频谱分析
频谱分析 原理
频谱分析原理
频谱分析是一种广泛应用于信号处理和波谱分析的方法，用于研究信号在频域上的特性和分布。
它通过将信号从时域转换为频域，从而能够得到信号在不同频率上的能量分布情况。
频谱分析的核心原理是傅里叶变换。
傅里叶变换能够将一个信号表示为一组离散的频谱成分，这些成分描述了信号在不同频率下的振幅和相位。
频谱分析所得到的频谱图可以清晰地显示出信号中各个频率成分的大小和强度，帮助人们理解信号的频率特性。
在频谱分析中，一般使用离散傅里叶变换（DFT）或快速傅里叶变换（FFT）算法来计算信号的频谱。
通过将信号分成一段段小的时间窗口，在每个时间窗口内对信号进行傅里叶变换，可以得到该时间窗口内的频谱信息。
然后将所有时间窗口内的频谱信息进行叠加和平均处理，最终得到整个信号的频谱图。
频谱图通常以频率为横轴，以振幅或能量为纵轴进行表示。
在频谱图中，可以根据不同的需求选择线性频谱或对数频谱，以更好地展示信号的特性。
通过分析频谱图，可以判断信号中的主要频率成分、频域特征、噪声干扰等信息，对信号处理和系统设计等方面都具有重要的应用价值。
总之，频谱分析通过傅里叶变换将信号从时域转换为频域，揭示了信号在不同频率下的特性和分布。
它是一种强大的工具，被广泛应用于信号处理、通信、音频处理、振动分析等领域，在理论研究和实际应用中都有着重要的地位和作用。
频谱分析
将时域信号变换至频域加以分析的方法称为频谱分析。
频谱分析的目的是把复杂的时间历程波形，经过傅里叶变换分解为若干单一的谐波分量来研究，以获得信号的频率结构以及各谐波和相位信息。
测试信号的频域分析是一种将信号的幅度，相位或能量转换为频率坐标轴，然后分析其频率特性的分析方法。
也称为频谱分析。
对信号进行频谱分析以获得更多有用的信息，例如获得动态信号中的频率分量和频率分布范围，以及获得每个频率分量的振幅分布和能量分布，从而获得主振幅和能量分布。
应用：
由时间函数求频谱函数的傅里叶变换公式就是将该时间函数乘以以频率为系数的指数函数之后，在从负无限大到正无限大的整个区间内，对时间进行积分，这样就得到了与这个时间函数对应的，以频率为自变量的频谱函数。
频谱函数是信号的频域表示方式。
根据上述傅里叶变换公式，可以求出常数(直流信号)的频谱函数为频域中位于零频率处的一个冲激函数，表示直流信号就是一个频率等于零的信号。
与此相反，冲激函数的频谱函数等于常数，表示冲激函数含有无限多个、频率无限密集的正弦成分。
同样的，单个正弦波的频谱函数就是频域中位于该正弦波频率处的一对冲激函数。
利用傅里叶变换的方法对信号进行分解，并按频率展开，使其成为频率的函数，进而在频率域中对信号进行研究和处理的一种过程，称为频谱分析。
目的：
将信号在时间域中的波形转变为频率域的频谱，进而可以对信号的信息作定量解释。
数据分析知识：如何进行数据分析的频谱分析
数据分析知识：如何进行数据分析的频谱分析频谱分析是一种非常重要的数据分析方法，它可以用于分析某个信号的频率分布情况。
相信很多人在学习数据分析的时候都会经过这个环节，但是频谱分析并不是一件简单的事情，需要结合数学、信号处理等多个领域的知识深入理解。
本文将详细介绍频谱分析的定义和原理，并通过实例演示如何运用Python实现频谱分析。
一、什么是频谱分析？频谱分析是一种通过将信号在频域（即频率域）上的特征进行分析，来获取信号特征的方法。
频谱分析通常用于把研究对象与干扰等振荡源进行分离，而不是像时域研究那样直接看信号或数据的波形。
