图文解说S参数(进阶篇)
S参数是RF工程师/SI工程师必须掌握的内容,业界已有多位大师写过关于S参数的文章,即便如此,在相关领域打滚多年的人, 可能还是会被一些问题困扰着。你懂S参数吗? 图文解说S参数(基础篇) 请继续往下看...台湾同行图文独特讲解!
本文目录:
-
前言
-
个别S参数与串联S参数的差别
-
双埠S参数对地回路效应的处理
-
两个2-port S参数,有可能组成一个4-port S参数吗?
-
全3D模型的S参数,与分开的3D模型S参数串连的差别?
-
Port阻抗的设定,对S参数本质上,与S参数的使用上,有没有影响?
-
Export S参数模型时,有没有做port renormalize to 50 ohm,对使用S参数有没有影响?
-
问题与讨论
1. 前言
S参数是SI与RF领域工程师必备的基础知识,大家很容易从网络或书本上找到S,Y,Z参数的说明,笔者也在多年前写了S参数 -- 基础篇。但即使如此,在相关领域打滚多年的人, 可能还是会被一些问题困扰着。你懂S参数吗? 请继续往下看...
2. 个别S参数与串联S参数的差别
问题1:为何有时候会遇到每一段的S参数个别看都还好,但串起来却很差的情况(loss不是1+1=2的趋势)?
Quick answer : 如果每一线段彼此连接处的real port Zo是匹配的,那loss会是累加的趋势,但若每一线段彼此连接处的real port Zo差异很大,那就会看到loss不是累加的趋势,因为串接的接面上会有多增加的反射损失。
2.1 下图所示的三条传输线
Line1是一条100mm长,特性阻抗设计在50ohm的微带线,左边50mm,右边50mm。
Line2也是一条100mm长的微带线,左边50mm维持特性阻抗50ohm,但右边50mm线宽加倍,特性阻抗变 小到33。
Line3也是一条100mm长的微带线,左边50mm维持特性阻抗50ohm,但右边50mm线宽加倍,特性阻抗变 小到33,且呈135o转折。

