有損線、上升邊退化與材料特性(七)

有損線的不良影響

當信號沿著實際有損線傳輸時,高頻分量的幅度減小,而低頻分量的幅度保持不變。由于這個種選擇性的衰減,信號的帶寬降低,信號的上升邊會增長。如果上升邊的退化與單位間隔比很小,同位模式將比較穩定與前位波形無關。

如果上升邊的退化使接收到的上升邊顯著拉長到與單位時間可比擬的程度,當前電平的狀態受前位模式的影響,這種現像稱為符號間的干擾(ISI)。

傳輸線中的損耗

傳輸線的一階模型是由LC組成,通常稱為無損耗模型。他沒有考慮信號傳播時的電壓損耗。為了準備的預估接收波形,需要加入損耗。當信號沿傳輸線傳播時,接收端有如下5種能量損耗:

損耗方式

對信號的影響

輻射損耗

總的輻射量很小,不影響對信號的分析

耦合到相鄰匹配線

有部分能量耦合到相鄰走線上,會引起上升邊的退化

阻抗不匹配

信號失真,上升邊退化。

導線損耗

趨膚效應的導線電阻

介質損耗

損耗源:導線電阻與趨膚效應

信號感受到的電阻取決于導線傳輸電流的有效橫截面。由于趨膚效應,頻率越高電流流經的導線橫截面積越小,電阻隨著頻率的升高而增加。

根據趨膚深度公式計算可知,導線損耗與信號頻率的二分之一次方成反比。

損耗源:介質

大多數介質材料都有相應的電阻率。當電容器兩電極平面之間填充實際材料并施加電壓時,將有電流通過,這個電稱為漏電流,對應的電阻率稱為體漏電阻率。

大多數材料的體漏電阻率與頻率有關,頻率越高,電阻率就越小。

耗散因子:表征偶極子數目及其運動,是電導率隨頻率成正比提高的系數值。

有損傳輸線建模

使用RLGC傳輸線對真實的傳輸進行近似為如下:

有損傳輸線的特性阻抗與頻率有關,并且是個復數,如下式表示:

在低頻低損耗區,損耗對特性阻抗沒有影響為, 其特性抗阻為:

,

對于高頻損耗區,用特性阻抗的幅值表示:

下圖是在FR4中3mil寬的微帶線復特性阻抗的幅值:

從上圖看出,當頻率高于10MHz時,有損特性阻與無損特性阻抗非常接近。

介電常數與耗散因子

介電常數表示材料如何加大電容和降低材料的光速。

耗散因子表示材料的導電率隨頻率成正比的提高。

這兩個參數與頻率有很微弱的關系,并且不同批次之間,不同電路板之間值都會不同。

在低損耗區,有損線中信號的速度與無損傳輸線中的相同,信號速度不受損耗的影響。

色散:速度與頻率相關的效應稱為色散。

衰減與dB

當信號線沿導線傳播時,導線損耗對信號的主要影響是使信號衰減。信號幅度的衰減并不是線性下降的,而是隨著距離的變化呈指數下降。

在工程上使用dB(分貝)來表示衰減,對于兩個功率P1和P0之分表示如下:

用dB表示V1和V0電壓的比值如下:

注意:

在計算dB值時,若指的是功率或能量,則系數為10;若指的是幅度則系數為20。

由dB值也可以計算出電壓的比值,即為:

電壓比

功率比

dB

100

10,000

40

31.62

1,000

30

10

100

20

3.16

10

10

2

4

6

1.41

2

3

1

1

0

0.71

0.50

-3

0.50

0.25

-6

0.32

0.10

-10

0.10

0.01

-20

0.03

0.001

-30

0.01

0.000

-40

頻域中有損線特性的度量

有損傳輸線理想模型有以下3個特點:

  1. 當頻率變化時特性阻抗是個常量;
  2. 當頻率變化時速度是個常量;
  3. 衰減中有一項與頻率的平方根成正比,另一項與頻率成正比。

有損線的帶寬

傳輸線的本征3dB帶寬與互連長度之間的關系:

表示本征帶寬,單位為GHz,表示傳輸的長度,單位為in。

對于有損互連線,已知材料損耗因子及介電常數,可以計算出上升邊時間:

