新闻详情

新闻详情

首页 / 资讯中心 / 详情

归一化LC低通滤波器设计与Ltspice仿真(1)--定K型和m推演型

发布时间:2026/11/21 23:44:49来源:尧图网络
归一化LC低通滤波器设计与Ltspice仿真(1)--定K型和m推演型
一. 本节简介定K型和m推演型为滤波器设计的古典设计法,目前已经很少使用,本节主要介绍基础概念和设计思路以及对应的仿真二. 实验平台1. 硬件① 电脑2. 软件① Ltspice(Version x64:26.0.2)三. 版权声明1. 作者:LLLor2. 喝水不忘挖井人,转载请注明出处四. 基础知识1. LC低通滤波器由电感L,和电容C组成的滤波器,允许低于设定的频率通过,高于则滤除2. 截止频率(,简写为)衰减程度达到 -3dB (70.7%) 时的频率称为截止频率。3. 群延迟(Group deley)①定义为滤波器的相位响应的负一阶导数,如果滤波器的复频率响应为 H()则群延迟为其中 θ(ω) 是H() 的相位或参量②群延迟平缓恒定意味着系统对所有频率成分的信号延迟了相同的时间。不同频率的信号分量同时到达输出端因此波形不会发生失真只是整体平移了。4. 归一化①让基准截止频率1/(2π)Hz(即角频率2πf1 rad/s)② 基准特征阻抗1Ω③ 目的:只改变频率成分,不改变信号尺度五. 归一化定K型LPF设计1. 概述① 本质利用影像参数法:其中,根据归一化的原则,② 一个基本节(π节/T节)等于L2H,C2F (L,C为一个基本节的总串联臂电感和总并联臂电容)③ 同理二阶就是半个基本节,四阶就是1.5个基本节....2. 计算步骤① 频率变换:② 阻抗变换③频率变换的和可以通过下图设计数据得出,阻抗变换的和通过频率变换后的和得出2. 仿真(以截止频率10Mhz,阻抗特征Z50Ω,5阶定K型LPF为例)初始状态​​​​​​①频率变换:MHz÷() ≈ 62,853,551.23L1 L3 1/62,853,551.23 1.59 × ()L2 2/62,853,551.23 3.18 × ()C1 C2 2/62,853,551.23 3.18 × ()仿真可得:时域:时域可以看到输出波形确实将高频(100Mhz)滤除看看频域可以看到10Mhz时,衰减-7.1db,现代设计法的滤波器不会出现这种问题,所以不推荐用古典设计法的滤波器② 特征阻抗变换K50L1 L3 1.59 × (10−8) * 50 7.95 × ()L2 3.18 × (10−8) * 50 1.59×()C1 C2 3.18 × (10−8) / 50 6.36 × ()③ 仿真六. 归一化m推演型LPF设计1. 概述① 在截止频率外侧增加谐振,让信号在陷波频率制造一个无穷大的衰减点② 一般与定K型组合用③ m参数控制陷波点离截止频率多远,为1时,退化为定K型④ m0.6时,推演 型滤波器与滤波器设计阻抗 即特征阻抗 的匹配性最好,反射损耗最低⑤ 一般在输入端和输出端各加一节2. 计算① 频率变换:② 阻抗变换③频率变换的和可以通过下图设计数据得出,阻抗变换的和通过频率变换后的和得出2. 仿真(以截止频率10Mhz,阻抗特征Z50Ω,5阶定K型LPF,m0.6m推演型为例)① 上一节已经算出10Mhz,Z50Ω的五阶定K型LPF数据,只需要算m推演型滤波器的数值即可:由上图设计数据可得L10,L11,L12,L13,C7,C8的初始数据① 频率变换MMHz÷() ≈ 62,853,551.23L10L120.6/62,853,551.239.546 ×L11L131.067/ 62,853,551.231.6976×C7C80.6/62,853,551.239.546 ×② 阻抗变换K50L10L129.546 ×× 50 4.773×L11L131.6976×× 50 8.488×C7C89.546 ×/ 50 1.9092 ×③ 仿真将采样点增加到1000,采样频域缩小在m0.6,即fc12.5Mhz时,有明显的陷波点,群延迟变化更陡峭3. 思考①为什么群延迟在12.5Mhz前有个鼓包?定K型和M推演型的群延迟相互叠加τ总​(ω)τ定K主体​(ω)τm半节​(ω)τm半节​(ω)参考: LC滤波器设计与制作 ---森荣二 著
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