共时双频独立可调压控振荡器的研究

来源 :北京邮电大学 | 被引量 : 3次 | 上传用户:dingbinqi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
共时多频多模系统是现代无线通信系统发展的趋势,而赋予系统独立调谐的能力可以使各通信标准之间互不干扰,互不影响。基于这个原因,发展多频段的射频微波器件势在必行,同时加入频带独立调谐特点,可以扩大共时多频电路的优势,使其更符合无线通信发展的要求。振荡器和压控振荡器作为无线收发机最重要的组成部分,可以为系统提供载波和时钟信号,也被广泛的设计成共时双频电路。本论文针对开关切换电路的非共时性问题,提出新颖的研究方法设计共时双频振荡器和压控振荡器电路。主要采用奇偶模分析法推导双频谐振频率,证明双频独立可调性,使双频具备频率可重构的同时也具有灵活的调谐方式。基于独立调谐性,继续分析和研究影响调谐带宽和电路面积的因素,得到两者之间相互制约的关系。此外,独特的设计方法为双频选频电路引入滤波特性,提高双频谐振器的频带隔离度,从而大幅度抑制工作频带内的非工作频率,降低载波附近的谐波混频分量,保证输出频谱的干净度。而采用阶梯阻抗结构可以通过改变阻抗比实现对两个振荡频率间隔的控制,增加了改变双振荡频率的途径。因此,本论文设计的双频振荡器和压控振荡器电路具有共时性、小型化、易操作和独立调谐性的特点,适合应用于微波毫米波集成电路设计。第一,论文针对开关切换的复杂度和非共时性问题,提出设计共时双频振荡器电路。电路的核心是有源阶梯阻抗双频谐振器的设计,它通过晶体管工作在负阻状态补偿无源双频谐振器的损耗实现,这个过程可以使无源谐振器变成不稳定的有源谐振器,然后简单的振荡匹配电路可以输出想要的双振荡频率。本论文通过分析和推导阻抗比,实现对双振荡频率的控制。第二,以共时双频振荡器为基础,研究双频独立调谐性,设计共时双频独立可调压控振荡器。通过两组特殊位置的变容管,采用奇偶模分析法证明和推导双频独立调谐性,也验证了多参数协同工作的可行性。在此基础上,分析如何扩大双频调谐带宽和减小电路面积,并得到两者之间相互制约的关系。因此,在设计电路过程中,需要对两者进行权衡,得到满意的性能指标。但是,由于双频带通滤波器电路结构的整体性,无法做到自由的频带响应设计,导致高频带频率响应的选择性较差,获取的相位噪声较高。第三,在延续双频独立可调特点的基础上,采用共用双频谐振器的结构设计共时双频压控振荡器。此方法有两个显著的优点:一是提升双频隔离度,赋予双频选频电路更高的滤波特性,使其大幅度抑制谐波混频分量;二是增加双频频带设计自由度,优化高频带的频带选择性,获取低相位噪声。而且,阶梯阻抗的引入并与独立调谐性相结合,更加丰富了控制频率的途径。所以,基于共用双频谐振器的方式设计共时双频独立调谐压控振荡器具备三个优势:提升载波附近的频带抑制度、降低双频相位噪声、增加控制频率间隔的途径。
其他文献
在人们的日常沟通交流中,作为一种无声的表现形式,人脸表情具有强大的表达能力。作为比人脸表情更为客观的表述方式,面部活动单元描述的是由于人脸肌肉拉扯而反映在面部的区域变化。Facial Action Coding System (FACS)系统将这一面部活动单元简称为Action Unit(AU)。在AU检测任务中,有两个非常重要的问题,一个是结构化的区域学习,另一个是多标签学习。在结构化区域学习研
各种移动互联网业务为移动用户提供更加极致的用户体验,如虚拟现实、超高清3D视频、移动云雾等,同时这些业务也对高速传输提出了迫切的需求。然而,可用的频谱资源是有限的,按照现有的通信理论和技术框架,很难达到未来无线通信超大连接数、超高速率、超高可靠性、超低时延的要求,因此迫切需要在高频谱效率方面有突破性进展。在此背景下,李道本教授创造性地提出了具有颠覆性创新的重叠X 域复用(Overlapped X