在信号处理中，频谱是一个可见、可分析的物理量。
频谱分析的结果可以使得我们分析信号的频率分布情况，从而了解信号的特征。
二、频域与时域在分析频谱之前，我们需要先了解频域和时域的概念。
时域：时域是指研究对象在时间上的变化规律。
通常研究对象都是随着时间变化而变化的。
在时域中，我们可以直接观察研究对象的时间变化规律。
比如在音乐中，我们听到的是随着时间变化的声音，这就属于时域。
频域：频域是指研究对象在频率上的变化规律。
频率是一个物理量，表示研究对象的某个特征在一定时间内的变化次数。
在频域中，我们可以观察研究对象在不同频率下的变化情况。
比如在音乐中，我们可以分析乐曲中各个音符的频率，并进行频谱分析。
三、傅里叶变换傅里叶变换是频谱分析的重要数学基础。
傅里叶变换可以将一个时域中的信号转换成频域信号。
其原理是将研究对象在时域上的信号转换为在频域上的信号，从而得出频域的特征。
傅里叶变换是频域分析的基石，是频谱分析的关键，对于数据分析具有很大的意义。
四、Python实现频谱分析现在，我们用Python实现一个简单的频谱分析。
首先，我们需要安装必要的库。
```pythonimport numpy as npimport matplotlib.pyplot as pltfrom scipy.fftpack import fft```接下来，我们构造一个时域信号。
采集信号的频谱分析
采集信号的频谱分析1. 引言频谱分析是一种重要的信号处理技术，它可以帮助我们理解信号的频域特性。
在现代通信领域和无线电频谱监测中，采集信号的频谱分析是一项关键的工作。
频谱分析可以帮助我们识别信号的不同频率成分，并从中提取有用的信息。
本文将介绍频谱分析的基本原理、常用的采集方法以及一些相关的应用领域。
2. 频谱分析的基本原理频谱分析是将信号从时域转换到频域的过程。
在时域中，信号被表示为随时间变化的波形；而在频域中，信号被表示为不同频率成分的强度和相位。
常用的频谱分析方法包括傅里叶变换（Fourier Transform）和快速傅里叶变换（Fast Fourier Transform，FFT）。
傅里叶变换是一种数学变换，它能将信号从时域转换到频域。
快速傅里叶变换是傅里叶变换的一种高效算法，能够快速计算信号的频谱。
在频谱分析中，我们使用频谱图来表示信号的频谱。
频谱图通常以频率为横轴，信号强度为纵轴，用于直观地展示不同频率成分的能量分布。
3. 采集信号的方法采集信号的频谱分析需要使用合适的设备和方法。
以下是常用的采集信号的方法：3.1 信号接收器信号接收器是一种用于接收信号并将其转化为电信号的设备。
根据需要采集的信号类型不同，可以选择不同类型的信号接收器，如无线电接收器、音频接收器等。
3.2 采样率采样率是指在单位时间内采集信号的样本数。
在频谱分析中，较高的采样率能够提供更精确的频谱信息，但也会增加数据处理的复杂性和成本。
根据信号的带宽和分辨率要求，选择合适的采样率非常重要。
3.3 采样深度采样深度是指每个样本的比特数，决定了每个样本的精度。
较大的采样深度能够提供更高的分辨率，但也会增加数据存储和传输的需求。
根据信号的动态范围和精度要求，选择适当的采样深度是必要的。
3.4 采集时间采集时间是指采集信号所需的时间长度。
较长的采集时间可以提供更准确的频谱信息，但也会增加采集的时间和资源。
根据应用需求和实际情况，选择合适的采集时间是必要的。
频谱分析的理论基础及振动案例分析
频谱分析的理论基础及振动案例分析频谱分析是一种通过将信号中各频率成分分离出来，并定量描述其幅度、相位等特征的方法。
