上一篇文章中主要介绍了Spectrum View的特性,本文将重点介绍Spectrum View的架构及FFT相关的基础内容,包括数字下变频技术(DDC)、频谱泄露效应、时间窗等内容。
图1. TEK049平台和超低噪声前端TEK061
数字下变频 (DDC)
基于TEK049/TEK061 创新平台的Spectrum View频谱分析功能,采用了数字下变频技术,得到数字IQ信号后再进行FFT,从而保证了频谱测试的灵活性和快捷性。图2给出了信号采集和处理架构示意图,模拟信号经过ADC转换为数字信号后,时域和频域是并行处理的,使得时域和频域捕获时间可以独立设置。
图2. TEK049/TEK061信号采集和分析架构示意图
数字下变频广泛应用于无线通信系统中,下变频的过程如图3所示,包括数字IQ解调、低通滤波和样点抽取 (或称为重采样) 等功能部分。数字IQ解调器的本振频率与Spectrum View中设置的中心频率相同,从而完成载波对消得到零中频信号;低通滤波器用于滤除高阶混频产物,最后经过样点抽取得到IQ信号。
Spectrum View处理的是数字IQ信号,这也是相对于传统FFT的一大特色。相对于原始采集信号,IQ信号携带的频率要低很多,对IQ数据重采样无需太高采样率,大大降低了数据量,而捕获时间 (Spectrum Time) 又不受影响,即使需要较低的RBW,仍然具有非常高的处理速度。
图3. 数字下变频后得到IQ数据
图4. 对I/Q样点数据重采样示意图
为了便于理解,图4给出了对I/Q样点重采样的示例,假设重采样率为原始采样率的1/5,重采样的过程就是从5个原始样点中抽取一个样点的过程,该过程并没有改变相对时序关系,这意味着经过样点抽取后,相同的样点数目具有更大的Spectrum Time,从而实现高频率分辨率。
频谱泄露 (Spectral Leakage)
FFT变换是在一定假设下完成的,即认为被处理的信号是周期性的。图5给出了一正弦信号的采集样点波形,如果对Frame 1作FFT运算,则会对其进行周期扩展。显然,在周期扩展的时候,造成了样点的不连续,样点不连续等同于相位不连续,这将导致产生额外的频率成分,该现象称为频谱泄露。
频谱泄露产生了原本信号中并不包含的频率成分,如图6所示,信号的频率本应只在虚线位置,但由于样点不连续,FFT之后导致产生了诸多频率点,如图所示的实线位置。频谱泄露会扰乱测试,尤其在观测小信号时,较强的频谱泄露成分可能淹没比较微弱的信号。
如何避免或者降低频谱泄露呢?这就需要使用下文介绍的时间窗 (Window) 技术。
图5. 正弦信号采集样点(上)和Frame 1周期扩展波形(下)
图6. 样点不连续导致频率泄露
时间窗 (Window)
如果能够消除样点不连续,就可以消除频谱泄露。为了实现这一点,需要引入时间窗 (Window),时间窗包含的样点数目与信号相同,而且两端的样点值通常为0。在FFT之前,时间窗与波形相乘,周期扩展后可以保证样点的连续性。
图7. 引入时间窗(Kaiser Window)降低了样点不连续
时间窗相当于一个滤波器,不同的时间窗具有不同的频响特性,比如边带抑制、矩形因子等,相应的幅度测试精度也不同。虽然基于FFT的频谱分析中没有IF filter,但是依然有RBW的概念,时间窗就决定了RBW的形状和大小。
常见的时间窗类型包括:Kaiser、Rectangular、Hamming、Hanning、Blackman-Harris、Flat-Top等。作为示例,图8给出了Kaiser时间窗的时域波形及幅频响应,其中幅频响应的3dB带宽即为RBW。
RBW称为分辨率带宽,决定了频率分辨率,RBW越小,分辨率越高。RBW与时间窗宽度 (即Spectrum Time) 成反比,但即使时间窗宽度相同,不同的时间窗类型对应的RBW也不同,存在一个因子k,并满足如下关系:
RBW=k/(spectrum time)
表格1给出了不同时间窗类型对应的比例因子 (Window Factor)。
图8. Kaiser Window (β=16.7)的时域波形(左)和幅频响应(右)
表1. 不同时间窗对应的窗口因子
Spectrum View支持多种时间窗,那么测试时如何选择时间窗呢?
不同类型时间窗的应用场合也不相同,应根据待测信号的特点加以选择。表格2分别从频谱泄露、幅度测试精度及频率分辨率三个方面加以对比。值得一提的是,除了Rectangular时间窗,其它窗口类型均适用于宽带调制、宽带噪声信号的频谱测试。
小结
文中介绍得Spectrum View功能,侧重描述了所采用的数字下变频技术及其相对于示波器传统FFT测试频谱的优势。对于FFT过程中可能遇到的频谱泄露效应,为什么采用时间窗可以进行规避或减弱,时间窗与分辨率带宽RBW有什么关系,以及测试不同的信号时,应该如何选择时间窗,这些内容文中都有所描述。通过文中的介绍,可以使用户更好地理解和掌握Spectrum View的应用。