雷人至晕的测试故事(1):示波器+标配探头测线性电源纹波?

本文讲述了在测量可调线性电源噪声时常见的错误做法,并提供正确的测量方法。指出使用不合适的探头和未加载状态下的测量可能导致错误结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  希望看到这些故事的工程师不要一拍脑袋,想起自己也干过这些雷人的事情。 本人在测试测量这个行业混迹了十多年,经历过不少很有趣的故事。 当然了,这些故事中的人物都是我安插上去的,如有雷同,纯属巧合.

    有位仁兄,便宜的价格买了一台可调线性电源,用于为被测件供电。 这个电源说明书上标称的噪声值非常低,只有2mV 这也的确是他需要的。而且很自豪地告诉我,虽然这台电源的价格比安捷伦的便宜很多,但噪声指标一点不差。 于是我问他:你确认这个指标没问题吗? 仁兄一拍胸脯:没问题,我用示波器测过。 我又问他:您是怎么测的? 仁兄很有把握地回答:我是用一个500MHz的进口示波器测的,几乎看不出纹波。我又问他:您能告诉我使用的是什么探头吗? 仁兄非常自信地回答:就是示波器标配的那个500HMz探头。 我的最后一个问题是:在测量的时候加负载了吗?- 回答:没有。

   我开始犯晕了:首先电源的噪声测量应该是当电源在最大输出状态下的指标,如果没有加负载,那就无法知道电源带载后的实际状态。 更要命的是, 示波器标配的探头可是101的,换句话说,噪声信号进来之后,已经被衰减到原来幅度的10%,即使电源的纹波和噪声指标是20mV, 通过这个探头后, 幅度就被衰减为2mV! 通用示波器的本底噪声约为1-2mV,  这样,纹波信号基本上全被淹没了。所以,如果希望验证您手中电源的噪声指标,首先是要把电源带上负载,把输出调到最大,再使用以下的方法:

  1.  采用11的示波器探头,带宽需要在20MHz以上,例如安捷伦的N2870A 35MHz 1:1 的探头。这样适合与5mVpp以上的低噪声测量
  2.  采用30MHz的宽带差分放大器, 对噪声进行放大10倍之后,再用示波器测量。这更适用于更小幅度的纹波噪声测量。 关于这个测量方法,我在先前的《程控电源技术和应用(5):超低纹波的测量》》博客中有详细介绍。

      总之, 好仪器对测量非常重要,但探头可是把门的。如果忽略了看门的,那就会惹上麻烦了。 另外,电源的纹波指标测量,需要带上负载,在最大输出状态下测量值。

内容概要:本文介绍了多种开发者工具及其对开发效率的提升作用。首先,介绍了两款集成开发环境(IDE):IntelliJ IDEA 以其智能代码补全、强大的调试工具和项目管理功能适用于Java开发者;VS Code 则凭借轻量级和多种编程语言的插件支持成为前端开发者的常用工具。其次,提到了基于 GPT-4 的智能代码生成工具 Cursor,它通过对话式编程显著提高了开发效率。接着,阐述了版本控制系统 Git 的重要性,包括记录代码修改、分支管理和协作功能。然后,介绍了 Postman 作为 API 全生命周期管理工具,可创建、测试和文档化 API,缩短前后端联调时间。再者,提到 SonarQube 这款代码质量管理工具,能自动扫描代码并检潜在的质量问题。还介绍了 Docker 容器化工具,通过定义应用的运行环境和依赖,确保环境一致性。最后,提及了线上诊断工具 Arthas 和性能调优工具 JProfiler,分别用于生产环境排障和性能优化。 适合人群:所有希望提高开发效率的程序员,尤其是有一定开发经验的软件工程师和技术团队。 使用场景及目标:①选择合适的 IDE 提升编码速度和代码质量;②利用 AI 编程助手加快开发进程;③通过 Git 实现高效的版本控制和团队协作;④使用 Postman 管理 API 的全生命周期;⑤借助 SonarQube 提高代码质量;⑥采用 Docker 实现环境一致性;⑦运用 Arthas 和 JProfiler 进行线上诊断和性能调优。 阅读建议:根据个人或团队的需求选择适合的工具,深入理解每种工具的功能特点,并在实际开发中不断实践和优化。
内容概要:本文围绕低轨(LEO)卫星通信系统的星间切换策略展开研究,针对现有研究忽略终端运动影响导致切换失败率高的问题,提出了两种改进策略。第一种是基于预的多属性无偏好切换策略,通过预终端位置建立切换有向图,并利用NPGA算法综合服务时长、通信仰角和空闲信道数优化切换路径。第二种是多业务切换策略,根据不同业务需求使用层次分析法设置属性权重,并采用遗传算法筛选切换路径,同时引入多业务切换管理方法保障实时业务。仿真结果显示,这两种策略能有效降低切换失败率和新呼叫阻塞率,均衡卫星负载。 适合人群:从事卫星通信系统研究的科研人员、通信工程领域的研究生及工程师。 使用场景及目标:①研究和优化低轨卫星通信系统中的星间切换策略;②提高卫星通信系统的可靠性和效率;③保障不同类型业务的服务质量(QoS),特别是实时业务的需求。 其他说明:文章不仅详细介绍了两种策略的具体实现方法,还提供了Python代码示例,包括终端位置预、有向图构建、多目标优化算法以及业务感知的资源分配等关键环节。此外,还设计了完整的仿真测试框架,用于验证所提策略的有效性,并提供了自动化验证脚本和创新点技术验证方案。部署建议方面,推荐使用Docker容器化仿真环境、Redis缓存卫星位置数据、GPU加速遗传算法运算等措施,以提升系统的实时性和计算效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值