终端加负载的无损耗传输线重要参数的推导

简介: 终端加负载的无损耗传输线重要参数的推导

一、对于终端加负载的无损耗传输线(R=G=0)

对于这种传输线,其阻抗决定式为:Z_{0}=\sqrt{\frac{R+jWL}{G+jWC}}=\sqrt{\frac{L}{C}}=\sqrt{\frac{u}{\varepsilon }}*\frac{d}{w},即其阻抗只和微带线的材料及结构有关,R(电阻)和G(电导)的值表示传输线的损耗衰减特性,L(电感)和C(电容)与相速度有关,这种传输线具有几个重要物理参数如下:

1、电压反射系数

一个入射的电磁波在射频系统里面可能会有同时由入射波和反射波的存在,那么入、入射电压波与反射电压波之比就是电压反射系数,同理当然也有电流反射系数了。我直接把公式写出来了,

即:\Gamma _{0}=\frac{Z_{L}-Z_{0}}{Z_{L}+Z_{0}},推导过程如下:

\Gamma _{0}=\frac{V^{-}}{V^{+}}    

V(z)=V^{+}e^{-kz}+V^{-}e^{kz}=V^{+}(e^{-kz}+\Gamma _{0}e^{+kz})

I(z)=\frac{V^{+}}{Z_{0}}(e^{-kz}-\Gamma _{0}e^{+kz})

当z=0时,当z=0时,Z(0)=Z_{L}=Z_{0}\frac{1+\Gamma _{0}}{1-\Gamma _{0}}

可推导出:\Gamma _{0}=\frac{Z_{L}-Z_{0}}{Z_{L}+Z_{0}}

image.png

2、传播常数

复数传播常数满足:\gamma =\alpha +j\beta =\sqrt{(R+jwL)(G+jwC)},R=G=0,故\gamma =jw\sqrt{LC},\beta =w\sqrt{LC}

注意:这里的\alpha是衰减系数由R于G决定,\beta是相位常数由L和C决定。

相速度:V_{p}=\frac{1}{\sqrt{LC}},

推导过程:假设一个电磁波的电压波表达式为:V(t,z)=Acos(wt\pm\beta z ),很明显电压波的大小与时间和空间都有一定关系。V(t+\Delta t,z+\Delta z)与V(t,z)相比的相位变化为w(t+\Delta t)-\beta (z+\Delta x)\rightarrow w\Delta t=\beta \Delta z,即V_{p}=\frac{\Delta z}{\Delta t}=\frac{w}{\beta }\rightarrow \beta =\frac{w}{V_{p}}=\frac{2\pi f}{\lambda /T}=\frac{2\pi f}{\lambda f}=\frac{2\pi }{\lambda }

V_{p}=\frac{w}{\beta }=\frac{w}{w\sqrt{LC}}=\frac{1}{\sqrt{LC}}

3、驻波

驻波比:SWR=\frac{\left | V_{max} \right |}{\left |V_{min} \right |}=\frac{\left |I_{max} \right |}{\left |I_{min} \right |}=\frac{1+\left | \Gamma_{0} \right |}{1-\left |\Gamma _{0} \right |},为了量化不匹配的程度,引入驻波比,也叫驻波系数,传输线上电压最大幅度与电压最小幅度的比值。

功率驻波比:PSWR=V(SWR)^{2}

改天有空再写,有点累了睡觉去了

f4436dc34e78193a53acdb0600bd12f.jpg

33f819498418195aa2814367b3cef58.jpg

相关文章
|
4天前
|
测试技术
容量测试和负载测试的区别
容量测试和负载测试的区别
|
10月前
|
监控 程序员 C++
[虚幻引擎] UE里面监控每帧循环里面 C++ 函数的性能,监控函数效率,函数执行时间。
在使用C++开发UE引擎,有时候需要监控函数的执行的执行效率,这个时候有两种方式可以使用。
111 0
|
10月前
|
Serverless
函数计算减少冷启动对性能的影响
函数计算减少冷启动对性能的影响
320 1
|
11月前
|
数据采集 缓存 算法
m基于多属性决策判决算法的异构网络垂直切换matlab性能仿真,对比网络吞吐量,网络负载,平均切换次数,阻塞率,回报值
m基于多属性决策判决算法的异构网络垂直切换matlab性能仿真,对比网络吞吐量,网络负载,平均切换次数,阻塞率,回报值
180 0
|
11月前
|
算法 异构计算
基于FPGA的控制参数在线实时调整的自适应PI控制器设计,包含testbench测试程序
基于FPGA的控制参数在线实时调整的自适应PI控制器设计,包含testbench测试程序
145 0
|
12月前
|
机器学习/深度学习 定位技术 计算机视觉
即插即用 | CEASA模块给你所有,小目标精度提升的同时速度也变快了(一)
即插即用 | CEASA模块给你所有,小目标精度提升的同时速度也变快了(一)
254 0
|
12月前
|
数据可视化
即插即用 | CEASA模块给你所有,小目标精度提升的同时速度也变快了(二)
即插即用 | CEASA模块给你所有,小目标精度提升的同时速度也变快了(二)
91 0
|
机器学习/深度学习 传感器 算法
【控制】基于粒子群算法的PMSM 驱动器非平稳重复过程速度控制附matlab代码
【控制】基于粒子群算法的PMSM 驱动器非平稳重复过程速度控制附matlab代码
|
测试技术 数据库
(性能测试、负载测试、强度测试、容量测试)概念区分
(性能测试、负载测试、强度测试、容量测试)概念区分
cpu cacheline对性能影响实验
一、cacheline概念 cpu利用cache和内存之间交换数据的最小粒度不是字节,而是称为cacheline的一块固定大小的区域,详细信息参见wiki文档:http://en.
1228 0