矢量网络分析仪（共8篇）
矢量网络分析仪 篇1
随着我国社会经济的快速发展以及科学信息技术的大力进步, 我国通信事业获得了极大的发展。随之而来的是, 人们对通信的可靠性和稳定性提出了更高层次的要求。而对传输矢量信号测量的准确性是确保通信可靠性与稳定性的重要前提条件。因此, 如何提高传输矢量信号测量的准确性已成为当前亟需解决的重要问题之一。矢量网络分析仪是一种能够对端网络进行测量的测试设备, 它能够有效的对传输矢量信号进行测量。故而, 对传输矢量信号测量中矢量网络分析仪的应用进行探讨已成为当前研究的重要课题之一。
1 矢量网络分析仪概述
1.1 矢量网络分析仪的含义
矢量网络分析仪是一种电磁波能量的测试设备, 其作用主要在于对电路系统或者是射频以及微波频段器件进行测量。同时, 它也是微波领域中最基本且最为重要的一种测量工具。一方面, 矢量网络分析仪能够对网络的反射特性和传输特性进行测量;另一方面, 它又能够对网络的隔离度进行测量。同时, 它还能够有效测量网络的反射系数、回波损耗以及插入损耗等。此外, 矢量网络分析仪还能够精确地对网络的幅度、相位以及散射参数的那个进行测量。基于此, 矢量网络分析仪现已被广泛应用于各个通信领域。
1.2 矢量网络分析仪的组成
矢量网络分析仪主要由信号分离装置、信号源装置、数据处理和显示模块以及幅相接收机这四部分组成。其中, 信号分离装置必须具备两种功能。 (1) 在进行求值比时可将属于入射信号中的某部分作为参考依据, 并均可用定向耦合器或者功率分配器来完成; (2) 从被测网络的输入中将反射波和入射波分离出来, 并用定向耦合器来进行实现。值得注意的是, 所选用的功率分配器必须是电阻性和无定向性的, 且其频带的范围应较宽。而所选用的定向耦合器, 其损耗必须较低, 并具有很好的定向性和隔离度。在本质上, 信号源装置是一种能够为系统提供激励作用的装置, 一般被用来进行幅度扫描。在矢量网络分析仪中, 信号源一般采用集成化频综合器。数据处理和显示模块的作用主要在于对测试的结果进行显示和解释, 并对传输和反射数据起到格式化的作用。而幅相接收机是一台窄带且调谐的接收机, 其作用主要在于通过将本振源和射频信号进行混频而得到一个中频信号。
2 矢量网络分析仪需校准的项目及应注意的问题
矢量网络分析仪因其具有无可比拟的优势, 现已取代原有的标量网络分析仪成为当前主要的测量工具。虽然如此, 但是由于矢量网络分析仪不仅工作的频率较高, 而且工作的频带也较宽, 从而导致测量结果出现较大的误差。因此, 为了确保测量结果的准确性和可靠性, 在使用矢量网络分析仪时必须对其进行校准。一般而言, 在校准矢量网络分析仪时, 除了需要充分了解校准的项目, 还应考虑到相关的注意问题。其具体内容如下:
2.1 矢量网络分析仪需校准的项目
矢量网络分析仪需校准的项目主要包括两项, 即信号源和接收机。其具体内容如下:
(1) 信号源的校准;由于信号源是矢量网络分析仪器内部中的较为重要的一个器件, 它与多项计量参数 (信号功率准确度、输出信号谐波、频率准确度以及功率线性度等) 有着非常紧密的关系。因此, 校准人员在对矢量网络分析仪进行校准时, 必须重视并做好信号源的校准工作。一般而言, 信号源的校准主要包括频率的准确度、功率的准确度和功率的线性以及信号的纯度这三个方面。根据矢量网络分析仪的工作原理, 笔者结合相关的工作经验对这三个方面进行具体的分析。
首先, 在频率准确度方面。由于要完成对矢量网络分析仪系统方面的误差修正, 就必须对频率点进行逐点校对。因此, 系统测量的准确度直接取决于输出信号频率是否准确。故而, 在对信号源进行校对时, 必须确保频率的准确度。其次, 在功率的准确度和功率的线性方面。由于矢量网络分析仪本身系统所具备的功能能够为功率的准确度和功率的线性提供保障, 或者其绝对功率准确度较高。因此, 在通常情况下, 这个项目的计量显得不是很重要。虽然如此, 若需要对微波元器件进行测试或需要对功率幅度进行确定时, 则应将此项纳入到校准项目之中。最后, 在信号纯度方面。若信号源输出的信号纯度不高, 则必然会造成测试结果误差问题的出现。因此, 校对人员在对信号源进行校对时还应重视对信号纯度的计量。同时, 若信号源的谐波含量在40d B以上时, 则可以忽略其所造成的影响。
(2) 接收机的校准;在对矢量网络分析仪中的接收机进行校对时, 应给出与其内部噪声相关的指标, 以此来对随机误差进行控制。同时, 所测量系统的动态范围应大于被测器件, 以此来尽可能地减小测量的不确定度。此外, 校准人员还可以将矢量网络分析仪中的最大输入电平纳入到计量结果之中。
2.2 在矢量网络分析仪校准过程中需注意的问题
笔者结合相关的工作经验, 共总结出以下几点矢量网络分析仪校准过程中需注意的问题: (1) 在校准的过程中, 校准人员必须注重对器件的连接;矢量网络分析仪器与测试电缆之间的连接应松紧适度, 且应尽量使用矩扳手来进行连接;在对校准件进行使用时, 应转动外螺套, 以此来避免校准件出现损坏现象; (2) 在校准的过程中, 校准人员还应注重对器件的清洁;在测试结束后, 校准人员应及时对仪器设备的测试端口进行保护, 以此来确保其测量结果的稳定性;还应定期对测试设备螺纹内部进行清洁; (3) 由于校准人员素质的高低直接关系到校准的好坏, 所以应采用行之有效的策略不断提高校准人员的素质; (4) 在校准的过程中, 校准人员还应注重对测试端口的防静电操作;等等。
3 传输矢量信号测量中矢量网络分析仪的应用
本文以广播电视通信行业为例, 来具体对传输矢量信号测量中矢量网络分析仪的应用进行分析。其具体内容如下:
3.1 器件和网络的反射特性和传输特性
器件和网络的反射特性主要包括参数、驻波比 (Voltage Standing Wave Ratio, SWR) 、反射系数、复阻抗和相量法。其中, 参数一般用S (S11、S22) 表示, 反射系数一般用T、ρ表示, 复阻抗一般用R+j X表示, 相量法一般用G+j B表示。同时, 器件和网络的传输特性主要包括参数、群延时、插入损耗、相位以及增益。其中, 参数一般用S (S21、S12) 表示。本文以两端口的网络分析仪为例, 来具体对器件和网络的反射特性和传输特性进行分析。在两端口的网络分析仪中, 若是正向测量时, 则S11为被测器件和网络输出端接匹配负载端口1的反射系数, S21为其负载时端口1至端口2的传输系数;若是反向测量时, 则S22为其负载时端口2的反射系数, S12为其负载时端口2到端口1的传输系数。
3.2 矢量网络分析仪可测量器件的参数分析
在广播电视通信行业, 一般使用矢量网络分析仪来测量的器件主要包括混频器、负载、滤波器以及放大器等。其具体的参数分析如下:
在使用矢量网络分析仪测量混频器的过程中, 其传输特性参数主要包括相位、群延时以及变频损耗这三个方面的内容。其中, 混频器变频损耗 (如图1所示) 的公式为
由图1可知, 在使用矢量网络分析仪对混频器标量的特性进行测量时, 矢量网络分析仪的端口1是与混频器中的RF端相连接的, 本振信号是与混频器中的Lo端相连接的。同时, 通过使用矢量网络分析仪中的端口2与中频滤波器相连接, 可测出中频输出端的变频损耗。
在使用矢量网络分析仪测量混频器的过程中, 群延时指的是信号在通过器件所产生的相位变化与频率之间的比值。一般而言, 信号在通过某个线性器件时所产生的传输延时或相位偏离也属于群延时。因此, 矢量网络分析仪通过使用此种接法即可对混频器的群延时与相位进行测量。
(2) 负载测量的参数分析;所谓“负载”, 是指连接在电路中的电源两端的电子元件。它既没有电抗分量, 又是单端口纯电阻。同时, 负载还能够使用矢量网络分析仪中的极坐标和史密斯圆图功能来讲测试数据显示出来。一般而言, 发射特性S11参数是其主要的指标之一。此外, 在负载测量中, 反射系数是一个矢量, 且与负载的输入阻抗和特性阻抗之间的比值相一致, 并将相位与幅度信息包含在其中。在此基础上, 电压反射系数的公式为。其中, ZL表示为负载中的电压驻波比指标, 并能直接由矢量网络分析仪测量出来;Zo表示为传输线特性阻抗。
(3) 滤波器测量的参数分析;所谓“滤波器”, 是指能够让某些频率通过并将其它频率抑制的一种选频电路, 主要由电阻、电感以及电容这三部分组成。在滤波器中, 其测量指标主要包括群延时、通带频率范围、带内抖动、插入损耗、Q值以及带通滤波器。若通带的起始频率为fL, 中心频率为f0, 通带的终止频率为fH;则其公式为
在使用矢量网络分析仪对滤波器进行测量时, 应先校准此仪器, 并将滤波器的起始与终止频率设置出来。同时, 可以通过借助Mess中的S21功能与Format中的logmat功能来讲滤波器频率的响应图观测出来, 以此来将带通滤波器与频率范围插入损耗的Q值测量出来。最后, 再用DELAY功能来对群延迟进行测量。
(4) 放大器测量的参数分析;所谓“放大器”, 是指能把输入讯号的电压或者功率放大的一种装置, 主要包括晶体管、电子管、电源变压器以及其它电器元件。目前, 放大器已被广泛运用于自动控制、广播、电视、通讯以及雷达等各种装置之中。由于本文篇幅有限, 笔者主要对放大器的传输特性参数进行分析。一般而言, 放大器的传输特性参数主要包括群延时、相位、增益、增益压缩以及增益平坦度。其中, 增益是指输入功率与输出功率之间的比值, 增益平坦度包括了整个工作频率范围内的全部增益变化, 增益压缩是指当放大器的增益比线性区的增益小于1d B时的输出功率。
在对放大器传输特性参数中的增益与增益平坦度进行测量时, 所选用的矢量网络分析仪的测量功能可为Mess中的S21。同时, 放大器的增益与增益平坦度可直接通过Marker标识显示出来。值得注意的是, 在对放大器的1d B压缩进行测量时, 所选用的矢量网络分析仪必须具备功率扫描这个功能。同时, 在对矢量网络分析仪端口的信号进行校准时, 则应选用GPIB来讲矢量网络分析仪和功率计连接起来。
一般而言, 放大器的1d B增益压缩点可以直接从矢量网络分析仪上读出来。同时, 矢量网络分析仪上的Format功能能够将放大器的群延时和相位测量出来。此外, 在使用矢量网络分析仪对放大器以及其它有源器件进行测量时, 必须重视对矢量网络分析仪的保护, 并采取行之有效的措施对其进行保护。为了避免对矢量网络分析仪造成不同程度的损害, 在测量的过程中必须注意端口所承受的交流功率值和直流电压指;或者可以增加一些所需的辅助器件, 如衰减器等。
4 结语
综上所述, 矢量网络分析仪是目前广泛应用于通信领域的一种测量设备, 它能够精确地对网络的幅度、相位以及散射参数的那个进行测量。同时, 矢量网络分析仪还是测量两端网络传输特性、反射特性驻波比以及反射系数的有效仪器。因此, 对传输矢量信号测量中矢量网络分析仪的应用进行探讨, 有着重要的意义。由于本文篇幅有限, 必然存在不足之处。故而, 这还需要我们进一步对传输矢量信号测量中矢量网络分析仪的应用进行探讨和研究。
参考文献
[1]时勇.矢量网络分析仪在测量传输矢量信号中的应用[J].数字技术与应用, 2014 (9) .
[2]陈虹, 翟宝宇, 吕桂秋等.矢量网络分析仪在测量传输矢量信号中的应用[C].//第二十七届中国 (天津) 2013’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集.2013.
[3]卢娟.一种矢量网络分析仪测量同轴传输线特性阻抗的方法[J].计量技术, 2013 (2) .
[4]朱伟, 韩晓东.矢量网络分析仪中的电子校准技术[J].国外电子测量技术, 2010 (8) .
