MDO4000混合域示波器结构解密（下）

下图25说明了生成显示频谱曲线的过程：

图25 生成频谱曲线

在这个过程中，首先把数据乘以窗口函数。由于FFT假设信号在整个期间不变，因此采样间隔最后的不连续点将在得到的频谱中表现为频谱泄漏。窗口函数是为了减少这些不连续点。如需进一步了解各种窗口函数及其使用，请参阅附录一。

信号在整个期间不变的假设的其中一个含义，在RF时域数据覆盖的时间间隔期间内，若信号改变幅度的话，它将以降低的功率电平显现在所得到的频谱中。避免这种结果的唯一途径是调节RBW分辨率带宽设置，保证信号在整个时间间隔期间是稳定的。

由于FFT处理在2的幂数的数据长度中更加有效，因此输入数据会加上零衬垫，直到最近的2的幂数。零衬垫增加了频谱分辨率，而不会改变频率成分。

应该指出的是，使用的FFT长度完全取于跨度/RBW之比。上面的公式中可以很容易看出：

FFT长度= (窗口因数* 滤波因数* (1/2 * 跨度)) / RBW （公式10）

对MDO4000混合域示波器，默认Kaiser窗口的窗口因数是2.23。如上所述，滤波因数约等于3。默认的跨度/ RBW之比为1000:1。在这些默认设置下，得到的FFT长度约为3345点。这将零衬垫直到4096点FFT。

每个变换帧中样点数越多，变换完成后频率分辨率越好。遗憾的是，这也意味着变换帧所需的数据计算数量越多。FFT这个变换过程也因密集计算要求而闻名。

图26. 提高时间样点数改善了频域分辨率。

然后我们使用FFT，以频谱形式把RF时域数据转换成频域数据。然后进一步修改这个频谱：

整个频谱乘以一套调节平坦度的系数。这些系数在出厂校准时确定。MDO4000混合域示波器中没有相位校准。

如前所述，FFT过程可以涉及1,000 - 2,000,000点。可以压缩频谱记录，以适应1000点画面。这种数据压缩（样本抽取）过程称为检测，用来把多个FFT二元组汇聚成一个显示的二元组。用户可以控制选择的检测方法，压缩方式如下：

• + Peak：保留压缩间隔中最大的数据点
• -Peak：保留压缩间隔中最小的数据点
• Average：平均整个压缩间隔中的数据
• Sample：保留压缩间隔中最后一个数据点

然后可以对最终频谱求对数，得到最终画面。

生成RF时域数据

IQ数据的另一个用途是生成RF时域数据。回忆一下，在上面的数字下变频中，IQ数据只是在虚数IQ数据平面中作为矢量绘制的信号的卡笛尔表示。因此，IQ数据可以作如下变换：

图27. 生成RF时域数据

可以在时域格线中，与其它时域曲线一起绘制得到RF时域数据图。所有时域数据(包括模拟数据、数字数据和RF射频通道) 在格线中都时间对准，允许用户评价各条通道之间的定时关系。

注意相位计算和频率计算都独立于幅度计算。如果幅度低，那么IQ数据会越来越以噪声为主。下面的截图中显示了这种效应：

图28. 没有消隐的相位随时间变化。

为了避免这个问题，MDO4000混合域示波器拥有静噪控制功能，允许用户在幅度降到用户自定义门限以下时消隐相位和频率曲线。下面截图显示了这一结果。

图29. 消隐的相位随时间变化。

生成频谱瀑布图

频谱的另一个用途是绘制频谱瀑布图。

这个过程相对简单，它用颜色对频谱幅度编码，在频谱瀑布图画面中作为多个像素组成的一条直线绘制结果。每个新的“片段”会把画面中现有的数据向上推，直到画面最上面的数据被丢弃。一个“片段”表示已经根据频谱画面中的跨度和RBW设置所处理的一个FFT帧。

图30. 频谱瀑布图画面显示了信号记录的频谱历史。

图31. “片段”显示了以前记录的信号。

时间分辨率

要讨论的最后一个议题是数据的时间分辨率。

频谱的时间分辨率相对较差，下图中可以看出其原因。

图32. 时间分辨率

首先，如上面“生成频谱”所述，FFT是从覆盖RBW设置定义的时间间隔的数据中生成的。因此不能区分信号频谱成分在这个时间间隔内的变化，而是汇聚成一个频谱。

第二，从图中可以看出，在采集事件之间有延迟。采集事件之间发生的变化将看不到。

为了缩短计算频谱的时间，应提高RBW。由于默认设置把RBW与跨度关联起来，提高跨度可以得到想要的效果。此外，这还会缩短采集之间的时间，因为进行数字下变频要求的时间被缩短了。

为进一步缩短采集之间的时间，应降低跨度/RBW之比，从而可以加快FFT处理时间。

与频谱相比，RF时域数据的时间分辨率相对较好。如前面“数字下变频”中所述，IQ数据的采样率取决于跨度设置，因此比频谱时间分辨率精细得多。这是RF时域曲线的主要优势之一。

为改善幅度、相位或频率随时间变化曲线的时间分辨率，应提高跨度。

总结

MDO4000混合域示波器是近20年来示波器市场