傳統上，線性和非線性RF電路仿真占據了不同領域。為了仿真級聯小信號增益和損耗，RF設備設計人員傳統上一直廣泛使用S參數器件模型。由于缺乏數字形式的數據（如IP3、P1dB和噪聲），而且常用RF仿真器中歷來沒有頻率變化模型結構，所以傳統方式中非線性仿真更具挑戰性。RF電路設計人員通常采用自制的電子表格來計算級聯噪聲和失真。但是，這些電子表格難以模擬系統級特性，例如誤差矢量幅度(EVM)和鄰道泄漏比(ACLR)；當信號鏈由調制信號驅動時，這些特性變得很重要。

表1.典型Sys參數數據集

本文將探討一些將線性S參數數據與非線性數據（如噪聲系數、IP3、P1dB和PSAT）相結合的RF放大器模型結構。本文還會展示系統級仿真結果，以評估其對實際特性建模的準確程度。

S參數

S參數數據集是迄今為止使用非常廣泛的RF仿真模型。它們是標準化的表格式數據集，包括不同頻率下的輸入回波損耗、增益、反向隔離和輸出回波損耗，所有這些均為矢量格式。數據一般在驅動信號遠低于信號壓縮點的小信號條件下收集。S參數通常用于級聯增益仿真、輸入和輸出匹配網絡的設計以及穩定性的評估。然而，S參數不包含器件的噪聲、壓縮或失真特性的信息。

Keysight Sys-參數

表1列出了18 GHz至44 GHz、0.5 W功率放大器ADPA7002的sys-參數數據集的一部分。該sys-參數器件模型結構由Keysight定義，用于其PathWave RF頻率合成(Genesys)和PathWave系統設計(SystemVue) RF電路與系統仿真器。數據集的表格結構包括了不同頻率下的S參數數據以及相應的噪聲、三階交調和1 dB壓縮數據。這些數據集提供了足夠的信息，支持對RF信號電平、級聯增益和反向隔離進行仿真。但是，IP3、P1dB和噪聲系數數據的納入為RF功率掃描和信噪比仿真提供了可能性。另外，還可以在器件的工作頻率范圍內進行高階信號特性仿真，例如ACLR和EVM。

ADI公司維護著一個豐富的RF放大器和混頻器sys-參數庫，該庫可供下載，而且也包含在Keysight Genesys和SystemVue安裝程序中。圖1顯示了Keysight Genesys的屏幕截圖。ADI公司的sys-參數庫可通過器件選擇器輕松獲取。每個器件的sys-參數器件模型均包含表1所示的數據，以及模型屬性窗口中包含的額外信息。此額外數據包括電源信息以及PSAT和OIP2相對于OP1dB的默認偏移。

圖1.Keysight Genesys屏幕截圖，展示了典型的sys-參數模型。

評估sys-參數模型的準確性

為了評估sys-參數模型的準確性，我們現在將對實測結果和仿真進行一系列比較。圖2顯示了HMC788A（10 MHz至10 GHz RF增益模塊）在10 GHz時的功率掃描的實測和仿真結果。可以看到，仿真功率掃描與實測數據非常接近。仿真器使用器件的增益和OP1dB數據以及PSAT_Delta來生成所示的圖形。在本例中，PSAT_Delta為2 dB。這導致PSAT值比OP1dB水平高2 dB，這是GaAs RF放大器的典型默認值。

圖2.砷化鎵(GaAs) RF放大器的實測和仿真功率掃描。

圖3.AM到AM和AM到PM失真的仿真和測量。

圖4.HMC1114（3.2 GHz、10 W GaN放大器）的仿真和實測功率掃描。

到AM和AAMM到PM失真

為了更細致地研究仿真壓縮特性，我們可以看看AM到AM和AM到PM失真。圖3所示的實測和仿真結果是針對 HMC930A的。測得的AM到AM失真與仿真非常接近。但是，仿真結果看不出AM到PM失真，這是不正確的。這是因為器件模型和數據集僅包含小信號相位信息（即S21）。雖然仿真器可以使用器件模型中的OP1dB和PSAT_Delta數據來估算AM到AM失真，但它沒有任何大信號S參數數據可供使用。在這種情況下，使用更詳細的模型，例如X-參數格式（X-參數模型內置與電平相關的S參數），會很合適。

氮化鎵放大器的功率掃描仿真

圖4顯示了10 W氮化鎵(GaN) RF放大器 HMC1114LP5DE在3.2 GHz時的功率掃描。GaN RF放大器的壓縮特性往往比GaAs器件要緩和得多。這需要調整PSAT_Delta，即1 dB壓縮點與飽和點之差。在這種情況下，基于觀察到的測量值，該變化量已設置為7 dB。雖然仿真器在某些情況下會因變化量較大而產生警告，但它仍會正確仿真并產生與實測性能非常接近的結果。

ACLR仿真

隨著我們從CW信號測量和仿真轉向調制信號，sys-參數數據集的價值變得更大。雖然有關器件增益、壓縮、IP3和噪聲系數的信息可在器件數據手冊中輕松獲得，但顯示調制信號下性能的曲線不大可能在為一般用途而設計的器件數據手冊中找到。另外，如果不進行仿真或測量，ACLR和EVM之類的指標也不容易預測。

