测量射频器件噪声系数的三种方法盘点

news2024/10/6 1:39:26

本文介绍了测量噪声系数的三种方法:增益法、Y系数法和噪声系数测试仪法。这三种方法的比较以表格的形式给出。

在无线通信系统中,噪声系数(NF)或者相对应的噪声因数(F)定义了噪声性能和对接收机灵敏度的贡献。本篇应用笔记详细阐述这个重要的参数及其不同的测量方法。

噪声指数和噪声系数

噪声系数(NF)有时也指噪声因数(F)。两者简单的关系为:

NF = 10 * log10 (F)

噪声系数(噪声因数)包含了射频系统噪声性能的重要信息,标准的定义为:

从这个定义可以推导出很多常用的噪声系数(噪声因数)公式。

下表为典型的射频系统噪声系数:

编辑搜图

噪声系数的测量方法随应用的不同而不同。从上表可看出,一些应用具有高增益和低噪声系数(低噪声放大器(LNA)在高增益模式下),一些则具有低增益和高噪声系数(混频器和LNA在低增益模式下),一些则具有非常高的增益和宽范围的噪声系数(接收机系统)。因此测量方法必须仔细选择。本文中将讨论噪声系数测试仪法、增益法以及Y系数法。

使用噪声系数测试仪

噪声系数测试/分析仪在图1种给出。

编辑搜图

图1

噪声系数测试仪,如Agilent的N8973A噪声系数分析仪,产生28VDC脉冲信号驱动噪声源(HP346A/B),该噪声源产生噪声驱动待测器件(DUT)。使用噪声系数分析仪测量待测器件的输出。由于分析仪已知噪声源的输入噪声和信噪比,DUT的噪声系数可以在内部计算和在屏幕上显示。对于某些应用(混频器和接收机),可能需要本振(LO)信号,如图1所示。当然,测量之前必须在噪声系数测试仪中设置某些参数,如频率范围、应用(放大器/混频器)等。

使用噪声系数测试仪是测量噪声系数的最直接方法。在大多数情况下也是最准确地。工程师可在特定的频率范围内测量噪声系数,分析仪能够同时显示增益和噪声系数帮助测量。分析仪具有频率限制。例如,Agilent N8973A可工作频率为10MHz至3GHz。当测量很高的噪声系数时,例如噪声系数超过10dB,测量结果非常不准确。这种方法需要非常昂贵的设备。

增益法

前面提到,除了直接使用噪声系数测试仪外还可以采用其他方法测量噪声系数。这些方法需要更多测量和计算,但是在某种条件下,这些方法更加方便和准确。其中一个常用的方法叫做“增益法”,它是基于前面给出的噪声因数的定义:

在这个定义中,噪声由两个因素产生。一个是到达射频系统输入的干扰,与需要的有用信号不同。第二个是由于射频系统载波的随机扰动(LNA,混频器和接收机等)。第二种情况是布朗运动的结果,应用于任何电子器件中的热平衡,器件的可利用的噪声功率为:

PNA = kTΔF,

这里的k = 波尔兹曼常量(1.38 * 10-23焦耳/ΔK),

T = 温度,单位为开尔文
ΔF = 噪声带宽(Hz)

在室温(290ΔK)时,噪声功率谱密度PNAD = -174dBm/Hz。

因而我们有以下的公式:

NF = PNOUT - (-174dBm/Hz + 20 * log10(BW) + 增益)

在公式中,PNOUT是已测的总共输出噪声功率,-174dBm/Hz是290°K时环境噪声的功率谱密度。BW是感兴趣的频率带宽。增益是系统的增益。NF是DUT的噪声系数。公式中的每个变量均为对数。为简化公式,我们可以直接测量输出噪声功率谱密度(dBm/Hz),这时公式变为:

NF = PNOUTD + 174dBm/Hz - 增益

为了使用增益法测量噪声系数,DUT的增益需要预先确定的。DUT的输入需要端接特性阻抗(射频应用为50Ω,视频/电缆应用为75Ω)。输出噪声功率谱密度可使用频谱分析仪测量。

