当前位置：首页 > news >正文

从B类到连续类：一篇讲透功放效率与带宽的“鱼与熊掌”兼得史

news 2026/6/4 6:17:41

射频功率放大器的进化论：从B类到连续类的带宽革命

在无线通信技术狂飙突进的三十年里，有个看似矛盾的命题始终困扰着工程师：如何让功率放大器同时"吃得少"（高效率）和"干得多"（宽带宽）？这就像要求一位运动员既能以百米冲刺的速度奔跑，又能保持马拉松选手的耐力。经典B类功放虽然拥有接近80%的理论效率，却像戴着镣铐跳舞——只能在极窄的频段内保持优异表现。直到连续类(Continuous Class)技术的出现，才真正打破了这道"效率-带宽"的魔咒。

1. 传统功放的阿喀琉斯之踵

1.1 B类功放的效率神话与带宽困局

B类功放凭借其推挽结构和180°导通角的巧妙设计，在20世纪后期成为射频领域的明星。其核心优势在于：

理论效率78.5%：远优于A类的50%上限
简洁的拓扑结构：仅需两个晶体管交替工作
良好的线性度：适合幅度调制信号

但当我们用现代通信标准审视它时，缺陷立刻显现：

% 典型B类功放效率随频率变化模拟 freq = linspace(1.8, 2.2, 100); % GHz efficiency = 78.5 * exp(-0.5*(freq-2.0).^2/0.01); plot(freq, efficiency); xlabel('Frequency (GHz)'); ylabel('Efficiency (%)');

这段MATLAB代码清晰地展示：当工作频率偏离中心点仅10%时，效率可能骤降30%以上。

1.2 F类功放的谐波魔术与实现难题

F类功放通过谐波控制创造了电压/电流波形的时空错位，理论上可达100%效率。其关键特征包括：

谐波次数	理想阻抗条件	物理实现方法
基波	纯阻性负载	匹配网络设计
二次谐波	短路	λ/4传输线
三次谐波	开路	λ/12短截线

但在实际宽带应用中，工程师们发现：

"维持多谐波控制就像同时抛接五个球，带宽增加时系统复杂度呈指数上升" —— 某基站功放首席设计师访谈

2. 连续类技术的破局之道

2.1 Cripps的范式革命：连续F类

2009年，Steve Cripps发表的《The Continuous Class-F Mode Power Amplifier》犹如投下一枚技术核弹。其革命性在于引入连续因子γ：

V_C-F = (1 - 2/√3 cosθ)² · (1 + 1/√3 cosθ) · (1 - γ sinθ)

这个看似简单的数学变换，实则打开了阻抗空间的"平行宇宙"：

当γ=0时，回归经典F类
当γ变化时，形成连续的高效率工作模式族

连续F类的阻抗空间表达式：

Z_1f = (2/√3 + jγ)R_opt Z_2f = -j(7√3π/24)R_opt Z_3f = ∞

这组方程揭示了一个惊人事实：在γ定义的参数空间内，功放可以保持：

效率>70%的带宽扩展3-5倍
输出功率波动<1dB

2.2 技术家族的裂变式发展

随后的十年见证了连续类技术的爆发式演进：

连续B/J类（2012）
- 继承B类电流波形
- 电压波形引入连续因子：V=(1-cosθ)(1-γsinθ)
- 典型应用：LTE基站功放模块
连续E/E-1类（2021）
- 突破传统E类的固定ZVS/ZVDS条件
- 通过谐波负载调制实现宽带化
- 实测指标：2-2.6GHz带宽内效率>65%
X类功放（2018）
- 独创最大平坦波形理论
- 允许二次/三次谐波阻抗独立调节
- 适用场景：卫星通信多载波系统

3. 现代通信中的实战应用

3.1 5G Massive MIMO的救星

某主流基站厂商的测试数据显示：

技术类型	带宽(MHz)	平均效率(%)	ACLR(dBc)
Doherty	100	43.2	-45
连续B/J	200	51.7	-48
连续F	300	49.8	-43

注意：实际部署时需要权衡线性度和效率，通常采用数字预失真(DPD)辅助

3.2 卫星通信的跨频段解决方案

欧洲航天局(ESA)某Ka波段项目采用连续E类设计：

同时覆盖17.7-20.2GHz上行和27.5-30.0GHz下行
使用GaN HEMT器件实现55%整机效率
关键创新：三维封装谐波控制网络

4. 技术对比与未来演进

4.1 主流宽带技术比武

# 各技术指标雷达图模拟 import matplotlib.pyplot as plt import numpy as np categories = ['带宽', '效率', '线性度', '复杂度', '成本'] doherty = [3, 4, 5, 3, 4] outphasing = [4, 3, 2, 5, 2] continuous = [5, 4, 4, 4, 3] angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False) fig = plt.figure(figsize=(6,6)) ax = fig.add_subplot(111, polar=True) ax.plot(angles, doherty+doherty[:1], 'b-', label='Doherty') ax.plot(angles, outphasing+outphasing[:1], 'r-', label='Outphasing') ax.plot(angles, continuous+continuous[:1], 'g-', label='Continuous') ax.set_thetagrids(angles*180/np.pi, categories) ax.legend() plt.show()