当前位置: 首页 > news >正文

基于HFSS软件的滤波器设计

  • 滤波器概述

1.滤波器分类

微波滤波器有很多种类型,按照传输线模式来分,可以分为介质滤波器、同轴滤波器、共面波导滤波器、微带线滤波器等;按照传递函数可分为巴特沃兹、切比雪夫、贝塞尔、椭圆和高斯等;按照元件类型可分为无源、有源、集总参数、分布参数、晶体滤波器等。

除了上述几种分类方法之外,滤波器最常见的分类方法是按照频响分类,有低通、高通、带通和带阻四种基本的类型。如下图所示,每一种类型都可以由其对应的低通原型通过频率变换得到。

图1 按照频率响应分类的滤波器

  1. 滤波器仿真

1.设计指标与原理

本文设计了一款五阶发夹型微带带通滤波器,并对其参数进行优化。滤波器工作在X波段的中心频率为 10GHz;通带绝对带宽大于 1GHz;带内最大衰减0.5dB,起伏小于1dB,S11<-20dB,端口采用50欧姆匹配。

  与其他微波滤波器形式相比,发夹滤波器更为常见,它是在半波长谐振器的基础上引申变形得到,其结构更加紧凑,小型化是其特点之一。变形的方法也比较简单,即将半波长谐振器的臂折叠,构成一个U字形,这样会出现两个臂,且臂与臂之间的间距与弯折程度有关,但是两臂之长加上间距的总长度依然约等于二分之一波长。这样弯折后,原本在一个方向上 的二分之一谐振器长度就可以缩短接近一半,所以滤波器的整体面积得到了减小。而且这种 结构不需要过孔接地,便于加工。

图2 平行耦合线

  发夹型带通滤波器是在平行耦合滤波器的基础上弯折得到,因此平行耦合带通滤波器的研究方法对普通发夹滤波器同样适用。发夹型滤波器的馈电方式主要有两种:(1)平行耦合馈电方式;(2)抽头式馈电方式。平行耦合馈电方式使用较少,一般日常设计中使用抽头馈电,优点是抽头可以很好的控制尺寸,并且抽头馈电在实测时也优于平行耦合馈电。

  微波滤波器的性能一般由以下参数确定:发夹谐振器的臂长L ,微带线宽度W及谐振器 中间的间距S和抽头离谐振器的距离t 。其中谐振器臂长为四分之一波导波长。波导波长由介质版的介电常数决定。

图3 抽头式馈电发夹谐振器单元及其等效网络原理图

图4 所设计的滤波器给构图

初始尺寸如下(单位mm)

表1 滤波器初始尺寸

W

W1

L

L1

L2

0.5

0.8

4.3

4.2

3

S1

S2

B

t

0.25

0.35

1.15

0.4

2.建模优化

选择厚度为0.4mm,介电常数为3.55,损耗0.002的板材,在HFSS软件中建立如下:

图 5 滤波器在HFSS中的模型

图6 优化前滤波器的S参数情况

  上图给出了优化前的S参数,图中给出了S11,S21,S12,S22由于结构的对称性,可以看出S22与S11是重合的,同样S12与S21也是重合的,但是观察S11,在通带内希望95-10.5GHz的S11要小于-20dB,显然没有满足,下面将进行关键参数的扫描优化,确定优化方向,最终得到符合要求的性能指标。

图7不同T情况下的S11

图8 不同T下的S21

图 9 不同S1情况下的S11

图10 不同S1情况下的S21

图11不同S2情况下的S11

图12 不同S2情况下的S21

上面6图给出了变量参数T,S1和S2不同值情况下的S11和S21图,可以看出,抽头不同的位置T对反射系数影响较为剧烈,但是对传输情况就不太明显,同样耦合缝隙S1与S2对反射系数影响较为剧烈,但是对S21的影响就较为有限。经过过上面的扫描,可以发现多个参数都会影响滤波器的性能,下面就用HFSS的优化功能,设置目标函数,进行自动优化。

图13 优化目标设置

图14 优化过程收敛情况

图15 最终优化结果的S参数

上图给出了优化目标函数的设置,设置在9.5GHz到10.5GHz范围内S11小-25dB,经过漫长的运算,最终结果达到了在9.4GHz-10.42GHz范围内S11小于-20dB,S21大于-0.5dB,并且在频带内S21的波动小于1dB。

最终尺寸如下(单位mm):

表2 滤波器最终尺寸

W

W1

L

L1

L2

0.5

0.88

4.29

4.21

3.09

S1

S2

B

t

0.24

0.35

1.2

0.36

三.总结

本次实验设计了工作在X波段的滤波器,实现了S11在9.4-10.42GHz范围内小于-20dB,绝对带宽大于1GHz,S21在通带内幅度平坦,幅度小于1dB,损耗小于0.5dB,带外抑制大于20dB,并且给出了设计理论以及优化过程。

最后,有相关需求,欢迎通过公众号“320科技工作室”与我们联络。


http://www.mrgr.cn/news/72351.html

相关文章:

  • R语言机器学习与临床预测模型77--机器学习预测常用R语言包
  • node.js安装和配置教程
  • go get 和go install 的区别
  • HTMLCSS: 日落卡片
  • go语言中的log 包详解
  • 掌握核密度图:精准描绘不同年龄段的血糖分布
  • 货拉拉四次冲刺业绩向好:净变现率下滑,司机大量投诉及权益保护仍亟待完善
  • spring-gateway网关聚合swagger实现多个服务接口切换
  • 【学习】【HTML】HTML、XML、XHTML
  • 运行springBlade项目历程
  • 论云游戏的性能与性价比,ToDesk、青椒云、顺网云游戏等具体实操看这篇就够了
  • 上海亚商投顾:沪指放量调整 全市场近3800只个股下跌
  • 关于我、重生到500年前凭借C语言改变世界科技vlog.18——内存函数
  • Rocky linux8 安装php8.0
  • CesiumJS 案例 P27:创建椭圆、创建带边框的椭圆、创建圆、创建带边框的圆、创建椭圆环、创建圆环
  • WPF 中的视觉层和逻辑层有什么区别?
  • frp搭建内网穿透
  • PMC部门如何精准把控生产计划和生产进度?关键要点全解析
  • 【miniMax开放平台-注册安全分析报告-无验证方式导致安全隐患】
  • day31-二叉树的最大深度
  • Git服务部署教程
  • Linux中扫描网络的“nmap”工具使用方法
  • Conda安装软件错误(Pycharm)
  • 【更新中】《硬件架构的艺术》笔记(二):时钟与复位
  • 使用Flask部署自己的pytorch模型(猫品种分类模型)
  • 举例说明自然语言处理(NLP)技术。