[5]郭朗.新一代矢量网络分析仪系统软件分析与设计[J].数字技术与应用, 2013 (3) .
矢量网络分析仪 篇2
关键词：固体火箭发动机；喷流；推力矢量；数值模拟
中图分类号：V430 文献标识码：A 文章编号：1673-5048（2014）05-0028-04
0 引言
空空导弹在大机动飞行时，空气动力舵面的控制效率小，无法满足控制要求，就需要采用推力矢量或者弹体侧向喷流产生（直接）侧向力来进行辅助控制[1-2]。
对于空空导弹来说，常规动力装置是固体火箭发动机，实现侧向力的传统方式是在喷管后部加装燃气舵或者绕流片来产生推力矢量。这种方式的缺点主要是：（1）响应慢，燃气舵或绕流片从接收控制信号到形成要求的控制力需要较长的时间；（2）燃气舵或绕流片受到高温两相燃气的冲刷和烧蚀，易出现故障；（3）主推力损失较大，侧向力有限。而采用气体二次喷流技术产生侧向力，则有气动响应迅速，对主推力影响小等优势，提高了空空导弹快速反应能力，是当前各军事强国都在积极研究发展的热点[3]。
产生气体二次喷流的方式有两种：一种是设计专门的气体发生器或者小发动机，一种是从发动机燃烧室引流。如果采用单独设计的气体发生器，其优点是设计灵活，易于满足侧向力要求，但
是工作时间有限，且占据较大的空间，大大增加了附加质量，这对于空空导弹是非常不利的。因此，从发动机燃烧室引流进行气体二次喷射是设计师很关注的问题。
从发动机燃烧室引流并侧向喷射，虽然会产生侧向力，但是引流会对主推力等参数产生影响，因此本文针对空空导弹发动机引流二次喷射方式进行方案研究和数值模拟，可为二次喷流侧向力系统设计提供参考依据。
摘要：对从发动机引流外喷进行推力矢量控制的方案进行了内流场计算与分析，比较了不同管径和引流管道喉部面积对引流效果的影响，结果表明：发动机引流对于发动机内流场的参数影响不大，燃烧室压力和温度变化不明显；引流管道的喉部面积占总喉部面积的百分比是影响喷流效果的主要参数；引流流量占总流量的比例略小于引流通道喉部面积所占比例；引流形成的侧向推力所占比例与引流流量所占比例相当，均略小于引流通道喉部面积所占比例；引流造成主动量推力下降幅度明显。
关键词：固体火箭发动机；喷流；推力矢量；数值模拟
中图分类号：V430 文献标识码：A 文章编号：1673-5048（2014）05-0028-04
0 引言
空空导弹在大机动飞行时，空气动力舵面的控制效率小，无法满足控制要求，就需要采用推力矢量或者弹体侧向喷流产生（直接）侧向力来进行辅助控制[1-2]。
对于空空导弹来说，常规动力装置是固体火箭发动机，实现侧向力的传统方式是在喷管后部加装燃气舵或者绕流片来产生推力矢量。这种方式的缺点主要是：（1）响应慢，燃气舵或绕流片从接收控制信号到形成要求的控制力需要较长的时间；（2）燃气舵或绕流片受到高温两相燃气的冲刷和烧蚀，易出现故障；（3）主推力损失较大，侧向力有限。而采用气体二次喷流技术产生侧向力，则有气动响应迅速，对主推力影响小等优势，提高了空空导弹快速反应能力，是当前各军事强国都在积极研究发展的热点[3]。
产生气体二次喷流的方式有两种：一种是设计专门的气体发生器或者小发动机，一种是从发动机燃烧室引流。如果采用单独设计的气体发生器，其优点是设计灵活，易于满足侧向力要求，但
是工作时间有限，且占据较大的空间，大大增加了附加质量，这对于空空导弹是非常不利的。因此，从发动机燃烧室引流进行气体二次喷射是设计师很关注的问题。
从发动机燃烧室引流并侧向喷射，虽然会产生侧向力，但是引流会对主推力等参数产生影响，因此本文针对空空导弹发动机引流二次喷射方式进行方案研究和数值模拟，可为二次喷流侧向力系统设计提供参考依据。
摘要：对从发动机引流外喷进行推力矢量控制的方案进行了内流场计算与分析，比较了不同管径和引流管道喉部面积对引流效果的影响，结果表明：发动机引流对于发动机内流场的参数影响不大，燃烧室压力和温度变化不明显；引流管道的喉部面积占总喉部面积的百分比是影响喷流效果的主要参数；引流流量占总流量的比例略小于引流通道喉部面积所占比例；引流形成的侧向推力所占比例与引流流量所占比例相当，均略小于引流通道喉部面积所占比例；引流造成主动量推力下降幅度明显。
关键词：固体火箭发动机；喷流；推力矢量；数值模拟
中图分类号：V430 文献标识码：A 文章编号：1673-5048（2014）05-0028-04
0 引言
空空导弹在大机动飞行时，空气动力舵面的控制效率小，无法满足控制要求，就需要采用推力矢量或者弹体侧向喷流产生（直接）侧向力来进行辅助控制[1-2]。
对于空空导弹来说，常规动力装置是固体火箭发动机，实现侧向力的传统方式是在喷管后部加装燃气舵或者绕流片来产生推力矢量。这种方式的缺点主要是：（1）响应慢，燃气舵或绕流片从接收控制信号到形成要求的控制力需要较长的时间；（2）燃气舵或绕流片受到高温两相燃气的冲刷和烧蚀，易出现故障；（3）主推力损失较大，侧向力有限。而采用气体二次喷流技术产生侧向力，则有气动响应迅速，对主推力影响小等优势，提高了空空导弹快速反应能力，是当前各军事强国都在积极研究发展的热点[3]。
产生气体二次喷流的方式有两种：一种是设计专门的气体发生器或者小发动机，一种是从发动机燃烧室引流。如果采用单独设计的气体发生器，其优点是设计灵活，易于满足侧向力要求，但