随着移动互联网的发展,社会媒体(social media)已经成为人们获取信息、交换信息的主要场所,分析理解这些多模态社会媒体数据具有广泛的应用需求和应用价值。社会媒体数据呈现出底层特征异构、高层语义关联的特性。一方面,单一模态描述力不足,不同模态数据提供了不同层次的语义信息,并且互为补充,需要有效组织多种模态的数据,以真正反映社会媒体内容。另一方面,多模态数据处于异构特征空间,不同模态间的数据关
随着计算机视觉领域研究的深入,对象类图像分割(也称对象分割)逐渐成为近年来图像分析、计算机视觉领域研究的重要问题之一,并不断推动和促进互联网搜索、智能家电、智能交通和自动驾驶汽车等相关领域的技术和产业的发展。本论文主要依据贝叶斯理论并结合随机场模型,研究基于有监督的非参数化的对象分割模型及其算法。本论文的主要内容和创新点主要有以下几个方面,1.提出了一种新的基于分层狄里克雷过程的非参数化判别模型来
虚拟计算环境建立于开放的网络基础设施之上,通过汇聚互联网络中的计算资源、存储资源、网络资源等实现泛在、智能的公用化计算平台。作为一种新的实现形式,虚拟计算旨在为用户提供方便、快捷和有效的应用环境,为应用提供和谐、高效、可信的一体化服务支撑。与传统计算环境不同,公用环境网络资源的无序增长、高度自治和异构等特性,以及海量应用呈现出复杂、难以预知、多样等趋势,这些因素直接影响了虚拟资源与应用任务之间的精
云计算在给人们生活带来福利的同时,其自身的资源丰富、泛在接入等特性也容易被攻击者滥用以扩展其攻击能力和攻击范围。与普通网络环境中的网络攻击相比,攻击者可以更容易获取云资源对云外空间发起DDoS、Spamming等多种攻击,而且可以轻易地规避追责,这给云计算的可控性带来了严峻的挑战。云计算的不可控一方面伤害了云服务提供商的信誉,另一方面,也极大地损害了傀儡云租户以及攻击受害者的利益,因此,研究有效的
随着互联网的不断发展和普及,越来越多的用户可以通过互联网享受到各种各样的服务。然而用户对于网络服务质量的要求越来越高,他们需求的服务种类也越来越丰富。传统的互联网面临着越来越严重的僵化问题,无法满足用户不断膨胀的服务需求。覆盖网络作为改善传统互联网的重要手段,具有在不改变原有网络的前提下提供新型网络功能的特性。因此,覆盖网络常常被部署在传统网络上,用来提供各种各样的服务,例如对等网络服务、组播服务
受限玻尔兹曼机是一种随机神经网络生成模型,广泛应用于特征降维、协同推荐等任务中。近年来,以受限玻尔兹曼机为核心结构单元的深层信念网络、深层玻尔兹曼机等深层神经网络模型已成为一类重要的深度学习模型,在手写体数字识别、图像识别等任务中均获得了重要的进展。但是,目前常用的受限玻尔兹曼机学习算法对比散度(Contrastive Divergence,CD)是一种近似算法,其收敛性、学习速度、学习性能等理论
在量子信息科学中量子关联处于核心的重要地位,量子关联在量子通信、量子计算、量子测量、量子密码学的基础理论中都是一个重点研究对象,对上述四者的实现都不可或缺。因此,在过去的几十年中,量子关联被广泛的研究。高斯态作为连续变量的量子态中最重要的一类量子态在过去的十几年中也被进行了大量的研究,在量子光学的实验中应用到的大部分量子态都是高斯态中的一种。因此研究高斯态有着十分重要的意义。所以,对于高斯态的量子
随着计算机和网络技术的不断发展,人们在享受网上大量资源的同时,如何保证信息的安全已经成为一个亟需解决的问题。信息隐藏是信息安全领域的一项主要技术。图像和视频信息隐藏成为最常用的形式,一般指通过特定方式对图像和视频的数据进行修改,从而隐藏信息,在隐藏后,图像和视频的使用不受影响。半色调图像是一种特殊的图像载体,仅通过黑白两个颜色值来表示一幅图像。半色调图像中信息隐藏可分为两类:(1)网点水印:一幅半