ارائه یک روش شبه تحلیلی برای استخراج شاخصهای نمونه سیگنال کوچک ترانزیستورهای قدرت ریزموج باقابلیت تحرک بالای الکترون مبتنی بر فناوری گالیم نیتراید
Publish place: Radar Magazine، Vol: 8، Issue: 1
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 327
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RADAR-8-1_006
تاریخ نمایه سازی: 1 اردیبهشت 1400
Abstract:
در دهه اخیر استفاده از ترانزیستورهای قدرت ریزموج باقابلیت تحرک بالای الکترون مبتنی بر فناوری گالیم نیتراید، برای طراحی تقویتکنندههای قدرت در رادارها مورد توجه قرارگرفته است. بهمنظور طراحی یک تقویتکننده قدرت ریزموج با استفاده از این ترانزیستورها، نیاز به نمونه سیگنال بزرگ مناسبی از ترانزیستور است که بهخوبی رفتار آن را بیان کند. اولین قدم در نمونهسازی سیگنال بزرگ، نمونهسازی سیگنال کوچک ترانزیستور است. این نمونه را میتوان به دو قسمت پارازیتی و غیر پارازیتی تقسیم کرد. برای محاسبه عنصرهای غیر پارازیتی، هم باید ابتدا عنصرهای پارازیتی را مشخص کرد. در این مقاله با استفاده از یک الگوریتم بهبودیافته و نتایج اندازهگیری در شرایط کاری مختلف، خازنها و سلفهای پارازیتی یک ترانزیستور نمونه بهطور مستقیم و بدون نیاز به روش بهینهسازی، در فرکانسهای پایین محاسبهشدهاند و سپس با چند تبدیل ماتریسی و روابط مستقیم، مقاومتهای پارازیتی ترانزیستور در یک نقطه کار متعلق به ناحیه فعال (عدم نیاز به ولتاژ گیت سورس بزرگتر از صفر ولت) محاسبهشدهاند. صحتسنجی این روش بهبودیافته بهوسیله مقایسه شاخصهای پراکندگی سیگنال کوچک شبیهسازیشده ترانزیستور با نتایج اندازهگیری تا فرکانس 10 گیگاهرتز، انجامشده است. نتایج نشان میدهد که در باند فرکانسی کاری ترانزیستور درصد خطا کمتر از 4 درصد است. از مزایای این روش نسبت به روشهای بهینهسازی، سرعت بالای تعیین عنصرهای مدار معادل و پیچیدگی کمتر آن است.
Authors
مجید لرستانی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
رمضانعلی صادق زاده
گروه مهندسی برق مخابرات،دانشگاه خواجهنصیرالدین طوسی،تهران،ایران
محمد ناصر مقدسی
استاد، گروه مهندسی برق مخابرات،دانشگاه آزاد اسلامی،واحد علوم و تحقیقات،تهران،ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :