【摘 要】
：
低噪声放大器作为射频接收机的第一级有源器件,是决定整体射频接收机灵敏度的关键元器件,它是否可以正常工作以及工作状态好坏,都会直接影响整体接收机的性能。然而,近年来,随着无线通讯技术的快速发展,射频接收机所处的电磁环境越来越复杂。作为一种敏感器件,接收机中的低噪声放大器被干扰、损坏的可能性越来越大。同时,低噪声放大器也极容易被通过前门耦合进入接收机的高功率脉冲信号影响,甚至发生功能回退和损毁的现象。
论文部分内容阅读
低噪声放大器作为射频接收机的第一级有源器件,是决定整体射频接收机灵敏度的关键元器件,它是否可以正常工作以及工作状态好坏,都会直接影响整体接收机的性能。然而,近年来,随着无线通讯技术的快速发展,射频接收机所处的电磁环境越来越复杂。作为一种敏感器件,接收机中的低噪声放大器被干扰、损坏的可能性越来越大。同时,低噪声放大器也极容易被通过前门耦合进入接收机的高功率脉冲信号影响,甚至发生功能回退和损毁的现象。因此低噪声放大器的电磁脉冲防护一直都是人们关注和研究的焦点领域。微波限幅器作为射频系统中的保护功能模块。该模块可以保护射频接收系统中的各个敏感元件尤其是低噪声放大器不被大功率信号破坏。本文以PIN二极管限幅器作为主要研究对象,在研究不同限幅电路结构优缺点的基础上,设计了不同频段的限幅低噪声放大器,并分别实施了高功率注入实验。论文的主要工作内容如下:（1）基于ADS仿真平台,对基于PIN二极管的无源限幅器进行了仿真分析。并重点研究了无源限幅器中不同结构电路的特点,同时探究了输入功率的幅度、脉宽以及重频对限幅器限幅性能的影响。（2）基于上述对限幅器的研究,设计并制作了基于北斗导航频段的限幅低噪声放大器。设计包括完整的限幅器结构选择、限幅电路的仿真优化以及低噪声放大器的设计过程。同时完成了低噪声放大器的损毁阈值测试实验以及限幅低噪声放大器的高功率注入防护实验。两个实验互为对照,在探究了低噪声放大器损毁现象的同时,也验证了限幅器对低噪声放大器的保护作用的有效性。（3）设计并制作了Ku频段的限幅低噪声放大器。完成了对Ku波段限幅器电路的设计以及优化。同时阐述了PIN二极管与金丝键合的细节要点。此外也完成了对屏蔽盒的仿真以及优化工作,并采用微组装工艺技术将限幅低噪声放大器进行板壳一体化制作。后续又进行了两种不同功率、频率的高功率脉冲注入实验。以此验证这种限幅器电路在带外高功率注入下以及带内高功率注入下的防护性,并测试了该限幅器对低噪声放大器的保护功能。
其他文献
近年来,随着计算资源以及数据规模的大幅增长,深度学习取得了前所未有的成功。在多个领域和多种任务上,如图像识别、语义分割、文本分类、语音识别、多模态学习等,深度学习都发挥了举足轻重的作用。然而最近的一些研究发现,对抗样本广泛存在于各种深度学习领域,给深度学习系统的现实应用带来了巨大的威胁,尤其是一些安全性敏感的深度学习系统,如自动驾驶、行人重识别、智慧医疗等。对抗样本是一些在自然图像上添加人为构建的
近年来,以深度卷积神经网络（Deep Convolutional Neural Network,DCNN）为代表的人工智能技术迅速发展,在图像识别等特定领域的性能已经接近甚至超过以人类为代表的灵长类动物。然而,在目标/背景复杂多变、遮挡和干扰等复杂开放场景下,DCNN模型的性能容易急剧下降,而灵长类动物仍能快速、准确、稳定地识别目标,这表明现有的DCNN模型在数据驱动的模式下,还很难像灵长类动物大
