帮帮我,傅里叶先生

原创 TsinghuaJoking 2024-02-09 07:42

一、前言

  前两天,通过实验对比了普通的PWM信号以及 UART发送的PDM信号,经过RC低通滤波之后的交流信号的大小 普通的PWM波形经过 RC低通滤波之后,所存在的交流信号 在占空比为 50% 的时候,达到最大。而使用 串口输出的占空比可调的信号,低通滤波之后的交流分量则呈现一种比较奇怪的分布。

首先,比起普通的 PWM波形来讲,串口输出的信号低通滤波之后的交流分量要小得多。但它随着占空比从 0 到 100% 的变化过程中,这种奇怪的电压变化令人感到疑惑。那么问题来了,这个使用 数字万用表DM3068实际测量单片机发送信号的交流分量曲线,哪些是理论上可以计算出来的,哪些是测量误差造成的呢?下面,就是应用信号与系统理论来解释这个问题的时候了。

二、理论分析

1、电路分析

  首先进行理论分析,单片机发送的周期方波信号,经过RC低通滤波得到平滑后的信号。数字万用表使用交流档测量输出信号中交流分量的有效值。将RC低通滤波器看成一个 线性时不变系统, 单片机发出的方波信号的频谱乘以低通滤波器的系统函数,便可以得到输出信号的频谱。只要将输出信号中除了直流分量之外的其它交流分量的功率叠加在一起,便可以计算出数字万用表所测量得到的交流分量了。

  学习过信号与系统之后,我们可以知道 RC低通滤波器的系统函数比较容易列写出来,因此,计算串口输出波形的频谱就成为关键。下面让我们讨论一下由串口输出的占空比可调的方波信号的频谱。

2、输出信号频谱

  这是串口输出的PWM信号,随着占空比增加,其中为高电平的比特位数也增加了。高电平的位数均匀分布在32个字节中的 256位中。这是占空比为25%的信号,它是由不同的方波信号叠加而成。如果我们知道在任何一个时间位置上的脉冲的频谱,只要将所有脉冲频谱叠加在一起,便可以得到该信号的频谱了。下面就按照这个思路进行分析。

▲ 图1.2.1 占空比25%的信号波形


  一切都从这个高度为 E,宽度为 tao 的脉冲信号讲起,它的频谱是一个对称的sinc函数,  如果将它平移到 t0,那么对应的频谱 就只要在后面乘以一个相位因子。下面就可以把 串口输出信号中所有脉冲的频谱加在一起了。

  使用 x[n] 表示 串口输出信号对应位的数值,1 表示有脉冲,0 表示没有脉冲。32个字节总共包括有 256个数据位,32个起始位和32个停止位。将它们的频谱分别计算出来,然后乘以 x[n] 进行叠加,这样就得到了输出信号的频谱。请注意,串口输出的是一个周期为 32个字节对应的周期信号,它的频谱是离散频谱,在上面计算得到的基础上,进行离散化而得。 最后,我们便得到了串口输出信号的实际频谱了。其中的 E 是3.3V电平,tao 是每一比特对应的时间,为1微秒。将这个频谱乘以 RC 低通滤波器的系统函数之后,再把所有交流分量叠加在一起,便可以计算出数字万用表所测量到的交流分量的大小了。

三、仿真结果

  有了理论分析之后,下面就是通过 Python 编程,分别计算输出占空比从 0 到 100%的过程中,串口信号滤波后交流分量的大小了。这是计算出来的结果。果然不出所料。可以看出与实际测量的结果挺像的。看看这些细节部分,原来以为是测量噪声,现在看来实际上就是这个样子。另外一个与测量结果不同的是,输出交流信号的大小是关于占空比50% 左右对称的。对比数字万用表实际测量的结果,输出交流分量则是随着占空比的增加而逐步上升。这一点是与理论分析不符合的。通过理论分析,让我们知道了测量结果中哪些是真实的,哪些是测量误差。

▲ 图1.3.1 计算结果


#!/usr/local/bin/python
# -*- coding: gbk -*-
#******************************
# TEST1.PY                   - by Dr. ZhuoQing 2024-02-07
#
# Note:
#******************************

from headm import *

#------------------------------------------------------------

BYTE_NUM = 32
buf = bytes([0]*BYTE_NUM)
bitbuf = [0]*(10*BYTE_NUM)

def Buf2BitBuffer():
    global bitbuf, buf

    id = 0
    for b in buf:
        bitbuf[id] = 0
        id += 1

        for i in range(8):
            if b & (1<<(7-i)): bitbuf[id] = 1
            else: bitbuf[id] = 0
            id += 1

        bitbuf[id] = 1
        id += 1


#    for i in range(len(bitbuf)):
#        bitbuf[i] = 0

#    for i in range(32):
#        bitbuf[i] = 1


#------------------------------------------------------------
Buf2BitBuffer()


