基于FFT的信号分析和测量基础

1. 基本信号分析计算

分析信号的基本计算包括：将双边功率谱转换为单边功率谱、调整频率精度并绘制频谱、使用FFT，以及将功率和振幅转换为对数单位。

功率谱返回一个数组，包含时域信号的双边功率谱。该数组的值与组成时域信号的每个频率分量的幅值平方成正比。双边功率谱的一条曲线显示正负极频率分量的高度为

其中Ak代表正弦分量在频率k处的峰值振幅。DC分量的高度为A02，其中A0代表信号中DC分量的振幅。

图1显示了时域信号的功率谱，包含一个128 Hz的3 Vrms正弦波、一个256 Hz的3 Vrms正弦波和一个2 VDC的DC分量。3 Vrms正弦波的峰值电压为3.0 ，约等于4.2426 V。通过基本FFT函数计算得出功率谱。关于该方程的实例，请参考本应用笔记的使用FFT计算章节。

图1. 信号的双边功率谱

将双边功率谱转换为单边功率谱

大多数真实世界的频率分析仪器只显示频率谱的正极，因为真实世界的信号是以DC为中心对称的。因此无需再显示负极的频率信息。图1显示了分析函数的双边结果，先是图谱的正极，然后是负极。

在双边频谱中，一半的能量显示在正频率，另一半能量显示在负频率。因此，若需将双边频谱转换为单边频谱，只要舍弃数组的第二部分，并将除DC外的每个点乘以2。

其中SAA(i)代表双边功率谱，GAA(i)代表单边功率谱，N代表双边功率谱的长度。双边功率谱SAA

单边功率谱的非DC值的高度为

等于

其中

为正弦分量在频率k处的均方根(rms)。因此，功率谱的单位通常被称为数量平方均方根，其中数量是时域信号的单位。例如，电压波形的单边功率谱单位为伏特均方根的平方。

图2显示信号的单边功率谱，其双边功率谱见图1。

图2. 图1中信号的单边功率谱

可见，非DC频率分量的高度是图1中的两倍，而频率谱的频率只有图1中的一半。

关于功率谱的最新信息，请参考LabVIEW帮助（见文末链接）的功率谱章节。

调整频率精度并绘制图谱

图1和图2显示了时域信号的功率和频率。频谱曲线x轴的频率范围和精度取决于采样率以及采集到的点的数量。图2中，频率点或线的数量等于

其中N为所采集时域信号中点的数量。第一条频率线位于0 Hz，即DC。最后一条频率线位于

其中Fs是采样时域信号时的频率。频率线出现的间隔为f，其中

也可将频率线称为频率仓或FFT仓，因为您可将FFT看做一系列带宽为f的并行滤波器，以各频率为中心，增幅如下：

f的另一种计算方法是：

其中t为采样周期。因此是包含所采集时域信号的时间记录的长度。图1和图2中的信号包含1,024个在1.024 kHz时采样的点，产生的f = 1 Hz，且频率范围为DC至511 Hz。

频率轴的计算表明，采样频率决定频谱的频率范围或带宽，且对于一个给定的采样频率，在时域信号记录中的采样点的数量决定精度频率。为了提高给定频率范围的频率精度，可增加相同采样频率下采样点的数量。例如，在1.024 kHz下采集2,048个点，将产生f = 0.5 Hz，频率范围为0至511.5 Hz。而如果在10.24 kHz下采集1,024个点，则f = 10 Hz，频率范围为0至5.11 kHz。

使用FFT计算

功率谱将功率显示为每条频率线上的均方振幅，但不包括相位信息。由于功率谱丢失了相位信息，您需要使用FFT查看信号的频率和相位信息。

FFT产生的相位信息是相对于时域信号起始的相位。因此，您必须从信号的同一点进行触发，以获得连续的相位读数。正弦波在正弦波频率上显示一个-90°的相位。余弦波显示0°的相位。很多情况下，您关心的是分量间的相对相位，或两个同时采集的信号间的相位差。您可使用高级FFT函数查看两个信号间的相位差。关于这些函数的详细描述，请查看本应用笔记的基于FFT的网络测量章节。

FFT返回复数形式的双边谱（包含实部和虚部），您必须缩放并转换为极坐标形式以获得幅值和相位。其频率轴与双边功率谱中的相同。FFT的振幅与时域信号中点的数量相关。使用下列公式计算FFT中频率的振幅和相位。

