双输入宽带混合 Doherty-Outphasing功率放大器设计(2021.02 MTT)-从理论到ADS版图

news2024/11/24 12:24:02

基于双输入的宽带混合 Doherty-Outphasing功率放大器设计(2021.02 MTT)-从理论到ADS版图

原文: Wideband Two-Way Hybrid Doherty Outphasing Power Amplifier

发表于FEBRUARY 2021,在微波顶刊IEEE T MTT上面,使用的GAN CGH40010F

全部工程下载:双输入宽带混合 Doherty-Outphasing功率放大器设计(2021.02 MTT)-ADS工程

作者我复现了一周,而且是MTT的比较新的理论,当个硕士毕业论文的一大章戳戳有余嘞;所以跟感兴趣的金主大大们要点饭钱,穷学生私信我,可以打个折

当然也可以自己复现,毕竟论文就在那边嘞

这篇文章是基于连续相位负载调制的单输入宽带混合Doherty功率放大器设计(2023.05 MTT)-从理论到ADS版图的前置工作,但是由于是双输入的,理论和实现的一致性高,带宽、效率的实现结果会更好。

目录

    • 基于双输入的宽带混合 Doherty-Outphasing功率放大器设计(2021.02 MTT)-从理论到ADS版图
    • 0、实现效果展示
      • 0.1、版图展示
      • 0.2、单音信号版图仿真结果
      • 0.3、双输入架构说明
    • 1、文章的核心思路
      • 1.1、提要
      • 1.2、电路结构和计算
      • 1.3、设计参数表
    • 2、基于CGH40010F的理想验证
    • 3、基于ADS的电路参数验证
      • 3.1、峰值支路、载波支路的阻抗约束
      • 3.2、峰值支路、载波支路的延迟约束
      • 3.3、后匹配电路
      • 3.4、输入匹配
    • 4、基于ADS系统版图仿真
      • 4.1异相角的扫描
      • 4.2版图联合仿真构建
      • 4.3系统性能仿真
    • 5、运行环境

0、实现效果展示

原来的作者在论文中贴出了微带电路图和原理图,都是比较准确并且对的上的,但是由于精度问题(论文中是mil单位,没有保留小数),我做了一点点优化。

0.1、版图展示

整体的版图如下,由于是双输入的,左边那个接的是主功放的输入,右边那个接的是辅助功放的输入
在这里插入图片描述

0.2、单音信号版图仿真结果

基于上面的仿真版图,进行谐波调谐的仿真(栅极的偏置使用了村田的电感),运行HB1ToneGComp1swp_Doherty原理图,得到如下结果:

在这里插入图片描述
上图(左)是输出功率为43dBm时的增益、效率曲线。可以看到,在输出功率为43dBm时,在1.4GHz-2.5GHz的效率为60%-70%,增益为7.1-10.6dB。右图是1.4GHz-2.5GHz的效率随输出功率变化的曲线,由此可见其饱和效率在60%在78%之间,饱和功率在42dBm-44dBm之间(下面默认饱和是43dBm,方便解释)。回退3dB的的效率为60-73%,回退6dB的效率为51-60%

0.3、双输入架构说明

双输入是因为该功放工作在Outphasing模式和Doherty模式,也就是在某些频点工作在Outphasing模式,某些频点工作在Outphasing、Doherty混合模式,某些频点工作在Doherty模式。Doherty-Outphasing架构由于其输入异相角的要求,由此必须是双输入的实现。好像和双输入的Doherty没有太大的关系。

Doherty-Outphasing架构对于不同的输入功率(输出功率)要求有不同的输入相位差(异相角),如何获取针对每个功率、频率的相位角呢?一般使用的是扫描的方法。

但是在此文中,作者提供理论计算可以得出饱和时所需的异相角和回退点所需的异相角,但是介于这之间的好像并没有提供,因此我直接自己针对频率点Tune了。正常应该是写个脚本扫描什么的,但是我还不太会搞。

1、文章的核心思路

1.1、提要

理想架构的Doherty功率放大器理论与仿真中介绍了传统DPA的回退思路,理想架构的非对称高回退Doherty功率放大器理论与仿真中也介绍了高回退的非对称的DPA的设计理论,但是还未对其宽带性能进行讨论。