观察Line1的S21发现,左右两段的S参数有累加特性
观察Line2, Line3的S21发现, 整条线的S参数比起左右两段个别看的S参数之累加差一些
问题2:为何各别抽BGA与PCB的S参数后,在Designer内串接看总loss,与直接抽BGA+PCB看S参数的结果不同?
Quick answer : 这与结构在3D空间上的交互影响,还有下port位置有时也有影响。
2.2 下图所示是两层板BGA封装,放上有完整参考平面的PCB两层板, 这是在消费性电子产品很常见的应用条件。
黄色是高速的差动对讯号,其在PCB上走线的部分,有很好的完整参考平面,但在BGA端则完全没有参考平面。
HFSS 3D Layout模拟结果
3. 双埠S参数对地回路效应的处理
问题1:RLC等效电路可以估出讯号线与地回路每一段的RLC特性,但S参数却不行,原因是什么? S参数带有地回路的寄生效应吗?
Quick answer : RLC等效电路是terminal base model,而S参数是port base model,后者看的昰一个port的正负两端之间的差值。所以S参数虽然有含地回路(return path)寄生效应,但无法单独分离出地回路的影响。
问题2:在Designer汇入S参数模型时,可以选择该S参数的电路符号要不要有每一个port的reference ground (negative terminal),或是使用common ground,使用common ground是否表示把每个port的negative terminal短路,会忽略地回路的寄生效应吗?
Quick answer : 使用common ground,并不会把return path两端short,S参数本身已经内含地回路的效应。
4. 两个2-port S参数,有可能组成一个4-port S参数吗?
Quick answer : No. 一个2-port S参数,内涵2x2 (4) matrix单元,即S11, S12, S21, S22,而一个4-port S参数,需内涵4x4 (16) matrix单元。所以明显的,当有两条线的两个2-port S参数,并不足以充分且唯一定义一个4-port S参数,即这两条'之间'的近端耦合与远程耦合条件并未被定义。换言之,一个4-port S参数可以简化(reduce order)分离出两个2-port S参数,但反之不然。
5. 全3D模型的S参数,与分开的3D模型S参数串连的差别
常见的问题是:封装与PCB板单独抽S参数后,再于电路仿真软件串接S参数,这样的做法跟把封装与PCB直接在仿真软件中3D贴合抽S参数会有怎样的差异?
Quick answer : 封装与PCB间在Z轴上的空间耦合路径,只有把封装与PCB直接在仿真软件中3D贴合抽S参数时,才会被考虑。这样的做法当然是最准的做法,但需不需要每个案子都一定 非得这么做不可,其实取决于结构与带宽考虑。当这条路径的耦合效应影响,在您所设计的结构下,在一定带宽以上的影响不能被忽略时,就必须考虑。
6. Port阻抗的设定,对S参数本质上,与S参数的使用上,有没有影响?
Quick answer : 虽然renormalize不同的port阻抗,会得到不同的S参数曲线,但该N-port model所定义的物理效应本质上是相同的。所以对于model的使用,理论上没影响,但实际上 因为tool的transient analysis的数值处理能力(fitting ability)不同,有些时候有影响。
打个比方,在SIwave v4.0很早期的文件,会建议讯号的port阻抗设50ohm,而电源的port阻抗设0.1~1ohm,但目前的SIwave其实就不需要特别这么做,即你可以延续之前的设定习惯,或是全部都renormalize 50ohm,SIwave吐出的S参数代到Designer去用,都可以得到一样的结果。如果您使用其他的tool有遇到设不同的port阻抗,得到时域模拟结果不同的情况,建议您可以试试SIwave.
7.Export S参数模型时,有没有做port renormalize to 50ohm,对使用S参数有没有影
Quick answer : No
8. 问题与讨论
8.1 S参数无法汇入怎么办?
Ans:首先检查tool是否反馈任何错误讯息,再来以文本编辑器打开该S参数,检查其频点描述定义是否是递增排列(frequency monotonicity)。会出现这种乌龙错误,通常是有人手动编辑去修改S参数造成。
8.2 S参数因为port数过多导致模拟耗时怎么办?
Ans:遇到S参数模拟耗时,首先我会检查该S参数是否有passivity与causality issue,或是在Designer模拟过程中,注意看看是否在state-space fitting process卡很久。遇到多埠S参数,则试着转成state space model (.sss),仿真速度会加快不少,而透过SIwave或NdE转state space model的程序中,建议只勾enforce passivity,不用勾enforce causality,这样也会节省不少时间。(因为state space algorithm本身就满足primitive causality,所以不用担心其因果性问题)
8.3 Toushstone1.0(TS1.0)与TS2.0主要有何差别?
Ans:TS2.0 (.ts)支持mixed reference impedance,而TS1.0 (.snp)每个port的reference impedance都要是相同的50ohm. 以SIwave为例:
以Designer内NdE (Network Data Explorer)为例
不管原本在SIwave或HFSS的port设定是否有指定renormalize,最后要export时还可以再决定要不要overwrite renormalize
8.4 Touchstone file可以设定noise data,那是什么东西,何时使用?
Ans:这是在TS1.0就有定义的功能,可以对Touchstone file附加noise data定义,一般用于主动组件的S参数模型
当你在Designer汇入S参数模型时,可以右键单击[Edit Model]检视noise data (如果有的话).

8.5 为何在2.2的例子,BGA与PCB各别S参数的loss累加(-0.29-0.8=-1.09)反而是比整个3D model一起看所得到的S参数(-1.06)来的差?
Ans:当BGA与PCB做3D结合的条件下去抽S参数时,此时原本没有参考平面的BGA上走线,会看到一些PCB上的平面透过solder ball所贡献的些微回流路径效应。这点我们也可以透过观察Z11(Z profile)来验证。
相关阅读:图文解说S参数(基础篇)
作者:信号完整性之旅
来源:图文解说S参数(进阶篇) - 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
相关文章:

图文解说S参数(进阶篇)
S参数是RF工程师/SI工程师必须掌握的内容,业界已有多位大师写过关于S参数的文章,即便如此,在相关领域打滚多年的人, 可能还是会被一些问题困扰着。你懂S参数吗? 图文解说S参数(基础篇) 请继续往下看...台湾…...

Sentinel源码阅读
基础介绍 Sentinel 的使用可以分为两个部分: 核心库(Java 客户端):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持(见 主流框架适配&…...

2023年浙江食品安全管理员考试真题题库及答案
百分百题库提供食品安全管理员考试试题、食品安全管理员考试预测题、食品安全管理员考试真题、食品安全管理员证考试题库等,提供在线做题刷题,在线模拟考试,助你考试轻松过关。 一、判断题 7.(重点)《餐饮服务食品安全…...

Webstorm 代码没有提示,uniapp 标签报错
问题 项目是用脚手架创建的: vue create -p dcloudio/uni-preset-vue my-project 打开之后,添加view标签警告报错的。代码也没有提示,按官方说法:CLI 工程默认带了 uni-app 语法提示和 5App 语法提示。 但是我这里就是有问题。…...

