浅谈连续逆F类的基础理论-波形、最佳阻抗、输出功率

浅谈连续逆F类的基础理论

各种逆类型的功放好像都少引人关注,因为很多人学完正的连续B/J类和连续F类,想当然的类推到了连续逆F类上面去。貌似连续逆F类就是连续F类的电压电流交换一下而已,无需额外的注意,实际并非那么简单的。

浅谈连续逆F类的基础理论

  • 浅谈连续逆F类的基础理论
    • 1、连续逆F类的波形
    • 2、连续逆F类和最佳B类阻抗Ropt的复杂关联
    • 3、同输出功率下的连续逆F类(在中心处)和B类阻抗关系

1、连续逆F类的波形

貌似连续逆F类就是连续F类的电压电流交换一下而已,实际并非那么简单,对于功率放大器,电流和电压波形都有着不同的约束条件。一般来说,我们十分熟悉连续F类的波形表达式(The continuous class-f mode power amplifier):
V C F = ( 1 − 2 3 cos ⁡ θ ) 2 ⋅ ( 1 + 1 3 cos ⁡ θ ) ⋅ ( 1 − γ sin ⁡ θ ) I C F = 1 π + 1 2 cos ⁡ θ + 2 3 π cos ⁡ ( 2 θ ) \begin{aligned} &\begin{aligned}V_{CF}&=\left(1-\frac{2}{\sqrt{3}}\cos\theta\right)^2\cdot\left(1+\frac{1}{\sqrt{3}}\cos\theta\right)\cdot(1-\gamma\sin\theta)\end{aligned} \\ &\begin{aligned}I_{CF}&=\frac1\pi+\frac12\cos\theta+\frac2{3\pi}\cos(2\theta)\end{aligned} \end{aligned} VCF=(13 2cosθ)2(1+3 1cosθ)(1γsinθ)ICF=π1+21cosθ+3π2cos(2θ)
画出来一个特例,此处选F类画出来:
在这里插入图片描述
对于这样的波形,其电压、电流都有一定的特点。
1、电压波形必须大于等于0,这是由于晶体管的固有限制
2、电流波形一般可以小于0
3、F类电流波形应为理想的峰值归一化半正弦波,其峰值为1、最小值为0;但是由于此处考虑到三次谐波,峰值略大于1,最小值略小于0。

使用代码观察连续F类的特点:
在这里插入图片描述

v_CF=(1-2/sqrt(3)*cosd(theta)).^2.*(1+1/sqrt(3)*cosd(theta));
i_CF=1/pi+1/2*cosd(theta)+2/(3*pi)*cosd(2*theta);
figure
plot(theta,v_CF)
hold on
plot(theta,i_CF)
legend('v','i')
title('Class-F')
disp(['三次谐波C-F类电压最小值为',num2str(min(v_CF))])
disp(['三次谐波C-F类电流最小值为',num2str(min(i_CF))])
disp(['三次谐波C-F类电流最大值为',num2str(max(i_CF))])

那么显然,连续逆F无法简单使用连续F类的电流波形作为其电压波形,因为PA的电压波形一定要大于0的。事实上,逆F自从提出时就有自己的电压电流公式(Exploring the Design Space for Broadband PAs using the Novel “Continuous Inverse Class-F Mode”、“Design of Broadband Highly Efficient Harmonic-Tuned Power Amplifier Using In-Band Continuous Class-F F-1 Mode Transferring” ):
在这里插入图片描述
连续逆F是在其基础上乘以了一个连续因子:
在这里插入图片描述
因此,连续逆F类的电压波形不是连续F类的电流波形,连续逆F类的电流波形也不是连续F类的电压波形,大家需要进行区分。当然,逆F的电压波形也满足最小值大于等于0的条件,可以使用下面代码进行验证:

theta=0:1:719;
iDC=0.37;i1=0.43;i2=0;i3=0.06;
deta=-1:0.2:1;for ind=1:1:length(deta)i_IF(ind,:)=(iDC-i1*cosd(theta)+i2*cosd(2*theta)+i3*cosd(3*theta)).*(1-deta(ind)*sind(theta));
end
v_IF=1+2/sqrt(2)*cosd(theta)+1/2*cosd(2*theta);
eta=2*i1*2/sqrt(2)/(2*iDC*2);disp(['三次谐波C-IF类电压最小值为',num2str(min(v_IF'))])
disp(['三次谐波C-IF类电流最小值为',num2str(min(i_IF'))])
disp(['三次谐波C-IF类电流最大值为',num2str(max(i_IF'))])

