Анализ данных S-параметров файлов данных RF

Этот пример использует:

В этом примере показано, как выполнить статистический анализ набора файлов данных S-параметра с помощью величины, среднего значения и стандартного отклонения (STD). Во-первых, считайте двенадцать файлов S-параметра, представляющих двенадцать подобных фильтров RF в рабочую область MATLAB®, и постройте их. Затем постройте и анализируйте ответ полосы пропускания этих фильтров, чтобы гарантировать, что они соответствуют статистическим нормам.

Читайте в S-параметрах из файлов Фильтрации данных

Используйте встроенные функции RF Toolbox для чтения набора файлов данных S-параметра. Для каждого фильтра соберите и постройте необработанные значения S21 и значения дБ S21. Имена файлов являются AWS_Filter_1.s2p через AWS_Filter_12.s2p. Эти файлы представляют 12 фильтров полосы пропускания подобными техническими требованиями.

numfiles = 12;
filename = "AWS_Filter_"+(1:numfiles)+".s2p";    % Construct filenames
S = sparameters(filename(1));                    % Read file #1 for initial set-up
freq = S.Frequencies;                            % Frequency values are the same for all files
numfreq = numel(freq);                           % Number of frequency points
s21_data = zeros(numfreq,numfiles);              % Preallocate for speed

% Read Touchstone files
for n = 1:numfiles
    S = sparameters(filename(n));
    s21 = rfparam(S,2,1);
    s21_data(:,n) = s21;
end
s21_db = 20*log10(abs(s21_data));

figure
plot(freq/1e9,s21_db)
xlabel('Frequency (GHz)');
ylabel('Filter Response (dB)');
title('Transmission performance of 12 filters');
axis on;
grid on;

Отфильтруйте визуализацию полосы пропускания

В этом разделе найдите, сохраните и отобразите данные S21 на графике из только полосы нисходящего канала AWS (2.11 к 2,17 ГГц).

idx = (freq >= 2.11e9) & (freq <= 2.17e9);
s21_pass_data = s21_data(idx,:);
s21_pass_db = s21_db(idx,:);
freq_pass_ghz = freq(idx)/1e9; % Normalize to GHz    

plot(freq_pass_ghz,s21_pass_db)
xlabel('Frequency (GHz)');
ylabel('Filter Response (dB)');
title('Passband variation of 12 filters');
axis([min(freq_pass_ghz) max(freq_pass_ghz) -1 0]);
grid on;

Основной статистический анализ данных S21

Выполните Статистический анализ величины и фазы всей полосы пропускания наборы данных S21. Это определяет, следуют ли данные за нормальным распределением и если существуют данные о выбросе.

abs_S21_pass_freq = abs(s21_pass_data);

Вычислите среднее значение и STD величины целой полосы пропускания набор данных S21.

mean_abs_S21 = mean(abs_S21_pass_freq,'all')

mean_abs_S21 = 0.9289

std_abs_S21 = std(abs_S21_pass_freq(:))

std_abs_S21 = 0.0104

Вычислите среднее значение и STD ответа величины полосы пропускания в каждой точке частоты. Это определяет, следуют ли данные за нормальным распределением.

mean_abs_S21_freq = mean(abs_S21_pass_freq,2);
std_abs_S21_freq = std(abs_S21_pass_freq,0,2);

Отобразите все необработанные данные о величине полосы пропускания на графике как функцию частоты, а также верхнее и нижние пределы, заданные основным статистическим анализом.

plot(freq_pass_ghz,mean_abs_S21_freq,'m')
hold on;
plot(freq_pass_ghz,mean_abs_S21_freq + 2*std_abs_S21_freq,'r')
plot(freq_pass_ghz,mean_abs_S21_freq - 2*std_abs_S21_freq,'k')
legend('Mean','Mean + 2*STD','Mean - 2*STD');
plot(freq_pass_ghz,abs_S21_pass_freq,'c','HandleVisibility','off')
grid on;
axis([min(freq_pass_ghz) max(freq_pass_ghz) 0.9 1]);
ylabel('Magnitude S21');
xlabel('Frequency (GHz)');
title('S21 (Magnitude) - Statistical Analysis');
hold off;