是工作时间有限，且占据较大的空间，大大增加了附加质量，这对于空空导弹是非常不利的。因此，从发动机燃烧室引流进行气体二次喷射是设计师很关注的问题。
矢量网络分析仪 篇3
本文对器件和网络的反射特性和传输特性重点介绍了矢量网络分析仪测量混频器、放大器、滤波器、负载等的方法。该仪器是一种测量多端网络的测试设备, 相位波动参数的测试是利用矢量网络分析仪的电子延迟 (Electrical Delay) 功能来实现的。矢量网络分析仪既能测量单端口网络或两端口网络的各种参数、幅值, 又能测相位, 矢量网络分析仪能用史密斯圆图、极坐标显示测试数据。矢量网络分析仪功能很多, 对使用者的专业技术要求较高。
2 器件和网络的反射特性和传输特性
2.1 首先介绍反射特性和传输特性 (图1)
(2) 传输特性包括:S参数 (s21、s12) 、传输系数、插入损耗、增益、相位、群延时。
2.2 两端口的网络分析仪
对于两端口的网络分析仪来讲, 正向测试时s11为当被测件输出端接匹配负载1端口反射系数, s21为当被测件输出端接匹配负载时端口1→端口2的传输系数;在反向测量时s22为当被测件端口接匹配负载时2端口反射系数, s12为当被测件输出端接匹配负载时端口2→端口1的传输系数。
3 网络分析仪可测量混频器、放大器、滤波器、负载等器件参数
3.1 混频器的测量
通常混频器是将射频信号与本振信号通过乘法器加滤波器, 把频率变为中频信号的器件。
主要测量传输特性参数:变频损耗、群延时、相位
使用网络分析仪测量标量特性, 网络分析仪端口1接混频器的RF端, 本振信号接混频器的LO端, 中频输出端通过中频滤波器接网络分析仪端口2可测变频损耗。
群延时是信号通过器件的相位变化与频率的比值 , 通常群延时被用来描述信号通过一个线性器件时的传输延时 (g) 和线性相位的偏离, 网络分析仪通过此接法可以测量混频器的相位和群延时。
3.2 放大器测量
在测量增益和增益平坦度时, 网络分析仪的测量功能Mess选在S21, 通过Marker标识直接可读出增益和增益平坦度。
网络分析仪要完成放大器件1d B压缩的测量, 必须具备功率扫描功能, 且网络分析仪与功率计用GPIB连接做网络分析仪端口信号校准。
在网络分析仪上可直接读出1d B增益压缩点。
按Format可测得PHASE (相位) 和DELAY (群延时)
在测量放大器等有源器件时要特别注意网络分析仪的保护, 要注意端口所能承受的直流电压和交流功率, 否则会对网络分析仪造成损害, 可根据需要加一些辅助的器件, 如隔直电容或者衰减器等。
3.3 滤波器的测量
滤波器是一种选频电路, 它可以让某些频率通过而抑制其它频率, 其指标为通带频率范围、插入损耗、带内抖动、带通滤波器的Q值及群延时。
fL通带的起始频率, f0为中心频率, fH为通带的终止频率。
在矢量网络分析仪中, 首先对矢量网络分析仪做校准, 然后设置滤波器的起始频率和终止频率并使用Mess中S21功能和Format中LOGMAT功能, 观测到滤波器的频率响应图, 从而测得频率范围插入损耗、带通滤波器的Q值, 再用DELAY功能测量群延迟。
3.4 负载的测量
负载是单端口纯电阻、没有电抗分量, 能用网络分析仪中史密斯圆图和极坐标功能显示测试数据, 负载的主要指标为反射特性 (S11) 参数:特性阻抗与负载的输入阻抗的比值, 反射系数为矢量, 包含幅度和相位信息, 电压反射系数 :传输线特性阻抗, ZL:传输线终端负载在网络分析仪测量负载时, 主要指标是电压驻波比 , 此指标可在网络分析仪上直接测量。
4 结语
目前矢量网络分析仪测量已经广泛应用到军用和民用通信行业, 是测量两端网络传输特性增益、相位、群延时;反射特性驻波比、反射系数 的有效仪器。
摘要：随着科学技术的不断发展, 网络分析仪从原来的标量网络分析仪到目前的矢量网络分析仪, 原来只能测传输特性的增益到可测相位、群延时等参数。该文主要介绍网络分析仪的参数和几种新的测量方法。
关键词：传输特性,矢量
参考文献
[1]朱辉.实用射频测试和测量.北京电子工业出版社, 2012.9.
矢量网络分析仪 篇4
关键词：Visual Basic,PNA系列矢量网络分析仪,自动检定系统
矢量网络分析仪是测量高频元件和器件性能的最重要工具之一, 可测量微波元器件的幅度特性、相位特性和群时延特性, 还可利用时域功能来判断阻抗失配 (电路故障) 的具体位置。作为大型综合参数测试系统用于各种射频元器件、部件、整机的测试。
PNA系列矢量网络分析仪是安捷伦公司推出的最先进矢量网络分析仪, 不仅能提供卓越的性能和精度, 还针对超越与网络分析仪相关的传统散射参数的各种测量进行配置。因此广泛应用于研发和测试中, 但是由于PNA系列矢网覆盖的频率范围宽、检定指标多、测试数据量大, 传统的手动检定使得检定时间长, 工作量大, 给日常的周期检定工作带来了不便。本文针对以上问题采用Visual Basic平台开发了基于Visual Basic的PNA系列矢量网络分析仪自动检定系统, 可以在短时间内完成PNA系列矢量网络分析仪的自动检定, 提高了检定效率。
1 系统组成
PNA系列矢量网络分析仪的自动检定系统是由计算机、GPIB-USB接口卡、GPIB电缆、具有GPIB接口的测量仪器和其他检定需要的标准设备在自编软件控制下完成。
