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 ...

零基础入门智能射频——偶极子天线等效电路模型分析

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

最新文章

热门文章