-
公开(公告)号：CN210693863U
公开(公告)日：2020-06-05
申请号：CN201921271933.9
申请日：2019-08-07
Applicant: 青海民族大学 , 成都多普勒科技有限公司
Abstract: 本实用新型公开了一种基于增强型晶体管的高效率功率放大器，包括输入四路变压耦合功率分配网络、第一场效应管达林顿三堆叠功率放大网络、第二场效应管达林顿三堆叠功率放大网络、第三场效应管达林顿三堆叠功率放大网络、第四场效应管达林顿三堆叠功率放大网络以及输出四路变压耦合功率合成网络，本实用新型核心架构采用效应管达林顿三堆叠功率放大网络在微波段的高功率、高增益特性，同时利用差分放大器在微波频段的良好的寄生参数抑制性，与分布式变压器网络良好的功率合成特性相结合，使得整个功率放大器获得了良好的高增益、高效率和高功率输出能力。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN210693872U
公开(公告)日：2020-06-05
申请号：CN201921271938.1
申请日：2019-08-07
Applicant: 青海民族大学 , 成都多普勒科技有限公司
Abstract: 本实用新型公开了一种毫米波变压耦合合成高功率放大器，包括输入二阶功分移相补偿网络、第一差分三堆叠放大网络、第二差分三堆叠放大网络以及输出四路阻抗变换合成网络，本实用新型核心架构采用第一差分三堆叠放大网络、第二差分三堆叠放大网络，利用差分放大器在毫米波频段的良好的寄生参数抑制性，同时利用三堆叠晶体管在毫米波段的高功率、高增益特性，与分布式变压器网络良好的功率合成特性相结合，使得整个功率放大器获得了良好的高增益、高效率和高功率输出能力。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN210431352U
公开(公告)日：2020-04-28
申请号：CN201921271967.8
申请日：2019-08-07
Applicant: 青海民族大学 , 成都多普勒科技有限公司
IPC: H03F1/02 , H03F1/56 , H03F3/193 , H03F3/195 , H03F3/21 , H03F3/213 , H03F3/24 , H03F3/45 , H03G3/30
Abstract: 本实用新型公开了一种高功率高效率的毫米波功率放大器，包括输入功分移相补偿网络、第一差分堆叠放大网络、第二差分堆叠放大网络以及输出双差分转单端合成网络，本实用新型核心架构采用第一差分堆叠放大网络、第二差分堆叠放大网络，利用差分放大器在毫米波频段的良好的寄生参数抑制性，同时利用双堆叠晶体管的高增益特性，与分布式变压器网络良好的功率合成特性相结合，使得整个功率放大器获得了良好的高增益、高效率和高功率输出能力。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN210724702U
公开(公告)日：2020-06-09
申请号：CN201921193342.4
申请日：2019-07-26
Applicant: 成都理工大学 , 青海民族大学 , 成都多普勒科技有限公司
Abstract: 本实用新型公开了一种分布式有源变压高功率放大器，包括输入单端转差分匹配网络、第一差分三堆叠放大网络、第二差分三堆叠放大网络、第三差分三堆叠放大网络、第四差分三堆叠放大网络、分布式阻抗匹配变压网络以及与分布式阻抗匹配变压网络相连的第一至第四供电偏置网络。本实用新型核心架构采用第一至第四差分三堆叠放大网络，利用差分放大器良好的寄生参数抑制性，同时利用三堆叠晶体管高功率增益、高隔离度和高输出功率特性，与分布式阻抗匹配变压网络良好的功率合成特性相结合，使得整个功率放大器获得了良好的高增益、高效率和高功率输出能力。
-
公开(公告)号：CN210431351U
公开(公告)日：2020-04-28
申请号：CN201921271961.0
申请日：2019-08-07
Applicant: 青海民族大学 , 成都多普勒科技有限公司
Abstract: 本实用新型公开了一种基于异质结三极管的大功率高频放大器，包括输入分布变压耦合匹配网络、第一达林顿功率放大网络、第二达林顿功率放大网络、第三达林顿功率放大网络、第四达林顿功率放大网络以及输出分布变压耦合均衡网络，本实用新型采用异质结双极晶体管利用自偏结构不需要额外的基级馈电，大大减少了放大器应用中的复杂外围电路。其核心架构采用第一至第四达林顿功率放大网络，可以获得高功率并获得较高的高频增益，同时利用差分放大器在微波频段的良好的寄生参数抑制性，与分布式变压器网络良好的功率合成特性相结合，使得整个功率放大器获得了良好的高频、高增益、高效率和高功率输出能力。(ESM)同样的发明创造已同日申请发明专利
-
Patent Agency Ranking
