目录
摘要 (1)
1 理论知识 (2)
1.1基尔霍夫定律 (2)
1.2结点电压法 (2)
2 阻抗匹配网络的计算 (3)
2.1原理分析 (3)
2.2 建模 (4)
2.3应用MATLAB对上面的题目编程 (5)
2.4 绘图 (6)
3 simulink程序仿真 (8)
3.1电路图及仿真效果 (8)
3.2仿真过程中发现的问题 (9)
4 结果对比分析 (10)
5 心得体会 (11)
参考文献 (12)
摘要
做为一名自动化专业的学生，掌握基本的电路知识是非常重要的。但是在掌握基本的知识点的时候，我们也需要掌握一些解决电路方面的“诀窍”，比如某些软件。本文就以电路中的一些基本知识点引入这些软件在解决电路问题中的一些具体应用。而且本文是以Matlab为例，说明如何运用Matlab来进行电路的求解和仿真。
在求解和仿真的过程中，我们可以发现应用这些软件可以让非常复杂的电路的分析、计算编的非常简单，是一个非常实用、有效的工具。
关键词：电路；Matlab；仿真；
1 理论知识
1.1基尔霍夫定律
基尔霍夫定律包括基尔霍夫电流定律（KCL）和基尔霍夫电压定律（KVL）。
基尔霍夫电流定律（KCL）：在集总电路中，任何时候，对任意结点，所有流出结点的支路电流的代数和恒为零。电流的“代数和”是根据电流是流出结点还是流入结点判断的。若流出节点的电流前面取“+”号，则流入结点的电流前面取“-”号；电流是流出结点还是流入结点，均根据电流的参考方向判断。所以对任一结点都有
Σi=0；
基尔霍夫电压定律（KVL）: 在集总电路中，任何时候，对任意回路，所有支路电压的代数和恒为零。在应用时，需要任意指定一个回路的绕行方向，凡是支路电压的参考方向与回路的绕行方向一致者，该电压前面取“+”号；支路电压参考方向与回路绕行方向相反者，前面取“-”。最后，对任一回路都有
Σu=0；
1.2结点电压法
定义：结点电压是在为电路任选一个结点作为参考点（此点通常编号为“0”），并令其电位为零后,其余结点对该参考点的电位。并根据KCL写出方程，求出每个结点的电压。
在电路中任意选择某一结点为参考结点，其他结点为独立结点，这些结点与次参考结点之间的电压称为结点电压，结点电压的参考极性是以参考结点为负，其余独立结点为正。由于任意支路都连接在两个节点上，根据KVL，不难断定支路电压就是两个结点电压表示。在具有n个结点电压的共（n-1）个独立结点的KCL方程，就得到变量为（n-1）个独立方程，称为结点电压方程，最后由这些方程解出结点电压，从而求出所需的电压、电流。这就是结点电压法。
2 阻抗匹配网络的计算
如图1所示,已知电阻R1=R3=R6=1Ω,R2=R4=R5=2Ω,其中两个电流源F1=2.0A,
F2=3.0A; 图1
2.1原理分析
要想求电阻R1吸收的功率，就必须球的通过电阻的电流，或是求出R1两端的电压。
但是如果用网孔电流法的话，但是根据上图至少要列出5个方程，非常的复杂，所以去求器电流的话，自然也会很复杂；但是仔细观察就会发现，上图虽然网孔比较多，但是结点相对少得多了。所以可以考虑实用节点电压法。我们考虑将电流源和电压源的公共点做为参考点，应为这样更加容易计算。这样就只用列3个方程即可。
1 3
2
2.2 建模
以上图中的标有“0”的结点为参考结点，设结点“1”的电压值为1U ，结点“2”的电压值为2U ，结点“3”的电压值为3U 。电流源F1，F2的大小为F1，F2，电压源H1，H2的大小为H1，H2。
则我们可以根据电路原理的知识可以列出以下方程，即：
12311111
1121 1+123612326H H U U U F R R R R R R R R R ????+++-+-=+ ? ?
???? ··················（1） 12
111
112++2121252H U U F R R R R R R ????-++=- ? ????? ···································（2） 1311
1+1336U U F R R R ??-
?+?=- ???
·
················································（3） ()()12121P U U U U R =-*-÷ ·
···············································（4） 我们可以把这两个方程转换成矩阵，设A 矩阵为1U ，2U ，3U 的序数，B 矩阵为右边的电流值，设1U ，2U ，3U 就为要求的未知量X ，由此我们可以写出一个矩阵方程AX=B ；两边同时左乘A 的逆，就可以得到X=A 的逆乘以B.
在A 矩阵中111111=
1236a R R R R +++，1211=12a R R ??-+ ???，131=3a R -；211
1=12a R R ??-+ ???
，22111=+125a R R R ??+ ???，23=0a ；311=3a R -，32=0a ，331
1=36a R R ??+ ???
；在X 矩阵中111=x U ，212=x U ，313=x U 在B 矩阵中11211+
26H H b F R R =+，212
22
H b F R =-，311b F =-； 通过计算我们就可以求出1和2出的电压值，从而我们就可以求出负载所吸收的功率。我们求得：
1U =4.1951，2U =4.1463，3U =1.4634，P=0.0024
2.3应用MATLAB 对上面的题目编程
clear; clc;
F1=2.0;F2=3;H1=4;H2=2;
R1=1;R2=2;R3=1;R4=2;R2=2;R3=1; %为给定元件赋值
111111=
1236a R R R R +++;1211=12a R R ??-+ ???
