9、电路综合-基于简化实频的任意幅频响应的微带电路设计

9、电路综合-基于简化实频的任意幅频响应的微带电路设计

网络综合和简化实频理论学习概述中的1-8介绍了SRFT的一些基本概念和实验方法,终于走到了SRFT的究极用途,给定任意响应直接综合出微带电路。

1、任意幅频响应的微带电路设计用途

我们演示了采用相应传输线的经典微波滤波器的设计过程。设计方法的第一步是选择合适的传递函数。显然,传递函数的形式必须反映设计要求。对于许多实际情况,使用通过巴特沃斯或切比雪夫多项式构造的现成低通类型原型函数可能就足够了。

然而,对于某些应用,换能器功率增益(TPG)的期望形状可以由所考虑的问题以任意方式决定。例如,可以利用补偿信道失真的无损滤波器来均衡通信信道的增益失真。
在这里插入图片描述
当然,这种设计方法也可以用于匹配电路的设计分析(根据匹配目标之间生成对应的微带线电路)。

2、之前的一些回顾与总结

之前也给出了一些电路综合的案例,但是这些案例必须基于解析函数形式的S参数,在更为一般的情况下我们难以基于此去完成设计,我们往往需要基于要设计电路的幅频响应和相频响应去设计实际的电路:

5、电路综合-超酷-基于S11参数直接综合出微带线电路图
基于给定的S11参数的表达式综合出其对应的微带电路图,注意此处的S11参数表达式需要是解析形式(即要是函数表达式的形式)

6、电路综合-基于简化实频的SRFT微带线切比雪夫低通滤波器设计
基于切比雪夫函数进行电路综合,基于目标参数直接进行电路综合得到其对应的微带电路,给出了对应的理论与操作步骤(附Matlab代码)

7、电路综合-基于简化实频的SRFT微带线巴特沃兹低通滤波器设计
基于巴特沃斯函数进行电路综合,基于目标参数直接进行电路综合得到其对应的微带电路,给出了对应的理论与操作步骤(附Matlab代码)

8、电路综合-基于简化实频的SRFT微带线的带通滤波器设计
基于巴特沃斯与切比雪夫函数进行电路综合,基于目标参数直接进行电路综合得到其对应的带通的微带电路,给出了对应的理论与操作步骤(附Matlab代码)

3、任意幅频响应的微带电路设计步骤

假设我需要设计一个具备如下幅频特性的微带线电路,频率f1为0GHz,在此频率的S21的模值为1;频率f2为1GHz,在此频率的S21的模值为0,并在1-3GHz内都要求S21的模值为0(此特性用于确定微带线的电长度)。

在这里插入图片描述


STEP1:设计目标具体现化,将要设计的目标转化为数组的形式,数组覆盖的频率范围为0-3GHz,此处使用长度为58的数组对此目标进行存储,值得注意的是,此数组越大优化的速度也会越慢:
在这里插入图片描述

在这里插入图片描述


STEP2:确定实现此结构所需的电路结构,其主要需要确定的是实现此幅频响应的阶数n,通过前面几个教程的学习,我们知道基于电路的结构可以直接确定F(lamda),只需要确定H(lamda)的系数就可以进行电路综合了。

意思就是,我们需要得到符合如上幅频响应的H(lamda)的系数,就可以使用SRFT进行电路综合了,这一步需要使用最优化算法来进行系数的求解。定义的误差函数如下(简单来说就是实际值减去目标值,最优化的目标是使最终误差极小为0):
在这里插入图片描述
在MATLAB中,可以使用lsqnonlin完成此优化过程,其使用教程如非线性最小二乘求解器