在这里插入图片描述

2、连续逆F类和最佳B类阻抗Ropt的复杂关联

大家在研究各种功放模式的时候一定避不开最佳基本阻抗Ropt,实际上这是管子工作在B类饱和时的最佳阻抗,一般选这个作为参考标准,Ropt的计算公式为:
R o p t = V d c − V k n e e I p e a k 2 R_\mathrm{opt}=\frac{V_\mathrm{dc}-V_\mathrm{knee}}{\frac{I_\mathrm{peak}}2} Ropt=2IpeakVdcVknee
为什么要使用这个参考呢,其中的重要因素在于 I p e a k I_\mathrm{peak} Ipeak是为了让晶体管工作在电流饱和的状态,使得电流达到晶体管的标称峰值。为了方便计算各种模式关于Ropt的阻抗,经常对电流使用峰值归一化,如B类、F类等等,他们的电流的直流分量不是1,但是峰值是1
例如C-B/J类的:
I B ( θ ) = I J ( θ ) = 1 π + 1 2 cos ⁡ ( θ ) + 2 3 π cos ⁡ ( 2 θ ) V B ( θ ) = ( 1 − cos ⁡ ( θ ) ) \begin{aligned}&I_B(\theta)=I_J(\theta)=\frac1\pi+\frac12\cos(\theta)+\frac2{3\pi}\cos(2\theta)\\&V_B(\theta)=(1-\cos(\theta))\end{aligned} IB(θ)=IJ(θ)=π1+21cos(θ)+3π2cos(2θ)VB(θ)=(1cos(θ))
在这里插入图片描述
那么对于连续逆F类,其如何使用最佳基波阻抗Ropt(或其倒数Gopt)对其进行表述呢?一个大的问题是其电流波形的峰值并不固定:
在这里插入图片描述
实际上,作者在提出逆F的时候就考虑了这一点,因此连续逆F类的电流波形的峰值是在1附近波动,而不是强行峰值归一化到1,这也是无奈之举,谁叫拓展的就是电流呢。。。
在这里插入图片描述
使用Matlab编程也可以得到其电流峰值随自由因子的变化关系:
在这里插入图片描述
很巧,如果对各个自由度下的电流波形的最大值求均值,那么结果约等于1,这也是连续逆F类的电流波形系数确定的原因之一。

结论就是,虽然连续逆F类电流波形峰值变化,但是其均值是在1附近,因此直接使用原式子进行计算Gopt的系数即可(默认已经电流峰值归一化了)。上面的画图和数据显示代码:

close all
clear
clctheta=0:1:719;
iDC=0.37;i1=0.43;i2=0;i3=0.06;
deta=-1:0.2:1;for ind=1:1:length(deta)i_IF(ind,:)=(iDC-i1*cosd(theta)+i2*cosd(2*theta)+i3*cosd(3*theta)).*(1-deta(ind)*sind(theta));
end
v_IF=1+2/sqrt(2)*cosd(theta)+1/2*cosd(2*theta);
eta=2*i1*2/sqrt(2)/(2*iDC*2);disp(['三次谐波C-IF类电压最小值为',num2str(min(v_IF'))])
disp(['三次谐波C-IF类电流最小值为',num2str(min(i_IF'))])
disp(['三次谐波C-IF类电流最大值为',num2str(max(i_IF'))])
disp(['IF的效率',num2str(eta)])figure
plot(theta,v_IF)
hold on
plot(theta,i_IF)
legend('v');
title('Class-IF')

