如何有效提高矢量网络分析仪的动态范围

        动态范围是网络分析仪(VNA)接收机的最大输入功率与最小可测量功率(本底噪声)之间的差值,如图所示,要使测量有效,输入信号必须在这些边界内。

        如果需要测量信号幅度非常大的变化,例如,滤波器带通和抑制,那么增加动态范围非常重要,此时,网络分析仪的动态范围应大于 DUT 表现出的动态响应。例如,当 DUT 响应至少比本底噪声高 10 dB 时,测量精度会提高。

        以下方法可用于增加网络分析仪的动态范围:

        1. 增加设备输入功率,以便分析仪可以更准确地检测和测量 DUT 输出功率,但是,功率过大会损坏分析仪接收器或导致信号失真,鉴于分析仪昂贵的购买价格和维修成本,需谨慎使用该功能;

        2. 降低接收机本底噪声,可以使用以下技术来降低本底噪声,进而增加分析仪的动态范围:

        1)使用扫描平均函数--Sweep Averaging

        为了进行平均,VNA使用所谓的“扫描到扫描”平均,因为每个数据点都是根据由用户指定的平均因子加权的连续扫描的指数平均来计算的,每个新的扫描都被平均到轨迹中,直到扫描的总次数等于一个完全平均跟踪的平均因子,跟踪上的每个点都是当前跟踪数据和来自前一次扫描的数据的向量和(参考自文献[1]),由于该算法是一个深入的数学问题,已经超出了本文讨论的范畴,暂不赘述。

        平均函数法使用的特点是:一个高的平均因子可以给出最好的信噪比,但增加了VNA测量数据所需的扫描时间;

        2)降低中频滤波器带宽--IF Bandwidth(IFBW)

        中频带宽(IFBW)是指网络分析仪接收机内部中频滤波器的带宽,是一种数字实现的可变滤波器。设置的IFBW越宽,进入接收机的噪声越多,底噪越高,动态范围(最大端口输出功率和噪底之差)越小,测量轨迹噪声也越大;而设置较窄的IFBW可以改善底噪,动态范围和轨迹噪声,但是扫描速度也会变慢,这是因为滤波器带宽越窄,实现它需要的阶数越高,采样点数就越多,VNA测试速度就越慢。

        设置IFBW总的原则是在保证测量所需的动态范围和迹线噪声的情况下,尽可能使用较宽的IFBW,因为,窄的中频带宽同样导致了VNA扫描时间变长。

        综上所述,不论是扫描平均法,还是降低中频带宽,其设值的宗旨都是在测试精度和速度之间进行折衷,那么究竟该如何进行选择呢?

        给出的参考如下:

        根据文献[2]中的描述,大多数VNA中可用的平均函数,平均因子每增加2倍,信噪比就提高3个dB,而中频带宽每降低10倍,本底噪声就降低约10 dB,但其提供的实验数据也表明,如果网络分析仪处于快速扫描模式,使用中频带宽降低来获得增加的动态范围在对测量速度的影响方面比平均法更小,而在慢扫描模式下,这两种方法对测量速度的影响本质上是相同的,总体而言,降低IFBW会比平均函数法在使用上更具有优势。

        并且,根据文献[3]中的案例分析数据,我们发现,绝大多数测量场景下,1 kHz的IFBW是较好的折衷方案,除非DUT对测试提出了明确的更高要求,比如1000BASE-T1的Mode Conversion测试,就明确要求IFBW为100Hz,主要原因,就是其最小限制达到了-55dB,比常规的其它测试项对于底噪的要求也就更高。

参考文献:

[1] What is the difference between Smoothing and Averaging on a Keysight network analyzer;

[2] Understanding and Improving Network Analyzer Dynamic Range;

[3] Investigating the Effects of IF Bandwidth and Averaging on Calibrated Scattering-Parameter Measurements.

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/616492.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

openai自定义API操作 API (openai.custom):OpenAI API 实现电商平台的智能库存管理

在电商行业中,库存管理是至关重要的环节之一。一个高效的库存管理系统可以确保商品的正常供应,避免缺货或积压现象,从而提高销售效率和客户满意度。然而,传统的库存管理方式往往存在一些问题,如数据不准确、响应不及时…

版本控制系统教程

1.Git的基本介绍 1.1 Git的概念 Git是一个开源的分布式版本控制系统,用于敏捷高效地处理任何或小或大的项目.Git是Linus Torvalds为了帮助管理Linux内核开发而开发的一个开放源码的版本控制软件.Git与常用的版本控制工具CVS,Subversion等不同&#xff…

JavaWEB学习笔记 2024-1-10 --JavaScript

上一篇 文章目录 3.JavaScript3.1第一个JS程序3.2JS的引入方式3.3JS中函数定义3.4函数的触发3.5查看浏览器控制台输出3.6数据类型3.7变量3.8运算符3.9流程控制语句3.10JS中的异常处理 3.JavaScript 是由网景公司发布,最开始的名字为LiveScript,之后和sun公司合作,改名为JavaSc…

[linux] git clone一个repo,包括它的子模块submodule

How do I "git clone" a repo, including its submodules? - Stack Overflow git clone git://github.com/foo/bar.git cd bar git submodule update --init --recursive

大模型关于Lora论文集合

《Chain of LoRA:Efficient Fine-tuning of Language Models via Residual Learning》 Chain of LoRA (COLA),这是一种受 Frank-Wolfe 算法启发的迭代优化框架,旨在弥合 LoRA 和全参数微调之间的差距,而不会产生额外的计算成本或内存开销。CO…

