本發(fā)明涉及在片散射參數(shù)校準(zhǔn)技術(shù)領(lǐng)域,特別是涉及一種在片散射參數(shù)的溯源及不確定度評估方法。
背景技術(shù):
在射頻微波電路與系統(tǒng)分析中,通常要用到元器件的散射參數(shù)(S參數(shù)),通過它可以推導(dǎo)出增益、匹配、阻抗和隔離性等其它參數(shù)。S參數(shù)測量一般通過矢量網(wǎng)絡(luò)分析儀(Vector Network Analyzer,VNA),簡稱矢網(wǎng)來實(shí)現(xiàn)。矢網(wǎng)是射頻和微波測量領(lǐng)域中最精準(zhǔn)的測量儀器,其原因在于矢網(wǎng)采用了矢量誤差修正技術(shù):即可以進(jìn)行幅度響應(yīng)修正,又可以進(jìn)行相位響應(yīng)修正。與大多數(shù)電子測量儀器需要借助另一種較高質(zhì)量的電子設(shè)備進(jìn)行細(xì)致測量以完成通常每年一次的校準(zhǔn)概念不同,矢網(wǎng)采用校準(zhǔn)件對構(gòu)成矢網(wǎng)測量能力的原始硬件性能(如方向性)、連接電纜、探針等進(jìn)行表征測量,來提高實(shí)際測量性能,這個(gè)過程通常被稱為校準(zhǔn),但是更合適的名稱是誤差修正或用戶校準(zhǔn)。因此嚴(yán)格來講矢網(wǎng)的誤差修正(用戶校準(zhǔn))是后置處理過程,即測量結(jié)束后,在原始的測量數(shù)據(jù)上應(yīng)用誤差修正算法,得到準(zhǔn)確的測量結(jié)果。
矢網(wǎng)的誤差修正包括兩個(gè)步驟:第1步是測量已知標(biāo)準(zhǔn)件,如短路、傳輸線等來確定矢網(wǎng)的系統(tǒng)誤差,這個(gè)過程被稱為“誤差項(xiàng)采集”;第2步是測量被測件(DUT),并利用誤差修正算法來獲得準(zhǔn)確測量結(jié)果,這個(gè)過程被稱為“誤差項(xiàng)應(yīng)用”或“修正”。
矢網(wǎng)進(jìn)行S參數(shù)測量需要明確系統(tǒng)的特征阻抗Z0(一般為50Ω),所測S參數(shù)才有意義。系統(tǒng)特征阻抗一般由校準(zhǔn)件決定,例如負(fù)載、傳輸線等。TRL校準(zhǔn)通常被認(rèn)為是最準(zhǔn)確的校準(zhǔn)方法,這是因?yàn)樾?zhǔn)的質(zhì)量幾乎完全依賴于已知阻抗的傳輸線阻抗的正確性,特別的,多線TRL通過增加適量的傳輸線(line)標(biāo)準(zhǔn),冗余(redundant)的Line提供的附加信息用來減小隨機(jī)誤差的影響。
由于校準(zhǔn)件的不理想,采集到的誤差項(xiàng)必然存在誤差,一般稱其為剩余誤差。在同軸測量條件下可以采用準(zhǔn)確度更高的空氣線作為阻抗標(biāo)準(zhǔn)對剩余誤差進(jìn)行測量,實(shí)現(xiàn)S參數(shù)的向上溯源,其不確定度可通過以下方法進(jìn)行評定:
1)EURAMET cg-12《Guidelines on the Evaluation of Vector Network Analysers(VNA)》給出的不確定度計(jì)算方法;2)中華人民共和國工業(yè)和信息化部發(fā)布的SJ/T 11433-2012《矢量網(wǎng)絡(luò)分析儀通用規(guī)范》給出的不確定度計(jì)算方法進(jìn)行計(jì)算。但是在片S參數(shù)的矢網(wǎng)校準(zhǔn)剩余誤差無法找到更高準(zhǔn)確度的阻抗標(biāo)準(zhǔn)進(jìn)行測量,特別是對于準(zhǔn)確度最高的在片多線TRL校準(zhǔn)向上溯源問題沒有實(shí)現(xiàn)。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明要解決的技術(shù)問題是針對上述現(xiàn)有技術(shù)的不足,提供一種在片散射參數(shù)的溯源及不確定度評估方法,保證能夠清晰給出不確定度的來源,實(shí)現(xiàn)了在片散射參數(shù)校準(zhǔn)不確定度,提高不確定度評估的準(zhǔn)確性。
