ブロードバンド線形RF増幅器においてインピーダンス整合はどのように処理されているのか？

ワイドバンド増幅器の性能不足？ インピーダンスミスマッチ¹ が原因であることが多い。これは効率と線形性の両方を著しく損なう — 重要な問題であり、 帯域幅の要求² が登場するにつれて 6G³.

ブロードバンド線形RF増幅器におけるインピーダンス整合の処理は、全周波数範囲にわたってトランジスタに一貫した最適負荷を提供するネットワークを作成することを含む。これにより、出力電力の最大化、, ゲインの平坦性⁴, 、および線形性を向上させながら、 信号反射⁵.

を最小限に抑えることができる。私は、まさにこの問題と戦ったプロジェクトを覚えている。クライアントは新しい衛星通信システム用の増幅器を必要としていたが、必要な帯域全体でゲインの平坦性を十分に確保できなかった。これは典型的な、イライラさせられるインピーダンス整合の課題のケースだった。この経験から、良いマッチングが全体的な性能にとっていかに重要かを学んだ。なぜこれが非常に難しいのか、そして私たちエンジニアがどのように解決しているのかを探ってみよう。.

ブロードバンド整合の従来の方法は何か？

古い整合技術が新しいワイドバンド設計で失敗しているのか？従来の方法はシンプルだが、今日の極端な帯域幅には対応できないことが多い。これにより、性能の妥協や長期にわたる高コストの再設計が必要となる。.

従来の方法には、マルチセクション クォーターウェーブトランスフォーマー⁶ および集積素子（L-C）ネットワークが含まれる。これらの技術は、複数のシンプルな整合段階をカスケード接続し、それぞれを帯域の一部に最適化することで、ブロードバンドマッチに近似させることによって機能する。.

私がRFエンジニアとして初期の頃、これらの従来の方法は私の全てのツールキットだった。私たちは何時間も、時には何日もかけて、各セクションの値を慎重に計算していた。目的は、デバイスのインピーダンスをシステムの標準50オームに変換することだった。中程度の帯域幅の場合、これは比較的うまく機能する。より広い周波数範囲をカバーするためにセクションを追加できるが、それはトレードオフのゲームだ。各追加コンポーネントは挿入損失、複雑さ、そしてもう一つの故障点を増やす。私は無数の時間を作業台で過ごし、微小なコンデンサやインダクタを物理的に調整し、ネットワークアナライザを見ながら調整していた。低域側のマッチングを修正するために一つのコンポーネントを調整すると、突然高域側が狂ってしまうこともあった。それには多くの経験と忍耐が必要で、その微妙なバランスを見つけるのは難しい。.

従来の整合技術の比較

なぜ広帯域で高いリニアリティを実現するのが難しいのか？

増幅器のリニアリティがより広い帯域幅を追求するにつれて低下しているですか？この一般的な問題は信号歪みを引き起こします。これはトランジスタの理想的な負荷インピーダンスが電力と周波数により変化するためです。.

実現 高い線形性⁷ は、線形性のための最適な負荷インピーダンスが単一の点ではないため困難です。それは周波数と入力電力によって変化します。広帯域整合ネットワークは、帯域全体で妥協的なインピーダンスを提示する必要があり、これによりしばしばピーク線形性が犠牲になります。.

これは現代のアンプ設計における最大の悩みの1つです。私たちは「"ロードプル⁸"」と呼ばれる技術を使ってトランジスタを特性評価します。特定の周波数で数百種類の異なる負荷インピーダンスでデバイスをテストし、最高の線形性、最高の効率、または最高の出力電力のための「スイートスポット」を見つけます。問題は、これらのスイートスポットが異なる場所にあることです。さらに悪いことに、周波数が変化すると移動します。私はSafari Microwaveで当社の主要製品タイプである2-18 GHz線形アンプに取り組んでいました。その ロードプル⁸ データは、2 GHzでの理想的な線形性ポイントがスミスチャートの一方の側にあり、18 GHzでの理想的なポイントが完全に反対側にあったことを示していました。私たちの仕事は、それらのポイント間の経路をたどり、帯域全体で良好で一貫した線形性を提供するために「十分に近い」状態を保つ整合ネットワークを設計することでした。それは工学的な妥協の芸術です。.