1.1 硬件组成。
根据GJB/J3608-99自动网络分析仪检定规程和PNA系列矢量网络分析仪技术指标说明书的要求, 确定检定所需的硬件来配置自动检定系统。硬件是由计算机、GPIB-USB接口卡、GPIB电缆、具有GPIB接口的测量仪器和其他检定需要的标准设备组成, 如图1所示。
功率计用于源输出功率准确度的检定;微波频率计用于源输出频率准确度的检定;频谱分析仪用于源输出频谱纯度 (谐波) 的检定;矢网校准件与测试电缆用于接收机动态范围和平均噪声电平的检定;通过对检验件进行测量来检定矢网的整机性能, 矢网检验件 (如3.5mm的3666、2.4mm的85057B) 中的标准衰减器用于矢网S21和S12对数幅度的检定, 25欧、50欧空气线用于矢网S21和S12相位和线性幅度的检定;标准失配器 (如8033等) 用于测试失配器的检定。
1.2 软件组成。
PNA系列矢量网络分析仪的自动检定系统软件部分是基于Visual Basic平台开发的。所使用的软件为Visual Basic 6.0。Visual Basic 6.0是Microsoft公司推出的一个可视化、面向对象且基于事件驱动的集成开发环境, 用户可以通过使用它高效快捷地创建各种Windows应用程序。其继承了Basic语言简单易学的优点, 采用了事件驱动的编程机制, 是易学实用、功能强大的Windows应用程序开发工具。
2 软件设计
测试软件采用结构化设计, 界面简洁, 主要功能模块包括仪器设置、执行测试项、数据保存。
软件基本任务流程如图2所示。
PNA系列矢量网络分析仪自动检定系统是基于Visual Basic平台的, 通过计算机、GPIB-USB接口卡、GPIB电缆、具有GPIB接口的测量仪器采集数据实现的, 具体测试过程如下。
2.1 程序开始。
用GPIB电缆将检定所需仪器设备与计算机相连, 打开测试软件进入PNA系列矢量网络分析仪自动检定系统软件测试界面开始进行测试。
2.2 设备检测。
进入“设置”-“仪表设置”。点击地址查询, 通过与计算机相连的GPIB卡可以检测到所连仪器信息, 根据信息设置各仪器GPIB地址。由于使用不同的频谱分析仪其指令会不同, 故还需选择所连接的频谱仪型号, 实现不同型号频谱仪指令的切换。
2.3 选择任务。
。进入“设置”-“矢网型号选择”。由于PNA系列矢量网络分析仪型号多种, 型号不同会导致频段范围、检定项目、技术指标不同, 故要对被检矢量网络分析仪的型号进行选择。通过选择被检矢网型号来确定所要执行的检定项目。
2.4 任务执行
“矢网型号选择”完成后“执行测试项”菜单激活。点击检定项目后按照弹出对话框的提示要求完成仪器设备间的连接, 然后开始各个检定项目的测试。软件内部通过调用各仪器的程控指令开始测试并完成读写任务。
2.5 数据保存。
单项或多项检定项目测试完成后均可以进入“文件”-“保存测试数据”进行数据保存。
2.6 生成报表。
数据保存后将数据复制粘贴至记录和证书模板内自动生成excel文件, 打印即可。
3 关键技术
PNA系列矢量网络分析仪自动检定系统在研制和调试中解决了多型号、多参数、测量结果误差修正的难题。
3.1 多型号兼容技术。
由于仪器的型号不同会导致仪器控制SCPI命令不同, 本系统建立了程控仪器指令库来统一控制不同型号的仪器。可通过选择仪器型号来选择对应的仪器指令, 实现多型号仪器的兼容。
3.2 多参数技术。
不同型号的矢量网络分析仪其工作的频段范围、技术指标、检定所需项目会不同, 本系统建立了参数数据库, 在测试过程中通过调用不同型号矢量网络分析仪的参数数据库来实现不同参数要求的检定。
3.3 测量结果误差修正技术。
本系统在自动采集数据时采用测试三次数据进行平均, 以此达到剔除异常数据, 再将所得测试结果与其技术指标对比判断是否超差。
结束语
PNA系列矢量网络分析仪自动检定系统是一个能兼容多型号的矢量网络分析仪检定平台。系统的开发和实现保证了测试结果的准确性, 提高了日常的检定校准工作效率, 提升了自动检定系统软件开发能力, 也提高了计量站服务能力。该系统已应用到日常计量检定工作中, 取得很好效果。在其他矢网自动测试方面具有借鉴意义。
参考文献
[1]王志田.无线电电子学计量[M].北京:原子能出版社, 2002:186-193.
[2]Agilent公司.PNA系列性能指标说明书[Z].
[3]Agilent公司.PNA系列使用说明书[Z].
[4]中国人民解放军总装备部.GJB/J 3608-99自动网络分析仪检定规程[M].
[5]周荣晖, 刘金琨, 李家铃, 等.基于GPIB总线的CMS50综测仪检定系统[J].电子测量技术, 2006, 29 (2) :150-152
[6]盛永鑫.PNA矢网在DBF接收机测试中应用[J].电子测量与仪器学报, 2009 (S1) :372-375.
[7]马春雷.基于GPIB接口的示波器自动检定系统[J].国外电子测量技术, 2007, 26 (8) :31-32
[8]陶成忠.基于GPIB总线的信号发生器自动检定系统[J].国外电子测量技术, 2007, 26 (6) :65-67.
[9]吴伟.矢量网络分析仪的数据格式与数据外部处理[J].国外电子测量技术, 2002 (2) :25-51.