其理论基础主要涉及信号的傅里叶变换、功率谱密度以及频谱分析方法等方面。
振动案例分析是频谱分析的一个应用领域，用于研究物体的振动特性以及故障诊断等。
下面将分别对频谱分析的理论基础及振动案例分析进行更详细的讨论。
首先，频谱分析的理论基础涉及信号的傅里叶变换。
傅里叶变换是一种将信号从时域转换到频域的变换方法，用于分析信号的频率成分。
对于一个连续的实际信号x(t)，其傅里叶变换可以表示为：X(f) = ∫[x(t) * exp(-2πift)]dt其中，X(f)为信号在频率为f时的复数幅度。
通过计算信号x(t)在不同频率上的傅里叶变换，就可以得到信号的频谱分布情况。
功率谱密度也是频谱分析的重要理论基础。
信号的功率谱密度描述了信号在不同频率上的功率分布情况。
对于一个随机平稳信号x(t)，其功率谱密度可以通过自相关函数R(τ)进行计算，即：S(f) = Lim(T -> ∞) [1/(2T)] * ，F{∫[x(t) * exp(-2πift)]dt}，²其中，F{}表示傅里叶变换，S(f)为信号在频率为f时的功率谱密度。
功率谱密度可以用来反映信号在不同频率上的能量分布情况，从而了解信号的频谱特性。
频谱分析方法包括离散傅里叶变换(DFT)、快速傅里叶变换(FFT)等。
DFT是将连续信号的傅里叶变换转化为离散信号的变换方法，通过对信号进行采样和截断来获得有限长度的离散信号，进而进行频谱分析。
FFT是DFT的一种高效实现方法，能够快速计算信号的频谱。
振动案例分析是频谱分析的一个重要应用领域，主要用于研究物体的振动特性以及故障诊断。
在实际工程中，振动往往是由于机械结构的不平衡、不稳定或者故障引起的。
频谱分析方法可以通过分析振动信号的频谱特性，进一步判断振动是否正常以及故障的类型和原因。
频谱分析技术及其在通信领域中的应用
频谱分析技术及其在通信领域中的应用随着科技的发展，无线通信技术的应用越来越广泛。
为了更好地利用频段资源，保障通信的稳定性和安全性，频谱分析技术得到了广泛关注和应用。
本文将简要介绍频谱分析技术的基本原理以及其在通信领域中的应用。
一、频谱分析技术的基本原理频谱分析是指对信号的频谱特征进行分析和识别的一种技术，主要通过将信号进行频谱变换，同时在时间和频率域上对信号进行分析和识别。
频谱分析技术的基本原理是傅里叶变换，其可以将时域的信号转化为以频域为自变量的函数。
在实际应用中，频谱分析主要包括以下几种方式：1.时域采样：将信号从时域中采样出一定点数的样本，然后通过傅里叶变换将其转换到频域中进行分析。
2.频域分析：将频域信号进行傅里叶变换，得到幅度谱和相位谱等频谱信息。
3.功率谱估计：主要是通过信号的自相关函数和互相关函数，计算出信号的功率谱密度。
4.低通滤波器：利用低通滤波器对高频信号进行滤波，得到信号的基频成分。
通过以上手段得到的信号频谱，可以获得信号的频率、幅度、相位、谐波等一系列特征参数。
这些特征参数可以被广泛地应用于频段规划、通信干扰检测等领域。
二、频谱分析技术在通信领域中的应用1.频段规划无线电通信需要占用一定的频率资源，因此频段规划是通信业务部署的关键之一。
频谱分析技术可以对现有的频率资源进行分析，实现对频段的规划和管理，以达到多个无线通信系统之间相互协调和资源共享的目的。
例如，很多地区的2G、3G和4G通信网络之间存在一定重叠，频谱分析技术可以针对这种情况进行分析，优化频段的资源配置和使用，最终使无线通信系统之间达到最优的协调。
