电子设备贯通导线的电磁干扰建模和分析方法研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:teliek
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着无线通信技术的发展,海量智能终端电子设备加载了无线通信模块,部分电路不可避免地产生电磁辐射,致使内部空间电磁环境愈发复杂。空间电磁场辐照用于能量供给和信号传输的贯通导线,引发电子设备电磁兼容性问题。传统电磁干扰问题采用实验方法进行重复测试整改,成本高、效率低。为此,在概念和设计阶段使用数值模拟方法对电子设备贯通导线的电磁干扰进行仿真分析就显得十分重要。受电路复杂度和贯通导线精细结构的限制,现有贯通导线电磁干扰分析方法仍存在不足。因此,本文以电路电磁辐射的等效源建模为基础,围绕电子设备中两类典型贯通导线的电磁干扰问题,开展高效的场路混合分析方法研究,为电子设备电磁防护设计提供重要的技术支撑。本文的主要工作内容概括如下:1.构建电路电磁辐射的等效源模型,并研究了等效源辐照下的传输线电磁耦合分析方法。首先,通过构建赫兹偶极子阵列实现对电路电磁辐射的等效。然后,根据传输线方程建立赫兹偶极子阵列作用下的传输线电磁耦合模型。采用时域有限差分法,结合自动网格剖分技术,研究高效的场线耦合分析方法,实现电路电磁辐射与传输线干扰响应的快速同步计算,并通过相应算例验证了该算法的正确性,避免了对电路和传输线的直接建模。2.提出了电子设备架空贯通导线的场路混合分析方法。首先,根据细导线时域有限差分技术,提取架空贯通导线外传输线部分的等效电流源模型,并引入内传输线作为激励源。接着,采用场线耦合算法对内传输线电磁耦合建模,快速计算得到架空贯通导线终端负载上的响应。最后,通过相应算例验证了该场路混合分析方法的正确性和高效性,并分析了设备电路辐射场作用下的架空贯通导线电磁耦合规律。3.研究了电子设备近地非连续贯通导线的场路混合分析方法。首先基于戴维南定理,结合场线耦合算法提取外传输线的等效电路。然后将连接器和内传输线视为二端口网络的级联,应用二端口网络参数理论,构建近地非连续贯通导线一体化的等效电路模型,并快速计算得到其端接负载响应。最后通过实例验证了混合分析方法的准确性和高效性,并应用于贯通导线电磁防护分析,同时分析了近地非连续贯通导线的电磁耦合规律。
其他文献
随着城市人口和车辆数量的逐年增加,交通治理和规划越来越引起重视,合理的交通规划、公共交通布局可以减少城市拥堵,降低交通安全隐患。为了优化城市交通管理效率和提升市民出行体验,基于网格的城市交通流量预测方法被广泛应用于智能交通系统(Intelligent Transportation System,ITS)中。然而,现有的预测工作面临着许多问题,由于交通流量变化的随机性、在时间和空间关联上的高度非线性
2020年10月,党中央国务院印发《深化新时代教育评价改革总体方案》,体现了提高教学质量在教育强国战略中的重要地位。学生是教育的接收者,对教学质量有着清晰的感受。挖掘学生教学评价中的情感倾向可以反映真实的教学情况,帮助改善教学。为此,针对当前学生教学评价领域存在的主要问题,本文利用深度学习方法对学生教学评价文本进行情感分析研究,提出了两种深度学习模型分别用于学生教学评价的方面级别情感分析和跨领域情
图像的构成一般是复杂多样的,包含着各种各样的结构特征,如平坦区域、斜坡区域、角状结构、流状结构、褶皱和纹理等,其中有很多结构特征与噪声一样属于图像中的高频信息,权衡噪声的去除与结构特征的保持是图像复原研究的重点。本文以具有复杂结构的图像作为研究对象,利用分数阶微积分、结构张量、微分几何方法等理论,首先研究了如何去表征图像不同的结构特征,然后在此基础上研究了新的基于变分与偏微分方程的图像复原框架,具
区块链作为一种新兴技术,因其具备可溯源、防篡改、去中心化的特性,在金融、医疗、征信等领域得到了广泛专注。相对于其他区块链系统而言,超级账本的模块化设计支持可插拔的共识模块,用户可以根据需要选择共识算法。Raft共识作为一种高效分布式共识算法,可以与超级账本完美契合,极大地提升Hyperledger Fabric区块链的交易效率,尤其适用于数据上链效率要求较高的应用场景。然而,Raft共识仅支持崩溃
近年来,随着无人驾驶、虚拟现实、在线游戏等新型业务的不断涌现,给传输能力有限的通信骨干网带来了严峻的挑战。基于正交频分复用技术的弹性光网有着更灵活的频谱资源分配方式,可以有力缓解当前网络频谱资源使用紧张问题。与此同时,为了解决网络存在的结构僵化、可扩展性差等问题,网络虚拟化作为关键技术被提出。网络虚拟化允许多个相互分离且异构的虚拟网络共享底层物理网络资源,极大地提高了网络的灵活性和频谱资源使用效率
遥感图像分类在许多应用中起到关键作用,其中包括地理图像检索、植被制图、土地覆盖的确定、自然灾害检测、环境检测、城市规划、地理空间物体检测等研究。高遥感图像分类准确率是上述应用的首要任务。在高光谱遥的遥感图像中,当训练样本数目有限时,分类准确率随着图像波段数目的增加先增加,在达到一定极值后,分类准确率随着波段数目的增加而下降。在数据不平衡或数据量较少的情况下,神经网络很难学习到图像的表征。样本的获取
在图像领域中,基于深度学习的算法已经在分类任务上超越了人类的识别水平。但当训练样本稀少时,基于深度学习的图像分类技术往往会让模型处于过拟合而性能表现不佳,无法达到预期的分类效果。为了解决这个问题,小样本学习成为当前的研究热点。小样本学习可以快速地从少量的数据样本中学习到关键的知识以胜任新的任务,除了解决数据稀疏情景下的深度学习问题,还对探索人工智能技术具有非常重要的意义。但在面对数据类型漂移时,当
随着量子密码学的不断发展,经典密码学的重要子领域——经典安全多方计算的研究也拓展到了量子领域,也就是量子安全多方计算。二者最大的不同之处在于经典安全多方计算的安全性依赖于计算复杂度,例如大整数素因子分解或者离散对数计算,而量子安全多方计算的安全性则是建立在不确定性原理、量子不可克隆定理等量子力学基本原理上,导致量子安全多方计算具有更强的安全性和更广泛的应用空间。作为量子安全多方计算的一个分支,量子
近年来,即时配送发展迅猛,涌现出美团外卖、盒马、达达-京东到家、点我达等众多即时配送相关企业。随着即时配送市场逐渐发展成熟,一方面,市场先入者已经积累了丰富的即时配送运力运营管理经验以及即时配送服务用户资源,市场新入者在切入市场时会面对较高的进入成本;另一方面,如何降低运力运营管理成本,提升核心业务竞争力,挖掘新业务快速抢占市场成为即时配送市场内企业最为关心的生存和发展问题。并且伴随着即时配送市场
现代机械设备逐渐趋于自动化、复杂化和大规模化,当这类机械设备出现问题时,可能造成重大经济损失以及安全事故。为了避免意外的发生,对设备进行监测、维护以确保设备的安全和稳定运行十分必要。目前基于云计算的状态监测得到了广泛关注,但是随着工业物联网的快速发展,利用各类传感器收集到的工业设备的数据量越来越庞大,如果实时将这些数据同步上传至云端进行分析,会给基于云计算的状态监测带来巨大的存储、网络和计算压力。