驻波比理解

news2024/11/22 14:59:53

VSWR(Voltage Standing Wave Ratio)代表电压驻波比。要完全理解这个术语,需要知道什么是“驻波”。

假设两个波长相同的波以相反的方向传播,如下所示。一个波表示为蓝线,它朝着正确的方向旋转。另一个波用绿线表示,它在左方向旋转。这两个波会被求和,求和后的波用红线表示。

这种叠加波只随时间变化幅度,而不随相位变化。简单地说,振幅为零的节点位置永远不会改变。因为节点的位置没有改变,所以红波看起来好像停留在相同的位置,意思是“它站在那里”。这就是为什么红波被称为“驻波”。

如上图所示,只有一个快照,你很难直观地理解驻波。为了直观地理解驻波并确认上述描述是否正确,需要多个快照来显示两个行波随时间的一系列转换。如果会使用matlab,就可以创建一长串快照,显示驻波是如何创建的。

两个行波的快照序列例子(蓝色的一个向右移动,绿色的一个向左移动)。红色的是蓝色的和绿色的总和形成的波)。首先看看所有快照中的红波。

  • 每个快照中的红波振幅是否发生变化?-->是的
  • 每个快照中红波的频率和波长是否发生变化?=->否
  • 每个快照中的节点位置(值为零的位置)是否发生变化?-->没有

为了进一步了解驻波的特性,这里还有几个问题。·

1. 显示最大振幅驻波的快照数是多少?-->它是(1)。这是两个行波(蓝色和绿色)完全重叠的快照。·

2. 显示最小振幅驻波的快照数是多少?-->是(11)。这是两个行波(蓝色和绿色)对齐的快照,两个行波的相位差为180度。

< Case 1 >

在上面的例子中,两个行波的振幅完全相同。如果两个行波的振幅不同(两个波的波长和频率仍然相同),会怎么样?这就是与上面所问的相同的问题。

  1. 在每个快照中,红波的振幅是否发生变化?-->是的·
  2. 在每个快照中,红波的频率和波长是否发生变化?=->否·
  3. 每个快照中的节点位置(值为零的位置)是否都发生了变化?-->没有·

为了进一步了解驻波的特性,我还想问你们几个问题。·

  1. 显示最大振幅驻波的快照数是多少?-->它是(1)。这是两个行波(蓝色和绿色)具有相同相位的快照。·
  2. 显示最小振幅驻波的快照数是多少?-->是(11)。这是两个行波(蓝色和绿色)对齐的快照,两个行波的相位差为180度。但与情况1不同的是,在这种情况下,驻波的振幅不会变为零,因为两个行波的振幅不同。

<Case 2>

现在让我们取两个最小振幅和最大振幅的快照的驻波振幅之比。在上面看到的两个例子中,它是快照(1)和(11)的驻波振幅之比。驻波的最大振幅和最小振幅之比称为“驻波比”。在上面看到的第一个和第二个例子的驻波比如下所示。(上一个表示<case1>的最小/fanhui最大驻波振幅差,下一个表示<case2>的最小/最大驻波振幅差)

如果两个行波代表一个信号的电压,则驻波比称为“电压驻波比(VSWR)”。

正如你在这两个例子中看到的,你可能会注意到,行波振幅越近,SWR越大。换句话说,如果你有更大的SWR,两个行波的振幅是相似的。如果SWR较小,则意味着行波的振幅相差很大(一个很大,另一个很小)。

这些驻波最常见的地方是哪里?最常见的情况是行波碰到另一介质的边界。在这种情况下,波的某些部分将转移到另一介质,但波的某些部分将被反射回来,如下所示。

反射波的传播方向与原始波相反,但其波长(频率)与原始波相同。因此,原始波和反射波形成驻波。

根据原始波从边界反射的部分(由反射系数描述),可以使用以下公式计算驻波比。

 反射系数和驻波比之间的直观关系是什么?可以从下面的例子中猜测。简而言之,如果是较大的反射系数,会得到较大的驻波比,如果是较小的反射系数,会得到较小的驻波比。

由于反射系数与S11密切相关,因此也可以使用S11表示VSWR,如下所示。

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/667807.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