Постройте гистограмму для данных о величине полосы пропускания. Это определяет, следуют ли верхнее и нижние пределы данных за нормальным распределением.

histfit(abs_S21_pass_freq(:))
grid on;
axis([0.8 1 0 100]);
xlabel('Magnitude S21');
ylabel('Distribution');
title('Compare filter passband response vs. a normal distribution');

Вычислите фазовый отклик полосы пропускания данные S21, затем среднее и стандартное отклонение на частоту фазового отклика. Все данные о фазе S21 полосы пропускания затем собраны в один вектор для более позднего анализа.

pha_s21 = angle(s21_pass_data)*180/pi;
mean_pha_S21 = mean(pha_s21,2);
std_pha_S21 = std(pha_s21,0,2);
all_pha_data = reshape(pha_s21.',numel(pha_s21),1);

Отобразите все необработанные данные о фазе полосы пропускания на графике как функцию частоты, а также верхнее и нижние пределы, заданные основным статистическим анализом.

plot(freq_pass_ghz,mean_pha_S21,'m')
hold on;
plot(freq_pass_ghz,mean_pha_S21 + 2*std_pha_S21,'r')
plot(freq_pass_ghz,mean_pha_S21 - 2*std_pha_S21,'k')
legend('Mean','Mean + 2*STD','Mean - 2*STD');
plot(freq_pass_ghz,pha_s21,'c','HandleVisibility','off')
grid on;
axis([min(freq_pass_ghz) max(freq_pass_ghz) -180 180]);
ylabel('Phase S21');
xlabel('Frequency (GHz)');
title('S21 (Phase) - Statistical Analysis');
hold off;

Постройте гистограмму для данных о фазе полосы пропускания. Это определяет, следуют ли верхнее и нижние пределы данных за равномерным распределением.

histogram(all_pha_data,35)
grid on;
xlim([-180 180]);
xlabel('Phase S21 (degrees)');
ylabel('Distribution');
title('Histogram of the filter phase response');

Дисперсионный анализ (Дисперсионный Анализ) данных S21

Выполните Дисперсионный Анализ на величине полосы пропускания данные S21.

anova1(abs_S21_pass_freq.',freq_pass_ghz);

ylabel('Magnitude S21')
xlabel('Frequency (GHz)')
ax1 = gca;
ax1.XTick = 0.5:10:120.5;
ax1.XTickLabel = {2.11,'',2.12,'',2.13,'',2.14,'',2.15,'',2.16,'',2.17};
title('Analysis of variance (ANOVA) of passband S21 magnitude response');
grid on;

Выполните Дисперсионный Анализ на фазе полосы пропускания данные S21.

anova1(pha_s21.',freq_pass_ghz);

ylabel('Phase S21 (degrees)')
xlabel('Frequency (GHz)')
ax2 = gca;
ax2.XTick = 0.5:10:120.5;
ax2.XTickLabel = {2.11,'',2.12,'',2.13,'',2.14,'',2.15,'',2.16,'',2.17};
title('Analysis of variance (ANOVA) of passband S21 phase response');
grid on;

Соответствуйте данным о фазе к полиному 1-го Порядка

Выполните припадок кривой данных о фазе S21 с помощью модели линейной регрессии.

x = repmat(freq_pass_ghz,numfiles,1);
y = all_pha_data;
phase_s21_fit = fit(x,y,'poly1')

phase_s21_fit = 
     Linear model Poly1:
     phase_s21_fit(x) = p1*x + p2
     Coefficients (with 95% confidence bounds):
       p1 =      -310.8  (-500.9, -120.6)
       p2 =       665.3  (258.3, 1072)

Постройте модель линейной регрессии данных о фазе S21.

plot(phase_s21_fit,x,y)
p = polyfit(x,y,1);
linear_model = sprintf('y = %f x + %f',p(1),p(2));
text(2.115,135,linear_model);
ylabel('Phase S21 (degrees)');
xlabel('Frequency (GHz)');
title('Fitted Curve of S21 Phase Data');

Документация