;131=3a R -; 2111=12a R R ??-+ ???;221
11=+125a R R R ??+ ???;23=0a ;
311=3a R -
;32=0a ;3311=36a R R ??+ ???; %对A 矩阵各元素赋值 11211+
26H H b F R R =+;212
22
H b F R =-;311b F =-; %对B 矩阵各元素赋值 A=[11a 12a 13a ;21 a 22a 23a ;31a 32a 33a ]; B=[11b ;21b ;31b ]; x=[1U ;2U ;3U ]
x=A\B %方程求解
12=u U U ?- %电阻两端的电压差
1P u u R =?*?÷ %求出负载Rl 消耗的功率
运行程序后得到的结果：
2.4 绘图
通过编程我们就可以求出负载所消耗的功率，但是当负载一定时电阻两端的电压与电阻的耗能有什么关系呢？为此我们可以运用MATLAB强大的绘图功能，通过设置电源电压的变化来得到各组不同的流经负载的电流值和负载所吸收的功率值。为此我们可以这样编程：
R1=1;
A=0:0.01:0.1;
I=A/R1;
P=A.^2*R1;
plot(A,I);
xlabel('电压');
ylabel('电流');
title('电阻电流随电阻两端电压变化曲线'); %画出电阻电流随电阻两端电压变化曲线figure;
plot(A,P);
xlabel('电压');
ylabel('功率');
title('电阻功率随电阻两端电压变化曲线'); %画出电阻功率随电阻两端电压变化曲
3 simulink程序仿真
3.1电路图及仿真效果
绘制仿真电路图基本步骤：
（1）启动MATLAB软件；
（2）然后在工具栏上打开simulink；
（3）在File菜单下New选项下选择Model按钮建一个文件；
（4）在元件库Simpowerstysems找到所需要的元件，将其拖动到画图区中；
（5）在Slimulink下的Sinks中找到display，并将其拖到画图去中
（6）在端点之间拖拽鼠标完成连线工作；
（7）双击各元件，修改参数到指定要求，成后如图4所示。
3.2仿真过程中发现的问题
第一次使用matlab做仿真感到不是很顺利。虽然最终还是做出来结果了，但是感觉自己对matlab还是不是很熟悉。以后还要加强学习。
首先在放置元器件的时候，开始的时候总是找不到电阻，后来发现了RLC并联的负载，选中之后将其中的L与C的值改为0，最后就可以得到纯电阻了。
在放置稳恒电流源的时候，找不到直流的电流源，只有交流电流源。有了电阻的经历之后，选中AC电流源，拖到画图区，双击，将参数改到合适的值。其中最重要的是频率要改为0，香味要改成90。
如果有结果就一定要显示出来，所以我在电阻的两端加上电压表，再加上显示的元件。只要读出显示元件上的数值就知道结果了。
4 结果对比分析
根据理论，我们可以知道，通过电阻的电流与电阻两端的电压时成正比的；电阻消耗的功率与电阻两端的电压的平方是成正比的。也就是说，电阻消耗的功率与电阻两端的电压的关系式一条二次曲线。根据使用Matlab所绘制的图形我们可以看出，通过电阻的电流与电阻两端的电压的关系是一条直线，也就是说电阻的电流与电阻两端的电压时成正比。并且电阻消耗的功率与电阻两端的电压的关系式一条二次曲线。这都与理论符合得非常好。
5 心得体会
通过这一次基础强化训练，我体会到了软件在我们专业中所起到的巨大的作用。
本次基础强化训练所用的Matlab软件可以使非常复杂的数据计算变得异常的简单。相对以前进行的手工进行计算，这一点在此次的强化训练里体现尤为明显。而且在电路的绘图过程中，直接利用Matlab进行编程来对电路特性进行分析、计算，可以节约大量的时间和人力，并且提高了精度，减少了人为因素而造成的误差，而且利用Matlab软件还可以了解电路每一部分的情况，包括电压、电流和功率等一系列电路的参数，输出的波形、大小甚至是一些故障。当然，Matlab软件不会只是用来解决这些问题，他拥有强大的数值处理功能，所以在很多领域都有着广泛的应用。我们这次所使用的功能只是Matlab软件强大的功能里很少的一部分，还有一大部分的功能只能在课下自己去自学了。
总的来说，这次的基础强化训练让我对Matlab软件这款非常有用的软件有所了解了。在完成这次基础强化训练期间，我翻阅了很多有关Matlab这款软件的参考资料，这极大的锻炼了自主学习的能力，独立思考，对一些东西要现学现用。虽然完成了这次基础强化训练，但是深感在使用Matlab软件的时候还是会有一些力不从心，所以希望在以后的学习过程中能继续加强对Matlab软件的学习。
总之，通过这次基础强化训练，我收获非常多。
参考文献
[1] 刘保柱等编.《MATLAB 7.0从入门到精通》.人民邮电出版社，2011.2
[2] 邱关源主编.《电路（第五版）》.高等教育出版社，2006.12
[3] 王丹力主编.《Matlab控制系统设计仿真》.中国电力出版社，2007
p=p1';t=t1'; [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); % 原始数据归一化 net=newff(minmax(pn),[5,1],{'tansig','purelin'},'traingdx'); %设置网络,建立相应的BP 网络net.trainParam.show=2000; % 训练网络 net.trainParam.lr=0.01; net.trainParam.epochs=100000; net.trainParam.goal=1e-5; [net,tr]=train(net ,pn,tn); %调用TRAINGDM 算法训练BP 网络 pnew=pnew1'; pnewn=tramnmx(pnew,minp,maxp); anewn=sim(net,pnewn); anew=postmnmx(anewn,mint,maxt); %对 BP 网络进行仿真%还原数据 y=anew'; 1、 BP 网络构建 （1）生成 BP 网络 net newff ( PR,[ S1 S2...SNl],{ TF1 TF 2...TFNl }, BTF , BLF , PF ) PR ：由R 维的输入样本最小最大值构成的R 2 维矩阵。 [ S1 S2...SNl] ：各层的神经元个数。 {TF 1 TF 2...TFNl } ：各层的神经元传递函数。 BTF ：训练用函数的名称。 （2）网络训练 [ net,tr ,Y, E, Pf , Af ] train (net, P, T , Pi , Ai ,VV , TV ) （3）网络仿真 [Y, Pf , Af , E, perf ] sim(net, P, Pi , Ai ,T ) {'tansig','purelin'},'trainrp' BP 网络的训练函数 训练方法 梯度下降法 有动量的梯度下降法 自适应 lr 梯度下降法 自适应 lr 动量梯度下降法弹性梯度下降法训练函数traingd traingdm traingda traingdx trainrp Fletcher-Reeves 共轭梯度法traincgf Ploak-Ribiere 共轭梯度法traincgp
