矢量网络分析仪S参数测量不确定度的确定方法技术

本发明专利技术公开了一种矢量网络分析仪S参数测量不确定度的确定方法，涉及矢量网络分析仪的校准方法技术领域。所述方法通过MCM仿真实现，避免了使用GUM法评定不确定度时需要考虑S参数间相关性的问题和使用经验算法得到的不确定度不完善的问题；该方法从校准件的定义出发，基于SOLT校准方法对矢量网络分析仪进行自校准，将校准件引入的不确定度通过矢量网络分析仪传递给被测件，最后，通过使用MCM仿真的方法得到矢量网络分析仪测量被测件S参数的测量不确定度及其相关性，以保证矢量网络分析仪能够获得被测件准确的S参数性能，提高了测试的准确性。

【技术实现步骤摘要】

本专利技术涉及矢量网络分析仪的校准方法

技术介绍
矢量网络分析仪(Vector Network Analyzer，VNA)是微波测量领域使用最广泛的测量仪器。为了保证矢量网络分析仪的S参数测量量值准确可靠，人们开发了高精度的校准件用于矢量网络分析仪的自校准，二端口矢量网络分析仪校准技术被广泛地应用于商业仪器之中，其中最重要的是基于12项误差模型的SOLT校准技术。 校准技术一般包括三个重要部分：误差模型(Error Model)、校准过程(Calibration Procedure)和误差修正(Error Correction)。首先，根据矢量网络分析仪的硬件结构确定系统误差的来源，进而利用误差模型将被测件散射参数与系统误差的关系以信号流图的形式直观地表示出来，然后通过测量校准件计算出各系统误差的大小并保存下来，最后，通过误差修正算法将测量结果中系统误差的影响去除，得到被测件散射参数的真实值。 通常认为校准件是完全理想的，即短路校准件反射系数ΓS＝-1，开路校准件反射系数ΓO＝1，匹配校准件反射系数ΓL＝0以及直通校准件ST11＝ST22＝0，ST12＝ST21＝1。然而由于实际校准件的不完善性，导致了校准件散射参数(S参数)的不确定性，因此对矢量网络分析仪的校准结果引入了不确定度，最终，矢量网络分析仪将不确定度传递给被测件。目前，二端口矢量网络分析仪测量不确定度的计算方法主要有： 1)安捷伦公司的矢量网络分析仪说明书给出的矢量网络分析仪不确定度计算方法； 2)EURAMET cg-12《Guidelines on the Evaluation of Vector Network Analysers(VNA)》给出的不确定度计算方法； 3)中华人民共和国工业和信息化部发布的SJ/T11433-2012《矢量网络分析仪通用规范》给出的不确定度计算方法。 但是，以上方法只是给出了S参数测量不确定度的经验算法，其中均未考虑S参数的相关性问题，上述几种方法是不完善的。因此，有必要给出一种更为完善的S参数不确定度计算方法，以保证矢量网络分析仪能够获得被测件准确的S参数。
技术实现思路
本专利技术所要解决的技术问题是提供一种矢量网络分析仪S参数测量不确定度的确定方法，所述方法提供了一种更为完善的S参数不确定度的确定方法，以保证矢量网络分析仪能够获得被测件准确的S参数，提高了测试的准确性。 为解决上述技术问题，本专利技术所采取的技术方案是：一种矢量网络分析仪S参数不确定度的确定方法，其特征包括以下步骤： 第一步，选择十二项误差模型作为矢量网络分析仪的自校准模型； 第二步，选择合适的校准件，并确定校准件的S参数； 第三步，使用校准件对矢量网络分析仪进行SOLT自校准，按照矢量网络分析仪测量信号流图，得到基于SOLT校准方法的十二项误差，并使用MCM蒙特卡洛器件仿真的方法得到十二项误差的概率密度分布； 第四步，使用矢量网络分析仪测量被测件，将第三步得到的十二项误差的概率密度分布数据带入全二端口误差模型公式，使用MCM蒙特卡洛器件仿真测试方法，得到矢量网络分析仪被测件的S参数的不确定度及其相关性。 进一步的，第一步中矢量网络分析仪通过测量一组已知参数的校准件，比较测试数据和已知参数的校准件的标准数据，计算出矢量网络分析仪的系统误差，即系统自校准模型。 进一步的，第二步中校准件的S参数确定方法为：以校准件S参数的理想值作为该参数的期望值，设定一个离散值作为该参数的测量不确定度，该离散值通过查阅相关文献并根据经验进行设定。 进一步的，所述十二项误差为，EDF：正向方向性误差；EDR：反向方向性误差；ESF：正向源匹配误差；ESR：反向源匹配误差；ERF：正向反射跟踪误差；ERR：反向反射跟踪误差；EXF：正向隔离度误差；EXR：反向隔离度误差；ELF：正向负载匹配误差；ELR：反向负载匹配误差；ETF：正向传输跟踪误差；ETR：反向传输跟踪误差。 进一步的，第三步SOLT自校准过程如下： 1)单端口标准件SOL测量过程 当i(i＝1or2)端口接单端口校准件时，12项误差模型简化为单端口误差模型，单端口校准件X的反射系数为ΓX时，其测量值为Smii(X)，由信号流图计算反射系数测量值可以得到如下表达式： S mii ( X ) = E Di + E Ri Γ X 1 - E Si Γ X - - - ( 1 ) ]]> i端口依次接短路校准件S(Γ＝ΓS)、开路校准件O(Γ＝ΓO)和匹配校准件L(Γ＝ΓL)，结合式(1)，可得 S mii ( S ) = E Di + E Ri Γ S / 本文档来自技高网...