先看看传统DPA的限制,DPA进行负载调制的基础就是四分之一波长线的阻抗变换作用,但众所周知,四分之一波长线带宽很窄,只在单一频点上效果较好(这一点可以使用理想架构的Doherty功率放大器理论与仿真中的模板进行仿真,我为了精简就不展开了):
在这里插入图片描述
为了解决这个问题,作者提出了一种混合Doherty-Outphasing两种架构的模式。其主要是将辅助功放在峰值和回退的电压比Kva作为变量,Kva=9/7时,其工作于hybrid Doherty maximum模式,当Kva=2时,工作于经典的DPA模式。
K v a   =   ∣ V a p ∣ / ∣ V a b ∣ K_{va}~=~|V_{ap}|/|V_{ab}| Kva = Vap∣/∣Vab
Kva=9/7值的变化会影响最终实现的回退性能,对于Kva=9/7的hybrid Doherty maximum模式,其理论回退可达10dB,对于Kva=2的经典的DPA模式,其回退为6dB,关系为:
K v a = O B O / ( O B O − 2 ) K_{va}=\mathrm{OBO}/(\mathrm{OBO}-2) Kva=OBO/(OBO2)

hybrid Doherty maximum模式是双输入的模式,需要提供不同的输入相位差(异相角),作者给出了计算不同Kva=9/7下饱和、回退异相角的计算公式,但是我没有看到介于其之间的计算公式:
θ b = ± cos ⁡ − 1 ( ± K v a ( 1 + n ) − K v a 2 2 K v a − n ) θ p = π − θ b . \begin{aligned}\theta_b&=\pm\cos^{-1}\left(\pm\sqrt{\frac{K_{va}(1+n)-K_{va}^2}{2K_{va}-n}}\right)\\\theta_p&=\pi-\theta_b.\end{aligned} θbθp=±cos1 ±2KvanKva(1+n)Kva2 =πθb.
其中n为功率分配比,此处设置为1,也就是等分的情况。

由此可以得到所需饱和、回退异相角和Kva的关系了,也就是文中图2
在这里插入图片描述
计算的相关代码:

close all
clear
clc


f_arrary = 1.4:0.1:2.5;
K_va=5/7*(f_arrary-min(f_arrary))/(max(f_arrary)-min(f_arrary))+9/7;%EQN7
% K_va=[1.25 1.39 1.53 1.67 1.81 1.95 2.00];
n=1;%作者设置的等分比为1
K_im=K_va./(K_va-n);
OBO=K_va.*(n+1)./(K_va-n);
OBO_dB=10*log10(OBO);

theta_b=-acosd(-sqrt((K_va*(1+n)-K_va.^2)./(2*K_va-n)));
theta_p=180-theta_b-360;

figure(2)
yyaxis left;
plot(K_va,OBO_dB,'-o','Color','black','LineWidth',3);hold on
axis([min(K_va) max(K_va) 5 10])
ylabel('OBO(dB)')
yyaxis right;
plot(K_va,theta_b,'-square','Color','red','LineWidth',3);hold on
plot(K_va,theta_p,'-v','Color','b','LineWidth',3);hold on
axis([min(K_va) max(K_va) -170 -10])
ylabel('Outphasing Angles(°)')
legend('OBO','Outphasing Angles at Backoff Power \theta_{b}','Outphasing Angles at Peak Power\theta_{P}')
title('Fig. 2. OBO and peak and backoff outphasing angles versus K_{va}.')

1.2、电路结构和计算

也就是最重要的约束优化的部分了,需要什么样子的电路才能实现理论的效果,作者提出的架构如下:
在这里插入图片描述
其中参数的计算公式作者也给出:
Z 1 = R m p Z 2 = R a p R L = R m p 2 θ 1 = tan ⁡ − 1 ( K υ a K υ a − 1 tan ⁡ [ θ b ( K υ a ) ] ) θ 2 = tan ⁡ − 1 ( K v a − 2 K v a − 1 tan ⁡ [ θ b ( K v a ) ] ) . \begin{aligned} &\mathbb{Z}_{1}&& =R_{mp} \\ &\mathbb{Z}_{2}&& =R_{ap} \\ &R_{L}&& =\frac{R_{mp}}2 \\ &\theta_{1}&& =\tan^{-1}\left(\frac{K_{\upsilon a}}{K_{\upsilon a}-1}\tan[\theta_b(K_{\upsilon a})]\right) \\ &\theta_{2}&& =\tan^{-1}\left(\frac{K_{va}-2}{K_{va}-1}\tan[\theta_b(K_{va})]\right). \end{aligned} Z1Z2RLθ1θ2=Rmp=Rap=2Rmp=tan1(Kυa1Kυatan[θb(Kυa)])=tan1(Kva1Kva2tan[θb(Kva)]).

