论文阅读4——一种宽频带圆极化微带天线的设计

1.研究背景

主要应用场景还是卫星通信,本文主要设计一个可以覆盖多个频段的通信天线。

通信频段不断扩充什么意思:

  1. 新增频段,例如早期用C波段(4-8GHz),后来扩展到Ku波段(12-18GHz)甚至有更高频段要求(V、Q甚至太赫兹波段)
  2. 频段中可用的更宽带宽:原有的频段内的可用带宽也在增加,意味着相同的频段内可以传输更过数据,提高通信能力。
  3. 适用不同应用场景:低轨卫星(Ka/Q/V波段)而传统地球同步轨道卫星采用C/Ku波段,要更灵活适用不同应用。

2.摘要

主要创新点就是拓宽了带宽,使天线可以在更宽的频率范围内保持良好特性------驻波比小于1.8;120°的波束宽度内增益大于-1dB(功率减小到约79%)
扩展带宽的方式与之前123均不相同(之前是采用贴片或者是构成微带介质天线),本文采用多层介质耦合+匹配枝节加载的方法来扩展带宽

  1. 对于多层介质耦合知道它的作用但是不太明白耦合方式
  2. 有多种耦合方式:①电场耦合:可以形成多个谐振模式,使多个谐振频率合成为一个宽频带;同时可以优化阻抗匹配 ②磁场耦合:影响共振模式的分布,使多个模态可以在更宽的频率范围内共存,增加带宽;适当调整贴片间距或馈电位置,可以优化耦合程度,改善阻抗匹配,并增强圆极化性能 ③辐射耦合:由于耦合层引入额外的辐射模式,使得天线可在多个模式下工作可以扩展带宽;通过优化耦合缝隙的位置和尺寸,可以调整能量传输的效率,进一步提升带宽特性
  3. 匹配枝节加载:通过附加的无源结构(如:枝节、寄生贴片、短截线等)来改善天线性能的方法 作用①可以提供额外的谐振模式,形成多个谐振点,可以在一定频率范围内合并 ②改善阻抗匹配,枝节的电感电容特性可用于补偿天线的输入阻抗,使天线在更宽频率范围内保持良好的匹配,从而提升带宽。

3.引言

微带天线具有体积小、剖面低、易于实现圆极化的特点。为什么易于实现圆极化?

  1. 天然支持正交模式,只要这两个模式的幅度相等且相位相差90°,就可以产生圆极化波

  2. 易于设计不同的馈电方式来实现圆极化:单点偏移馈电,只要将馈电点稍微偏移中心,就能同时激发两个正交模式并形成90°的相位差;双馈电;

  3. 易于引入扰动:(切角、圆形缺口、缺槽结构),这种方法可以破坏贴片的对称性从而激发双模

  4. 易于实现宽带圆极化:加载耦合结构、叠层贴片

  5. 易于集成和制造
    微带天线实现圆极化的方式:

  6. 馈点:单馈点,偏移中心;多馈点(多为双)(多馈点技术主要通过加载馈电网络对天线的辐射贴片进行多点馈电,以激励天线形成圆极化辐射),引入两个相互正交等幅相位相差90°的信号

  7. 引入扰动:切角、缺口、沟槽

4.天线结构

宽频带圆极化:多介质耦合+匹配枝节加载+Wilkinson馈电网络(三端:一入两出);前两个实现扩展带宽,后一个实现微带天线的圆极化。

具体实现方式

三层介质板,介质板厚度分别为1mm、1.5mm、0.8mm。上层与中层为主要辐射结构(层间用空气间隔);中层介质板的馈电点位置加载匹配枝节;底层介质板印制馈电网络(两个输出位置正交,输出端通过金属化国控与中层介质板的馈电点相连。)

优化方式

通过调节中层介质板的匹配枝节的长度可以有效的拓展天线宽度

5.仿真

主要参数:

  1. 驻波比:在中心频率F0左右600MHz频率范围内VSWR小于1.8(论文中未指明中心频率具体是多少,且多个参数均未设计具体频率范围是多少)
  2. 增益:在600MHz带宽内,增益大于-1dbi
  3. 轴比:小于6
  4. 方向图:低频处与高频处分别的主极化和交叉极化,结果在120°波束宽度内增益大于-1dbi

6.与前三篇文献对比总结

宽波束圆极化的两个指标:宽波束(微带贴片天线缩小天线尺寸)代表半功率点处的角度范围;圆极化衡量指标轴比(优化轴比就是优化圆极化,常见方式有馈电和引入扰动)

常见改善波束宽度方法统归为两种:一改变自身结构;二引入外在结构

论文1:宽波束(双螺旋天线)+圆极化(同轴裂缝巴伦形式)

论文2:宽波束圆极化(微带天线阵列:双层介质板+贴片天线+馈电网络(4端口))

论文3:宽波束圆极化(加载类螺钉形单极子阵和圆弧形金属带条的微带天线+开槽+双点馈电)(在3中开槽是减小天线尺寸扩展波束宽度的,而圆极化也可以采用开槽的方式,虽然都是开槽但原理不同)

相关推荐
Jackilina_Stone5 小时前
【论文阅读笔记】浅谈深度学习中的知识蒸馏 | 关系知识蒸馏 | CVPR 2019 | RKD
论文阅读·深度学习·蒸馏·rkd
HollowKnightZ8 小时前
论文阅读笔记:Gated CRF Loss for Weakly Supervised Semantic Image Segmentation
论文阅读·笔记
regret~9 小时前
【论文笔记】Mamba: Linear-time sequence modeling with selective state spaces
论文阅读
Jackilina_Stone9 小时前
【论文阅读笔记】知识蒸馏:一项调查 | CVPR 2021 | 近万字翻译+解释
论文阅读·人工智能·深度学习·蒸馏
Zhouqi_Hua15 小时前
LLM论文笔记 15: Transformers Can Achieve Length Generalization But Not Robustly
论文阅读·笔记·深度学习·语言模型·自然语言处理
X.Cristiano17 小时前
月之暗面-KIMI-发布最新架构MoBA
论文阅读·moba·kimi·月之暗面
Zhouqi_Hua1 天前
LLM论文笔记 12: Teaching Arithmetic to Small Transformers
论文阅读·人工智能·深度学习·神经网络·语言模型
诸葛思颖1 天前
阅读论文笔记《Translating Embeddings for Modeling Multi-relational Data》
论文阅读
远瞻。2 天前
[论文阅读] SeeSR: Towards Semantics-Aware Real-World Image Super-Resolution
论文阅读·人工智能·计算机视觉