[Real-Time Spectrum Analyzers (RTSA) ] 实时频谱分析 A

本文介绍了实时频谱分析仪的工作原理,强调了扫频调谐和矢量信号分析的区别,以及RTSA的独特性。重点讨论了关键性能指标POI,包括影响因素如FFT处理速度、采样率等。
摘要由CSDN通过智能技术生成

废话:

这部分内容比较多,先写一部分吧;

这个是频谱仪的一部分功能,姑且把仪器制造商分别一流和其他吧;
一流的应该只有两家,Agilent 安捷伦和 R&S罗德与施瓦茨;

一、安捷伦的部分新产品9040不必再考虑,跳过吧;
在这里插入图片描述
在这里插入图片描述
二、性能基本相差不大,以后就是这款了
在这里插入图片描述
在这里插入图片描述

正文;

一、经典扫频调谐频谱

实时频谱分析允许频谱分析仪对难以捉摸的瞬态信号进行连续、无间隙的捕获和分析,而传统的频谱分析仪和矢量信号分析仪由于其设计而不具备这种能力。
扫频频谱分析仪通过扫描其本振 (LO) 来扫描输入,将输入频率范围下变频为固定的中频 (IF),然后通过分辨率带宽 (RBW) 滤波器对其进行筛选并检测。当LO被扫描时,输入信号频率被有效地扫描过FIXed频率RBW光纤。实际上,频谱分析仪在任何时刻都只能看到频率范围的一小部分,因此只有当信号在正确的时间和频率出现在RBW信号时,信号才可见。它对扫描扫描输入频率范围的不同部分时出现的瞬态信号视而不见(图 1)。

图 1. 经典扫频调谐频谱分析仪示意图。在现代分析仪中,分辨率带宽滤波和包络检测和显示是使用数字信号处理实现的
图 1. 经典扫频调谐频谱分析仪示意图。在现代分析仪中,分辨率带宽滤波和包络检测和显示是使用数字信号处理实现的

二 、扫描过程中对瞬态信号的响应

矢量信号分析仪将特定带宽内的目标信号下变频为固定频率IF 。IF模拟信号由模数转换器(ADC)采样,时域采样流可用于调制域分析。对于频谱分析,使用快速傅里叶变换 (FFT) 将时域样本转换为频域频谱。 FFT 处理一个样本块,称为样本帧。在本应用笔记中,样品帧中的样品数量称为样品帧尺寸或FFT尺寸。完成FFT计算并将结果传输到显示器后,即可获取下一个样品帧。尽管LO是静止的,但与扫描频谱分析仪不同,矢量信号分析仪对样本帧之间时间间隔内发生的信号事件视而不见(图2)。

在这里插入图片描述
图2. 扫描频谱分析仪在扫描过程中对瞬态信号的响应

三、 矢量信号分析仪和信号处理

在这里插入图片描述
图3. 简化矢量信号分析仪和信号处理流程框图

几乎所有现代频谱分析仪都结合了传统扫描频谱分析仪和矢量信号分析仪的特点。如果跨度大于 FFT 分析带宽,则 LO 将步进以将多个 FFT 拼接在一起,以显示具有所需跨度的频谱。然而,RTSA频谱分析仪的与众不同之处在于它能够连续采集信号样本并执行FFT分析。
非RTSA频谱分析仪或使用FFT分析的矢量信号分析仪具有串行过程,用于采集并计算FFT。

四、实时频谱分析仪框图和信号处理流程

在这里插入图片描述
图4. 实时频谱分析仪框图和信号处理流程
RTSA过程是并行的(图4),因为它可以采集新的帧,同时在前一个帧上执行FFT。这种并行处理需要快速的数字硬件和较大的内存缓冲区。RTSA ,能够执行每秒 527K FFT 的 512 点 FFT。FFT 的点数是跨越 FFT 分析带宽的频率点数。它也等于采样帧中收集的 I/Q 样品数量。点越多,频率分辨率越高,但FFT计算时间越长。