為解決上述技術(shù)問題,本發(fā)明所采取的技術(shù)方案是:一種在片散射參數(shù)的溯源及不確定度評估方法,通過多線TRL校準(zhǔn)件完成,包括以下步驟:
1)建立多線TRL校準(zhǔn)算法模型,根據(jù)所述TRL校準(zhǔn)算法確定采集測量的誤差來源;
2)測量多線TRL校準(zhǔn)件的幾何量及未修正的散射參數(shù),并進(jìn)行誤差項(xiàng)采集;
3)通過測量傳輸線單位長度線電容的方法,得到所述多線TRL校準(zhǔn)件傳輸線的特征阻抗,再通過阻抗變換實(shí)現(xiàn)歸一化到50Ω特征阻抗的散射參數(shù)校準(zhǔn);
4)測量被測件未修正的散射參數(shù),進(jìn)行誤差項(xiàng)修正得到歸一化到50Ω的被測件的散射參數(shù),根據(jù)MCM蒙特卡洛器件仿真測試方法對多線TRL校準(zhǔn)的散射參數(shù)進(jìn)行不確定度評估。
優(yōu)選的,步驟1)中的所述多線TRL校準(zhǔn)算法中,一個(gè)頻點(diǎn)對應(yīng)所有傳輸線標(biāo)準(zhǔn),通過誤差項(xiàng)修正得到被測件散射參數(shù)的多個(gè)觀測值后,再通過統(tǒng)計(jì)處理的方法得到被測件散射參數(shù)的最優(yōu)值。
優(yōu)選的,步驟1)中所述誤差來源包括線長差ΔL、傳輸線阻抗一致性、矢網(wǎng)測量接收機(jī)的幅相精度以及相對有效介電常數(shù)εr,eff的測量誤差。
優(yōu)選的,步驟2)中以中間量的測量誤差作為不確定度評定時(shí)的離散值;
所述中間量包括線長差、相對有效介電常數(shù)、未修正的測量量以及線特征阻抗的一致性。
優(yōu)選的,步驟3)中以低介質(zhì)損耗傳輸線單位線電容測量來確定所述多線TRL校準(zhǔn)件傳輸線的特征阻抗,將在片散射參數(shù)的不確定度來源確定為包括進(jìn)行反射測量的不確定度及測量直流電阻的不確定度。
優(yōu)選的,步驟4)中根據(jù)中間測量量的測量模型,結(jié)合最終測量量的期望及偏差,通過MCM蒙特卡洛器件仿真得到在片多線TRL校準(zhǔn)的散射參數(shù)的不確定度;
其中,所述中間測量量包括傳輸線的傳播常數(shù)、相對有效介電常數(shù)和線電容;所述最終測量量包括傳輸線的幾何尺寸和直流電阻。
采用上述技術(shù)方案所產(chǎn)生的有益效果在于:在片S參數(shù)校準(zhǔn)準(zhǔn)確度最高的多線TRL校準(zhǔn)算法模型,并在此基礎(chǔ)上分析測量誤差來源,結(jié)合傳輸線單位線電容測量確定傳輸線特征阻抗的方法,將在片S參數(shù)校準(zhǔn)的誤差來源向上溯源到幾何量參數(shù)及電阻基準(zhǔn),并采用MCM實(shí)現(xiàn)了在片S參數(shù)校準(zhǔn)不確定度評定。經(jīng)驗(yàn)證算法模型準(zhǔn)確、量值溯源途徑合理。
附圖說明
圖1是本發(fā)明在片散射參數(shù)的溯源及不確定度評估方法一個(gè)實(shí)施例的流程示意圖;
圖2是本發(fā)明一個(gè)實(shí)施例的多線TRL校準(zhǔn)信號(hào)流圖(8項(xiàng)誤差模型);
圖3是本發(fā)明一個(gè)實(shí)施例的量值溯源圖;
圖4是本發(fā)明一個(gè)實(shí)施例的多線TRL校準(zhǔn)軟件界面;
圖5是本發(fā)明一個(gè)實(shí)施例的校準(zhǔn)件測量SM結(jié)果示意圖;