2.通信干扰检测通信干扰是无线通信中常见的问题，特别是在频谱资源稀缺的情况下，无线通信系统之间相互干扰的问题愈发严重。
频谱分析技术可以帮助检测无线通信系统中出现的各种通信干扰，具体包括以下三种：（1）自然干扰：指由于自然因素引起的信号干扰，例如雷电、电磁辐射等。
（2）人为干扰：指由于工业设备、家庭电器、广播电视台等人为因素引起的干扰。
对波形数据的频谱分析
对波形数据的频谱分析频谱分析是一种用于研究信号在频域特性的方法，可以通过将信号转化为频域上的表示来分析信号的频率成分和功率分布。
频谱分析在许多领域中广泛应用，比如音频处理、信号处理、通信系统等。
频谱分析中最常用的方法之一是傅里叶变换。
傅里叶变换是一种数学工具，可以将一个时域上的信号转换为频域上的表示。
傅里叶变换将信号分解为一系列正弦和余弦函数的和，每个正弦和余弦函数代表一个频率成分。
在频谱分析中，可以使用离散傅里叶变换（Discrete Fourier Transform，DFT）或快速傅里叶变换（Fast Fourier Transform，FFT）来进行频域分析。
FFT是一种高效的计算DFT的算法，能够快速计算出信号的频谱。
通过对波形数据进行FFT分析，可以得到信号在不同频率上的频谱图。
频谱图是频谱分析的输出结果，它显示了信号在不同频率上的强度。
频谱图通常以频率为横轴，以幅度或功率为纵轴。
通过观察频谱图，可以判断信号中存在的频率成分和它们的强度。
在频谱分析中，还可以使用一些常见的技术来增强频谱图的可视化效果和信息提取能力。
比如，可以对频谱图进行窗函数加权，以减少泄漏效应。
窗函数在FFT计算之前应用于波形数据，可以使得边界上的信号能够平滑过渡，减少频谱图中的高频衰减。
另外，还可以对频谱图进行平滑处理，减少高频噪声的影响。
除了频谱图，频谱分析还可以得到其他有用的信息。
比如，可以通过查找频谱图中的峰值点来确定主要频率成分的位置和强度。
也可以计算信号的功率谱密度（PSD），用于描述信号在不同频率上的功率分布情况。
功率谱密度可以用于确定信号的能量集中在哪些频率范围内。
频谱分析还可以应用于其他一些信号处理的任务中，比如滤波和频率域修复。
通过对信号的频谱图进行滤波操作，可以滤除不需要的频率成分，从而实现信号去噪或者信号增强的效果。
频率域修复则是将频谱图中被噪声或干扰破坏的部分进行插值或估计，从而恢复信号的完整性。
数字信号处理中的频谱分析算法
数字信号处理中的频谱分析算法数字信号处理（Digital Signal Processing，DSP）是一门将连续时间的信号转换为离散时间的信号，并在数字域中进行信号处理的技术。
频谱分析是DSP中的重要任务之一，它用来研究信号的频率特性，在通信、音频处理、图像处理等领域有着广泛的应用。
本文将介绍几种常见的频谱分析算法，它们分别是傅里叶变换、离散傅里叶变换、快速傅里叶变换和功率谱密度估计。
1. 傅里叶变换（Fourier Transform）傅里叶变换是频谱分析中最基本的工具之一。
它能将时域信号转换为频域信号，将信号表示为一系列正弦和余弦函数的和，从而揭示了信号的频率分量。
傅里叶变换的数学表达式为：F(w) = ∫[f(t)e^(-iwt)]dt其中，F(w)是信号在频域上的表示，f(t)是信号在时域上的表示，e^(-iwt)是复指数函数。
2. 离散傅里叶变换（Discrete Fourier Transform，DFT）离散傅里叶变换是傅里叶变换在离散时间域上的推广。
