接收机中LNA的NF估计
2017-04-11 18:08
141 查看
LNA对接收机的参数影响
1.满足接收系统灵敏度要求时,LNA的噪声系数如何估算。
对于低噪声放大器的噪声系数NF公式如下:
F=(Si/Ni)/(So/No)
级联的噪声系数公式
F=F1+(F2-1)/G1+(F3-1)/G1G2+.....
假设接收机输入端的最小信噪比要求为SNRmin,那么系统的灵敏度为:
Smin=SNRmin*K*T*B[Ta/T+(F-1)]
K是(玻尔兹曼)Boltzmann常数;
B是系统带宽;
Ta是天线的噪声温度;
T为射频系统的绝对温度为290;
那么KTB为热噪声在带宽为B上的功率;
噪声温度为290时,则可获得噪声功率密度K*290约为-174dBm/Hz,根据接收机的灵敏度指标,若假设LNA输出信号的SNR为20dB时就能满足服务质量的需求,接收系统的输入信号范围[-70dBm,-30dBm],那么其接收机噪声系数必须满足:
NF<-70dBm-10log(10MHz)-(-174dBm/Hz)-20dB=14dB
根据级联噪声系数的计算公式,我们知道接收机的噪声系数主要取决于第一级LNA的噪声系数和增益,我们可以通过后一级放大器的增益和噪声系数来估计LNA的噪声系数;
2. 接收机的输入信号功率大小取决于灵敏度和1dB压缩点
影响灵敏度的因素主要是第一级LNA的噪声系数和功率增益,而影响1dB压缩点的主要因素是后一级大器的1dB压缩点。假设接收机的增益为28dB,因此后一级放大器的1dB压缩点应该大于-30+28=-2dBm,这样才能使放大器工作在线性区,避免失真。
1.满足接收系统灵敏度要求时,LNA的噪声系数如何估算。
对于低噪声放大器的噪声系数NF公式如下:
F=(Si/Ni)/(So/No)
级联的噪声系数公式
F=F1+(F2-1)/G1+(F3-1)/G1G2+.....
假设接收机输入端的最小信噪比要求为SNRmin,那么系统的灵敏度为:
Smin=SNRmin*K*T*B[Ta/T+(F-1)]
K是(玻尔兹曼)Boltzmann常数;
B是系统带宽;
Ta是天线的噪声温度;
T为射频系统的绝对温度为290;
那么KTB为热噪声在带宽为B上的功率;
噪声温度为290时,则可获得噪声功率密度K*290约为-174dBm/Hz,根据接收机的灵敏度指标,若假设LNA输出信号的SNR为20dB时就能满足服务质量的需求,接收系统的输入信号范围[-70dBm,-30dBm],那么其接收机噪声系数必须满足:
NF<-70dBm-10log(10MHz)-(-174dBm/Hz)-20dB=14dB
根据级联噪声系数的计算公式,我们知道接收机的噪声系数主要取决于第一级LNA的噪声系数和增益,我们可以通过后一级放大器的增益和噪声系数来估计LNA的噪声系数;
2. 接收机的输入信号功率大小取决于灵敏度和1dB压缩点
影响灵敏度的因素主要是第一级LNA的噪声系数和功率增益,而影响1dB压缩点的主要因素是后一级大器的1dB压缩点。假设接收机的增益为28dB,因此后一级放大器的1dB压缩点应该大于-30+28=-2dBm,这样才能使放大器工作在线性区,避免失真。
相关文章推荐
- GPS接收机的灵敏度分析
- 最大后验估计(MAP)
- 估计要败给摄影这个坑
- 最大似然估计(MLE)和最大后验概率(MAP)
- 深度学习(二十五)基于Mutil-Scale CNN的图片语义分割、法向量估计-ICCV 2015
- 极大似然估计,最大后验概率估计(MAP),贝叶斯估计
- 抽样估计
- 机器学习笔记(四)——最大似然估计
- 最大后验估计(MAP)与最大似然估计(MLE)
- LNA和PA
- 利用LIBSVM估计概率
- 机器学习:最大似然估计与最大后验概率估计
- FPGA功耗估计(二)
- Bayes估计
- 相机姿态估计
- 相机姿态估计(三)--P3P
- 基于opencv3的本质矩阵(essential matrix)估计算例
- 估计一个点云的表面法线
- 多视图几何-基于旋转运动的焦距估计
- 菜鸟看论文——地面估计的研究趋势(一)