其中，反正切函数返回的相位值在 -至+之间，全量程2弧度。使用反正切至极坐标转换函数，将复数数组

转换为振幅(r)和相位(ø)，与使用之前的公式等价。

双边振幅谱实际上显示了正极和负极频率上一半的峰值振幅。如需转换为单边形式，可将除DC外的每个频率乘以2，并舍弃数组的后半部分。这时，单边振幅谱的单位达到量的峰值，并显示组成时域信号的每个正弦分量的峰值振幅。对于单边相位谱，舍弃数组的后半部分。

若需以伏特（或其他量）rms查看振幅谱，应先将其转换为单边形式，然后将非DC分量除以根号2。由于非DC分量在从双边转装换为单边的过程中乘以了2，您可从双边振幅谱直接计算rms振幅谱，方法是将非DC分量乘以根号2，并舍弃数组的后半部分。下列公式显示了将双边FFT转换为单边振幅谱的完整计算过程。

其中i是A的FFT的频率线数（数组索引）。

以伏特rms为单位的振幅显示了时域信号每个正弦分量的方均根电压。

可使用以下公式，以角度形式查看相位谱。

振幅谱和功率谱关系密切。将单边方均根振幅谱平方，便可得到单边功率谱。反之，将功率谱开平方，便可得到振幅谱。双边功率谱实际上是通过以下FFT计算得出的。

其中FFT*(A)表示FFT(A)的复共轭。舍弃FFT(A)的虚部，便可得到复共轭。

在LabVIEW和LabWindows/CVI中使用FFT时，注意功率谱的速度和FFT计算取决于采集到的点的数量。若N可以分解为小素数，LabVIEW和LabWindows/CVI将使用高效的Cooley-Tukey混合基FFT算法。其他情况下（大素数时），LabVIEW采用其他算法计算离散傅立叶变换(DFT)，通常需要消耗更长的时间。例如，计算1000点和1024点FFT的时间几乎相同，而计算1023点FFT可能需要两倍的时间。经典台式仪器使用1,024和2,048点的FFT。

现在，您了解的显示单位包括电压峰值、伏特方均根和伏特方均根平方，伏特方均根等于均方伏特。某些频谱显示中，Vrms符号省略了rms，用V表示Vrms，V2表示Vrms2，即均方伏特。

关于使用FFT进行计算的最新信息，请参考LabVIEW帮助（见文末链接）的计算幅度谱和相位谱章节。

转换为对数单位

通常，振幅或功率谱以对数单位分贝(dB)的形式显示。该测量单位有助于查看宽动态范围，即可在存在较大信号分量时方便地查看小信号分量。分贝是比例单位，其计算方式如下。

其中P是测量功率，Pr是参考功率。

使用下列公式从振幅值计算分贝值。

其中A是测量振幅，Ar是参考振幅。

使用振幅或功率作为同一信号的振幅平方时，结果分贝水平是完全一致的。将分贝比乘以2，等同于将比例平方。因此，无论使用振幅或功率谱，都将得到相同的分贝水平和显示。

从之前的功率和振幅公式可以看出，测量分贝必须提供参考。该参考将对应为0 dB水平。这里涉及多种惯例。其中一个常见惯例是，使用参考1 Vrms作为振幅，或1 Vrms平方作为功率，产生的单位是dBV或dBVrms。此时，1 Vrms对应0 dB。dB的另一个常见形式是dBm。当负载的无线电频率为50  时，0 dB为0.22 Vrms；当无线电频率为600  时，0 dB为0.78 Vrms。

关于转换为对数单位的最新信息，请参考LabVIEW帮助（见文末链接）的转换为对数单位章节。

2. 基于FFT的信号分析采用的抗混叠和采集前端方法

基于FFT的测量要求将连续信号数字化。根据奈奎特准则，采样频率Fs必须至少是信号中最大频率分量的两倍。若违反该准则，将发生混叠。图3显示了一个正确采样的信号和欠采样的信号。欠采样的例子中，产生了一个混叠信号，表现出比实际信号更低的频率。

图3. 正确及不正确的信号采样

违反奈奎特准则时，高于采样频率一半的频率分量表现为低于采样频率一半的频率分量，错误地表现了信号。例如，频率为

的分量表现出的频率为Fs - f0。

图4显示的是以100 Hz的频率采样真实分量为25、70、160和510 Hz的信号时出现的混叠频率。混叠频率表现为10、30和40 Hz。

图4. 以100 Hz的频率采样大于等于50 Hz的频率分量时产生的混叠频率

将信号数字化前，可通过抗混叠滤波器消除混叠，将大于等于采样频率一半的频率分量降低至低于数模转换器(ADC)的动态范围的水平。例如，若数字化仪的全量程范围为80 dB，大于等于采样频率一半的频率分量必须降低至全量程一下80 dB的范围内。

