了解这3大特性,再也不担心传输线问题了!

电阻是一个实实在在的物理元器件,通过欧姆定律我们可以知道,电压、电流和电阻三者之间的关系,U=I*R。

我们通过一个具体的电路来分析这三者之间的具体关系,请看下面的一张最简单的电路图。这个电路图只有一个电源一个电阻和一些导线组成。

​当然这个电阻的阻值也可以通过用万用表来直接测量。

特性阻抗就不一样了,用万用表测量一根50欧姆特性阻抗时,将会发现是短路的。这就需要我们从概念上区分电阻(哪怕是刚好是50欧姆的电阻)和特性阻抗是两码事。就像温度上面的度(摄氏度)和角度上的度一样,不是一个东西。

电阻这个物理量大家都懂,这里就不解释了。我们来分析一下这个特性阻抗到底是何方神圣,是在什么条件下才会用这个东西的。

其实特性阻抗是和射频紧密相隔的一个物理量,在认识特性阻抗之前先认识一下射频。我们知道电台,手机通讯信号,wifi等都是向外部发射信号能量的装置,也就是说能量是从天线射出去,能量不再回来到天线了,可以想像就像机枪向外面扫射一样,子弹打出去就不回来了。

好了,明白射频这个东西之后,我们再来到具体的传输射频能量的导线上面来。导线上面传输的射频信号也是一样的,希望它传过去就不要反传回来了,要是有能量反传回来就说明传输的效果差了。

为了更具体的说明特性阻抗这个东西 我这里打一个比方:

同一个电路板上面有2根导线(假设都是很长的两根线,你能想像它有多长就有多长),因为同一个板,那么2根导线的铜皮厚度都是一样的。两根导线,长(无限长)和厚度是一样的,只能唯一不同的是宽度了,假设1号导线宽度是1(单位),2号导线是2(单位)。也就是说2号线宽度是1号线的两倍。

下面的图可以具体看到两根导线的示意图。

​如上图所示,假如同时都接的是一样的射频发射源,同样的一小段时间T,那么我们看看这两根导线会有什么区别。同一个发射源,那么两根线的输出射频电压是一样的,射频传输的距离是一样的(假设都是光速,实际比光速少)。

唯一不同的是线宽,而2号线的线比1号线宽一倍,那么2号线需要1号线2倍的电量来填满多出的线宽面积(其实是导线铜皮与底面产生的电容效应)。也就是说:Q2=两倍的Q1。

因为 i = Q/T (射频电流=电量/时间),那么可以知道2号线的射频电流是1号线的两倍(因为时间是一样的,2号线电量是1号线的两倍)。

好了,我们知道了 i2=两倍的i1。

到了这里,我们找出个神秘的特性阻抗就不远了,为什么呢,因为我们知道电阻=电压/电流。其实特性阻抗也有这种关系:特性阻抗=射频电压/射频电流。

从上面我们知道,射频电压一样的,电流关系为 i2=两倍的i1 。

则2号线的特性阻抗只有1号线的一半!

这就是我们所说的线越是宽,特性阻抗越小。

上面是我举个例子说明特性阻抗与电阻的区别,以及为什么同样一个板子,特性阻抗与线宽有关系,与长度没有关系。

实际上影响特性阻抗的因素很多,包括材料,导线与底板地间距等等很多因素相关。

导线的特性阻抗用通俗的话来描述(只是比喻),就是导线对其上面传输的射频能量阻碍力的大小。

认识传输线的反射

上面我们是假设导线是无限长的,而实际上的导线长度是有限。当射频信号到达导线末端,能量没有办法释放,就会沿着导线反传回来。就跟我们对着墙喊,声音碰到墙反传回来产生回音。

也就是说我们想像中的射频信号发射出去就没有反射回来的情况在现实是不存在的。

​如上图所示,假如我们在线的末端接上一个电阻来消耗(或者接收)线上传输过来的射频能量。

有人会问,为什么导线的特性阻抗的电阻不消耗能量,非要接个电阻才能消耗呢?其实啊,导线只是传输能量的,导线本身并不消耗能量或者近似于不损耗能量(有点像电容或者电感的属性)。电阻则是一个损耗能量的元件。

我们发现有三种特殊情况:

当R=R0 时,传输过来的能量刚刚好被末端的电阻R吸收完,没有能量反射回去。可看成这导线是无线长。

当R=∞时(开路),能量全部反射回去,而且在线的末端点会产生2倍于发射源的电压。

当R=0时,末端点会产生一个-1倍于源电压反射回去。

认识阻抗匹配

阻抗匹配是指负载阻抗与激励源内部阻抗互相适配,得到最大功率输出的一种工作状态。

阻抗匹配是针对射频等而言的,对于功率电路则不适用的,否则会烧掉东西。

我们常常听说特性阻抗50欧姆,75欧姆等等,这个50欧姆是怎么来的,为什么是50欧姆 而不是51欧姆呢,或者45欧姆呢?

这个是约定来的,50欧姆应该说对于一般射频电路传输效果更好。

也就是说,我们的导线,电缆要做50欧姆,是因为电路负载已经相当于50欧姆的电阻。你做别的阻抗值导线,就和负载不匹配。偏离越远,传输的效果就会越差!

—END—

原文:了解这3大特性,再也不担心传输线问题了! - RFASK射频问问

关于RFASK射频问问

射频问问是在"微波射频网”系列原创技术专栏基础上升级打造的技术问答学习平台,主要围绕射频芯片、微波电路、天线、雷达、卫星等相关技术领域,致力于为无线通信、微波射频、天线、雷达等行业的工程师,提供优质、原创的技术问答、专栏文章、射频课程等学习内容。更多请访问:RFASK射频问问 - 射频技术研发服务平台 | 技术问答、专栏文章、射频课程

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:/a/21574.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

MySQL---多表联合查询(下)(内连接查询、外连接查询、子查询(ALL/ANY/SOME/IN/EXISTS关键字)、自关联查询)

1. 内连接查询 数据准备: use mydb3;-- 创建部门表 create table if not exists dept3(deptno varchar(20) primary key , -- 部门号name varchar(20) -- 部门名字 );-- 创建员工表 create table if not exists emp3(eid varchar(20) primary key , -- 员工编号e…

尝试探索水下目标检测,基于yolov5轻量级系列模型n/s/m开发构建海底生物检测系统

其实,水下目标检测相关的项目早在之前就已经做了几个了,但是没有系统性地对比过,感兴趣的话可以先看下之前的文章,如下: 《基于自建数据集【海底生物检测】使用YOLOv5-v6.1/2版本构建目标检测模型超详细教程》 《基于…

AVL树(平衡二叉搜索树)

如果BST树插入的顺序是有序的,那么BST树就会退化成一个双链表结构,查询的速率就会很慢, 所以有了AVL树的意义。 AVL树的定义: 是具有下列性质的二叉搜索树 1、它的左子树和右子树都是AVL树 2、左子树和右子树的高度之差的绝对值…

办公智慧化风起云涌,华为MateBook X Pro 2023是最短距离

今年以来,我们几乎每个月,甚至每星期都可以看到大模型应用,在办公场景下推陈出新。 办公智慧化已成必然,大量智力工作正在被自动化。一个普遍共识是:AI能力范围之内的职业岌岌可危,AI 能力范围之外的职业欣…

瑞吉外卖 - 分页查询分类功能(12)

某马瑞吉外卖单体架构项目完整开发文档,基于 Spring Boot 2.7.11 JDK 11。预计 5 月 20 日前更新完成,有需要的胖友记得一键三连,关注主页 “瑞吉外卖” 专栏获取最新文章。 相关资料:https://pan.baidu.com/s/1rO1Vytcp67mcw-PD…

《Netty》从零开始学netty源码(五十八)之NioEventLoop.execute()

目录 NioEventLoop.execute()addTask()startThread()NioEventLoop.run()select()处理keys与执行任务processSelectedKeys()处理AbstractNioChannelselectAgain() runAllTasks()fetchFromScheduledTaskQueue()runAllTasksFrom()afterRunningAllTasks() 带截止时间的runAllTasks(…

由浅入深Netty入门案例

目录 1 概述1.1 Netty 是什么?1.2 Netty 的作者1.3 Netty 的地位1.4 Netty 的优势 2 Hello World2.1 目标2.2 服务器端2.3 客户端2.4 流程梳理2.5 提示 1 概述 1.1 Netty 是什么? Netty is an asynchronous event-driven network application framework…

免费可用 ChatGPT 网页版

前言 ChatGPT(全名:Chat Generative Pre-trained Transformer),美国OpenAI 研发的聊天机器人程序 ,于2022年11月30日发布 。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过理解和学习人类的语言来…