Android大图加载优化方案

我们在编写Android程序的时候经常要用到许多图片&#xff0c;不同图片总是会有不同的形状、不同的大小&#xff0c;但在大多数情况下&#xff0c;这些图片都会大于我们程序所需要的大小。比如微博长图&#xff0c;海报等等。所以我们就要对图片进行局部显示。 大图加载基本需求…

【QQ界面展示-监听键盘事件 Objective-C语言】

一、关于这个通知,我们就说到这里, 1.接下来,就看一下, 我们说了这么一堆,目的是为了什么, 目的是为了监听我们那个键盘的点击事件吧, 我们说了一堆,目的是为了监听我们这个键盘的弹出事件、不是点击事件, 当键盘弹出以后,我们是不是要做一件事儿, 那么,我们知道…

虚拟机网卡/网络配置,静态IP配置

文章目录 1. Vmvare设置 “编辑->虚拟机网络编辑”2. 新建一个虚拟机并给它设置网卡3. 配置eth0网卡为静态IP vim /etc/sysconfig/network-scripts/ifcfg-eth04、测试 1. Vmvare设置 “编辑->虚拟机网络编辑” 这里设置了3个虚拟网络(两个主机模式&#xff0c;这两个网络…

2023.6.20 GPIO子系统编写LED驱动

作业&#xff1a;通过GPIO子系统编写LED驱动&#xff0c;应用程序控制LED灯亮灭 &#xff08;1&#xff09;led.h #ifndef __LED_H__ #define __LED_H__ // typedef struct{ // unsigned int MODER; // unsigned int OTYPER; // unsigned int OSPEEDR; // un…

FreeRTOS实时操作系统(五)临界区及任务调度器

系列文章目录 文章目录 系列文章目录临界区代码保护任务调度器的挂起与保护 临界区代码保护 临界区&#xff1a;是指那些必须要完整运行的&#xff0c;不能被打断的代码 适用于&#xff1a; 1.外设初始化 2.操作系统的代码有很多不能被打断 3.用户自己的需求 一般在中断、任…

014 - STM32学习笔记 - I2C访问存储器(一)

014 - STM32学习笔记 - I2C访问存储器 1、存储器分类 存储器主要分为两类&#xff1a;易失性存储器和非易失性存储器&#xff0c;从字面上理解&#xff0c;判断易失/非易失主要取决于设备掉电后&#xff0c;存储的数据是否会丢失。常规的来说&#xff0c;易失性存储器存取速度…

Django基础入门⑥:Django过滤器和标签讲解

Django基础入门⑥&#xff1a;Django过滤器和标签讲解 Django过滤器过滤器语法过滤器应用获取变量的长度截取指定个数的词返回指定键的排序列表add给变量值加“n” Django url标签url标签动态url Django自定义标签如何自定义标签定义之前的准备工作模块变量register自定义标签赋…

Java 对接google WIFI定位API

1.创建Http请求工具类 1.1.引入httpclient <dependency><groupId>org.apache.httpcomponents</groupId><artifactId>httpclient</artifactId><version>4.5.10</version></dependency> 1.2.封装Http工具类 /*** Http请求* a…

MySQL 高级语句 一

目录 一、MySQL高级&#xff08;进阶&#xff09;SQL语句1. select2. distinct3. where4. and or5. in6. between7. 通配符8. order by9. 函数9.1 数学函数9.2 聚合函数9.3 字符串函数 二、高级查询语句2.1 group by &#xff08;用于分组和汇总&#xff09;2.2 having2.3 别名…

如何在 XMind 中绘制流程图

XMind 是专业强大的思维导图软件,由于其结构没有任何限制,很多朋友特别喜欢用它来绘制流程图。禁不住大家的多次询问,今天 XMind 酱就将这简单的流程图绘图方法分享给大家。 在 XMind 中,绘制流程图的主角是「自由主题」和「联系」。它们可以打破思维导图的限制,让你自由…

