当前位置: 首页 > news >正文

在5G/6G应用中实现高性能放大器的建模挑战

来源:Modelling Challenges for Enabling High Performance Amplifiers in 5G/6G Applications {第28届“集成电路和系统的混合设计”(Mixed Design of Integrated Circuits and Systems)国际会议论文集,2021年6月24日至26日,波兰洛迪}


本文讨论了在5G/6G应用中实现高性能放大器所面临的建模挑战,尤其是对于GaN HEMT的建模。连续模式放大器,依赖于谐波调谐,在6 GHz以下的宽带宽内展示了其高效率的潜力,并且是5G网络更高频率应用的强有力候选者。然而,这些模型虽然准确,但计算密集且耗时。表格模型代表了另一种极端,其中使用设备测量数据来拟合预定义的数值函数,这种方法完全是经验性的,能够准确反映设备的性能,并且在模拟中更快。我们展示了Dambrine在低于6 GHz频率的亚6 GHz频率下提取内在元素的经验模型的修改版本,并通过在80 GHz的应用中提取模拟的GaN HEMT来展示其效用。
关键词包括:第五代移动通信(5G)、GaN HEMT、寄生提取、器件建模


在这里插入图片描述

在这里插入图片描述

文章的研究内容

  1. 高频放大器建模:研究了在5G/6G应用中实现高性能放大器所面临的建模挑战,特别是对于GaN HEMT(高电子迁移率晶体管)的建模。

  2. I-V特性建模:讨论了准确建模I-V特性的重要性,尤其是对于设计高效率放大器的“knee region”(弯曲区域)。

  3. 参数提取:描述了从测量的S参数中提取内在和外在参数的过程,包括使用Dambrine等人提出的提取程序,以及如何通过优化过程来改进模型的准确性。

  4. 等效电路模型:展示了包括寄生效应在内的晶体管等效电路模型,并讨论了如何通过增加额外的寄生元件来提高模型的准确性。

  5. 高频分布式模型:提出了一种高频分布式模型,该模型使用传输线代替集中参数来更准确地模拟器件的空间分布。

  6. 内在参数提取:研究了如何从S参数中提取非线性内在电容(Cgs, Cds, Cgd)和其它参数,以及如何使用曲线拟合和解析表达式来优化这些参数。

  7. 外在参数提取:讨论了如何从冷态条件下的S参数中提取外在寄生元件,如电容、电阻和电感。

  8. 模型优化:介绍了通过优化过程来调整模型参数,以最小化测量和模型S参数之间的误差。

  9. TCAD仿真与模型比较:将等效电路模型与TCAD(Technology Computer Aided Design)仿真结果进行了比较,以验证模型的准确性。

  10. 高频应用:特别关注了在5G应用中,对于高频(高达80 GHz)的建模和参数提取的重要性。

  11. 文献回顾:提供了与GaN HEMT建模相关的研究文献,包括不同方法和模型的比较。

这些研究内容为设计和优化5G/6G通信系统中使用的高频放大器提供了理论和实践基础。

文章的研究方法

  1. 迭代优化过程:使用一个八步迭代程序来优化元件值,而不是在单一步骤中优化所有元件,以提高模型的准确性。

  2. S参数拟合:通过调整等效电路模型的参数,使得模型的S参数与测量数据的S参数之间的差异最小化。

  3. 表征测量与模型的一致性:通过比较优化后的等效电路模型的S参数与供应商模型或TCAD仿真的S参数,来评估模型的准确性。

  4. 参数提取:从测量的S参数中提取内在和外在的寄生参数,包括电容、电阻、电感等。

  5. 曲线拟合方法:使用曲线拟合技术来确定内在电容等参数,例如Cgd可以从S参数的虚部斜率中得到。

  6. 解析表达式方法:使用解析表达式来直接计算内在元件的值,这些表达式基于最小化等效模型和测量之间的L2范数误差。

  7. 高频分布式模型:使用传输线代替集中参数元件来建立高频下的分布式模型,以更自然地纳入器件的空间分布。