说明：信号源输出阻抗一般都为50ohm ，信号源面板显示的输出信号幅度，频率是图2处信号的幅度，频率。 （1）若负载输入阻抗为50ohm ，则信号源输出与负载输入匹配，则负载获得的信号幅度，频率与2处的电压幅度理论上一致。 （2）若负载输入阻抗为1Mohm ，则信号源输出与负载输入不匹配，则负载获得的信号幅度，频率与1处的电压幅度理论上一致。 ◆ 纯电阻电路：低频和高频都存在；（匹配） 1、 负载电阻R 电压：1 1l i i R U U U r R r R = =++；负载电阻越大，则负载获得的电压越高。 2、 负载R 电流：i l U i R r = +；负载越小，则负载获得的电流越小。 3、 负载获得的功率：2 22222//24l i l i i U U R r P i R U R U R r R R r R r ????====++≤ ? ?+???? ；当且 仅当R=r 时；负载功率最大。 ◆ 存在容性和感性阻抗时，（共轭匹配） 共轭匹配：当交流电路中含有容性或感性阻抗时，若信号源与负载阻抗的实部相等，虚 部互为相反数，此时负载获得最大功率。 源电抗：r r Z r jX =+
负载电抗：R R Z R jX =+ 负载功率： ()() ()()()()22 22 22222 142R r R r R r R r U R U U U P r R r X X R r X X r X X R r X X R R R R = ==≤??+++??+++++++++ ????? 当且仅当R r R r X X =??=-?时，负载获得最大功率。 结论： 1、需要大的电流输出，则选择小的负载R ； 2、需要大的电压输出，则选择大的负载R ； 3、需要输出最大功率，则选择与信号源内阻匹配的电阻R 。（功率传递！） 低频时，信号的波长相对与传输线来说很长，传输线可以看成短线，反射可以不考虑。 高频时，f c λ=；信号频率很高时，信号的波长就很短，当波长和传输线的长度可以比拟时，反射信号叠加在原来信号上将会改变原信号的形状。例：传输线的特性阻抗跟负载阻抗不匹配时，在负载端就产生反射，能量传输不过去，降低效率，功率发射不出去，甚至会顺坏发射设备。 当信号源和传输线、负载的阻抗相互匹配时候，有更多的能量从信号源中发射出来！！！ 问题：、25kHz~80kHz 用示波器50ohm 输入阻抗实测，为何信号源输出和示波器显示信号的幅度不一致？（据说这种射频源有些频段幅度不准,建议下次问问罗德斯瓦茨做源的代理）
用LC 元件设计L 型的阻抗匹配网络 一 设计要求： 用分立LC 设计一个L 型阻抗匹配网络，使阻抗为Z s =25-j*15 Ohm 的信号源与阻抗为Z L =100-j*25 Ohm 的负载匹配，频率为50Mhz 。（L 节匹配网络） 二 阻抗匹配的原理 用两个电抗元件设计L 型的匹配网络，应该是匹配网络设计中最简单的一种， 但仅适用于较小的频率和电路尺寸的范围，即L 型的匹配网络有其局限性 在RF 理论中，微波电路和系统的设计（包括天线，雷达等），不管是无源电路还是有源电路，都必须考虑他们的阻抗匹配（impedance matching ）问题。阻抗匹配网络是设计微波电路和系统时采用最多的电路元件。其根本原因是微波电路传输的是电磁波，不匹配会引起严重的反射，致使严重损耗。所以在设计时，设计一个好的阻抗匹配网络是非常重要的。阻抗匹配是指负载阻抗与激励源内部阻抗互相适配，得到最大功率输出的一种工作状态。对于不同特性的电路，匹配条件是不一样的。在纯电阻电路中，当负载电阻等于激励源内阻时，则输出功率为最大，这种工作状态称为匹配，否则称为失配。 根据最大功率传输定理，要获得信号源端到负载端的最大传输功率，需要满足信号源阻抗与负载阻抗互为共轭的条件，即L L S S iX R iX R +=+。若电路为纯电阻电路则0==L S X X ， 即L S R R =。而此定理表现在高频电路上，则是表示无反射波，即反射系数为0.值得注意的是，要得到最佳效率的能量传输并不需要负载匹配，此条件只是避免能量从负载端到信号源端形成反射的必要条件。当RL=Rs 时可获得最大输出功率,此时为阻抗匹配状态。无论负载电阻大于还是小于信号源内阻,都不可能使负载获得最大功率,且两个电阻值偏差越大,输出功率越小. 阻抗匹配是无线电技术中常见的一种工作状态，它反映了输人电路与输出电路之间的功率传输关系。当电路实现阻抗匹配时，将获得最大的功率传输。反之，当电路阻抗失配时，不但得不到最大的功率传输，还可能对电路产生损害。阻抗匹配常见于各级放大电路之间、放大器与负载之间、测量仪器与被测电路之间、天线与接收机或发信机与天线之间，等等。 为了使信号和能量有效地传输，必须使电路工作在阻抗匹配状态，即信号源或功率源的内阻等于电路的输人阻抗，电路的输出阻抗等于负载的阻抗。在一般的输人、输出电路中常含有电阻、电容和电感元件，由它们所组成的电路称为电抗电路，其中只含有电阻的电路称为纯电阻电路。 L 型匹配网络通常不用于高频电路中，以及如果在窄带射频中选用了L 型匹配网络，也应该注意他的匹配禁区，在这个禁区中，无法在任意负载阻抗中和源阻抗之间实现预期的匹配，即应选择恰当的L 型匹配网络以避开其匹配禁区。 三 设计过程 1新建ADS 工程，新建原理图，在元件面板列表中选择“simulation S--param ”在原理图中
附件1： 基础训练 题目阻抗匹配网络的计算 学院自动化学院 专业电气工程及其自动化 班级1004班 姓名南杨 指导教师朱国荣 2012 年7 月 4 日
基础强化训练的目的 1.较全面的了解常用的数据分析与处理原理及方法 2.能够运用相关软件进行模拟分析 3.掌握基本的文献检索和文献阅读的方法 4.提高正确的撰写论文的基本能力 训练内容与要求 阻抗匹配网络的计算 使信号源（其内阻Rs=12Ω）与负载（RL=3Ω）相匹配 插入一阻抗匹配网络 求负载吸收的功率 初始条件 Matlab软件基本操作及其使用方法 指导老师签名﹍﹍﹍﹍日期：﹍﹍年﹍﹍月﹍﹍日