视频时空定位任务是计算机视觉和自然语言处理技术两个领域的交叉融合,可被广泛地应用于安防监控、视频检索等领域。关系时空定位和多句式查询文本的目标时空定位是视频时空定位任务中的两个新兴的研究分支。现阶段的关系时空定位方法利用目标空间特征构建目标之间的动态关系特征,通过信息的单向传递定位符合关系的多目标时空轨迹,然而其忽略了信息的双向传递对定位的指导作用,且错误的信息在单向传递过程中难以被矫正。同时,现
近年来,随着深度学习技术的迅速发展,基于有监督学习的方法在各种视觉任务上达到了很好的性能。然而,这类方法依赖于大量有标签的训练样本,学习得到的分类器往往能够较好地识别训练过程中见过的样本类别,而无法很好地迁移到训练中未见过的其他样本类别。为了解决这种缺少有标签数据的学习任务,零样本学习（zero-shot learning）受到广泛关注,即一个神经网络模型将在已知类别的样本数据上学习到的知识迁移到
现代军事战争大多发生在复杂地、海环境中,目标所处背景对于雷达探测与识别的影响不容忽视。通常将目标所处背景看作是单层介质粗糙面,只研究粗糙面与上方目标的电磁散射问题。但是实际中的自然环境组成复杂,如植被覆盖的土壤、雪层覆盖的土壤、溢油海面、浮冰海面等通常为多层介质。在研究时,除了粗糙面与上方自由空间的散射问题,对于上层和下层粗糙面之间发生的电磁波透射问题也要重视。对分层粗糙面与目标复合电磁散射进行研
图像去噪作为一种计算机视觉、图像处理领域的基础性任务,在生产制造、医学健康和卫星遥感等领域具有重要的应用价值。图像去噪是一种逆问题,其目的是从噪声观测中估计出未被噪声污染的图像,实现图像质量的增强,继而使后续的图像处理、分析等环节免受噪声影响。在过去几十年,基于不同理论的图像去噪方法相继被提出。其中,传统方法原理清楚、计算简单,然而去噪效果不够理想;基于神经网络,特别是深度神经网络的方法,近些年在
有限元方法（Finite Element Method,FEM）作为一种计算精度较高的全波算法,常被用于具有复杂媒质、复杂几何结构的目标的电磁特性分析,但由于该方法基于体网格离散计算区域,网格量随目标的电尺寸的增加而剧烈增长,在进行诸如带罩天线阵列电磁辐射、复杂环境下电磁散射等电大尺寸目标的电磁特性分析时,常见的PC机甚至工作站往往无法满足其计算所需的庞大的计算资源,严重限制了有限元方法在实际工程
通过成像仪获取的高光谱遥感图像具有光谱分辨率高、波段频率密集的优点,其所包含的丰富光谱和空间信息使得高光谱遥感图像在包括军事和农业等各个领域都有着广阔的应用范围和前景。然而,由于成像设备的限制,高光谱遥感图像的光谱分辨率在提高的同时,还存在空间分辨率降低的问题。空间分辨率的下降使得采样得到的图像数据中存在大量混合像元,每个像元对应的真实地物空间中包含多种物质,而成像设备获取的像元光谱曲线是由多种不
锑烯因独特的褶皱蜂窝状结构和优良的光电特性,被广泛应用于光电器件,纳米电子器件等领域。然而单一锑烯材料的固定能带结构以及较高的载流子复合率使其应用受限。将锑烯与其他二维材料构建范德华异质结,可以避免单一材料的缺陷,同时还会出现许多新颖的性质,使其在光电领域有着更加广泛的应用。本文通过Materials Studio软件,采用第一性原理计算方法,对锑烯/Ga Te和锑烯/MoX2（X=S,Te）范德
近些年来,随着移动通信技术的发展形势愈发迅速,对射频前端器件高性能与高品质的要求愈发严格。多频段与可重构差分滤波器作为移动通信系统中的关键组成部分,其工作性能的优劣影响着系统的可靠性。同时,与传统的单端器件相比,差分器件能够更加有效地抑制外界噪声和干扰,受到国内外学者越来越多的关注。在这种背景下,本文提出并设计了两款高频率选择性的双频差分带通滤波器、一款频率可独立控制的四频差分带通滤波器以及一款具