更高的频率分量不影响测量。若您知道被测信号的频率带宽低于采样频率的一半，可选择不使用抗混叠滤波器。图5显示了National Instruments PCI-4450系列动态信号采集板卡的输入频率响应，带抗混叠滤波器。注意大于等于采样频率一半的输入信号被极大地减弱了。

图5. PCI-4450系列输入与频率的带宽，归一化为采样率

采集前端的限制

除了减少大于等于采集频率一半的频率分量，您使用的采集前端还会在采集频率一半以下引入某些带宽限制。为了将大于等于采样率一半的信号减少至测量范围以下，抗混叠滤波器将在采样率一半以下的某点开始降低频率。因为这些滤波器降低了频谱最高频率的部分，特别是当您需要将图表限制到对测量有效的带宽时。

例如，在图5的PCI-4450系列中，振幅平整度保持在±0.1 dB以内，对所有增益设置保持在采样频率的0.464至20 kHz之间，+1 dB至95 kHz，接着输入增益开始降低。输入的-3 dB点（或半功率带宽）出现在输入频谱的0.493处。因此，您可选择只显示输入频谱的0.464，而不是显示一直到采样频率一半的输入频谱。方法是将采集到的点数分别乘以0.464，计算需要显示的频率线数。

信号采集前段的特征将影响测量。National Instruments PCI-4450系列动态信号采集板卡和NI 4551/NI 4552动态信号分析仪是出色的采集前端，可进行基于FFT的信号分析测量。这些板卡使用delta-sigma模块化技术，提供优秀的振幅平整度、高性能抗混叠滤波器以及图5中所示的宽动态范围。为获得良好的多通道测量性能，同时也将对输入通道进行采样。

采样频率为51.2 kHz时，这些板卡可进行的频率测量范围为DC至23.75 kHz。DC至23.75 kHz的振幅平整度为最大±0.1 dB。关于这些板卡的更多信息，请参考PCI-4451/4452/4453/4454用户手册。

计算给定采样频率的测量带宽或线数

动态信号采集板卡在数字化过程中内置了抗混叠滤波器。此外，截止滤波器频率随采样率缩放，以符合图5所示的奈奎特准则。这些板卡上抗混叠滤波器的快速截止表明，在1,024点的基于FFT的频谱中，有用的频率线为475线，其振幅平整性为±0.1 dB。

计算给定采样频率的测量带宽的方法是，将平整性为±0.1 dB的采样频率乘以0.464。另外，FFT越大，频率线的数量越大。2,048点的FFT将产生上例中两倍的线数。可分别与典型台式仪器对比，它们对1,024点FFT有400条有用线，对2,048点FFT有800条有用线。

动态范围规范

PCI-4450系列板卡的信噪比(SNR)为93 dB。SNR的定义为

其中Vs和Vn分别是信号和噪音的rms振幅。通常会为SNR指定带宽。这里，带宽指的是板卡输入的频率范围，与图5所示的采样率有关。96 dB的SNR意味着您可以检测到小至板卡全量程范围以下93 dB的频率分量。这是因为由采集前端引起的总输入噪音水平为板卡全量程输入范围以下的93 dB。

若您监测的是窄带宽信号（即信号能量集中在窄带宽频率内），您可以检测到低于-93 dB的信号。这是因为板卡的噪音能量在整个输入频率范围内散发开了。关于窄带和宽带水平的更多信息，请参考本应用笔记的计算噪声水平和功率谱密度章节。

动态信号采集板卡的无杂波动态范围是95 dB。除了输入噪声，由于谐波或模块间失真，采集前端还可能将杂波频率引入测量的频谱。95 dB的水平意味着，任何杂波频率在至少比板卡全量程输入范围低95 dB。

信号对总谐波失真(THD)加信噪比（排除模块间失真）在0至20 kHz时为90 dB。THD测量的是由采集前端的非线性行为引入信号的失真量。该谐波失真表现为谐波能量，附加在输入信号每个离散频率分量的频谱上。

这些板卡的宽动态范围规范主要是由16位精度ADC导致的。图6显示了PCI-4450系列动态范围的典型频谱图，输入了一个全量程的997 Hz信号。可以看到997 Hz输入信号的谐波、本底噪音及其他杂波频率都低于95 dB。作为对比，台式仪器的动态范围规范通常在70至80 dB之间，使用12位和13位 ADC技术。