目录 1.摘要 (4) 2.MATLAB简介 (5) 3.阻抗及阻抗匹配的概念 (6) 3.1阻抗的概念 (6) 3.2阻抗匹配的概念 (6) 4.阻抗匹配网络的计算 (6) 4.1对阻抗匹配网络进行原理分析 (7) 4.2 建模： (7) 4.3应用MATLAB对上面的题目编程 (8) 4.4 结果 (9) 5.结果对比与分析 (10) 6.心得体会. (11) 7.参考文献. (12)
1. 摘要 本文主要是通过训练使学生掌握相关的理论知识及实际处理方法，熟练使用MATLAB语言编写所需应用程序，上机调试，输出实验结果，并对实验结果进行分析。MATLAB 的名称源自 Matrix Laboratory ，它是一种科学计算软件，专门以矩阵的形式处理数据。 MATLAB 将高性能的数值计算和可视化集成在一起，并提供了大量的内置函数，从而被广泛地应用于科学计算、控制系统、信息处理等领域的分析、仿真和设计工作。 本文运用了MATLAB的M程序编程的方法对于一个电路进行了分析。体现了MATLAB的强大功能。 关键字：MATLAB，M文件，矩阵，计算 Abstract This paper is mainly to ask students to master relevant theoretical knowledge and practical operating methods by training. We should use MATLAB to write applications, computer debugging, then output results and analysis it. The full name of MATLAB is Matrix Laboratory. It is a kind of special scientific calculation software with the matrix form data processing. Because MATLAB not only combines the high-performance numerical calculation and visualization, but also provided a lot of built-in functions, it widely used in scientific calculations, the control system, information processing, simulation and design work. This paper is based on the M programming and design methods of module simulink. We use these two methods to analyzes the circuit.We can see the strong function of MATLAB. keyword: MATLAB, M files, simulation module, Matrix, calculating
以下是用Matlab中的m语言编写的BP神经网络代码，实现的是一个正弦函数的拟合过程，包括了初始化、BP算法、绘制曲线等过程，可以将代码放到一个M文件中运行，以下是代码： defaultpoints=20; %%%%%%%%%隐含层节点数 inputpoints=1; %%%%%%%%%输入层节点数 outputpoints=1; %%%%%%%%%输出层节点数 Testerror=zeros(1,100);%%%%每个测试点的误差记录 a=zeros(1,inputpoints);%%%%输入层节点值 y=zeros(1,outputpoints);%%%样本节点输出值 w=zeros(inputpoints,defaultpoints);%%%%%输入层和隐含层权值 %初始化权重很重要，比如用rand函数初始化则效果非常不确定，不如用zeros初始化 v=zeros(defaultpoints,outputpoints);%%%%隐含层和输出层权值 bin=rand(1,defaultpoints);%%%%%隐含层输入 bout=rand(1,defaultpoints);%%%%隐含层输出 base1=0*ones(1,defaultpoints);%隐含层阈值，初始化为0 cin=rand(1,outputpoints);%%%%%%输出层输入 cout=rand(1,outputpoints);%%%%%输出层输出 base2=0*rand(1,outputpoints);%%输出层阈值 error=zeros(1,outputpoints);%%%拟合误差 errors=0;error_sum=0; %%%误差累加和 error_rate_cin=rand(defaultpoints,outputpoints);%%误差对输出层节点权值的导数 error_rate_bin=rand(inputpoints,defaultpoints);%%%误差对输入层节点权值的导数 alfa=0.5; %%%% alfa 是隐含层和输出层权值-误差变化率的系数，影响很大 belt=0.5; %%%% belt 是隐含层和输入层权值-误差变化率的系数，影响较小 gama=5; %%%% gama 是误差放大倍数，可以影响跟随速度和拟合精度,当gama大于2时误差变大，容易震荡 %%%%规律100个隐含节点，当alfa *gama =1.5时，效果好，其他值误差变大，belt基本不影响效果 %%%%规律200个隐含节点，当alfa *gama =0.7时，效果好，其他值误差变大，belt基本不影响效果，最小误差和100个隐含点一样 %%%%规律50个隐含节点，当alfa *gama =3时，效果好，其他值误差变大，belt基本不影响效果，最小误差和100个隐含点一样 trainingROUND=200;% 训练次数,有时训练几十次比训练几百次上千次效果要好很多sampleNUM=361; % 样本点数 x1=zeros(sampleNUM,inputpoints); %样本输入矩阵 y1=zeros(sampleNUM,outputpoints); %样本输出矩阵 x2=zeros(sampleNUM,inputpoints); %测试输入矩阵
