Thread Content
信号内の周波数成分を分析することは非常に重要であり、それらは設計上ノイズを引き起こすことが多く、許容される公差を超えると、デバイスの故障や機能不全を招く可能性があるからです。深刻な場合は電圧スパイクを引き起こし、デバイスを損傷させる可能性があります。設計段階で適切なテストを行わなければ、上記の問題が発生する可能性が高くなります。では、信号の周波数成分をどのように分析するのでしょうか？多くの人は、この作業はスペクトラムアナライザーでなければできないと思うかもしれませんが、実際にはオシロスコープでも部分的に対応可能です。オシロスコープには時域解析のほかにFFT機能もあり、これを使ってこの作業を行うことができます。FFTは高速フーリエ変換の略称です。簡単に言うと、FFTとは実際にはアルゴリズムの一種で、時域の信号を分離するのに役立ち、その後これらの分離された信号を周波数域に変換します。このときオシロスコープは時域から周波数域に変換され、信号の振幅と周波数の関係が表示されます。下のGIF画像に示されているように、オシロスコープがどのようにして信号を時間領域から周波数領域に変換するかがはっきりとわかります。 FFTの時域と周波数域への変換についてあまりよくわからない場合は、以前に掲載した記事「オシロスコープのFFT・高速フーリエ変換機能とその活用を簡単に理解する」を参照してください。FFTのメニューバーには、スペクトルの表示タイプを選択する機能があり、振幅の単位として線形またはデシベルを選ぶことができ、それぞれV-HzまたはdB-Hzでオシロスコープの画面に表示されます。FFTが有効になると、水平軸の時間軸が時間から周波数に変わり、垂直軸の単位はVまたはdBになります。スペクトルタイプの下にはトリガソースの選択があり、これは理解しやすいです。どのチャンネルでFFT演算を行うかによって、そのチャンネルをソースとして選ぶのです。下部には4種類の異なるFFTウィンドウがあり、それぞれ矩形ウィンドウ、ハミングウィンドウ、ブラックマンウィンドウ、ハニングウィンドウです。では、なぜFFTには異なるウィンドウの選択があるのでしょうか？FFTアルゴリズムでスペクトル信号を計算する際、サンプリングポイントの情報しか得られず、無限に長い信号を測定したり演算したりすることは不可能である。代わりに有限な時間区間を取り出して分析するため、サンプリング間隔内のデータ情報が無視されてしまう。これは避けられないことであり、ガードバンド効果とも呼ばれる。オシロスコープは、有限な長さの時間記録にFFT変換を施すもので、FFTアルゴリズムは時域の波形が繰り返し現れると仮定している。このように周期が整数の場合、時域波形の始点と終点での振幅が同じになるため、波形に途切れが生じません。しかし、時域波形の周期が整数でない場合、波形の開始点と終了点での振幅が異なり、その結果接続部に高周波の過渡的な途切れが生じます。周波数領域において、この効果はリークと呼ばれる。したがって、漏れを防ぐために、元の波形にウィンドウ関数を掛けて、開始点と終了点の値をゼロに強制的にする。そして、異なるウィンドウ関数は異なるアルゴリズムを用い、状況に応じてそれぞれ利点がある。ウィンドウ関数は周波数領域の波形を変え、スペクトルが観察しやすい形になるようにしますが、本質的にはスペクトルリークを除去することはありません。異なるウィンドウ関数にはそれぞれ独自の特性があり、測定のニーズに応じて選択すればよいのです。 ウィンドウ関数の効果の応用：矩形ウィンドウ（Rectangular）は、非常に近い値を持つ周波数を区別するのに最適なウィンドウタイプですが、これらの周波数の振幅を正確に測定する際には最も性能が悪くなります。非繰り返し信号のスペクトルを測定し、直流に近い周波数成分を測定するのが最適です。このウィンドウは、ほぼ同じイベントの前後における信号レベルの過渡的または突発的な変化を表示するために使用されます。 ハミングウィンドウは、ほぼ同じ値である周波数を区別するのに最適なウィンドウタイプであり、振幅精度も矩形ウィンドウよりわずかに向上しています。ハミングウィンドウのタイプは、ハニングウィンドウのタイプよりも周波数分解能がわずかに高い。正弦波、周期的なノイズ、および狭帯域のランダムノイズを測定する。このウィンドウは、大きな違いがあるイベントの前後における信号レベルの過渡的または突発的な変化を表示するために使用されます。 ハニング窓は振幅の測定精度に非常に優れていますが、周波数分解能に関しては性能が劣ります。ハミングウィンドウと同様に、ブラックマン＝ハリスは周波数振幅の測定に最適だが、分解可能な周波数の測定においては最も性能が悪い。Blackman-Harris測定を用いて、高次高調波の主要な単一信号周波数波形を検出する。 同時に、測定時には以下の点に注意する必要があります：1.FFTは数学的な関数であるため、数学的な関数においては処理するデータが多ければ多いほど正確になります。したがって、測定する際には、記憶深度を大きくし、タイムベースもできるだけ大きくする必要があります。そうすることで、周波数分解能が高くなります。下の2枚の図は、それぞれタイムベースを200μsと2msに設定した場合の比較であり、2msのタイムベースの方がFFTの効果がはるかに良いことがはっきりとわかります。ただし、時域信号の長さが長ければ長いほど良いというわけではないことにも注意が必要です。オシロスコープの記憶容量には限りがあるため、波形の記録時間が長くなるほどサンプリングレートが低下し、元の波形が歪む可能性があります。一般的に、時間領域のグラフ上で少なくとも4から8つの波形周期分の波形長さが適切です。 2. 直流成分や偏差を持つ信号は、FFT波形の成分に誤りや偏差を引き起こすため、直流成分を減らすために交流結合方式を選択することができる。 3. 周期的な信号を取得する際は、信号のノイズを低減するために平均サンプリングモードを使用すべきである。平均値は16以上が推奨されます。FFTは電子計測において、ノイズの発生源の特定や、フィルターやシステムのパルス応答のテスト、ジッター解析、高調波電力解析、電磁干渉解析、周波数応答解析などに役立ちます。