【導(dǎo)讀】怎么理解諧波分析（FFT）？本文將通過常用例子介紹傅立葉變化，以及計算過程中遇到幅值泄漏和柵欄效應(yīng)，加窗函數(shù)原則和最后修復(fù)幅值、頻率的基本原理，并給出其在高端測量儀器中的應(yīng)用。
隨著技術(shù)的發(fā)展，數(shù)據(jù)越來越多樣化，不再以單一的形式存在，例如一段錄音可被分解成若干種信息，而快速傅立葉變化（簡稱FFT）常常被應(yīng)用在數(shù)據(jù)的分解上，接下來我們講講FFT的原理。
什么是FFT？
快速傅立葉變化簡稱FFT，其實FFT就是DFT（離散傅立葉變化）的一種快速算法，通過時間抽取或頻率抽取算法來加快變化過程，具體的算法就不在這里拓展，我們只要了解離散傅立葉變化即可。舉個簡單的例子，假如手機里正在播放一首音樂，隨著時間的推移，歌曲是不是按照它的音符播放呢？若以高低音作為縱軸，時間左右橫軸建立直角坐標得到（圖1-1），以音符作為橫軸建立直角坐標得到（圖1-2）。
圖1 生活中FFT例子
我們稱圖1中圖1-1為時域，圖1-2稱為頻域，數(shù)據(jù)由時域轉(zhuǎn)換為頻域的過程我們稱為傅立葉轉(zhuǎn)換（圖2），由于轉(zhuǎn)換后的頻域數(shù)據(jù)是不連續(xù)的，所以為離散傅立葉轉(zhuǎn)換。其中轉(zhuǎn)換后得到的頻譜圖中頻率不為零且幅值最大的一般都是基波，也叫零次諧波。
圖2 時域到頻域
什么是頻率泄漏？
諧波分析一段采集時間較長的數(shù)據(jù)，需要將數(shù)據(jù)切成一幀幀進行分析，這個過程稱為信號截斷。信號截斷分為周期截斷和非周期截斷。這一點還是比較好理解，就是在數(shù)據(jù)切成一幀幀的時候，每幀數(shù)據(jù)是否為周期信號進而判斷是哪種類型截斷。如圖3顯示。
圖3 信號截斷
周期截斷不存在諧波泄漏，這是因為信號頻率成分為頻率分辨率的整數(shù)倍。非周期截斷如圖所示，由于重新組成數(shù)據(jù)進行諧波分析幅值出現(xiàn)拖尾，即會造成如圖3-2頻譜圖的現(xiàn)象，所以信號的非周期截斷，導(dǎo)致頻譜在整個頻帶內(nèi)發(fā)生了拖尾現(xiàn)象，由于能力守恒最終導(dǎo)致幅值比原來的低，這就是幅值泄漏。
柵欄效應(yīng)
柵欄效應(yīng)指的是離散傅立葉變化過程的頻譜被限制在基頻整數(shù)倍處，猶如柵欄一樣關(guān)注的頻率主要分布在木塊之間，如圖4所示。
圖4 柵欄效應(yīng)
窗函數(shù)及類型
前面已經(jīng)了解泄漏問題，我們可以通過加合適的窗函數(shù)來盡可能減少頻譜拖尾的現(xiàn)象，那么什么是窗函數(shù)呢？簡單理解就是不同的信號截斷函數(shù)如圖5所示，常見的窗函數(shù)有以下幾種：
圖5 窗函數(shù)類型
矩形窗相當為沒加窗，常用于周期信號；信號隨機或未知，或者多個頻率分量，測試關(guān)注是頻率而非能量大小，則選擇漢寧窗；對校準目的，要求幅值精準，適用平頂窗；如果要求幅值頻率的精度，則選擇凱塞窗；檢測兩信號頻率相近，幅值不同的，建議用布萊克曼窗。
加窗后幅值和頻率修正
通過前面已經(jīng)了解加窗函數(shù)可減少泄漏現(xiàn)象，但頻率柵欄效應(yīng)沒得到修復(fù)，加窗后幅值泄漏現(xiàn)象也只得到緩解，那么可以通過插值算法來得到一個準確的幅值和頻率。算法原理是各個頻率成分主瓣形狀將近似窗函數(shù)頻譜的主瓣形狀，如果這形狀可以用某個函數(shù)來描述，則可利用主峰兩側(cè)的譜線通過插值計算出主峰的高度，從而克服柵欄效應(yīng)。具體的推導(dǎo)可查看《Hanning窗在插值FFT算法中應(yīng)用的研究》這一文獻。
支持諧波分析的高端儀器
圖6 ZDL6000示波記錄儀
示波記錄儀ZDL6000支持波形離線和在線的諧波分析，離線最高可支持10M一幀進行FFT分析，支持多種窗函數(shù)設(shè)置，支持多個通道同時計算且支持回讀數(shù)據(jù)進行分析，如圖7。
圖7 離線FFT分析
在線支持最高采樣率2M，多個通道同步采集計算分析，每幀數(shù)據(jù)分析周期可設(shè)置1~100ms，支持分析15次諧波，并自動刷新保存導(dǎo)出csv文件。如圖8所示。
圖8 在線FFT分析
得到的諧波分析結(jié)果支持二次運算，可自動導(dǎo)出csv等強大功能。
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進行處理。
推薦閱讀：
電源設(shè)計：如何利用波特圖來滿足動態(tài)控制行為的要求