阻抗匹配基本認識 阻抗匹配是指信号源或者传输线跟负载之间的一种合适的搭配方式得到最大功率输出的一种工作状态。对于不同特性的电路，匹配条件是不一样的。阻抗匹配分为低频和高频两种情况讨论。我们先从直流电压源驱动一个负载入手。由于实际的电压源，总是有内阻的（请参看输出阻抗一问），我们可以把一个实际电压源，等效成一个理想的电压源跟一个电阻r串联的模型。假设负载电阻为R，电源电动势为U，内阻为r，那么我们可以计算出流过电阻R的电流为：I=U/(R+r)，可以看出，负载电阻R越小，则输出电流越大。负载R上的电压为：Uo=IR=U×[1+(r/R)]，可以看出，负载电阻R越大，则输出电压Uo越高。再来计算一下电阻R消耗的功率为： P=I2×R=(U/(R+r))2×R=U2×R/(R2+2×R×r+r2) =U2×R/((R-r)2+4×R×r) =U2/(((R-r)2/R)+4×r) 对于一个给定的信号源，其内阻r是固定的，而负载电阻R则 是由我们来选择的。注意式中((R-r)2/R)，当R=r时，(R-r)2/R可 取得最小值0，这时负载电阻R上可获得最大输出功率 Pmax=U2/(4×r)。即，当负载电阻跟信号源内阻相等时，负载可 获得最大输出功率，这就是我们常说的阻抗匹配之一。 对于纯电阻电路，此结论同样适用于低频电路及高频电路。 当交流电路中含有容性或感性阻抗时，结论有所改变，就是需 要信号源与负载阻抗的的实部相等，虚部互为相反数，这叫做共厄匹配。 Z=R+jX ﹐Z=R-jX 在低频电路中，我们一般不考虑传输线的匹配问题，只考虑信号源跟负载之间的情况，因为低频信号的波长相对于传输线来说很长，传输线可以看成是“短线”，反射可以不考虑（可以这么理解：因为线短，即使反射回来，跟原信号还是一样的）。从以上分析我们可以得出结论：如果我们需要输出电流大，则选择小的负载R；如果我们需要输出电压大，则选择大的负载R；如果我们需要输出功率最大，则选择跟信号源内阻匹配的电阻R。 有时阻抗不匹配还有另外一层意思，例如一些仪器输出端是在特定的负载条件下设计的，如果负载条件改变了，则可能达不到原来的性能，这时我们也会叫做阻抗失配。 在高频电路中，我们还必须考虑反射的问题。当信号的频率很高时，则信号的波长就很短，当波长短得跟传输线长度可以比拟时，反射信号叠加在原信号上将会改变原信号的形状。如果传输线的特征阻抗跟负载阻抗不相等（即不匹配）时，在负载端就会产生反射。为什么阻抗不匹配时会产生反射以及特征阻抗的求解方法，牵涉到二阶偏微分方程的求解，在这里我们不细说了，有兴趣的可参看电磁场与微波方面书籍中的传输线理论。 传输线的特征阻抗（也叫做特性阻抗）是由传输线的结构以及材料决定的，而与传输线的长度，以及信号的幅度、频率等均无关。 例如，常用的闭路电视同轴电缆特性阻抗为75Ω，而一些射频设备上则常用特征阻抗为50Ω的同轴电缆。另外还有一种常见的传输线是特性阻抗为300Ω的扁平平行线，这在农村使用的电视天线架上比较常见，用来做八木天线的馈线。因为电视机的射频输入端输入阻抗为75Ω，所以
%% 清空环境变量clc clear %% 训练数据预测数据提取及归一化 %下载四类语音信号 load data1 c1 load data2 c2 load data3 c3 load data4 c4 %四个特征信号矩阵合成一个矩阵 data(1:500,:)=c1(1:500,:); data(501:1000,:)=c2(1:500,:); data(1001:1500,:)=c3(1:500,:); data(1501:2000,:)=c4(1:500,:); %从1到2000间随机排序 k=rand(1,2000); [m,n]=sort(k);
%输入输出数据 input=data(:,2:25); output1 =data(:,1); %把输出从1维变成4维 for i=1:2000 switch output1(i) case 1 output(i,:)=[1 0 0 0]; case 2 output(i,:)=[0 1 0 0]; case 3 output(i,:)=[0 0 1 0]; case 4 output(i,:)=[0 0 0 1]; end end
%随机提取1500个样本为训练样本,500个样本为预测样本input_train=input(n(1:1500),:)'; output_train=output(n(1:1500),:)'; input_test=input(n(1501:2000),:)'; output_test=output(n(1501:2000),:)'; %输入数据归一化 [inputn,inputps]=mapminmax(input_train); %% 网络结构初始化 innum=24; midnum=25; outnum=4; %权值初始化 w1=rands(midnum,innum); b1=rands(midnum,1); w2=rands(midnum,outnum); b2=rands(outnum,1); w2_1=w2;w2_2=w2_1;
神经网络的设计实例(MATLAB编程) 例1 采用动量梯度下降算法训练BP 网络。训练样本定义如下： 输入矢量为 p =[-1 -2 3 1 -1 1 5 -3] 目标矢量为t = [-1 -1 1 1] 解：本例的MATLAB 程序如下： close all clear echo on clc % NEWFF——生成一个新的前向神经网络% TRAIN——对BP 神经网络进行训练 % SIM——对BP 神经网络进行仿真pause % 敲任意键开始 clc % 定义训练样本 P=[-1, -2, 3, 1; -1, 1, 5, -3]; % P 为输入矢量T=[-1, -1, 1, 1]; % T 为目标矢量
clc % 创建一个新的前向神经网络 net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm') % 当前输入层权值和阈值 inputWeights=net.IW{1,1} inputbias=net.b{1} % 当前网络层权值和阈值 layerWeights=net.LW{2,1} layerbias=net.b{2} pause clc % 设置训练参数 net.trainParam.show = 50; net.trainParam.lr = 0.05; net.trainParam.mc = 0.9; net.trainParam.epochs = 1000; net.trainParam.goal = 1e-3; pause clc % 调用TRAINGDM 算法训练BP 网络 [net,tr]=train(net,P,T);
