CST案例分析:TLM算法仿真5G毫米波手机天线和整机

5G时代,产品复杂,更新换代快,如何快速仿真不同的设计版本是影响研发效率的关键问题。本期我们用达索系统SIMULIA自己的手机模型来演示5G毫米波的仿真。

(图片仅为概念演示,未经达索系统授权不得使用)

 完整的流程如下,先是天线本身的仿真,生成保密模型,然后手机厂商将天线保密模型和手机整合并仿真,得到电磁场的结果,以场源的形式在I-solver积分方程求解器环境下做后处理,得到FCC报告中要求的仿真结果,比如功率密度的分布。

Step 1. 毫米波天线的仿真和保密

这一步最重要的就是天线供应商要提供本地加密好网格的天线保密模组。

由于手机厂商无法看到保密天线的内部结构,所以不能对其调整内部网格;加上天线模组在手机里面可能会有一定的旋转角度,所以天线TLM保密模组在发布之前,供应商对其进行合适的本地加密网格是保证天线和手机整合后的仿真精度的关键。

下面以一个2x2的毫米波贴片天线为例,背面有馈电线,8个端口正交极化。

天线工作频率为毫米波波段n257, 26.5-29.5GHz, 仿真频率为24GHz-32GHz,也可以更宽的频率范围,比如0-40GHz,包括其他的毫米波段。

首先全局网格设置适当加密即可:

推荐本地设置包括,贴片金属厚度上要有一个网格,介质高度上要有三个网格,同轴信号的圆柱形金属直径上要有三个网格。这些都可以在TLM的本地加密功能实现。

注意这里建议用绝对值并且三个方向一样,因为天线将被旋转,绝对值的网格定义才能保证精确度;也正因为这样,网格设置的Specials里面,snapping就可以不勾选。有了本地加密,face refinement可以选择不需要。Smooth mesh with equilibrate ratio为1.25,网格尺寸变化比较平滑。

Limit octree cell size near to model to 是限制结构内部的最大网格,根据馈点处的结构尺寸适当定义。其他设置之前TLM相关文章也有解释和推荐过:

 

下面展示的是TLM的Octree网格在lumping之后,比正常的延展的六面体网格会少很多。密集的网格只聚集在结构周围,这样就允许结构旋转而网格数不会剧增。

TLM网格剖分之后,还可以得到金属的连接信息,用来分析是开路还是短路:

下面S11结果表示,用推荐的网格设置,不同旋转角度得到同样的结果,说明网格准确性非常好。

也可以和FEM频域有限元比较一下结果,用来互相验证仿真设置的精确度。下图中两种算法拿到一致的结果:(下图的天线模型略有不同,所以S11和上图不一样)

 比较不同频点的远场结果,TLM和FEM的增益误差可控制在0.1dB以内:

单独天线来讲,仿真时间TLM用GPU加速一般都是十几分钟甚至几分钟之内,内存也就100-200MB左右。而FEM则需要差不多1个小时,内存通常需要GB级。

最后对模型进行保密就可以了,这里无需对端口保密,之前的本地加密网格设置也会在保密模型内部保留下来。

 Step 2. 天线模型和手机模型的整合

第二步是手机厂商的仿真,这里我们用两个天线原模型分别放在演示手机模型上下两个位置,用保密模型效果也是一样。所以手机模型整机端口数为16,手机内部结构略有简化,但是多层的PCB板,柔性PCB,各种频段天线仍然是都包括在内。

手机的全局网格设置和天线的基本一致,屏幕为多层结构,需要本地加密一些:

Cell lumping 之后的网格数为千万级,相比Cell lumping之前网格数(亿级)减少差不多10倍。

一般我们在n257波段看三个频点就够了,这里定义三个场源和三个远场监视器。场源是为了导出用于后处理得到功率密度,远场是要看查看天线效果并且在接下来的收敛标准需要用到。这里之所以不直接定义功率监视器或电场磁场监视器,是因为我们要节省三维数据量,5G的波束扫描需要多个端口,加上频点多,如果不加控制,三维场很容易达到上百个,仿真效率大大降低,硬盘也将占据大量空间。

场源是等效的二维数据,只是在用户自定义的盒子表面;远场是三维数据,目前还需要定义。

收敛标准是个时域的小技巧。通常我们都是看能量衰减,比如-40dB甚至更低,但这里能量是指宽频的能量,不是所有频率都容易衰减。所以我们可以用自定义收敛标准替代能量衰减,比如5G天线更关心工作频段的S11反射和辐射功率的准确性,所以我们可以选Reflection S-Parameters和All Radiated Power都是收敛到0.001,或是根据需要设的更低,然后检查两次,确保收敛曲线稳定下来。这里的辐射功率收敛就和之前的远场监视器计算挂钩了。

