0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看威廉希尔官方网站 视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

​S参数去嵌之DK DF值拟合方案流程与仿真测试拟合过程

高频高速研究中心 来源:高频高速研究中心 2023-08-30 10:30 次阅读

DK DF值拟合方案流程

1 走线L1 s参数测量(注意L1的长度要大于校准线的长度,方便我们取长度差)

2 2X校准线s参数测量

3 搭建测试去嵌的电路,求出差值长度的s参数

4 利用仿真软件搭建差值长度仿真模型

5 改变仿真结构模型的DK,Df值与测试去嵌得到的s参数进行插损与相位的拟合,得到拟合后的DK 与DF值

6 将得到的DK与DF值带入到我们设计的PCB实际模型中进行验证(仿真对应测试的L1走线及校准线)

7 搭建仿真去嵌的电路,求出差值长度的s参数(验证拟合的DK及DF值是否跟测试结果一致,需要去除其他如SMA连接器不准确性带来的影响)

8 对比仿真的差值s参数与测试的差值s参数的区别,两者的插损回损是否一致

仿真测试拟合过程

1 测试L1及校准线的s参数,设计校准线长度为1500mil,带两个SMA连接器,测试时测试仪器及线缆进行去嵌校准,测试结果如下:

def841ba-46dc-11ee-a2ef-92fbcf53809c.png

其中S21为校准线,S43为line1 的插损曲线

2 搭建测试去嵌的电路,求出差值长度的s参数

对于走线的拟合,我们需要将SMA头的影响去除掉,因为做校准件的时候需要将对应的部分去嵌掉,这个就是我们需要做2x校准线及不同长度line走线的目的。以期望最大限度的得到dut的参数。

说明:在做测试去嵌电路前,我们需要将2x的s参数分为左右两个部分,这里需要通过PLTS软件来协助(或者用AFR去嵌后的line1参数,为了可以跟仿真数据进行对比,我们转了s参数)

转后的s参数通过级联跟未转后的s参数进行对比,如下为s参数级联的拓扑结构

df09da06-46dc-11ee-a2ef-92fbcf53809c.png

级联后的s参数与原s参数进行对比波形如下:

df1a0890-46dc-11ee-a2ef-92fbcf53809c.png

其中 S34为原未拆分s参数,S56为拆分后合并的s参数,由结果可以看到,拆分合并后,s参数跟未拆分的s参数高度一致,因此拆分的校准s参数正确无误。

搭建测试去嵌电路如下

df26e9f2-46dc-11ee-a2ef-92fbcf53809c.png

得到Line1去嵌后的s参数如下:

df3cb142-46dc-11ee-a2ef-92fbcf53809c.png

3 利用仿真软件搭建差值长度仿真模型,

LINE1与2X THRU线差值长度为3139.2mil,因此用仿真软件搭建一根长3139.2mil的传输线如下

df4a5e46-46dc-11ee-a2ef-92fbcf53809c.png

4 改变仿真结构模型的DK,Df值与测试去嵌得到的s参数进行插损与相位的拟合,得到拟合后的DK 与DF值如下:

df519f26-46dc-11ee-a2ef-92fbcf53809c.png

RO4350 拟合DK值为3.66,拟合DF值为0.01

绿油层厚度为1mil

拟合DK值为4.1,拟合DF值为0.015

拟合后的仿真曲线与测试曲线对比如下:

df6a7262-46dc-11ee-a2ef-92fbcf53809c.png

df7f0542-46dc-11ee-a2ef-92fbcf53809c.png

5 将得到的DK与DF值带入到我们设计的PCB实际模型中进行验证(仿真对应测试的L1走线及校准线)

df8a415a-46dc-11ee-a2ef-92fbcf53809c.png

6 搭建仿真去嵌的电路,求出差值长度的s参数(验证拟合的DK及DF值是否跟测试结果一致,需要去除其他如SMA连接器不准确性带来的影响)

dfb1c86a-46dc-11ee-a2ef-92fbcf53809c.png

7 对比仿真的差值s参数与测试的差值s参数的区别,两者的插损回损是否一致

dfdf6e1e-46dc-11ee-a2ef-92fbcf53809c.png

由结果可以看到,带入拟合后的dk df后,仿真得到的s参数与测试得到的s参数拟合度也比较高。






审核编辑:刘清

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • PCB板
    +关注

    关注

    27

    文章

    1448

    浏览量

    51650
  • 连接器
    +关注

    关注

    98

    文章

    14520

    浏览量

    136545
  • 仿真器
    +关注

    关注

    14

    文章

    1018

    浏览量

    83746
  • S参数
    +关注

    关注

    2

    文章

    141

    浏览量

    46550
  • SMA连接器
    +关注

    关注

    0

    文章

    18

    浏览量

    8035

原文标题:​S参数去嵌之Rogers4350板材DK、DF值拟合

文章出处:【微信号:si-list,微信公众号:高频高速研究中心】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    PCB结构的仿真结果和测试结果拟合案例