矢量网络分析仪 篇5
端口匹配特性测量
端口匹配特性主要测试端口的S11与S22参数。如端口1的S11参数等于反射信号b1与入射信号a1之比:
S1 1参数也可称为输入反射因子Γ1。S11为复数, 工程上通常用回波损耗 (RL) 和驻波比 (VSWR) 来表达端口的匹配程度。S11与这两个参数的关系如下:
以上两个参数与S1 1的换算由Z V B自动完成, 用户只需要在[Format]菜单中选择[dB Mag]->回波损耗, [SWR]->驻波比, 就可以显示相应的测试曲线。Z V B提供轨迹统计功能[Trace Statistics], 可自动显示轨迹的最大值、最小值和峰-峰值, 并且可以通过设置[Eval fiRearnge], 来调整统计频率范围。该功能对带限器件 (如滤波器) 的带内指标测试非常有用。
在电路设计的过程中, 精确输入阻抗信息对于设计人员更为重要。比如:在手机板设计中, 设计人员要精确测试前端放大器的输入、输出阻抗, 然后根据输入、输出阻抗信息来设计对应的匹配网络, 达到手机的最大功率发射和最佳的整机灵敏度。输入阻抗与S11的关系如下:
用户通过选择[Format]键中的[Smith]菜单来显示阻抗测试轨迹, 通过设置Marker可以方便的测得每一频点对应的输入电抗和电阻。另外ZVB标配的虚拟加嵌功能, 能模拟在输入、输出端口加上虚拟的匹配网络之后, 整个网络的性能。该功能大大简化了设计人员的工作量, 无需实际的电路调整, 就能预测调整后的DUT性能。用户通过选择[Mode]菜单中的[Virtual Transform]来激活该功能。
传输参数测量
除了端口匹配特性的测量, 放大器前向放大和反向隔离特性也可分别由测试S21和S12得到。前向的传输参数S21等于在端口2测得前向功率b2与端口1的激励功率a1的比值:
而放大器的增益等于S21绝对幅度的对数值:
增益Gain=20log (|S21|)
反向的传输参数S12等于在端口1测得反向功率b1与端口2的激励功率a2的比值:
而放大器的反向隔离度等于S1 2绝对幅度的对数值:
隔离度Isolation=-20log (1|2S|)
用户只需分别设置S2 1和S1 2的显示格式为d B ([format]->[d B Mag]) , 放大器增益和隔离度即可同时显示在Z V B上。
功率压缩特性测量
功率压缩特性的测试主要用来衡量待测件 (DUT) 的线性度。对于放大器的测试, 工程上通常采用输出功率1dB压缩点 (P1 d B) 来表征该特性。P1dB的定义为:随着输入功率的增加, 放大器的增益下降到比线性增益低1dB时的输出功率值, 如图2所示。
ZVB不仅可以测量参数随频率变化的曲线还可以测量参数随输入功率变化的曲线。ZV B内置信号源可以提供非常大的功率扫描范围, 其典型值为60dB, 而且60dB的功率扫描范围完全由电子衰减器来实现而非采用传统的机械步进衰减器。机械式衰减器的幅度可重复度较差且使用寿命较短, 所以ZVB特别适合测试有源器件的功率压缩特性。
P1dB的测量涉及到S21随着绝对输入功率变化的曲线, 而矢量网络分析仪通常用于S参数相对量的测量。为了提高其绝对测量精度, 推荐使用的功率计对矢网做功率校准。R&S公司的NRP系列功率计可以通过USB接口直接和ZVB连接, 从而省掉功率计主机和昂贵GPIB卡。Z V B功率校准过程分成两个过程:矢网的内部源幅度校准和接收机幅度校准。在第一个过程中将功率探头直接和矢网的源端口连接, 对应选择[CAL]键下的菜单[Start Power Cal]->[Souce Power Cal]。第二步将已校准的源端口和接收端口连接进行接收机的校准, 对应选择[CAL]键下的菜单[Start PowerCal]->[Receiver Power Cal]。
谐波测量
随着激励功率的增加, 放大器将进入非线性工作区, 不仅除出现输出功率压缩现象, 还会出非线性频率分量。这些新的频率输出分量多为输入频率的整数倍, 称为谐波分量。设计人员往往比较关心的是输入基波分量与谐波分量的幅度差值, 因为幅度差越大, 意味着在同样的直流输入功率情况下, 更多的功率转换为所需的基波功率, 而非谐波功率, 也可视为提高了放大器的效率。ZVB打破了传统矢网信号源和接收机必须工作在同一频率上的限制, 可以使源和接收机工作在不同的频率点上。具体对于谐波测量而言, 可以让矢网源输出基波信号, 而接收机工作在谐波频率上, 并可方便实现对基波输入频率或输入功率的扫描测试。对应ZVB的设置:可先通过[Chan Select]+[Add channel+trace+Diag Area]的方法来添加一个新的观测窗口和新的测试通道。然后在[Mode]键下选择[Harmonics]进入谐波测试模式, 而后通过选择2nd、3rd或者输入其它谐波次数来测量对应的谐波。
对于测试绝对谐波功率对输入基波功率的变化, 同样推荐在测试前应该进行功率校准。ZVB也提供谐波功率校准的方法。通过[Harmonic Power Cal]进入功率校准对话框, 其基本操作过程与测试放大器功率压缩特性时相同, 只不过在进行源功率校准时的频率为整个测试频率而在接收机校准时的频率为谐波频率而已。
幅度相位转化测量
放大器的非线性特征除了功率压缩和产生谐波频率两个方面外, 还有相位非线性特征, 即随着输入功率的改变, 放大器插入相移的变化。工程上通常采用AM/PM转化来描述, 其具体的定义为:输入功率每变化1dB, 插入相移的改变量, 单位为Degrees/dB。
矢量网络分析仪 篇6