图6. PCI-4450系列频谱图，输入信号997 Hz，全量程（全量程 = 0 dB）

3. 正确使用窗口

简介部分提到，基于FFT的测量关键在于正确使用窗口。本章将介绍频谱泄漏、窗口的作用、选择窗口的策略以及缩放窗口的重要性。

频谱泄漏

对于精确频谱测量，使用合适的信号采集技术无法获得合理缩放的单边谱。您可能会遇到频谱泄漏。频谱泄漏是由FFT算法中的一个假设导致的，即持续精确地重复时间记录，且时间记录中包含的信号在对应时间记录长度的间隔内呈周期性。若时间记录的周期数为非整数， 便违反该假设，导致频谱泄漏。另一种看法是，信号的非整数周期频率分量未与频谱频率线之一精确吻合。

您仅可在两种情况下保证获得整数周期。第一种情况是，您对测量的信号进行同步采样，因此可按需获取整数周期。

另一种情况是，您捕获的瞬时信号可完全融入时间记录。但是，多数情况下，您测量的未知信号是平稳的，即该信号在采集前、中、后都存在。这时，您就无法保证采样的是整数周期。频谱泄漏对测量造成干扰，来自给定频率分量的能量将分散至相邻的频率线或仓。您可使用窗口，将在非整数周期内进行FFT产生的效果最小化。

图7显示了3种不同窗口的效果 -- 无（均匀）、Hanning（也称为Hann）和Flat Top -- 图中采集的周期是整数，256周期，1,024点记录。注意，关注频率周围的窗口有一个主瓣。该主瓣是窗口的频域特征。均匀窗口的瓣最低，而Hann和Flat Top窗口引入了一些散布。Flat Top窗口的主瓣最宽。对于整数周期，所有窗口都产生同样的峰值振幅读数，且振幅精确度优良。

图7还显示了每种窗口在254 Hz至258 Hz频率线处对应的值。每种窗口在256 Hz时的幅值误差为0 dB。图表显示的频谱值为240至272 Hz。每种窗口（254至258 Hz时）在结果频谱数组中的实际值显示在图表下方。f等于1 Hz。

图7. 1 Vrms信号在256 Hz时的功率谱，分别使用均匀、Hann和Flat Top窗口

图8. 1 Vrms信号在256.5 Hz时的功率谱，分别使用均匀、Hann和Flat Top窗口

图9. 频谱泄漏模糊临近的频率分量

窗口特征

图10. 加窗频谱的频率特征

FFT产生离散的频谱。FFT采样的是连续的、周期性的频谱，ADC也是以这种方式采样时域信号的。出现在FFT各条频率线的是在每条FFT频率线的连续卷积频谱的值。有时称之为栅格效应，因为FFT的结果类似于透过栅格查看连续的加窗频谱，栅格的间隔对应于频率线。

若原始信号的频率分量正好符合一条频率线，就像您获得了整数次周期，您将只看到频谱的主瓣。不出现旁瓣，因为窗口的频谱在主瓣两侧接近零，间隔为f。图7显示的就是这种情况。

若时间记录不包含整数个周期，窗口的连续频谱将偏离主瓣中心f个部分，对应于频率分量和FFT线频率之间的差。该偏移将使旁瓣出现在频谱中。此外，频率峰值处有一些幅值误差，如图8所示。因为主瓣采样时偏离了中心（频谱遭到了污染）。

图11显示了更详细的窗口频谱特征。窗口的旁瓣特征直接影响到相邻频率分量影响（泄漏到）相邻频率区间的程度。一个强正弦信号的旁瓣响应可能超过附近的一个弱正弦信号的主瓣响应。

图11. 窗口的频率响应

窗口频谱的另一个重要特征是主瓣宽度。加窗信号的频率精度受限于窗口频谱的主瓣宽度。因此，窗口分辨两个相邻频谱分量的能力与主瓣宽度成反比。随着主瓣变窄且频域分辨率增加，窗口能量将扩散到旁瓣中去，加剧了频谱泄漏。一般需要在抑制泄漏和频谱精度间进行取舍。

关于窗口特性的最新信息，请参考LabVIEW帮助（见文末链接）的加窗信号和不同平滑窗口的特性章节。

定义窗口特征

为了简化选择窗口的过程，您需要定义一系列特征，以便比较不同的窗口。图11显示了典型窗口的频谱。为了描述主瓣形状的特征，我们定义了-3 dB和-6 dB作为主瓣（在FFT区间或频率线中）的宽度，其中窗口响应分别变成主瓣峰值增益的0.707 (-3 dB)和0.5 (-6 dB)。

