S参数入门

一、说明

S参数全称为散射参数,主要用来作为描述线性无源互联结构的一种行为模型,来源于网络分析方法。网络分析法是一种频域方法,在一组离散的频率点上,通过在输入和输出端口得到的参量完全描述线性时不变系统(定义参考《信号与系统》),无需了解系统的内部详细构造,是一种黑盒分析方法。

频域S参数分析和时域分析只是从不同角度观察信号,也可以相互转换,没有本质不同:

如上图,S参数的反射波可以测出S11,传输波可以计算S21;同样时域的反射波可以测得TDR,传输波可以计算TDT。他们之间通过傅里叶变换和逆变换也可以互相转换。需要说明的是,在频域中只有一种波形就是正弦波。

二、S参数的含义

S参数就是指输出波形和输入波形之比,即:

正弦波有三个参数,即幅值、频率和相位,而横坐标就是频率,因此主要关注幅值和相位。那么:

大家看S参数的时候纵坐标一般都是用dB表示,换算关系如下:

相位呢,S参数的相位是指输出波形和输入波形相位之差(本来是比值怎么成减法了呢,感兴趣的人可以思考下):

针对二端口网络,S参数包括S11、S21、S12和S22,但是无源网络的S21和S12是相等的,如果网络是互易的,S11就等于S22。如果网络是无损的,那么S11*S11+S21*S21=1。

1.S11

S11(dB)工程上的叫法是回波损耗(return loss),S11具体定义是指1端口输入信号在1端口反射的正弦波幅值和1端口输入正弦波幅值之比:

S11=V-/V+

然后根据反射理论可知:

S11=V-/V+=(ZIN-Z0)/(ZIN+Z0),其中ZIN是网络的输入阻抗,Z0是测试的参考阻抗(一般都是50Ω);

需注意这里写的是S11不是S11(dB),如果是网分直接测出的S11(dB),则需要换算后参与计算。

举个例子,假设网络的输入阻抗为61Ω,网分的阻抗为50Ω,则:

S11=(61-50)/(61+50)=11/111,大概为0.1,换算为S11(dB)=-20dB。

知道了S11的含义,我们就不难理解S11的用途,例如测试传输线的S11,就可以看到走线的反射情况,评估中间处理的阻抗是否匹配(过孔、焊盘等)。如果反射过大,对双向传输的信号是否能造成误识别;多次反射造成最终接收信号的质量问题等。

在一些高速传输总线上也规定了回损的要求,如下是GMSL的S11的Limit限值:

2.S21

S21(dB)在工程上叫插入损耗(Insertion Loss),描述的是1端口输入信号在2端口输出正弦波幅值和1端口输入正弦波幅值之比。影响S21大小的原因很多,包括传导损耗、介质损耗、辐射、串扰等等,当然也保护反射引起的损耗。看S参数曲线,一般回损>-10dB时,就对插损有明显的影响了。

实际应用中,影响插损大小的主要是线长、频率以及耗散因子。FR4板材,50Ω传输线的插损的经验大小为0.1dB/英寸/GHz,例如5cm线长,频率3GHz处插损大概为0.6dB。

在一些高速传输总线上会规定插损的要求,如下是GMSL的S21的Limit限值:

三、差分S参数

差分S参数又叫混模(Mixed-Mode)S参数、均衡(Balanced)S参数,是指差分对的S参数。

差分S参数主要分为四类:差分转差分、差分转共模、共模转差分和共模转共模。

然后每类还包括4个S参数(2个回损和2个插损):

举个例子:

  • SDC11代表从port1输入差分信号,在port1接收到的共模信号;

  • SDC12代表从Port2输入差分信号,在Port1接收到的共模信号;

  • SDC21代表从port1输入差分信号,在port2接收到的共模信号;

  • SDC22代表从port2输入差分信号,在port2接收到的共模信号;

本质上差分S参数也是4端口单端S参数(P1+/P1-可以看成端口1和3,对端为2和4),那怎么相互转换呢?