圖6是本發(fā)明一個(gè)實(shí)施例的PAD10真實(shí)值SA測試結(jié)果(直通中間,50Ω);
圖7是本發(fā)明一個(gè)實(shí)施例的不確定度評定軟件界面;
圖8是本發(fā)明一個(gè)實(shí)施例的算法模型測量結(jié)果與美國國家標(biāo)準(zhǔn)局(NIST)參考物質(zhì)RM8130上的檢驗(yàn)件10dB衰減器測量結(jié)果對比。
具體實(shí)施方式
下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。
以下各個(gè)實(shí)施例中,在片散射參數(shù)的溯源及不確定度評估方法均是通過多線TRL校準(zhǔn)件完成的。參見圖1,一個(gè)實(shí)施例中,在片散射參數(shù)的溯源及不確定度評估方法可以包括以下步驟:
S100,建立多線TRL校準(zhǔn)算法模型,根據(jù)所述TRL校準(zhǔn)算法確定采集測量的誤差來源。
其中,多線TRL校準(zhǔn)算法是建立在TRL校準(zhǔn)方法的基礎(chǔ)上,它們具有相同的校準(zhǔn)常數(shù)X、Y和8項(xiàng)誤差模型,參見圖2。在片測量過程中,探針與校準(zhǔn)件的連接重復(fù)性是隨機(jī)誤差的主要來源,連接重復(fù)性包括探針與校準(zhǔn)件的接觸深淺、位置微小偏移等。相比TRL校準(zhǔn)方法忽略了這些隨機(jī)誤差,多線TRL校準(zhǔn)算法考慮了探針與校準(zhǔn)件連接重復(fù)性帶來的隨機(jī)誤差的影響,因此其校準(zhǔn)準(zhǔn)確度更高。不同于TRL校準(zhǔn)方法中,一個(gè)頻點(diǎn)只對應(yīng)兩根傳輸線標(biāo)準(zhǔn),即直通Thru和傳輸線line,通過對測量結(jié)果求解特征值和特征向量得到傳播常數(shù)γ和校準(zhǔn)常數(shù)X,Y。多線TRL校準(zhǔn)算法中,一個(gè)頻點(diǎn)對應(yīng)所有傳輸線標(biāo)準(zhǔn),通過一定的計(jì)算得到待求量的多個(gè)觀測值,通過統(tǒng)計(jì)處理的方法得到最優(yōu)值。
其中,校準(zhǔn)誤差網(wǎng)絡(luò)X,Y可由A、B、C、R參數(shù)表征,是校準(zhǔn)算法的待求量。
其中,e00,e01,e10,e11,e22,e23,e32,e33為8項(xiàng)系統(tǒng)誤差,將8項(xiàng)系統(tǒng)誤差網(wǎng)絡(luò)X,Y使用傳輸散射參數(shù)表征即為公式(1)(2)中最后一個(gè)等于號(hào)后面的表達(dá)式,ABCR只是一個(gè)符號(hào),用于簡化公式,沒有實(shí)際意義。
算法最終將給出通過多次測量、觀測,應(yīng)用Guass-Markou定律獲取最佳無偏估計(jì),消除隨機(jī)誤差并得到待求量傳播常數(shù)γ和A、B、C、R的模型。
矢網(wǎng)測量的第i個(gè)校準(zhǔn)件(傳輸線標(biāo)準(zhǔn))的級(jí)聯(lián)傳輸散射矩陣Mi為
其中,Ti為校準(zhǔn)件i的實(shí)際傳輸散射矩陣,X、Y為待求的誤差網(wǎng)絡(luò)傳輸散射矩陣,以下簡稱校準(zhǔn)常數(shù)。該上劃線的含義表示將信號(hào)傳輸方向反向。比如,若Y表示從端口2到端口1的傳輸散射矩陣,表示從端口1到端口2的傳輸散射矩陣。
如果傳輸線標(biāo)準(zhǔn)是理想的,并且它與探針的連接也是理想的,那么第i條傳輸線標(biāo)準(zhǔn)的傳輸散射矩陣Ti為
式(4)中,γ是傳播常數(shù),li為第i個(gè)傳輸線標(biāo)準(zhǔn)的長度,Li為理想情況傳輸矩陣。
事實(shí)上,考慮到探針與校準(zhǔn)件接觸重復(fù)性等隨機(jī)誤差,T為