  8. TCAD仿真:利用Technology Computer Aided Design(TCAD)工具进行仿真,并将仿真结果与等效电路模型进行比较。

  9. 冷态条件下的测量:在冷态条件下(Va=0V)进行S参数测量,以简化等效电路并提取外在寄生元件。

  10. 模型参数的优化:通过优化过程调整模型参数,以确保模型的S参数与测量值匹配。

  11. 经验模型:使用经验模型,如Angelov模型,作为建模的基础,并根据需要进行修改以适应特定的应用。

  12. 文献回顾:对现有文献进行分析,以了解不同建模方法的优势和局限性,并在此基础上进行改进。

这些方法结合起来,为研究者提供了一套全面的技术手段,用于开发和验证适用于5G/6G应用的高频放大器模型。

文章的创新点

  1. 高频模型优化:提出了一种优化方法,通过八步迭代过程来细化等效电路模型的参数,特别是在S参数对元件变化敏感性的基础上进行优化。

  2. 非线性I-V特性建模:对I-V特性的建模考虑了非线性因素,如通道加宽和软击穿效应,这有助于更准确地模拟实际的HEMT行为。

  3. 寄生参数的提取与优化:对寄生参数进行了提取和优化,特别是对于高频应用,这有助于提高放大器设计的精度和性能。

  4. 高频分布式模型的应用:使用传输线代替集中参数元件来建立高频下的分布式模型,这种方法可以更准确地反映器件的空间分布特性。

  5. 解析表达式方法:提出了一种使用解析表达式来直接计算内在元件值的方法,这种方法相比传统的数据拟合和优化方法,可以提供更好的计算效率。

  6. TCAD仿真与模型的结合:将TCAD仿真结果与等效电路模型相结合,以验证模型的准确性,这种方法可以提供更深入的器件物理理解。

  7. 经验模型的改进:对现有的经验模型进行了改进,以适应高频应用的需求,这种改进可能包括对模型参数的调整或对模型结构的优化。

  8. 宽频带下的模型验证:将模型的验证扩展到了80 GHz的频率范围,这表明模型不仅适用于传统的低频应用,也适用于新兴的5G/6G高频应用。

  9. 小信号模型参数提取方法:提出了一种改进的参数提取方法,用于从S参数中提取小信号模型参数,这种方法可能包括多平面数据拟合和双向搜索技术。

这些创新点展示了在高频放大器建模领域的新进展,特别是在5G/6G通信技术快速发展的背景下,这些研究成果对于高性能放大器的设计具有重要意义。

文章的结论

  1. 模型优化的重要性:通过迭代优化过程,可以显著提高等效电路模型的准确性,尤其是在高频应用中。

  2. 高频模型的适用性:所提出的模型优化方法和参数提取技术能够扩展到80 GHz的频率范围,适用于5G/6G等高频通信系统。

  3. 寄生参数的影响:准确提取和优化寄生参数对于实现高性能放大器的设计至关重要,尤其是在高频下。

  4. 模型与测量数据的一致性:通过优化后的模型与测量数据和TCAD仿真结果的比较,验证了模型的准确性和可靠性。

  5. 分布式模型的优势:使用传输线代替集中参数元件的分布式模型能够更准确地反映器件的空间分布特性,适用于高频建模。

  6. 解析表达式方法的效率:使用解析表达式直接计算内在元件值的方法提供了比传统优化方法更好的计算效率。

  7. 经验模型的实用性:改进后的经验模型在高频下仍然有效,可以作为设计高性能放大器的有用工具。

  8. 模型参数提取方法的改进:提出的改进参数提取方法能够更准确地从S参数中提取小信号模型参数。

  9. 动态FET模型的应用:如果文章中提到了动态FET模型,这表明了在建模过程中考虑器件动态行为的重要性。

  10. 低频色散和跨导变化的建模:通过在RF电流源中加入额外的RF源,可以模拟低频色散,同时将跨导和输出导纳的变化纳入模型中,以解决观察到的不一致性。

  11. 简化建模过程:通过使用表征测量与模型一致性的方法,可以简化建模过程,减少所需的工作量。

这些结论强调了在高频放大器设计中,准确的模型优化和参数提取是实现高性能和高效率的关键因素。同时,它们也指出了在5G/6G通信技术中,对于高频应用的建模和设计的重要性和挑战。