另外,Maximum Solver Duration 的 Time=2ns,就是求解器最长仿真时间。一般以手机的尺寸,1ns以内信号是足够传播和辐射开,所以2ns只是确保总时间不要太久。两个收敛标准通常在1-2ns左右就可以将仿真停下,仿真结束之后可以查看收敛曲线,确保结果达到要求,这样就控制仿真总时间,快速而高效。

上图可看到我们在1.6ns左右停下来,如果这时候查看能量曲线,其实也就只达到-20~-30dB左右。

下图是天线S11在手机中的结果:

 Step 3. 用场源提取功率密度

同样是手机厂商的工作范畴。下图是8个场源导入到I-solver里面,对应的是4个端口,双极化。实际上场源可以达到上百个。我们提供新的Macro宏脚本可以从上一步的手机仿真cst文件中自动识别并导入所有的场源,还可以自动导入激励的振幅相位表来做波束扫描。有需要的用户可联系CST的技术人员。

导入场源盒子之后,I-solver仿真就非常简单了,全局网格适当加密,求解器精确度不需要很高,网格较少。

用Macro宏脚本设置三维结果的采样密度:

还需定义E和H场监视器。这里主要是利用E和H的二维平面定义,比如在手机上方一定距离的平面上,我们关心功率密度的分布。仿真简单,速度也很快。

下图为电场在x=-8位置的结果:

不放心的用户也可以在之前手机TLM模型里面定义同样的电场磁场比较一下,结果应该相同:

 下面就是用后处理算功率密度,磁场的共轭和电场叉积。

 

另一个后处理可以算局部均值,比如下图是按4cm^2均值后的功率密度图,可见分布更平滑。

 

 最后划重点:

1.     TLM 算法手动设置略多一些,在5G毫米波手机天线方面仿真具有网格优势。

2.    功率密度的提取可在CST中完成,利用场源的替代方法可以避免生成大量三维数据,占用资源。

3.     仿真时间上,TLM支持GPU加速,同时推荐分布式计算同时激励多个端口,整机仿真可在几小时内完成。

(本案例手机模型,0-35GHz, 两个GV100 GPU, lumping后4千万网格,仅用10%GPU内存,一台机器16个端口单独激励,一共10小时左右,若多端口同时激励,几小时完全可以)

4.     本案例中提到的Macro宏脚本请与CST技术人员联系。

今后我们还会持续更新整机仿真的流程和新功能,比如更多的后处理,比如波束、EIRP和CDF等等。


【推荐内容】

CST如何设置电压监视器?达索总代理思茂信息

CST如何设置电流监视器?达索一级代理商思茂信息

CST如何设置场探针?达索正版软件代理商

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/467597.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

W55RP20-EVB-Pico评估板介绍

目录 1 简介 2 硬件资源 2.1 硬件规格 2.2 引脚定义 2.3 工作条件 3 参考资料 3.1 RP2040 数据手册 3.2 原理图 ​编辑 原理图 & 物料清单 & Gerber 文件 3.3 尺寸图(单位:mm) ​编辑 3.4 认证 3.5 参考例程 4 硬件协…

【重装系统后重新配置2】pycharm 终端无法激活conda环境

pycharm 终端无法激活 conda 环境,但是 Windows本地终端是可以激活的 原因是pycharm 默认的终端是 Windows PowerShell 解决方法有两个: 一、在设置里,修改为cmd 二、下面直接选择

【51单片机】UART串口通信原理 + 使用

学习使用的开发板:STC89C52RC/LE52RC 编程软件:Keil5 烧录软件:stc-isp 开发板实图: 文章目录 串口硬件电路UART串口相关寄存器 编码单片机通过串口发送数据电脑通过串口发送数据控制LED灯 串口 串口是一种应用十分广泛的通讯接…

关于word 页眉页脚的一些小问题

去掉页眉底纹: 对文档的段落边框和底纹进行设置,也是页眉横线怎么删除的一种解决方式,具体操作如下: 选中页眉中的横线文本; 点击【开始】选项卡,在【段落】组中点击【边框】按钮的下拉箭头; …

SQL Servers审核提高数据库安全性

什么是SQL Server审核? SQL Server审核包括追踪和审查发生在SQL Server上的所有活动,检测潜在的威胁和漏洞,能够监控和记录对服务器设置的每次更改。此外,可以帮助管理员可以轻松地追踪数据库中特定表中的所有服务器活动&#xf…

Linux进程通信之共享内存

进程通信之共享内存 各个进程的虚拟内存是通过页表映射到物理内存中,而共享内存的实现就是允许两个不相关的进程映射到同一块物理内存,通过对该内存的读写数据以达到进程通信的目的。 共享内存是IPC进程通信方法中传输速度最快的方法,双方进…