增益法测量的装置见图2。

编辑搜图

图1

作为一个例子,我们测量MAX2700噪声系数的。在指定的LNA增益设置和VAGC下测量得到的增益为80dB。接着,如上图装置仪器,射频输入用50Ω负载端接。在频谱仪上读出输出噪声功率谱密度为-90dBm/Hz。为获得稳定和准确的噪声密度读数,选择最优的RBW (解析带宽)与VBW (视频带宽)为RBW/VBW = 0.3。计算得到的NF为:

-90dBm/Hz + 174dBm/Hz - 80dB = 4.0dB

只要频谱分析仪允许,增益法可适用于任何频率范围内。最大的限制来自于频谱分析仪的噪声基底。在公式中可以看到,当噪声系数较低(小于10dB)时,(POUTD - 增益)接近于-170dBm/Hz,通常LNA的增益约为20dB。这样我们需要测量-150dBm/Hz的噪声功率谱密度,这个值低于大多数频谱仪的噪声基底。在我们的例子中,系统增益非常高,因而大多数频谱仪均可准确测量噪声系数。类似地,如果DUT的噪声系数非常高(比如高于30dB),这个方法也非常准确。

Y因数法

Y因数法是另外一种常用的测量噪声系数的方法。为了使用Y因数法,需要ENR (冗余噪声比) 源。这和前面噪声系数测试仪部分提到的噪声源是同一个东西。装置图见图3:

编辑搜图

图3.

ENR头通常需要高电压的DC电源。比如HP346A/B噪声源需要28VDC。这些ENR头能够工作在非常宽的频段(例如HP346A/B为10MHz至18GHz),在特定的频率上本身具有标准的噪声系数参数。下表给出具体的数值。在标识之间的频率上的噪声系数可通过外推法得到。

表1. 噪声头的ENR

编辑搜图

开启或者关闭噪声源(通过开关DC电压),工程师可使用频谱分析仪测量输出噪声功率谱密度的变化。计算噪声系数的公式为:

在这个式子中,ENR为上表给出的值。通常ENR头的NF值会列出。Y是输出噪声功率谱密度在噪声源开启和关闭时的差值。

这个公式可从以下得到:

ENR噪声头提供两个噪声温度的噪声源:

热温度时T = TH (直流电压加电时)和冷温度T = 290°K。

ENR噪声头的定义为:

冗余噪声通过给噪声二极管加偏置得到。现在考虑在冷温度T = 290°K时与在热温度T = TH时放大器(DUT)功率输出比:Y = G(Th + Tn)/G(290 + Tn) 

= (Th/290 + Tn/290)/(1 + Tn/290

这就是Y因数法,名字来源于上面的式子。

根据噪声系数定义,F = Tn/290+1,F是噪声因数(NF = 10 * log(F)),因而,Y = ENR/F+1。在这个公式中,所有变量均是线性关系,从这个式子可得到上面的噪声系数公式。

我们再次使用MAX2700作为例子演示如何使用Y因数法测量噪声系数。装置图见图3。连接HP346A ENR到RF的输入。连接28V直流电压到噪声源头。我们可以在频谱仪上监视输出噪声功率谱密度。开/关直流电源,噪声谱密度从-90dBm/Hz变到-87dBm/Hz。所以Y = 3dB。为了获得稳定和准确的噪声功率谱密度读数,RBW/VBW设置为0.3。从表2得到,在2GHz时ENR = 5.28dB,因而我们可以计算NF的值为5.3dB。

总结

在本篇文章讨论了测量射频器件噪声系数的三种方法。每种方法都有其优缺点,适用于特定的应用。下表是三种方法优缺点的总结。理论上,同一个射频器件的测量结果应该一样,但是由于射频设备的限制(可用性、精度、频率范围、噪声基底等),必须选择最佳的方法以获得正确的结果。

编辑搜图

【以上信息由艾博检测整理发布,如有出入请及时指正,如有引用请注明出处,欢迎一起讨论,我们一直在关注其发展!专注:CCC/SRRC/CTA/运营商入库】

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/464173.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

