不會有人告訴你的射頻濾波器設計方法
自從阿爾法狗問世,人工智慧火的不可一世,其實人工智慧研究早在50年前就算開始了,隨著今天硬體的發展才有現在的星火燎原之勢,可以斷定經過三次工業革命(加一次互聯網革命吧),曾經重複繁雜的手工已被機械代替,簡單而應用廣泛的思維工作也漸漸被取代,比如機器人客服、siri等手機助手,再複雜一些的領域如自動駕駛也嶄露頭角,棋類已經徹底被人工智慧攻克,甚至美術、音樂等創作領域也被染指,金融領域已經有機器人操盤手(穩不穩不知道),除了政治這麼高級的場合,人工智慧簡直有解僱全人類的趨勢。人在做事的時候,大腦有清晰的思路,其思路是可以被模仿的,但是思路的具體細節是未知的,比如,我要找一找窗外那棵樹上有幾隻鳥,步驟就是看樹→找鳥→數鳥,簡單的一批,而大腦怎麼識別樹,怎麼識別鳥這些細節是我們不知道的,科學家需要思考的就是這些細節並用代碼模仿出來,找樹上幾隻鳥,先要識別樹再識別樹上的鳥,用一個卷積神經網路(CNN)訓練演算法對樹的認知,再用另一個演算法訓練對鳥的認知,這是演算法裡面的關鍵兩步,讓演算法認識樹和鳥需要大量的樣本訓練,就好像人需要見過樹和鳥纔可以解決這個問題。這種演算法是人模擬出來的,可以使機器做到解決樹上幾隻鳥的問題,但是,大腦是不是運用了同樣的演算法來數鳥呢?這未必,人腦幾百億個神經元怎麼運作簡直就是迷。所以仔細理一理濾波器的設計思路,實現程序自動設計濾波器似乎完全可行,不行,我要失業了。。。
回歸正題,濾波器工程師其實很無聊的,整天就是拿方案、調參數、模擬什麼的,當你把設計圖拿出來,外行一看,牛逼的不行,那線條、那立體、那個佈局,像藝術一樣滴,其實自己知道,俺們什麼濾波器沒做過,如今做到這般模樣簡直不要太容易,不屑說句,無他,唯手熟爾!後來不僅濾波器,別的什麼電路都搞過,一聲長嘆,僅設計而言,都是無聊的工作,初入門新鮮,時間長了就這麼回事,擼多了,自然就熟!所以嘛,居安而思危,人工智慧總有一天會來解放我們的,來得晚是因為做這行的不多。現在在調濾波器的時候,總是想著編個程序來替代手頭工作,但我不會這麼複雜的編程,所以把這些設計方法寫出來,一來讓想入行的人儘快掌握這麼手藝,二來我把方法寫出來,以期有大神出來編個自動設計的程序,如此我輩可以安息了(去他的996吧)!
說些題外話吧,不要太相信學術交流、技術交流什麼的,搞技術的其實都很吝嗇,真正的技術人家從來不會說給你聽,如果能遇見有真本事又傾囊相授的人,請珍惜!
不是說我不吝嗇,我也吝嗇,我告訴你這些,是因為我不認為這些技術很有價值(雖然我靠它喫飯),真正有價值的不是這些技術、經驗什麼的。
本人總結過濾波器調試兩大功法:
1、葵花寶典-濾波器調試之S參數擬合法
2、九陰真經-濾波器調試之羣時延擬合法
這是兩大量化的調試方法,以微帶濾波器為例(也適用其它類型的濾波器),不講理論不推公式,你能找到的資料這裡都不會有。
方法1比較適合單個通帶或阻帶的設計(級聯),而方法2適合多通帶設計(並聯)。它們都是量化的方法,可以說只要原理圖模擬沒問題,那用這兩種方法進行的電磁場模擬也沒問題。
- 先介紹濾波器調試之羣時延擬合法:
我們知道羣時延(Groupdelay)是信號傳輸的延時的時域表現,其在頻域就是相位延遲,總之羣時延與S參數是一一對應的,調濾波器是直觀的看S參數,在這種方法中,我們不在看S參數,而是看羣時延,只要場模擬與路模擬羣時延擬合了,那麼他們的S參數也是一樣的。下面以一個雙通帶微帶濾波器為例介紹該方法。