零基础入门智能射频——偶极子天线等效电路模型分析
1.前言
无人机的安全防范和管控,已经成为无人机行业的重点内容。无人机探测解决方案已经变得非常重要。前面系列文章给出了针对无人机侦察和干扰无人机的天线阵设计,上一期文章中,我们给出一种小型化的无人机侦测天线,每个阵元都是偶极子天线,该天线阵具有体积小、增益高等特点。
图1 多旋翼无人机
图2测向天线
图3测向软件
2.偶极子阵子等效电路
对同轴馈电的的偶极子天线,同轴线的内芯连接上臂,同轴线的外皮连接下臂实现馈电和匹配,如下图所示,同轴线内芯和屏蔽层中电流方向相反,加到天线的两个臂上,刚好是同向的。
此时天线输入阻抗是一定的,而电路的端口不一定相同,这时就出现因阻抗不匹配引起的反射等一系列问题。
图4 偶极子天线馈电
可见,对于一个宽带测向系统而言,如何实现更好的阻抗匹配是非常重要的,很有必要研究偶极子天线的等效电路模型,这里先给出由3个集总元器件组成的等效电路,对其进行研究。
2.1三元等效电路
图5给出了三个元器件的构成的偶极子等效电路,该电路由一个电容、一个电阻和一个电感组成。
图5 由三个元器件组成的等效电路
上图中的C由以下公示确定:
式中,X是天线的电抗,如果将偶极子天线的物理尺寸和X建立关系,则可以得到以下等式:
电感L和电阻R则由以下公式给出:
以上公式可以精准的计算出等效电路中的L、C值。
2.2四元等效电路
为了解决三元等效电路中R计算精度的问题,这里给出了采用四个元器件的等效电路,如下图所示。该电路由两个电容、一个电感和一个电阻组成,与三元素等效电路不同的地方是,该新电路引入一个电容和L、R构成一个新的谐振电路。
图6 四元等效电路
对应的四个元件值如下:
按照以上公式分别得到不同偶极子天线长度下阻抗误差。
图7 阵子长度为0.1波长时的电阻计算误差
下图是阵子长度0.2波长时的计算误差。
图8 阵子长度为0.2波长时的电阻计算误差
下图是阵子长度0.25波长时的计算误差。
图9 阵子长度为0.25波长时的电阻计算误差
下图是阵子长度0.3波长时的计算误差。
图10 阵子长度为0.3波长时的电阻计算误差
可知,该四元等效电路在0.3波长的范围内都具有较好的精度,满足日常工程设计要求。
3.等效电路在1.55GHz天线设计上的工程应用
3.1 偶极子天线EM模型
结合实际1.55GHz偶极子天线设计,给出应用实例。为了验证等效电路的准确性,这里使用Python建立一个简单的偶极子天线,图11和图12分别是该天线的辐射特性和S曲线。
图11 1.55GHz偶极子天线
图 12 HFSS给出的S曲线
3.2 偶极子天线的等效电路模型
首先,依据测向天线的阵子实际物理尺寸由上述公式得到对应的电容C、电感L以及电阻R参数;
其次,由各元器件参数计算得到1.55GHz偶极子阵子的阻抗。
最后,得到该等效电路的S曲线如下图所示,该等效电路的S曲线与上述的EM仿真给出的曲线十分契合,有效的证明了其在天线工作频段内的有效性与准确性。
图13等效电路给出的S曲线
图14是该等效电路给出的天线的电抗特性。
图14 1.55GHz天线的电抗
图15是对该天线阵子分别建立三元等效电路与四元等效电路后,由python计算得到的曲线图,图中蓝色曲线为四元等效电路计算误差,红色曲线为三元等效电路计算误差,可见前者较后者的误差大幅减小,意味着工程师优先使用四元等效电路对天线进行电路特性分析,实现特定频段下的阻抗匹配效果。
图15 两种等效电路计算误差对比
小结
四元等效电路有效地减小了偶极子天线阻抗的计算误差。实际应用中,工程师依据测向天线阵子的尺寸,根据上述给出的电路参数计算公式,实现快速选择匹配电路,优化天线的驻波比,改善天线的电路指标。
作者:江右射频
END
作者:江右射频
来源:零基础入门智能射频--偶极子天线等效电路模型分析 - RFASK射频问问
关于RFASK射频问问
射频问问是在"微波射频网”系列原创技术专栏基础上升级打造的技术问答学习平台,主要围绕射频芯片、微波电路、天线、雷达、卫星等相关技术领域,致力于为无线通信、微波射频、天线、雷达等行业的工程师,提供优质、原创的技术问答、专栏文章、射频课程等学习内容。更多请访问:RFASK射频问问 - 射频技术研发服务平台 | 技术问答、专栏文章、射频课程
零基础入门智能射频——偶极子天线等效电路模型分析相关推荐
- 零基础入门智能射频---python的无人机测向天线自动化设计
前言 多旋翼无人机具有环保.噪音小.体积小.重量轻.成本低.携带方便,具有速度可控.垂直起降.精准悬停等优势,已在民用领域,无人机在农林植保.抢险救灾.物流运输.安防巡检等方面发挥了重要作用:同时在军 ...
- Datawhale 零基础入门CV赛事-Task3 字符识别模型
文章目录 1.CNN实现 2.Pytorch实现CNN 3.使用ImangeNet预训练模型 1.CNN实现 CNN基础 2.Pytorch实现CNN 构建一个简单的CNN模型和训练过程 import ...
- 零基础入门语义分割-Task6 分割模型模型集成
文章目录 一.集成学习方法 二.深度学习中的集成学习 1.Dropout 2.TTA 3.Snapshot 一.集成学习方法 在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有S ...
- 零基础入门CV - Task 03 字符识别模型.md
1. 数据特征提取 学习了解数据特征的概念,实现用python进行数据特征提取. 以sklearn为例进行学习 我们将城市和环境作为字典数据,来进行特征的提取. sklearn.feature_ext ...
- 「建模调参」之零基础入门数据挖掘
Datawhale 作者:徐韬 ,Datawhale优秀学习者 摘要:对于数据挖掘项目,本文将学习如何建模调参?从简单的模型开始,如何去建立一个模型:如何进行交叉验证:如何调节参数优化等. 建模调参: ...
- 【零基础入门数据挖掘】-建模调参
Datawhale 作者:徐韬 ,Datawhale优秀学习者 摘要:对于数据挖掘项目,本文将学习如何建模调参?从简单的模型开始,如何去建立一个模型:如何进行交叉验证:如何调节参数优化等. 建模调参: ...
- 【零基础入门数据挖掘】-模型融合
Datawhale 作者:田杨军 ,Datawhale优秀学习者 摘要:对于数据挖掘项目,本文将学习如何进行模型融合?常见的模型融合的方法有哪些?针对不同的问题类型,应该选择哪种方法呢? 模型融合:通 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task6:分割模型模型集成
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task5:模型训练与验证
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
最新文章
- Blockchain:《Blockchain applications in insurance》Deloitte—德勤区块链技术研究报告正文版—听课记录
- Nifi出现Failed to send StandardFlowFileRecord xxxx to Hbase due to Failed 3 actions解决
- 广西工学院c语言试题答案,广西工学院的C语言考试试题
- 三种方式让你轻松监控 EntityFramework 中的 sql 流转
- I²C那点事儿(一)
- 数据结构与算法实验题 4.2 Who is the strongest
- 通过输入方式在Android上进行微博OAuth登录
- 232.栈实现队列(力扣leetcode) 博主可答疑该问题
- [BZOJ 3622]已经没有什么好害怕的了(Dp+容斥原理)
- 微信开发调起微信扫一扫功能
- python 3d绘图kmeans_使用Python matplotlib绘制3D多边形!
- app兼容性测试方案
- 机器人 李永禄_第八届中国青少年机器人竞赛名单
- SQL注入(基于 tryhackme 的讲解)
- 概率论由相关性求数学期望和方差的公式_概率论与数理统计(马涛)第4章——数学期望与方差.ppt...
- Yii2默认界面增加多级菜单
- C语言 破解字典生成器
- Cport 详细解释和应用
- java 渐变橡皮擦_HTML5 实现橡皮擦的擦除效果
- Linux驱动之i2c用户态函数调用
热门文章
- My97DatePicker日历控件基本用法
- emgucv之Matrix操作
- vivo X20全面屏手机推出黑金旗舰版,这个十月神秘无限
- dopra linux 补全shell,~HS8145C补全SHELL教程,送给同是新手的猫友们~
- 【PHP】Windows下最直接最简单查看PHP版本的方法
- 雪落庭院中,围炉话飞鸿——宜盾普GEN5取暖器体验札记
- html标签验证的作用,HTML元素blockquote标签的用法及作用
- python3 下载 并 保存 pdf
- Vue+ElementUI+.netcore前后端分离框架开发项目实战
- Xcode7 模拟器无法联网问题