众所周知,连续逆F类的基波阻抗空间的导纳不变,使用Gopt进行表述:
{ Y 1 f , C − F − 1 = ( 0.43 2 + j 0.37 2 γ ) G o p t Y 2 f , C − F − 1 = − j 0.98 2 γ G o p t Y 3 f ; C − F − 1 = ∞ G o p t = 1 / R o p t \begin{cases}Y_{1f,C-F^{-1}}=\left(0.43\sqrt{2}+j0.37\sqrt{2}\gamma\right)G_{opt}\\Y_{2f,C-F^{-1}}=-j0.98\sqrt{2}\gamma G_{opt}\\Y_{3f;C-F^{-1}}=\infty\\G_{opt}=1/R_{opt}\end{cases} Y1f,CF1=(0.432 +j0.372 γ)GoptY2f,CF1=j0.982 γGoptY3f;CF1=Gopt=1/Ropt
在归一化导纳为Gopt的图中,其曲线为:
在这里插入图片描述

3、同输出功率下的连续逆F类(在中心处)和B类阻抗关系

Continuous Class-J/F−1 Mode Asymmetrical Doherty Power Amplifier With Extended Bandwidth and Enhanced Efficiency中有这么一个式子:
在这里插入图片描述
就是如果要输出同样的功率,逆F类的阻抗要是B类的两倍。当时一直不清楚如何得来。要假定输出同样的功率,我们可以先进行直流的归一化,这样可以让输入的功率相等。然后再次使用阻抗的计算公式进行计算:
Z 1 f = − a V , 1 + j b V , 1 a I , 1 + j b I , 1 Z_{1f}=-\frac{a_{V,1}+jb_{V,1}}{a_{I,1}+jb_{I,1}} Z1f=aI,1+jbI,1aV,1+jbV,1
计算得出的B类直流归一化阻抗和逆F类直流归一化阻抗为(计算代码之后给出):
在这里插入图片描述
但是,直流归一化下其输入功率相等,输出功率却不一致,B类效率为78.54%,但是逆F类的理论效率是81.85%。因此,如果要让B类输出与逆F类相同,其阻抗需要减少一定值,在原来的基础上乘以78.54/81.85即可,最终得到结果为:
在这里插入图片描述
可以看到,确实近似是两倍的关系。

也就是,如果连续逆F和连续B/J要输出同样的功率,其在Smith的曲线应该是这样的(中心阻抗差两倍,具体位置和直流量相关)
在这里插入图片描述
代码:

close all
clear
clctheta=0:1:719;
iDC=0.37;i1=0.43;i2=0;i3=0.06;
deta=-1:0.2:1;for ind=1:1:length(deta)i_IF(ind,:)=(iDC-i1*cosd(theta)+i2*cosd(2*theta)+i3*cosd(3*theta)).*(1-deta(ind)*sind(theta));
end
v_IF=1+2/sqrt(2)*cosd(theta)+1/2*cosd(2*theta);
eta=2*i1*2/sqrt(2)/(2*iDC*2);disp(['三次谐波C-IF类电压最小值为',num2str(min(v_IF'))])
disp(['三次谐波C-IF类电流最小值为',num2str(min(i_IF'))])
disp(['三次谐波C-IF类电流最大值为',num2str(max(i_IF'))])
disp(['IF的效率',num2str(eta)])figure
plot(theta,v_IF)
hold on
plot(theta,i_IF)
legend('v');
title('Class-IF')i_B=1/pi+1/2*cosd(theta)+2/(3*pi)*cosd(2*theta);
v_B=1-cosd(theta);
figure
plot(theta,v_B)
hold on
plot(theta,i_B)
legend('v','i')
title('Class-B')disp(['IF的Ropt阻抗系数',num2str(2/sqrt(2)/i1)])
disp(['B的Ropt阻抗系数',num2str(1/(1/2))])disp(['IF的直流归一化Rdc阻抗系数',num2str(iDC*2/sqrt(2)/i1)])
disp(['B的直流归一化Rdc阻抗系数',num2str(1/(pi/2))])disp(['同功率输出下B类系数',num2str(pi/4/eta/(pi/2))])

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/668928.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

2024年全球手机市场复苏 传音打响出海品牌进阶之战

2024年智能手机将迎来新一轮“增长季”。根据市场研究机构TechInsights的最新预测,2024年全球智能手机市场将恢复低个位数的增长。对广大手机厂商来说,这无疑是个好消息,但如何在逐渐回暖却竞争激烈的市场中站稳脚跟就需要他们“各显神通”了…

邮件群发软件有效果吗?邮箱如何群发邮件?