由于数字系统中信号是离散采样得到的，因此必须使用离散傅里叶变换进行频谱分析。
离散傅里叶变换的计算复杂度较高，通常采用快速傅里叶变换算法进行高效计算。
3. 快速傅里叶变换（Fast Fourier Transform，FFT）快速傅里叶变换是一种高效计算离散傅里叶变换的算法。
通过利用傅里叶变换的对称性和周期性，FFT算法将计算复杂度降低到O(NlogN)，使得频谱分析在实时系统中具备了可能。
4. 功率谱密度估计（Power Spectrum Density Estimation）功率谱密度（Power Spectrum Density，PSD）是频谱分析的重要指标之一，它反映了信号各个频段的功率强度。
而在实际应用中，往往无法直接计算功率谱密度，需要通过估计算法得到近似值。
常见的功率谱密度估计算法有周期图谱法、自相关法、Burg方法、Yule-Walker 方法等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
频谱分析利用傅里叶变换的方法对振动的信号进行分解，并按频率顺序展开，使其成为频率的函数，进而在频率域中对信号进行研究和处理的一种过程，称为频谱分析。
怎样进行频谱分析：利用频谱分析仪进行测量，输入信号不能有失真，因此要按特定应用的要求设置频谱分析仪和优化测量步骤，以达到最好的技术指标。
下面的测量提示对这些步骤有详细的说明。
1. 选择最好的分辨率带宽 (RBW)必须认真考虑分辨率带宽 (RBW)的设置，因为他关系到频谱成分的分离，适宜的噪声基底的设置和信号的解调。
通过低电平信号的测量，可以看到使用窄RBW的优点。
在使用窄RBW时，频谱分析仪显示出较低的平均噪声级 (DANL)，且动态范围增加，灵敏度有所改进。
在图3中，把RBW从100kHz改变到10kHz 将能更好地分辨-95dBm的信号。
但并非任何情况都是最窄的RBW最好。
对于调制信号，RBW一定要设置得足够宽，使它能将信号边带包括在内。
如果忽略这一点，测量将是极不精确的。
窄RBW设置的一项重要缺点是扫频速度。
更宽的RBW设置在给定频率范围内允许更快的扫频。
图4和图5比较了在200MHz频率范围内，10kHz和 3kHzRBW的扫频时间。
一定要知道RBW 选择时所必须的基本权衡因素，使得用户在明白哪些参数最为重要的时候，给以适当的优化。
但在权衡不可避免时，现代频谱分析仪可为您提供弱化，甚至消除这些因素的方法。
通过使用数字信号处理，频谱分析仪在实现更精确的测量的同时还提供更高的速度，即使是使用窄RBW。
2. 改进测量精度在进行任何测量前，必须了解有哪些可以改进幅度和频率测量精度的技术。
自校准功能可用来产生误差校正系数 (例如幅度改变—分辨率带宽)，分析仪随后用它校正测量数据，得到更好的幅度测量结果，并使您能在测量过程中更灵活地改变控制。
当被测装置接到经校准的分析仪时，信号传输网络可能会使感兴趣信号减弱或变形，必须在测量中排除这一影响，见图6。
一种方法是使用分析仪的内置幅度校正功能，一个信号源以及一个功率表。
图7给出了一个对DUT信号产生衰减的信号传输网络的频率响应。
为消除这一有害效应，可在测量范围内若干存在问题的频率点上测量信号传输网络的衰减或增益。
幅度校正给出频率—幅度表，用直线连接这些点得到“校正”波形，然后按这些校正值对输入信号进行偏置。
在图8 中，信号传输网络不需要的衰减和增益已从测量中消除，从而得到更精确的幅度测量结果。
在现代频谱分析仪中，您可直接保存天线、电缆和其它设备的不同校正系数，因此每次设置改变时不必再校准。