#------------------------------------------------------------
bits = 1e-6
T = bits * (10 * BYTE_NUM)
printf(T)
tao = bits
OMEGA = 2*pi/T
E = 3.3

#------------------------------------------------------------
FREQUENCY_NUM = 50
fbuf = [0]*FREQUENCY_NUM

R = 10e3
C = 0.1e-6


def BitBuffer2Frequency():
    global bitbuf,fbuf

    for i in range(len(fbuf)):
        fbuf[i] = 0

    for id,b in enumerate(bitbuf):
        shiftt = id*tao+tao/2

        if b == 0continue

        for iidd,f in enumerate(fbuf):
            omega = 2*pi*iidd / T

            a = omega*tao/2
            if a == 0:
                fv = tao
            else: fv = tao * sin(a)/a

            fv *= exp(-1j * omega * shiftt)

            a = 1/(1+1j*omega*R*C)

            fbuf[iidd] += fv*a*OMEGA*E



    fbuf[0] = 0


#------------------------------------------------------------

def ACenerge():
    global fbuf
    return sqrt(sum([abs(f)**2 for f in fbuf]))


def SetDACBuffer(dac):
    global buf
    count = 0

    blist = []
    for i in range(BYTE_NUM):
        b = 0
        for j in range(8):
#            count += 1
#            if count < dac:
#                b |= (0x80>01 >j)

            count += dac

            if count >= 0x100:
                count -= 0x100
                b |= (1<
        blist.append(b)

    buf = bytes(blist)

#------------------------------------------------------------

def ShowBitBuffer(drawflag = 0):
    global bitbuf

    bitcurve = []
    BIT_LENGTH = 32

    for b in bitbuf:
        if b == 0: bitcurve.extend([0]*BIT_LENGTH)
        else: bitcurve.extend([5]*BIT_LENGTH)


    plt.clf()
    plt.plot(bitcurve, lw=2)

    plt.xlabel("N")
    plt.ylabel("V(v)")
    plt.grid(True)
    plt.tight_layout()

    if drawflag == 0:
        plt.draw()
        plt.pause(.001)
    else:
        plt.show()


#------------------------------------------------------------
'''
plt.draw()
plt.pause(.001)

for i in range(0x100):

    SetDACBuffer(i)
    Buf2BitBuffer()
    ShowBitBuffer()

    pltgif.append(plt)

pltgif.save()

exit()

'''

#------------------------------------------------------------

SetDACBuffer(0x40)
Buf2BitBuffer()
ShowBitBuffer(1)





exit()

#------------------------------------------------------------

ACDim = []
for i in range(BYTE_NUM*8):
    printf(i)
    SetDACBuffer(i)
    Buf2BitBuffer()
    BitBuffer2Frequency()
#    printf(bitbuf)
    ACDim.append(ACenerge())

#------------------------------------------------------------



printf(ACDim)


plt.plot(ACDim, lw=3)
#plt.plot(bitbuf, lw=3)

plt.xlabel("N")
plt.ylabel("Spectrum")
plt.grid(True)
plt.tight_layout()
plt.show()

#------------------------------------------------------------
#        END OF FILE : TEST1.PY
#******************************

  结 ※

  文分析了串口输出的PWM波形低通滤波后的交流分量,Python仿真程序可以在 CSDN博文中找到。这里应用了信号的傅里叶分析的数学工具。回答了看似奇怪测量结果中的现象。这个过程比较有趣,可以在来年春季学期的信号与系统课程中,当做一个实验作业请同学们进行练习。

参考资料
[1]

听听直接从串口发出的音乐: https://zhuoqing.blog.csdn.net/article/details/135991154

[2]

使用串口输出DAC信号: https://zhuoqing.blog.csdn.net/article/details/135971283

[3]

UART 与 PWM 输出模拟量,哪一个更好?: https://blog.csdn.net/zhuoqingjoking97298/article/details/136004096?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22136004096%22%2C%22source%22%3A%22zhuoqingjoking97298%22%7D

