射频链路设计笔记

文档主要用来作为射频链路的链路预算目录射频链路关键指标非线性1dB压缩点带内阻塞互调交调三阶截取点噪声系数接收灵敏度接收机灵敏度方程动态范围收发信机结构超外差接收机零中频接收机:本振泄露直流失调偶数阶失真参考文献射频链路关键指标非线性理想情况下放大器是一个线性模型,但是实际情况是有非线性的因素存在,一般可以近似等效近似为如下的公式:非线性效应主要是又3阶项,偶数阶的非线性会引起直流失调,1dB压缩点定
摘要由CSDN通过智能技术生成

文档主要用来作为射频链路的链路预算

目录

射频链路关键指标

非线性

1dB压缩点

带内阻塞

互调

交调

三阶截取点

噪声系数

接收灵敏度

接收机灵敏度方程

动态范围

收发信机结构

超外差接收机

零中频接收机:

本振泄露

直流失调

偶数阶失真

参考文献


射频链路关键指标

非线性

理想情况下放大器是一个线性模型,但是实际情况是有非线性的因素存在,一般可以近似等效近似为如下的公式:

非线性效应主要是又3阶项,偶数阶的非线性会引起直流失调,

1dB压缩点

定义Aout相对理想情况下降1dB的时候的输入功率,(一般都是α1*α3<0,也就是增益压缩)1dB压缩点表征信号的增益出现10%的增益下降,1dB压缩点表示的是输入还是输出的1dB压缩点具体没有特别要求,增益压缩对调频信号的影响不大,对幅度里面有信息的调制方式有影响。

带内阻塞

如果接收信号带有较大的干扰信号,也就是一个小的期望信号叠加了一个大的干扰信号,由于增益的压缩,会导致接收信号的增益也会由于大的干扰信号而降低,称之为“灵敏度降低(减敏)”,这一现象降低了接收机的输出信噪比。现假设有用信号为A1cosω1t,干扰信号为A2cosω2t,则输入信号为

从而得到的输出信号为:

根据上式可知,当大的干扰信号进入系统时会因为三阶分量的系数,导致信号增益的变化,因为大部分情况下α1*α3<0,也就是说干扰信号的功率会使信号的增益变小,足够大的A2可以使增益下降到0,这是称信号被阻塞了,阻塞信号也叫降低电路灵敏度的干扰信号,一些射频信号一般要求能够承受比所需信号大60-70dB的阻塞信号。

互调

一个弱信号和一个强干扰的似乎会发生有用信号对干扰信号的调制,称为互调(和阻塞的定义差不多)

交调

一个有用信号和两个干扰信号,经过一个非线性系统的时候通常会出现一些不是这些频率整数倍的谐波分量,两个频率之和的功率大于1时,就会出现交调,

现假设

然后展开,除去直流分量和ω1±ω2部分的(这几块离有用信号都太远了),主要关注2ω1-ω2 和2ω2-ω1部分。这两个交调信号会出现在ω1和ω2附近

三阶截取点

三阶截取点定义为交调项的幅值和一阶幅度的幅值相等,(一阶分量和三阶分量的交点)

一般求解得到的三阶交调点的功率如下所示:

一般3阶截取点比1dB压缩点高9.6dB。对于三阶截取点的表示,一般喜欢用IIP3来表征3阶截取点,(OIP3表示对应的输出的电平)

对于三阶截取点的测量,一般采用赋初值的简便方法,因为对数坐标中,交调结果是斜率为3的直线趋势下降,基波是斜率为1的速率下降,两条曲线的差为2,

  • 16
    点赞
  • 192
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas中的groupby函数用于按照指定的列对数据集进行分组,并对每个分组进行特定的操作。groupby函数的基本语法为: ```python df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs) ``` 其中,by参数用于指定分组依据的列名或列名列表;axis参数用于指定分组的轴向,默认为0,表示按照行进行分组;level参数用于多层索引时指定分组的级别;as_index参数用于指定分组后的结果是否以分组列作为索引;sort参数用于指定分组后的结果是否按照分组列排序;group_keys参数用于指定是否在分组后的结果中保留分组键;squeeze参数用于指定是否在分组后的结果中压缩单一分组的维度。 groupby函数返回的是一个GroupBy对象,可以对该对象进行多种操作,例如聚合、过滤、变换等。常用的聚合函数包括sum、mean、count、max、min等。groupby函数的原理是先将数据按照行或列进行分组,然后对每个分组进行特定的操作,并将结果合并成一个新的数据集。在实现上,groupby函数使用了split-apply-combine的策略,即先将数据集拆分成多个小组,然后对每个小组进行操作,最后将结果合并成一个新的数据集。 需要注意的是,groupby函数并不会改变原始的数据集,而是返回一个新的数据集,因此在使用groupby函数时需要注意将结果保存到变量中。另外,groupby函数对于大型数据集的性能较低,因此在处理大型数据集时需要谨慎使用。
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