圖5顯示了0.25 W的驅動放大器 ADL5320在2140 MHz時，由5 MHz寬載波驅動下的功率掃描的仿真結果。仿真載波由11個均勻間隔的子載波組成，ACLR在5 MHz載波偏移下進行測量。

圖5.ACLR仿真。

仿真表明，ACLR在–15 dBm的輸入功率下達到了最優值。在此輸入功率以下，ACLR以1 dB/dB的比率隨輸入功率而降低。曲線的此區域主要由噪聲系數數據決定。當輸入功率提高到–15 dBm以上時，ACLR的衰減速率與器件的IP3密切相關。值得注意的是，此仿真的結果依賴于噪聲系數數據（低功率時）和IP3數據（高功率時）來產生在寬功率范圍內都很準確的ACLR掃描。

該圖還包括實測數據（藍色）。對于–15 dBm的輸入功率水平，它未達到相同的最優水平，這是由于測量設置的限制所致。值得注意的是，隨著輸入功率水平的增加，實測ACLR下降得更快。這是因為器件的OIP3會隨輸入/輸出功率水平而稍有下降（理想情況下，它不應改變）。器件模型數據集中的IP3是單個數據集，不隨功率水平而變化；可以認為它是器件的小信號IP3。這又是一個X-參數模型及其更詳細的電平相關性建模可能會產生更準確仿真的例子。

EVM仿真

sys-參數模型還可用來可靠地進行EVM仿真。圖6顯示了EVM相對于RF功率掃描的實測和仿真結果，輸入信號為1 MSPS、16 QAM載波，驅動50 MHz至4 GHz增益模塊 ADL5602。這表明在低功率和高功率水平下，測量與仿真之間都有出色的相關性。

溫度仿真

ADI庫中的默認sys-參數數據集僅包含環境溫度數據。但是，通過向包含溫度數據的數據集添加額外工作表可以擴展模型。圖7顯示了18 GHz至44 GHz、1 W功率放大器 ADPA7007的數據集。該數據集具有多個工作表，包含–55°C、+25°C和+85°C下的增益、噪聲和失真數據。Genesys和SystemVue仿真器可以利用這三個數據點生成其他溫度下的插值數據，如圖7所示。

在ADS中進行仿真

sys-參數數據集對Keysight Genesys和SystemVue是原生數據集，但不適用于Keysight ADS。有一種解決辦法可以將sys-參數數據集導入ADS，從而進行噪聲、失真和壓縮仿真。這需要使用Amplifier2模型。Amplifier2模型對Keysight ADS是原生的，提供與sys-參數模型類似的功能。圖8顯示了包括Amplifier2模型的ADS原理圖。該原理圖還包含兩個數據訪問器件：DAC1和DAC2。這些DAC用于將sys-參數數據與Amplifier2模型相關聯。噪聲系數、OIP3和OP1dB數據格式化為文本文件，并通過DAC1器件與Amplifier2模型相關聯。DAC2器件用于將S-參數數據與Amplifier2模型相關聯。這將在ADS中產生一個Amplifier2模型，使用該模型可執行上面討論過的所有仿真，但是在Keysight ADS中執行。

使用此方法時須小心。當執行RF功率掃描，Amplifier2模型被強驅進入壓縮時，仿真性能往往與觀察到的實測性能有很大差異。此外，創建一個使用S-參數數據及噪聲、失真和壓縮數據的Amplifier2模型，適合于具有良好基線輸入和輸出回波損耗（S11和S22）的器件，大多數不需要外部RF匹配器件的ADI RF放大器就是這種情況。通過將標量增益添加到DAC1器件并省略S-參數數據（即省略DAC2），可以創建一個更簡單的Amplifier2模型。

圖6.寬帶增益模塊的仿真和實測EVM功率掃描。

圖7.18 GHz至44 GHz、1 W功率放大器ADPA7007的仿真增益和噪聲系數與溫度的關系。

結論

sys-參數數據集代表了一種新穎且有用的RF放大器仿真工具。它們比S-參數更強大，后者不能進行噪聲、失真和壓縮建模。它們不像X-參數模型那么復雜，后者可以改善依賴模型級別的特性，例如AM到PM失真和ACLR。但是，sys-參數模型具有簡單的表格式結構，可以通過將S-參數數據與噪聲系數、OIP3和OP1dB數據結合起來輕松創建。仿真和實測數據的比較顯示出極好的一致性。盡管sys-參數模型無法在ADS中使用，但可以利用一個相對簡單的流程來遷移數據集，以使用ADS原生的Amplifier2模型結構。

ADI公司致力于維護和擴充其sys-參數模型庫。隨著新模型添加到庫中，我們將增加對溫度仿真的支持。Keysight Genesys和SystemVue的最新庫可以在analog.com/sys-parameters下載。

圖8.在使用Amplifier2模型的Keysight ADS中使用sys-參數數據。

參考電路

PathWave系統設計(SystemVue)。Keysight Technologies，2020年。

PathWave RF頻率合成(Genesys)。Keysight Technologies，2020年。
編輯：hfy