输入阻抗、输出阻抗、阻抗匹配分析 输入阻抗 四端网络、传输线、电子电路等的输入端口所呈现的阻抗。实质上是个等效阻抗。只有确定了输入阻抗,才能进行阻抗匹配,从信号源、传感器等获取输入信号。阻抗是电路或设备对交流电流的阻力,输入阻抗是在入口处测得的阻抗。高输入阻抗能够减小电路连接时信号的变化,因而也是最理想的。在给定电压下最小的阻抗就是最小输入阻抗。作为输入电流的替代或补充,它确定输入功率要求。 天线的输入阻抗定义为输入端电压和电流之比。其值表征了天线与发射机或接收机的匹配状况,体现了辐射波与导行波之间能量转换的好坏。 输出阻抗 阻抗是电路或设备对交流电流的阻力,输出阻抗是在出口处测得的阻抗。阻抗越小,驱动更大负载的能力就越高。 输入阻抗和输出阻抗在很多地方都用到,非常重要。 首先,输入阻抗和输出阻抗是相对的,我们先要明白阻抗的意思。 阻抗,简单的说就是阻碍作用,甚至可以说就是电阻,即一种另一层意思上的等效电阻。 引入输入阻抗和输出阻抗这两个词,最大的目的是在设计电路中,要提高效率,即要达到阻抗匹配,达到最佳效果。 有了输入输出阻抗这两个词,还可以方便两个电路独立的分开来设计。当A电路中输入阻抗和B电路的输出阻抗相同(或者在一定范围时,两个电路就可不作任何更改,直接组合成一个更复杂的电路(或者系统。
由上也可以得出:输入阻抗和输出阻抗实际上就是等效电阻,单位自然就是欧姆了。 一、输入阻抗 输入阻抗是指一个电路输入端的等效阻抗。在输入端上加上一个电压源U,测量输入端的电流I,则输入阻抗Rin就是U/I。你可以把输入端想象成一个电阻的两端,这个电阻的阻值,就是输入阻抗。 输入阻抗跟一个普通的电抗元件没什么两样,它反映了对电流阻碍作用的大小。对于电压驱动的电路,输入阻抗越大,则对电压源的负载就越轻,因而就越容易驱动,也不会对 信号源有影响;而对于电流驱动型的电路,输入阻抗越小,则对电流源的负载就越轻。因此,我们可以这样认为:如果是用电压源来驱动的,则输入阻抗越大越好;如果是用电流源来驱动的,则阻抗越小越好(注:只适合于低频电路,在高频电路中,还要考虑阻抗匹配问题。另外如果要获取最大输出功率时,也要考虑阻抗匹配问题 二、输出阻抗 无论信号源或放大器还有电源,都有输出阻抗的问题。输出阻抗就是一个信号源的内阻。本来,对于一个理想的电压源(包括电源,内阻应该为0,或理想电流源的阻抗应当为无穷大。输出阻抗在电路设计最特别需要注意 但现实中的电压源,则不能做到这一点。我们常用一个理想电压源串联一个电阻r的方式来等效一个实际的电压源。这个跟理想电压源串联的电阻r,就是(信号源/放大器输出/电源的内阻了。当这个电压源给负载供电时,就会有电流I从这个负载上流过,并在这个电阻上产生I×r的电压降。这将导致电源输出电压的下降,从而限制了最大输出功率(关于为什么会限制最大输出功率,请看后面的“阻抗匹配”一问。同样的,一个理想的电流源,输出阻抗应该是无穷大,但实际的电路是不可能的 三、阻抗匹配
b p神经网络及m a t l a b实现
图1. 人工神经元模型 图中x1~xn是从其他神经元传来的输入信号，wij表示表示从神经元j到神经元i的连接权值，θ表示一个阈值 ( threshold )，或称为偏置( bias )。则神经元i的输出与输入的关系表示为： 图中 yi表示神经元i的输出，函数f称为激活函数 ( Activation Function )或转移函数 ( Transfer Function ) ，net称为净激活(net activation)。若将阈值看成是神经元i的一个输入x0的权重wi0，则上面的式子可以简化为： 若用X表示输入向量，用W表示权重向量，即： X = [ x0 , x1 , x2 , ....... , xn ]
则神经元的输出可以表示为向量相乘的形式： 若神经元的净激活net为正，称该神经元处于激活状态或兴奋状态(fire)，若净激活net为负，则称神经元处于抑制状态。 图1中的这种“阈值加权和”的神经元模型称为M-P模型 ( McCulloch-Pitts Model )，也称为神经网络的一个处理单元( PE, Processing Element )。 2. 常用激活函数 激活函数的选择是构建神经网络过程中的重要环节，下面简要介绍常用的激活函数。 (1) 线性函数 ( Liner Function ) (2) 斜面函数 ( Ramp Function ) (3) 阈值函数 ( Threshold Function ) 以上3个激活函数都属于线性函数，下面介绍两个常用的非线性激活函数。 (4) S形函数 ( Sigmoid Function ) 该函数的导函数：
Matlab训练好的BP神经网络如何保存和读取方法（附实例说明） 看到论坛里很多朋友都在提问如何存储和调用已经训练好的神经网络。 本人前几天也遇到了这样的问题，在论坛中看了大家的回复，虽然都提到了关键的两个函数“save”和“load”，但或多或少都简洁了些，让人摸不着头脑（呵呵，当然也可能是本人太菜）。通过不断调试，大致弄明白这两个函数对神经网络的存储。下面附上实例给大家做个说明，希望对跟我有一样问题的朋友有所帮助。 如果只是需要在工作目录下保到当前训练好的网络，可以在命令窗口 输入：save net %net为已训练好的网络 然后在命令窗口 输入：load net %net为已保存的网络 加载net。 但一般我们都会在加载完后对网络进行进一步的操作，建议都放在M文件中进行保存网络和调用网络的操作 如下所示： %% 以函数的形式训练神经网络 functionshenjingwangluo() P=[-1,-2,3,1; -1,1,5,-3]; %P为输入矢量 T=[-1,-1,1,1,]; %T为目标矢量 net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm') %创建一个新的前向神经网络 inputWeights=net.IW{1,1} inputbias=net.b{1} %当前输入层权值和阀值 layerWeights=net.LW{2,1} layerbias=net.b{2} net.trainParam.show=50; net.trainParam.lr=0.05; net.trainParam.mc=0.9;