MySQL-Innodb引擎事务原理
文章目录1.事务介绍2 事务特性3. 事务的实现原理4 redo log 保证持久性5 undo log 保证原子性6 MVCC 概念6.1 隐藏字段6.2 版本链6.3 ReadView6.3.1readview 版本控制规则7 隔离性 实现7.2 隔离性- REPEATABLE READ 可重复读下8 一致性1.事务介绍 事务是一组操作的集合…...

Linux操作系统学习(了解环境变量)
文章目录环境变量初识除了上述介绍的PATH,还有一些常见的环境变量如:查看环境变量方法 :环境变量的基本概念:本地变量:环境变量初识 环境变量解释起来比较抽象,先看示例: #include <stdio.…...

数据分析思维(六)|循环/闭环思维
循环/闭环思维 1、概念 在很多的分析场景下,我们需要按照一套流程反复分析,而不是进行一次性的分析,也就是说这套流程的结果会成为该流程的新一次输入,从而形成一个闭环,此时的分析思维我们称之为循环/闭环思维。 常…...

C++:类和对象(下)
文章目录1 再谈构造函数1.1 构造函数体赋值1.2 初始化列表1.3 explicit关键字2 static成员2.1 概念2.2 特性3 友元3.1 友元函数(流插入(<<)及流提取(>>)运算符重载)3.2 友元类4 内部类5 匿名对…...
ASP.NET Core MVC 项目 AOP之IResultFilter和IAsyncResultFilter
目录 一:说明 二:IActionFilter同步 三:IAsyncActionFilter异步 一:说明 IResultFilter同步过滤器与IAsyncResultFilter异步过滤器常常被用作于渲染视图或处理结果。 IResultFilter同步过滤器执行顺序: 1:执行控制器中的构造函数,实例化控制器 2:执行具体的Acti…...

jstack排查cpu占用高[复习]
这样就可以看到占用CPU高的代码位置。 总结:就是先查到占用高的应用和具体的线程,然后根据线程到堆积信息查找即可。 不过堆栈信息非十进制,需提前把线程号转为十六进制。 这样就可以看到占用CPU高的代码位置。 总结:就是先查到…...

网络安全-Pyhton环境搭建
网络安全-Pyhton环境搭建 https://www.kali.org/get-kali/#kali-installer-images—kali官网下载地址 python这个东东呢 是目前来说最简单,方便的开源的脚本语言 广泛用于Web开发,AI,网站开发等领域 python要装2和3 为什么要安装两个版本…...

SpringBoot Mybatis 分页实战
pageInfo的属性 pageNum:当前页 pageSize:页面数据量 startRow:当前页首条数据为总数据的第几条 endRow:当前页最后一条数据为总数据的第几条 total:总数据量 pages:总页面数 listPage{}结果集 reasonable …...

计算机断层扫描结肠镜和全自动骨密度仪在一次检查中的可行性
计算机断层扫描结肠镜和全自动骨密度仪在一次检查中的可行性 Feasibility of Simultaneous Computed Tomographic Colonography and Fully Automated Bone Mineral Densitometry in a Single Examination 简单总结: 数据:患者的结肠镜检查和腹部CT检查…...

Java多级缓存是为了解决什么的?
前言 提到缓存,想必每一位软件工程师都不陌生,它是目前架构设计中提高性能最直接的方式。 缓存技术存在于应用场景的方方面面。从网站提高性能的角度分析,缓存可以放在浏览器,可以放在反向代理服务器,还可以放…...

MongoDB--》索引的了解及具体操作
目录 索引—index 索引的类型 索引的管理操作 索引的使用 索引—index 使用索引的原因:索引支持在MongoDB中高效地执行查询。如果没有索引,MongoDB必须执行全集合扫描,即扫描集合中的每个文档,以选择与查询语句匹配的文档。这…...

Python open()函数详解:打开指定文件
在 Python 中,如果想要操作文件,首先需要创建或者打开指定的文件,并创建一个文件对象,而这些工作可以通过内置的 open() 函数实现。open() 函数用于创建或打开指定文件,该函数的常用语法格式如下:file ope…...

CentOS Stream 9尝鲜安装教程
作者:IT圈黎俊杰 一、下载CentOS Stream 9安装介质 在CentOS官网可以下载到CentOS Stream 9的安装介质,正面列出ISO介质的下载链接地址: https://download.cf.centos.org/9-stream/BaseOS/x86_64/iso/CentOS-Stream-9-20221019.0-x86_64-dv…...

