分贝和功率相关的概念

对于刚接触分贝 (dB) 的人来说,分贝 (dB) 的概念很困难且令人困惑,因为射频中经常涉及增益、功率、电压,再加上dB、dBm、dBW、瓦特、毫瓦等名词,且通常需要在线性值和分贝值之间来回转换,所以需要耐心地梳理他们之间的关系,这里将它们简要总结了一下,用于说明使用分贝和使用线性值之间的区别。不过注意:一旦涉及到和分贝相关的概念(dB, dBm)时就需要使用对数(但与指数又是密切相关),所以这里我们先复习一下指数和对数相关的概念。

  • 指数与对数

如下是指数运算的相关定律: 

 如果以x=10,a=3,b=2为例,则;

 如果不以10为底,以2为底则有: 

 人们在进行加减法时往往会犯更少的错误,因此指数的幂相加减更简便。

我们知道对数是指数的反函数,对数 (log) 最初由苏格兰数学家 John Napier 在 1600 年代初提出,作为一种简化乘法和除法运算的工具,通过将乘法和除法运算分别转换为更快且不易出错的加法和减法运算。其形式为: 其中是底数,是真数 。在对数的众多底数中,a=10和a=e最为常见,术语“常用对数”表示以 10 为底的对数。a=e的对数是我们所讲的自然对数,它使用 e 为底,但在计算标量电功率、电压和电流量时,e 并不经常使用(尽管在包括相位角(即欧拉恒等式)时使用它)。自然对数写为 ln (x),不带 'e' 下标,而以10为底的对数简写为 log(x),不带 10 下标。

几个个基数为10的对数表: 

在刚刚的例子中C=10而已,这是常用的对数底。如果仔细观察,我们会发现对数值就是指数中的幂值: 

更普遍的为: 所以 即对数和指数是一组反函数。

对数的应用又在哪些场景下呢?很多人在计算噪声系数 (NF) 和交调点 (IP) 等级联系统参数(cascaded parameter)时会用到。增益 dB 和功率 dBm 值的简单加法和减法并不适用于 NF 和 IP的计算,因此首先使用反对数将dB和或dBm转换为线性数值(增益比和mW)进行级联计算,然后再使用对数公式将计算结果转换回dB或dBm.

当然,并不是所有系统级联参数计算都需要来回转换。例如,如果仅需要计算全系统增益或输出功率电平,则可以使用线性数值(mW 和乘数)或对数数值(分别为 dBm 和 dB)进行计算。在了解了这些内容后,让我们来看看dB相关的概念。

  • dB和dBm的定义

电气工程中的分贝 (dB) 定义为两个功率电平之间的比取对数(以10为底)然后乘以10,用公式表达为: 

注意:这里的对数前是10而不是20!因为此时已经是功率而非电压!

因此,所有大于 1 的增益都表示为正分贝 (>0),小于 1 的增益表示为负分贝 (<0)。这里需要说明的是上式计算得到的dB值已经是相对值,因为2个功率相比后单位消掉了,这一点我们后面还要讲。

“dBm”是基于分贝的功率单位,是一个绝对值,以 1 mW为参考基准。 由于 0 dB 增益表示增益 为1,因此 1mW功率转换成dBm则为 0 dBm。也就是: 

  

(同样,dBW则是以1W为参考基准,使用较少。)

因此,对于所有的dBm数值而言,大于 0 dBm 值均大于 1 mW,小于 0 dBm 值均小于 1 mW(见下图 1)。例如,+3.01 dBm 比 1 mW 大 3.01 dB;即,或 0 dBm + 3.01 dB = +3.01 dBm (2 mW)。−3.01 dBm 是小于 1 mW 的 3.01 dB;即,或 0 dBm + (−3.01) dB = −3.01 dBm (1/2mW)。

上面的内容可能对于初次接触的人来说有点难以理解,为什么 0 dBm + 3.01dB 就是3.01dBm?这里我们再做几点说明,如下:

  • 第一点说明:在上面的内容中,我们提到了3个带有dB的概念:dB,dBm和dBW.  