解锁 AI 新境界:元素碰撞的神奇应用技巧全解析

前言 在当今科技飞速发展的时代,ChatGPT 作为一款强大的人工智能工具,为我们开启了全新的创意探索之门。当我们让 ChatGPT 去进行大量的元素碰撞时,相较于传统人力的联想方式,它能够凭借其强大的算法和海量的数据处理能力&#x…

MFC图形函数学习06——画椭圆弧线函数

绘制椭圆弧线函数是MFC基本绘图函数,这个函数需要的参数比较多,共四对坐标点。前两对坐标点确定椭圆的位置与大小,后两对坐标确定椭圆弧线的起点与终点。 一、绘制椭圆弧线函数 原型:BOOL Arc(int x1,int y1,int x2,int y2…

【C++】异常处理机制(对运行时错误的处理)

🌈 个人主页:谁在夜里看海. 🔥 个人专栏:《C系列》《Linux系列》 ⛰️ 天高地阔,欲往观之。 目录 引言 1.编译器可以处理的错误 2.编译器不能处理的错误 3.传统的错误处理机制 assert终止程序 返回错误码 一、…

SQLI LABS | Less-35 GET-Bypass Add Slashes (we dont need them) Integer Based

关注这个靶场的其它相关笔记:SQLI LABS —— 靶场笔记合集-CSDN博客 0x01:过关流程 输入下面的链接进入靶场(如果你的地址和我不一样,按照你本地的环境来): http://localhost/sqli-labs/Less-35/ 话不多说…

【Qwen2技术报告分析】解读模型架构 pre/post数据构建和模型评估

目录 前言 一、Tokenizer 二、模型结构 dense模型 MoE模型 模型参数设置 三、Pre-Training Pre-Training DATA LONG-CONTEXT TRAINING 四、Post-Training Post-Training DATA 人工数据注释(collaborative data annotation) 自动数据合成&a…

【HarmonyOS】not supported when useNormalizedOHMUrl is not true.

【HarmonyOS】 not supported when useNormalizedOHMUrl is not true. 问题背景: 集成三方库编译时,IDE提示报错信息如下: hvigor ERROR: Bytecode HARs: [cashier_alipay/cashiersdk] not supported when useNormalizedOHMUrl is not true…

pdb和gdb的双剑合璧,在python中调试c代码

左手编程,右手年华。大家好,我是一点,关注我,带你走入编程的世界。 公众号:一点sir,关注领取python编程资料 问题背景 正常情况下,调试python代码用pdb,调试c代码用gdb,…

基于MPPT最大功率跟踪的光伏发电蓄电池控制系统simulink建模与仿真

目录 1.课题概述 2.系统仿真结果 3.核心程序与模型 4.系统原理简介 5.完整工程文件 1.课题概述 基于MPPT最大功率跟踪的光伏发电蓄电池控制系统simulink建模与仿真。本系统包括PV模块,电池模块,电池控制器模块,MPPT模块,PWM模…

uni-app打包后报错云服务空间未关联

使用uni-app打包到h5 项目里面用到了uni-app的云端一体城市选择组件,这个组件数据用到了uniCloud云服务空间,在本地运行没问题,打包之后测试环境报错: 一顿查,查到了官网是这样说的: cli publish --platfo…

vue用jenkins 打包项目项目关闭eslint检查

问题描述:创建vue脚手架项目后,使用jenkins 打包项目,出现如下图所示错误,显示错误来源于eslint检测。 解决方法:在根目录下找到vue.config.js文件,添加lintOnSave: false以关闭eslint检测,项目…

基于Spring Boot的美术馆管理系统的设计与实现,LW+源码+讲解

摘 要 如今社会上各行各业,都喜欢用自己行业的专属软件工作,互联网发展到这个时候,人们已经发现离不开了互联网。新技术的产生,往往能解决一些老技术的弊端问题。因为传统美术馆管理系统信息管理难度大,容错率低&…

战略共赢 软硬兼备|云途半导体与知从科技达成战略合作

2024年11月5日,江苏云途半导体有限公司(以下简称“云途”或“云途半导体”)与上海知从科技有限公司(以下简称“知从科技”)达成战略合作,共同推动智能汽车领域高端汽车电子应用的开发。 云途半导体与知从科…

【TMM2024】Frequency-Guided Spatial Adaptation for Camouflaged Object Detection

论文链接:https://arxiv.org/abs/2409.12421 这个论文研究 Camouflaged Object Detection (COD)问题,作者认为,使用 pretrained foundation model 可以改进COD的准确率,但是当前的 adaptor 大多学习空间特…

前端环境配置

对于换公司的小伙伴来讲,重新安装环境,百度或许稍微有点麻烦,本文章让你无脑式直接操作,保证环境畅通无阻。 1.安装nvm-setup 该插件是一款管理nodeJs的包,无需你单独下载nodeJs去安装,只需要下载安装此…