《异常检测——从经典算法到深度学习》21 Anomaly Transformer:具有关联差异的时间序列异常检测

We # 《异常检测——从经典算法到深度学习》 0 概论1 基于隔离森林的异常检测算法 2 基于LOF的异常检测算法3 基于One-Class SVM的异常检测算法4 基于高斯概率密度异常检测算法5 Opprentice——异常检测经典算法最终篇6 基于重构概率的 VAE 异常检测7 基于条件VAE异常检测8 Do…

[NX亲测有效]Ubuntu,Jetson nano,NX板开机设置开机自起,Jetson nano,NX设置x11vnc开机自起

&#xff01;&#xff01;Ubuntu,Jetson nano,NX板开机设置开机自起&#xff0c;nano NX设置x11vnc开机自起&#xff01;&#xff01; 1.创建一个rc-local自启服务 2.创建运行脚本 3.启动服务 4.NX&#xff0c;nano设置x11vnc并设置开机自启 大功告成&#xff01;编写不易…

【中级软考】软件设计-考试介绍

一、软考好处 通过软考认证可以抵扣当年的 3600 元的个税,并且有些城市可以积分落户,同时获得证书可以获得同等级别的职称。计算机方向的职称是以考代评,所以获得中级软考证书就相当于获得同等的中级计算机工程师职称,获得高级软考证书就相当于获得同等的高级计算机工程师…

如何使用@umijs/plugin-qiankun搭建微前端项目

umijs/plugin-qiankun是一个基于UmiJS框架的插件&#xff0c;用于实现乾坤微前端架构。乾坤微前端是一种前端架构模式&#xff0c;可以将一个大型的前端应用拆分成多个小型的子应用&#xff0c;每个子应用可以独立开发、独立部署、独立运行&#xff0c;同时可以通过乾坤框架进行…

ArduPilot开源代码之AP_InertialSensor

ArduPilot开源代码之AP_InertialSensor 1. 源由2. AP_InertialSensor类2.1 init2.2 periodic2.3 update 3. 重要应用方法3.1 BatchSampler::push_data_to_log3.2 wait_for_sample3.2 calibrate_gyros 4. 总结5. 参考资料 1. 源由 前面研读了IMU如何通过front-end/back-end获取…

基于SpringBoot+kaptcha的验证码生成

教程 1.添加 Kaptcha 依赖 在 pom.xml 文件中添加 Kaptcha 依赖&#xff1a; <dependency><groupId>com.github.penggle</groupId><artifactId>kaptcha</artifactId><version>2.3.2</version> </dependency> <!--或者 都…

【深度学习 | 机器学习】干货满满 | 近万字总结了 12 个令人惊艳的神经网络可视化工具!

文章目录 一、神经网络可视化难点在哪里&#xff1f;二、神经网络可视化方法三、神经网络可视化解释的工具3.1 draw_convnet3.2 NNSVG3.3 PlotNeuralNet3.4 Tensorboard3.5 Caffe3.6 Matlab3.7 Keras.js3.8 DotNet3.9 Graphviz3.10 ConX3.11 ENNUI3.12 Neataptic 神经网络可视化…

linux下Python的学习(五)用matplotlib画iostat的折线图

之前写测试脚本的时候习惯用shell来写&#xff0c;只不过用AWK(个人觉得awk是shell的精髓)处理表格的时候比Python复杂的多&#xff0c;因为Python有很多现成的库&#xff0c;直接调用就可以。下面用Python自带的matplotlib函数实现一下对iostat log的采样 比如有一个记录iosta…

第一章 数据可视化简介(复习)

第一章 数据可视化简介 什么是可视化 定义&#xff1a;通过可视表达增强人们完成某些 任务的效率 The American Heritage Dictionary&#xff1a; The act or process of interpreting in visual terms or of putting into visible form&#xff08;用可视形式进行解释的 动作…

做性能测试必须掌握的基本概念和套路

目录 性能优化的常见概念 性能调优的思路 1.性能摸底测试 2.定义性能优化的目标 3.分析 针对内存&#xff1a; OOM&#xff1a; 针对IO&#xff1a; 文件IO&#xff1a; 总结&#xff1a; 经常听到人说&#xff0c;做个性能优化&#xff0c;吞吐量越高越好&#xff1…