对S参数的理解 I

在今年3月份,我曾经写过一篇文章,叫 四臂螺旋天线的移相功分网络理论分析(一),里面第5节是关于“S参数的思考”。里面说了当时我对S参数的思考。现在来看,也不完全对。

昨天我在写文章 差分S参数 转 单端S参数 的推导.“差分S参数转单端S参数的推导”的时候,我在想如果是单端转差分,S参数之间的关联,我是不是也可以推导一下。然后推导的中间,出现了冲突。那么问题出现在哪里?

后来我发现,问题就出现在S参数的定义,或者是我对S参数的理解出现了偏差。其实对于定义类的东西,就是你理解不理解,它就在那里。关键是我们总以为我们掌握了,理解了。当两种出发角度,却得到不同结果时,我们才会重新审视自己的理解。

就好像“自己”这个东西是看不见的,总得撞上什么东西,反弹回来,才能了解自己。

一、1:1巴伦的S参数推导

网络分析方法和电路的分析方法是分析电路的两种不同手段。电路是微观的原理分析,网络是上层的宏观分析。(电路的哲学体现)

比如1:1的巴伦,50Ω转50Ω,打开其 xxx.s3p文件,是这个样子:

在这里插入图片描述
注意有一行是:
在这里插入图片描述
最后一个50欧姆,就是S参数的参考阻抗。记住这个名字“参考阻抗

这和我们课本上接触到的S参数是不是不一样。课本上要求其中一个端口完全匹配时,去定义反射参数和传输参数。而我们xxx.s3p文件可以看到,这里是在每个端口直接加载了50欧姆。这两种情况端接阻抗肯定不是一样的。

试想一下,针对课本的那种定义,要求port2完全匹配,得到S11和S21;再要求port1完全匹配,得到S22和S12。很有可能port2 和port1 不能同时匹配,那么测试系统如何能同时测量一个多端口的S参数呢?此时说明了一点:课本定义的S参数和我们实际使用的S参数不是同一个东西。

那么更常见的xxx.snp是如何得到的呢?

这里放一段话:

在这里插入图片描述
在这里插入图片描述
这段话说得啥意思呢?

Z0就是参考阻抗,为50Ω。注意这个参考阻抗不是端口阻抗,它是一个“nominal”阻抗,是我们在确定该网络S参数时这么叫的。它不需要与任何阻抗相关联。并且一个50Ω测试系统也可以测试和显示75欧姆的器件,并且将其参考到75欧姆。

在这里我们还是S参数矩阵罗列一下:
在这里插入图片描述
在我之前的文章说过,一旦网络给定,那么S参数唯一确定,与激励无关。这种特点叫“本征”。

今天需要纠正一下。当网络给定且端接阻抗也确定时,其S参数矩阵才唯一确定。不同的端接,其确定的S参数是不同的。
但有一点是可以确定的,那就是不同端接下的S参数矩阵式可以相互转换的。(具体怎么转化的,思考了很久,还是没有搞清楚。)

所以对于1:1的巴伦,很难从既有的.S3P直接给出差分的.S2P,因为两者的参考阻抗变了。
在这里插入图片描述

二、1:2巴伦的S参数推导

那么很容易想到,如果是1:2的balun是不是就可以满足要求了?
在这里插入图片描述
还是罗列S参数的方程组:
在这里插入图片描述
用②-③:将方程化简:
在这里插入图片描述
在这里插入图片描述
将以上方程完整的写一遍:
在这里插入图片描述
再根据网络的对称性,和互易性,可以将上述S参数简化成:
在这里插入图片描述
从上面的S参数看起来,仿佛从port2→port1有能量损失,而从port1→port2有功率增益。造成这种假象的原因是,port1的端接阻抗是50Ω,而port2的端接阻抗是100Ω。

假设两个port都是匹配的,port1的端口电压记为V1,port2的端口电压记为V2.

A. 如果激励发生在port1:

在这里插入图片描述
B. 如果激励发生在port2:
在这里插入图片描述

三、总结

从上面的分析可看到:

1、其实并没有功率增益,但是确有电压增益,这是因为端口阻抗发生了变化。

2、S参数直接与端接阻抗有关,不谈端接阻抗的S参数都是耍流氓,哈哈哈

3、回想“差分S参数转单端S参数的推导”中,我们将单端和差分S参数之间进行转换时,并没有注意阻抗的事情。其实是默认了单端端接50欧,差分端接100欧。我想这也是差分100欧更常见的原因之一吧。

系列文章:

对S参数的理解 II,大家可以连在一起看

  • 5
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
z参数与s参数是博士学位论文中常用的统计指标,用于描述数据集的特征和性质。z参数通常用于描述总体的特征,而s参数则用于描述样本的特征。 z参数,也称为标准得分,是指一个特定的数据点与总体平均值的差异,以总体标准差为单位衡量。可以通过z分数来比较不同总体中的数据点的相对位置。如果某个数据点的z分数为正,则说明该数据点高于总体平均值;如果z分数为负,则说明该数据点低于总体平均值。z参数的计算公式为:z = (x - μ) / σ,其中x为数据点,μ为总体平均值,σ为总体标准差。 s参数,也称为样本标准差,是指样本数据的离散程度。s参数常用于估计总体参数。样本标准差的计算公式为:s = √((Σ(x - x̄)²) / (n-1)),其中x为样本数据点,x̄为样本均值,n为样本大小。s参数可以用来描述给定样本的分布形状和离散性。 在博士学位论文中,研究者通常会使用z参数和s参数来分析数据的特征和性质。比如,研究者可以计算样本的z分数,以确定某个数据点在总体中的位置。此外,研究者还可以计算样本的标准差,从而得知样本数据的离散程度。这些统计指标可以帮助研究者更好地理解数据集,以支持研究结果的可靠性和有效性。 总之,z参数和s参数是博士学位论文中常用的统计指标,用于描述数据集的特征和性质。研究者可以使用z参数来比较不同总体中数据点的相对位置,而s参数用于描述样本数据的离散程度。这些指标的使用可以提供有关数据的有用信息,从而支持研究工作的开展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
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