CST的TLM算法仿真5G毫米波阵列天线及手机

news/2025/2/11 2:39:00/

直奔主题,2022版本的5G毫米波流程更简单、仿真更快、占用硬盘和内存更少、功能更多。

第一部分,毫米波天线阵列

自带案例库中的毫米波天线阵列,这个很多毫米波用户都不陌生。2022版本中,该案例进行了微调和优化,用户可以打开案例学习毫米波的设置。下面视频展示该案例的内容以及仿真过程,重点是端口设置、端口附近的TLM网格、TLM求解器的收敛条件。

在端口按序激励之后,我们就可以将波束的形成放在后处理,下面视频展示combine result功能,进行远场的波束后处理。

除了上面视频的手动形成波束,5G毫米波更常用的是通过codebook以及5G wizard自带后处理形成并分析波束。下面视频展示如何在2022版本中直接使用5G wizard做后处理。和2021版本不同的是,2022版本不再有新的CST项目生成。

2022版本的codebook格式,可在最右添加新的一列,用来区分V和H极化的相位,该信息用于5G wizard中可选的相位差扫描功能,后面视频会演示。达索另外提供一个macro,用来转换其他形式的codebook到CST codebook。需要的请与达索技术支持联系。

第二部分,毫米波手机

自带案例库中也有安装好毫米波天线阵列的手机模型,2022版本中该案例也有所更新,外观和天线都是新的设计,自带codebook添加了V和H极化扫描功能:

求解器是TLM求解器,利用其网格聚集的功能,仿真整机效率更高,下面视频我们查看TLM网格,2022版本不需要完整运行求解器就能够看到TLM的网格:

下面的视频中,我们将阵列天线旋转,这样倾斜的设计更能利用TLM网格的优势。

第三部分,其他部分功能

对于5G毫米波的KPI结果,比如CDF,PD,sPD等等,都可通过5G wizard自动截图分类保存,生成报告。这些常规操作我们就不多介绍了。

下面的视频展示5G wizard新的复原功能,自动删除之前的CDF和PD等结果,重新计算。2022的5G wizard还添加了相位扫描功能,可在0-360度的相位差中,找出PD的最差结果。该功能需要codebook中多一列,标注V和H极化。下面视频展示如何使用:

之前视频中我们能够注意到,TLM的网格可由一些参数来控制,这些参数是5G毫米波模板帮助定义的。该模板生成一些本地的网格组(mesh group),用户只需要将端口和天线拖拽到这些组里面就可以了,这些组自动利用这些模板定义的参数对里面的结构进行网格加密。至于如何调整供应商提供的加密天线模组的网格,这个我们有其他的guide。

总结:

1.     2022新版的毫米波仿真流程简化,功能增加,所需时间和硬盘占用都大幅度减少,得益于新的近场处理技术。无论是高精度的网格设置还是倾斜的天线模组,TLM加上GPU/DC都能够高效计算。

2.     新自带天线和手机模型案例。

3.     新添加5G wizard 相位扫描、数据复原、量化激励、分量导出等等新功能。

4.     另提供codebook转换器。

 感谢阅读,如果觉得本篇文章有点用,请点个在看或喜欢作者,分享给更多朋友了解和关注我们。

【推荐内容】

[CST] 如何申请Flexnet License端口和更新License文件?

[CST] CST软件非官方支持的GPU卡加速性能评估

[CST] CST2025 共模电感3D参数化建模及共模、差模特性仿真


http://www.ppmy.cn/news/1571027.html

相关文章

百度高德地图坐标转换

百度地图和高德地图的侧重点不太一样。同样一个地名,在百度地图网站上搜索到的地点可能是商业网点,在高德地图网站上搜索到的地点可能是自然行政地点。 高德地图api 在高德地图中,搜索地名,如“乱石头川”,该地名会出…

SSA-TCN麻雀算法优化时间卷积神经网络时间序列预测未来Matlab实现

SSA-TCN麻雀算法优化时间卷积神经网络时间序列预测未来Matlab实现 目录 SSA-TCN麻雀算法优化时间卷积神经网络时间序列预测未来Matlab实现预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.Matlab实现SSA-TCN麻雀算法优化时间卷积神经网络时间序列预测未来(优…

编译原理面试问答

编译原理面试拷打 1.编译原理的基本概念 编译原理是研究如何将高级程序语言转换为计算机可执行代码的理论与技术,其核心目标是实现高效、正确的代码翻译。 **编译器:**将源代码转化为目标代码(机器码、字节码等)。一次翻译整个程…

Python用langchain、OpenAI大语言模型LLM情感分析苹果股票新闻数据及提示工程优化应用...

全文链接:https://tecdat.cn/?p39614 本文主要探讨了如何利用大语言模型(LLMs)进行股票分析。通过使用提供的股票市场和金融新闻获取数据,结合Python中的相关库,如Pandas、langchain等,实现对股票新闻的情…

5、大模型的记忆与缓存

文章目录 本节内容介绍记忆Mem0使用 mem0 实现长期记忆 缓存LangChain 中的缓存语义缓存 本节内容介绍 本节主要介绍大模型的缓存思路,通过使用常见的缓存技术,降低大模型的回复速度,下面介绍的是使用redis和mem0,当然redis的语义…

使用 Axios ——个人信息修改

目录 1. HTML 部分 解释: 2. JavaScript 部分 信息渲染与提交修改(通过 Axios 库) 解释: 3. 头像更换逻辑 解释: 4. 总结 这段代码实现了一个用户个人信息管理页面,包含了获取、显示和修改用户信息…

Python 实现 gRPC 与 原始 RPC 的对比:理解 RPC 的基本功能

在分布式系统中,远程过程调用(Remote Procedure Call,RPC) 是一项关键技术,它允许不同计算机之间像调用本地函数一样进行通信。本文通过 Python 代码对比 gRPC 和 原始 RPC(基于 Socket) 来分析…

Spring Boot Actuator使用

说明&#xff1a;本文介绍Spring Boot Actuator的使用&#xff0c;关于Spring Boot Actuator介绍&#xff0c;下面这篇博客写得很好&#xff0c;珠玉在前&#xff0c;我就不多介绍了。 Spring Boot Actuator 简单使用 项目里引入下面这个依赖 <!--Spring Boot Actuator依…