P1043 [NOIP2003 普及组] 数字游戏

题目描述 丁丁最近沉迷于一个数字游戏之中。这个游戏看似简单,但丁丁在研究了许多天之后却发觉原来在简单的规则下想要赢得这个游戏并不那么容易。游戏是这样的,在你面前有一圈整数(一共 �n 个),你要按顺序…

Java List、Set、Map区别

概述 集合类存放于java.util包中。集合类存放的都是对象的引用,而非对象本身。常见的集合主要有三种——Set(集)、List(列表)和Map(映射)。List和Set 都实现了 Collection 接口,并且List和Set也…

php执行语句在MySQL批量插入大数据量的解决方案及计算程序执行时间(大数据量、MySQL语句优化)

MySQL里批量插入大数据的解决方案 前言一、PHP计算程序执行时间二、Mysql批量插入数据1.INSERT INTO 语句2.批量插入大数据2.1 使用循环$sql的方式2.2 循环(值1, 值2,....)的语句2.3测试过程出现的错误 前言 近期在MySQL报表开发过程中,需要爬取多API返回JSON数据&…

MySql中执行计划如何来的——Optimizer Trace | 京东云技术团队

作者:京东物流 籍磊 1.前言 当谈到MySQL的执行计划时,会有很多同学想:“我就觉得使用其他的执行方案比EXPLAIN语句输出的方案强,凭什么优化器做的决定与我得不一样?”。这个问题在MySQL 5.6之前或许自己很难解决&…

真题详解(磁盘)-软件设计(五十八)

真题详解(MTTR)-软件设计(五十七)https://blog.csdn.net/ke1ying/article/details/130354940 1、2021年上半年 解析: 哈希地址 0 1 2 3 4 5 6 7 8 9 10 构建哈希表 第一步:3%11 3 ,放在哈希地址3的位置…

如何申请gpt4.0-如何接入ChatGPT4

如何接入ChatGPT4 ChatGPT-4是OpenAI公司推出的最新自然语言处理技术,采用深度学习算法,旨在提供更加高效、准确的人工智能语言处理能力。如果您想要接入ChatGPT-4,您可以按照以下步骤: 注册OpenAI账号并申请API密钥:…

2022年NOC大赛创客智慧编程赛道Python初赛题,包含答案

目录 一、单选题 二、多选题 三、判断题 下载文档打印做题: NOC Python 初赛考题 一、单选题 <

【c语言】typedef的基本用法 | 定义格式

创作不易&#xff0c;本篇文章如果帮助到了你&#xff0c;还请点赞支持一下♡>&#x16966;<)!! 主页专栏有更多知识&#xff0c;如有疑问欢迎大家指正讨论&#xff0c;共同进步&#xff01; 给大家跳段街舞感谢支持&#xff01;ጿ ኈ ቼ ዽ ጿ ኈ ቼ ዽ ጿ ኈ ቼ ዽ ጿ…

【图像分割】【深度学习】SAM官方Pytorch代码-Image encoder模块Vision Transformer网络解析

【图像分割】【深度学习】SAM官方Pytorch代码-Image encoder模块Vision Transformer网络解析 Segment Anything&#xff1a;建立了迄今为止最大的分割数据集&#xff0c;在1100万张图像上有超过1亿个掩码&#xff0c;模型的设计和训练是灵活的&#xff0c;其重要的特点是Zero-s…

从Domino目录导出你想要的信息

大家好&#xff0c;才是真的好。 无论出于什么原因&#xff0c;很多时候&#xff0c;我们要从Domino目录&#xff08;names.nsf&#xff09;中导出人员、群组或Domino相关的配置信息。不过更多时候&#xff0c;还没开始导&#xff0c;很多人就说Domino封闭&#xff0c;不让导出…

