Thread Content
Анализ частотных компонентов сигнала имеет огромное значение, поскольку они часто вызывают шум в конструкции. При превышении допустимых допусков это может привести к сбоям в работе устройства. В серьезных случаях это также может привести к пикам напряжения, что повредит устройство. Если при проектировании мы не проведем соответствующих тестов, то вышеупомянутые проблемы вполне могут возникнуть. Как же производить анализ частотных компонентов сигнала? Возможно, кто-то подумает, что эту задачу может выполнять только спектральный анализатор, но на самом деле осциллограф тоже может частично справиться с ней. Помимо анализа в временной области, у осциллографа также есть функция FFT, которая может быть использована для выполнения этой задачи. FFT — это аббревиатура от быстрой преобразования Фурье. Проще говоря, FFT — это алгоритм, который позволяет нам разделять сигналы в временной области, а затем преобразовывать эти разделенные сигналы в частотную область. При этом осциллограф переходит от отображения сигнала в временной области к отображению его в частотной области, показывая зависимость амплитуды сигнала от его частоты. Как показано на приведенном ниже GIF-изображении, можно четко увидеть, как осциллограф преобразует сигнал из временной области в частотную. Если вы не очень хорошо разбираетесь в преобразовании сигнала из временной области в частотную с помощью FFT, можете ознакомиться с нашей предыдущей статьей «Краткое руководство по функции быстрого преобразования Фурье в осциллографе и её применению». В меню FFT имеется возможность выбора типа спектра, который будет получен в результате преобразования; можно выбрать отображение амплитуды в единицах Вольт-Гц или дБ-Гц. Когда включен FFT, можно увидеть, что временная ось горизонтальной шкалы меняется с времени на частоту, а единицы измерения вертикальной оси становятся В или дБ. Под типом спектра находится выбор источника сигнала, что довольно понятно: чтобы выполнить операцию FFT над определенным каналом, мы выбираем этот канал в качестве источника. Под источником представлены четыре разных окна FFT: прямоугольное окно, окно Хэмминга, окно Блекмана и окно Ханинга. Тогда почему у FFT существуют разные варианты выбора окна? Поскольку алгоритм FFT при вычислении спектра сигнала на основе его выборок может получать только информацию о точках выборок, он не может проводить измерения и вычисления для бесконечно длинных сигналов; вместо этого анализируются лишь их ограниченные временные интервалы. В результате игнорируется информация, содержащаяся в промежутках между выборками, что является неизбежным явлением, также называемым эффектом решетки. Осциллограф выполняет преобразование FFT для записей времени ограниченной длины; алгоритм FFT исходит из предположения, что сигнал во временной области постоянно повторяется. Таким образом, когда период является целым числом, амплитуда сигнала во временной области на начале и в конце одинакова, и сигнал не прерывается. Однако, если период временной формы волны является нецелым числом, это приводит к тому, что амплитуда волны в момент её начала и окончания отличается, в результате чего на месте соединения возникают высокочастотные импульсные сбои. В частотной области этот эффект называется утечкой. Поэтому, чтобы избежать утечек сигнала, к исходной форме волны умножают функцию окна, что принудительно делает значения в начале и в конце равными нулю. При этом разные функции окна используют разные алгоритмы и имеют свои преимущества в разных ситуациях. Функции окна изменяют форму сигнала в частотной области, делая спектр более удобным для наблюдения. Однако они не устраняют явления утечки спектра. У разных функций окна есть свои уникальные характеристики, и нам достаточно выбрать ту, которая подходит для конкретных целей измерений. Применение эффекта оконных функций: прямоугольное окно (Rectangular) — лучший тип окна для различения частот, очень близких к одному и тому же значению, однако оно худшим образом справляется с точным измерением амплитуды этих частот. Наилучшим образом подходят измерение спектра нерепетитивных сигналов и измерение частотных компонентов, близких к постоянной частоте. Это окно используется для отображения уровня сигнала в моменты транзиентов или импульсов, возникающих до или после почти одинаковых событий. Окно Хэмминга — это оптимальный тип окна для различения частот, очень близких к одному и тому же значению; кроме того, его точность амплитуды немного лучше, чем у прямоугольного окна. Частотная разрешающая способность окна Хэмминга немного выше, чем у окна Ханинга. Измерение синусоидального, периодического и узкополосного случайного шума. Это окно предназначено для отображения транзиентов или всплесков уровня сигнала до или после событий с значительными изменениями. Окно Ханнинга обеспечивает высокую точность измерения амплитуды, но плохо справляется с различением частот. Как и окно Хаминга, метод Блэкмана–Харриса наилучшим образом подходит для измерения амплитуды частот, но худшим образом справляется с измерением разрешающей способности частот. Использование метода Blackman-Harris для поиска основной частоты сигнала высоких гармоник. В то же время при измерениях следует учитывать следующие моменты: 1. Поскольку FFT является математической функцией, чем больше данных обрабатывает эта функция, тем выше её точность. Поэтому при измерениях мы должны увеличить глубину хранения и время срабатывания насколько возможно, чтобы достичь более высокой частотной разрешающей способности. Как видно из двух приведенных ниже графиков, показывающих сравнение при временном интервале 200 мкс и 2 мс, эффективность метода FFT значительно лучше при временном интервале 2 мс. Но также следует учитывать, что чем длиннее сигнал во временной области, тем лучше — это не всегда так, поскольку у осциллографа ограничена глубина запоминания. Чем дольше записывается форма волны, тем ниже скорость дискретизации, что может привести к искажению исходной формы волны. В общем случае, на графике во временной области целесообразно, чтобы длительность сигнала составляла от 4 до 8 периодов колебаний. 2. Сигналы с постоянной составляющей или смещением могут привести к ошибкам или отклонениям в составляющих формы волны FFT. Чтобы уменьшить влияние постоянной составляющей, можно использовать режим переменного заземления. 3. При получении периодических сигналов следует использовать режим средневзвешенной выборки для снижения шума сигнала. Рекомендуется, чтобы среднее значение было не меньше 16. FFT в электронных измерениях может помочь выявить источники шумового вмешательства, протестировать импульсную характеристику фильтров и систем, анализировать дрожание, мощность гармоник, электромагнитные помехи, анализировать частотную характеристику и т. д.