PQ测量技术基础知识与应用.pptVIP

频谱分析原理 ● 时域与频域之间的关系 右图形象地反映了时域与频域之间的关系 图a)为时间、频率与幅值之间的三维关系。 图b)为时域图。 图c)为频域图，其中每条线代表了一个正弦波。 ● 频谱分析示意图 频谱分析方法 在60年代FFT出现之前，频谱分析的模拟实现方法如下所示。右图a为对同一输入信号采用一组并联的带通滤波器。带通滤波器组的输出幅值就得出了图b所示的频谱分析结果。 频谱分析仪是滤波器的组合，频谱分析结果为一组具有不同中心频率的带通滤波器组的输出。 带通滤波器的中心频率：f0 滤波器的带宽：f2-f1 带通滤波器的高低端截止频率：f1,f2 FFT分析的优点 右图中，从时间域波形图上看起来就是一个正弦波，无法观察到其中包含的幅值较小的其他信号成分。但从频率域图可以明显分辨出其中的小信号成分来。 ● FFT相位分析结果的重要性 ● FFT分析的优点 频谱分析或谐波分析结果中，不仅有幅值频谱，还有相位频谱。 下图显示出，由三个正弦波合成的波形，如果移动其中一个高频正弦波的相位，则合成波形与原始波形的差异就非常大。 ● IEC谐波标准对A类测试仪器的谐波相位测量误差有相关精度要求。 典型信号的频谱 正弦波、方波、暂态过程、脉冲信号的频谱。 FFT的应用 ● 线性频谱应用实例：固有频率分析 例：桥梁的自振频率测量等 列车通过大桥时，桥梁墩台的振动波形及其功率谱与幅值谱分析结果 例：空调机室内噪音的功率谱分析及简单噪声源的定位 主要噪声源出现在110Hz处 ● 所有型号的190C彩色示波表都包括基于快速傅立叶变换（FFT）的频谱分析功能。这就使得用户识别信号中的个别频率成份成为可能。利用频谱分析功能，还可以揭示振动、信号干扰或串扰的影响。自动的窗口函数能确保最佳的加窗，当然，用户也可以手动选择更适合的时间窗。 FFT分析时间与窗函数 ● FFT为什么要加窗函数？ 泄漏：对有限点数的波形数据作FFT分析与对原始信号的分析结果存在差异。 对波形的截断产生了泄漏问题。 使用窗函数可以减少泄漏。 ● 时间窗的影响 FFT计算基于周期信号，即假定信号一直是重复性的。 对于暂态信号没有问题。但是，如果信号是连续信号，例如正弦波的情况，FFT分析时数据块的选取就有问题了。如下图所示，实际信号是连续正弦波，如果精确地选定FFT数据块的起点和终点，该取出的数据块能匹配原始波形，分析结果准确。 FFT分析时间与窗函数（2） 通常情况下，对于周期性的原始波形，取出的数据块很难保证其原始的周期性。如下图C所示，FFT分析结果将认为此波形不是正弦波，而是严重畸变、包含很多频率成分的波形。实际原始波形（图a）的频谱结果应该是一条单线，但从图b的数据块计算得出的FFT频谱将完全不同。 例：实际的测量结果。图a的波形数据块选择保证了信号的周期性，其分析结果（图b）是正确的。图c的FFT分析结果为图d所示，功率扩散到整个频谱段，泄漏非常严重。 FFT分析时间与窗函数（3） ● 加窗函数后的结果 使数据块的起点与终点数值接近于零，保证数据块对于原始波形的周期性。 实测结果表明，窗函数有效地减少了泄漏现象。 FFT分析时间与窗函数（4） ● 如何选择窗函数？ 对于连续信号，汉宁窗有很好的分析结果。然而，对于暂态信号的FFT分析，不能使用汉宁窗或平顶窗。如下图所示，汉宁窗反而丢失了暂态现象的一些特征。 分析暂态过程应该使用矩形窗。矩形窗相当于FFT数据块的选取过程加了幅值为1。下图a为暂态过程不加窗时的正确结果，显然，暂态现象中能量应该分布在很宽的频域上。下图b为暂态过程使用汉宁窗的情况，结果看起来更像是一个正弦波的频谱，这显然是错误的。 FFT分析时间与窗函数（5） ◎ 矩形窗：适合于暂态信号的分析，例如脉冲波形，其幅值在时间窗内已完全衰减。 从右图可以看出：矩形窗对连续信号不合适。其功率谱旁瓣较多，泄漏较大。 ◎ 汉宁窗：适合于连续信号的分析，因为汉宁窗函数可以使信号在窗函数的起始点、终止点逐步衰减至0。汉宁窗的频率分析精度较高，但幅值精度较低。 从下图可以看出，对于连续信号的分析，汉宁窗的功率谱主瓣较窄，即频率分辨力很强，中心频率可以准确定位。 ◎ 平顶窗：适合于连续信号的分析，因为平顶窗函数也可以使信号在窗函数的起点、终点逐步衰减至0。平顶窗的频率分析精度较低，但幅值精度较高。 从下图可以看出，平顶窗的功率谱主瓣较宽，频率分辨力较差一些。 正弦波 时间窗 积分 功率谱 与汉宁窗相比，平顶窗降低了频率分析精度。 应用总结： 窗函数的选取原则 — 使泄漏效应最小。 通常做法 — 暂态波形