Thread Content
Il est très important d’analyser les composantes fréquentielles du signal, car elles peuvent souvent provoquer du bruit dans la conception ; une fois que ces composantes dépassent les tolérances autorisées, cela peut entraîner des défaillances ou un mauvais fonctionnement du dispositif. Dans les cas graves, cela peut également entraîner des pics de tension, endommageant les composants. Si nous n’effectuons pas les bons tests lors de la conception, les problèmes mentionnés ci-dessus sont très susceptibles de survenir. Alors, comment analyser les composantes fréquentielles d’un signal ? On pourrait penser que seul un analyseur de spectre est capable de faire cette tâche, mais en réalité, un oscilloscope peut également s’en charger partiellement. En plus de l’analyse dans le domaine temporel, l’oscilloscope dispose d’une fonction FFT qui peut être utilisée à cette fin. FFT est l’abréviation de transformation rapide de Fourier. En termes simples, la FFT est en réalité un algorithme qui nous permet de séparer les signaux dans le domaine temporel, puis de convertir ces signaux séparés dans le domaine fréquentiel. À ce stade, l’oscilloscope passe du domaine temporel au domaine fréquentiel, affichant ainsi la relation entre l’amplitude du signal et sa fréquence. Comme le montre la vidéo GIF ci-dessous, on peut voir clairement comment l’oscilloscope convertit un signal du domaine temporel en domaine fréquentiel. Si vous ne connaissez pas bien la conversion du domaine temporel au domaine fréquentiel via l’FFT, vous pouvez consulter notre article précédent intitulé « Une introduction à la fonction de transformation rapide de Fourier FFT des oscilloscopes et à son utilisation ». Dans la barre de menu de l’FFT, il est possible de choisir le type de spectre pour le calcul : on peut sélectionner linéaire ou en décibels, afin que l’amplitude soit affichée sur l’écran de l’oscilloscope en V-Hz ou en dB-Hz. Lorsque la FFT est activée, on peut voir que l’échelle temporelle de l’axe horizontal passe du temps à la fréquence, et que l’unité de l’axe vertical devient V ou dB. En dessous du type de spectre se trouve le choix de la source de déclenchement, ce qui est assez facile à comprendre : pour effectuer l’FFT sur quel canal, nous sélectionnons ce canal comme source. En dessous de la source se trouvent quatre types différents de fenêtres FFT : la fenêtre rectangulaire, la fenêtre de Hamming, la fenêtre de Blackman et la fenêtre de Hann. Alors, pourquoi l’FFT propose-t-il différents choix de fenêtres ? Car lors du calcul du spectre à l’aide de l’algorithme FFT, seules les informations des points d’échantillonnage sont obtenues ; il est impossible de mesurer et de traiter un signal de longueur infinie, on se contente donc d’analyser une tranche temporelle finie, ce qui entraîne l’ignorance des données situées entre les intervalles d’échantillonnage. Cela est inévitable et est également appelé effet de clôture. L’oscilloscope effectue une transformation FFT sur une enregistrement temporel de longueur finie, l’algorithme FFT partant du principe que la forme d’onde dans le domaine temporel se répète indéfiniment. Ainsi, lorsque la période est un nombre entier, l’amplitude de la forme d’onde dans le domaine temporel est identique au début et à la fin, ce qui empêche toute interruption de la forme d’onde. Cependant, si la période de la forme d’onde dans le domaine temporel n’est pas un nombre entier, cela entraîne des amplitudes différentes aux points de début et de fin de la forme d’onde, ce qui provoque des interruptions transitoires à haute fréquence au niveau des jonctions. Dans le domaine fréquentiel, cet effet est appelé fuite. Ainsi, afin d’éviter toute fuite, on multiplie la forme d’onde originale par une fonction de fenêtre, ce qui force les valeurs aux points de début et de fin à être nulles. Et différentes fonctions de fenêtre utilisent des algorithmes différents, présentant chacune leurs avantages selon les situations. Les fonctions de fenêtrage modifient la forme d’onde dans le domaine fréquentiel, permettant au spectre de prendre une forme plus facile à observer. Cependant, elles ne suppriment pas fondamentalement les fuites spectrales. Chaque fonction de fenêtrage possède des caractéristiques uniques ; il suffit de choisir celle qui convient en fonction des besoins de mesure. Application de l’effet de la fonction de fenêtre : la fenêtre rectangulaire est le meilleur type de fenêtre pour distinguer des fréquences très proches les unes des autres, mais elle est la moins efficace pour mesurer avec précision l’amplitude de ces fréquences. Il est préférable de mesurer le spectre des signaux non répétitifs et les composantes de fréquence proches de la tension continue. Cette fenêtre est utilisée pour les transitoires ou pics de niveau de signal avant ou après des événements presque identiques. La fenêtre de Hamming offre la meilleure capacité à distinguer des fréquences très proches de la même valeur, et sa précision en amplitude est également légèrement améliorée par rapport à la fenêtre rectangulaire. La résolution en fréquence du type de fenêtre Hamming est légèrement supérieure à celle du type de fenêtre Hanning. Mesure du bruit sinusoïdal, périodique et à bande étroite aléatoire. Cette fenêtre est utilisée pour les transitoires ou les pics de niveau de signal avant ou après des événements présentant une différence significative. La fenêtre de Hanning est très efficace pour mesurer la précision de l’amplitude, mais elle est moins performante pour la résolution des fréquences. Comme la fenêtre de Hamming, la fenêtre Blackman-Harris est optimale pour mesurer l’amplitude en fréquence, mais elle est la moins efficace pour mesurer la fréquence de résolution. Utiliser la mesure Blackman-Harris pour trouver les formes d’onde de fréquence unique principales des harmoniques de haute ordre. En même temps, il convient de prêter attention aux points suivants lors des mesures : 1. Comme la FFT est une fonction mathématique, plus les données traitées sont nombreuses, plus sa précision est élevée. Par conséquent, lors de la mesure, nous devons augmenter la profondeur de stockage et, autant que possible, la base temporelle, afin d’obtenir une résolution en fréquence plus élevée. Comme le montrent les deux graphiques ci-dessous, qui présentent une comparaison avec des temps de base de 200 μs et 2 ms respectivement, on peut clairement voir que l’efficacité du FFT est bien meilleure avec un temps de base de 2 ms. Il convient cependant de noter que la longueur du signal dans le domaine temporel n’est pas toujours plus longue, c’est mieux ; en effet, la profondeur de stockage de l’oscilloscope est limitée. Plus la durée d’enregistrement de la forme d’onde est longue, plus le taux d’échantillonnage est bas, ce qui peut entraîner une distorsion de la forme d’onde d’origine. En général, il est approprié que la durée d’une forme d’onde sur le graphique dans le domaine temporel couvre au moins 4 à 8 périodes de cette forme d’onde. 2. Les signaux contenant une composante continue ou une déviation peuvent provoquer des erreurs ou des déviations dans les composantes de forme d’onde de la FFT ; pour réduire la composante continue, nous pouvons choisir un couplage alternatif. 3. Lors de la récupération de signaux périodiques, il convient d’utiliser le mode d’échantillonnage moyen pour réduire le bruit du signal. Il est recommandé que la moyenne soit d’au moins 16. La FFT peut aider dans les mesures électroniques à identifier les sources de bruit, à tester la réponse en impulsion des filtres et des systèmes, à analyser le jitter, l’énergie harmonique, les interférences électromagnétiques, ainsi que la réponse en fréquence.