磁珠的选型

磁珠

    磁珠主要用于EMI差模噪声抑制,他的直流阻抗很小,在高频下却有较高阻抗,一般说的600R是指100MHz测试频率下的阻抗值。选择磁珠应考虑两方面:一是电路中噪声干扰的情况,二是需要通过的电流大小。要大概了解噪声的频率、强度,不同的磁珠的频率阻抗曲线是不同的,要选在噪声中心频率磁珠阻抗较高的那种。噪声干扰大的要选阻抗高一点的,但并不是阻抗越高越好,因为阻抗越高DCR也越高,对有用信号的衰减也越大。但一般也没有很明确的计算和选择的标准,主要看实际使用的效果,120R-600R之间都很常用。然后要看通过电流大小,如果用在电源线部分则要选额定电流较大的型号,用在信号线部分则一般额定电流要求不高。另外磁珠一般是阻抗越大额定电流越小。

磁珠的选择要根据实际情况来进行。比如对于3.3V300mA电源,要求3.3V不能低于3.0V,那么磁珠的直流电阻DCR就应该小于1R,这种情况一般选择0.5R,放置参数漂移。对噪声的抑止能力来说,如果要求对于100MHz的、300mVpp的噪声,经过磁珠以后达到50mVpp的水平,假设负载为45欧姆,那么就应该选择225R@100MHz,DCR<1R的磁珠。

    首先你要知道你要滤除的噪声的频段,然后选一个在该频段选一个合适的阻抗(实际的可以通过仿真得出大概要多大,仿真模型可以向厂商要),第二步确定该电路通过的最大电流,电路流过的电流确定了也意味着你要选多大额定电流的磁珠,接下来是确定磁珠的DCR(直流阻抗),根据后一级电路电压供电的范围就能算出允许的磁珠的DCR的范围。封装的话自己看着办了。最后提醒一下啊,磁珠的阻抗在你加电压后和规格书上的有点差别。要正确的选择磁珠,必须注意以下几点:

1、不需要的信号的频率范围为多少;

2、噪声源是谁;

3、需要多大的噪声衰减;

4、环境条件是什么(温度,直流电压,结构强度);

5、电路和负载阻抗是多少;

6、是否有空间在PCB板上放置磁珠;前三条通过观察厂家提供的阻抗频率曲线就可以判断。

    在阻抗曲线中三条曲线都非常重要,即电阻,感抗和总阻抗。选择在希望衰减噪声的频率范围内具有最大阻抗而在低频和直流下信号衰减尽量小的磁珠型号。片式磁珠在过 大的直流电压下,阻抗特性会受到影响,另外,如果工作温升过高,或者外部磁场过大,磁珠的阻抗都会受到不利的影响。使用片式磁珠和片式电感的原因:是 使用片式磁珠还是片式电感主要还在于应用。在谐振电路中需要使用片式电感。而需要消除不需要的EMI噪声时,使用片式磁珠是最佳的选择。片式磁珠和片式电感的应用场合:片式电感:射频(RF)和无线通讯,信息技术设备,雷达检波器,汽车电子,蜂窝电话,寻呼机,音频设备,PDAs(个人数字助理),无线遥控系统以及低压供电模块等。片式磁珠:时钟发生电路,模拟电路和数字电路之间的滤波,I/O输入/输出内部连接器(比如串口,并口,键盘,鼠标,长途电信,本地局域网),射频(RF)电路和易受干扰的逻辑设备之间,供电电路中滤除高频传导干扰,计算机,打印机,录像机(VCRS,电视系统和手提电话中的EMI噪声抑止。

磁珠的单位是欧姆,因为磁珠的单位是按照它在某一频率产生的阻抗来标称的,阻抗的单位也是欧姆。磁珠的DATASHEET上一般会提供频率和阻抗的特性曲线图,一般以100MHz为标准,比如是在100MHz频率的时候磁珠的阻抗相当于1000欧姆。针对我们所要滤波的频段需要选取磁珠阻抗越大越好,通常情况下选取600欧姆阻抗以上的。

    另外选择磁珠时需要注意磁珠的通流量,一般需要降额80%处理,用在电源电路时要考虑直流阻抗对压降影响。

2013.06.05补充

《磁珠和电感在解决EMC和EMI问题的作用》


  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值