有效Dk值提取方法的仿真分析

目录

1. TDR技术提取Dk值的方法

2. 传输线双端口Delta-L技术提取Dk值的方法

3. 传输线单端口Delta-L技术提取Dk值的方法

4. 总结

参考文献


1. TDR技术提取Dk值的方法

        测试有效Dk值的一些传统而有效的方法[1][2],是采用TDR阻抗测试仪测试专门设计的传输线的传播延时差,并根据如下公式进行计算:

        实现传播延时差的测量有多种方法,一种是设计两段完全相同而仅仅长度不同的PCB走线,通过测量出各自的传播时间相减得到延时差;另一种是设计一段具备单独“阻抗断点”的PCB走线,该断点应当与连接器隔出一段距离以抵消来自于连接器的反射影响,从而实现更高精度的延时差测量。

        如下图所示,单板中实现了可用于上述两种测试的PCB走线,其实际测量结果显示,两种方法下测量出的延时差完全一样(0.71ns),从而得到完全相同的Dk值。

        但上述解决方案有一些明显的缺点,具体总结如下:

        1)应用场景受限:随着VNA的普及应用和功能的日益强大,TDR设备由于其测试功能过于单一而逐步被很多测试实验室所淘汰;

        2)测试误差较大:TDR设备需要将一个拥有快速上升沿的激励源注入到待测线中,当注入端口存在阻抗不连续性或者探针接触不良时,会造成不必要的反射导致测试结果偏差,并且,这种影响随着上升沿速度越快而越明显,因此,制约了宽带条件下的应用;

        3)数据频点固定:利用上述方法,只能得到一个固定的Dk值,但是传输线理论告诉我们,入射波和反射波是随着频率的变化而产生信号幅度和相位变化的,再加之介质所带来的异常色散影响,因此,其所对应的传播延时也不会是一个定值,因此,有效Dk值一定是随着频率而变化的。

        这些缺点,明显制约了该方法的普及,而Intel提出的基于VNA测量的Delta-L技术[3][4],则可以通过测量S参数的随频率变化的相位关系,推导出随频率变化的有效Dk值,从而具有更好的应用前景。 与此同时,基于传统双端口的Delta-L技术,还衍生出了单端口的Delta-L技术,可以在实现降本的同时,在有限条件下实现与双端口的Delta-L技术相同的测量精度[5],本文将对此进行深入的探讨。

2. 传输线双端口Delta-L技术提取Dk值的方法

        先了解下双端口Delta-L技术是如何实现动态的有效Dk值测量的,与TDR技术相同,Dk值也还是通过获取传播延时TD而推导出的,不同的是,在新技术下,TD值可以通过随频率变化的S21的相位关系得到,其推导公式如下所示:

        式中,ϕ(f)是在该频率f下的插入损耗所对应的归一化相位(以度为单位),-1是一个系数,因为经过线性处理后的相位值均是负数,两者相乘才能确保最后的TDsim是正值,至于为何需要线性处理,接下来的章节会详细说明。

        以一段带状线举例来说明上述TDR和双端口Delta-L技术,如下图所示,创建包含两个阻抗“断点”的带状线,以便于准确地提取中间“长距线”的传播延时。

        TDR的模拟结果显示,当采用不同码型的激励源时,端口处所产生的阻抗是不一样的,这样就会导致测量误差,此时“断点”的使用,就可以清楚地显示出“长距线”,并且不论码型如何变化,其“断点”的波谷位置始终恒定,此时测量出来的TD就较为一致,本例中的Tround trip=0.82ns,即TD=0.5*Tround trip=0.41ns,带入前式中,可求得有效Dk=4.195,但是与仿真中设定的Dk=4存在差异。

        为了使用Delta-L技术,需要再创建一根相对短一些的“长距线”,如下图所示,该技术下不需要使用“断点”,长、短两根带状线差距为10mm,仿真中假设先不考虑导体和介质损耗。

        从两根带状线的S21插入损耗(左图)可以发现,两根线之间的延时会随着频率的增长逐步拉开,并在达到15GHz时,完成整体相位极性的翻转(右图),这是因为两根线的长度差为10mm,其传输波长所对应的频点正好为15GHz,相位自然地进入下一个循环周期,这样的转变会导致最后的相位线性化处理结果出现相位突变,解决的办法有两个:1. 降低仿真的频率<15GHz;2. 缩小两根线之间的长度差,本例中,将仿真频率调整到10GHz。

        Dk的计算结果表明,双端口Delta-L方法得出的结果与仿真设置完全保持一致,只是在5GHz以内存在轻微的振荡(如下左图),这主要是因为低频时,端口阻抗与线阻抗的不匹配所导致的反射主要由实数部分所引起,而随着频率的增长,虚部的影响开始占主导,但是本例采用了无损传输线的设定,因此,高频处表现得更为稳定。如果将传输线配置为损耗角正切值=0.015,就会发现,有效Dk值会随频率增长而变小(如下右图)。

