rational

Выполните рациональный подбор кривой, чтобы объединить зависимые частотой данные

расширьте все на странице

Описание

Используйте rational возразите и interpolative алгоритм, чтобы создать рациональную подгонку к зависимым частотой данным.

Комплексные частоты даны уравнением:

F(s)=∑k=1nCks−Ak+Dгде, s=j×2πfC−остаткиA−полюсаD−прямой термин

Создание

Синтаксис

fit = rational(freq,data)
fit = rational(s)
fit = rational(___,tol)
[fit,error] = rational(___)
fit = rational(___,Name,Value)

Описание

fit = rational(freq,data) возвращает рациональный объект с комплексными частотами с помощью данного вектора частоты и сетевых данных о параметре.

пример

fit = rational(s) возвращает рациональный объект для S-параметров N-порта.

fit = rational(___,tol) возвращает рациональный объект fit это удовлетворяет допуску относительной погрешности. Задайте tol после любой из комбинаций входных аргументов от предыдущих синтаксисов.

[fit,error] = rational(___) также возвращает ошибку подгонки. Используйте любую из комбинаций входных аргументов от предыдущих синтаксисов.

пример

fit = rational(___,Name,Value) свойства наборов с помощью одних или нескольких аргументов name-value. Например, fit = rational(s,'Tolerance',-34)устанавливает погрешность относительной погрешности в децибелах для fit. Задайте аргументы name-value после любого из входных параметров от предыдущих синтаксисов.

Входные параметры

развернуть все

Неотрицательные частоты в виде вектора из неотрицательных частот в Гц.

Типы данных: double

Сетевые данные о параметре в виде вектора, 2D массива или трехмерного массива. Длина значений данных должна равняться продолжительности значений частоты.

Допуск относительной погрешности в виде скаляра, меньше чем или равного нулю. tol наборы значений вход для 'Tolerance' свойство.

Типы данных: double

S-параметры N-порта в виде N-by-N матрица элементов S совместное использование идентичных полюсов.

Свойства

развернуть все

Допуск относительной погрешности в виде скаляра, меньше чем или равного нулю.

Типы данных: double

Поведение пригодных для больших S-параметров в виде true или false. Когда true, прямой термин в подгонке обнуляется так, чтобы рациональный подходящий F(S) имеет тенденцию обнулять как S бесконечность подходов. Когда false, ненулевой прямой термин позволен.

Типы данных: логический

Максимальное количество полюсов в виде скалярного неотрицательного целого числа.

Типы данных: double

Ошибочные метрики в rational объект в виде одного из следующего:

  • Если вы задаете 'ErrorMetric' как 'default', rational объект распределяет ошибку равномерно.

  • Если вы задаете 'ErrorMetric' как 'Relative', rational возразите соответствует и peaks и оврагам или получает меньшую ошибку для меньших значений.

Типы данных: char

Игнорирует низкоуровневый шум в данных в виде скаляра.

Пример: NoiseFloor = -60

Типы данных: double

Устойчивость полюса в виде логического true(1 ) или false(0 ). Когда вы задаете верный, все полюса подгонки устойчивы. Когда вы задаете ложь, полюса могут быть где угодно в комплексной плоскости.

Пример: Casual = false

Максимальное значение добротности полюсов подгонки в виде положительной скалярной величины.

Пример: Qlimit = 1100

Типы данных: double

Снижение объема данных в виде логического 1 TRUE) или 0 ложь). Когда вы задаете верный, функция уменьшает данные для монтера, чтобы сохранить память и время вычисления. Уменьшайте данные для монтера для того, чтобы сохранить память и время вычисления в виде логического true или false.

Пример: ColumnReduce = false

Параметры отображения для алгоритма подбора рационального объекта в виде одного из следующего:

  • 'off'— Никакое отображение

  • 'on'— Печатная информация

  • 'plot'— Графики прогресса интерполяции

  • 'both'— Обе распечатанной информации и графики.

Типы данных: char

Функции объекта

timerespОтвет времени для рационального объекта и rationalfit функциональный объект
steprespОтвет неродной сигнала для рационального объекта и rationalfit функциональный объект
freqrespЧастотная характеристика рационального объекта и rationalfit функциональный объект
pwlresp Вычислите ответ времени кусочного линейного входного сигнала
impulseИмпульсная характеристика для объекта рациональной функции
ispassiveВозвратите true если rationalfit выход является пассивным элементом на всех частотах
makepassiveОсуществите пассивность rationalfit выведите или рациональный объект
passivityПостройте пассивность N-by-N rationalfit функциональный выход
generateSPICEСгенерируйте файл SPICE от rationalfit из S-параметров

Примеры

свернуть все

Скрипт Open Live Script

Создайте S-параметры из файла с именем passive.s2p.

S = sparameters('passive.s2p');

Выполните рациональный подбор кривой S-параметров.

fit = rational(S);
Скрипт Open Live Script

Создайте объект S-Parameters из файла с именем default.s2p. Выполните рациональный подбор кривой S-параметров.