阻抗匹配与史密斯(Smith)圆图: 基本原理 本文利用史密斯圆图作为RF 阻抗匹配的设计指南。文中给出了反射系数、阻抗和导 纳的作图范例，并用作图法设计了一个频率为60MHz 的匹配网络。 实践证明：史密斯圆图仍然是计算传输线阻抗的基本工具。 在处理RF 系统的实际应用问题时，总会遇到一些非常困难的工作，对各部分级联电路的不同阻抗进行匹配就是其中之一。一般情况下，需要进行匹配的电路包括天线与低噪声放大器(LNA)之间的匹配、功率放大 器输出(RFOUT)与天线之间的匹配、LNA/VCO 输出与混频器输入之间的匹配。匹配的目的是为了保证信号或能量有效地从“信号源”传送到“负载”。 在高频端，寄生元件(比如连线上的电感、板层之间的电容和导体的电阻)对匹配网络具有明显的、不可预 知的影响。频率在数十兆赫兹以上时，理论计算和仿真已经远远不能满足要求，为了得到适当的最终结果，还必须考虑在实验室中进行的RF 测试、并进行适当调谐。需要用计算值确定电路的结构类型和相应的目标元件值。 有很多种阻抗匹配的方法，包括: ? 计算机仿真: 由于这类软件是为不同功能设计的而不只是用于阻抗匹配，所以使用起来比较复杂。设计者必须熟悉用正确的格式输入众多的数据。设计人员还需要具有从大量的输出结果中找到有用数据的技能。另外，除非计算机是专门为这个用途制造的，否则电路仿真软件不可能预装在计算机上。 ? 手工计算: 这是一种极其繁琐的方法，因为需要用到较长(“几公里”)的计算公式、并且被处理的数据多为复数。 ? 经验: 只有在RF 领域工作过多年的人才能使用这种方法。总之，它只适合于资深的专家。 ? 史密斯圆图: 本文要重点讨论的内容。 本文的主要目的是复习史密斯圆图的结构和背景知识，并且总结它在实际中的应用方法。讨论的主题包括参数的实际范例，比如找出匹配网络元件的数值。当然，史密斯圆图不仅能够为我们找出最大功率传输的匹配网络，还能帮助设计者优化噪声系数，确定品质因数的影响以及进行稳定性分析。 w w w . p c b t e c h .n e t
基于BP神经网络模型及改进模型对全国历年车祸次数预测 一、背景 我国今年来随着经济的发展，汽车需求量不断地增加，所以全国每年的车祸次数也被越来越被关注，本文首先搜集全国历年车祸次数，接着通过这些数据利用BP神经网络模型和改进的径向基函数网络进行预测，最后根据预测结果，分析模型的优劣，从而达到深刻理解BP神经网络和径向基函数网络的原理及应用。所用到的数据即全国历年车祸次数来自中国汽车工业信息网，网址如下： https://www.doczj.com/doc/3415794756.html,/autoinfo_cn/cszh/gljt/qt/webinfo/2006/05/124650 1820021204.htm 制作历年全国道路交通事故统计表如下所示： 二、问题研究 （一）研究方向 （1）通过数据利用BP神经网络模型预测历年全国交通事故次数并与实际值进行比较。（2）分析BP神经网络模型改变训练函数再进行仿真与之前结果进行对比。 （3）从泛化能力和稳定性等方面分析BP神经网络模型的优劣。 （4）利用径向基函数网络模型进行仿真，得到结果与采用BP神经网络模型得到的结果进行比较。
（二）相关知识 （1）人工神经网络 人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 人工神经网络有以下几个特征： （1）非线性非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性网络关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。 （2）非局限性一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子。 （3）非常定性人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。 （4）非凸性一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。 （2）BP神经网络模型 BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。 （3）径向基函数网络模型 径向基函数（Radial Basis Function，RBF）神经网络由三层组成，输入层节点只传递输入信号到隐层，隐层节点由像高斯函数那样的辐射状作用函数构成，而输出层节点通常是简单的线性函数。 隐层节点中的作用函数（基函数）对输入信号将在局部产生响应，也就是说，当输入信号靠近基函数的中央范围时，隐层节点将产生较大的输出，由此看出这种网络具有局部逼近能力，所以径向基函数网络也称为局部感知场网络。
一、阻抗匹配概念 定义: 1、指信号源或者传输线跟负载之间的一种合适的搭配方式；阻抗匹配分为低频和高频两种情况讨论。 2、阻抗匹配（Impedance matching）是微波电子学里的一部分，主要用于负载阻抗与激励源内部阻抗互相适配，得到最大功率输出的一种工作状态，来达至所有高频的微波信号皆能传至负载点的目的，不会有信号反射回来源点，从而提升能源效益。 我们以下例（软管送水浇花）来感性认识一下阻抗匹配的功用 A、一端于手握处加压使其射出水柱，另一端接在水龙头，。当握管处所施压的力道恰好，而让水柱的射程正确洒落在目标区.如下图所示： B、然而一旦用力过度水注射程太远，不但腾空越过目标浪费水资源。也有可能因强力水压无处宣泄，以致往来源反弹造成软管自龙头上的挣脱(阻抗太高)；如下图所示： C、反之，当握处之挤压不足以致射程太近者，则照样得不到想要的结果。(阻抗太低)，如下图所示；唯有拿捏恰到好处才能符合实际需求的距离。(阻抗匹配)
二、PCB走线的阻抗匹配与阻抗控制 （1）定义 阻抗匹配是电路学里的重要议题，也是射频微波电路的重点。一般的传输线都是一端接电源，另一端接负载，此负载可能是天线或任何具有等效阻抗ZL的电路。传输线阻抗和负载阻抗达到匹配的定义，简单说就是：Z0=ZL。在阻抗匹配的环境中，负载端是不会反射电波的，换句话说，电磁能量完全被负载吸收。因为传输线的主要功能就是传输能量和传送电子讯号或数字数据，一个阻抗匹配的负载和电路网络，将可确保传输到最终负载的电磁能量值能达到最大量。 （2）PCB走线作阻抗控制的原因 1：针对目前高频高速的要求，及对信号失真状况越来越高的要求，在设计PCB时方波信号在多层板讯号线中，其特性阻抗值必须要和电子元件的内置电子阻抗相匹配，才能保证信号的完整的传输。 2：当特性阻抗值超出公差时，所传讯号的能量将出现反射、散失、衰减或延误等劣化现象，严重时会出现错误讯号。 3：由于元件的电子阻抗越高，其传输速率越快。总之，是为了配合电子元器件的电子阻抗，避免信号传输时失真的现象，所以要控制阻抗。 (3)、决定阻抗控制大小的因素，主要包括以下几个方面： 1、W-----线宽/线与地平面间距 2、H----绝缘介质厚度 3、T------铜厚 4、H1---绿油厚 5、Er-----介电常数 6、参考地平面层 射频信号在多层板传输线（Transmission Line，是由信号线、介质层、及接地层三者所共同组成）中所进行的快速传送；如下图所示： 三、PCB阻抗控制线计算概述 对于常见的FR4 板材的 PCB 板上， 对于微带线，线宽 W 是介质厚度 h的2 倍。对于带状线，线条两侧介质总厚度b 是线宽 W 的两倍(估算法)；精确计算公式分别如下所示：
目录 摘要 (1) 1 理论知识 (2) 1.1基尔霍夫定律 (2) 1.2结点电压法 (2) 2 阻抗匹配网络的计算 (3) 2.1原理分析 (3) 2.2 建模 (4) 2.3应用MATLAB对上面的题目编程 (5) 2.4 绘图 (6) 3 simulink程序仿真 (8) 3.1电路图及仿真效果 (8) 3.2仿真过程中发现的问题 (9) 4 结果对比分析 (10) 5 心得体会 (11) 参考文献 (12)
摘要 做为一名自动化专业的学生，掌握基本的电路知识是非常重要的。但是在掌握基本的知识点的时候，我们也需要掌握一些解决电路方面的“诀窍”，比如某些软件。本文就以电路中的一些基本知识点引入这些软件在解决电路问题中的一些具体应用。而且本文是以Matlab为例，说明如何运用Matlab来进行电路的求解和仿真。 在求解和仿真的过程中，我们可以发现应用这些软件可以让非常复杂的电路的分析、计算编的非常简单，是一个非常实用、有效的工具。 关键词：电路；Matlab；仿真；
1 理论知识 1.1基尔霍夫定律 基尔霍夫定律包括基尔霍夫电流定律（KCL）和基尔霍夫电压定律（KVL）。 基尔霍夫电流定律（KCL）：在集总电路中，任何时候，对任意结点，所有流出结点的支路电流的代数和恒为零。电流的“代数和”是根据电流是流出结点还是流入结点判断的。若流出节点的电流前面取“+”号，则流入结点的电流前面取“-”号；电流是流出结点还是流入结点，均根据电流的参考方向判断。所以对任一结点都有 Σi=0； 基尔霍夫电压定律（KVL）: 在集总电路中，任何时候，对任意回路，所有支路电压的代数和恒为零。在应用时，需要任意指定一个回路的绕行方向，凡是支路电压的参考方向与回路的绕行方向一致者，该电压前面取“+”号；支路电压参考方向与回路绕行方向相反者，前面取“-”。最后，对任一回路都有 Σu=0； 1.2结点电压法 定义：结点电压是在为电路任选一个结点作为参考点（此点通常编号为“0”），并令其电位为零后,其余结点对该参考点的电位。并根据KCL写出方程，求出每个结点的电压。 在电路中任意选择某一结点为参考结点，其他结点为独立结点，这些结点与次参考结点之间的电压称为结点电压，结点电压的参考极性是以参考结点为负，其余独立结点为正。由于任意支路都连接在两个节点上，根据KVL，不难断定支路电压就是两个结点电压表示。在具有n个结点电压的共（n-1）个独立结点的KCL方程，就得到变量为（n-1）个独立方程，称为结点电压方程，最后由这些方程解出结点电压，从而求出所需的电压、电流。这就是结点电压法。
怎样理解阻抗匹配 阻抗匹配是指信号源或者传输线跟负载之间的一种合适的搭配方式。阻抗匹配分为低频和高频两种情况讨论。 我们先从直流电压源驱动一个负载入手。由于实际的电压源，总是有内阻的（请参看输出阻抗一问），我们可以把一个实际电压源，等效成一个理想的电压源跟一个电阻r串联的模型。假设负载电阻为R，电源电动势为U，内阻为r，那么我们可以计算出流过电阻R的电流为：I=U/(R+r)，可以看出，负载电阻R越小，则输出电流越大。负载R上的电压为：Uo=IR=U/[1+(r/R)]，可以看出，负载电阻R 越大，则输出电压Uo越高。再来计算一下电阻R消耗的功率为：P=I2×R=[U/(R+r)]2×R=U2×R/(R2+2×R×r+r2) =U2×R/[(R-r)2+4×R×r] =U2/{[(R-r)2/R]+4×r} 对于一个给定的信号源，其内阻r是固定的，而负载电阻R则是由我们来选择的。注意式中[(R-r)2/R]，当R=r时，[(R-r)2/R]可取得最小值0，这时负载电阻R上可获得最大输出功率Pmax=U2/(4×r)。即，当负载电阻跟信号源内阻相等时，负载可获得最大输出功率，这就是我们常说的阻抗匹配之一。对于纯电阻电路，此结论同样适用于低频电路及高频电路。当交流电路中含有容性或感性阻抗时，结论有所改变，就是需要信号源与负载阻抗的的实部相等，虚部互为相反数，这叫做共扼匹配。在低频电路中，我们一般不考虑传输线的
匹配问题，只考虑信号源跟负载之间的情况，因为低频信号的波长相对于传输线来说很长，传输线可以看成是"短线"，反射可以不考虑（可以这么理解：因为线短，即使反射回来，跟原信号还是一样的）。从以上分析我们可以得出结论：如果我们需要输出电流大，则选择小的负载R；如果我们需要输出电压大，则选择大的负载R；如果我们需要输出功率最大，则选择跟信号源内阻匹配的电阻R。有时阻抗不匹配还有另外一层意思，例如一些仪器输出端是在特定的负载条件下设计的，如果负载条件改变了，则可能达不到原来的性能，这时我们也会叫做阻抗失配。 在高频电路中，我们还必须考虑反射的问题。当信号的频率很高时，则信号的波长就很短，当波长短得跟传输线长度可以比拟时，反射信号叠加在原信号上将会改变原信号的形状。如果传输线的特征阻抗跟负载阻抗不相等（即不匹配）时，在负载端就会产生反射。为什么阻抗不匹配时会产生反射以及特征阻抗的求解方法，牵涉到二阶偏微分方程的求解，在这里我们不细说了，有兴趣的可参看电磁场与微波方面书籍中的传输线理论。传输线的特征阻抗（也叫做特性阻抗）是由传输线的结构以及材料决定的，而与传输线的长度，以及信号的幅度、频率等均无关。 例如，常用的闭路电视同轴电缆特性阻抗为75Ω，而一些射频设备上则常用特征阻抗为50Ω的同轴电缆。另外还有一种常见的传输线是特性阻抗为300Ω的扁平平行线，这在农村使用的电视天线架上