以SDD11举例,从名称可以看出是差分输入和差分输出,即2和4是没有输入,1为+V,3为-V,即输入为1-3=2V,输出为:S11*V+S13*(-V)-S31*V-S33*(-V)=V*(S11-S13-S31+S33)

SDD11=输出/输入=V*(S11-S13-S31+S33)/2V=0.5*(S11-S13-S31+S33)。

同理,其它的差分S参数也可以对应单端S参数,具体为:

四、S参数的应用

在高速信号中(USB、MIPI、DP等)都会对无源通道、线材甚至连接器提出S参数要求,只要满足这些要求,就代表本部分符合规范。如果S参数不符合要求,也可以通过IBIS模型,进行channel仿真,查看RX眼图是否符合规范进行评估影响。

实际上,在射频、滤波器设计等方面S参数也应用很多,比如天线多测试S11查看谐振点,滤波器更是以S参数定义性能参数。

S参数还可以代替实际器件进行仿真,例如走线在连接器处有一个ESD的TVS管,如果可以获取该器件的S参数,就可以直接带入进行仿真,无需自己建模。

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/47849.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

npm install 出现canvas错误

npm install canvas2.8.0 --ignore-scripts只要是:npm ERR! Failed at the XXXX.X.X install script 这种错误 都可以:npm install XXXX.X.X --ignore-scripts进行更改 https://blog.csdn.net/YXWik/article/details/119039561

PyTorch 深度学习实践-循环神经网络基础篇

视频指路 参考博客笔记 参考笔记二 文章目录 上课笔记基于RNNCell实现总代码 基于RNN实现总代码 含嵌入层的RNN网络嵌入层的作用含嵌入层的RNN网络架构总代码 其他RNN扩展基本注意力机制自注意力机制(Self-Attention)自注意力计算多头注意力机制&#xf…

浏览器的卡顿与react的解决思路

以下内容是阅读过程中结合自己的思考而诞生的产物,不一定准确,但相反的,可能个人对实际情况有很大的误解。 仅做参考,欢迎指正。 前面提到浏览器显示的其实是渲染流程最后渲染出来的一张图片,而一个行为引起的副作用需…

系统架构师(每日一练4)

每日一练 1.在网络操作系统环境中,若用户UserA的文件或文件夹被共享后,则()。 答案与解析 A.UserA 的安全性与未共享时相比将会有所提高 B.UserA 的安全性与未共享时相比将会有所下降 C.UserA 的可靠性与未共享时相比将会有所提高 D.UserA 的方便性与未…

redis笔记和测试

redis是用c语言写的,放不频繁更新的数据(用户数据。课程数据) Redis 中,"穿透"通常指的是缓存穿透(Cache Penetration)问题,这是指一种恶意或非法请求直接绕过缓存层,直接访问数据库或…

Nginx(详解)

1. 什么是Nginx? Nginx是一款轻量级的Web 服务器/反向代理服务器及电子邮件(IMAP/POP3)代理服务器,在BSD-like 协议下发行。其特点是占有内存少,并发能力强,事实上nginx的并发能力在同类型的网页服务器中表…

使用ElementUI和element-china-area-data库实现省市区三级联动组件封装

在前端开发中,省市区三级联动是一个常见的需求。今天我们将使用Vue.js和ElementUI组件库,结合element-china-area-data库,来实现一个省市区三级联动的组件。这个组件不仅可以提高用户体验,还能大大简化我们的代码。接下来&#xf…

解决用PicGo为typora配置github图床失败的问题

问题 用PicGo给typora配置图床之,试了好几次,验证图片上传选项时一直都是success:false。 解决办法 安装了github-plus插件后,PicGo的图床设置里会出现github-plus,按照在GitHub选项里的信息在github-plus里再设置一遍&#xf…

swift小知识点(二)

1、 Swift 枚举 Swift 中使用 enum 关键词来创建枚举并且把它们的整个定义放在一对大括号内: enum enumname {// 枚举定义放在这里 } 如下事例: // 定义枚举 enum DaysofaWeek {case Sundaycase Mondaycase TUESDAYcase WEDNESDAYcase THURSDAYcase…

elementUI在手机端使用遇到的问题总结

之前的博客有写过用vue2elementUI封装手机端选择器picker组件,支持单选、多选、远程搜索多选,最终真机调试的时候发现有很多细节样式需要调整。此篇博客记录下我调试过程中遇到的问题和解决方法。 一、手机真机怎么连电脑本地代码调试? 1.确…

C++版OpenCV_02_几何变换

几何变换,持续更新 2.1 仿射变换2.2 投影变换2.3 极坐标变换 几何变换: 仿射变换:平移、放大缩小、旋转、计算仿射矩阵(方程法、矩阵法)、插值(最近邻、双线性插值)、投影变换极坐标变换 2.1 仿…

Blender4.2版本正式上线,新版本的5个主要功能!