相关文章:

在5G/6G应用中实现高性能放大器的建模挑战

来源:Modelling Challenges for Enabling High Performance Amplifiers in 5G/6G Applications {第28届“集成电路和系统的混合设计”(Mixed Design of Integrated Circuits and Systems)国际会议论文集,2021年6月24日至26日,波兰洛迪} 本文讨…...

Perl 数据类型

Perl 数据类型 Perl 是一种功能丰富的编程语言,广泛应用于系统管理、网络编程、GUI 开发等领域。在 Perl 中,数据类型是编程的基础,决定了变量存储信息的方式以及可以对这些信息执行的操作。本文将详细介绍 Perl 中的主要数据类型&#xff0…...

网络协议 -- IP、ICMP、TCP、UDP字段解析

网络协议报文解析及工具使用介绍 1. 以太网帧格式及各字段作用 -------------------------------- | Destination MAC Address (48 bits) | -------------------------------- | Source MAC Address (48 bits) …...

【工具】豆瓣自动回贴软件

转载请注明出处:小锋学长生活大爆炸[xfxuezhagn.cn] 如果本文帮助到了你,欢迎[点赞、收藏、关注]哦~ 相比于之前粗糙丑陋的黑命令框版本,这个版本新增了UI界面,从此可以不需要再挨个去翻配置文件了。 另外,升级了隐藏浏…...

初学Spring之动态代理模式

动态代理和静态代理角色一样 动态代理的代理类是动态生成的 动态代理分为两大类: 基于接口的动态代理(JDK 动态代理)、基于类的动态代理(cglib) 也可以用 Java 字节码实现(Javassist) Prox…...

Visual studio 2023下使用 installer projects 打包C#程序并创建 CustomAction 类

Visual studio 2023下使用 installer projects 打包C#程序并创建 CustomAction 类 1 安装Visual studio 20203,并安装插件1.1 下载并安装 Visual Studio1.2 步骤二:安装 installer projects 扩展插件2 创建安装项目2.1 创建Windows安装项目2.2 新建应用程序安装文件夹2.3 添加…...

vue学习笔记(购物车小案例)

用一个简单的购物车demo来回顾一下其中需要注意的细节。 先看一下最终效果 功能: (1)全选按钮和下面的商品项的选中状态同步,当下面的商品全部选中时,全选勾选,反之,则不勾选。 &#xff08…...

昇思25天学习打卡营第19天 | RNN实现情感分类

RNN实现情感分类 概述 情感分类是自然语言处理中的经典任务,是典型的分类问题。本节使用MindSpore实现一个基于RNN网络的情感分类模型,实现如下的效果: 输入: This film is terrible 正确标签: Negative 预测标签: Negative输入: This fil…...

【VUE基础】VUE3第三节—核心语法之ref标签、props

ref标签 作用&#xff1a;用于注册模板引用。 用在普通DOM标签上&#xff0c;获取的是DOM节点。 用在组件标签上&#xff0c;获取的是组件实例对象。 用在普通DOM标签上&#xff1a; <template><div class"person"><h1 ref"title1">…...

生物化学笔记:电阻抗基础+电化学阻抗谱EIS+电化学系统频率响应分析

视频教程地址 引言 方法介绍 稳定&#xff1a;撤去扰动会到原始状态&#xff0c;反之不稳定&#xff0c;还有近似稳定的 阻抗谱图形&#xff08;Nyquist和Bode图&#xff09; 阻抗谱图形是用于分析电化学系统和材料的工具&#xff0c;主要有两种类型&#xff1a;Nyquist图和B…...