    这里的dB是相对值,我们前边讲过了,因为纯粹是2个功率(一般是输出功率/输入功率,都是有明确物理含义的概念)的比值取对数;而dBm和dBW是绝对值,但这个绝对是分别以1mW和1W作为基准(这样严格来讲也是相对值,只不过我们在此基准下认为是绝对值,这就是单位“1”的作用)。dBm表示绝对功率值,计算方式为:10*log(P/1)。注意,这里的P是线性功率值,也就是我们平时所说的功率多少mW,1表示基准1mW。如100mW的功率,用dBm表示为:10*log(100mW/1)=20dBm.有了前面的计算公式,知道dBm,求反对数就可以算出以mW为单位的功率值,如30dBm,取反对数(也就是指数)得到线性功率值为:  

  • 第二点说明:dBm加减3dBm, 线性功率就要乘除以2,即2倍关系。

举例:20dBm+3dBm,转换成线性功率则为:100mW*2=200mW,因为对数相加是线性数值相乘,即: 

得:

 由此可以得到线性功率为200mW

dBm相减则是线性数值进行除法运算,这里不再举例。

  • 第三点说明:

由于dB是相对值,所以dBm值相减就可以得到dB值。

举例:20dBm-0dBm=20dB, 因为:

 

  

注意:最后一个100mW/1mW中的1mW不是基准,而是真实的1mW,所以100mW/1mW就是相对值,取对数得到2。对于W我们就不做过多解释,和mW完全类似(1W=1000mW)。

有了这些基础概念后,我们接着往下讨论相关问题。

下表提供了一些数值示例,以便可以了解 mW 和 dBm 之间的相关性。 由于对数关系,该图将较小的值集中在左侧垂直轴上, 为清楚起见,插入了 0 至 1 mW 区域的放大图片。

图片

 图 2 是 dB 与线性增益的表格和图表,类似于图1中的 dBm 与 mW 的关系。请注意,数字和曲线完全相同;仅更改坐标轴单位。

图片

  • dBm和mW的应用转换

通常来讲,增益是一个乘法(或除法)因子。例如,放大器的增益可能会将输入到输出的信号放大4 倍(这也是一个线性比值,如Pout/Pin),如下图。如果将 1 mW (0 dBm) 信号输入放大器,则输出功率为 1 mW * 4 = 4 mW。但如果转到分贝,放大因子 4 相当于 10 * log (4) = 6.02 dB,因此 0 dBm 加上 6.02 dB 增益在输出处产生功率为+6.02 dBm的信号,即

1 mW * 4 = 4 mW

0 dBm + 6.02 dB = 6.02 dBm

上面这2个式子在描述这个例子的时候是等价的。

如果增益为 4 的放大器与增益为 6 的第二个放大器串联,则总增益为 4 * 6 = 24,但就分贝而言,因子 6 相当于 10 * log (6) = 7.78 dB,因子 24 相当于 10 * log (24) = 13.8 dB。

正如 4 x 6 = 24(线性增益)一样,6.02 dB + 7.78 dB = 13.8 dB(分贝增益)。

即如果将 1 mW 信号 (0 dBm) 馈入放大器,则第一个放大器输出 4 mW,第二个放大器输出 24 mW。见下图:

1 mW * 4 * 6 = 24 mW

0 dBm + 6.02 dB + 7.78 dB = 13.8 dBm

但如果增益小于1,这又会是什么情况?下一个示例显示了当遇到增益 < 1(损耗)时会发生什么,其中增益为 1/6 的衰减器放置在第一个放大器之后,见下图:

4 * 1/6 = 2/3(线性增益)。

同样,6.02 dB - 7.78 dB = −1.76 dB(分贝增益)。

与前面的例子一样,如果将 1 mW 信号 (0 dBm) 输入增益为 4 的放大器,则输出 4 mW。然后,该 4 mW 进入线性增益为 1/6 的衰减器,并以 4/6 mW (2/3 mW) 的功率水平输出。这种情况下的总增益为 4/6 = 2/3,因此输出功率实际上小于输入功率。

1 mW * 4 * 1/6 = 2/3 mW = 0.67 mW

0 dBm + 6.02 dB -7.78 dB = −1.76 dBm

请注意,大于 0 dBm 的功率电平有时会包含“加号”(+),以强调它不是负值。当功率电平显示在同时存在正值和负值的框图上时尤其如此。

总结:

在进行功率测量时,大多数人发现增益和功率电平相加和相减比增益和功率电平相乘和除法更容易,这就使得dB 和 dBm 的使用变得广泛起来,不过要记住的一点是:不要将线性增益(即比率,比如增益是4,是6,这是一个比值)单位和瓦数功率(mW)单位与对数增益(dB)和功率(dBm)单位混淆。

数量必须全部采用线性单位或全部分贝单位,一般不允许以下混合类型的计算,因为它将线性值与对数值混合。

12 mW + 34 mW + 8 mW + 20 dB

  • 对数的补充

log (h*j)= log (h) + log (j),   log (h/j)= log (h) - log (j)

