当前位置: 首页 > news >正文

手机射频功放测试学习(一)——手机线性功放的主要测试指标

目录

一、创作目的

二、PA的主要参数

三、PA的实测指标

1、SKY77638-51基本信息

2、SKY77638-51在实验室中的主要测试指标

四、本章小结


一、创作目的

作为射频芯片研发测试工程师,笔者发现网络上很多参考资料都是射频芯片的设计和仿真教程,但射频芯片不仅仅需要仿真,更需要在实验室进行测试调试,满足指标和可靠性需求才可以量产。从这篇文章开始,我将和各位看官分析RF PA的各种指标及其实验室测试方法,希望大家看完此系列文章能基本掌握RF PA的实验室测试。尤其是刚入职的小伙伴可能更需要的是看完就能上手进行测试、调试的文章分享,并非枯燥乏味的理论说教。选择RF PA的理由很简单,射频功放被称为射频器件皇冠上的明珠,是射频前端技术难度很高的芯片,学会RF PA的测试和调试,对于低噪声放大器(LNA)和其他射频器件,可以根据指标需求就能搭建相应的测试平台。

二、PA的主要参数

如上,思维导图列出PA的静态、小信号、大信号三大状态,三者在实验室中通常是按顺序验证,先上电看静态电流正常与否,再看小信号S2P是否正常,最后再输入大信号看相应指标与仿真能否对上(通常新设计回来的功放都是需要通过不断调试和测试逼近仿真结果,很少有设计师能保证仿真数据和测试能完美对上的,其中有多重影响因素造成仿真基本上是不能和实测相等的)。静态偏置和小信号状态大多是和仿真可以对上的,大信号状态下只有趋势可以对上,这时测试、调试是必要环节,不仅需要大量时间,更需要在多种指标之间进行取舍。

三、PA的实测指标

1、SKY77638-51基本信息

以SKY77638-51为例,Skyworks SKY77638-51 SkyLiTE™是一款多模多频段(MMMB)功率放大器模块(PAM),支持3G/4G设备,可在CDMA、WCDMA和LTE模式下高效运行。该模块通过移动工业处理器接口(MIPI®)完全可编程。

3G: SKY77638-51支持CDMA、WCDMA、HSDPA (High Speed Downlink Packet Access)、HSUPA (High Speed Uplink Packet Access)和HSPA+ (High-Speed Packet Access)调制。改变输入功率电平提供输出功率控制。VCC使用DCDC转换器进行调整,以最大限度地提高每个功率水平和调制类型的效率。

4G: SKY77638-51支持1.4、3、5、10、15、20、30、35和40MHz信道带宽。与3G操作类似,通过改变输入功率来控制输出功率,并使用DCDC转换器调节VCC,以最大限度地提高每个功率水平的效率。

3G/4G modulation scheme includes:

• WCDMA Voice Release 99

• HSDPA categories

• HSUPA

• HSPA+

• CDMA2000 1xRC1, 1xRC3

• CDMA2000 EVDO

• FDD LTE

• TDD LTE

• Uplink Carrier Aggregation (CA) support for Bands 1, 2/25, and 3 (up to 40 MHz)

2、SKY77638-51在实验室中的主要测试指标

官方给的产品总结手册虽然汇总多个频段和多种工作制式,却没有具体的指标测试数据(当然,小编暂时找不到详细的芯片手册)。不管有多少频段和制式,它作为一颗专用功放芯片,本质上就是PA模块,所有指标都围绕功放的静态、小信号工作区、大信号工作区进行测试。不同的测试指标无外乎就是为了反映功放的线性度非线性失真以及效率设计的。

对于测试工程师而言,这些指标都是提前设置好参数值的,在芯片设计能力能达标的前提下,需要做的就是通过不同的仪器组合测出芯片的DC和射频性能指标。下面导图列出实验室主要测试项:

导图中基本列出PA的各种测试项,其余还有一些未列出的测试项比较小众且基本不会在实验室进行测试。

四、本章小结

本章是手机线性功放的指标简介,后面的文章会逐一介绍各种测试思路和方法。感兴趣的朋友们可以关注留言,大家共同探讨。

相关文章:

  • Cesium距离测量、角度测量、面积测量
  • Redis初识第一期
  • 1.线性表的顺序存储-顺序表
  • VAS5081电动工具专用3-8节串联电池监控芯片奇力科技
  • Javascript 单例模式
  • 【QT】 QGraphicsItem 获取点坐标的几种方法
  • vue3项目移动端实现进度条可手动滑动控制进度和点击控制进度
  • 我的世界进阶模组开发教程——开发机械动力附属模组(2)
  • 使用Python和PyTorch框架,基于RetinaNet模型进行目标检测,包含数据准备、模型训练、评估指标计算和可视化
  • linux 安装 opencv源码4.5.4记录
  • DeepSeek 助力 Vue3 开发:打造丝滑的日历(Calendar),日历_学习计划日历示例(CalendarView01_20)
  • Python图像处理基础(六)
  • (十三)计算机视觉中的深度学习:特征表示、模型架构与视觉认知原理
  • 第29节 Node.js Query Strings
  • ETLCloud中数据脱敏规则的使用技巧
  • Linux中source和bash的区别
  • 深度学习环境搭建(pycharm+yolov5)
  • STM32外设学习之串口
  • asio之socket_ops
  • 【线程与线程池】线程数设置(四)
  • 网站续费/网站建设公司地址在哪
  • 做传销网站的程序员犯法吗/网络营销案例分析ppt
  • wordpress主体首页空/天津seo实战培训
  • 东山网站制作/谷歌seo工具
  • 哪些网站做家政推广/网络营销的优势和劣势
  • 广东网站建设服务/市场调研分析