邮件群发软件如何选择比较好?推荐的EDM邮件批发系统? 许多人开始寻找提高工作效率和推广业务的方法。其中,一种备受关注的工具是邮件群发软件。那么,究竟邮件群发软件是否有效呢?蜂邮EDM将深入探讨这个问题&#xff0…

如何在Vue应用程序中使用Vue-Router来实现路由嵌套动画效果

Vue-Router是Vue.js官方的路由管理插件,可以帮助我们轻松管理应用程序的路由。除了基本的路由功能外,Vue-Router还允许我们在切换路由时添加动画效果,提升用户体验。本文将介绍如何使用Vue-Router来实现路由嵌套动画效果,并提供具…

nginx初学者指南

一、启动、停止和重新加载配置 前提:先要启动nginx 在Windows上启动nginx的步骤如下: 1. 下载并安装nginx。可以从nginx官网下载适合自己操作系统的版本,一般是zip压缩包,解压到指定目录中。 2. 进入nginx的安装目录&#xff…

Blend for Visual Studio 工具作用

Microsoft Blend(现已更名为 "Blend for Visual Studio")是一款由Microsoft开发的用户界面(UI)设计工具,主要用于创建富有交互性和动画效果的应用程序界面。它通常与Visual Studio集成使用,为开发…

基于Java (spring-boot)的实验室管理系统

一、项目介绍 基于Java (spring-boot)的交通管理系统功能:注册登录、个人信息管理、驾驶证业务类型管理、机动车业务类型管理、新闻类型管理、违法处理业务类型管理、驾驶证业务管理、机动车业务管理、新闻管理、违法处理业务管理、用户管理。 二、作品包含 ​ 三、…

(源码版)2024美国大学生数学建模E题财产保险的可持续模型详解思路+具体代码季节性时序预测SARIMA天气预测建模

本篇文章是: 2024美国大学生数学建模E题财产保险的可持续模型详解思路+具体代码季节性时序预测SARIMA天气预测建模的源码版本,包含具体建模代码到生成模型步骤。那么废话不多说直接开始展示建模过程建模: 数据预处理 之前我给大家提供的一年的风暴数据是远远不够的,要做时…

Redis核心技术与实战【学习笔记】 - 14.Redis 旁路缓存的工作原理及如何选择应用系统的缓存类型

概述 我们知道,Redis 提供了高性能的数据存取功能,广泛应用在缓存场景中,既可以提升业务的响应速度,又可以避免把高并发的请求发送到数据库。 如果 Redis 做缓存时出现了问题,比如说缓存失效,那么&#x…

LeetCode 第27天

39. 组合总和 组合中无重复元素&#xff0c;所有元素可以随便取多少次。那么startIndex就可以从本次遍历处开始。 class Solution { public: // 老套路&#xff0c;两个数组前一个存储中间结果&#xff0c;后一个存储总结果集vector<int> vec;vector<vector<int&…

C++进阶--搜索二叉树

概念 搜索二叉树是一种特殊的二叉树&#xff0c;其具有以下特点&#xff1a; 1.对于每个结点&#xff0c;它的左子树中的所有节点的值都小于该节点的值&#xff0c;而右子树中的所有节点的值都大于该节点的值。 2.左子树和右子树都是搜索二叉树。 这个 特性使得搜索二叉树可…

详解MYSQL中的平均值组大小

文章目录 平均值组大小了解平均值组大小MySQL什么时候会使用平均值组大小平均值组大小对于索引选取的影响平均值组大小 了解平均值组大小 总数据量 / 值组 = 平均值组大小 值组是一组具有相同键前缀值的行,及所有相等的键为一个值组。总数据量为全表数据量MySQL什么时候会使…