因此:

log (h*j/k*m/n) = log (h) + log (j) - log (k) + log (m) - log (n)

'h * j / k * m / n' 可能表示级联组件,其中有三个组件(h、j 和 m)的增益 >1 ,两个组件(k 和 n)的增益 <1(参见 图6)。总系统增益可以通过将所有线性增益值相乘或将所有分贝增益值相加来计算。

  • 增益 <1(损失)为负分贝

数学中没有任何运算是任意的,信号功率损耗(增益<1)被描绘为负值(负dB值),这是因为在级联计算总增益期间是会被减去的。

如有错误请大家指正,欢迎点赞转发,谢谢。

参考资料:

1.Kirtrfc document

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/804535.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

常见性能测试工具对比

在性能测试工作中&#xff0c;我们常常会遇到好几个工具&#xff0c;但是每一个工具都有自己的优势&#xff0c;一时间不知道怎么选择。 今天我们就将性能测试常用的工具进行对比&#xff0c;这样大家在选择工具的时候心里就有底啦&#xff01; 阿里云PTS 性能测试PTS&#xff…

【群智能算法改进】一种改进的鹦鹉优化算法 改进鹦鹉优化器 IPO算法【Matlab代码#73】

文章目录 【获取资源请见文章第5节&#xff1a;资源获取】1. 原始鹦鹉优化算法PO2. 改进后的IPO算法2.1 自适应切换因子2.2 混合柯西和高斯变异 3. 部分代码展示4. 仿真结果展示5. 资源获取 【获取资源请见文章第5节&#xff1a;资源获取】 1. 原始鹦鹉优化算法PO 鹦鹉优化算法…

C#操作MySQL从入门到精通(6)——对查询数据进行排序

前言 在和MySql数据库交互的过程中,查询数据是使用最频繁的操作,并且我们经常需要对查询到的数据进行排序后输出,比如我想查询1列数据的最小值,那么我可以将查询到的数据进行升序(从小到大)排列,然后取第一个数据就是最小值。本文详细介绍了对查询数据进行排序的各种操…

数学建模-最优包衣厚度终点判别法-二(K-Means聚类)

&#x1f49e;&#x1f49e; 前言 hello hello~ &#xff0c;这里是viperrrrrrr~&#x1f496;&#x1f496; &#xff0c;欢迎大家点赞&#x1f973;&#x1f973;关注&#x1f4a5;&#x1f4a5;收藏&#x1f339;&#x1f339;&#x1f339; &#x1f4a5;个人主页&#xff…

OpenLCA案例分析:环境影响与碳排放生命周期评估应用、GREET下载与安装、生物质能源的碳排放

目录 第一章 生命周期评价的理论基础 第二章 OpenLCA的安装使用及生命周期评估模型构建 第三章 GREET的介绍 第四章 生物质能源的碳排放 更多应用 生命周期分析是一种分析工具&#xff0c;它可帮助人们进行有关如何改变产品或如何设计替代产品方面的环境决策&#xff0c;即…

./build/examples/openpose/openpose.bin在windows中调用(步骤非常简单)

下载openpose&#xff1a;https://github.com/CMU-Perceptual-Computing-Lab/openpose/releases 打开进入models 这里面还缺几个模型 打开一个github项目&#xff1a;https://github.com/ihp-lab/OpenSense/blob/fefe13ccf250e4811f4f61edf0b212e4ded78d19/Interoperations/O…

【cocos creator】【编辑器插件】cocos creator文件复制时,解决cocos creator uuid冲突

&#xff01;&#xff01;&#xff01;修改前先备份 1、将文件夹放在packages文件夹下 2、打开项目&#xff0c;选择要刷新uuid的文件夹 3、菜单栏点击 扩展->refresh-uuid 4、等控制台提示&#xff1a;资源uuid刷新完成&#xff0c;重启项目&#xff08;&#xff01;&#…

算法概述(一)

一、算法 在计算机领域里&#xff0c;算法是一系列程序指令&#xff0c;用于处理特定的运算和逻辑问题。 二、衡量算法的好坏重要标准 1、时间复杂度 2、空间复杂度 三、算法应用场景 1、运算 如&#xff1a;超大整数求积 2、查找 如&#xff1a;在度娘&#xff0c;谷歌上搜索…

小程序变更主体流程是怎样的?

