기초

키르히호프의 법칙

키르히호프 전압 법칙 (KVL): 임의의 폐루프에서 전압의 대수합은 0입니다.

$\sum_{k=1}^{n} V_k = 0$

키르히호프 전류 법칙 (KCL): 임의의 노드에서 유입/유출 전류의 합은 0입니다.

$\sum_{k=1}^{n} I_k = 0$

import numpy as np

# KVL/KCL 노드 해석 예시
# 회로: V1=12V, R1=1kΩ, R2=2kΩ, R3=3kΩ
# 노드 전압법으로 V_node 계산

G = np.array([
    [1/1e3 + 1/2e3, -1/2e3],
    [-1/2e3, 1/2e3 + 1/3e3]
])
I = np.array([12/1e3, 0])
V = np.linalg.solve(G, I)
print(f"노드 전압: V1={V[0]:.3f}V, V2={V[1]:.3f}V")

테브난/노턴 등가 회로

임의의 선형 회로는 테브난 전압 $V_{th}$와 테브난 저항 $R_{th}$의 직렬 조합으로 단순화할 수 있습니다. 노턴 등가는 $I_N = V_{th}/R_{th}$와 $R_N = R_{th}$의 병렬 조합입니다.

최대 전력 전달: 부하 저항 $R_L = R_{th}$일 때 최대 전력이 전달됩니다.

$P_{max} = \frac{V_{th}^2}{4R_{th}}$

AC 회로와 페이저 분석

임피던스 표현:

• 저항: $Z_R = R$
• 인덕터: $Z_L = j\omega L$
• 커패시터: $Z_C = \frac{1}{j\omega C}$

전달 함수 (Transfer Function)와 보드 선도(Bode Plot)는 주파수 응답 분석의 핵심 도구입니다.

2. 다이오드 (Diode)

p-n 접합의 물리적 동작

p형 반도체(정공 다수 캐리어)와 n형 반도체(전자 다수 캐리어)가 접합하면 공핍층(Depletion Region)이 형성됩니다. 순방향 바이어스 시 공핍층이 좁아져 전류가 흐르고, 역방향 바이어스 시 공핍층이 넓어져 전류가 차단됩니다.

쇼클리 다이오드 방정식

$I_D = I_S\left(e^{V_D / nV_T} - 1\right)$

여기서:

• $I_S$: 역포화 전류 (약 $10^{-14}$ A 수준)
• $n$: 이상 인자 (이상적: 1, 실제: 1~2)
• $V_T = kT/q$: 열전압 (실온 25도에서 약 26 mV)

import numpy as np
import matplotlib.pyplot as plt

# 다이오드 I-V 특성 곡선
V = np.linspace(-0.5, 0.8, 1000)
IS = 1e-14      # 역포화 전류
n = 1.0         # 이상 인자
VT = 0.02585    # 열전압 (25도)

ID = IS * (np.exp(V / (n * VT)) - 1)
ID_clipped = np.clip(ID, -1e-12, 0.1)  # 가시성을 위해 클리핑

plt.figure(figsize=(8, 5))
plt.plot(V, ID_clipped * 1000, 'b-', linewidth=2)
plt.axhline(y=0, color='k', linewidth=0.5)
plt.axvline(x=0, color='k', linewidth=0.5)
plt.xlabel('전압 V_D (V)')
plt.ylabel('전류 I_D (mA)')
plt.title('다이오드 I-V 특성 곡선')
plt.grid(True, alpha=0.3)
plt.xlim(-0.5, 0.8)
plt.ylim(-0.01, 0.1)
plt.show()

정류 회로

반파 정류: 다이오드 1개로 교류의 한 방향만 통과시킵니다. 출력 평균 전압은 $V_{avg} = V_m / \pi$입니다.

전파 정류 (브리지 정류): 4개의 다이오드로 교류의 양 방향을 정류합니다. 출력 평균 전압은 $V_{avg} = 2V_m / \pi$입니다.