【技术保护点】
一种矢量网络分析仪S参数测量不确定度的确定方法，其特征包括以下步骤： 第一步，选择十二项误差模型作为矢量网络分析仪的自校准模型； 第二步，选择合适的校准件，并确定校准件的S参数； 第三步，使用校准件对矢量网络分析仪进行SOLT自校准，按照矢量网络分析仪测量信号流图，得到基于SOLT校准方法的十二项误差，并使用MCM蒙特卡洛器件仿真的方法得到十二项误差的概率密度分布； 第四步，使用矢量网络分析仪测量被测件，将第三步得到的十二项误差的概率密度分布数据带入全二端口误差模型公式，使用MCM蒙特卡洛器件仿真测试方法，得到矢量网络分析仪被测件的S参数的不确定度及其相关性。

【技术特征摘要】
1.一种矢量网络分析仪S参数测量不确定度的确定方法，其特征包括以下步骤： 
第一步，选择十二项误差模型作为矢量网络分析仪的自校准模型； 
第二步，选择合适的校准件，并确定校准件的S参数； 
第三步，使用校准件对矢量网络分析仪进行SOLT自校准，按照矢量网络分析仪测量信号流图，得到基于SOLT校准方法的十二项误差，并使用MCM蒙特卡洛器件仿真的方法得到十二项误差的概率密度分布； 
第四步，使用矢量网络分析仪测量被测件，将第三步得到的十二项误差的概率密度分布数据带入全二端口误差模型公式，使用MCM蒙特卡洛器件仿真测试方法，得到矢量网络分析仪被测件的S参数的不确定度及其相关性。 
2.根据权利要求1所述的矢量网络分析仪S参数测量不确定度的确定方法，其特征在于：第一步中矢量网络分析仪通过测量一组已知参数的校准件，比较测试数据和已知参数的校准件的标准数据，计算出矢量网络分析仪的系统误差，即系统自校准模型。 
3.根据权利要求1所述的矢量网络分析仪S参数测量不确定度的确定方法，其特征在于，第二步中校准件的S参数确定方法为：以校准件S参数的理想值作为该参数的期望值，设定一个离散值作为该参数的测量不确定度，该离散值通过查阅相关文献并根据经验进行设 定。 
4.根据权利要求1所述的矢量网络分析仪S参数测量不确定度的确定方法，其特征在于，所述十二项误差为，EDF：正向方向性误差；EDR：反向方向性误差；ESF：正向源匹配误差；ESR：反向源匹配误差；ERF：正向反射跟踪误差；ERR：反向反射跟踪误差；EXF：正向隔离度误差；EXR：反向隔离度误差；ELF：正向负载匹配误差；ELR：反向负载匹配误差；ETF：正向传输跟踪误差；ETR：反向传输跟踪误差。 
5.根据权利要求4所述的矢量网络分析仪S参数测量不确定度的确定方法，其特征在于，第三步SOLT自校准过程如下： 
1)单端口标准件SOL测量过程 
当i(i＝1or2)端口接单端口校准件时，12项误差模型简化为单端口误差模型，单端口校准件X的反射系数为ΓX时，其测量值为Smii(X)，由信号流图计算反射系数测量值可以得到如下表达式： 
i端口依次接短路校准件S(Γ＝ΓS)、开路校准件O(Γ＝ΓO)和匹配校准件L(Γ＝ΓL)，结合式(1)，可得 
接匹配负载时，可以直接测得隔离度误差EXi＝Smji(L)(i≠j，j＝1or2)，其中，EDi为方向性误差，ERi为反射跟踪误差，ESi...

【专利技术属性】
技术研发人员：韩志国，梁法国，栾鹏，吴爱华，李锁印，孙晓颖，冯亚南，许晓青，
申请(专利权)人：中国电子科技集团公司第十三研究所，
类型：发明
国别省市：河北;13