STEP3:在一定次数的迭代求解后,可以得到其对应的一组解,此解就是h的系数,由此进行电路综合。具体综合过程可以参考之前的教程。

4、Matlab编程实现

clear
clc% 使用1GHZ的微带线,最高控制到3GHz
f=1;
fe=3;
we=2*pi*fe;
tau=pi/2/we;
ele_l=360*tau*f;
%使用6个级联微带线进行设计
k=6;
%在DC处无零点
q=0;
%初始化H的系数
h=[1 1 1 1 1 1 1];disp(['此处使用在',num2str(f/1e9),'GHz下电长度为',num2str(ele_l),'°的微带线进行实现']);%0-3GHz的点数
Nopt=57;
fr_opt=linspace(0,3,Nopt+1);
% 定义S21参数的模值
mag=[1,0.952631578947368,0.905263157894737,0.857894736842105,0.810526315789474,0.763157894736842,0.715789473684211...,0.668421052631579,0.621052631578947,0.573684210526316,0.526315789473684,0.478947368421053,0.431578947368421...,0.384210526315789,0.336842105263158,0.289473684210526,0.242105263157895,0.194736842105263,0.147368421052631...,0.100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000...,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000...,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000...,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000...,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000...,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000,0.0100000000000000...,0.0100000000000000,0.0100000000000000,0.0100000000000000];
% 定义相位,此处只设计幅值,相位随意了
phase=linspace(0,0,Nopt+1);
% 画出目标电路的幅度
figure (1)
plot(fr_opt,mag)
xlabel('Frequency')
ylabel('MAG-S21')
title('要设计的微带线的目标S21参数')% 运行优化算法
n1=length(h);
n=n1-1;
h(n+1)=0;
for i=1:nx0(i)=h(i);
end
% Call optimization with no transformer
OPTIONS=optimset('MaxFunEvals',20000,'MaxIter',50000);
x=lsqnonlin('objective',x0,[],[],OPTIONS,fe,q,k,fr_opt,mag, phase);
h(n+1)=0;
for i=1:nh(i)=x(i);
end% 基于优化得到的h计算其他参数
[G,H,F,g]=SRFT_htoG(h,q,k);
tau=1/4/fe;
N=length(mag);
j=sqrt(-1);% 将得到的解析形式画图
for i=1:Nteta=2*pi*tau*fr_opt(i);omega=tan(teta);lmbda=j*tan(teta);fval=(-1)^q*(lmbda)^q*(1-lmbda^2)^(k/2);freal=real(fval);fimag=imag(fval);gval=polyval(g,lmbda);greal=real(gval);gimag=imag(gval);S21=fval/gval;MS21(i)=abs(S21);phase_f=atan(fimag/freal);phase_g=atan(gimag/greal);phase_S21(i)=phase_f-phase_g;ph(i)=teta;fr(i)=fr_opt(i);
end
figure(2)
plot(fr,MS21, fr_opt,mag)
xlabel('Frequency')
ylabel('MS21, modula')
title('Arbitraray amplitude approximation via SRFT')
%------------------------------------
% 综合得到所需的微带电路
[Z_imp]=UE_sentez(h,g)

运行结果,图中是理想与实际的对比:
在这里插入图片描述

5、ADS验证

电路图构建:
在这里插入图片描述
仿真结果如下,可见和设计目标基本一致:
在这里插入图片描述

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/news/123861.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

STM32单片机智能小车一PWM方式实现小车调速和转向

目录 1. 电机模块开发 2. 让小车动起来 3. 串口控制小车方向 4. 如何进行小车PWM调速 5. PWM方式实现小车转向 1. 电机模块开发 L9110s概述 接通VCC,GND 模块电源指示灯亮, 以下资料来源官方,具体根据实际调试 IA1输入高电平&#xff…

视频分辨率/帧率/码率选择参考

1. 视频码率与分辨率的参考表 1080*720的分辨率,用5000K左右; 720*576的分辨率,用3500K左右; 640*480的分辨率,用1500K左右。 2. 计算公式 基本算法:码率(kb…

3.1每日一题(定积分求压力问题)

公式: (1) 压力等于压强乘以面积 (2) 压强等于ρgh(即密度,重力加速度,水的深度) 注:题目表面不一样,实际的原理都一样,做透一道题等于做懂一类题

论文阅读——InstructGPT

论文:Training_language_models_to_follow_instructions_with_human_feedback.pdf (openai.com) github:GitHub - openai/following-instructions-human-feedback 将语言模型做得更大并不能从本质上使它们更好地遵循用户的意图。例如,大型语…

光学仿真|优化汽车内部照明体验

当我们谈论优化人类感知的内部照明时,我们实际上指的是两个重点领域:安全性和驾驶员体验。如果内部照明可以提供尽可能最佳的体验,驾驶员则能够更好地应对颇具挑战性或意外的驾驶状况,并且减轻疲劳感。除了功能优势外,…

Vue 3 响应式对象:ref 和 reactive 的使用和区别

🎉🎉欢迎来到我的CSDN主页!🎉🎉 🏅我是尘缘,一个在CSDN分享笔记的博主。📚📚 👉点击这里,就可以查看我的主页啦!👇&#x…

【深度学习】吴恩达课程笔记(二)——浅层神经网络、深层神经网络

笔记为自我总结整理的学习笔记,若有错误欢迎指出哟~ 笔记链接 【深度学习】吴恩达课程笔记(一)——深度学习概论、神经网络基础 吴恩达课程笔记——浅层神经网络、深层神经网络 四、浅层神经网络1.双层神经网络表示2.双层神经网络的前向传播第一层前向传播第二层前…

Java进阶(Set)——面试时Set常见问题解读 结合源码分析

前言 List、Set、HashMap作为Java中常用的集合,需要深入认识其原理和特性。 本篇博客介绍常见的关于Java中Set集合的面试问题,结合源码分析题目背后的知识点。 关于List的博客文章如下: Java进阶(List)——面试时L…

mac电脑怎么永久性彻底删除文件?

