百科狗-知识改变命运!
--

请高人指教示波器与频谱仪的区别

是丫丫呀11个月前 (12-22)阅读数 6#综合百科
文章标签傅立叶信号

示波器是时域类的测量仪器,测试信号随时间的变化,电压波形。跟频谱仪相似的地方只有一点,那就是示波器可以做FFT,也相当于是一个频谱仪。但更多的是测时域波形。

频谱仪和网分测的都是频域类的参数,比如频率、功率、衰减比、增益;

========以下是频谱仪和网络分析仪的区别=========

频谱仪和网分,简单理解,区别就在于带不带信号源。

频谱仪是不带信号源的纯粹的接收机(现在有些带TG跟踪源的,这个后面讲);

网分一般是二端口的,一个是输出端口(信号源),一个是接收端口(接收机);

所以在测量应用上区别就呈现了。

频谱仪一般测信号发生装置,比如信号源、天线基站、信号发生器;

网分测一些射频元器件,滤波器、衰减器、天线;

频谱仪测的是接收信号的频率精度、信号功率强弱;网分测的是导通元器件的通路衰减、增益效果,对信号传输进行分析。

=============割===

至于说有些频谱仪带-TG跟踪源的情况,属于频谱仪功能的一种扩展,可以测天线的驻波比之类的,但是毕竟不如网分功能强大,尤其在测器件传输特性方面比如S参数、阻抗分析、这些都得用网分来进行测试。

频域(频率域)——自变量是频率,即横轴是频率,纵轴是该频率信号的幅度,也就是通常说的频谱图。频谱图描述了信号的频率结构及频率与该频率信号幅度的关系。

对信号进行时域分析时,有时一些信号的时域参数相同,但并不能说明信号就完全相同。因为信号不仅随时间变化,还与频率、相位等信息有关,这就需要进一步分析信号的频率结构,并在频率域中对信号进行描述。动态信号从时间域变换到频率域主要通过傅立叶级数和傅立叶变换实现。周期信号靠傅立叶级数,非周期信号靠傅立叶变换。 一个频域分析的简例可以通过图1:一个简单线性过程中小孩的玩具来加以说明。该线性系统包含一个用手柄安装的弹簧来悬挂的重物。小孩通过上下移动手柄来控制重物的位置。

任何玩过这种游戏的人都知道,如果或多或少以一种正弦波的方式来移动手柄,那么,重物也会以相同的频率开始振荡,尽管此时重物的振荡与手柄的移动并不同步。只有在弹簧无法充分伸长的情况下,重物与弹簧会同步运动且以相对较低的频率动作。

随着频率愈来愈高,重物振荡的相位可能更加超前于手柄的相位,也可能更加滞后。在过程对象的固有频率点上,重物振荡的高度将达到最高。过程对象的固有频率是由重物的质量及弹簧的强度系数来决定的。

当输入频率越来越大于过程对象的固有频率时,重物振荡的幅度将趋于减少,相位将更加滞后(换言之,重物振荡的幅度将越来越少,而其相位滞后将越来越大)。在极高频的情况下,重物仅仅轻微移动,而与手柄的运动方向恰恰相反。 所有的线性过程对象都表现出类似的特性。这些过程对象均将正弦波的输入转换为同频率的正弦波的输出,不同的是,输出与输入的振幅和相位有所改变。振幅和相位的变化量的大小取决于过程对象的相位滞后与增益大小。增益可以定义为“经由过程对象放大后,输出正弦波振幅与输入正弦波振幅之间的比例系数”,而相位滞后可以定义为“输出正弦波与输入正弦波相比较,输出信号滞后的度数”。

与稳态增益K值不同的是,“过程对象的增益和相位滞后”将依据于输入正弦波信号的频率而改变。在上例中,弹簧-重物对象不会大幅度的改变低频正弦波输入信号的振幅。这就是说,该对象仅有一个低频增益系数。当信号频率靠近过程对象的固有频率时,由于其输出信号的振幅要大于输入信号的振幅,因此,其增益系数要大于上述低频下的系数。而当上例中的玩具被快速摇动时,由于重物几乎无法起振,因此该过程对象的高频增益可以认为是零。

过程对象的相位滞后是一个例外的因素。由于当手柄移动得非常慢时,重物与手柄同步振荡,所以,在以上的例子中,相位滞后从接近于零的低频段输入信号就开始了。在高频输入信号时,相位滞后为“-180度”,也就是重物与手柄以相反的方向运动(因此,我们常常用‘滞后180度’来描述这类两者反向运动的状况)。

Bode图谱表现出弹簧-重物对象在0.01-100弧度/秒的频率范围内,系统增益与相位滞后的完整频谱图。这是Bode图谱的一个例子,该图谱是由贝尔实验室的Hendrick Bode于1940s年代发明的一种图形化的分析工具。利用该工具可以判断出,当以某一特定频率的正弦波输入信号来驱动过程对象时,其对应的输出信号的振动幅度和相位。欲获取输出信号的振幅,仅仅需要将输入信号的振幅乘以“Bode图中该频率对应的增益系数”。欲获取输出信号的相位,仅仅需要将输入信号的相位加上“Bode图中该频率对应的相位滞后值”。 在过程对象的Bode图中表现出来的增益系数和相位滞后值,反映了系统的非常确定的特征,对于一个有丰富经验的控制工程师而言,该图谱将其需要知道的、有关过程对象的一切特性都准确无误的告诉了他。由此,控制工程师运用此工具,不仅可以预测“系统未来对于正弦波的控制作用所产生的系统响应”,而且能够知道“系统对任何控制作用所产生的系统响应”。

