基于近場分析的EMC設計

我將利用這次機會和大家一起討論一下近場分析在EMC的應用，我相信對于EMC大家已經(jīng)有一定的了解，隨著數(shù)字化的發(fā)展，我們越來越多的數(shù)字設備被應用在電磁環(huán)境當中，我們國家對EMC的執(zhí)行標準也越來越嚴格，在這樣的情況下，我們不得不去面對和解決這樣的問題，那在面對和解決這樣的問題，我們首先要使得電磁波這樣看不見摸不到的東西變的直觀，今天我就會介紹一種方法，如何使這些電磁波變得直觀，那就是近場分析。

首先我會介紹一下EMC的狀況，這樣可以使大家更好的了解近場分析的必要性，第二個我們會介紹一下EMC近場分析的設備和方法。我們會在第三部分舉一些實際的案例分析。最后我們會做一個總結，來更好的回顧這些內容。

首先我們來看一下關于EMC研究的狀況，我們也知道越來越多的數(shù)字設備進入到我們的生活當中，這些數(shù)字設備對于整個環(huán)境來說都是一個噪聲源，這些噪聲源他們是互相影響的，在這樣的情況下，電磁環(huán)境就變得相當復雜，在這些噪聲源還沒有完全解決的時候，我們還面臨內部噪聲的問題，關于內部噪聲的問題我們選出了筆記本和手機，筆記本電腦我們都知道里面有很多的數(shù)字電路模塊，這些數(shù)字電路模塊扮演了我們前面所提到的一個一個數(shù)碼產品，無疑是一個干擾源，同時我們對于無線的需求，越來越多的無線通訊設備被集成在電路當中，我們看一下手機，手機原來是一個通訊設備，主要的功能是通訊，有手機通訊和GPS的功能，隨著我們對掌上功能的追求，越來越多的芯片被集成，甚至我們對分辨率的要求提高，造成越來越多的噪聲源集成手機當中，這樣就造成數(shù)碼產品的內部電磁環(huán)境變得越來越復雜，由于射頻元器件都有天線，我們整個內部環(huán)境就變得相當?shù)穆闊?，不容易解決。這樣的問題，我們稱之為系統(tǒng)內部的EMC的問題，由于內部的天線接收到這種噪聲，天線接收信號并不會去區(qū)分是有用信號還是無用信號，當這些噪音聲量變高，會造我們接受的靈敏度比較低，造成我們無線設備的無法連接，這就是我們提到的系統(tǒng)內部的EMC問題的原理。

我們在了解了EMC內部系統(tǒng)原理之后，我們來看一下另外一個重要的問題，關于這個內部系統(tǒng)它的噪聲能量有多強，我們可以看到我們的數(shù)字電視信號是在 -105到-170之間，我們是需要另外一種方式去監(jiān)測這些噪聲，接下來我們就介紹這樣一種方法，近場測量法。

首先我們會利用這樣一個磁場探頭，采集到磁場能量，我們通過磁場探頭采集到的能量，由于我們知道現(xiàn)在的集成度非常高，走線與走線的距離和器件和器件的距離非常近，我們?yōu)榱吮苊獯當_到我們的探頭，我們選擇了比較好的探頭保持準確的精確度，為了取得最大的磁通量，我們就會旋轉探頭來達到這樣的目的，對于這樣一個方法，大家有的時候可能會疑惑，我們?yōu)槭裁礇]有選擇電場探頭，而是選擇磁場探頭，電場探頭不可避免會影響我們電場的方向，會影響我們的測量結果。這里來看一下，這是我們的測試結果，我們通過不同的顏色來表示不同的能量等級，我們在看右邊這張圖相比這兩張圖我們很容易找到紅色的區(qū)域，這樣可以找出噪聲源，紅色區(qū)域是我們的IC區(qū)域，通過對比我們就可以很容易得出一些分析結果，這就是我們利用近場分析做的一些測試和結果。

接下來就是第三部分，關于第三部分是我們會比較直接的介紹一下實際的案例，利用這些案例向大家說明我們如何利用近場分析來解決這些問題。首先來看我們會先介紹手機靈敏度，現(xiàn)在主要是關于手機當中一個問題，我們手機集成了很多IS的信號和設備，不單單是傳統(tǒng)的，還有數(shù)字電視，這樣的情況就造成一個情況，我使用的RF頻段也越來越寬，可能會從400多兆一直覆蓋到2.4G，這樣的情況同樣還有一個問題，就是我們的噪聲源，我們越來越多的數(shù)碼娛樂集成了更多的噪聲源，比如說這里的控制芯片，還有攝象頭模塊，而這些模塊由于我們對數(shù)據(jù)的快速處理，它所產生的噪聲諧波范圍也越來越寬廣，產生內部系統(tǒng)噪聲靈敏度下降的問題。在介紹手機靈敏度之前，先介紹一下我們做這樣分析的流程是什么樣的，我們看一下這張圖，我們首先會測試一下手機靈敏度的狀況，我們推薦的一個模式，這種模式就是要把所有的功能模塊都打開，這樣可以取得最差的一個狀況從而進行分析，因為我們知道單單只是打手機的狀況下和打開其他模塊的設備的情況下是不一樣的，初始環(huán)境之后我們進行近場分析，我們可以得到這樣一個分布圖，通過這樣一張圖我們就可以更好更快的找出有效抑制噪聲的方法，找出方法之后，我們可以再次進行驗證，這是一個實際案例，我們通過抑制噪聲從而提高了靈敏度，紅線是之前的情況，黑線是之后的結果。接下來我們會介紹一個實際的案例，我們選擇的是日本CDMA的手機，我們選擇軟排線，我們針對這樣一個情況進行了一個分析，這邊是我們的分析測試結果，我們可以看到最原始的狀況下，我們選擇了待機測試狀態(tài)，靈敏度還是非常優(yōu)質的，通過近場分析，我們可以看到整個是藍色，造成整個噪聲能量等級都很低，在這樣的情況下我們打開攝象頭，我們發(fā)現(xiàn)靈敏度降低了5個DB，我們看到這個區(qū)域相對應的是一個區(qū)域和軟排線區(qū)域， 我們可以看到整個噪聲能量等級已經(jīng)比前面高很多，這就證明了在這個范圍之內存在著噪聲，而我們對比這兩個結果，很明顯噪聲對我們的靈敏度有一定的影響，還有需要打開前面所有的功能模塊，這就是為什么打開所有的工作模塊才能發(fā)現(xiàn)問題所在。針對這樣的情況，我們導入了一個濾波器，在加入這個接口處之后，我們可以看到紅色的區(qū)域被有效的遏制住，意味著我們的噪聲能量等級下降了，同時我們再進行一個靈敏度的測試，我們的靈敏度相比在沒有濾波器的情況下，我們的靈敏度提高了3個dB。