Mac老用户都知道在我们查看Mac内存时都会发现有一条“其他文件”占比非常高,它是Mac储存空间中的“其他”数据包含不可移除的移动资源,如,Siri 语音、字体、词典、钥匙串和 CloudKit 数据库、系统无法删除缓存的文件等。这些“其他文件”无用…

frp-内网穿透部署-ubuntu22服务器-windows server-详细教程

文章目录 1.下载frp2.配置服务器2.1.配置frps.ini文件2.2.设置服务文件2.3.设置开机自启和服务操作2.4.后台验证2.5.服务器重启 3.配置本地window3.1.frpc配置3.2.添加开机计划启动3.3.控制台启动隐藏窗口 4.centos防火墙和端口3.1.开放端口3.2.查看端口 5.关闭进程5.1.杀死进程…

Elasticsearch:标量量化 101 - scalar quantization 101

作者:BENJAMIN TRENT 什么是标量量化以及它是如何工作的? 大多数嵌入模型输出 float32 向量值。 虽然这提供了最高的保真度,但考虑到向量中实际重要的信息,这是浪费的。 在给定的数据集中,嵌入永远不需要每个单独维度…

一体化模型图像去雨+图像去噪+图像去模糊(图像处理-图像复原-代码+部署运行教程)

本文主要讲述了一体化模型进行去噪、去雨、去模糊,也就是说,一个模型就可以完成上述三个任务。实现了良好的图像复原功能! 先来看一下美女复原.jpg 具体的: 在图像恢复任务中,需要在恢复图像的过程中保持空间细节…

vue使用百度富文本

🔥博客主页: 破浪前进 🔖系列专栏: Vue、React、PHP ❤️感谢大家点赞👍收藏⭐评论✍️ 1、下载UEditor 链接已放到文章中了 2、上传到项目目录中 一般上传到public下,方便到时候打包进去,以免…

Ubuntu学习---跟着绍发学linux课程记录(第4部分)

第3部份内容记录在:Ubuntu学习—跟着绍发学linux课程记录(第3部分) 文章目录 14 ubuntu服务器上的java14.1 Java的安装14.2 运行java程序14.3 Java启动脚本 15 ubuntu服务器上的tomcat15.1 Tomcat服务器15.2 Tomcat的配置15.3 Tomcat启动日志…

加速度中标云尖信息「电子元器件商城」开发项目——加速度jsudo

深圳市加速度软件开发有限公司在电子元器件和工业品行业有着多年得商城开发经验,服务过半导体、元器件、工业品行业的多家上市公司或实力工厂。选择加速度合作的60%的客户,或多或少都有踩坑的经历,这一次他们在选择商城开发商的时候格外谨慎&…

Spring@Lazy是如何解决构造函数循环依赖问题

Spring实例化源码解析之循环依赖CircularReference这章的最后我们提了一个构造函数形成的循环依赖问题,本章就是讲解利用Lazy注解如何解决构造函数循环依赖和其原理。 准备工作 首先创建两个构造函数循环依赖的类,TestA和TestB,代码如下&am…

qt-C++笔记之在两个标签页中按行读取两个不同的文件并且滚动条自适应滚动范围高度

qt-C笔记之在两个标签页中按行读取两个不同的文件并且滚动条自适应滚动范围高度 code review! 文章目录 qt-C笔记之在两个标签页中按行读取两个不同的文件并且滚动条自适应滚动范围高度1.运行2.文件结构3.main.cc4.main.pro5.a.txt6.b.txt7.上述代码中QVBoxLayout&#xff0c…

世界前沿技术发展报告2023《世界航空技术发展报告》(四)无人机技术

(四)无人机技术 1.无人作战飞机1.1 美国空军披露可与下一代战斗机编组作战的协同式无人作战飞机项目1.2 俄罗斯无人作战飞机取得重要进展 2.支援保障无人机2.1 欧洲无人机项目通过首个里程碑2.2 美国海军继续开展MQ-25无人加油机测试工作 3.微小型无人机…

TextureView和SurfaceView

1、Surface Surface对应了一块屏幕的缓冲区,每一个window对应一个Surface,任何View都是画在Surface上的,传统的View共享一块屏幕缓冲区,所有的绘制都必须在UI线程上进行。 2、SurfaceView 顾名思义就是Surface的View,…

NSS刷题 js前端修改 os.path.join漏洞

打算刷一遍nssweb题(任重道远) 前面很简单 都是签到题 这里主要记录一下没想到的题目 [GDOUCTF 2023]hate eat snake 这里 是对js的处理 有弹窗 说明可能存在 alert 我们去看看js 这里进行了判断 如果 getScore>-0x1e9* 我们结合上面 我觉得是6…