表示傳輸線的本征上升邊,單位為ns, 表示傳輸的長度,單位為in。

經驗規則:板上線長值大于50 x 上升邊值時,損耗的影響將起重要作用,可以用下式表示

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/21018.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/21018.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/21018.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Django視圖與路由:打造你的網絡帝國

Hello,我是阿佑,上期給大家講了 Django ORM魔法:用Python代碼召喚數據庫之靈! 今天將帶大家深入探討了視圖的工作原理、如何編寫高效的函數視圖和類視圖,以及如何巧妙地利用URL路由來提升應用的用戶體驗和可維護性。通…

最新h5st(4.7.2)參數分析與純算法還原(含算法源碼)

文章目錄 1. 寫在前面2. 加密分析3. 算法還原 【🏠作者主頁】:吳秋霖 【💼作者介紹】:擅長爬蟲與JS加密逆向分析!Python領域優質創作者、CSDN博客專家、阿里云博客專家、華為云享專家。一路走來長期堅守并致力于Python…

操作系統 實驗29 同步與互斥

1、并發線程同步與互斥 源程序&#xff1a; #include <stdio.h> #include <stdlib.h> #include <pthread.h> #include <unistd.h> #include <string.h> int num30,count10; pthread_mutex_t mylockPTHREAD_MUTEX_INITIALIZER; void *sub1(voi…

圖解 Python 編程(10) | 錯誤與異常處理

&#x1f31e;歡迎來到Python的世界 &#x1f308;博客主頁&#xff1a;卿云閣 &#x1f48c;歡迎關注&#x1f389;點贊&#x1f44d;收藏??留言&#x1f4dd; &#x1f31f;本文由卿云閣原創&#xff01; &#x1f4c6;首發時間&#xff1a;&#x1f339;2024年6月2日&…

LangChain學習之prompt格式化與解析器使用

1. 學習背景 在LangChain for LLM應用程序開發中課程中&#xff0c;學習了LangChain框架擴展應用程序開發中語言模型的用例和功能的基本技能&#xff0c;遂做整理為后面的應用做準備。視頻地址&#xff1a;基于LangChain的大語言模型應用開發構建和評估高 2. 先準備嘗試調用O…

數據結構(C):從初識堆到堆排序的實現

目錄 &#x1f31e;0.前言 &#x1f688; 1.堆的概念 &#x1f688; 2.堆的實現 &#x1f69d;2.1堆向下調整算法 &#x1f69d;2.2堆的創建&#xff08;堆向下調整算法&#xff09; ??2.2.1 向下調整建堆時間復雜度 &#x1f69d;2.3堆向上調整算法 &#x1f69d;2.…

testcontainer

在我們的項目中&#xff0c;單元測試是保證我們代碼質量非常重要的一環&#xff0c;但是我們的業務代碼不可避免的需要依賴外部的系統或服務如DB&#xff0c;redis&#xff0c;其他外部服務等。如何保證我們的測試代碼不受外部依賴的影響&#xff0c;能夠穩定的運行成為了一件比…

c++------類和對象(下)包含了this指針、構造函數、析構函數、拷貝構造等

文章目錄 前言一、this指針1.1、this指針的引出1.2、 this指針的特性 二、類的默認的六個構造函數2.1、構造函數簡述2.2構造函數 三、析構函數3.1、析構函數引出3.2、特點&#xff1a; 四、拷貝構造4.1、引入4.2、特征&#xff1a;4.3、默認拷貝構造函數 總結 前言 在本節中&a…

中國的歷史看中國的經濟發展

從中國的歷史看中國的經濟發展&#xff0c;可以發現其經歷了幾個顯著的階段&#xff0c;每個階段都有其獨特的特點和成就&#xff1a; 古代經濟&#xff1a;中國古代經濟以農業為主&#xff0c;實行井田制&#xff0c;重視水利工程的建設&#xff0c;如都江堰、靈渠等。 商業發…

Compose Multiplatform 1.6.10 發布,解釋一些小問題, Jake 大佬的 Hack

雖然一直比較關注跨平臺開發&#xff0c;但其實我很少寫 Compose Multiplatform 的內容&#xff0c;因為關于 Compose Multiplatform 的使用&#xff0c;其實我并沒在實際生產環境上發布過&#xff0c;但是這個版本確實值得一提&#xff0c;因為該版本包含&#xff1a; iOS Bet…

數據庫(15)——DQL分頁查詢

DQL分頁查詢語法 SELECT 字段列表 FROM 表名 LIMIT 起始索引&#xff0c;查詢記錄數; 注&#xff1a;起始索引從0開始&#xff0c;起始索引&#xff08;查詢頁碼-1&#xff09;*每頁顯示記錄數。 如果查詢的是第一頁&#xff0c;可以省略起始索引。 示例&#xff1a;查詢第一頁…

【考研數學】概率論如何復習?跟誰好?

