示波器FFT頻譜分析的使用方法和注意點

2021-10-09 20:50:02 字數 2378 閱讀 6898

對訊號中的頻率分量進行分析是十分重要的,因為他們常常會在設計中引起雜訊,一旦超出允許的公差,就可能進而導致器件發生故障功能失常。嚴重的還可能導致電壓尖峰,損壞器件。如果我們在設計的時候沒有進行正確的測試,那麼上述問題就很可能發生。那麼如何對訊號進行頻率分量的分析呢?

也許大家會認為這個活只有頻譜分析儀能幹,但實際上示波器也能部分勝任,示波器除了時域分析外,還有乙個fft的功能,就可以用來做這個事。fft是快速傅利葉變換的縮寫。簡單的說,fft其實是一種演算法,可以幫助我們對時域訊號進行分離,然後再將這些分離的訊號轉換到頻域,此時示波器將從時域轉換成頻域,顯示的是訊號幅值與頻率之間的關係。

如下gif圖所示,可以清楚的看到示波器是如何將訊號從時域轉換成頻域的。

對於fft的時域頻域轉換如果不是很了解,可以搜尋看下我們之前的文章《淺懂示波器fft快速傅利葉變換功能及運用》

fft的選單欄中,包含fft運算頻譜型別的選擇,可以選擇線或者分貝來作為幅值分別以v-hz或db-hz被繪製在示波器顯示屏上。當fft開啟的時候,可以看到水平軸的時基從時間變成了頻率,垂直軸單位變為v或者db。

頻譜型別下方是觸發源的選擇,這個比較好理解,要對哪個通道進行fft運算,我們就選哪個通道為源。

源下方是四種不同的fft窗,分別是矩形窗、哈明窗、布萊克曼窗、漢寧窗。那麼為什麼fft會有不同的窗選擇呢?

因為fft演算法計算頻譜訊號取樣時,只能得到取樣點的資訊, 不可能對無限長的訊號進行測量和運算,而是取其有限的時間片段進行分析,因此忽略了取樣間隔中資料資訊,這是不可避免的,也稱之為柵欄效應。示波器是對有限長度的時間記錄進行fft變換,fft演算法是假設時域波形是不斷重複的。這樣當週期為整數時,時域波形在開始和結束處波形的幅值相同,波形就不會產生中斷。但是,如果時域波形的週期為非整數時,就引起波形開始和結束處的波形幅值不同,從而使連線處產生高頻瞬態中斷。在頻域中,這種效應稱為洩漏。因此,為避免洩漏的產生,在原波形上乘以乙個窗函式,強制開始和結束處的值為零。

而不同的窗函式採用不同的演算法,在不同的情況下有著各自的優勢。窗函式會改變頻域波形,讓頻譜形成方便我們觀察的樣子,但是本質上不會消除頻譜洩露,不同的窗函式都有其獨特的特性,我們只需要根據測量需要選擇即可。

窗函式效果

應用矩形窗(rectangular)

對非常接近同一值的分辨頻率,這是最好的視窗型別,但此型別在精確測量這些頻率的幅度時效果最差。

測量非重複訊號的頻譜和測量接近直流的頻率分量最佳。該視窗用於訊號級別在具有幾乎相同的事件之前或之後的瞬態或突發。

哈明窗(hamming)

對非常接近同一值的分辨頻率,這是最佳的視窗型別,並且幅度精度比矩形視窗也略有改進。哈明窗型別比漢寧窗型別的頻率解析度要略有提高。

測量正弦、週期性和窄帶隨機噪音。該視窗用於訊號級別在具有重大差別的事件之前或之後的瞬態或突發。

漢寧窗(hanning)

用於測量幅度精度極好,但對於分辨頻率效果較差。

同哈明窗

布萊克曼(blackman-harris)

用於測量頻率幅度最佳,但對於測量分辨頻率效果卻是最差。

使用blackman-harris測量查詢高次諧波的主要單訊號頻率波形。

同時,測量時要注意以下幾點:

1.由於fft是乙個數學函式,對於數學函式來說處理的資料越多,他就越準確。因此測量的時候,我們要把儲存深度打大,時基盡量打大,這樣頻率解析度才更高。如下面兩張圖分別是時基打到200μs和2ms的對比,可以清楚的看到,2ms時基下的fft效果要好很多。

但也要注意時域訊號長度不是越長越好,因為示波器的儲存深度有限,波形記錄時間越長,取樣率越低,可能導致源波形失真。一般來說,在時域圖上最少出現4到8個波形週期的波形時長是比較合適的。

2.具有直流成分或偏差的訊號會導致fft波形成分的錯誤或偏差,為減少直流成分我們可以選擇交流耦合方式。

3.在獲取週期性訊號時,應使用平均取樣模式來降低訊號噪音。建議平均數不小於16。

fft在電子測量中可以幫助找到雜訊干擾源,測試濾波器和系統的脈衝響應,抖動分析,諧波功率分析,電磁干擾分析、頻率響應分析等。

FFT頻譜分析原理

fft頻譜分析原理 取樣定理 取樣頻率要大於訊號頻率的兩倍。n個取樣點經過fft變換後得到n個點的以複數形式記錄的fft結果。假設取樣頻率為fs,取樣點數為n。那麼fft運算的結果就是n個複數 或n個點 每乙個複數就對應著乙個頻率值以及該頻率訊號的幅值和相位。第乙個點對應的頻率為0hz 即直流分量 ...

頻譜分析之FFT

參考 fft是離散傅利葉變換的快速演算法,可以將乙個訊號變換到頻域。有些訊號在時域上是很難看出什麼特徵的,但是如果變換到頻域之後,就很容易看出特徵了。這就是很多訊號分析採用fft變換的原因。頻率是表徵資料變化劇烈程度的指標,是資料在平面空間上的梯度.從物理效果看,傅利葉變換是將影象從空間域轉換到頻率...

使用 FFT 進行頻譜分析

下面的示例說明了如何使用 fft 函式進行頻譜分析。fft 的乙個常用場景是確定乙個時域雜訊訊號的頻率分量。首先建立一些資料。假設是以 1000 hz 的頻率對資料進行的取樣。首先為資料構造一條時間軸,時間範圍從 t 0 至 t 0.25,步長為 1 毫秒。然後,建立乙個包含 50 hz 和 120...