由浅入深MFC学习摘记--第四部分下

目录 第十三章 多文件与多显示MDI 和 SDI动态拆分窗口静态拆分窗口拆分 拆分窗口示例同源子窗口CMDIFrameWnd::OnWindowNew范例程序 多文件 第十四章 MFC 多线程从操作系统层面看执行线程线程优先级从程序设计层面看执行线程MFC 多线程程序设计工作线程UI线程执行线程的结束线程…

CASAIM 自动化3d测量系统检测压缩机壳体尺寸偏差/装配验证

压缩机是一种将低压气体提升为高压气体的从动的流体机械&#xff0c;是制冷系统的心脏。 压缩机的壳体共有三部份组成&#xff1a;排气壳体&#xff08;主要是组成压缩机排气通道及接口&#xff09;&#xff0c;机体壳体&#xff08;主要是组成压缩机的涡盘、涡盘支承座、电机…

Bladex后端实现登入时间过期后自动跳转登入页

Bladex后端实现登入时间过期后自动跳转登入页 背景现状期待成果解决方法一找到鉴权配置页面重写拦截器addInterceptors创建CustomMiddleware编制拦截逻辑修改登入有效时常 背景现状 Bladex可手动设置过期时间&#xff0c;但是我使用的是springboot BladeX 2.8.1.RELEASE版本&am…

游戏测试的面试技巧

游戏测试的面试技巧 1.自我介绍 回答提示&#xff1a;一般人回答这个问题过于平常&#xff0c;只说姓名、年龄、爱好、工作经验 &#xff0c;这些在简历上都有&#xff0c;其实&#xff0c;企业最希望知道的是求职者能否胜任工作&#xff0c;包括&#xff1a;最强的技能、最深入…

docker镜像创建|实战案例(ssh|systemd|nginx|apache|tomcat)

docker镜像创建|实战案例&#xff08;ssh|systemd|nginx|apache|tomcat&#xff09; 一 Docker 镜像的创建1.基于现有镜像创建2基于本地模板创建3 基于Dockerfile 创建为什么Docker里的centos的大小才200M&#xff1f;DockerfileDocker 镜像结构的分层 4 Dockerfile 案例&#…

宝光股份 | 打造营销管理数据平台,实现营销管理和业务双提升

陕西宝光真空电器股份有限公司&#xff08;以下简称“宝光股份”&#xff09;&#xff0c;注册资本3.3亿元&#xff0c;于2002年1月在上海证券交易所上市&#xff08;股票代码&#xff1a;600379&#xff09;。 宝光股份已发展成为享誉国内外的真空灭弧室产销基地&#xff0c;…

Python每日一练(20230426)

目录 1. 删除重复字符 ※ 2. 颜色分类 &#x1f31f;&#x1f31f; 3. 计算圆周率 ※ &#x1f31f; 每日一练刷题专栏 &#x1f31f; Golang每日一练 专栏 Python每日一练 专栏 C/C每日一练 专栏 Java每日一练 专栏 1. 删除重复字符 原标题&#xff1a; 输出不重复…

mysql数据库SQL语句orderBy排序同时limit分页出现数据重复问题

先说解决方案&#xff1a;排序中使用唯一值&#xff08;例如主键id&#xff09;&#xff0c;保证每条数据不重复 SELECT * FROM table WHERE 1 1 ORDER BY create_time,id DESC LIMIT 0, 10;1、问题 MySQL官方描述&#xff1a; 如果多行在列中具有相同的值ORDER BY&#xff…

更加适合python小白的object类的特殊方法~

人生苦短&#xff0c; 我用python python 安装包资料:点击此处跳转文末名片获取 一、object类的源码 class object:""" The most base type """def __delattr__(self, *args, **kwargs): signature unknown""" Implement dela…

MybatisPlus入门和分页和条件查询里面的条件和null值的处理方式和查询投影和查询条件设置和id生成相关和逻辑删除

MybatisPlus 简化了mybatis之前的在springboot整合MyBatis时需要自己写sql语句在接口中&#xff0c;现在只需要让接口继承BaseMapper<实体类>&#xff0c;然后在测试类中接口.增删改查方法&#xff08;&#xff09;即可 不用像springboot整合mybatis一样勾选spring web…