进行更精确频率测量的一种方法是用频谱分析仪中的频率计数器，它可以去除许多频率不确定度，如跨度。
频率计数器记录IF 信号中的过零次数，再通过已知的频率偏置(来自转换链中本地震荡部分) 计数作修正。
总测量不确定度是频谱分析仪中各种不确定度之和。
如果某些控制量，如RF 衰减器设置，分辨率带宽或基准电平等，其变化可以保存，那么就可排除改变这些控制量时的不确定度，从而把总测量不确定度减到最小。
因此在数字化IF 的高性能频谱分析仪中，不会因改变RBW 而增加误差。
3. 优化低电平测量的灵敏度频谱分析仪对低电平信号的测量能力受限频谱分析仪内部产生的噪声。
分析仪设置将影响低电平信号的灵敏度。
例如图9, 显示了一个被分析仪噪声基底淹没的50 MHz信号。
为测量这一低电平信号，必须通过最小化输入衰减、压窄滤波器的分辨率带宽 (RBW) 和使用前置放大器这些方法改进频谱分析仪的灵敏度。
这些技术能有效减小显示平均噪声级(DANL)，从而突出该低电平信号。
增加输入衰减器衰减程度将减小到达输入混频器的信号。
由于频谱分析仪的噪声产生在输入衰减器之后，因此衰减器设置会影响信噪比 (SNR)。
如果引入增益，对输入衰减器的衰减变化进行补偿，显示上的实际信号就保持不变。
但显示的噪声级会随IF 增益而异，它反映了输入衰减器设置的变化引起的SNR的变化。
因此为了降低DANL，就必须把输入衰减减到最小。
混频器输出处的放大器接着放大被衰减的信号，以保持屏幕相应位置信号的峰值。
除了放大输入信号外，分析仪中的噪声也同样被放大，从而造成频谱分析仪DANL 的上升。
然后这一再次放大的信号通过RBW 滤波器。
压窄RBW 滤波器带宽，使较低的噪声能量到达分析仪的包络检波器，从而降低分析仪的DANL。
图10 示出DANL 的逐次降低。
上面的迹线是经最小化分辨率带宽和使用功率平均后出现在噪声基底之上的信号。
下面一条迹线为使用最小衰减时的情况。
第3条迹线使用了对数功率平均，它把噪声本底再降低2.5 dB，这对于极灵敏的测量是非常有用的。
为实现最高灵敏度，必须使用具有低噪声和高增益的前置放大器。
如果该放大器有足够高的增益 (在连接前置放大器时分析仪上显示的噪声至少增加10 dB)，那么前置放大器和分析仪组合的噪声基底将由放大器的噪声特性确定。
许多情况下都需要测量被测装置上的寄生信号，以保证信号载波落在特定幅度和频率“模板”内。
现代频谱分析仪提供电子的限制线能力，它把迹线数据与一组幅度和频率 (或时间) 参数相比较。
如果被考察的信号落在限制线边界内，显示屏 (Agilent 分析仪) 上就出现PASSMARGIN或PASS LIMIT。
如果信号落在限制线边界外，显示屏上就出现FAIL MARGIN 或FAIL LIMIT，如图11 所示的寄生信号。
4. 为失真测量优化动态范围与信号测量相关的一个问题是区别较大的基调信号与较小的失真产物的能力。
频谱分析仪的动态范围规定了频谱分析仪辨别信号和失真、信号和噪声或信号与相位噪声的最大能力范围。
在测量信号和失真时，混频器电平决定了频谱分析仪的动态范围。
对动态范围进行优化的混频器电平，由频谱分析仪的2次谐波失真、三阶交调失真和显示平均噪声级 (DANL)确定。
可根据这些指标绘制内部产生的失真和噪声与混频器电平的关系图。
图12标出了-40dBm混频器电平处-75dBc 2次谐波失真点，-30dBm混频器电平处-85dBc三阶失真点，以及10kHz RBW 时的-110dBm 噪声本底。