其中,i為大于等于1的整數(shù),δ1l為端口1不理想引起的隨機(jī)誤差,δ2l為端口2不理想引起的隨機(jī)誤差,二者以傳輸散射矩陣形式表示。δ1l,δ2l中的元素值很小,遠(yuǎn)小于1。一個(gè)實(shí)施例中,端口1可以為測量兩端口的被測件時(shí)的左側(cè)輸入端口;端口2可以為測量兩端口的被測件時(shí)的右側(cè)輸入端口。
給定任意兩個(gè)傳輸線標(biāo)準(zhǔn)的測量結(jié)果,根據(jù)公式(3)可得到
MijX=XTij (6)
其中,
Mij≡Mj(Mi)-1 (7)
Tij≡Tj(Ti)-1 (8)
若隨機(jī)誤差δ1l、δ2l不存在,則Tij簡化為Lij,
其中,Δl為第i個(gè)傳輸線和第j個(gè)傳輸線的線長差。由于Lij為對角矩陣,由公式(6)可知,此時(shí)傳播常數(shù)和校準(zhǔn)常數(shù)的求解便轉(zhuǎn)化為矩陣的特征值和特征向量問題,即Mij的特征值對應(yīng)Tij的對角值由此可推導(dǎo)出傳播常數(shù)γ。Mij的特征向量為X的列向量,由此可推導(dǎo)出校準(zhǔn)常數(shù)X。
至此,已經(jīng)得到了多線TRL校準(zhǔn)算法里的傳播常數(shù)γ和以A、B、C、R表示的8項(xiàng)誤差模型。該校準(zhǔn)的參考面為距離探針端lThru/2的距離,參考阻抗Zref等于傳輸線特征阻抗Z0,即Zref=Z0。軟件還可將參考阻抗設(shè)為某一個(gè)連接阻抗的值,比如當(dāng)Z0偏離50Ω時(shí),多線校準(zhǔn)軟件計(jì)算出參考阻抗Zref為50Ω時(shí)的值,前提是Zref、Z0已知。
但事實(shí)上,由于隨機(jī)誤差的存在,使傳播常數(shù)和校準(zhǔn)常數(shù)的求解復(fù)雜化。Tij不再是對角矩陣,Mij的特征值和特征向量也無法直接求解傳播常數(shù)和校準(zhǔn)常數(shù)。因此,研究這些較小的隨機(jī)誤差δ1i、δ2i對特征值和特征向量的影響是很有意義的。在實(shí)際計(jì)算過程中,計(jì)算Mij的特征值和特征向量是比較容易的,它們與Tij的特征值和特征向量具有一定的關(guān)系。假定Vij,Λij分別為Tij的特征向量和特征值,則
TijVij=VijΛij (10)
MijUij=UijΛij (11)
其中,Uij為Mij的特征向量,且
Uij=XVij (12)。
由式(11)可知,Mij和Tij具有相同的特征值,并且它們特征向量關(guān)系如公式(12)。因此,可以通過隨機(jī)誤差對Tij的影響來間接分析對Mij的影響,即對Mij的特征值和特征向量的影響,而Mij的特征值和特征向量分別對應(yīng)著傳播常數(shù)和校準(zhǔn)常數(shù)。
下面給出Tij與LijLij的一階線性誤差方程,
Tij≈Lij+εij (13)
公式(13)和(14)給出了TRL校準(zhǔn)中的隨機(jī)誤差的線性分析,多線TRL校準(zhǔn)算法就是通過εij求解出傳播常數(shù)、校準(zhǔn)常數(shù)的線性測量誤差方程,再利用統(tǒng)計(jì)處理的方法減小隨機(jī)誤差的影響,提高校準(zhǔn)準(zhǔn)確度。
在一個(gè)實(shí)施例中,校準(zhǔn)件和傳遞標(biāo)準(zhǔn)件使用的是低損耗的GaAs基片,因此,傳輸線標(biāo)準(zhǔn)的特征阻抗Z0可由傳輸線線電容C計(jì)算得到,C單位為pF/10-2m。其中,
式(15)中,γ是傳播常數(shù),可通過多線TRL算法自動(dòng)表征,C是線電容。
計(jì)算阻抗變換后的校準(zhǔn)常數(shù)X、Y。使用Z0可以得到兩端口阻抗變換矩陣,及新的特征阻抗Zref下校準(zhǔn)常數(shù)X、Y。
其中,