S = sparameters('default.s2p');
fit = rational(S,'Display', 'plot')

Figure contains an axes object. The axes object with title Real part of data and response contains 12 objects of type line. These objects represent Data, Response, Matched Points.

Figure contains an axes object. The axes object with title Imaginary part of data and response contains 12 objects of type line. These objects represent Data, Response, Matched Points.

Figure contains an axes object. The axes object with title Error (difference between data and response) contains 4 objects of type line. This object represents Error.

fit = 
  rational with properties:

      NumPorts: 2
      NumPoles: 44
         Poles: [44x1 double]
      Residues: [2x2x44 double]
    DirectTerm: [2x2 double]
         ErrDB: -22.6464

Вычислите нули, полюса, усиление и усиление DC рационального объекта.

[z,p,k,dcgain] = zpk(fit)
z=2×2 cell array
    {43x1 double}    {43x1 double}
    {43x1 double}    {43x1 double}


p=2×2 cell array
    {44x1 double}    {44x1 double}
    {44x1 double}    {44x1 double}


k = 2×2
109 ×

   -2.5743   -0.0556
   -0.6980   -1.3221


dcgain = 2×2

    0.0933   -0.0302
   -1.1079    0.4746
Скрипт Open Live Script

Создайте объект S-параметров из заданного файла S2P.

S = sparameters('sawfilterpassive.s2p');
f = S.Frequencies;

Создайте rational объект с допуском -40 дБ.

fit = rational(S,-40);

Сравните подгонку к данным. Вы видите отклонения в меньших значениях на полулогарифмическом графике.

dresp = freqresp(fit,f);
plot(f,20*log10(abs(squeeze(S.Parameters(2,1,:)))),...
    f,20*log10(abs(squeeze(dresp(2,1,:)))),f,20*log10(abs(squeeze(S.Parameters(2,1,:)-dresp(2,1,:)))))
title('Default Fitting for sawfilterpassive.s2p');
ylabel('dB');
xlabel('Frequency (Hz)');
legend('Data','Fit','Error','Location','northwest');

Figure contains an axes object. The axes object with title Default Fitting for sawfilterpassive.s2p contains 3 objects of type line. These objects represent Data, Fit, Error.

Создайте rational объект с 'ErrorMetric' установите на 'Relative' соответствовать и peaks и оврагам.

rfit = rational(S,-40,'ErrorMetric','Relative');

Сравните подгонку к данным. Peaks и овраги адаптированы.

rresp = freqresp(rfit,f);
figure(2)
plot(f,20*log10(abs(squeeze(S.Parameters(2,1,:)))),...
    f,20*log10(abs(squeeze(rresp(2,1,:)))), f, 20*log10(abs(squeeze(S.Parameters(2,1,:)-rresp(2,1,:)))));
title('Relative Error Fitting for sawfilterpassive.s2p');
ylabel('dB');
xlabel('Frequency (Hz)');
legend('Data','Fit','Error','Location','northwest');

Figure contains an axes object. The axes object with title Relative Error Fitting for sawfilterpassive.s2p contains 3 objects of type line. These objects represent Data, Fit, Error.

Скрипт Open Live Script

Создайте объект S-параметров из заданного файла S2P.

S = sparameters('passive.s2p');
f = S.Frequencies;
data = S.Parameters;

Обнулите одни из элементов данных.

data(2,2,:) = 0;

Создайте rational объект с допуском -40 дБ.

fit = rational(f,data,-40);

Сравните подгонку к данным. Подгонка и данные соответствуют тесно.

xresp = freqresp(fit,f);
figure(3)
plot(f,abs(squeeze(data(2,1,:))),f,abs(squeeze(xresp(2,1,:))))

Figure contains an axes object. The axes object contains 2 objects of type line.

Добавьте шум в данные и создайте rational объект.

rng(1);
noisyData = data + 1e-4 * rand(size(S.Parameters));
nfit = rational(f,noisyData,-40);

Сравните подгонку к данным с шумом. Шум не может быть адаптирован, потому что это - данные с подгонкой высшего порядка с худшей ошибочной метрикой.

nresp = freqresp(nfit,f);
figure(4)
plot(f,abs(squeeze(noisyData(2,2,:))),f,abs(squeeze(nresp(2,2,:))))

Figure contains an axes object. The axes object contains 2 objects of type line.

Создайте rational объект с уровнем шума -60 дБ и график подгонка. Монтер игнорирует низкоуровневый шум. 

ffit = rational(f,noisyData,-40,'NoiseFloor',-60);
fresp = freqresp(ffit,f);
figure(5)
plot(f,abs(squeeze(noisyData(2,2,:))),f,abs(squeeze(fresp(2,2,:))))

Figure contains an axes object. The axes object contains 2 objects of type line.

Смотрите также

Введенный в R2020a

Документация RF Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте