在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

?S參數去嵌之DK DF值擬合方案流程與仿真測試擬合過程

高頻高速研究中心 ? 來源:高頻高速研究中心 ? 2023-08-30 10:30 ? 次閱讀

DK DF值擬合方案流程

1 走線L1 s參數測量(注意L1的長度要大于校準線的長度,方便我們取長度差)

2 2X校準線s參數測量

3 搭建測試去嵌的電路,求出差值長度的s參數

4 利用仿真軟件搭建差值長度仿真模型

5 改變仿真結構模型的DK,Df值與測試去嵌得到的s參數進行插損與相位的擬合,得到擬合后的DK 與DF值

6 將得到的DK與DF值帶入到我們設計的PCB實際模型中進行驗證(仿真對應測試的L1走線及校準線)

7 搭建仿真去嵌的電路,求出差值長度的s參數(驗證擬合的DK及DF值是否跟測試結果一致,需要去除其他如SMA連接器不準確性帶來的影響)

8 對比仿真的差值s參數與測試的差值s參數的區別,兩者的插損回損是否一致

仿真測試擬合過程

1 測試L1及校準線的s參數,設計校準線長度為1500mil,帶兩個SMA連接器,測試時測試儀器及線纜進行去嵌校準,測試結果如下:

def841ba-46dc-11ee-a2ef-92fbcf53809c.png

其中S21為校準線,S43為line1 的插損曲線

2 搭建測試去嵌的電路,求出差值長度的s參數

對于走線的擬合,我們需要將SMA頭的影響去除掉,因為做校準件的時候需要將對應的部分去嵌掉,這個就是我們需要做2x校準線及不同長度line走線的目的。以期望最大限度的得到dut的參數。

說明:在做測試去嵌電路前,我們需要將2x的s參數分為左右兩個部分,這里需要通過PLTS軟件來協助(或者用AFR去嵌后的line1參數,為了可以跟仿真數據進行對比,我們轉了s參數)

轉后的s參數通過級聯跟未轉后的s參數進行對比,如下為s參數級聯的拓撲結構

df09da06-46dc-11ee-a2ef-92fbcf53809c.png

級聯后的s參數與原s參數進行對比波形如下:

df1a0890-46dc-11ee-a2ef-92fbcf53809c.png

其中 S34為原未拆分s參數,S56為拆分后合并的s參數,由結果可以看到,拆分合并后,s參數跟未拆分的s參數高度一致,因此拆分的校準s參數正確無誤。

搭建測試去嵌電路如下

df26e9f2-46dc-11ee-a2ef-92fbcf53809c.png

得到Line1去嵌后的s參數如下:

df3cb142-46dc-11ee-a2ef-92fbcf53809c.png

3 利用仿真軟件搭建差值長度仿真模型,

LINE1與2X THRU線差值長度為3139.2mil,因此用仿真軟件搭建一根長3139.2mil的傳輸線如下

df4a5e46-46dc-11ee-a2ef-92fbcf53809c.png

4 改變仿真結構模型的DK,Df值與測試去嵌得到的s參數進行插損與相位的擬合,得到擬合后的DK 與DF值如下:

df519f26-46dc-11ee-a2ef-92fbcf53809c.png

RO4350 擬合DK值為3.66,擬合DF值為0.01

綠油層厚度為1mil

擬合DK值為4.1,擬合DF值為0.015

擬合后的仿真曲線與測試曲線對比如下:

df6a7262-46dc-11ee-a2ef-92fbcf53809c.png

df7f0542-46dc-11ee-a2ef-92fbcf53809c.png

5 將得到的DK與DF值帶入到我們設計的PCB實際模型中進行驗證(仿真對應測試的L1走線及校準線)

df8a415a-46dc-11ee-a2ef-92fbcf53809c.png

6 搭建仿真去嵌的電路,求出差值長度的s參數(驗證擬合的DK及DF值是否跟測試結果一致,需要去除其他如SMA連接器不準確性帶來的影響)

dfb1c86a-46dc-11ee-a2ef-92fbcf53809c.png

7 對比仿真的差值s參數與測試的差值s參數的區別,兩者的插損回損是否一致

dfdf6e1e-46dc-11ee-a2ef-92fbcf53809c.png

由結果可以看到,帶入擬合后的dk df后,仿真得到的s參數與測試得到的s參數擬合度也比較高。






審核編輯:劉清

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • PCB板
    +關注

    關注

    27

    文章

    1449

    瀏覽量

    51746
  • 連接器
    +關注

    關注

    98

    文章

    14576

    瀏覽量

    136775
  • 仿真器
    +關注

    關注

    14

    文章

    1019

    瀏覽量

    83808
  • S參數
    +關注

    關注

    2

    文章

    141

    瀏覽量

    46573
  • SMA連接器
    +關注

    關注

    0

    文章

    18

    瀏覽量

    8059

原文標題:?S參數去嵌之Rogers4350板材DK、DF值擬合

文章出處:【微信號:si-list,微信公眾號:高頻高速研究中心】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    PCB結構的仿真結果和測試結果擬合案例

    對于SI工程師而言,沒有什么事情比把PCB結構的仿真結果和測試結果擬合上更令他們感到開心的了。因為能做到這一步,說明了仿真的可靠性,進而可以通過仿真
    的頭像 發表于 03-21 12:01 ?6221次閱讀

    BSDF數據導入與擬合

    方式獲取 菜單/工具/BSDF數據擬合/二項式、多項式數據擬合 兩種擬合方式可選,一個是通過制定n,m,I和I’參數擬合函數,另一個是執行
    發表于 12-13 10:05

    BSDF數據導入與擬合

    方式獲取 菜單/工具/BSDF數據擬合/二項式、多項式數據擬合 兩種擬合方式可選,一個是通過制定n,m,I和I’參數擬合函數,另一個是執行
    發表于 12-23 19:35

    關于非線性擬合初始參數如何設置的問題

    的公式也編寫好了。但是現在的問題就是,這個擬合的模塊,需要填寫一個初始參數,也就是中間的那部分,我現在做的就是把y(幅)的最大,最小
    發表于 05-21 17:40

    擬合方法

    擬合方法
    發表于 03-27 19:21

    MATLAB曲線擬合

    模型,默認是以x為自變量,其余為待定參數fity=fit(x,y,f)? ? %曲線擬合,會給出擬合結果%再根據給出的結果計算出新的y,畫圖神馬的
    發表于 07-18 01:19

    請問LabVIEW如何實現重復測試過程的平均曲線擬合問題

    各位大俠們好,新手請教問題,最近有個項目:測試分析一個工件周期性往復運動,擬合運動過程的位移與壓力相關曲線;整個測試過程工件會有多次往復,預想選取中間的幾次往復運行,取平均后擬合(或者
    發表于 02-21 15:19

    基于碰撞電離率模型的Miller公式S參數擬合

    的增長是極為迅速的。S參數還和摻雜濃度的大小密切相關,雖然上面的擬合方式存在誤差,但準確性是可以接受的。為了得到S參數與摻雜濃度的關系式,可
    發表于 10-30 13:56

    模型的過擬合擬合總體解決方案

    15 模型的過擬合 & 欠擬合 & 總體解決方案
    發表于 05-15 07:49

    深度學習中過擬合/欠擬合的問題及解決方案

    的數據可以對未來的數據進行推測與模擬,因此都是使用歷史數據建立模型,即使用已經產生的數據去訓練,然后使用該模型去擬合未來的數據。 在我們機器學習和深度學習的訓練過程中,經常會出現過擬合和欠擬合
    發表于 01-28 06:57

    直線擬合求解的推導過程

    (1)求解的推導過程:最小二乘擬合直線的推導過程如下:假設直線方程為:設有n對觀測(xi,yi),則列出如下方程:整理得:其中A、EA、L的表達式如下:最后解算直線
    發表于 08-18 08:04

    算法大全_插擬合

    擬合都是要根據一組數據構造一個函數作為近似,由于近似的要求不同,二 者的數學方法上是完全不同的。而面對一個實際問題,究竟應該用插還是擬合,有時 容易確定,有時則并不明顯。有
    發表于 01-14 17:46 ?0次下載

    擬合和過擬合是什么?解決方法總結

    擬合是指模型在訓練集上表現很好,到了驗證和測試階段就大不如意了,即模型的泛化能力很差。
    的頭像 發表于 01-29 17:48 ?3.1w次閱讀
    欠<b class='flag-5'>擬合</b>和過<b class='flag-5'>擬合</b>是什么?解決方法總結

    深度學習中過擬合、欠擬合問題及解決方案

    如何判斷過擬合呢?我們在訓練過程中會定義訓練誤差,驗證集誤差,測試集誤差(泛化誤差)。訓練誤差總是減少的,而泛化誤差一開始會減少,但到一定程序后不減反而增加,這時候便出現了過擬合的現象
    發表于 01-22 07:44 ?6次下載
    深度學習中過<b class='flag-5'>擬合</b>、欠<b class='flag-5'>擬合</b>問題及解決<b class='flag-5'>方案</b>

    神經網絡擬合的誤差怎么分析

    像識別、自然語言處理和時間序列預測等。然而,神經網絡的擬合誤差是一個關鍵問題,影響模型的性能和泛化能力。本文將從多個角度分析神經網絡擬合誤差的原因、影響因素和解決方案。 神經網絡基本原理 在分析神經網絡
    的頭像 發表于 07-03 10:36 ?621次閱讀
    主站蜘蛛池模板: 久热精品在线视频| 国产综合13p| 成年黄网站免费大全毛片| 国产福利你懂的| www四虎在线高清| 一级高清| 天天拍夜夜添久久精品中文| 亚洲一区二区在线| 91在线视频免费| 日本一区二区在线不卡| www.色黄| 黄色网视频| 老熟女一级毛片| 亚洲青草视频| 日本一区二区在线视频| 九九re热| 天堂综合| 香蕉久久久久久狠狠色| 色婷婷色99国产综合精品| 免费人成在线观看网站品爱网日本| 黄色片免费看视频| 一级特黄a 大片免费| 两人性潮高免费视频看| 黄篇网站在线观看| 99热在线获取最新地址| 色偷偷免费| 国产手机免费视频| 手机看片1024在线| 国产男人搡女人免费视频| 最近2018中文字幕2019视频| 色偷偷97| 国产精品激情综合久久| 天天操天天干天天| 美女被曹| 亚洲一区二区影视| 五月网址| 好爽毛片一区二区三区四区| 天天色操| 亚洲精品一区二区中文| 四虎4hu| 国产农村一一级特黄毛片|