矢量量化[1,2]技术是一种利用图像数据空间相关性的高效有损压缩方法，它具有压缩比大，编码速度快等优点，目前己广泛用于信号识别、语音编码、图像压缩等领域中。矢量量化优越性的体现离不开性能良好的码书，因而，矢量量化的关键是如何设计一个最佳码书，使得用该码书中的码字表征输入矢量空间分布时所引起的量化平均失真最小。近年几来，许多学者将SOFM神经网络应用于码书的设计[3]。但SOFM算法存在收敛速度慢、计算量大等缺点。陆哲明和孙圣和针对SOFM基本算法的计算量大采用了快速搜索算法，为了提高码书性能对SOFM基本算法的权值调整方法作了一些改进[4]。目前越来越多的研究人员把目光投向将矢量量化与其他的编码方法相结合[5]。例如，矢量量化与小波变换结合的算法[6]，分形变换与矢量量化相结合的算法[7]。PCA是一种有效的图像变换编码算法，它能够提取图像数据的主特征分量，因此能够降低图像输入数据维数。SOFM算法用于图像矢量量化则具有不易受初始码书的影响，同时能够保持图像数据的拓扑结构等优点。为此本文将两者结合，提出了PCA/SOFM混合神经网络图像混合编码算法。先用PCA对图像进行降维处理，再用SOFM神经网络进行码书设计。本文还对码书的初始化的选择问题和神经网络的学习参数进行研究。实验表明，该算法不但大大降低了计算量，而且提高了码书的性能。
2 PCA/SOFM混合神经网络的算法
尽管SOFM神经网络比起LBG算法有很大优势，但SOFM算法仍然存在收敛速度慢。计算量大等缺点。因此本文将PCA与SOFM神经网络相结合，提出了PCA/SOFM混合神经网络。PCA/SOFM混合神经网络结构如图1所示，先用PCA线性神经网络对输入矢量降维处理，从而使得压缩图像达到最小失真。然后用SOFM神经网络进行码书设计，PCA线性神经网络采用Sanger提出的广义Hebb算法[8]。
2.1 基本PCA/SOFM混合神经网络算法
1)PCA网络权值Wpi,j和SOFM网络权值初始化;
2)PCA网络输出矢量Yp(t)：
N为PCA神经网络输入矢量Xp的维数。
3)Wpi,j网络权值调整：
4)重复步骤(2)至(3)，直至算法收敛。输出矢量Ypi(t)，并将此作为SOFM的输入Xi(t);
5)计算矢量Xi(t)与权值矢量Wi,j(t)的距离：
6)选择具有最小距离的输出节点，j*作为获胜节点，即：
7)Wij(t)网络权值调整：
8)重复步骤(5)至(7)，直至算法收敛。
9)取输入训练矢量集的下一个输入矢量，回到步骤(2)反复进行，直到足够的学习次数或满足规定的终止条件为止。
10)保存所有权值Wij的值，即设计码书。
2.2 PCA/SOFM混合神经网络的初始化和改进
在PCA/SOFM混合神经网络算法中网络的初始化、邻域函数和学习率函数非常重要，它直接影响到网络的收敛速度和码书的性能。本文要对这几个参数进行优化以提高压缩速度和压缩性能。本文采用一种改进的随机选取法，使空间分配均匀，不会出现码字空间分的过细或过粗的现象。首先，按k维矢量所有元素中最重要的单个元素(即k维欧氏空间中最敏感的方向)大小排序;然后按顺序每隔n个矢量取一个矢量作为初始码书的一个码字，完成码书的初始化(n=训练序列中矢量的总数/码书的大小)。
由SOFM基本算法可知，权矢量Wi(t+1)的更新实质上是权矢量Wit和训练矢量Xi(t)的加权和。其中学习率因子和邻域函数非常重要，它们决定算法的收敛速度。下面推导最优的学习率因子α(t)。由式(5)得：
可以总结得：
令多项式的各项相等可得到最优学习率因子：
其邻域函数取为：
式中，hcc典型地取为0.8。T为最大迭代次数，初始值σ0和最终值σT典型地取为0.8和0.1。
3 实验结果
为了验证算法的有效性，本文把基本SOFM编码算法、基本PCA/SOFM混合神经网络编码算法和改进PCA/SOFM算法分别用于图像的压缩编码。本文采用的是512×512像素，256级灰度的Lena图像用于训练图像进行码书设计。首先将图像分为4×4子块，然后将每一小块的16个像素灰度值作一个训练矢量，送入PCA线性神经网络。PCA线性神经网络输出节点为8维PCA变换系数矢量，同时将它作为SOFM神经网络的输入矢量，用于进行码本设计。进过多次实验，取其平均值作为实验结果，图3给出了各种算法在相同压缩比的情况下恢复图像的对比。表1给出了各算法编码后的尖峰信噪比PSNR和码书设计时间的比较。
从测试的结果可以看出改进PCA/SOFM算法优于基本SOFM算法和基本PCA/SOFM算法，该算法缩短了码书设计的时间，图像的恢复质量有所提高，取得了令人满意的结果。从而证明本文提出的算法是一种行之有效的方法。
4 结束语
本文介绍了一种基于PCA/SOFM混合神经网络矢量量化的方法，并对基本的PCA/SOFM混合神经网络算法码书的初始化问题和神经网络的学习参数的选择问题进行研究，实验结果表明，该算法不但降低了码书设计时间，还是提高码书的性能。
参考文献
[1]Linde Y,Buzo A,Gray R M.An algorithm for vector quantizer design.IEEE Trans.OnCommun.1980,28(1):84-95.
[2]Sambu Seo,Klaus Obermayer.Soft Learning Vector Quantization[J]Neural Computation(50899-7667),2003,15(7):1589-1604.
[3]Nasrahadi N M,Fen Y.Vector quantization of images based upon the Kohonen selfrorganizing feature maps.Proc.ICNN,San Diego,1988,101-108.
[4]陆哲明,孙圣和.基于自组织特征映射神经网络的矢量量化[J].中国图像图形报,2000,5(A):846-849.
[5]段勇,徐心和,崔宝侠.改进的SOFM及其在矢量量化中的应用[J].系统仿真学报2006,18:718-720.
[6]刘宇,郑善贤,江波涛.一种小波变换与矢量量化结合的图象压缩编码算法[J].仪器仪表用户,2005,12:100-101.
[7]S.X.Yang C.Luo.A Neural Network Approach to Complete Coverage Path Planning[J].IEEE Transactions on Systems,Man and Cybe-metics,part B(S1083-4419),2004,34(1):718-724.