2次谐波失真线的斜率为1，因为混频器基波电平每增加1dB，SHD要增加2dB。
但由于失真是由基波与失真分量之差确定，因此其变化仅 1dB。
同样，绘出的三阶失真的斜率为2。
对于混频器电平每1dB的变化，三阶分量改变3dB，即相对为2dB。
通过把混频器电平设置在二阶或三阶失真等于噪声基底处，即可得到最大的二阶和三阶动态范围，图中标出了了相应的混频器电平。
必须通过压窄分辨率带宽增加动态范围。
如图13所示，当RBW设置从10kHz 降到1kHz 时，动态范围增加。
注意对于二阶失真是增加5dB，三阶失真是6dB。
最后一点是互调失真的动态范围受频谱分析仪相位噪声影响，因为不同频谱成分(被测试频谱和失真产物)的频率间距就等于被测谱线的间距。
图14给出了对于相隔10kHz的被测谱线，用1kHz分辨率带宽得到噪声曲线。
如果10kHz 处的相噪只有-80dBc，那么对于这一测量，80dB就成为动态范围的最终极限，而不再是如图14所示的最大88dB动态范围5. 识别内部失真成分高电平输入信号有可能造成频谱分析仪的内部失真,从而掩盖输入信号上的实际失真。
使用双迹线和分析仪的RF衰减器，您就能确定分析仪内产生的失真是否对测量产生影响。
首先设置输入衰减器，使输入信号电平减衰减量约等于-30dBm。
为识别内部失真产物，调谐到输入信号的2次谐波，把输入衰减器设置到0dB。
然后保存迹线B的屏幕数据，把迹线A作为有效迹线，并激活标记Δ。
频谱分析仪现在用迹线B显示保存数据，用迹线A 显示测量数据，标记Δ示出两条迹线的幅度和频率差。
最后是把RF 衰减增加10dB，比较迹线A与B的响应。
如果迹线A和迹线B的响应不同，如图15所示，那么分析仪的混频器就会因高电平的输入信号而产生内部失真。
这种情况需要更大的衰减。
在图16中，由于信号电平没有任何变化，内部产生的失真对测量没有影响。
所显示的是输入信号上存在的失真。
6量突发信号: 时间选通频谱分析仪对于含有突发(脉冲)RF载波，且该载波在脉冲出现期间载运调制信号的信号，应该如何分析？这里存在这样一个问题，如何把脉冲频谱与调制分开呢？用频谱分析仪分析突发信号(脉冲)是一项艰巨的挑战，因为除了显示脉冲载运的信息外，分析仪还同时显示脉冲形状(脉冲包络)的频率成分。
脉冲包络的急剧上升和下降时间会造成不需要的频率成分，并叠加到原始信号的频率成分上。
这些不需要的频率成分甚至会完全掩盖掉感兴趣的信号。
作为例子，图22示出一个载有简单AM信号的脉冲的频率成分。
此时的AM 边带几乎完全隐藏在脉冲频谱中。
时间选通频谱分析允许分析脉冲的频谱成分，而不受脉冲本身包络的影响。
一种实现时间选通的方法是在频谱分析仪的视频路径中放一个闸门(开关)，如图23所示。
这种时间选通方法称为视频选通。
在时间选通测量中，分析仪检测到突发的开始，然后触发一个延时，使分辨滤波器有时间对脉冲的急剧上升时间作出反应，并在突发结束前停止分析。
这样就可只分析脉冲载运的信息，如图24所示。
现在能清楚看到脉冲中包含用100kHz正弦信号调制的40MHz载波。
现代高性能频谱分析仪还有另外两种类型的时间选通，即选通LO和选通FFT。
选通LO在脉冲信号的部分时间内扫描本地振荡器，在信号每次出现时记录几个迹线点。
选通FFT 对数字化突发信号作快速傅立叶变换(FFT)，以去除脉冲频谱的影响。
这两种方法都具有更高速度的优点。
为什么要进行频谱分析：将信号在时间域中的波形转变为频率域的频谱，进而可以对信号的信息作定量解释。