状态机和相关算法应用分析

简介 状态机(State Machine)在软件编程中是一个数学模型,可以用状态转移图表示,指的是:现态在满足某个条件时,进行动作(状态转移),从而转为另一个状态(次态&…

【c++】类和对象1

1.面向过程和面向对象初步认识 C语言是面向过程的,关注的是过程,分析出求解问题的步骤,通过函数调用逐步解决问题。 C是基于面向对象的,关注的是对象,将一件事情拆分成不同的对象,靠对象之间的交互完 成 …

编程江湖:Python探秘之旅-----Python 实用工具和库(七)

在一个普通的工作日,团队聚集在一起讨论如何提升开发效率。这时,林克斯加入了讨论,他是团队的技术专家,对 Python 的生态系统了如指掌。 林克斯:(满怀热情地)你们知道吗,Python 有一…

JavaScript高级程序设计读书记录(十二):函数

函数是ECMAScript中最有意思的部分之一,这主要是因为函数实际上是对象。每个函数都是Function 类型的实例,而 Function 也有属性和方法,跟其他引用类型一样。因为函数是对象,所以函数名就是 指向函数对象的指针,而且不…

[linux]编译一个ko文件并运行

一、需求 有一段代码需要在运行时加载注入内核中&#xff0c;当用户层需要访问时可以提供内核态环境去运行。 二、c代码构建 // #include <errno.h> // #include <string.h> // #include <stdio.h> // #include <fcntl.h> // #include <stdlib.h…

Windows安装Rust环境(详细教程)

一、 安装mingw64(C语言环境) Rust默认使用的C语言依赖Visual Studio&#xff0c;但该工具占用空间大安装也较为麻烦&#xff0c;可以选用轻便的mingw64包。 1.1 安装地址 (1) 下载地址1-GitHub&#xff1a;Releases niXman/mingw-builds-binaries GitHub (2) 下载地址2-W…

Formnext2024法兰克福3D打印增材制造展览会现正接受报名

Formnext2024法兰克福3D打印增材制造展览会现正接受报名 Formnext法兰克福国际精密成型及 3D 打印制造展览会将于2024年11月19日至22日在法兰克福举办。 Formnext法兰克福国际精密成型及 3D 打印制造展览会在2023年迎来了32,851名专业人士和管理人员(50%来自国际)&#xff0c…

Excel地址

解题思路&#xff1a; 根据题中歪歪和笨笨的话可以有两种解法。 1.输入的数为多大&#xff0c;则循环1多少次&#xff0c;当值为27时就要进行进位操作。这时要分情况讨论。 当集合中元素为一个时&#xff0c;如26&#xff0c;则需要变为1 1&#xff0c;集合元素个数加一。 当…

2023年全球软件质量效能大会(QECon上海站):核心内容与学习收获(附大会核心PPT下载)

会议聚焦于软件质量和效能的提升。在智能时代&#xff0c;随着数字化的深入人心&#xff0c;软件正在随着云计算、移动互联网、物联网等的发展而不断进化&#xff0c;软件对企业的发展愈加重要&#xff0c;大家对软件的质量要求也在从传统功能、性能、安全这些基础层面向着用户…

easyui datagrid无数据时显示无数据

这里写自定义目录标题 需求解决办法 需求 使用datagrid显示记录时&#xff0c;结果查询记录数为0&#xff0c;此时需要显示无数据。 示例代码 <table id"dg"></table>$(#dg).datagrid({url:datagrid_data.json,columns:[[{field:code,title:Code,widt…

【OCR】实战使用 - 如何提高识别文字的精准度?

实战使用 - 如何提高文字识别的精准度 我们在平常使用OCR的时候&#xff0c;经常会出现文字识别不精准的情况&#xff0c;我们改如何提高文字识别的精度呢&#xff1f; 以下是一些提高OCR&#xff08;Optical Character Recognition&#xff0c;光学字符识别&#xff09;文字识…

(超详细)5-YOLOV5改进-添加A2Attention注意力机制

1、在yolov5/models下面新建一个A2Attention.py文件&#xff0c;在里面放入下面的代码 代码如下&#xff1a; import numpy as np import torch from torch import nn from torch.nn import init from torch.nn import functional as Fclass DoubleAttention(nn.Module):def …

coco数据集格式转yolo数据格式

一、coco数据集是什么&#xff1f; COCO&#xff08;Common Objects in Context&#xff09;是一个广泛使用的目标检测和分割数据集&#xff0c;而YOLO&#xff08;You Only Look Once&#xff09;是一种流行的实时目标检测算法。 首先&#xff0c;导入了必要的库&#xff0c…

87.乐理基础-记号篇-反复记号(一)反复、跳房子

内容参考于&#xff1a;三分钟音乐社 上一个内容&#xff1a;86.乐理基础-记号篇-速度记号-CSDN博客 首先是反复记号表总结图&#xff1a; 当前是写前两个记号&#xff0c;其余记号后面写&#xff1a;这些反复记号最主要的目的很简单&#xff0c;还是为了节约纸张&#xff0c…

蓝桥杯单片机组备赛——LED指示灯的基本控制

&#x1f388;教程介绍&#xff1a;博客依据b站小蜜蜂老师的教程进行编写&#xff0c;文中会对老师传授的知识进行总结并加入自己的一些理解。教程链接 文章目录 一、点灯介绍二、相关数字芯片介绍2.1 74HC138介绍2.2 74HC573介绍2.3 74HC02介绍 三、代码设计思路四、代码编写…