這里是我之前提到的一個RF的濾波器，這個案例所涉及的范圍是數(shù)據(jù)線，對于數(shù)據(jù)線上的濾波，我們要關注兩大點，一個是信號的完整性和抑制，為了保證有良好的信號完整性，我們就選擇了LC的濾波器，我們可以保證我們信號良好的通過，而信號被很好的濾除。接下來會介紹一下我們在測試版上做的分析，首先我們會做一個關于數(shù)據(jù)上的分析，大家知道因為高速信號的應用越來越多，同時我們的差分信號也被應用越來越多，我們還是會遇到很多噪聲的問題，這些問題產生的問題就是共模噪聲，在這里 我們就做了一塊分析板，這是一個發(fā)射端的IC還有一個接收端的IC。

我們可以來看一下，這里是我們的分析和測試的結果，我們看一下原始的情況，我們沒有加入任何的濾波器，我們可能在右側有很明顯的紅色區(qū)域，意味著我們這塊地方含有噪聲，同時我們數(shù)據(jù)線上的能量等級也是相當高的，在這樣的情況下我們導入了一個共模扼流線圈，我們可以看到對比原始的狀態(tài)，我們在使用濾波器后噪音得到了很好的抑制，同時在紅色區(qū)域也得到明顯的減少，我們的噪音不再傳播在我們的接受端，通過這樣的近場分析，我們可以清晰的感受到濾波器對于噪音濾除的效果。在這里我們之前提到的是使用共模扼流線圈，我們使用的是差分信號線，共模扼流線圈可以有效的濾除噪音，保留信號，由于我們知道差分走線的時候，我們這邊會提供一個共模扼流線圈排這樣的產品，可以更好的減少面積。這是數(shù)據(jù)上的分析，然后我們會介紹一下關于電源板上的噪音分析。

我們知道DC-DC現(xiàn)在被廣泛應用在數(shù)字電視當中，它也是很大的噪音源，會影響到手機的接受，我們可以看到DC-DC會產生一些尖峰噪聲通過地耦合到整個板上去，針對這樣的噪聲問題，大家也有解決方案，這是模擬了手機的狀態(tài)，我們加入了DC-DC的模塊，我們可以來看一下，這是我們的分析和測試結果，這邊我們是使用了陶瓷電容作為濾波，這邊是使用三端子電容作為濾波，我們對比可以看到DC-DC的噪聲通過地，就意味著通過DC-DC噪音通過地傳播到整個板上， 這個近場分析就很明顯顯示了這個效果，黃色區(qū)域面積基本上沒有，意味著我們的傳導路徑被很好的切斷，這個案例分析了DC-DC轉化器噪音的解決方案。這邊的話是我們前面提到使用三端子電容的情況，我們可以從這張圖可以看到，三端子電容會比陶瓷電容有很好的表現(xiàn)效果，這就是在DC-DC端濾波效果更好的原因所在。

接下來我們將會看一下近場分析，和遠場分析相結合的分析方法，我們這里是使用輻射噪聲進行分析，電波暗室當中有一些缺陷是不可避免的，首先是我們可能只能得到一張頻譜圖，還有我們受限于時間和資源的限制。我們找到了近場分析比較好的分析方式，去彌補這樣的缺陷，接下來我們就看一下，這是一個回路，我們先使用近場分析測量這方面的情況，我們可以看到在這些數(shù)據(jù)線上存在著噪聲，就意味著噪聲通過這個接口，以軟排線進行輻射，我們很容易找到噪聲的輻射途徑和耦合途徑，我們這邊使用的還是差分信號，我們還是使用共模扼流線圈，然后我們可以很明顯的發(fā)現(xiàn)軟排線對于軟排線的情況，紅色區(qū)域明顯的減少，就意味這我們的噪聲很好的被抑制，在這種情況下，我們可以看到一些我們平時做其他實驗，做電波暗室很難得到的效果。完成了近場分析之后，我們還是要進行電波暗室，我們可以看到相比前面的結果，我們近場分析也是顯示了很好的抑制效果，那么在遠場我們也看到整個輻射噪聲被降低了，另外近場的數(shù)據(jù)和遠場數(shù)據(jù)我們不能只給作為數(shù)字對比，因為大家采用的方法是不一樣的。