程序员经验分享-hwhale

嘉立创打样的阻抗匹配

2023-05-16

一、适用条件

  1. 最好使用4层板以上，2层做匹配没啥意义，套用大佬的话
    “主要是中间层和表层的距离近，表层和中间层的玻璃纤维厚度是0.2mm，双层板最少是0.6mm，这里的差距很大，如果是1.6mm的双层板，计算值更大”
    这里体现在参数上的，就是 “H1”的值了，H1越小，做50欧匹配的时候，线径就可以越小

二、参考和工具

  1. https://blog.csdn.net/madheart/article/details/107356469
  2. 嘉立创的阻抗技术分享：http://club.szlcsc.com/article/details_11666_1.html
  3. Polar_Si9000下载链接：http://drv.down.yifeifan233.cn:9080/www.drv5.cn/Polar_SI9000.rar
  4. 经典2.4G天线结构 ：https://zhuanlan.zhihu.com/p/343055632
  5. 原子论坛工具：http://www.openedv.com/thread-11563-1-1.html

三、具体步骤

  1. 打开嘉立创的神器 http://www.sz-jlc.com/weixin/calculation/impedance.html

  2. 输入需要匹配的阻抗值，层数和厚度和线间距（基本上4层以上，板厚对参数就不会有什么影响了）

  3. 注意一下，我们平时用的板载天线，很多那种倒L，蛇形的，有接地端的，都是使用单端阻抗来算，最好是使用带铺地的模型来算，其实差距并不大，当铺地间距比较大的时候
    在这里插入图片描述

  4. 打开Shortcut to Si9000，选择对应的模型，我这里的是表层单端带铺地（和单端差距不大），将立创网页上的参数，逐一填进去注意一下，立创上面显示的，是JLC2313层叠结构的参数，基本上上 就是H1和Er1的区别
    这个是软件的单端模型，算出来是W1=5.779,和立创经过是一样
    在这里插入图片描述

在这里插入图片描述
5. 也可以使用另外一个模型，表层带铺地的，铺地线距是0.3mm，这里计算出来的W1=6.2956，目前我采用这一个参数去做了PCB
在这里插入图片描述

四、结果验证

打样后测试，基本符合50欧
在这里插入图片描述

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

嘉立创打样的阻抗匹配 的相关文章

  • 我的2014作的一手好死，2015求轻虐

    真的好想上来开头就写 新的一年 xff0c 全新的自己 xff0c 但是这样自欺欺人的话我还是别说了 xff0c 省得一大批损友又来吐嘈我 2015年希望找到自己的另一半这样的话我也不想再提了 xff0c 因为这样写了两年 依旧单身 xff

  • iOS系统及微信中不支持audio自动播放问题

    span class hljs tag lt span class hljs title script span span class hljs attribute src span 61 span class hljs value 34

  • 模拟复选框

    span class hljs doctype lt DOCTYPE html gt span span class hljs tag lt span class hljs title html span gt span span clas

  • 验证码刷新

    lt label span class hljs keyword class span 61 span class hljs string 34 focusa 34 span gt 看不清 xff1f lt a href 61 span c

  • 如何从数据库调出数据显示到页面PHP+Mysql+Html（简单实例）

    首先显示一下数据库的数据 页面信息 lt DOCTYPE html PUBLIC 34 W3C DTD XHTML 1 0 Transitional EN 34 34 http www w3 org TR xhtml1 DTD xhtml1

  • PHP+MYSQL+HTML 学生成绩查询

    首先创建一个数据库名为 xscj xff0c 表信息如下 xff1a 页面信息为 xff1a lt DOCTYPE html PUBLIC 34 W3C DTD XHTML 1 0 Transitional EN 34 34 http ww

  • php试题与答案（一）

    1 xff0e mysql connect 与 64 mysql connect 的区别是 B A 64 mysql connect 不会忽略错误 将错误显示到客户端 B mysql connect 不会忽略错误 将错误显示到客户端 C 没

  • php试题与答案（二）

    37 xff0e 在str replace 1 2 3 函数中1 2 3 所代表的名称是 B A 34 取代字符串 xff02 xff0c xff02 被取代字符串 xff02 xff0c xff02 来源字符串 xff02 B xff02

  • PHP实现上一页下一页翻页代码实例

    lt php 1 xff0c 将数据库的所有记录查询出来 xff0c 然后再一页一页的显示 link 61 mysql connect 39 localhost 39 39 root 39 39 123 39 mysql select db

  • 论文笔记：Dual-Level Collaborative Transformer for Image Captioning

    前言 论文详情可以参照这篇 xff0c 写得很好 本小白这篇内容主要是对论文中的一些思想和图以及部分公式进行自己的解读 如有错误 xff0c 请多多谅解 论文思想 首先 xff0c 根据论文第一作者在知乎所说 xff08 搜这篇论文名称可以

  • win10环境下基于OpenVINO部署yolov5模型

    以在Intel的OpenVINO上部署Yolov5模型为例 xff0c 加深对模型部署的理解 1 训练准备 获取yolov5模型及数据集 git clone git github com ultralytics yolov5 pt模型 co

  • docker常用命令集锦

    登录服务器 ssh v 64 192 sudo权限 su 查看docker版本 docker version 查看内核版本 uname a 启动docker docker ps a docker start container名 docke

  • git详细使用

    git搭建 amp 更新远程仓库 配置用户 span class token function git span config global user name span class token string 34 John Doe 34

  • Mindspore安装

    本文用于记录搭建昇思MindSpore开发及使用环境的过程 xff0c 并通过MindSpore的API快速实现了一个简单的深度学习模型 什么是MindSpore 昇思MindSpore是一个全场景深度学习框架 xff0c 旨在实现易开发

  • 机械臂的运动控制

    前言 xff1a 近年来 xff0c 随着服务机器人的兴起 xff0c 机械臂也正走进我们的日常生活 xff0c 近年来出现了一些低成本的 小型的 桌面版 的机械臂的产品 xff0c 相信这将是服务机器人的一个重要方向 xff01 机械臂由

  • Gazebo仿真

    在ROS中有3个可以模拟机器人的模拟器软件 xff1a Gazebo Stage ArbotiX 就是RVIz 你可以任选一个 xff1a Gazebo是一个仿真环境 xff08 平台 xff09 xff0c 可以进行三维机器人动力学仿真等

  • [小插曲]VC学习——基于MFC的模拟时钟程序

    一 程序窗口设计步骤 xff08 1 xff09 用AppWizard生成一个名为Clock的单文档 xff08 SDI xff09 程序框架 为了简化应用程序 xff0c 在第四步时去掉Docking toolbar和Initial st

  • gazebo官网例程

    首先官网下载代码https github com ros simulation gazebo ros demos 1 创建编译工作空间 cd catkin ws src git clone https github com ros simu

  • ROS action

    Actionlib是ROS非常重要的库 xff0c 像执行各种运动的动作 xff0c 例如控制手臂去抓取一个杯子 xff0c 这个过程可能复杂而漫长 xff0c 执行过程中还可能强制中断或反馈信息 xff0c 这时Actionlib就能大展

  • opencv3 特征检测与匹配及寻找目标

    1 算法 xff1a surf特征提取算法 SURF算法是著名的尺度不变特征检测器SIFT Scale Invariant Features Transform 的高效变种 xff0c 它为每个检测到的特征定义了位置和尺度 xff0c 其中

随机推荐

热门标签