在得到所有的校準(zhǔn)常數(shù)X、Y后,計(jì)算校準(zhǔn)常數(shù)X1和并計(jì)算出相應(yīng)的十二項(xiàng)誤差項(xiàng),送至矢網(wǎng)。矢網(wǎng)結(jié)合已測得的被測件未修正的SDUT參數(shù),轉(zhuǎn)換成MDUT,得到其傳輸散射參數(shù)TDUT,再轉(zhuǎn)換為S參數(shù)即得到經(jīng)過誤差修正的SA。
參見圖3,根據(jù)校準(zhǔn)算法模型,待求量SA是測量值SM通過誤差項(xiàng)修正后得到的。由于在片傳輸線的加工工藝限制了傳輸線的制作長度和一致性,而誤差修正算法中線長差ΔL、各傳輸線阻抗的不一致導(dǎo)致以及相對有效介電常數(shù)εr,eff的測量誤差決定了傳播常數(shù)的誤差。進(jìn)一步的決定了校準(zhǔn)常數(shù)X、Y的測量誤差。此外,由于未修正的測量量SM的測量誤差來源于矢網(wǎng)測量接收機(jī)的幅相精度,也會(huì)引入測量誤差。本步驟中的誤差來源包括線長差ΔL、傳輸線阻抗一致性、矢網(wǎng)測量接收機(jī)的幅相精度以及相對有效介電常數(shù)εr,eff的測量誤差,給出了以未知線阻抗為參考阻抗的散射參數(shù)不確定度來源分析。
S200,測量多線TRL校準(zhǔn)件的幾何量及未修正的散射參數(shù),并進(jìn)行誤差項(xiàng)采集。
一個(gè)實(shí)施例中,可以測量以GaAs為襯底的多線校準(zhǔn)件RM8130,分別為Thru,Line1~Line5,SHORT以及相應(yīng)端接電阻等圖形。通過激光共焦顯微鏡測量得到其幾何量,傳輸線長度依次為550μm,2685μm,3750μm,7115μm和20245μm,40550μm。GaAs襯底厚度為502μm,每條傳輸線標(biāo)準(zhǔn)的中心導(dǎo)體寬度w為64μm,中心導(dǎo)體與地導(dǎo)體間距s為42μm,地導(dǎo)體寬度wg為261.5μm。
然后通過開發(fā)算法軟件對多線TRL進(jìn)行SM測量,并得到誤差項(xiàng)。
本步驟中,以中間量的測量誤差作為不確定度評定時(shí)的離散值,而非假設(shè)或經(jīng)驗(yàn)值確定。其中,中間量包括線長差、相對有效介電常數(shù)、未修正的測量量SM以及線特征阻抗的一致性。
S300,通過測量傳輸線單位長度線電容的方法,測量所述多線TRL校準(zhǔn)件傳輸線的特征阻抗,實(shí)現(xiàn)歸一化到50Ω特征阻抗的散射參數(shù)校準(zhǔn)。
為了將系統(tǒng)阻抗歸一化到50Ω,需要知道傳輸線的特征阻抗值,對于低介質(zhì)損耗的校準(zhǔn)件可通過測量線電容C及傳播常數(shù)得到。C的測量不確定度包括傳輸線直流電阻Rdc測量不確定度,以及進(jìn)行步驟三所進(jìn)行的反射系數(shù)s11測量引入的不確定度。具體線電容測量過程如下所述:
可通過內(nèi)嵌在傳輸線標(biāo)準(zhǔn)上的負(fù)載的集總參數(shù)計(jì)算得到。
對于低頻段的集總電阻來說,
其中,Rload,dc為負(fù)載的直流電阻。Γload是負(fù)載的反射系數(shù),是中間測量量。將公式(24)帶入到公式得到,
其中,傳播常數(shù)γ可由多線TRL算法計(jì)算得到,利用兩邊的實(shí)部、虛部分別相等,可求得線電容C和G/ωC。因此關(guān)鍵是要準(zhǔn)確測得中間量直流電阻Rload,dc以及電阻端面反射系數(shù)Γload。
通過測量端接電阻的直流阻值以及步驟S300所述的反射系數(shù)測量,得到直流下的單位長度線電容。
本步驟中,步驟3)中以低介質(zhì)損耗傳輸線單位線電容測量來確定多線TRL校準(zhǔn)件傳輸線的特征阻抗,將在片散射參數(shù)的不確定度來源確定為包括進(jìn)行反射測量的不確定度及測量直流電阻的不確定度,解決了在片S參數(shù)溯源的問題。
