高速数据采集卡的信号处理功能

高速数据采集卡的信号处理功能

高速数据采集卡的信号处理

高速数据采集卡可以实现精确的，高分辨率的数据采集，并传输到主机上。在高速数据采集卡和主机上的应用信号处理函数，可以对获取信号进行增强处理，或者通过简单测量抽取最有用的信息。

现代高速数据采集卡支持软件，像坤驰科技公司代理的Spectrum的Sbench6 和很多第三方程序，吸收了很多信号处理的功能。这其中包括波形运算，积分，boxcar平均，快速傅里叶变换FFT，前置滤波功能，和直方图。这个应用笔记将研究所有这些功能并且提供这些工具均有应用的典型的范例。

模拟计算（波形运算）

模拟计算包括对获取波形的加法，减法，乘法和除法。在数据上应用这些函数是为了提高信号的质量，或者导出备选函数。举一个例子就是用减法将差分组件和一个差动波形结合产生的共模噪声和收集的减少的值。另一个例子是用电流和电压波形的乘积来计算瞬时功率。

在样品波形上通过样品基础应用每一个算术函数。这是假设连结起来的波形都有相同的记录长度。图表1显示了使用软件为模拟计算所做的相关配置。

在需要的信号源通道上右击会弹出选择框。选择“计算”会打开计算的选择栏，信号计算，信号转换，和信号平均。信号计算的一种选择可提供路径到傅里叶变换，直方图，滤波和其它的一些功能。如果选择模拟计算，计算对话框就会弹出以允许对所需要的运算算法进行设置。在这个例子中，两个输入信号被相加。其他的一些选项如减法，加法和除法。类似的选择路径能够引出其他的一些可讨论的信号处理函数。

第一个应用波形算法解决实际问题的例子就是从另一个信号里面减掉另一个信号成分来估计差分信号。如图标2所示。

差分信号通常被用来提高信号的完整性。表2中例子里一个1MHZ的时钟信号中“P”和“N”成分（在右手边面板里显示的）是用减法来运算结合起来的。所产生的差分信号在左边网格里显示。左侧中心的信息面板用参数来测量峰峰值和每种波形的平均值。要注意差分信号有两倍的峰峰值幅度和一个接近零的平均值。也要注意到差分信号成分里的共模噪声已经被消除了。

第二个例子是用一个电流信号来乘以一个电压信号来得到瞬时功率，如图3所示。

波形来源为通过功率场效应管FET的电压，和在反激式开关电源中通过场效应管沟道流通的电压。这些波形的乘积代表了在FET中消耗的瞬时功率。电流波形（上右网格）显示了一个在FET传导中线性增长的斜坡，峰值为600mA。通过FET的电压在传导过程中是最低值，但是在设备关闭时会增长到260V的峰值。两个波形乘积的结果图形显示在左边的网格中。这是瞬时功率的波形，显示峰值产生在开和关状态的过渡过程中。平均值5.111W和功率峰值44.25W是由设置的参数决定的，并且显示在左侧中心的信息面板中。

这些例子显示了如何从起初获取的波形中经过模拟运算派生出其他重要的波形。

平均

平均是在获取信号上使用的一种信号处理工具用来减少噪声和非同步的周期信号的影响。它需要多次获取和一个稳定的触发。触发时序不同步的信号成分，包括速记噪声，振幅会减小。减小的程度由波形的特点和加入到平均中的获取次数。

在这个应用笔记中使用软件，和大多数示波器都能实现总体平均，这意味着多次获取中的同一个获取位置会被一起平均。如果一个稳定的触发是有效的，平均的结果就会有一个比单次记录值小的随机噪声分量。

总体平均

总体平均用一个固定的获取数目，用同样的量级，在连续波形获取的同一个采集位置进行重复叠加。一旦扫描的最高次数达到了，平均的处理要么停止要么就开始复位来再次启动。

表4显示了总体估值平均的概念：

在表4中箭头表明了第N个采集点。每一次获取的第N个点的幅度值会加到其他获取波形的第N个点上。这个总和然后除以获取次数的数值决定了第N个点的平均值。这个过程会发生在获取组的所有采集点上。结果平均波形和每一个获取波形有一样的采集点数。

在普通获取波形和多次获取（分段）中都能够支持平均。多次平均计算允许多次记录获取的连续分段的平均。

您期待什么样的提升？

当一个信号平均时，附加的宽频高斯噪声会以平均次数的平方根的倍数减少。所以平均4次获取能够是信号的信噪比提升到2:1。类似地，非同步的周期信号会在平均中减少。减少的程度取决于从采集到采集中干扰信号的相位变化。信号和触发同步时，例如失真产品，通过平均在幅度上不会减少。

平均的例子

表5 显示了一种典型的应用平均的例子。采集到的信号（左边网格）是一个线性衰减的正弦波加上附加的垂直噪声。要注意到由于正弦波幅度在固定幅度噪声中逐渐衰减，它最终会消失在噪声中。

平均1024次采集增加了信噪比到了一个正弦波可以在整个波形中被识别的点。

总体平均原则上的极限值是它要求多次重复的波形共用一个稳定的触发。

滑动平均

滑动平均，有时也叫“厢式货车”平均或者平滑，会取一个用户定义数目的对称临近位置的平均数目。对于大小为5的采样，它的过程由下面的方程来数学性的定义：

平均采样=[样点（x-2）+样点（x-1）+样点（x）+样点（x+1）+样点（x+2）]/5

在平均当中采样的数目必须和波形中变化的周期相匹配，否则滑动平均就会减小狭窄特性的幅度。

表6提供了一个利用50个临近点的滑动平均，如左手边网格中所示。注意到和右边网格中采集波形相比平滑的逐渐消失的噪声。

这些采样有一致性的权重，其平均是跟随着采集样点所提取的。滑动平均的一个优点是信号不需要是可重复的。这个平衡在于创建平滑波形过程中这里会有一个相应的高频信息的丢失。在平均样品数目的设置上我们必须投入足够的重视。

快速傅里叶变换FFT

快速傅里叶变换（FFT）绘制从时域波形（幅度VS时间）到频域频谱(幅度VS频率)。这让我们得以观察到组成这个信号的频率成分。FFT不能够直接提高信号的质量，但是它显示了信号的结构并且提供了如何移除不需要的频谱分量的信息。

由于时域信号有离散时间上的采样，因而从FFT产生的频谱有一个离散的时间轴。频谱中的采样，经常参考区间或者单元，被精度带宽（△f）隔开，这和采集到信号记录长度呈相反的比例。因此，为了增加FFT频谱的频率精度需要增加采集到信号的记录长度。

频谱显示的频率范围或者区域是信号被采集时采样率的一半。所以要想增加频谱范围必须增加采样率。

在软件中FFT的垂直扩展可以是电压的线性单位或者通过dB表示的对数单位。分贝刻度可以被引用在数字化仪范围的满量程（dBFS），一个毫瓦特（dBm），1μV（dbμV）中,或者假设是调制载波(dBC)达到频谱的最大峰值。

加权函数（Weighting Functions）

理论上的傅里叶变换是假设输入的记录数据长度是无限的。一个有限长度的记录能够引入在边缘的处的不连续。在频域里这个引入的假频率，歪曲了真实的频谱。当信号开始和结束的相位不同时，信号的频率会进入两个频率区间，扩宽了频谱。