- •. Измерительные задачи при определении моделей радиокомпонентов.
- •1.1. Структура элементной базы радиоэлектронных схем
- •1.2.1. Общие положения
- •1.2.2. Классификация моделей рк
- •1.2.3. Основные требования к моделям
- •1.2.4. Макромодели пассивных радиокомпонентов
- •1.2.5. Встроенные макромодели транзисторов
- •1.2.6. Макромодели, определяемые пользователем.
- •1.2.7. Макромодели операционных усилителей.
- •1.2.8. Факторные статистические модели многополюсных рк
- •1.3. Измерительные задачи
- •2. Алгоритмические методы измерения динамических параметров макромоделей многополюсных радиокомпонентов
- •2.1 Общие положения
- •2.2. Матрицы проводимости и сопротивления
- •2.2.1. Определение y- и z-матриц
- •2.2.2. Определение коэффициентов z и y матриц прямым способом.
- •2.3 Гибридные матрицы четырёхполюсника
- •2.4. Эквивалентная схема компонента.
- •2.5. Матрицы рассеяния
- •2.5.1. Определение s-матриц в свч диапазоне.
- •2.5.2. Измерение матриц рассеяния в схемах с конечными активными нагрузками.
- •2.4.3. Условия исключения систематических погрешностей при измерении s -матриц многополюсников в волноводных трактах.
- •2.6. Измерение y-параметров многополюсника с учетом паразитных параметров измерительных цепей.
- •2.6.1 Паразитные параметры в измерительных схемах с конечными нагрузками.
- •2.6.2. Определение y-матриц с учетом искажений
- •2.6.3 Идентификация падающих волн в измерительных схемах с паразитными параметрами
- •2.6.4 Следствие операции нормирования y- матрицы.
- •2.5.6 Способ полного исключения влияния входной цепи измерительного прибора на результаты измерений.
- •2.7. Калибровка измерительных цепей
- •2.7.1. Измерение динамических параметров двухполюсных элементов
- •2.7.2. Определение динамических параметров образцовых мер
- •2.7.3. Аттестация паразитных параметров контактно-соединительных
- •2.7.4. Корректировка -матриц по данным аттестации контактно-соединительных цепей.
- •2.8. Измерения в переменном базисе полюсных нагрузок
- •394026, Воронеж, Московский просп., 14.
1.2.8. Факторные статистические модели многополюсных рк
Многополюсные РК, на основе факторной статистической модели рис.1.23 содержат динамические параметры (ДП), или параметры переменного тока и статические параметры (СП), или параметры постоянного тока, вероятностные характеристики параметров (ВП), или статистических характеристики ДП и СП, параметры надежности (ПН).
Каждая из групп указанных параметров определена в конкретном факторном пространстве (ФП), определенном вектором факторов Х, а каждый из факторов имеет границы согласно ТУ или реальными условиями применения.
Состав вектора Х зависит от типа РК, аттестуемых параметров и границ факторного пространства (ГФП.).
ПН или регламентируют ГФП, или представляют собой функции ГПФ.
ДП многополюсника определяет множество n его входов по переменному току, а СП – множество m его входов по постоянному току. В общем случае СП выражают ВАХ многополюсника.
Динамические параметры удобно представить его Y матрицей
Y=[Yij(X)], (1.40)
где ; ; X - вектор факторов.
СП могут быть выражены в виде Ι вектора факторных зависимостей полюсных токов по множеству m входов
, (1.41)
где .
Так, в случае транзистора факторное пространство определяют параметры рабочей точки: ток коллектора и напряжение коллектора , частота ƒ и температура Τ˚. При описании ВАХ частота из векторного пространства исключается.
Рис. 1.23 Структура факторной статистической модели многополюсного РК
При моделировании операционного усилителя естественными компонентами вектора X являются частота ƒ, напряжения источников и , постоянная составляющая напряжения и температура.
Статистические зависимости параметров модели выражаются посредством факторных зависимостей стандартных отклонений динамических параметров, объединенных в матрицу
, (1.42)
вектор факторных зависимостей стандартных отклонений статических параметров
(1.43)
и соответствующие матрица и вектор факторных уравнений автокорреляционных функций (АКФ)
, (1.44)
, (1.45)
Учет взаимнокорреляционных связей параметров модели можно осуществить, сгруппировав сильно коррелированные между собой параметры в группы (плеяды) [16]. Информацию о таких связях можно выразить в виде упорядоченного массива
, (1.46)
где -массив кортежей параметров, объединенных в плеяды;
- массив независимых параметров.
Общее число элементов массива равно числу вещественных параметров, используемых для описания модели.
Каждый из вещественных параметров уравнений (1.40) и (1.41) представляется в виде уравнения, отвечающего полиноминальной факторной модели первого рода
(1.47)
или мультипликативной факторной модели второго рода
, (1.48)
где K1, K2 – постоянные факторного уравнения (ПФУ) первого и второго рода соответственно;
; -количество вещественных параметров.
- элементарная факторная функция параметра i по фактору j;
m – индекс типа ЭФФ.
Тип структуры факторного уравнения (1.47) или (1.48) определяется в процессе обработки данных эксперимента. Структура ЭФФ определяется с учетом табличных значений этой функции, полученных экспериментально и статической оценки значимостей уровней функции по Стьюденту [37].
Факторные уравнения стандартных отклонений (1.44) и (1.45) выражаются в виде
(1.49)
при использовании модели первого рода или
(1.50)
при использовании модели второго рода.
Так как погрешности определения стандартных отклонений параметров являются ошибками второго порядка по отношению к математическим ожиданиям параметров, то на данном этапе развития модели принято, что при условиях статистической значимости дисперсий табличных значений функции , аппроксимация факторных уравнений осуществляется прямой (m=1). Расчет коэффициентов уравнений (1.47-1.48) и их математической формы производится при обработке экспериментальных данных на ЭВМ.
АКФ, соответствующие каждой из функций , рассчитываются по формуле:
, (1.51)
где - минимальное значение фактора в области его определения при решении конкретной задачи;
- коэффициент наклона АКФ.
Используя ФСМ, можно сформировать любую из рассмотренных выше моделей РК. Успешное решение этой задачи зависит в первую очередь от выбора факторного пространства, то есть области определения каждого из факторов. Важным условием является также применение достаточно эффективных с точки зрения получения статистической информации методов измерения статических и динамических параметров РК.