TsinghuaJoking 这是一个公众号,它不端、不装,与你同游在课下、课上。 卓晴博士,清华大学中央主楼 626A。010-62773349, 13501115467,zhuoqing@tsinghua.edu.cn
评论
  • 2025年2月26日,广州】全球领先的AIoT服务商机智云正式发布“Gokit5 AI智能体开发板”,该产品作为行业首个全栈式AIoT开发中枢,深度融合火山引擎云原生架构、豆包多模态大模型、扣子智能体平台和机智云Aiot开发平台,首次实现智能体开发全流程工业化生产模式。通过「扣子+机智云」双引擎协同架构与API开放生态,开发者仅需半天即可完成智能体开发、测试、发布到硬件应用的全流程,标志着智能体开发进入分钟级响应时代。一、开发框架零代码部署,构建高效开发生态Gokit5 AI智能体开发板采用 “
    机智云物联网 2025-02-26 19:01 162浏览
  •         近日,广电计量在聚焦离子束(FIB)领域编写的专业著作《聚焦离子束:失效分析》正式出版,填补了国内聚焦离子束领域实践性专业书籍的空白,为该领域的技术发展与知识传播提供了重要助力。         随着芯片技术不断发展,芯片的集成度越来越高,结构也日益复杂。这使得传统的失效分析方法面临巨大挑战。FIB技术的出现,为芯片失效分析带来了新的解决方案。它能够在纳米尺度上对芯片进行精确加工和分析。当芯
    广电计量 2025-02-28 09:15 132浏览
  • 更多生命体征指标风靡的背后都只有一个原因:更多人将健康排在人生第一顺位!“AGEs,也就是晚期糖基化终末产物,英文名Advanced Glycation End-products,是存在于我们体内的一种代谢产物” 艾迈斯欧司朗亚太区健康监测高级市场经理王亚琴说道,“相信业内的朋友都会有关注,最近该指标的热度很高,它可以用来评估人的生活方式是否健康。”据悉,AGEs是可穿戴健康监测领域的一个“萌新”指标,近来备受关注。如果站在学术角度来理解它,那么AGEs是在非酶促条件下,蛋白质、氨基酸
    艾迈斯欧司朗 2025-02-27 14:50 415浏览
  •           近日受某专业机构邀请,参加了官方举办的《广东省科技创新条例》宣讲会。在与会之前,作为一名技术工作者一直认为技术的法例都是保密和侵权方面的,而潜意识中感觉法律有束缚创新工作的进行可能。通过一个上午学习新法,对广东省的科技创新有了新的认识。广东是改革的前沿阵地,是科技创新的沃土,企业是创新的主要个体。《广东省科技创新条例》是广东省为促进科技创新、推动高质量发展而制定的地方性法规,主要内容包括: 总则:明确立法目
    广州铁金刚 2025-02-28 10:14 107浏览
  • 一、VSM的基本原理震动样品磁强计(Vibrating Sample Magnetometer,简称VSM)是一种灵敏且高效的磁性测量仪器。其基本工作原理是利用震动样品在探测线圈中引起的变化磁场来产生感应电压,这个感应电压与样品的磁矩成正比。因此,通过测量这个感应电压,我们就能够精确地确定样品的磁矩。在VSM中,被测量的样品通常被固定在一个震动头上,并以一定的频率和振幅震动。这种震动在探测线圈中引起了变化的磁通量,从而产生了一个交流电信号。这个信号的幅度和样品的磁矩有着直接的关系。因此,通过仔细
    锦正茂科技 2025-02-28 13:30 104浏览
  • RGB灯光无法同步?细致的动态光效设定反而成为产品客诉来源!随着科技的进步和消费者需求变化,电脑接口设备单一功能性已无法满足市场需求,因此在产品上增加「动态光效」的形式便应运而生,藉此吸引消费者目光。这种RGB灯光效果,不仅能增强电脑周边产品的视觉吸引力,还能为用户提供个性化的体验,展现独特自我风格。如今,笔记本电脑、键盘、鼠标、鼠标垫、耳机、显示器等多种电脑接口设备多数已配备动态光效。这些设备的灯光效果会随着音乐节奏、游戏情节或使用者的设置而变化。想象一个画面,当一名游戏玩家,按下电源开关,整
    百佳泰测试实验室 2025-02-27 14:15 140浏览
  • Matter 协议,原名 CHIP(Connected Home over IP),是由苹果、谷歌、亚马逊和三星等科技巨头联合ZigBee联盟(现连接标准联盟CSA)共同推出的一套基于IP协议的智能家居连接标准,旨在打破智能家居设备之间的 “语言障碍”,实现真正的互联互通。然而,目标与现实之间总有落差,前期阶段的Matter 协议由于设备支持类型有限、设备生态协同滞后以及设备通信协议割裂等原因,并未能彻底消除智能家居中的“设备孤岛”现象,但随着2025年的到来,这些现象都将得到完美的解决。近期,
    华普微HOPERF 2025-02-27 10:32 227浏览
  • 请移步 gitee 仓库 https://gitee.com/Newcapec_cn/LiteOS-M_V5.0.2-Release_STM32F103_CubeMX/blob/main/Docs/%E5%9F%BA%E4%BA%8ESTM32F103RCT6%E7%A7%BB%E6%A4%8DLiteOS-M-V5.0.2-Release.md基于STM32F103RCT6移植LiteOS-M-V5.0.2-Release下载源码kernel_liteos_m: OpenHarmon