SQL使用join查询方式找出没有分类的电影id以及名称

系列文章目录 文章目录 系列文章目录前言 前言 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到网站&#xff0c;这篇文章男女通用&#xff0c;看懂了就去分享给你的码吧。 描述 现有电影信息…...

对MsgPack与JSON进行序列化的效率比较

序列化是将对象转换为字节流的过程&#xff0c;以便在内存或磁盘上存储。常见的序列化方法包括MsgPack和JSON。以下将详细探讨MsgPack和JSON在序列化效率方面的差异。 1. MsgPack的效率&#xff1a; 优点&#xff1a; 高压缩率&#xff1a; MsgPack采用高效的二进制编码格式&…...

Unix\Linux 执行shell报错:“$‘\r‘: 未找到命令” 解决

linux执行脚本sh xxx.sh报错&#xff1a;$xxx\r: 未找到命令 原因&#xff1a;shell脚本在Windows编写导致的换行问题&#xff1a; Windows 的换行符号为 CRLF&#xff08;\r\n&#xff09;&#xff0c;而 Unix\Linux 为 LF&#xff08;\n&#xff09;。 缩写全称ASCII转义说…...

动态路由--RIP配置(思科cisco)

一、简介 RIP协议&#xff08;Routing Information Protocol&#xff0c;路由信息协议&#xff09;是一种基于距离矢量的动态路由选择协议。 在RIP协议中&#xff0c;如果路由器A和网络B直接相连&#xff0c;那么路由器A到网络B的距离被定义为1跳。若从路由器A出发到达网络B需要…...

python - 函数 / 字典 / 集合

一.函数 形参和实参&#xff1a; >>> def MyFirstFunction(name): 函数定义过程中的name是叫形参 ... print(传递进来的 name 叫做实参&#xff0c;因为Ta是具体的参数值&#xff01;) print前面要加缩进tab&#xff0c;否则会出错。 >>> MyFirstFun…...

connect to github中personal access token生成token方法

一、问题 执行git push时弹出以下提示框 二、解决方法 去github官网生成Token&#xff0c;步骤如下 选择要授予此 令牌token 的 范围 或 权限 要使用 token 从命令行访问仓库&#xff0c;请选择 repo 。 要使用 token 从命令行删除仓库&#xff0c;请选择 delete_repo 其他根…...

Appium启动APP时报错Security exception: Permission Denial

报错内容Security exception: Permission Denial: starting Intent 直接通过am命令尝试也是同样的报错 查阅资料了解到&#xff1a;android:exported | App quality | Android Developers exported属性默认false&#xff0c;所以android:exported"false"修改为t…...

ubuntu22 使用ufw防火墙

专栏总目录 一、安装 sudo apt update sudo apt install ufw 二、启动防火墙 &#xff08;一&#xff09;启动命令 sudo ufw enable &#xff08;二&#xff09;重启命令 sudo ufw reload 三、配置规则 #允许SSH连接 sudo ufw allow ssh #如果sshd服务端口指定到了8888&a…...

初识STM32:开发方式及环境

STM32的编程模型 假如使用C语言的方式写了一段程序&#xff0c;这段程序首先会被烧录到芯片当中&#xff08;Flash存储器中&#xff09;&#xff0c;Flash存储器中的程序会逐条的进入CPU里面去执行。 CPU相当于人的一个大脑&#xff0c;虽然能执行运算和执行指令&#xff0c;…...

详解Amivest 流动性比率

详解Amivest 流动性比率 Claude-3.5-Sonnet Poe Amivest流动性比率是一个衡量证券市场流动性的重要指标。这个比率主要用于评估在不对价格造成重大影响的情况下,市场能够吸收多少交易量。以下是对Amivest流动性比率的详细解释: 定义: Amivest流动性比率是交易额与绝对收益率的…...

RestClient

什么是RestClient RestClient 是 Elasticsearch 官方提供的 Java 低级 REST 客户端&#xff0c;它允许HTTP与Elasticsearch 集群通信&#xff0c;而无需处理 JSON 序列化/反序列化等底层细节。它是 Elasticsearch Java API 客户端的基础。 RestClient 主要特点 轻量级&#xff…...