为了描述窗口旁瓣的特征，我们定义了最大旁瓣水平和旁瓣下降率。旁瓣的最大值是与主瓣峰值增益相对的最大旁瓣分贝值。旁瓣下降率是从旁瓣峰值开始每衰减10Hz的渐近衰减率的分贝值。表1列举了多种窗口函数的特征及其对频谱泄漏和精度的影响。

选择窗口的策略

使用FFT进行频谱分析时，窗口可有效降低频谱泄漏。但是，由于叠加了采集的时域信号，窗口本身也带来了失真效应。窗口改变了信号的总幅值。产生图7和图8中曲线的窗口经过了缩放，方法是将加窗数组除以窗口的相干增益。结果是，每个窗口在其精度限制内产生了相同的频谱幅值结果。

您可以将FFT看做一系列并行滤波器，每个带宽为f。由于窗口的分散效应，每个窗口会增加FFT的有效带宽，该增量又称为窗口的等效噪声-功率带宽。特定频率峰值的功率计算方法是，累加峰值两侧的相邻频率区间，并通过窗口的带宽放大。当您根据频谱进行计算时，必须考虑到这种放大效果。关于范例计算，请参考“与频谱相关的计算”章节。

表3列出了偏离中心的分量在多种常见窗口中造成的缩放因子（或相干增益）、噪声功率带宽以及最差峰值精确度。

4. 与频谱相关的计算

估算功率和频率

之前的加窗范例显示，若在两条频率线间存在频率分量，该分量将显示为散布在相邻频率线间的能量，振幅降低。实际峰值位于两条频率线之间。图8中，256.5 Hz处的振幅误差产生的原因是，窗口是在其主瓣周围±0.5 Hz处采样的，若是在中心采样，振幅误差将为0。这就是本应用笔记的“窗口特征”章节解释的栅格效应。

您可估算离散频率分量的实际频率，精度大于FFT规定的f。方法是在功率谱中对波峰周围的频率进行权重平均计算。

注意，该方法仅对由离散频率分量组成的频谱有效，而对连续频谱无效。另外，若6条线中含有两个或以上频率峰值，将使估算的功率变大，并歪曲实际频率。可减少先前计算散布的线的数量，以弱化该效应的影响。若两个峰值如此接近，它们很可能已经因为频谱泄漏而互相干扰了。

类似地，若您希望总功率在特定的频率范围内，可在频率范围内计算每个区间的功率之和，并除以窗口的噪声频率带宽。

关于估算功率和频率的最新信息，请参考LabVIEW帮助（见文末链接）的与频谱相关的计算章节。

计算噪声水平和功率谱密度

噪声水平的测量依赖于测量的带宽。查看功率谱的本底噪声时，就是在查看每个FFT区间的窄带噪声水平。因此，给定功率谱的本底噪声取决于频谱的f，该项由采样率和点的数量控制。换句话说，读取每条频率线的噪声水平时，就像在该频率线中心使用f Hz的滤波器进行测量。因此，对于给定采样率，将采集的点数翻倍会使出现在每个区间内的噪声功率降低3 dB。离散频率分量理论上带宽为0，因此不随FFT的点数或频率范围进行缩放。

计算SNR时，比较关注频率中的峰值功率和宽带噪声水平。计算以Vrms2为单位的宽带噪声水平，方法是计算所有功率谱区间的总和，除去峰值和DC分量，并将总和除以窗口的等效噪音带宽。例如，图6中，本底噪声显示为大于全量程下120 dB，虽然PCI-4450系列动态范围仅为93 dB。若您计算所有区间的总和，减去DC、谐波或其他峰值分量，并除以所使用窗口的噪声功率带宽，相对于全量程的噪声功率水平将为-93 dB左右。

由于噪声水平随f缩放，噪声测量的频谱通常显示为称作功率或振幅频谱密度的归一化形式。这将归一化功率或振幅频谱，使其可被1 Hz宽的方波滤波器测量，符合噪声水平测量的规范。接着读取每条频率线的水平，就像通过以该频率线为中心的1 Hz滤波器测量一样。

