Google Colab(Colaboratory)でPythonの高周波用ライブラリscikit-rfを使う(3) 評価基板のインピーダンスずれ、不整合部分が一目でわかるTDR(Time Domain Reflectometry)を試す。データはQucsStudioで伝送線路モデルを作って実施。TDRデータをCSVファイルで保存する方法も。

今回はTDR。データは伝送線路がとても分かりやすいのでそれでいこう。

scikit-rfにもモデルを作る機能はあるのだが、それはまた別の機会ということで今回はKeysightのADSによく似た操作の高周波シミュレータ、QucsStudioを使う。

こんな回路。

ポート1にSMAコネクタがついていて、その芯線とマイクロストリップラインの接続部が不整合があってL,Cで表している。そして特性インピーダンス50Ωからずれているマイクロストリップラインがあって、反対側のポート2も同じ構造をしているようなモデル。こういうのが典型的な評価ボード（EVB)のThruの例。

特性はこんな感じで、TransmissionLine.s2pとしてGoogleドライブに保存しておく。

Google ColabでまずそのSパラメータを読むところまでは前回、前々回と同じ。

!pip install scikit-rf

from google.colab import drive

drive.mount('/content/drive')

import numpy as np

import matplotlib.pyplot as plt

import skrf as rf

rf.stylely()

path = "/content/drive/MyDrive/Colab Notebooks/"

tl = rf.Network(path + "TransmissionLine.s2p", f_unit="GHz")

tl.plot_s_db(m = 0, n = 0)

tl.plot_s_db(m = 1, n = 0)

周波数領域から時間領域に直すにはDC成分が必要だが、ネットワークアナライザではDCは測定できない。なのでDCは補外する。

線形補外するには、

tl_dc = tl.extrapolate_to_dc(kind='linear')

とすればいい（他のオプションもあり）。

ここからTDRにするにはものすごく簡単で、

tl_dc.plot_z_time_step(m=0, n=0)

plt.xlim(-0.5, 2)

とすればいい。

結果はこちら。

シャントCがあるとインピーダンスが下がり、シリーズLがあるとインピーダンスがあがり、そしてマイクロストリップライン部分はインピーダンスがずれている、というのが非常にわかりやすくなっている。

図示するだけならこれでいいが、数値データとして保存したいのと、windowingやPaddingがこれではできない。

そこでいったんS11のステップ応答を計算してからインピーダンスに直す方法もある。

t, s11 = tl_dc.s11.step_response(window="hamming", pad=0)

t *= 1e9

Z = 50.0 * (1 + s11)/(1 - s11)

plt.plot(t, Z)

plt.xlabel("Time (ns)")

plt.ylabel("Z(Ohm)")

plt.xlim(-0.5, 2)

こちらの方が自由度が高いのでお勧め。CSVファイルに保存するには

np.savetxt(path + "TDR.csv", np.array([t, Z]).T, delimiter=",")

とすればいい。

次回は…De-embeddingかCalibrationかな。