2024初始Spring(并使用idea创建springweb项目)

前言 spring呢&#xff0c;以前一直是简单的了解&#xff0c;并没有利用空闲时间去进行对应的深入的学习&#xff0c;今天呢原本是打算好好学的&#xff0c;然后后来呢感觉还是太早了接触&#xff0c;打算把前面知识在过一编之后再开始 Spring介绍 Spring | Home 大家想要访…

SQL必知必会笔记(13~16章)

第十三章 创建高级联结 1、别名&#xff1a;缩短SQL语句&#xff0c;允许在一条Select语句中多次使用相同的表 SELECT A.Name, A.Maths, A.English FROM transcript AS A INNER JOIN student_id As B ON A.Name B.Name; 2、Oracle数据库中没有AS关键字&#xff0c;直接在表名或…

英码科技携手昇腾共建算力底座:推出EA500I超强AI处理能力边缘计算盒子!

在数字经济浪潮中&#xff0c;算力已成为不可或缺的驱动力&#xff0c;为各行各业的数字化转型提供了强大的推动力。面对多元化和供需不平衡的挑战&#xff0c;需要实现从理论架构到软硬件实现的质的飞跃&#xff0c;以满足持续增长的算力需求&#xff0c;华为昇腾在这一方面展…

Css Flex弹性布局中的换行与溢出处理

Css Flex弹性布局中的换行与溢出处理 CSS弹性布局&#xff08;Flex&#xff09;是CSS3中的一种新的布局方式&#xff0c;它能够帮助我们更加灵活地布局元素。在Flex弹性布局中&#xff0c;元素的布局仅依赖于父容器的设置&#xff0c;而不再需要复杂的相对或绝对定位。本文将详…

VS Code+Live Server插件开发游戏并结合内网穿透分享好友异地访问

文章目录 前言1. 编写MENJA小游戏2. 安装cpolar内网穿透3. 配置MENJA小游戏公网访问地址4. 实现公网访问MENJA小游戏5. 固定MENJA小游戏公网地址 前言 本篇教程&#xff0c;我们将通过VS Code实现远程开发MENJA小游戏&#xff0c;并通过cpolar内网穿透发布到公网&#xff0c;分…

人脸识别基本流程

人脸识别一般包括&#xff1a;人脸检测、人脸对齐、人脸特征提取和人脸比对四个步骤 人脸检测&#xff1a;检测到人脸的位置人脸对齐&#xff1a;同一个人采集到的不同图像可能呈现出不同的姿态和表情等&#xff0c;这种情况是不利于人脸特征提取的。所以有必要将人脸图像都变…

安装mongodb数据库,并且新建自己的库

1、拉取mongodb dokcer pull mongo:4.4.132、运行docker安装mongodb docker run -itd --name mongo -v /home/dockerdata/mongo/data:/data/db -p 27017:27017 mongo:4.4.13 --auth3、进入mongdb docker exec -it mongo mongo admin4、创建自己的库 use interfaceLog5、新…

ubuntu系统下c++ cmakelist vscode debug(带传参的debug)的详细示例

c和cmake的debug&#xff0c;网上很多都需要配置launch.json&#xff0c;cpp.json啥的&#xff0c;记不住也太复杂了&#xff0c;我这里使用cmake插件带有的设置&#xff0c;各位可以看一看啊✌(不知不觉&#xff0c;竟然了解了vscode中配置文件的生效逻辑&#x1f923;) 克隆…

【PPT密码】ppt设置的编辑密码,如何取消?

不知道大家是否了解PPT文件的编辑密码&#xff0c;首先ppt中没有限制编辑功能&#xff0c;设置为只读模式后仍然可以编辑文件&#xff0c;但其实有一种类似于限制编辑的加密方式。在我们打开PPT文件的时候会有密码输入框。 如果我们没有输入密码&#xff0c;以只读方式进入&…