    逮到一只程序猿 2025-02-27 08:56 202浏览
  • 构建巨量的驾驶场景时,测试ADAS和AD系统面临着巨大挑战,如传统的实验设计(Design of Experiments, DoE)方法难以有效覆盖识别驾驶边缘场景案例,但这些边缘案例恰恰是进一步提升自动驾驶系统性能的关键。一、传统解决方案:静态DoE标准的DoE方案旨在系统性地探索场景的参数空间,从而确保能够实现完全的测试覆盖范围。但在边缘案例,比如暴露在潜在安全风险的场景或是ADAS系统性能极限场景时,DoE方案通常会失效,让我们看一些常见的DoE方案:1、网格搜索法(Grid)实现原理:将
    康谋 2025-02-27 10:00 253浏览
  • 1,微软下载免费Visual Studio Code2,安装C/C++插件,如果无法直接点击下载, 可以选择手动install from VSIX:ms-vscode.cpptools-1.23.6@win32-x64.vsix3,安装C/C++编译器MniGW (MinGW在 Windows 环境下提供类似于 Unix/Linux 环境下的开发工具,使开发者能够轻松地在 Windows 上编写和编译 C、C++ 等程序.)4,C/C++插件扩展设置中添加Include Path 5,
    黎查 2025-02-28 14:39 145浏览
  • 在物联网领域中,无线射频技术作为设备间通信的核心手段,已深度渗透工业自动化、智慧城市及智能家居等多元场景。然而,随着物联网设备接入规模的不断扩大,如何降低运维成本,提升通信数据的传输速度和响应时间,实现更广泛、更稳定的覆盖已成为当前亟待解决的系统性难题。SoC无线收发模块-RFM25A12在此背景下,华普微创新推出了一款高性能、远距离与高性价比的Sub-GHz无线SoC收发模块RFM25A12,旨在提升射频性能以满足行业中日益增长与复杂的设备互联需求。值得一提的是,RFM25A12还支持Wi-S
    华普微HOPERF 2025-02-28 09:06 156浏览
  • 在2024年的科技征程中,具身智能的发展已成为全球关注的焦点。从实验室到现实应用,这一领域正以前所未有的速度推进,改写着人类与机器的互动边界。这一年,我们见证了具身智能技术的突破与变革,它不仅落地各行各业,带来新的机遇,更在深刻影响着我们的生活方式和思维方式。随着相关技术的飞速发展,具身智能不再仅仅是一个技术概念,更像是一把神奇的钥匙。身后的众多行业,无论愿意与否,都像是被卷入一场伟大变革浪潮中的船只,注定要被这股汹涌的力量重塑航向。01为什么是具身智能?为什么在中国?最近,中国具身智能行业的进
    艾迈斯欧司朗 2025-02-28 15:45 226浏览
  • 美国加州CEC能效跟DOE能效有什么区别?CEC/DOE是什么关系?美国加州CEC能效跟DOE能效有什么区别?CEC/DOE是什么关系?‌美国加州CEC能效认证与美国DOE能效认证在多个方面存在显著差异‌。认证范围和适用地区‌CEC能效认证‌:仅适用于在加利福尼亚州销售的电器产品。CEC认证的范围包括制冷设备、房间空调、中央空调、便携式空调、加热器、热水器、游泳池加热器、卫浴配件、光源、应急灯具、交通信号模块、灯具、洗碗机、洗衣机、干衣机、烹饪器具、电机和压缩机、变压器、外置电源、消费类电子设备
    张工nx808593 2025-02-27 18:04 120浏览
  • 应用趋势与客户需求,AI PC的未来展望随着人工智能(AI)技术的日益成熟,AI PC(人工智能个人电脑)逐渐成为消费者和企业工作中的重要工具。这类产品集成了最新的AI处理器,如NPU、CPU和GPU,并具备许多智能化功能,为用户带来更高效且直观的操作体验。AI PC的目标是提升工作和日常生活的效率,通过深度学习与自然语言处理等技术,实现更流畅的多任务处理、实时翻译、语音助手、图像生成等功能,满足现代用户对生产力和娱乐的双重需求。随着各行各业对数字转型需求的增长,AI PC也开始在各个领域中显示
    百佳泰测试实验室 2025-02-27 14:08 261浏览
  • 振动样品磁强计是一种用于测量材料磁性的精密仪器,广泛应用于科研、工业检测等领域。然而,其测量准确度会受到多种因素的影响,下面我们将逐一分析这些因素。一、温度因素温度是影响振动样品磁强计测量准确度的重要因素之一。随着温度的变化,材料的磁性也会发生变化,从而影响测量结果的准确性。因此,在进行磁性测量时,应确保恒温环境,以减少温度波动对测量结果的影响。二、样品制备样品的制备过程同样会影响振动样品磁强计的测量准确度。样品的形状、尺寸和表面处理等因素都会对测量结果产生影响。为了确保测量准确度,应严格按照规
    锦正茂科技 2025-02-28 14:05 148浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