由此文中图4可以得到:
在这里插入图片描述
绘图与计算代码:

close all
clear
clc


f_arrary = 1.4:0.1:2.5;
K_va=5/7*(f_arrary-min(f_arrary))/(max(f_arrary)-min(f_arrary))+9/7;%EQN7
% K_va=[1.25 1.39 1.53 1.67 1.81 1.95 2.00];
n=1;%作者设置的等分比为1
K_im=K_va./(K_va-n);
OBO=K_va.*(n+1)./(K_va-n);
OBO_dB=10*log10(OBO);

theta_b=-acosd(-sqrt((K_va*(1+n)-K_va.^2)./(2*K_va-n)));
theta_p=180-theta_b-360;

theta_1=atand(K_va./(K_va-1).*tand(theta_b));theta_1(theta_1<=0)=theta_1(theta_1<=0)+180;
theta_2=atand((K_va-2)./(K_va-1).*tand(theta_b+1e-9));
theta_2(theta_2<=0)=theta_2(theta_2<=0)+180;
figure(4)
plot(K_va,theta_1,'--g','Color','r','LineWidth',3);hold on
plot(K_va,theta_2,'Color','b','LineWidth',3);hold on
axis([min(K_va) max(K_va) 50 180])
legend('T-LINE 1:\theta_1','T-LINE 2:\theta_2')
title('Fig. 4. Electrical length θ1 and θ2 of the wideband HDO-PA prototypeversus K_{va}.')

VDD=25;Vmp=22;Vap=22;Iap=1.2;Imp=Iap/n;Vmb=Vmp;
disp('VDD设置为25V,载波功放、辅助功放饱和电压为22V')
disp('载波功放、辅助功放饱和电流为1.2A')

Vab=Vap./K_va;Imb=Imp./K_im;
Ropt=Vmp/Imp;
Rmp=Ropt;Rap=Ropt;RL=Rmp/2;

1.3、设计参数表

作者假定电源电压为25V,除去3V的膝点电压就是22V,假设饱和电流1.2A,因此Ropt为22/1.2=18.33欧姆。

VGS,mb指的是将输出基波幅度推至22V所需的栅极基波电压幅度,由于频率越高增益降低,所需的栅极电压幅度也会越大。

设计目标是1.4-2.5GHz,随着频率不同,Kva不同,所需的异相角、微带线延迟不同,作者全部总结并列表:
在这里插入图片描述

2、基于CGH40010F的理想验证

运行Theory下的HB1TonePAE_Pswp_Doherty_Outphasing原理图。
此处我们使用1.4GHz所提供的参数进行验证,构建理想微带线电路图(HB1TonePAE_Pswp_Doherty_Outphasing):
在这里插入图片描述
一个非常复杂的点就是要争对不同的输入功率去找最佳的异相角,我是直接Tune出来的,最终实现的结果如下,可以看到回退10dB的效率是68%:
在这里插入图片描述
观察一下实际实现的Kva=23.558/17.668=1.333,和理论的1.25非常接近:
在这里插入图片描述

3、基于ADS的电路参数验证

作者提供的原理图非常好用,所以验证非常快的,让我们看看需要实现哪些的约束。

3.1、峰值支路、载波支路的阻抗约束

上面要求,Z1和Z2的阻抗都要是Ropt=18.33欧姆:
在这里插入图片描述
在ADS构建如下原理图(Output/OutputSub_Combine),仿真运行观察峰值支路、载波支路的端口匹配情况(考虑封装参数):
在这里插入图片描述
运行仿真,接近匹配点,效果良好:
在这里插入图片描述

3.2、峰值支路、载波支路的延迟约束

Output/OutputSub_Combine原理图
时延的要求作者在表里写的明白,使用上面提供的Matlab代码也可以得到一样的结果:
在这里插入图片描述
构建这样的原理图:
在这里插入图片描述
红色那条好像和作者给出的有些差距,不知道为啥,但是不管:
在这里插入图片描述
3.1,3.2可以放在一起优化,如:
在这里插入图片描述

3.3、后匹配电路

Output/OutputSub_PMN原理图:
这个好设计,把9欧姆匹配到50欧姆就行,作者原来的:
在这里插入图片描述
效果还可以吧:
在这里插入图片描述

3.4、输入匹配

输入匹配用的作者自己提供的,效果还行(Input/InputSub_MAIN&Aux):
在这里插入图片描述
在这里插入图片描述

4、基于ADS系统版图仿真

4.1异相角的扫描

Outphasing架构对于不同的输入功率(输出功率)要求有不同的输入相位差(异相角),正常要扫描,但是我不太会写脚本就之间Tune了。争对不同的输入功率和输入频率,有不同的异相角查表
在这里插入图片描述
异相角如何加到电路上去呢?这个异相角就是两路输入的延时,直接加电长度为异相角theta的微带线即可:
在这里插入图片描述

4.2版图联合仿真构建

加上电阻电容等器件就行了(我辅助功放栅极偏置用的-6V,和作者不太一致;此外,在2.5GHz处理论上要工作在DPA模式,也就是异相角固定为90°不随功率变化,但是我发现工作在Doherty-Outphasing效率更高,因此我设置其实际工作在Doherty-Outphasing模式):
在这里插入图片描述

4.3系统性能仿真

运行Test文件夹里面的HB1ToneGComp1swp_Doherty原理图:
在这里插入图片描述
看一下调制曲线,载波(左),峰值(右):
在这里插入图片描述

5、运行环境

ADS版本:ADS2023

依赖的ADS库文件Cree公司的GAN库,CGH40010F管子村田公司电容库(文件中包含,但可能要调整路径)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1451896.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Covalent Network(CQT)与卡尔加里大学建立合作,共同推动区块链技术创新

Covalent Network&#xff08;CQT&#xff09;作为领先的 Web3 数据索引器和提供者&#xff0c;宣布已经与卡尔加里大学达成了具备开创性意义的合作&#xff0c;此次合作标志着推动区块链数据研究和可访问性的重要里程碑。卡尔加里大学是首个以验证者的身份加入 Covalent Netwo…

linux-firewalld防火墙端口转发

目的:通过统一地址实现对外同一地址暴露 1.系统配置文件开启 ipv4 端口转发 echo "net.ipv4.ip_forward 1" >> /etc/sysctl.confsysctl -p 2.查看防火墙配置端口转发之前的状态 firewall-cmd --statefirewall-cmd --list-all 3.开启 IP 伪装 firewall-cm…

TIM(Timer)定时中断 P1

难点&#xff1a;定时器级联、主从模式 一、简介&#xff1a; 1.TIM&#xff08;Timer&#xff09;定时器 定时器可以对输入的时钟进行计数&#xff0c;并在计数值达到设定值时触发中断 补充&#xff1a; { 定时器本质上是一个计数器&#xff0c;可以工作在定时或计数模式&…

视频生成模型作为世界模拟器

我们探索了在视频数据上大规模训练生成模型。具体来说&#xff0c;我们联合训练文本条件扩散模型&#xff0c;处理不同持续时间、分辨率和宽高比的视频和图像。我们利用一种在时空补丁上操作视频和图像潜码的transformer架构。我们最大的模型&#xff0c;Sora&#xff0c;能够生…

SQL中的各种连接的区别总结

前言 今天主要的内容是要讲解SQL中关于Join、Inner Join、Left Join、Right Join、Full Join、On、 Where区别和用法&#xff0c;不用我说其实前面的这些基本SQL语法各位攻城狮基本上都用过。但是往往我们可能用的比较多的也就是左右连接和内连接了&#xff0c;而且对于许多初学…

C++中的volatile:穿越编译器的屏障

C中的volatile&#xff1a;穿越编译器的屏障 在C编程中&#xff0c;我们经常会遇到需要与硬件交互或多线程环境下访问共享数据的情况。为了确保程序的正确性和可预测性&#xff0c;C提供了关键字volatile来修饰变量。本文将深入解析C中的volatile关键字&#xff0c;介绍其作用、…

luigi,一个好用的 Python 数据管道库!

🏷️个人主页:鼠鼠我捏,要死了捏的主页 🏷️付费专栏:Python专栏 🏷️个人学习笔记,若有缺误,欢迎评论区指正 前言 大家好,今天为大家分享一个超级厉害的 Python 库 - luigi。 Github地址:https://github.com/spotify/luigi 在大数据时代,处理海量数据已经成…

Java on VS Code 2024年1月更新|JDK 21支持!测试覆盖率功能最新体验!

