24年2023月XNUMX日更新。
スペクトラム アナライザは、研究室で不可欠なテストおよび測定機器です。これらは、周波数領域で信号を表示および分析するために使用されます。一部のオシロスコープで利用できる高速フーリエ変換 (FFT) 機能と比較して、周波数掃引スペクトラム アナライザは通常、大きな周波数スパンを維持しながら、より優れたスペクトル分解能を提供します。ただし、スペクトル アナライザは、特に解像度が高い場合、FFT ベースのアプローチよりもはるかに遅くなる可能性があります。 Moku:Lab スペクトラム アナライザー機器はハイブリッド技術を使用しており、両方のアプローチの利点を活かし、速度と周波数スパンのバランスをとります。このガイドでは、Moku:Lab スペクトラム アナライザとオシロスコープを使用して、ハイブリッド スペクトラム アナライザと FFT ベースのアプローチの主な違いを紹介し、Moku:Lab スペクトラム アナライザの主要な設定のいくつかについて理解します。
FFT ベースのアプローチの限界
周波数領域信号解析は、対象の信号から不要なノイズを識別して分離するために使用される重要な技術です。時間領域解析と比較して、周波数領域解析を使用すると、ノイズを特定し、システムを最適化して不要な部分を除去することがはるかに簡単になります。高速フーリエ変換は、時間領域のトレースから信号の周波数領域応答を計算する数学的アルゴリズムです。これは、多くの最新のデジタル ストレージ オシロスコープの標準組み込み機能であり、周波数領域で信号を一目で把握できるようになります。ただし、FFT のスペクトル分解能 (R) は、サンプリング レート (Fs) を FFT ポイント数 (N) で割った値に比例します。一方、FFT スペクトルの最高周波数はサンプリング レートの半分に制限されます。これは、以下の方程式で示されるように、周波数スパンが大きいほど分解能が低下する (R が大きい) ことを意味します。
これにより、高周波数でのより詳細な特性を特徴付ける際の FFT ベースのアプローチが制限されます。このアプリケーション ノートでは、対象の信号として、10 kHz で周波数変調 (FM) され、FM 偏差が 5 kHz である 1 MHz の正弦波を使用します (図 1)。この信号には FM1 という名前を使用します。図 2 は、Moku:Lab のオシロスコープで生成された FM1 の FFT スペクトルを示しています。 ± 5 kHz の側波帯は FFT 解析では解決できません。また、スペクトル上に複数のエイリアシング バンドが見られます。
フィギュア 1: Moku:Lab 波形ジェネレーターによって生成された 10 MHz の FM 信号
フィギュア 2: Moku:Lab オシロスコープで計算された FM1 の FFT スペクトル
Moku:Lab ハイブリッド スペクトラム アナライザーのアプローチ
FFT ベースのアプローチの制限を克服するために、Moku:Lab スペクトラム アナライザーは対象の信号を局部発振器 (LO) とデジタル的に混合します。 f1 図 3 に示すように、対象の周波数を DC 範囲に近づけます。周波数混合の理論は、Moku:Lab ロックイン アンプのビデオ (https://youtu.be/H2O2ADqEkHM）。次に、スペクトラム アナライザはこの低周波信号に対して FFT を実行します。
フィギュア 3: Moku:Labスペクトラムアナライザーの信号処理フロー
前に説明したように、FFT は周波数スパンが小さい場合に最高のパフォーマンスを発揮します。このハイブリッド アプローチでは、スペクトル ウィンドウの開始点を任意の周波数で選択できます (純粋な FFT アプローチと比較すると、常に 0 から始まります)。スペクトルのどの部分も狭いスパンで分析できます。スペクトル分解能はスペクトルの上限周波数によって制限されなくなり、むしろ周波数スパンに関連します。したがって、より高い周波数でも高解像度のスペクトルを取得できます。図 4 では、Moku:Lab スペクトラム アナライザーを使用して FM1 を分析しました。重要な高調波を含むすべての側波帯を簡単に解決できます。
フィギュア 4: Moku:Lab スペクトラム アナライザーで取得した FM1 のスペクトル
周波数、解像度帯域幅、およびビデオフィルター
前のセクションで説明したように、周波数スパンが狭いほど、より細かいスペクトル分解能が得られます。対象の信号周波数をカバーする最小のスパンが推奨されます。
分解能帯域幅 (RBW) は、スペクトル解析のスペクトル分解能を定義します。これは、FFT に使用されるポイントの数と、FFT を計算する前に信号に適用される窓関数によって決まります。分解能帯域幅が狭いほど、スペクトル分解能が向上します。ただし、測定時間が若干長くなる可能性があります。
ビデオ フィルターは、表示されたスペクトル上の隣接するピクセルを平均することでスペクトルを平滑化します。これは後処理技術であり、オンボードのスペクトル取得プロセスには影響しません。ビデオ フィルターを大きくすると、周波数分解能が低下しますが、より滑らかなスペクトルが生成され、狭いスペクトル特徴の振幅が減少する可能性があります。
平均化は、信号対雑音比を改善するもう 1 つの方法です。ビデオフィルターと同様の効果があります。比較的安定した特徴をキャプチャする場合に推奨され、スペクトルの解像度は低下しません。
図 5 は、解像度帯域幅、ビデオ フィルタ、および平均化の影響を示しています。 FM1.
フィギュア 5: RBW、ビデオフィルター、平均化の効果
Moku:Lab デモモード
Moku:Lab アプリは Apple からダウンロードできます。 デモモードで体験してください。 Moku:Lab スペクトラム アナライザーの詳細な機能については、次のサイトを参照してください。 https://www.liquidinstruments.com/support/moku-lab-instruments/spectrum-analyzer/
質問・コメント
当社までご連絡ください： support@liquidinstruments.com