제너 다이오드

역방향 항복 전압을 이용한 전압 기준 소자입니다. 제너 전압 $V_Z$에서 동작하며 간단한 전압 안정화 회로에 사용됩니다.

$V_{out} = V_Z, \quad R_S = \frac{V_{in} - V_Z}{I_Z + I_L}$

3. BJT 트랜지스터

구조와 동작 모드

BJT(Bipolar Junction Transistor)는 이미터(E), 베이스(B), 컬렉터(C) 세 단자로 구성됩니다.

활성 영역에서: $I_C = \beta I_B = h_{FE} I_B$

DC 바이어스 설계

가장 안정적인 전압 분배기 바이어스 방식:

$V_B = V_{CC} \cdot \frac{R_2}{R_1 + R_2}$ $V_E = V_B - V_{BE} \approx V_B - 0.7\text{ V}$ $I_C \approx I_E = \frac{V_E}{R_E}$

소신호 등가 회로 (하이브리드-π 모델)

핵심 파라미터:

• $g_m = I_C / V_T$: 트랜스컨덕턴스
• $r_\pi = \beta / g_m$: 입력 저항
• $r_o = V_A / I_C$: 출력 저항 (Early 효과)

증폭기 구성 비교

공통 이미터 증폭기 전압 이득:

$A_v = -g_m (R_C \| r_o) \approx -\frac{R_C}{r_e}$

4. MOSFET

동작 원리와 영역

MOSFET(Metal-Oxide-Semiconductor FET)은 게이트(G), 드레인(D), 소스(S), 기판(B) 네 단자 소자입니다. n-채널 MOSFET 기준:

차단 영역: $V_{GS} < V_{th}$ → $I_D \approx 0$

선형(오믹) 영역: $V_{GS} > V_{th}$, $V_{DS} < V_{GS} - V_{th}$

$I_D = \mu_n C_{ox} \frac{W}{L} \left[(V_{GS} - V_{th})V_{DS} - \frac{V_{DS}^2}{2}\right]$

포화 영역: $V_{DS} \geq V_{GS} - V_{th}$

$I_D = \frac{1}{2}\mu_n C_{ox} \frac{W}{L}(V_{GS} - V_{th})^2 (1 + \lambda V_{DS})$

소신호 파라미터

• $g_m = \sqrt{2\mu_n C_{ox}(W/L)I_D}$: 트랜스컨덕턴스
• $r_o = 1/(\lambda I_D)$: 출력 저항

CMOS 인버터

디지털 논리의 기본 게이트. PMOS와 NMOS의 상보적 동작으로 정적 전력 소모가 거의 없습니다. 스위칭 에너지: $E = CV_{DD}^2$

5. 연산증폭기 (Op-Amp)

이상적 Op-Amp 특성

가상 단락 (Virtual Short): 부피드백 적용 시 두 입력 단자 전압이 동일 → $V^+ = V^-$

가상 개방 (Virtual Open): 이상적 입력 임피던스 무한대 → 입력 단자로 전류 유입 없음

기본 Op-Amp 회로

반전 증폭기:

$A_v = -\frac{R_f}{R_1}$

비반전 증폭기:

$A_v = 1 + \frac{R_f}{R_1}$

차동 증폭기 (CMRR이 높을 때):

$V_{out} = \frac{R_f}{R_1}(V_2 - V_1)$

적분기 (밀러 적분기):

$V_{out}(t) = -\frac{1}{R_1 C} \int V_{in}(t)\, dt$

미분기:

$V_{out}(t) = -R_f C \frac{dV_{in}}{dt}$

import numpy as np
import matplotlib.pyplot as plt

# 반전 증폭기 주파수 응답 시뮬레이션
f = np.logspace(1, 7, 1000)  # 10Hz ~ 10MHz
GBW = 1e6  # 1MHz 이득-대역폭 적
R1, Rf = 1e3, 10e3

Av_ideal = -Rf / R1  # 이상적 이득 = -10

# 개루프 이득 (단순 1차 모델)
A_open = GBW / (1j * f)

# 폐루프 이득
beta = R1 / (R1 + Rf)
Av_closed = A_open / (1 + A_open * beta)

plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.semilogx(f, 20*np.log10(np.abs(Av_closed)), 'b-', linewidth=2, label='실제 이득')
plt.axhline(y=20*np.log10(abs(Av_ideal)), color='r', linestyle='--', label='이상적 이득 (20dB)')
plt.ylabel('이득 (dB)')
plt.title('반전 증폭기 주파수 응답 (GBW=1MHz, Av=-10)')
plt.legend()
plt.grid(True, alpha=0.3)

plt.subplot(2, 1, 2)
plt.semilogx(f, np.angle(Av_closed, deg=True), 'g-', linewidth=2)
plt.xlabel('주파수 (Hz)')
plt.ylabel('위상 (도)')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

슈미트 트리거 (Schmitt Trigger)

히스테리시스를 가진 비교기로 노이즈에 강합니다.

$V_{H} = +V_{sat} \cdot \frac{R_1}{R_1 + R_f}$ $V_{L} = -V_{sat} \cdot \frac{R_1}{R_1 + R_f}$

6. 전력 증폭기

급별 비교

푸시풀 증폭기 (AB급)

NPN과 PNP 트랜지스터 쌍을 사용해 교류 신호의 양방향을 각각 증폭합니다. 교차 왜곡 최소화를 위해 약 0.6~0.7 V의 바이어스 전압을 인가합니다.

7. 피드백 (Feedback)

부피드백의 장점

1. 이득 안정화: 소자 변동에 둔감
2. 대역폭 확장: $BW_{closed} = BW_{open} \times (1 + A\beta)$
3. 왜곡 감소: 비선형 왜곡을 $(1 + A\beta)$로 나눈 만큼 감소
4. 임피던스 조정: 직렬 피드백→입력 임피던스 증가, 병렬 피드백→감소

안정성 분석

보드 선도에서 위상 여유(Phase Margin)와 이득 여유(Gain Margin)로 안정성을 판단합니다.

• 위상 여유 PM > 45도: 안정
• 이득 여유 GM > 6 dB: 안정

나이퀴스트 안정성 기준: 개루프 전달 함수의 나이퀴스트 선도가 (-1, j0) 점을 시계 방향으로 감싸지 않으면 안정합니다.

8. 능동 필터

버터워스 저역통과 필터

최대한 평탄한 통과대역 특성을 가집니다. n차 필터의 전달 함수 크기:

$|H(j\omega)| = \frac{1}{\sqrt{1 + (\omega/\omega_c)^{2n}}}$

Sallen-Key 2차 저역통과 필터

두 개의 저항, 두 개의 커패시터, Op-Amp 1개로 구성합니다.

$H(s) = \frac{\omega_0^2}{s^2 + (\omega_0/Q)s + \omega_0^2}$

품질 인자 $Q$가 높을수록 공진 피크가 강해집니다. 버터워스 응답을 위해 $Q = 1/\sqrt{2} \approx 0.707$을 사용합니다.

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# 버터워스 3차 저역통과 필터 (fc = 1kHz)
fc = 1000  # Hz
order = 3
b, a = signal.butter(order, 2*np.pi*fc, btype='low', analog=True)

f = np.logspace(1, 5, 1000)
w = 2 * np.pi * f
_, H = signal.freqs(b, a, worN=w)

plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.semilogx(f, 20*np.log10(np.abs(H)), 'b-', linewidth=2)
plt.axvline(x=fc, color='r', linestyle='--', label='차단 주파수')
plt.xlabel('주파수 (Hz)')
plt.ylabel('이득 (dB)')
plt.title('버터워스 3차 LPF')
plt.legend()
plt.grid(True, alpha=0.3)

plt.subplot(1, 2, 2)
plt.semilogx(f, np.angle(H, deg=True), 'g-', linewidth=2)
plt.axvline(x=fc, color='r', linestyle='--', label='차단 주파수')
plt.xlabel('주파수 (Hz)')
plt.ylabel('위상 (도)')
plt.title('위상 응답')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

9. 전원 공급 장치 회로

선형 레귤레이터

7805 계열: 고정 5V 출력. 드롭아웃 전압 약 2V.

