[论文解读] Propagation of Measurement and Model Uncertainties through Multiline TRL Calibration

Ziad Hatab, Michael Gadringer+1 more|arXiv (Cornell University)|Jun 21, 2022

Advanced MEMS and NEMS Technologies被引用 5

一句话总结

该论文提出了一种线性不确定性（LU）传播方法，用于多线托夫-反射-线路（TRL）校准中的测量与模型不确定性，符合ISO GUM标准。该方法将多线TRL问题重新表述为一个4×4特征值问题，实现了高效且精确的不确定性量化，其结果与蒙特卡洛模拟一致，但耗时不足一分钟，而1000次模拟需18分钟。

ABSTRACT

In this work, we present a linear uncertainty (LU) propagation treatment of measurement and model uncertainties in multiline thru-reflect-line (TRL) calibration. The proposed method is in accordance with the ISO Guide to the Expression of Uncertainty in Measurement (GUM). We demonstrate with numerical simulation based on the Monte Carlo (MC) method that our proposed LU method delivers identical uncertainty as the MC method but in a more efficient way.

研究动机与目标

• 为解决多线TRL校准中缺乏系统性不确定性处理的问题，特别是针对复杂不确定性源的问题。
• 克服传统线性不确定性传播在多线TRL校准中因数学复杂性及先前公式化方法不稳定而带来的局限性。
• 通过将多线TRL问题重新表述为稳定且可解的特征值问题，实现高效且精确的不确定性量化。
• 证明LU传播可获得与蒙特卡洛模拟完全相同的不确定性边界，但计算时间显著减少。
• 提供一种实用的开源实现，用于微波测量中具备不确定性感知的矢量网络分析仪（VNA）校准。

提出的方法

• 利用7参数误差模型的Kronecker积公式，将多线TRL校准重新表述为单一的4×4加权特征值问题。
• 使用基于测量的协方差矩阵，并通过矩阵W加权，以确保对线标准数据的最优加权。
• 应用线性不确定性传播（符合GUM标准），对三种不确定性类型进行处理：测量噪声、正向模型参数（如线长）以及反射标准不确定性。
• 通过反向不确定性量化处理逆模型不确定性（如阻抗失配），方法是将基于模型的贡献项加入测量协方差矩阵。
• 采用动态导数计算（通过Metas.UncLib实现），以在LU传播中准确评估雅可比矩阵。
• 通过使用数值生成的数据进行1000次蒙特卡洛模拟，对结果进行验证，数据中包含受控的噪声、长度变化及介电常数失配。

实验结果

研究问题

• RQ1 尽管多线TRL校准具有非线性和耦合的数学结构，线性不确定性传播是否仍可有效应用？
• RQ2 如何系统地将测量不确定性（如噪声）和模型不确定性（如线长、基板介电常数）传播至多线TRL校准中？
• RQ3 所提出的LU方法是否能在显著更短的时间内实现与蒙特卡洛模拟等效的不确定性边界？
• RQ4 当直接LU传播不可行时，如何处理隐式模型不确定性（如阻抗失配假设）？
• RQ5 与先前方法相比，新的基于特征值的多线TRL公式化是否能实现更稳定且高效的不确定性量化？

主要发现

• 所提出的LU方法产生的不确定性边界与1000次蒙特卡洛模拟结果完全一致，验证了其准确性。
• LU方法在不到一分钟内完成不确定性传播，而1000次蒙特卡洛模拟约需18分钟。
• 将多线TRL校准重新表述为4×4特征值问题，确保了数值稳定性，并避免了早期公式中出现的逆协方差矩阵问题。
• 线长、反射标准参数以及测量噪声的不确定性，均成功通过标准LU技术实现传播。
• 通过将基于模型的贡献项加入测量协方差矩阵，有效处理了如介电常数变化或阻抗失配等逆模型不确定性。
• 该方法已实现并公开发布于GitHub，支持可重现性，并可集成至VNA校准工作流中。