概率論一定要跟對老師&#xff0c;如果跟對老師&#xff0c;考研基本上能拿滿分 概率論在考研試卷中占比并不大&#xff0c;其中&#xff1a; 高等數學&#xff0c;90分&#xff0c;約占比60%; 線性代數&#xff0c;30分&#xff0c;約占比20%; 概率論與數理統計&#xff0…

hive中的join操作及其數據傾斜

hive中的join操作及其數據傾斜 join操作是一個大數據領域一個常見的話題。歸根結底是由于在數據量超大的情況下&#xff0c;join操作會使內存占用飆升。運算的復雜度也隨之上升。在進行join操作時&#xff0c;也會更容易發生數據傾斜。這些都是需要考慮的問題。 過去了解到很…

每日5題Day15 - LeetCode 71 - 75

每一步向前都是向自己的夢想更近一步&#xff0c;堅持不懈&#xff0c;勇往直前&#xff01; 第一題&#xff1a;71. 簡化路徑 - 力扣&#xff08;LeetCode&#xff09; class Solution {public String simplifyPath(String path) {Deque<String> stack new LinkedList…

mysql的增刪查改(進階)

目錄 一. 更復雜的新增 二. 查詢 2.1 聚合查詢 COUNT SUM AVG MAX MIN 2.1.2 分組查詢 group by 子句 2.1.3 HAVING 2.2 聯合查詢/多表查詢 2.2.1 內連接 2.2.2 外連接 2.2.3 全外連接 2.2.4 自連接 2.2.5 子查詢 2.2.6 合并查詢 一. 更復雜的新增 將從表名查詢到…

自動化辦公01 smtplib 郵件?動發送

目錄 一、準備需要發送郵件的郵箱賬號 二、發送郵箱的基本步驟 1. 登錄郵箱 2. 準備數據 3. 發送郵件 三、特殊內容的發送 1. 發送附件 2. 發送圖片 3. 發送超文本內容 4.郵件模板內容 SMTP&#xff08;Simple Mail Transfer Protocol&#xff09;即簡單郵件傳輸協議…

霍夫曼樹教程(個人總結版)

背景 霍夫曼樹&#xff08;Huffman Tree&#xff09;是一種在1952年由戴維霍夫曼&#xff08;David A. Huffman&#xff09;提出的數據壓縮算法。其主要目的是為了一種高效的數據編碼方法&#xff0c;以便在最小化總編碼長度的情況下對數據進行編碼。霍夫曼樹通過利用出現頻率…

【Qt秘籍】[009]-自定義槽函數/信號

自定義槽函數 在Qt中自定義槽函數是一個直接的過程&#xff0c;槽函數本質上是類的一個成員函數&#xff0c;它可以響應信號。所謂的自定義槽函數&#xff0c;實際上操作過程和定義普通的成員函數相似。以下是如何在Qt中定義一個自定義槽函數的步驟&#xff1a; 步驟 1: 定義槽…

<jsp:setProperty>設置有參構造函數創建的自定義對象的屬性

假設某一個類&#xff08;如TextConverter類&#xff09;有一個無參構造函數和一個有參構造函數&#xff0c;我們可以在Servlet里面先用有參構造函數自己new一個對象出來&#xff0c;存到request.setAttribute里面去。 Servlet轉發到jsp頁面后&#xff0c;再在jsp頁面上用<j…

django基于大數據+Spring的新冠肺炎疫情實時監控系統設計和實現

設計一個基于Django(后端)和Spring(可能的中間件或服務集成)的新冠肺炎疫情實時監控系統涉及多個方面,包括數據收集、數據處理、數據存儲、前端展示以及可能的中間件服務(如Spring Boot服務)。以下是一個大致的設計和實現步驟: 1. 系統架構 前端:使用Web框架(如Reac…