傅立叶定理使得以上的分析成为可能,该定理表明任何连续测量的时序或信号,都可以表示为不同频率的正弦波信号的无限叠加。数学家傅立叶在1822年证明了这个著名的定理,并创造了为大家熟知的、被称之为傅立叶变换的算法,该算法利用直接测量到的原始信号,以累加方式来计算不同正弦波信号的频率、振幅和相位。

从理论上说,傅立叶变换和Bode图可以结合在一起使用,用以预测当线性过程对象受到控制作用的时序影响时产生的反应。详见以下:

1) 利用傅立叶变换这一数学方法,把提供给过程对象的控制作用,从理论上分解为不同的正弦波的信号组成或者频谱。

2) 利用Bode图可以判断出,每种正弦波信号在经由过程对象时发生了那些变化。换言之,在该图上可以找到正弦波在每种频率下的振幅和相位的改变。

3) 反之,利用反傅立叶变换这一方法,又可以将每个单独改变的正弦波信号转换成一个信号。

请高人指教示波器与频谱仪的区别

既然反傅立叶变换从本质上说,也是一种累加处理,那么过程对象的线性特征将会确保-“在第一步中计算得到的各种理论正弦波”所产生单独作用的集合,应该等效于“各不同正弦波的累加集合”共同产生的作用。因此,在第三步计算得到的总信号,将可以代表“当所提供的控制作用输入到过程对象时,过程对象的实际值”。

请注意,在以上这些步骤中,没有哪个点不是由画在图上的控制器产生的单独正弦波构成。所有这些频域方面的分析技术都是概念性的。这是一种方便的数学方法,运用傅立叶变换(或者紧密相关的拉普拉斯变换),将时域信号转换为频域信号,然后再用Bode图或其他一些频域分析工具来解决手头的一些问题,最后再用反傅立叶变换将频域信号转换为时域信号。

绝大多数可用此方法解决的控制设计问题,也可以在时域内通过直接的操控来解决,但是对于计算而言,利用频域的方法通常更简单一些。在上例中,就是用乘法和减法来计算过程实际值的频谱,而该过程实际值是通过对给定的控制作用进行傅立叶变换,尔后又对照Bode图分析而得到的。

将所有的正弦波进行正确的累加,就会产生如傅立叶变换所预示的那类形状的信号。当有时这一现象并不直观,举个例子可能有助于理解。

请再次想想上面那个例子中小孩的重物-弹簧玩具,操场上的跷跷板,以及位于外部海洋上的船。设想这艘船以频率为w和幅度为A的正弦波形式在海面上起起落落,我们同时再假设跷跷板也以频率为3w和幅度为A/3的正弦波形式在振荡,并且小孩以频率为5w和幅度为A/5的正弦波形式在摇动玩具。‘三张单独的正弦波波形图’已经显示出,如果我们将三个不同的正弦波运动进行分别观察的话,每个正弦波运动将会体现出的形式。

现在假设小孩坐在跷跷板上,而跷跷板又依次固定在轮船的甲板上。如果这三者单独的正弦波运动又恰巧排列正确的话,那么,玩具所表现出的总体运动就大约是一个方波-如图4:三者合成的正弦波显示的那样。

以上并非一个非常确切的实际例子,但是却明白无误的说明:基本频率正弦波、振幅为三分之一的三倍频率谐波、以及振幅为五分之一的五倍频率谐波,它们波形的相加总和大约等于频率为w、振幅为A的方波。甚至如果再加上振幅为七分之一的七倍频率谐波、以及振幅为九分之一的九倍频率谐波时,总波形会更像方波。其实,傅立叶定理早已说明,当不同频率的正弦波以无穷级数的方式无限累加时,那么由此产生的总叠加信号就是一个严格意义上的、幅度为A的方波。傅立叶定理也可以用来将非周期信号分解成正弦波信号的无限叠加。

通过求解微分方程分析时域性能是十分有用的,但对于比较复杂的系统这种办法就比较麻烦。因为微分方程的求解计算工作量将随着微分方程阶数的增加而增大。另外,当方程已经求解而系统的响应不能满足技术要求时,也不容易确定应该如何调整系统来获得预期结果。从工程角度来看,希望找出一种方法,使之不必求解微分方程就可以预示出系统的性能。同时,又能指出如何调整系统性能技术指标。频域分析法具有上述特点,是研究控制系统的一种经典方法,是在频域内应用图解分析法评价系统性能的一种工程方法。该方法是以输入信号的频率为变量,对系统的性能在频率域内进行研究的一种方法。频率特性可以由微分方程或传递函数求得,还可以用实验方法测定.频域分析法不必直接求解系统的微分方程,而是间接地揭示系统的时域性能,它能方便的显示出系统参数对系统性能的影响,并可以进一步指明如何设计校正.这种分析法有利于系统设计,能够估计到影响系统性能的频率范围。特别地,当系统中存在难以用数学模型描述的某些元部件时,可用实验方法求出系统的频率特性,从而对系统和元件进行准确而有效的分析。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com

免责声明:我们致力于保护作者版权,注重分享,当前被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!邮箱:344225443@qq.com)

图片声明:本站部分配图来自网络。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!

内容声明:本文中引用的各种信息及资料(包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主体(包括但不限于公司、媒体、协会等机构)的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理!本站为非盈利性质站点,本着为中国教育事业出一份力,发布内容不收取任何费用也不接任何广告!)