    对于SI工程师而言,没有什么事情比把PCB结构的仿真结果和测试结果拟合上更令他们感到开心的了。因为能做到这一步,说明了仿真的可靠性,进而可以通过仿真
    的头像 发表于 03-21 12:01 6190次阅读

    BSDF数据导入与拟合

    方式获取 菜单/工具/BSDF数据拟合/二项式、多项式数据拟合 两种拟合方式可选,一个是通过制定n,m,I和I’参数拟合函数,另一个是执行
    发表于 12-13 10:05

    关于非线性拟合初始参数如何设置的问题

    的公式也编写好了。但是现在的问题就是,这个拟合的模块,需要填写一个初始参数,也就是中间的那部分,我现在做的就是把y(幅)的最大,最小
    发表于 05-21 17:40

    拟合方法

    拟合方法
    发表于 03-27 19:21

    MATLAB曲线拟合

    模型,默认是以x为自变量,其余为待定参数fity=fit(x,y,f)    %曲线拟合,会给出拟合结果%再根据给出的结果计算出新的y,画图神马的
    发表于 07-18 01:19

    请问LabVIEW如何实现重复测试过程的平均曲线拟合问题

    各位大侠们好,新手请教问题,最近有个项目:测试分析一个工件周期性往复运动,拟合运动过程的位移与压力相关曲线;整个测试过程工件会有多次往复,预想选取中间的几次往复运行,取平均后拟合(或者
    发表于 02-21 15:19

    基于碰撞电离率模型的Miller公式S参数拟合

    的增长是极为迅速的。S参数还和掺杂浓度的大小密切相关,虽然上面的拟合方式存在误差,但准确性是可以接受的。为了得到S参数与掺杂浓度的关系式,可
    发表于 10-30 13:56

    模型的过拟合拟合总体解决方案

    15 模型的过拟合 & 欠拟合 & 总体解决方案
    发表于 05-15 07:49

    深度学习中过拟合/欠拟合的问题及解决方案

    的数据可以对未来的数据进行推测与模拟,因此都是使用历史数据建立模型,即使用已经产生的数据去训练,然后使用该模型去拟合未来的数据。 在我们机器学习和深度学习的训练过程中,经常会出现过拟合和欠拟合
    发表于 01-28 06:57

    直线拟合求解的推导过程

    (1)求解的推导过程:最小二乘拟合直线的推导过程如下:假设直线方程为:设有n对观测(xi,yi),则列出如下方程:整理得:其中A、EA、L的表达式如下:最后解算直线
    发表于 08-18 08:04

    算法大全_插拟合

    拟合都是要根据一组数据构造一个函数作为近似,由于近似的要求不同,二 者的数学方法上是完全不同的。而面对一个实际问题,究竟应该用插还是拟合,有时 容易确定,有时则并不明显。有
    发表于 01-14 17:46 0次下载

    拟合和过拟合是什么?解决方法总结

    拟合是指模型在训练集上表现很好,到了验证和测试阶段就大不如意了,即模型的泛化能力很差。
    的头像 发表于 01-29 17:48 3.1w次阅读
    欠<b class='flag-5'>拟合</b>和过<b class='flag-5'>拟合</b>是什么?解决方法总结

    深度学习中过拟合、欠拟合问题及解决方案

    如何判断过拟合呢?我们在训练过程中会定义训练误差,验证集误差,测试集误差(泛化误差)。训练误差总是减少的,而泛化误差一开始会减少,但到一定程序后不减反而增加,这时候便出现了过拟合的现象
    发表于 01-22 07:44 6次下载
    深度学习中过<b class='flag-5'>拟合</b>、欠<b class='flag-5'>拟合</b>问题及解决<b class='flag-5'>方案</b>

    确定电路材料DkDf测试方法

    确定电路材料的Dk(介电常数,εr)和Df(损耗因数,Tanδ)的测试方法多种多样,比如IPC有12种确定材料Dk测试方法,行业组织、大学
    的头像 发表于 07-13 14:35 5818次阅读

    神经网络拟合的误差怎么分析

    像识别、自然语言处理和时间序列预测等。然而,神经网络的拟合误差是一个关键问题,影响模型的性能和泛化能力。本文将从多个角度分析神经网络拟合误差的原因、影响因素和解决方案。 神经网络基本原理 在分析神经网络
    的头像 发表于 07-03 10:36 580次阅读