经典法定K型归一化LPF设计学习记录

Posted Mero技术博客

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了经典法定K型归一化LPF设计学习记录相关的知识,希望对你有一定的参考价值。

关于什么是定K型,归一化术语本文不做解释,只做经典法的滤波器设计思路。

如下是基准滤波器设计数据,这个图我们不需要记住,用的时候拿出来查看就行。比如我们要用2阶的,就用图(a)。

实例演示1:用经典法设计一个截止频率为10KHz的2阶定K型归一化LPF。

  • 第一步:计算M值 ,M= 需要设计的截止频率/基准频率,基准频率=1/2π = 0.1592

故 M = 10KHz/0.1592=62814

  • 第二步:将基准滤波器的L和C值除以M,得到截止频率已经变化为待设计截止频率的L和C的值

L = 1H/62814 = 0.00001592

C = 1F/62814= 0.00001592

  • 第三步:计算K值,K=待设计特征阻抗/基准特征阻抗,基准特征阻抗为1Ω。假设待设计特征阻抗为50Ω,这里的50Ω要根据实际电路取值,在这里只是参考。

故此时,K= 50/1 = 50

  • 第四步:将1Ω时候的L和C的值转换为待设计的L和C的值,L乘以K,C/K即可。

L  = 0.00001592*50 = 0.000796= 0.796mH

C = 0.00001592/50 = 0.3184uF

接来使用Multisim进行仿真。我们看到截止频率点(-3db)的时候截止频率为12Khz左右,与实际待设计截止频率有差异。

实例演示2:用经典法设计一个截止频率为10KHz的3阶定K型归一化LPF,同样我们需要找到下图的3阶,我们这里采用的是如下3阶左图。

  • 第一步:计算M值 ,M= 需要设计的截止频率/基准频率,基准频率=1/2π = 0.1592

故 M = 10KHz/0.159154=62832

  • 第二步:将基准滤波器的L和C值除以M,得到截止频率已经变化为待设计截止频率的L和C值  

L3 = 1H/62832 =0.0000159154

L4 = 1H/62832 =0.0000159154

C2 = 2F/62832 =0.0000318309

  • 第三步:计算K值,K=待设计特征阻抗/基准特征阻抗,基准特征阻抗为1Ω。假设待设计特征阻抗为50Ω,这里的50Ω要根据实际电路取值,在这里只是参考。

故此时,K= 50/1 = 50

  • 第四步:将1Ω时候的L和C的值转换为待设计的L和C的值,L乘以K,C/K即可。

L 3 = 0.0000159154*50 = 0.00079577= 0.796mH

L 4 = 0.0000159154*50 = 0.00079577= 0.796mH

C2 = 0.0000318309/50 = 0.636uF

multisim的仿真结果如下图

实例演示3:用经典法设计一个截止频率为10KHz的3阶定K型归一化LPF,同样我们需要找到下图的3阶,我们这里采用的是如下3阶右图。

  • 第一步:计算M值 ,M= 需要设计的截止频率/基准频率,基准频率=1/2π = 0.1592

故 M = 10KHz/0.159154=62832

  • 第二步:将基准滤波器的L和C值除以M,得到截止频率已经变化为待设计截止频率的L和C值     

L3 = 2H/62832 =0.00003183

C3 = 1H/62832 =0.0000159

C2 = 1H/62832 =0.0000159

  • 第三步:计算K值,K=待设计特征阻抗/基准特征阻抗,基准特征阻抗为1Ω。假设待设计特征阻抗为50Ω,这里的50Ω要根据实际电路取值,在这里只是参考。

故此时,K= 50/1 = 50

  • 第四步:将1Ω时候的L和C的值转换为待设计的L和C的值,L乘以K,C/K即可。

L 1 = 0.00003183*50 = 0.0015915H =1.59mH

C4 = 0.0000159/50 = 0.000000318F = 0.318uF

C1= 0.0000159/50 =0.000000318F = 0.318uF

multisim的仿真结果如下图

结论:使用经典法设计定K型多阶滤波器,当阶数为奇数时候,使用π型比T型更精准。

以上是关于经典法定K型归一化LPF设计学习记录的主要内容,如果未能解决你的问题,请参考以下文章

经典法定K型归一化LPF设计学习记录

经典法定K型归一化LPF设计学习记录

python学习点滴记录-Day08

机器学习经典模型简单使用及归一化(标准化)影响测试

「深度学习一遍过」必修12:激活函数池化归一化泛化正则化

百面机器学习