ADS使用记录之使用RFPro进行版图联合仿真

ADS使用记录之使用RFPro进行版图联合仿真

在ADS中,我们往往使用EM仿真来明确电路的实际性能,但是常规的方法我们只会得到S参数,对于场还有电路的电流分布往往不进行检查。但是在实际中,观察场和电流分布是非常有意义的,可以帮助我们明确究竟是哪个地方导致了电路的谐振,或者哪个结构影响了电路的性能

ADS提供了RFPro来实现这样的目标,好像这个东西也能进行热仿真,实际在工程中非常有用的。在此举个使用RFPro进行版图仿真的例子,并提供工程来说明,感兴趣的小伙伴欢迎下载交流。

使用RFPro的版图联合仿真的目标是高低阻抗滤波器,在10、ADS使用记录之设计高低阻抗滤波器(含版图仿真)中详细介绍过。

本文的工程下载:ADS使用记录之使用RFPro进行版图联合仿真工程文件

目录

  • ADS使用记录之使用RFPro进行版图联合仿真
    • 1、高低阻抗滤波器原理图与版图设计
    • 2、高低阻抗滤波器的RF Pro仿真
      • 2.1、创建RF Pro文件
      • 2.2、将微带部分转换为SubDesign
      • 2.3、端口与网络的定义
      • 2.4、设定仿真频率范围
      • 2.5、运行仿真
      • 2.6、查看结果

1、高低阻抗滤波器原理图与版图设计

Filter01原理图

高低阻抗滤波器的设计流程在10、ADS使用记录之设计高低阻抗滤波器(含版图仿真)中详细介绍过,在此不详细介绍了。此处设计所使用的板材是FR4,其厚度为1mm,铜厚为35um。
在这里插入图片描述

其中,前后的微带线都是50欧姆的,其计算可以使用LineCal进行:
在这里插入图片描述
其版图是这样的:
在这里插入图片描述
版图的结果也还不错:
在这里插入图片描述

2、高低阻抗滤波器的RF Pro仿真

Filter02原理图

2.1、创建RF Pro文件

在版图界面,按照如下的方法打开RF Pro。第一次打开点击New,如果之前创建过点击Open就行:
在这里插入图片描述
首次创建会要求选择板材,此处使用FR4的板材,顶层微带线,底层全部接地:
在这里插入图片描述
在这里插入图片描述

2.2、将微带部分转换为SubDesign

刚刚打开时是不正确的,微带线没有正确显示,因为高低阻抗滤波器部分被当成的电路,而不是微带线的一部分。按照下面方法将其转化为SubDesign:
在这里插入图片描述
转换后版图显示正常,但是还有个MSTEP,把这个也转换成SubDesign:
在这里插入图片描述

2.3、端口与网络的定义

在EM设置方面,由于此处是板级的仿真,我们使用用户定义的仿真方法:
在这里插入图片描述

此处,用户定义的仿真中没有任何的参数,我们需要先将定义的端口拖到Ports的位置:
在这里插入图片描述
完成后的截图如下所示:
在这里插入图片描述

2.4、设定仿真频率范围

双击OPTIONS,设定仿真的频率范围:
在这里插入图片描述

2.5、运行仿真

双击Run即可运行仿真:
在这里插入图片描述

2.6、查看结果

此处主要查看的是S参数,如下所示,双击打开:
在这里插入图片描述
打开下的界面如下所示,其中右下角展示的是S参数矩阵,要查看哪个点击哪个位置就行了,可以看到仿真结果和刚刚常规版图仿真的结果一致:
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/pingmian/13027.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

Python送你小花花

快到520了,准备好送上你的爱意了吗? 还记得去年从网上模仿了一篇python使用turtle画的小花花程序,当时还没有转行到程序员行业,刚刚入门学习编程,还在纠结是学习python、Java还是C#的时候。 总会被一些猎奇的内容吸引&…

在Linux系统上使用nmcli命令配置各种网络(有线、无线、vlan、vxlan、路由、网桥等)

前言:原文在我的博客网站中,持续更新数通、系统方面的知识,欢迎来访! 在Linux系统上使用nmcli命令配置各种网络(有线、无线、vlan、vxlan等)https://myweb.myskillstree.cn/123.html 更新于2024/5/13&…

01.认识HTML及常用标签

目录 URL(统一资源定位系统) HTML(超文本标记语言) 1)html标签 2)head标签 3)title标签 4)body标签 标签的分类 DTD文档声明 基础标签 1)H系列标签 2&#xff09…

Linux 第三十四章

🐶博主主页:ᰔᩚ. 一怀明月ꦿ ❤️‍🔥专栏系列:线性代数,C初学者入门训练,题解C,C的使用文章,「初学」C,linux 🔥座右铭:“不要等到什么都没有了…

【RSGIS数据资源】2001-2021 年亚洲季风区主要国家作物种植制度数据集

文章目录 1. 数据集概况2. 数据格式3. 文件名命名规则4. 数据生产服务单位5. 元数据6. 数据引用与参考文献引用 1. 数据集概况 2001-2021 年亚洲季风区主要国家作物种植制度数据集(ACIA500)是结合MODIS 影像和现有的土地利用等多源数据,基于…

CNN卷积神经网络初学

1.为什么要学CNN 在传统神经网络中,我们要识别下图红色框中的图像时,我们很可能识别不出来,因为这六张图的位置都不通,计算机无法分辨出他们其实是一种形状或物体。 这是传统的神经网络图,通过权重调整神经元和神经元…

五丰黎红销量增长的秘诀:一物一码数字化营销开创调味品行业新格局!

根据当今经济环境和未来的发展趋势,传统经济向数字化经济转型的发展方向可以说是大势所趋,如何把握先机,率先迈出数字化转型第一步,可以说是无数传统企业都需要思考的问题。 作为中国调味品行业的佼佼者,五丰黎红踩着时…

荣耀MagicBook X 14 Pro锐龙版 2023 集显(FRI-H76)笔记本电脑原装出厂Windows11系统工厂模式安装包下载,带F10智能还原

恢复开箱状态预装OEM系统,适用型号:HONOR荣耀FRI-H76、FRI-H56 链接:https://pan.baidu.com/s/1Lcg45byotu5kDDSBs3FStA?pwdl30r 提取码:l30r 华为荣耀原装WIN11系统工厂安装包,含F10一键恢复功能、系统自带所有驱…

##22 深入理解Transformer模型

文章目录 前言1. Transformer模型概述1.1 关键特性 2. Transformer 架构详解2.1 编码器和解码器结构2.1.1 多头自注意力机制2.1.2 前馈神经网络 2.2 自注意力2.3 位置编码 3. 在PyTorch中实现Transformer3.1 准备环境3.2 构建模型3.3 训练模型 4. 总结与展望 前言 在当今深度学…

居家短视频怎么拍:四川京之华锦信息技术公司

居家短视频怎么拍:技巧与创意指南 在数字化时代,短视频已成为人们生活中不可或缺的一部分。无论是分享生活点滴,还是展示个人才艺,短视频都为我们提供了一个广阔的舞台。对于许多人来说,居家拍摄短视频既方便又实用。…

山东大学计算机考研数据分析,初复试占比6:4,复试内容不少得花精力准备!

山东大学(ShandongUniversity),简称山大,位于中国山东,是中华人民共和国教育部直属的综合性全国重点大学,是国家“211工程”、“985工程”重点建设院校,入选“111计划”、“珠峰计划”、“卓越工…

一种请求头引起的跨域问题记录(statusCode = 400/CORS)

问题表象 问题描述 当我们需要在接口的headers中添加一个自定义的变量的时候,前端的处理是直接在拦截器或者是接口配置的地方直接进行写,比如下面的这段比较基础的写法: $http({method: "post",url:constants.backend.SERVER_LOGIN…

判断上三角矩阵 分数 15

题目展示&#xff1a; 代码展示&#xff1a; 点这里&#xff0c;输入题目名称即可检索更多题目答案 ​#include<stdio.h>int main() {//T-tint t 0;scanf("%d",&t);while(t--)//循环t次&#xff0c;处理t个矩阵{int n 0;scanf("%d",&n);…

zip压缩unzip解压缩、gzip和gunzip解压缩、tar压缩和解压缩

一、tar压缩和解压缩 tar [选项] 打包文件名 源文件或目录 选项含义-c创建新的归档文件-x从归档文件中提取文件-v显示详细信息-f指定归档文件的名称-z通过gzip进行压缩或解压缩-j通过bzip2进行压缩或解压缩-J通过xz进行压缩或解压缩-p保留原始文件的权限和属性–excludePATTE…

Blender 导入资源包的例子

先到清华源下载资源包&#xff1a; Index of /blender/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 具体地址&#xff1a;https://mirrors.tuna.tsinghua.edu.cn/blender/demo/asset-bundles/human-base-meshes/human-base-meshes-bundle-v1.1.0.zip 解压/hum…

机器学习 - 梯度下降算法推导

要逐步推导多变量线性回归的梯度计算过程&#xff0c;我们首先需要明确模型和损失函数的形式&#xff0c;然后逐步求解每个参数的偏导数。这是梯度下降算法核心部分&#xff0c;因为这些偏导数将指导我们如何更新每个参数以最小化损失函数。 模型和损失函数 考虑一个多变量线…

数学建模——农村公交与异构无人机协同配送优化

目录 1.题目 2.问题1 1. 问题建模 输入数据 ​编辑 2. 算法选择 3.数据导入 3.模型构建 1. 距离计算 2. 优化模型 具体步骤 进一步优化 1. 重新定义问题 2. 变量定义 3. 优化目标 具体步骤 再进一步优化 具体实现步骤 1. 计算距离矩阵 2. 变量定义 3. 约束…

mysql 查询---多表设计

部分数据 1distinct去重 select distinct job from tb_emp;select * from tb_emp where id in (1,2,3); select * from tb_emp where id between 1 and 5; select * from tb_emp where name like __; #下划线匹配单个字符, %匹配任意多个字符select min(entrydate) from tb_e…

为什么Python中会有集合set类型?

知乎上有人提问&#xff0c;为什么Python有了列表list、元组tuple、字典dict这样的容器后&#xff0c;还要弄个集合set&#xff1f; 确实set和list、tuple、dict一样&#xff0c;都是python的主要数据类型&#xff0c;它们的作用是不同的。 因为set是数学意义上的集合&#xf…

四、基于Stage模型的应用架构设计

前面我们了解了如何构建鸿蒙应用以及开发了第一个页面&#xff0c;这只是简单的demo&#xff1b;那么如何去设计&#xff0c;从0到1搭建一个真正的应用呢 一、基本概念 1、Stage模型基本概念 Stage模型概念图 AbilityStage&#xff1a;是一个Module级别的组件容器&#xff0…