[发明专利]一种开关矩阵多波束组件及开关矩阵多波束扩展式组件有效
申请号: | 202110526543.7 | 申请日: | 2021-05-14 |
公开(公告)号: | CN113300724B | 公开(公告)日: | 2022-02-15 |
发明(设计)人: | 王志刚;吴阳阳;韩世宏 | 申请(专利权)人: | 电子科技大学 |
主分类号: | H04B1/00 | 分类号: | H04B1/00;H04B1/401;G01S7/02 |
代理公司: | 成都虹盛汇泉专利代理有限公司 51268 | 代理人: | 王伟 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 开关 矩阵 波束 组件 扩展 | ||
1.一种开关矩阵多波束组件,其特征在于,包括由上至下依次设置的带有N个超微型推入式连接器射频输入接头的上盖板、含瓦片式开关矩阵电路的HTCC基板、带有M个超微型推入式连接器射频输出接头的下盖板;
所述含瓦片式开关矩阵电路的HTCC基板包括位于顶层的N个一分M功分器模块,位于底层的M个单刀N掷开关、M个低噪声放大器、一个多路数字译码器和两排控制信号探针,以及位于顶层与底层之间的多层结构射频互连层;
第1,2,…,N超微型推入式连接器射频输入接头的输出波束分别与第1,2,…,N个一分M功分器模块的输入端相连,一分M功分器模块将接收的波束划分成M路子通道,得到M路波束信号;一分M功分器模块的M路波束信号分别输入至M个单刀N掷开关中每个单刀N掷开关的任意一掷,单刀N掷开关分别与多路数字译码器相连,通过多路数字译码器控制单刀N掷开关的开通与闭合;每个单刀N掷开关分别连接一个低噪声放大器,单刀N掷开关选通的任意一路波束信号经低噪声放大器放大后得到接收波束,最终得到M个独立可控的接收波束,每个接收波束分别输入超微型推入式连接器射频输出接头;
所述下盖板的两侧分别设置有两个矩形窗口,用于引出控制信号探针;所述控制信号探针用于引出电源信号和波控信号,所述波控信号用于控制多路数字译码器的IO端口,进而通过多路数字译码器控制单刀N掷开关进行波束选择。
2.根据权利要求1所述的一种开关矩阵多波束组件,其特征在于,所述射频互连层中的射频走线具有垂直互连结构,所述垂直互连结构包括依次连接的微带线、第一带状线、类同轴和第二带状线,并在微带线、第一带状线、类同轴和第二带状线的周围打有隔离孔阵。
3.根据权利要求2所述的一种开关矩阵多波束组件,其特征在于,所述类同轴具有多个错位层,错位层之间通过带状线连接。
4.根据权利要求2或3所述的一种开关矩阵多波束组件,其特征在于,所述类同轴上设有圆形金属片,用于调节类同轴的特征阻抗。
5.根据权利要求1所述的一种开关矩阵多波束组件,其特征在于,所述含瓦片式开关矩阵电路的HTCC基板上设置有多个彼此独立的金属化隔离腔,一分M功分器模块、单刀N掷开关、低噪声放大器和多路数字译码器分别设置在金属化隔离腔内。
6.一种开关矩阵多波束扩展式组件,其特征在于,包括由上至下依次设置的带有P个SMPM射频输入接头的上盖板、含P个一分二功分器的HTCC基板、带有毛纽扣的铜钼铜上基板、含瓦片式开关矩阵电路的HTCC基板阵列、带有毛纽扣的铜钼铜下基板、含有Q个单刀双掷开关的HTCC基板、带有Q个SMPM射频输出接头的下盖板;
所述含瓦片式开关矩阵电路的HTCC基板阵列由多个含瓦片式开关矩阵电路的HTCC基板组成,每个HTCC基板包括位于顶层的N个一分M功分器模块,位于底层的M个单刀N掷开关、M个第一低噪声放大器和一个第二多路数字译码器,以及位于顶层与底层之间的多层结构射频互连层;含瓦片式开关矩阵电路的HTCC基板阵列的输入信号数量为2P,输出信号数量为Q;
第1,2,…,P个输入波束经SMPM射频输入接头输入至第1,2,…,P个一分二功分器,P个一分二功分器将P个输入波束划分成2P个波束信号;2P个波束信号分别通过铜钼铜上基板的毛纽扣输入含瓦片式开关矩阵电路的HTCC基板阵列的一分M功分器模块,瓦片式开关矩阵电路的HTCC基板阵列的输出波束分别通过铜钼铜下基板的毛纽扣输入Q个单刀多掷开关,然后通过第一多路数字译码器控制Q个单刀多掷开关的开通与闭合,使得每个单刀多掷开关均能选通任意一个输入波束,最终得到Q个独立可控的接收波束。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110526543.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:逆向特种加工机器人
- 下一篇:基于超像素和图卷积网络的极化SAR图像分类方法