線形性における主要な課題

• 周波数依存の挙動： トランジスタは理想的なブラックボックスではありません。静電容量のような内部特性は周波数によって変化します。これにより、最適な性能を発揮するために必要な負荷インピーダンスが変わります。.
• さまざまな電力レベル： 小信号に対する最適な負荷は、大信号に対する最適な負荷とは異なります。これこそが非線形性の定義です。整合ネットワークは固定されていますが、それが扱う信号は動的です。.
• メモリ効果： これは厄介なものです。トランジスタの挙動は、その直前の信号によって影響を受けることがあります。 広帯域システム⁹ では、複雑な信号を扱う場合、これは大きな問題です。私たちの整合ネットワークは、これらの効果を最小限に抑えるために、主周波数だけでなく、その高調波においてもインピーダンスを制御する必要があります。.

AIは整合ネットワークの設計方法をどのように変えているのでしょうか？

整合ネットワークの手動最適化に何週間も費やしていませんか？この古いプロセスは時間がかかり、しばしば最良の解決策を見逃します。AIはこれを自動化し、より良い設計をはるかに短い時間で見つけることができます。.

AIと機械学習アルゴリズムは、整合ネットワーク設計に革命をもたらしています。 トランジスタのSパラメータ¹⁰ 非線形モデルとともに、AIは何百万もの潜在的なネットワークトポロジーを自動的に探索し、帯域幅と線形性を最大化する型破りな解決策を見つけることができます。.

私たちが進むにつれて 6G³ 時代の要求は、巨大な帯域幅と極端な直線性の両方を従来の方法だけでは満たすことが不可能になりつつあります。ここでAIが登場します。最初は懐疑的でした、30年以上の経験を持つ多くのエンジニアと同じように。しかし、実際にそれを目の当たりにしました。私たちはAIアルゴリズムに新しいGaNトランジスタの非線形モデルを入力しました。私たちの目標は、6から18 GHzまでのフラットなゲインと直線性の性能を実現することです。これは私たちが開発する際に定期的に直面する課題です。 超広帯域¹¹ PAs AIは数時間でネットワークトポロジーを生成しました。それは奇妙に見え、私が決して配置しようとは思わなかった場所にコンポーネントがありました。それは標準的な教科書の設計ではありませんでした。しかし、それをシミュレーションしたところ、性能は驚くべきものでした。より平坦な群遅延とバンド全体でのより良い直線性を実現し、手動での反復調整に数週間かかるところを短時間で達成しました。これが未来です。新しい強力な出発点を提供し、その後私たちのエンジニアリング判断で洗練させることができます。.

AIの増幅器設計への影響

• 速度： 設計時間を数週間から数時間に短縮します。これにより、私たちはお客様のニーズにより迅速に対応できます。例えば、クライアントのマーク・チェンからの要望などです。.
• 性能： 人間が設計したネットワークを上回る新規で直感に反する解決策を見つけ出します。特に、私たちが専門とする「高出力、超広帯域」増幅器において顕著です。.
• 複雑さの管理： 複数の目標を同時に最適化できます。ゲイン、帯域幅、直線性、効率をバランス良く調整し、人間が手動で行うのはほぼ不可能なレベルに達します。.
• 新たな可能性： エンジニアを支援します。私たちは置き換えられるのではなく、次世代のRF課題を解決するためのより強力なツールを手に入れています。.

結論

ブロードバンドインピーダンス整合は複雑なトレードオフですが、新しいAI駆動の設計手法は、通信の未来に必要な高性能・超広帯域直線増幅器の作成に役立っています。.