​Blender刚刚推出了备受瞩目的 Blender 4.2 版本,这款软件专为那些在视觉特效、动画制作、游戏开发和可视化设计领域工作的艺术家们量身打造。作为最新的长期稳定更新,Blender 4.2 不仅稳定可靠,还引入了备受期待的“Eevee Next”实时渲染引…

Milvus 实践(1) --- 文本-图片交互式search搭建及原理

目录 背景 训练素材 download torchvision 简介 python代码 执行结果 模型训练 模型训练参数 训练模型 注意事项 模型加载 录入vectorDB 使用预加载的模型参数对图片进行编码 录入milvus 查询效果 查询编码 milvus search 模型适用列表 总结 背景 应该说Mi…

什么是人工智能的黑盒效应

人工智能的黑盒效应是指AI模型的内部运作机制不透明,人们难以理解其如何从输入得到输出的现象。 黑盒效应一直是人工智能发展中的一大挑战。在许多情况下,AI模型被视作一个“黑盒子”,只能看到输入和输出,却无法观察其内部的逻辑和…

LabVIEW在CRIO中串口通讯数据异常问题

排查与解决步骤 检查硬件连接: 确保CRIO的串口模块正确连接,并且电缆无损坏。 确认串口模块在CRIO中被正确识别和配置。 验证串口配置: 在LabVIEW项目中,检查CRIO目标下的串口配置,确保波特率、数据位、停止位和校验…

ASPICE过程改进原则:确保汽车软件开发的卓越性能

"在汽车行业中,软件已经成为驱动创新和增强产品功能的核心要素。然而,随着软件复杂性的增加,确保软件质量、可靠性和性能成为了一项严峻的挑战。ASPICE标准的引入,为汽车软件开发提供了一套全面的过程改进框架,以…

用EXCEL和python 计算马尔可夫链转移矩阵

目录 目标:用EXCEL和python 计算马尔可夫链转移矩阵 1 用EXCEL计算 1.1 马尔可夫链的基本应用 1.2 具体计算 2 用python计算马尔可夫转移矩阵 2.1 py代码 2.2 运行结果 3 上面2者计算结果相同 目标:用EXCEL和python 计算马尔可夫链转移矩阵 1 用…

【信号频率估计】MVDR算法及MATLAB仿真

目录 一、MVDR算法1.1 简介1.2 原理1.3 特点1.3.1 优点1.3.2 缺点 二、算法应用实例2.1 信号的频率估计2.2 MATLAB仿真代码 三、参考文献 一、MVDR算法 1.1 简介 最小方差无失真响应(Mininum Variance Distortionless Response,MVDR)算法最…

git-各种场景-撤销指令

一、撤销工作目录中的修改 1. 撤销文件的修改 如果你想撤销某个文件的修改&#xff0c;可以使用 git checkout 或 git restore 命令&#xff1a; # 使用 git checkout 撤销文件修改 git checkout -- <file># 使用 git restore 撤销文件修改 git restore <file>2…

【JAVA】深入理解Hutool中的Pair、Triple和Tuple:组合数据的新方式,方法返回多个值,嘎嘎香,谁用谁知道,比原生好用更强大

Hutool 是一个开源的 Java 工具库&#xff0c;提供了丰富且实用的功能&#xff0c;旨在减少 Java 程序员在日常开发中重复造轮子的工作。在 Hutool 中&#xff0c;Pair、Triple 和 Tuple 是三种用于组合和存储不同数量相关联数据的类。以下是这三个类的简介&#xff1a; 1、添…