React第五十七节 Router中RouterProvider使用详解及注意事项

前言 在 React Router v6.4 中&#xff0c;RouterProvider 是一个核心组件&#xff0c;用于提供基于数据路由&#xff08;data routers&#xff09;的新型路由方案。 它替代了传统的 <BrowserRouter>&#xff0c;支持更强大的数据加载和操作功能&#xff08;如 loader 和…...

【CSS position 属性】static、relative、fixed、absolute 、sticky详细介绍,多层嵌套定位示例

文章目录 ★ position 的五种类型及基本用法 ★ 一、position 属性概述 二、position 的五种类型详解(初学者版) 1. static(默认值) 2. relative(相对定位) 3. absolute(绝对定位) 4. fixed(固定定位) 5. sticky(粘性定位) 三、定位元素的层级关系(z-i…...

P3 QT项目----记事本(3.8)

3.8 记事本项目总结 项目源码 1.main.cpp #include "widget.h" #include <QApplication> int main(int argc, char *argv[]) {QApplication a(argc, argv);Widget w;w.show();return a.exec(); } 2.widget.cpp #include "widget.h" #include &q…...

python爬虫:Newspaper3k 的详细使用(好用的新闻网站文章抓取和解析的Python库)

更多内容请见: 爬虫和逆向教程-专栏介绍和目录 文章目录 一、Newspaper3k 概述1.1 Newspaper3k 介绍1.2 主要功能1.3 典型应用场景1.4 安装二、基本用法2.2 提取单篇文章的内容2.2 处理多篇文档三、高级选项3.1 自定义配置3.2 分析文章情感四、实战案例4.1 构建新闻摘要聚合器…...

【配置 YOLOX 用于按目录分类的图片数据集】

现在的图标点选越来越多&#xff0c;如何一步解决&#xff0c;采用 YOLOX 目标检测模式则可以轻松解决 要在 YOLOX 中使用按目录分类的图片数据集&#xff08;每个目录代表一个类别&#xff0c;目录下是该类别的所有图片&#xff09;&#xff0c;你需要进行以下配置步骤&#x…...

Java入门学习详细版(一)

大家好&#xff0c;Java 学习是一个系统学习的过程&#xff0c;核心原则就是“理论 实践 坚持”&#xff0c;并且需循序渐进&#xff0c;不可过于着急&#xff0c;本篇文章推出的这份详细入门学习资料将带大家从零基础开始&#xff0c;逐步掌握 Java 的核心概念和编程技能。 …...

【OSG学习笔记】Day 16: 骨骼动画与蒙皮(osgAnimation)

骨骼动画基础 骨骼动画是 3D 计算机图形中常用的技术&#xff0c;它通过以下两个主要组件实现角色动画。 骨骼系统 (Skeleton)&#xff1a;由层级结构的骨头组成&#xff0c;类似于人体骨骼蒙皮 (Mesh Skinning)&#xff1a;将模型网格顶点绑定到骨骼上&#xff0c;使骨骼移动…...

是否存在路径(FIFOBB算法)

题目描述 一个具有 n 个顶点e条边的无向图&#xff0c;该图顶点的编号依次为0到n-1且不存在顶点与自身相连的边。请使用FIFOBB算法编写程序&#xff0c;确定是否存在从顶点 source到顶点 destination的路径。 输入 第一行两个整数&#xff0c;分别表示n 和 e 的值&#xff08;1…...

分布式增量爬虫实现方案

之前我们在讨论的是分布式爬虫如何实现增量爬取。增量爬虫的目标是只爬取新产生或发生变化的页面&#xff0c;避免重复抓取&#xff0c;以节省资源和时间。 在分布式环境下&#xff0c;增量爬虫的实现需要考虑多个爬虫节点之间的协调和去重。 另一种思路&#xff1a;将增量判…...