作者&#xff1a;Nick Zhu - Senior Program Manager, Developer Division At Microsoft 排版&#xff1a;Alan Wang 大家好&#xff0c;欢迎来到 Visual Studio Code for Java 2024年的第一期更新&#xff01;提前祝愿大家春节快乐&#xff01;在本博客中&#xff0c;我们将有…

ChatGPT高效提问—prompt实践(智能辅导-心理咨询-职业规划)

ChatGPT高效提问—prompt实践&#xff08;智能辅导-心理咨询-职业规划&#xff09; ​ 智能辅导是指利用人工智能技术&#xff0c;为学习者提供个性化、高效的学习辅助服务。它基于大数据分析和机器学习算法&#xff0c;可以针对学习者的学习行为、状态和能力进行评估和预测&a…

idea里微服务依赖在maven能install但不能启动

场景&#xff1a;多个微服务相互依赖&#xff0c;install都没问题&#xff0c;jar包都是正常的&#xff0c;就连jar都能启动&#xff0c;为什么在idea里面项目就是不能启动呢&#xff0c;我是懵逼的 所以解决办法就是&#xff1a; 在设置的编译器里面虚拟机选项添加 -Djps.tr…

三、Maven项目搭建及Destination(队列、主题)

Maven项目搭建及Destination&#xff08;队列、主题&#xff09; 一、Idea中Maven项目准备1.创建Module2.创建java包3.配置pom.xml 二、队列&#xff08;Queue&#xff09;1.JMS编程架构2.代码实现生产者3.代码实现消费者4.队列消费者三大情况 三、消费者类型1.同步式消费者1.1…

相机图像质量研究(30)常见问题总结:图像处理对成像的影响--重影

系列文章目录 相机图像质量研究(1)Camera成像流程介绍 相机图像质量研究(2)ISP专用平台调优介绍 相机图像质量研究(3)图像质量测试介绍 相机图像质量研究(4)常见问题总结&#xff1a;光学结构对成像的影响--焦距 相机图像质量研究(5)常见问题总结&#xff1a;光学结构对成…

前端工程化面试题 | 11.精选前端工程化高频面试题

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》 &#x1f35a; 蓝桥云课签约作者、上架课程《Vue.js 和 E…

高性能MySQL 阅读笔记

mysql由服务器端与存储引擎两部分组成&#xff0c;存储引擎部分的锁机制对服务器端是透明的。服务器端内置缓存机制&#xff0c;有解析器和优化器机制。不同的存储引擎对事务、并发等都用不同的处理。 ACID代表的特性&#xff1a;原子性、一致性、隔离性、持久性 共享锁与排他…

【FPGA开发】HDMI通信协议解析及FPGA实现

本篇文章包含的内容 一、HDMI简介1.1 HDMI引脚解析1.2 HDMI工作原理1.3 DVI编码1.4 TMDS编码 二、并串转换、单端差分转换原语2.1 原语简介2.2 IO端口组件 笔者在这里使用的开发板是正点原子的达芬奇开发板&#xff0c;FPGA型号为XC7A35TFGG484-2。参考的课程是正点原子的课程手…

C++ STL->list模拟实现

theme: smartblue list list文档 list是可以在常数范围内在任意位置进行插入和删除的序列式容器&#xff0c;并且该容器可以前后双向迭代。list的底层是双向链表结构&#xff0c;双向链表中每个元素存储在互不相关的独立节点中&#xff0c;在节点中通过指针指向 其前一个元素…

飞天使-k8s知识点20-kubernetes实操5-pod更新与暂停-statefulset

文章目录 资源调度 Deployment&#xff1a;扩缩容资源调度 Deployment&#xff1a;更新的暂停与恢复资源调度 StatefulSet&#xff1a;定义一个有状态服务headless service 金丝雀发布 资源调度 Deployment&#xff1a;扩缩容 扩容和缩容&#xff0c;常用的功能 scale[rootkub…

安全基础~通用漏洞5

文章目录 知识补充CSRFSSRFxss与csrf结合创建管理员账号 知识补充 NAT&#xff1a;网络地址转换&#xff0c;可以将IP数据报文头中的IP地址转换为另一个IP地址&#xff0c;并通过转换端口号达到地址重用的目的。即通过将一个外部IP地址和端口映射更大的内部IP地址集来转换IP地…

人工智能学习与实训笔记(二):神经网络之图像分类问题

目录 四、图像分类问题 4.1 尝试使用全连接神经网络 4.2 引入卷积神经网络 4.3 分类函数Softmax 4.4 交叉熵损失函数 4.5 学习率优化算法 4.6 图像预处理算法 4.6.1 随机改变亮暗、对比度和颜色等 4.6.2 随机填充 4.6.3 随机裁剪 4.6.4 随机缩放 4.6.5 随机翻转 4.…

【开源】SpringBoot框架开发学校热点新闻推送系统

目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 新闻类型模块2.2 新闻档案模块2.3 新闻留言模块2.4 新闻评论模块2.5 新闻收藏模块 三、系统设计3.1 用例设计3.2 数据库设计3.2.1 新闻类型表3.2.2 新闻表3.2.3 新闻留言表3.2.4 新闻评论表3.2.5 新闻收藏表 四、系统展…