Thread Content
Es muy importante analizar las componentes de frecuencia presentes en la señal, ya que a menudo causan ruido en el diseño. Cuando estas componentes superan los límites permitidos, pueden provocar que los dispositivos dejen de funcionar correctamente. En casos graves, también pueden producirse picos de voltaje que dañen los componentes. Si no realizamos las pruebas adecuadas durante el diseño, es muy probable que surjan los problemas mencionados. ¿Entonces, cómo se puede analizar la composición en frecuencias de una señal? Tal vez todos piensen que solo un analizador de espectro puede realizar esta tarea, pero en realidad, el osciloscopio también puede encargarse de ella parcialmente. Además del análisis en el dominio temporal, el osciloscopio cuenta con la función FFT, que se puede utilizar para llevar a cabo esta tarea. FFT es la abreviatura de Transformada Rápida de Fourier. En pocas palabras, el FFT es en realidad un algoritmo que nos permite separar las señales en el dominio temporal. Luego, estas señales separadas se convierten al dominio de frecuencias. En este caso, el osciloscopio pasa de mostrar las señales en el dominio temporal a hacerlo en el dominio de frecuencias, mostrando así la relación entre la amplitud de la señal y su frecuencia. Como se puede ver en el GIF, es posible observar claramente cómo el osciloscopio convierte las señales del dominio temporal al dominio de frecuencias. Si no se tiene un conocimiento muy profundo sobre la conversión entre el dominio temporal y el dominio de frecuencias en el caso del FFT, se puede consultar nuestro artículo anterior titulado “Una introducción a la función de transformada rápida de Fourier en los osciloscopios y su uso”. En la barra de menús del FFT se encuentra la opción para seleccionar el tipo de espectro que se desea analizar; se puede elegir entre valores en línea o en decibelios, y estos valores se muestran en la pantalla del osciloscopio en unidades de V-Hz o dB-Hz. Cuando la FFT está activada, se puede observar que la escala de tiempo en el eje horizontal cambia de tiempo a frecuencia, mientras que la unidad en el eje vertical pasa a ser V o dB. Debajo del tipo de espectro se encuentra la selección de la fuente de disparo; esto es fácil de entender: para realizar el cálculo FFT en qué canal, seleccionamos ese canal como fuente. Debajo de la fuente se encuentran cuatro tipos diferentes de ventanas FFT: la ventana rectangular, la ventana de Hamming, la ventana de Blackman y la ventana de Hanning. Entonces, ¿por qué el FFT tiene diferentes opciones de ventanas? Dado que el algoritmo FFT, al calcular el espectro de una señal muestreada, solo puede obtener información sobre los puntos de muestreo, no es posible realizar mediciones y cálculos sobre una señal de longitud infinita. En su lugar, se analiza un fragmento de tiempo finito de dicha señal; por lo tanto, la información contenida en los intervalos entre los puntos de muestreo se ignora. Esto es inevitable y también se conoce como efecto de barrera. El osciloscopio realiza una transformada FFT de una grabación de tiempo de longitud finita; el algoritmo FFT parte de la suposición de que la forma de onda en el dominio temporal se repite continuamente. De esta manera, cuando el período es un número entero, la amplitud de la forma de onda en el dominio temporal es la misma en su inicio y en su final, por lo que la forma de onda no sufre interrupciones. Sin embargo, si el período de la forma de onda en el dominio temporal no es un número entero, esto provoca que las amplitudes de la onda al inicio y al final sean diferentes, lo que a su vez genera interrupciones transitorias de alta frecuencia en los puntos de conexión. En el dominio de las frecuencias, este efecto se denomina fuga. Por lo tanto, para evitar la aparición de fugas, se multiplica la forma de onda original por una función de ventana, lo que hace que los valores en los puntos de inicio y final sean cero. Y las diferentes funciones de ventana emplean algoritmos distintos, y en situaciones variadas tienen sus propias ventajas. Las funciones de ventana modifican la forma de las ondas en el dominio de frecuencias, permitiendo que el espectro tenga una apariencia más fácil de observar. Pero, en esencia, no eliminan la fuga de espectro. Cada función de ventana tiene sus propias características únicas; simplemente debemos elegirla según las necesidades de la medición. Aplicación de los efectos de las funciones de ventana: La ventana rectangular es el mejor tipo de ventana para distinguir frecuencias que están muy cerca unas de otras. Sin embargo, este tipo de ventana tiene un rendimiento deficiente a la hora de medir con precisión la amplitud de estas frecuencias. Es mejor medir el espectro de las señales no repetitivas y los componentes de frecuencia cercanos a la corriente continua. Esta ventana se utiliza para los niveles de señal en las transiciones o picos que ocurren antes o después de eventos casi idénticos. La ventana de Hamming es el tipo de ventana óptimo para distinguir frecuencias que están muy cerca del mismo valor; además, su precisión en cuanto a la amplitud es ligeramente mejor que la de las ventanas rectangulares. La resolución de frecuencia del tipo de ventana Hamming es ligeramente superior a la del tipo de ventana Hanning. Mide ruido sinusoidal, periódico y de banda estrecha aleatorio. Esta ventana se utiliza para los transitorios o picos en el nivel de la señal que ocurren antes o después de eventos con diferencias significativas. La ventana de Hanning es muy útil para medir la precisión de la amplitud, pero su rendimiento en cuanto a la resolución de frecuencias es deficiente. Al igual que la ventana de Hamming, Blackman-Harris es la más adecuada para medir la amplitud de las frecuencias. Sin embargo, su rendimiento para medir las frecuencias de resolución es el peor. Utilizar la medición de Blackman-Harris para encontrar las formas de onda de frecuencia única principal de las armónicas de orden superior. Al mismo tiempo, al realizar las mediciones, hay que tener en cuenta los siguientes puntos: 1. Dado que el FFT es una función matemática, cuanto más datos se procesen con ella, mayor será su precisión. Por lo tanto, al realizar las mediciones, debemos aumentar la profundidad de almacenamiento y, en la medida de lo posible, también el tiempo base; de esta manera, la resolución de frecuencia será mayor. Como se puede observar en las dos imágenes siguientes, que muestran la comparación cuando el tiempo de referencia es de 200 μs y 2 ms respectivamente, se puede ver claramente que el rendimiento del FFT es mucho mejor cuando el tiempo de referencia es de 2 ms. Pero también hay que tener en cuenta que la longitud de la señal en el dominio temporal no es algo que cuanto mayor mejor; esto se debe a que la capacidad de almacenamiento del osciloscopio es limitada. Cuanto más largo sea el tiempo de registro de la forma de onda, menor será la tasa de muestreo, lo que puede causar distorsiones en la forma de onda original. En general, es adecuado que la duración de la forma de onda en el gráfico en el dominio del tiempo sea de al menos 4 a 8 ciclos de onda. 2. Las señales que contienen componente de corriente continua o desviaciones pueden causar errores o desviaciones en las componentes de la forma de onda del FFT. Para reducir el componente de corriente continua, podemos optar por un acoplamiento de corriente alterna. 3. Al obtener señales periódicas, se debe utilizar el modo de muestreo promedio para reducir el ruido de la señal. Se recomienda que el promedio sea de al menos 16. La FFT puede ayudar en las mediciones electrónicas a localizar las fuentes de ruido, probar la respuesta en impulso de filtros y sistemas, realizar análisis de fluctuaciones, análisis de potencia armónica, análisis de interferencias electromagnéticas, análisis de respuesta en frecuencia, entre otros.