五、小结

关键性能指标是截获概率 (POI),定义为准确测量连续波 (CW) 信号幅度所需的最短信号持续时间。POI 受多种因素影响:FFT 处理速度、采样率、窗口重叠、RBW 和跨度。

下一节将解释这些因素的相互依存关系及其对POI的影响。

  • 16
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
牙科就诊管理系统利用当下成熟完善的SSM框架,使用跨平台的可开发大型商业网站的Java语言,以及最受欢迎的RDBMS应用软件之一的Mysql数据库进行程序开发。实现了用户在线查看数据。管理员管理病例管理、字典管理、公告管理、药单管理、药品管理、药品收藏管理、药品评价管理、药品订单管理、牙医管理、牙医收藏管理、牙医评价管理、牙医挂号管理、用户管理、管理员管理等功能。牙科就诊管理系统的开发根据操作人员需要设计的界面简洁美观,在功能模块布局上跟同类型网站保持一致,程序在实现基本要求功能时,也为数据信息面临的安全问题提供了一些实用的解决方案。可以说该程序在帮助管理者高效率地处理工作事务的同时,也实现了数据信息的整体化,规范化与自动化。 管理员在后台主要管理病例管理、字典管理、公告管理、药单管理、药品管理、药品收藏管理、药品评价管理、药品订单管理、牙医管理、牙医收藏管理、牙医评价管理、牙医挂号管理、用户管理、管理员管理等。 牙医列表页面,此页面提供给管理员的功能有:查看牙医、新增牙医、修改牙医、删除牙医等。公告信息管理页面提供的功能操作有:新增公告,修改公告,删除公告操作。公告类型管理页面显示所有公告类型,在此页面既可以让管理员添加新的公告信息类型,也能对已有的公告类型信息执行编辑更新,失效的公告类型信息也能让管理员快速删除。药品管理页面,此页面提供给管理员的功能有:新增药品,修改药品,删除药品。药品类型管理页面,此页面提供给管理员的功能有:新增药品类型,修改药品类型,删除药品类型。
假设函数 $f(t)=e^{-t}$,则它的傅里叶变换为: $$F(\omega)=\int_{-\infty}^{\infty}f(t)e^{-i\omega t}dt$$ 代入 $f(t)$: $$F(\omega)=\int_{-\infty}^{\infty}e^{-t}e^{-i\omega t}dt$$ 合并底数为 $e^{-(1+i\omega)t}$: $$F(\omega)=\int_{-\infty}^{\infty}e^{-(1+i\omega)t}dt$$ 积分: $$F(\omega)=\frac{1}{1+i\omega}$$ 所以,$f(t)=e^{-t}$ 的傅里叶变换频谱分析为: $$F(\omega)=\frac{1}{1+i\omega}$$ 我们可以绘制出该函数的幅度谱和相位谱: ```python import numpy as np import matplotlib.pyplot as plt # 定义函数 f = lambda t: np.exp(-t) # 定义频率范围 w = np.linspace(-5, 5, 1000) # 计算幅度谱和相位谱 amp = 1 / np.sqrt(1 + w ** 2) phase = -np.arctan(w) # 绘制幅度谱 plt.subplot(2, 1, 1) plt.plot(w, amp) plt.title("Amplitude Spectrum") plt.xlabel("$\omega$") plt.ylabel("$|F(\omega)|$") # 绘制相位谱 plt.subplot(2, 1, 2) plt.plot(w, phase) plt.title("Phase Spectrum") plt.xlabel("$\omega$") plt.ylabel("$\phi(\omega)$") plt.tight_layout() plt.show() ``` ![png](output_1_0.png) 从幅度谱可以看出,当 $\omega$ 趋近于无穷大时,幅度趋近于 0,说明高频分量被滤除了。而当 $\omega$ 趋近于 0 时,幅度趋近于 1,说明低频分量被保留了。 从相位谱可以看出,当 $\omega$ 趋近于无穷大时,相位趋近于 $-\frac{\pi}{2}$,说明高频分量的相位有一个固定的偏移量。而当 $\omega$ 趋近于 0 时,相位趋近于 0,说明低频分量的相位没有发生变化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值