小程序迁移变更主体有什么作用&#xff1f;“小程序主体变更”是指小程序账号开发者将其小程序项下业务交由其他开发者承接、运营和服务。主体变更完成后&#xff0c;小程序的运营权限、主体信息将发生变化。小程序迁移变更主体的条件有哪些&#xff1f;1、境外小程序不支持小程…

4.9QT

完善对话框&#xff0c;点击登录对话框&#xff0c;如果账号和密码匹配&#xff0c;则弹出信息对话框&#xff0c;给出提示”登录成功“&#xff0c;提供一个Ok按钮&#xff0c;用户点击Ok后&#xff0c;关闭登录界面&#xff0c;跳转到其他界面 如果账号和密码不匹配&#xf…

Houdini笔记操作技巧_集锦

个人记录下&#xff0c;谨防遗忘。同时丰富下Hou的中文搜素环境。 1、自定义启动界面 ① 设置完界面后&#xff0c;保存自定义界面&#xff08;Save Current Desktop As...&#xff09; ② Edit-->Preferences-->General UIInterface-->Startup in Desktop&#xff1…

【redis基础01】数据结构-通用命令、String、Hash、List、Set

目录 1 通用命令1.1 keys 检索匹配特定模式的所有键1.2 del 删除指定的key1.3 exists 判断key是否存在1.4 expire 给key设定有效期1.5 ttl 查看key的剩余有效期1.6 key的层级格式 2 String类型2.1 set&get2.2 mset&mget 批量操作2.3 incr&incrbyfloat 自增2.4 setn…

数据结构之树的性质总结

节点的度&#xff1a;该节点拥有的孩子个数 叶子节点&#xff1a;度为0的节点 层数&#xff1a;根节点为第一层&#xff0c;根的子节点为第二层&#xff0c;以此类推 所有树的性质&#xff1a;所有节点的总度数等于节点数减一 完全m叉树性质 完全m 叉树&#xff0c;节点的…

AI预测福彩3D第32弹【2024年4月10日预测--第7套算法开始计算第5次测试】

今天咱们继续进行进行第7套算法的测试&#xff0c;今天是第5次测试&#xff0c;昨天7码大方案错过&#xff0c;四码小方案直选命中&#xff0c;组选命中。这套算法的目标是争取稳定7码方案中的第一套方案&#xff0c;争取四码小方案的命中率达到50%(十期命中5期&#xff0c;目前…

C# 操作PDF表单 - 创建、填写、删除PDF表单域

通常情况下&#xff0c;PDF文件是不可编辑的&#xff0c;但PDF表单提供了一些可编辑区域&#xff0c;允许用户填写和提交信息。PDF表单通常用于收集信息、反馈或进行在线申请&#xff0c;是许多行业中数据收集和交换的重要工具。 PDF表单可以包含各种类型的输入控件&#xff0…

实验1 eNSP安装与使用

实验1 eNSP安装与使用 一、 原理描述二、 实验目的三、 实验内容四、 实验步骤1.下载并安装eNSP2.eNSP软件界面3.搭建并运行网络拓扑4. Wireshark 捕获分组并分析 一、 原理描述 eNSP&#xff08;Enterprise Network Simulation Platform&#xff09;是由华为提供的免费网络模…

idea中jdk版本的配置

配置JDK版本的步骤如下&#xff1a; 下载JDK安装文件&#xff1a;首先&#xff0c;需要从Oracle官方网站&#xff08;https://www.oracle.com/java/technologies/javase-jdk8-downloads.html&#xff09;下载适合您操作系统的JDK版本。 安装JDK&#xff1a;双击下载的安装文件…

什么是 DNS 记录?

DNS记录是存储在DNS服务器上的文本指令。它们表明与一个域名相关的IP地址&#xff0c;也可以提供其他信息。DNS记录是计算机用语&#xff0c;指域名系统&#xff08;Domain Name System&#xff0c;简称DNS&#xff09;中的一条记录&#xff0c;这条记录存储于DNS服务器中。每一…

全自动ai生成视频源码,利用AI大模型,一键生成高清短视频

MoneyPrinterTurbo-基于Python全自动ai生成视频源码&#xff0c;利用AI大模型&#xff0c;一键生成高清短视频&#xff0c;只需提供一个视频 主题 或 关键词 &#xff0c;就可以全自动生成视频文案、视频素材、视频字幕、视频背景音乐&#xff0c;然后合成一个高清的短视频。 地…

c++ - 运算符重载

文章目录 一、运算符重载的关键字和注意点二、重载 运算符三、重载 运算符四、重载 运算符五、重载前置 和 后置 运算符六、重载 << >>运算符 一、运算符重载的关键字和注意点 C为了增强代码的可读性引入了运算符重载&#xff0c;运算符重载是具有特殊函数名的函…