3. 传输线单端口Delta-L技术提取Dk值的方法

        作为双端口Delta-L的衍生方法,单端口Delta-L由于只需要一个测量端口,因此,只能通过获取S11的相位变化,来推算有效Dk值,由于S11是入射波和反射波的叠加,导致其相位变化更频繁,测量带宽受到限制,如图所示,相位极性翻转的频点下降到了7.57GHz。

        并且,端口与线阻抗必须完全匹配,才可能获取较为准确的动态Dk值,但是,在有损条件下,线阻抗不是恒定的,这也导致了其测量的准确度的下降。

        如下左图所示,为损耗角正切值=0.015、端口阻抗=50ohm时,双端口和单端口方法提取的有效Dk值的对比,可以发现,单端口提取方法存在非常明显的振荡,并且,超过7GHz后,将不能再进行准确的测量计算,如右图所示,当端口阻抗=51ohm时,单端口下的Dk值振荡明显减弱,但是因为线阻抗是动态变化的,因此,不能得到完全平稳的结果。

        最后,将铜的电导率配置到仿真模型,并将长、短“长距线”的长度差值缩小到2mm,并根据TDR的结果重新调整了单端口模型的阻抗配置,如下图所示,得到的Dk结果显示,双端口方法的表现非常稳定,而单端口方法无法避免异常色散带来的振荡,从而说明,双端口Delta-L技术在提取PCB有效Dk值方面具有很高的鲁棒性。

        关于单端口Delta-L技术的更为详细的分析,可以参考文献[5]。

4. 总结

        通过本文的仿真对比分析,提取有效Dk值方面,TDR技术在一些固定的场景下,依然有其参考应用价值,而随着VNA功能的不断增强和高精度测量手段的不断更新,双端口Delta-L技术才是主流评估方法,而单端口Delta-L技术则可以作为其降本增效的方案补充。

参考文献

[1] Quick and Easy Dielectric Constant Measurements. Eric Bogatin, Neeti Sonth, and Priya Vemparala Guruswamy;

[2] Measuring the Bulk Dielectric Constant (Dk) on a Microstrip with a TDR. Benjamin Dannan and Steve Sandler;

[3] Delta-L Methodology for Efficient PCB Trace Loss Characterization. Jimmy Hsu;

[4] Analysis of a TDR Technique to Measure Dielectric Constant. Aditya Rao;

[5] In-Situ Multilayer Printed Circuit Board Characterization Using One-Port Measurements. Eric Bogatin.

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.mzph.cn/bicheng/330.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

我的AI数字人分身上线了!

说起AI数字人&#xff0c;大家一定不会陌生。随着全民AI时代的到来&#xff0c;许多机关单位、企业和个人&#xff0c;都纷纷制作了自己的数字人形象。 前些天&#xff0c;小灰的老东家刘强东也开始用数字人直播带货&#xff0c;瞬间引爆了全网。 这一切背后的本质是什么呢&…

抽真空规范操作

抽真空规范操作 抽真空操作中&#xff0c;一个被忽视的现象是&#xff1a;许多维修人员热衷于解决空调故障&#xff0c;却对施工过程中的规范操作敷衍了事。殊不知&#xff0c;正是这些看似微不足道的细节疏忽&#xff0c;往往诱发空调各类疑难故障&#xff0c;令售后维修陷入…

Kubernetes Kafka 系列|MirrorMaker 2 同步数据

一、MirrorMaker 2介绍 MirrorMaker 2&#xff08;简称MM2&#xff09;是Apache Kafka的一个工具&#xff0c;主要用于跨Kafka集群的数据复制和同步。相比早期的MirrorMaker 1&#xff08;简称MM1&#xff09;&#xff0c;MirrorMaker 2在设计和功能上有了显著的提升&#xff…

【创建型模式】原型模式

一、原型模式概述 原型&#xff08;Prototype&#xff09;模式的定义&#xff1a;用一个已经创建的实例作为原型&#xff0c;通过复制该原型对象来创建一个和原型相同或相似的新对象。在这里&#xff0c;原型实例指定了要创建的对象的种类。用这种方式创建对象非常高效&#xf…

CV 面试指南—深度学习知识点总结(1)

本期专栏文章: CV 面试指南—深度学习知识点总结(1)CV 面试指南—深度学习知识点总结(2)CV 面试指南—深度学习知识点总结(3)CV 面试指南—深度学习知识点总结(4)CV 面试指南—深度学习知识点总结(5)

吴恩达深度学习笔记:深度学习的 实践层面 (Practical aspects of Deep Learning)1.4-1.5

目录 第一门课&#xff1a;第二门课 改善深层神经网络&#xff1a;超参数调试、正 则 化 以 及 优 化 (Improving Deep Neural Networks:Hyperparameter tuning, Regularization and Optimization)第一周&#xff1a;深度学习的 实践层面 (Practical aspects of Deep Learning)…

QT c++ 将浮点数数组转换成 QByteArray

//上一篇文章&#xff0c;描写了怎么将数据已字节数组的形式写到Sqlite 数据库&#xff0c;那么。 //本文描述2种方法将浮点数数组转换为字节数组QByteArray //在QT6.2.4 MSVC2019 调试通过 #include <QCoreApplication> #include <QByteArray> #include <Q…