功率谱密度的计算方法如下：

频谱密度格式适用于随机或噪声信号，但不适用于离散频率分量，因为后者理论上带宽为0。

关于计算噪声水平和功率谱密度的最新信息，请参考LabVIEW帮助（见文末链接）的与频谱相关的计算章节。

5. 基于FFT的网络测量

单边互功率谱

单边互功率谱采取双边复数形式。为了转换为幅度和相位，可使用“极坐标至直角坐标转换”函数。为了转换为单边形式，可使用本应用笔记“将双边功率谱转换为单边功率谱”章节中的方法。单边形式的单位为伏特（或其他单位）rms平方。

当信号A和B是同一个信号时，功率谱等效于单边互功率谱。因此，功率谱通常称为自功率谱或自谱。单边互功率谱产生A和B的rms振幅，以及两个信号间的相位差。

当您学会如何使用构件后，就可以使用其他有用的函数，如“频率响应”函数。

关于单边互功率谱的最新信息，请参考LabVIEW帮助（见文末链接）的单边互功率谱章节。

频率响应和网络分析

三种用于描述网络频率响应特性的函数是：频率响应、脉冲响应和相干函数。

测量网络频率响应的方法是，对网络应用激励，如图12所示，并计算来自激励的频率响应和响应信号。

图12. 网络分析的配置

频率响应函数

其中A是激励信号，B是响应信号。

频率响应函数采取双边复数形式。为了转换为频率响应增益（振幅）和频率响应相位，可使用“极坐标至直角坐标转换”函数。转换为单边形式时，舍弃数组的后半部分。

您可以获取多个频率响应函数读数，取其均值。方法是，求单边互功率谱的平均值SAB(f)，即在转换为振幅和相位前，以复数形式累加，接着除以总数，如此继续。功率谱SAA(f)已经是实数形式，且通常已被平均了。

关于频率响应函数的最新信息，请参考LabVIEW帮助（见文末链接）的频率响应和网络分析章节。

脉冲响应函数

网络的脉冲响应函数是该网络频率响应函数的时域表现。它是在时间t = 0时对输入应用的脉冲产生的输出时域信号。

为了计算网络的脉冲响应，请使用本应用笔记频率响应函数章节中描述的双边复数响应函数的反FFT。

关于脉冲响应函数的最新信息，请参考LabVIEW帮助（见文末链接）的频率响应和网络分析章节。

相干函数

相干函数通常和频率响应函数一起使用，以显示频率响应函数测量的质量，并显示有多少响应能量与激励能量相关联。若响应中存在另一个信号，不论是来自过度噪声或其他信号，该网络响应测量的质量都较差。您可使用相干函数确定过度噪声及因果关系，即哪些信号源影响了响应信号。相干信号的计算方法如下：

结果是相对频率的一个0到1之间的值。给定频率线的结果为0，表示响应和激励信号间无因果关系。给定频率线的结果为1，表示响应能量100%是由激励信号造成的， 即该频率无干扰。

相干函数要求两个或更多激励及响应信号读数的平均值，才可得出有效结果。只有一个读数时，该函数在所有频率得出统一结果。为了计算单边互功率谱SAB(f)的平均值，将其在复数形式中求平均值，接着按照本应用笔记的频率响应函数章节所示转换为振幅和相位。自功率谱SAA(f)和SBB(f)已经是实数形式，您只需正常对其取平均即可。

关于相干函数的最新信息，请参考LabVIEW帮助（见文末链接）的频率响应和网络分析章节。

频率响应测量的信号源

为了获得良好的频率响应测量结果，关注的频率范围内必须存在明显的激励信号。两种常用信号包括chirp信号和宽带噪声信号。Chirp信号是从开始频率扫向截止频率的正弦信号，因此在给定频率范围内产生能量。白噪声及伪随机噪声拥有平坦的宽带频率谱，即能量存在于所有频率。

分析频率响应信号时，最好不要使用窗口。若您以采集响应的速率生成chirp激励信号，采集框大小可符合chirp信号的长度。对应宽带信号源，无窗口通常是最好的选择。因为一些激励信号在时间记录的频率中不是常量，使用窗口可能将模糊某些瞬时响应的重要部分。

6. 总结

分析和测量来自插入式DAQ设备的信号时，需要考虑多种因素。用户很容易在频谱测量上犯错误。用户需要理解基于FFT的测量涉及的基本运算、知道如何抗混叠、学习合理缩放和转换为不同单位、选择使用正确的窗口，并学习如何使用基于FFT的函数进行网络测量，这些对于完成分析和测量任务十分重要。学习了这些知识，并使用本应用笔记中介绍的工具，可助您在自己的应用中取得成功。