在 Python 中执行逐元素加法

文章目录 Python 中的逐元素加法在 Python 中使用 zip() 函数执行逐元素加法在 Python 中使用 map() 函数执行逐元素加法在 Python 中使用 NumPy 执行逐元素加法 我们将通过示例介绍在 Python 中按元素添加两个列表的不同方法。 Python 中的逐元素加法 在 Python 中使用列表时…

最简单配置jenkins容器使用宿主机的docker方法

构建镜像和发布镜像到harbor都需要使用到docker命令。而在Jenkins容器内部安装Docker官方推荐直接采用宿主机带的Docker即可 设置Jenkins容器使用宿主机Docker 设置宿主机docker.sock权限 chown root:root /var/run/docker.sock chmod orw /var/run/docker.sock 添加数据卷 v…

Nacos之服务配置中心

1.基础配置 1.1.新建模块cloudalibaba-config-nacos-client3377 1.1.1.POM <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance…

网络:网络分层与协议/OSI七层模型/(TCP/IP模型)

一、简单理解 OSI模型(Open System Interconnection)&#xff1a; 七层模型&#xff0c;亦称OSI&#xff08;Open System Interconnection&#xff09;。参考模型是国际标准化组织&#xff08;ISO&#xff09;制定的一个用于计算机或通信系统间互联的标准体系&#xff0c;一般…

chatgpt赋能Python-pythondic

Python Dict - Python中最有用的数据结构之一 当谈到Python的数据结构时&#xff0c;Python字典&#xff08;Python Dict&#xff09;是最常用和最有用的数据结构之一。Python字典是一个非常强大且多才多艺的数据结构&#xff0c;它不仅易于学习和使用&#xff0c;而且可以大大…

【嵌入式Linux】设备树基本语法

设备树基本语法 1_总领-本期设备树视频要怎么讲&#xff1f;讲什么&#xff1f;_哔哩哔哩_bilibili 基本的 特殊的 中断控制 描述GIC控制器 时钟 CPU GPIO 个数&#xff0c;保留范围&#xff08;起始、长度&#xff09;&#xff0c;个数对应的名字 GPIO映射-这个脚被用了换一…

CBFS Vault 2022 for .NET Crack

将多个文件打包到一个 Vault - 一个“文件中的文件系统”&#xff0c;完成每个文件的压缩、透明加密和随机读/写访问。 亮点包括新的日记选项、用于更好地控制和跟踪的新事件&#xff0c;以及一系列核心性能和可用性改进 [了解更多]。 CBFS保险库 在任何地方存储一个完整的文件…

javascript-基础知识点总结

目录 &#xff08;一&#xff09;基础语法 1、javaScript引入方式 2、变量与常量 3、数据类型 typeof操作符 4、运算符 5、输出函数 6、类型转化 7、转移字符 8、注释 &#xff08;二&#xff09;流程控制 1、选择结构 switch 2、循环结构 for &#xff08;三&…

neovim下window的快捷切换

neovim下window的快捷切换 在使用emacs的时候&#xff0c;喜欢加插件window-numbering。 这样在分屏之后的emacs里&#xff0c;通过配置快捷键leaderwnumber 跳转到对应的windows, 而且该软件会在对应底部显示数字提示&#xff0c;非常方便。 另外:为什么不用快捷键leadernumb…

【Linux系统】Linux进程信号详解

Linux进程信号 0 引言1 认识信号1.1 什么是信号1.2 发送信号的本质1.3 信号的处理 2 信号的产生2.1 键盘产生2.2 调用系统函数向进程发送信号2.3 由软件条件产生信号2.4 硬件异常产生信号 3 信号的保存4 信号的处理5 总结 0 引言 本篇文章会从Linux信号的产生到信号的保存&…

Linux上开启coredump

Linux上开启core dump Core dump&#xff08;核心转储&#xff09;是在程序崩溃时生成的一种文件&#xff0c;其中包含了程序在崩溃时的内存状态信息。它可以帮助程序员在调试程序时快速定位问题&#xff0c;并且是一种非常有用的调试工具。core dump的作用如下&#xff1a; 帮…

【KD-Tree】基于k-d树的KNN算法实现

文章目录 一、什么是KD-Tree&#xff1f;二、k-d树的结构三、k-d树的创建四、k-d树的应用五、KD-Tree的优缺点 例题JZPFAR 一、什么是KD-Tree&#xff1f; KD-Tree&#xff0c;又称&#xff08;k-dimensional tree&#xff09;&#xff0c;是一种基于二叉树的数据结构。它可以…