公开(公告)号：CN210246697U
公开(公告)日：2020-04-03
申请号：CN201921271981.8
申请日：2019-08-07
Applicant: 青海民族大学 , 成都多普勒科技有限公司
Abstract: 本实用新型公开了一种基于共源共基复合管的宽带放大器，包括三阶输入分配网络、三阶级间平衡网络、三阶输出合成网络、第一堆叠管、第二堆叠管、第三堆叠管、第四堆叠管、第五堆叠管、第六堆叠管、第五堆叠管、第六堆叠管,与三阶级间平衡网络和三阶输出合成网络相连的集电极馈电网络和与第一至第六堆叠管相连的自适应基极馈电网络、栅极馈电网络，本实用新型核心架构采用共源共基型堆叠晶体管构成的三阶矩阵放大网络，结合了三阶矩阵放大器超宽带频响特性，同时结合了自适应基极馈电网络改善放大器电路的温度敏感度及线性度，从而使得整个功率放大器获得了良好的宽带高增益、高功率输出能力以及良好的线性度指标。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN112737526B
公开(公告)日：2025-03-28
申请号：CN202110053565.6
申请日：2021-01-15
Applicant: 青海民族大学
Abstract: 本发明公开了一种双频带高效率射频功率放大器，包括输入双频定向耦合器、双通道宽带放大网络以及输出双频定向耦合器，本发明核心架构采用双通道宽带放大网络具有高功率、高效率特性，同时利用输入双频定向耦合器和输出双频定向耦合器在微波频段的两个频带内的良好的低插损和驻波匹配特性，并且双频定向耦合器的工作频率不受放大器网络的影响，可以实现相互独立的频带设计，使得整个功率放大器在所需双频带内获得良好的高增益、高效率、良好的驻波特性和高功率输出能力。
-
公开(公告)号：CN119623231A
公开(公告)日：2025-03-14
申请号：CN202411272870.4
申请日：2024-09-12
Applicant: 青海民族大学
IPC: G06F30/27 , G06N3/0442
Abstract: 本发明公开了一种基于长短期记忆（Long short term memory,LSTM）技术的微波功率晶体管X参数建模方法，包括数据准备、模型构建、训练模型、测试模型、验证预测模型以及生成X参数模型六个步骤。本发明核心采用LSTM建模方法，该方法将门控制机制引入网络结构，以此控制信息的累积速度，选择性对已知信息进行接收或遗忘，这有助于在训练过程中避免梯度消失问题。本发明基于有限的测量或仿真数据能准确地表征微波功率晶体管的X参数，可以解决传统建模方法存在的不确定性、周期长、误差大等问题，从而进一步提高射频电路的设计效率和精度。
-
公开(公告)号：CN119598832A
公开(公告)日：2025-03-11
申请号：CN202411515345.0
申请日：2024-10-29
Applicant: 青海民族大学 , 成都桴之科科技有限公司
IPC: G06F30/27 , G06N3/045 , G06N3/084 , G06F111/06
Abstract: 本发明公开了一种基于共轭梯度反向传播神经网络(Conjugate Gradient Backpropagation Neural Network,CG‑BPNN)技术的射频功率放大器行为建模方法，包括数据准备、CG‑BPNN模型预测以及模型确定三个步骤。本发明核心采用CG‑BPNN建模方法，使用共轭梯度优化算法来更新权值，能够有效地避免陷入局部最优解，并且可以在相对较少的迭代次数内达到全局最优解。本发明可以结合有限的测量或仿真数据实现射频功率放大器的性能准确预测和行为表征，从而进一步提高射频微波电路的设计效率和精度，给微波工程师提供一种更加高效、便捷的技术手段。
-
公开(公告)号：CN111030607B
公开(公告)日：2024-08-23
申请号：CN201911398227.5
申请日：2019-12-30
Applicant: 青海民族大学
Abstract: 本发明公开了一种二维行波高增益宽带CMOS功率放大器，包括输入功分网络、第一输入三阶人工传输线、第二输入三阶人工传输线、漏极偏置网络、第一高增益二堆PMOS放大网络、第二高增益二堆PMOS放大网络、第三高增益二堆PMOS放大网络、第一高增益二堆NMOS放大网络、第二高增益二堆NMOS放大网络、第三高增益二堆NMOS放大网络以及输出二维三阶人工传输线网络，本发明核心架构采用高增益二堆PMOS及NMOS放大网络在微波段的高功率、高增益特性，同时利用二维行波放大器结构的超宽带频响特性和简化的串联分压结构，使得整个功率放大器获得了良好的宽带、高增益、高效率和高功率输出能力，同时供电网络简易。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.05 seconds)