Ambire AdEx 2023 年路线图
Ambire AdEx 是为简化 web3 显示广告而建立的,领先于时代。到 2023 年,它将专注于服务用户需求,同时保持其作为区块链隐私解决方案的核心,反对传统的数字广告模式。 回顾 2022 年 2022 年,AdEx 网络处理了超过 1 亿次展…...

两种特征提取方法与深度学习方法对比的小型金属物体分类分析研究
本文讨论了用于对包括螺丝、螺母、钥匙和硬币在内的小型金属物体进行分类的两种特征提取方法的效率:定向梯度直方图 (HOG) 和局部二进制模式 (LBP)。首先提取标记图像的所需特征并以特征矩阵的形式保存。使用三种不同的分类方法(非参数 K 最近邻算法、支…...

传奇私服搭建网站的几种方法
搭建网站的几种方法:一些人,连简单的搭建网站都不会,还要请技术帮忙,真是牛B,这里简单介绍下几种办法一:2003系统下,直接使用IIS,这个太简单了,桌面上就有IIS,…...
KubeSphere 容器平台高可用:环境搭建与可视化操作指南
Linux_k8s篇 欢迎来到Linux的世界,看笔记好好学多敲多打,每个人都是大神! 题目:KubeSphere 容器平台高可用:环境搭建与可视化操作指南 版本号: 1.0,0 作者: 老王要学习 日期: 2025.06.05 适用环境: Ubuntu22 文档说…...
RestClient
什么是RestClient RestClient 是 Elasticsearch 官方提供的 Java 低级 REST 客户端,它允许HTTP与Elasticsearch 集群通信,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ÿ…...

VB.net复制Ntag213卡写入UID
本示例使用的发卡器:https://item.taobao.com/item.htm?ftt&id615391857885 一、读取旧Ntag卡的UID和数据 Private Sub Button15_Click(sender As Object, e As EventArgs) Handles Button15.Click轻松读卡技术支持:网站:Dim i, j As IntegerDim cardidhex, …...

376. Wiggle Subsequence
376. Wiggle Subsequence 代码 class Solution { public:int wiggleMaxLength(vector<int>& nums) {int n nums.size();int res 1;int prediff 0;int curdiff 0;for(int i 0;i < n-1;i){curdiff nums[i1] - nums[i];if( (prediff > 0 && curdif…...

基于当前项目通过npm包形式暴露公共组件
1.package.sjon文件配置 其中xh-flowable就是暴露出去的npm包名 2.创建tpyes文件夹,并新增内容 3.创建package文件夹...
Qwen3-Embedding-0.6B深度解析:多语言语义检索的轻量级利器
第一章 引言:语义表示的新时代挑战与Qwen3的破局之路 1.1 文本嵌入的核心价值与技术演进 在人工智能领域,文本嵌入技术如同连接自然语言与机器理解的“神经突触”——它将人类语言转化为计算机可计算的语义向量,支撑着搜索引擎、推荐系统、…...

自然语言处理——Transformer
自然语言处理——Transformer 自注意力机制多头注意力机制Transformer 虽然循环神经网络可以对具有序列特性的数据非常有效,它能挖掘数据中的时序信息以及语义信息,但是它有一个很大的缺陷——很难并行化。 我们可以考虑用CNN来替代RNN,但是…...

微软PowerBI考试 PL300-在 Power BI 中清理、转换和加载数据
微软PowerBI考试 PL300-在 Power BI 中清理、转换和加载数据 Power Query 具有大量专门帮助您清理和准备数据以供分析的功能。 您将了解如何简化复杂模型、更改数据类型、重命名对象和透视数据。 您还将了解如何分析列,以便知晓哪些列包含有价值的数据,…...

GitFlow 工作模式(详解)
今天再学项目的过程中遇到使用gitflow模式管理代码,因此进行学习并且发布关于gitflow的一些思考 Git与GitFlow模式 我们在写代码的时候通常会进行网上保存,无论是github还是gittee,都是一种基于git去保存代码的形式,这样保存代码…...
CSS | transition 和 transform的用处和区别
省流总结: transform用于变换/变形,transition是动画控制器 transform 用来对元素进行变形,常见的操作如下,它是立即生效的样式变形属性。 旋转 rotate(角度deg)、平移 translateX(像素px)、缩放 scale(倍数)、倾斜 skewX(角度…...