S400,測量被測件未修正的散射參數(shù),進(jìn)行誤差項(xiàng)修正得到歸一化到50Ω的被測件的散射參數(shù),根據(jù)MCM蒙特卡洛器件仿真測試方法對多線TRL校準(zhǔn)的散射參數(shù)進(jìn)行不確定度評估。
其中,歸一化到50Ω的多線TRL校準(zhǔn)MCM不確定度評定,可以根據(jù)中間測量量的測量模型,結(jié)合最終測量量的期望及偏差,進(jìn)行MCM仿真得到在片多線TRL校準(zhǔn)的S參數(shù)不確定度。中間測量量可以包括傳輸線的傳播常數(shù)、相對有效介電常數(shù)、線電容。最終測量量可以包括各幾何尺寸、直流電阻。
一個(gè)具體實(shí)施例中,本發(fā)明通過建立多線TRL校準(zhǔn)算法模型,并通過測量傳輸線的幾何尺寸、直流電阻以及以線阻抗為參考的反射系數(shù)等獲取校準(zhǔn)測量的偏差,通過MCM仿真實(shí)現(xiàn)在片S參數(shù)校準(zhǔn)精度最高的多線TRL校準(zhǔn)方法的溯源和不確定度評定。具體步驟如下:
第一步,建立多線TRL校準(zhǔn)算法模型,并開發(fā)校準(zhǔn)算法軟件用于在片S參數(shù)校準(zhǔn)及測量。軟件需要輸入用于模型計(jì)算的輸入變量,如線長L、線電容等。軟件界面如圖4所示。
第二步,對多線校準(zhǔn)件進(jìn)行未修正S參數(shù)測量,也就是進(jìn)行誤差項(xiàng)采集。測量SM結(jié)果如圖5所示。
第三步,對在片矢網(wǎng)進(jìn)行誤差修正,使用修正后的在片矢網(wǎng)測量被測件,得到被測件的真實(shí)值SA,見圖6所示。
第四步,根據(jù)圖所示不確定度傳播圖,通過輸入變量的不確定度采用MCM仿真得到測量被測件SA的不確定度,實(shí)現(xiàn)在片S參數(shù)的溯源及不確定度評定。不確定度評定軟件界面如圖7所示。部分輸入量的偏差參見表1。
表1 MCM法評定多線TRL校準(zhǔn)件引入的不確定度(10GHz,10dB衰減器)
圖8給出了多線TRL校準(zhǔn)算法模型測量結(jié)果與美國國家標(biāo)準(zhǔn)局(NIST)參考物質(zhì)RM8130上的檢驗(yàn)件10dB衰減器測量結(jié)果對比。通過對比,反射系數(shù)相差±0.01,傳輸相差±0.06dB,相位相差±0.5°,且都小于評定的不確定度。本發(fā)明測量S參數(shù)測量結(jié)果與NIST參考物質(zhì)非常接近,驗(yàn)證了算法模型的正確性。另外在量值溯源上從算法模型出發(fā),通過測量得到最終變量的期望,根據(jù)測量儀器得到測量偏差,采用MCM仿真的方法,得到多線在片TRL校準(zhǔn)的S參數(shù)測量不確定度更加準(zhǔn)確、合理。
采用上述技術(shù)方案所產(chǎn)生的有益效果在于:以在片S參數(shù)校準(zhǔn)精度度最高的多線TRL校準(zhǔn)方法為研究對象,從算法出發(fā),對由校準(zhǔn)件及算法本身引入的測量不確定度進(jìn)行定量分析儀,特別是對于采用低介質(zhì)損耗的多線校準(zhǔn)件,采用測量直流電阻及以線阻抗為參考的反射系數(shù)方法得到線電容C,結(jié)合傳播參數(shù)可將系統(tǒng)阻抗歸一化到50Ω,該方法不確定度分量均通過實(shí)際測量引入,可清晰給出不確定度來源,是量值能夠溯源的保障。通過不確定度分析軟件實(shí)現(xiàn)在片S參數(shù)最高準(zhǔn)確度校準(zhǔn)方法的溯源及不確定度評定,為在片S參數(shù)量值準(zhǔn)確可靠提供了保障。
以上所述僅為本發(fā)明的較佳實(shí)施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。