矢量网络分析仪 篇7
移动自组织网 (Ad hoc) 是由移动节点通过分布式协议自组织起来的一种无线网络, 网络中可以没有基站等固定的路由设施。当有线网络不可使用时, 如在战场通信和紧急救援等任务中, 移动自组织网提供了一种可行的地面通信和信息交换技术。移动自组织网中所有通信节点均可移动, 使得网络拓扑结构是动态变化, 这给Ad hoc的路由协议的设计带来了极大的难题。Ad Hoc网络的路由协议分为:表驱动路由协议、按需路由协议和混合路由协议。DSDV[1]是一种基于距离矢量的按表驱动路由协议, 该路由协议在负载较大的情况下, 网络性能下降很快。本文基于DSDV做出改进, 使之适应网络拥塞的情况, 提出了一种拥塞警告距离向量 (congestion-aware distance vector, CADV) 协议。
2 拥塞警告距离向量 (CADV) 协议
一个在Ad hoc网中的主机可以看作是单独服务的排队系统。发送一个数据报的延时肯定就和拥塞相关。在这里, 对于两个协议DSDV和AODV[2]来说, 造成报文分组丢失的最主要的原因是网络拥塞。由此给出了一种新的路由协议, 即拥塞警告距离向量 (congestion-aware distance vector, CADV) 协议, 以此来减少拥塞事件的发生。在CADV协议当中, 每一个路由纪录都有一个预期延时, 这就测量了到下一跳的拥塞情况。主机根据在过去的一段时间内发送的数据报的平均延时来估计这个预期延时。通常, 这个时间段的长度等于两个更新的间隙之间的时间间隔。预期时间这样计算:E[D] (28) Di/N*L, 其中, N为发送的数据报的数目, L是MAC层数据报队i列的长度, E[D]表示一个新到达数据报至被发送出去要等待的平均时间。可利用一个终端广播 (一个) 更新信息到它的邻节点的时候, 就指定了产生的延时。
CADV通过赋予具有低的时延路径以高的优先权, 来确定下一跳, 从而达到平衡业务, 避免拥塞的目的。例如, 节点A和节点B都有到目的节点的路由, 如果到节点A的预期延时小于到节点B的预期延时, 就会选择A而不是B, 即使通过A的路由跳数比通过B的路由跳数多一跳, 选择也不会变。在决定路由的时候, 函数f{E[D], 距离}}用来评估一个路由的价值。当然根据不同的网络环境, 我们可以使用不同的函数模型来将这个函数f具体化。
CADV协议的路由模块包括三个部分:
(1) 业务管理单元管理由链路层输出的业务。通常, 它清楚在近期一段时间内发送一个数据报的平均延时。时间间隔由路由维护部分指定。
(2) 业务控制单元。业务控制单元决定哪一个数据报是下一个发送或者丢弃的。目前, 它支持一个尾部丢弃队列, 并且提供重排数据报队列的功能。
(3) 路由维护单元。它是一个核心部分。它的功能包括和邻节点交换路由信息, 评估并且维护路由表, 控制业务管理单元和业务控制单元。
3 仿真分析
笔者的研究工作全部是在一台PC机 (2.4GHZ四核, 2G RAM) 上完成, 使用的操作系统是Red Hat Linux 9.0, 模拟平台是NS2.35 (Network Simulator Version 2.35) [3]。在本文的仿真中, 网络共有12个Ad Hoc移动节点, 分布在一个1500米×300米的范围内随机移动, 移动模式采用CMU Monarch项目[4]提出的称作“随机移动点”的移动模式:每个节点在模拟开始时保持静止一段时间, 这段时间被称为停顿时间S, 然后在[0, Vmax]中随机选择一个速度, 任意地朝某一目标点移动;到达目标点后, 停留S, 再选择一个新的目标点, 同时从[0, Vmax]中再选择一个新的速度, 以新的速度和新的目标点运动, 依次类推, 直至模拟结束。其他参数设置如表1所示。
在以上仿真环境中, 笔者对CADV, DSDV和AODV三种路由协议进行了仿真, 为了比较各种路由协议的性能, 我们选择网络吞吐量和平均分组传输延时两个性能度进行了分析。仿真结果如图1所示。从图中可以看出, 三种路由协议在节点低速移动时, 都能提供较好的网络性能, 随着节点移动速度的增加, 网络性能开始下降。相对而言, DSDV能提供更大的网络吞吐量和较低的平均分组传输延时。
4 结语
本文对DSDV路由协议进行了改进, 针对网络拥塞的问题, 提出了CADV (拥塞警告距离矢量) 。从仿真结果来看, CADV路由协议受到节点移动速度变化的影响最小, 这是因为CADV的选路机制避免了网络集中在某些过于繁忙节点的拥塞, 根据链路已有的时延数据, 动态调整网络选路权值, 减轻了繁忙节点的负担, 在一定程度上减小了时延, 有利于保证网络的吞吐量。
参考文献
[1]C.E.Perkins and P.Bhagwat, "Highly Dynamic Destination-Sequenced.Distance-Vector Routing (DSDV) for Mobile Computers, ''In Proceedings of the SIGCOMM’94 Conference on Communications Architectures, Protocols and Applications, pages 234-244.
[2]C.E.Perkins, and E.M.Royer, ”Ad-Hoc On-Demand Distance Vector Routing, ”Proceedings of 2nd IEEE Workshop on Mobile Computing Systems and Applications, pp.90-100, February 1999.
[3]The Network Simulator (ns-2) http://www.isi.edu/nsnam/ns/.
矢量网络分析仪 篇8
关键词：矢量控制,BP神经网络,异步电机
1 概述
神经网络的结构简单, 自学能力强, 具有并行运算速度快、鲁棒性能好等特点, 近年来在交流调速控制系统中得到了较为广泛的应用。矢量控制是一种高性能的电机控制方法, 它要涉及到大量的计算, 工程上通常通过DSP来实现。本文采用神经网络代替传统的DSP方法来实现反馈信号运算功能, 仿真结果表明通过神经网络得出的反馈信号有着较好的精度。由于神经网络本身内在的优点, 它可以加快系统的响应速度, 而且有较强的容错能力, 对谐波也有一定的免疫作用[1]。
2异步电机矢量控制的数学模型
矢量控制是一种高性能异步电动机控制方式, 它是基于电动机的动态模型, 根据磁场定向原理分别对异步电动机的励磁电流和转矩电流进行控制, 从而达到控制电机的目的。异步电机在定子磁场定向的矢量控制数学模型如下:
根据电机在de-qe同步旋转轴下的方程可以得到:
3 BP神经网络
BP网络是神经网络中使用最为广泛的一种。它可以在有限的样本和任意精度的条件下逼近任意函数。其结构见图1。
网络的学习过程分为两个部分:正向传播和反向传播。学习时, 网络先进行正向传播, 在此过程中网络的权值是不受影响的, 任何一个神经元的值仅与和他关联上层的神经元和权值有关。接着计算输出层与期望值之间的误差, 如果误差在允许范围以内, 则网络权值保持不变, 转入下一次训练;如果超出误差允许范围, 那么转入反向传播过程。误差信号由输出端开始逐层向后传播, 同时网络的权值通过误差反馈进行调节。通过权值的不断修改, 使得网络的实际输出接近于期望输出。
4 仿真结果与分析
其中*号代表通过计算期望的输出, +号代表的是通过神经网络计算输出值。从上面的仿真结果可以看出利用神经网络可以很好的模拟反馈信号实际的输出, 而且具有良好的精度, 可以应用于矢量控制系统中。
5 结论
本文应用BP神经网络来计算定子矢量控制的反馈信号, 仿真表明神经网络可以代替DSP实现电机反馈信号的运算功能。
参考文献
[1]M.Godoy Simoes, B.K.bose, Neural Network Based Estimation of Feedback Signals for a Vector controlled Induction Motor Drive, IEEE Transactions.on Industry, Vol.31, No.3, 1995.
[2]Dariusz L.Sobczuk, Pawel Z.Grabowski, DSP Implementation of Neural Network speed Estimator for Inverter Fed Induction Motor, IEEE, 981-985, 1998.