$P_{dissipation} = (V_{in} - V_{out}) \times I_{load}$

LM317 가변 레귤레이터:

$V_{out} = 1.25\left(1 + \frac{R_2}{R_1}\right) + I_{adj} \cdot R_2$

스위칭 레귤레이터

Buck (강압형):

$V_{out} = D \cdot V_{in}, \quad D = \frac{t_{on}}{T}$

Boost (승압형):

$V_{out} = \frac{V_{in}}{1-D}$

Buck-Boost (반전형):

$V_{out} = -\frac{D}{1-D} V_{in}$

스위칭 레귤레이터의 효율은 85~95%로 선형 레귤레이터보다 훨씬 높습니다.

10. 센서와 인터페이스 회로

온도 센서 인터페이스

NTC 서미스터 (부온도 계수): 온도 증가 시 저항 감소.

$R(T) = R_0 \cdot e^{B(1/T - 1/T_0)}$

계측 증폭기 (INA128 등):

$A_v = 1 + \frac{50\text{ k}\Omega}{R_G}$

높은 CMRR로 소신호 계측에 적합합니다.

ADC/DAC 인터페이스

ADC 핵심 파라미터:

• 분해능 (Resolution): n비트 ADC는 $2^n$ 레벨
• SNR(dB) $\approx 6.02n + 1.76$ (이상적 n비트 ADC)
• 샘플링 주파수 $\geq 2f_{max}$ (나이퀴스트 기준)

11. AI 하드웨어와 아날로그 회로

뉴로모픽 컴퓨팅의 아날로그 회로

딥러닝 추론을 하드웨어에서 효율적으로 수행하기 위해 아날로그 회로가 재조명받고 있습니다.

아날로그 곱셈-누산 (MAC) 연산: 가중치를 커패시터 전하나 전류 방향으로 표현하고, 옴의 법칙($I = GV$)으로 곱셈을 수행합니다. 메모리 내 연산(Processing-In-Memory)의 핵심입니다.

Flash ADC 기반 AI 가속기: 고속 다비트 ADC로 활성화 함수 출력을 디지털 변환 후 다음 레이어에 전달합니다.

배터리 전원 AI 추론의 전력 관리

엣지 AI 기기에서 소비 전력 최소화:

• 동적 전압/주파수 스케일링 (DVFS)
• 전력 게이팅 (Power Gating)
• 고효율 스위칭 레귤레이터 사용
• 아날로그-디지털 혼합 신호 설계로 ADC 비트 수 최적화

12. 퀴즈

참고 문헌

• Sedra & Smith - Microelectronic Circuits, 8th Edition (Oxford University Press)
• Razavi - Design of Analog CMOS Integrated Circuits, 2nd Edition (McGraw-Hill)
• Texas Instruments - Op Amp Applications Handbook (Free PDF, ti.com)
• Horowitz & Hill - The Art of Electronics, 3rd Edition (Cambridge University Press)
• LTspice - 무료 SPICE 시뮬레이터 (Analog Devices 제공, analog.com/ltspice)
• Falstad Circuit Simulator - 브라우저 기반 무료 회로 시뮬레이터 (falstad.com/circuit)

이 가이드는 전자회로 입문자부터 심화 학습자까지 활용할 수 있도록 설계되었습니다. SPICE 시뮬레이션과 Python 코드로 직접 회로를 검증해 보세요. Sedra & Smith 교재와 병행 학습하면 효과가 극대화됩니다.