Baumer工业相机堡盟工业相机如何通过BGAPI SDK实现相机给外界IO信号输出(C#)

Baumer工业相机堡盟工业相机如何通过BGAPI SDK实现相机给外界IO信号输出&#xff08;C#&#xff09; Baumer工业相机Baumer工业相机BGAPISDK和相机IO信号输出的技术背景Baumer工业相机通过BGAPISDK实现相机IO信号的输出功能1.引用合适的类文件2.通过BGAPISDK在初始化时设置相应…

Vue接收接口返回的mp3格式数据并支持在页面播放音频

一、背景简介 在实际工作中需要开发一个转音频工具&#xff0c;并且能够在平台页面点击播放按钮播放音频 二、相关知识介绍 2.1 JS内置对象Blob Blob对象通常用于处理大量的二进制数据&#xff0c;可以读取/写入/操作文件、音视频等二进制数据流。Blob表示了一段不可变的二…

【PCL】教程alignment_prerejective.cpp 刚性物体的鲁棒位姿估计

The viewer window provides interactive commands; for help, press h or H from within the window. > Loading V:\learn\PCL\pcl\examples\test\chef.pcd [PCLVisualizer::setUseVbos] Has no effect when OpenGL version is 鈮?2 [done, 327.147 ms : 5092 points] Ava…

【torch函数】torch.multinomial函数

torch.multinomial 是PyTorch中的一个函数&#xff0c;用于从多项分布中抽取样本。多项分布是一种描述多个可能结果的概率分布&#xff0c;例如抛硬币、掷骰子等。 torch.multinomial的用法如下&#xff1a; torch.multinomial(input, num_samples, replacementFalse, *, gene…

C++入门之类和对象(下)

C入门之类和对象(下) 文章目录 C入门之类和对象(下)一、初始化列表1.1 概念1.2 注意事项 11.3 注意事项 21.4 注意事项 3 二、explicit关键字2.1 为什么要有explicit关键字 三、static成员3.1 static修饰类的成员和成员函数 一、初始化列表 1.1 概念 先来看看构造函数 #incl…

MySQL 中 InnoDB 存储引擎使用的 B+树底层数据结构

简要介绍 InnoDB 和它为什么选择使用 B树 InnoDB 是 MySQL 中默认的存储引擎&#xff0c;广泛用于生产环境中&#xff0c;特别是在要求高可靠性和事务性的应用场景。这个存储引擎支持事务处理、行级锁定、外键约束等高级数据库功能&#xff0c;这使得它非常适合处理大量数据并…

力扣爆刷第122天之CodeTop100五连刷96-100

力扣爆刷第122天之CodeTop100五连刷96-100 文章目录 力扣爆刷第122天之CodeTop100五连刷96-100一、912. 排序数组二、24. 两两交换链表中的节点三、297. 二叉树的序列化与反序列化四、560. 和为 K 的子数组五、209. 长度最小的子数组 一、912. 排序数组 题目链接&#xff1a;h…

AI大模型量化格式介绍(GPTQ,GGML,GGUF,FP16/INT8/INT4)

在 HuggingFace 上下载模型时&#xff0c;经常会看到模型的名称会带有fp16、GPTQ&#xff0c;GGML等字样&#xff0c;对不熟悉模型量化的同学来说&#xff0c;这些字样可能会让人摸不着头脑&#xff0c;我开始也是一头雾水&#xff0c;后来通过查阅资料&#xff0c;总算有了一些…

嵌入式学习57-ARM6(linux驱动启动程序)

知识零碎&#xff1a; arm2440 精简指令集架构 …

MongoDB聚合运算符:$reverseArray

MongoDB聚合运算符&#xff1a;$reverseArray 文章目录 MongoDB聚合运算符&#xff1a;$reverseArray语法使用举例 $reverseArray聚合运算符接受数组表达式作为参数&#xff0c;并返回一个元素按相反顺序排列的数组。 语法 { $reverseArray: <array expression> }参数可…

DFS之剪枝(上交考研题目--正方形数组的数目)

题目 给定一个非负整数数组 A A A&#xff0c;如果该数组每对相邻元素之和是一个完全平方数&#xff0c;则称这一数组为正方形数组。 返回 A A A 的正方形排列的数目。 两个排列 A 1 A1 A1 和 A 2 A2 A2 不同的充要条件是存在某个索引 i i i&#xff0c;使得 A 1 [ i …

Spring MVC found on classpath, which is incompatible with Spring Cloud Gateway.

报错信息 Description: Spring MVC found on classpath, which is incompatible with Spring Cloud Gateway. Action: Please set spring.main.web-application-typereactive or remove spring-boot-starter-web dependency.解析 这个错误信息是因为你的项目中同时存在…

前端基础(之五)

Q1: git常用的命令有哪些 git init 在当前目录下创建一个新的Git仓库 git clone 复制一个远程仓库到本地 git add 将文件添加到暂存区&#xff0c;准备提交 git commit 提交暂存区的更改到本地仓库&#xff0c;并记录提交信息 git status 查看仓库的当前状态&am…