Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
vuoi
o PayPal
tutte le volte che vuoi
DANL
DANL è l’acronimo di Displayed Average Noise Leve, ovvero livello di rumore medio visualizzato. Anche in
assenza di segnale in ingresso, l’analizzatore di spettro visualizza un piedistallo di rumore (DANL o “noise
floor”). All’interno dello strumento si genera rumore, da parte di alcuni componenti, che si riflette poi sul
video. Il contributo di rumore più significativo sul display è quello che arriva dagli stadi di ingresso dello
strumento piuttosto che dagli stadi finali: proprio lo stadio di supereterodina che è quello più imputato per
questo tipo di problematica. Quindi se il segnale in ingresso non è stato inserito, noi non vedremo mai un
display vuoto ma verrà visualizzato un certo rumore. Il livello di rumore dipende dall’attenuazione in
ingresso e dalla RBW. In figura è rappresentato un tipico esempio di rumore che viene visualizzato su un
analizzatore di spettro in assenza di segnale di ingresso.
Vediamo ora la dipendenza dall’attenuazione in ingresso osservando la figura successiva.
Il primo attenuatore serve a garantire che la potenza in ingresso al mixer sia adeguata. Quello che si deve
fare è attenuare e poi amplificare il segnale della stessa quantità , in modo tale che il livello del segnale in
ingresso appaia a video non modificato, ed è quello che è visualizzato nei due andamenti sopra mostrati.
Nonostante l’attenuazione differente, il livello del segnale è rimasto invariato: questo non cambiamento è
dovuto al fatto che c’è stata un’amplificazione a frequenza intermedia di 10 dB. Una cosa importante da
notare è che si è sollevato il livello del rumore di 10 dB perché il rumore, essendo generatore internamente,
non subisce l’attenuazione in ingresso ma subisce solo l’amplificazione a frequenza intermedia. Ecco perché
il livello del rumore dipende dall’attenuazione in ingresso. Il sollevamento del noise floor è proporzionale
all’attenuazione. Quale è, invece, l’effetto della resolution bandwidth? Ho un filtro a frequenza intermedia
che ha una certa banda, il rumore è larga banda, quindi il nostro filtro tirerà fuori una potenza di rumore
che sarà proporzionale alla sua banda, in particolare alla sua banda equivalente di rumore. La potenza in
uscita aumenta proporzionalmente con l’aumentare della banda del filtro di conseguenza è lecito aspettarsi
che se si ha una certa componente che emerge da un certo noise floor con una resolution bandwidth di
1KHz, la stessa componente la vedrò in un noise floor decisamente più alto se aumento la resolution
bandwidth a 10 KHz e le cose andranno ancora peggio se porto la resolution bandwidth a 100KHz, come
mostrato di seguito.
La componente si continua a distinguerla ma il noise floor è decisamente più intenso. Aumentare di un
ordine di grandezza la resolution bandwidth significa aumentare di 10 dB il livello del rumore sul video. In
∙
generale la banda equivalente di rumore è proporzionale a .
Sensibilità
Se ho un noise floor che viene visualizzato anche in assenza di segnali in ingresso vuol dire che se io avessi
in ingresso un segnale con un’unica componente spettrale, il livello di questa componente spettrale deve
essere superiore al livello del noise floor per poter esser vista (perché altrimenti sarebbe immersa nel
rumore e quindi non verrebbe distinta sul display), di conseguenza occorre necessariamente
sapere/conoscere il livello del noise floor per poter poi stabilire quale è il livello minimo che devo avere in
ingresso per poter poi visualizzare l’eventuale componente presente. Quindi possiamo definire la
sensibilità come la più piccola ampiezza che può assumere una componente spettrale per poter essere
distinta rispetto al noise floor. La sensibilità coincide con il DANL esibito in assenza di attenuazione in
ingresso e minima RBW. Se voglio lavorare sul minimo livello in ingresso devo lavorare nelle condizioni che
mi garantiscono il minimo noise floor (minima attenuazione a radiofrequenza e la minima resolution
bandwidth disponibile sull’analizzatore di spettro). Ma perché pari proprio al DANL? Qui entra in gioco il
filtro video: se la video bandwidth è molto minore della RBW si può fare un deciso filtraggio sul noise floor
in modo tale che un eventuale componente il cui livello è pari proprio al noise floor emerga del minimo
necessario per poter essere distinta . Modificando la banda del filtro video (VBW) e rendendola minore
della RBW si riesce a diminuire l’escursione picco-picco del rumore rendendo maggiormente distinguibile il
segnale utile.
Avere un DANL basso vuol dire avere un’attenuazione ed una RBW bassa.
Lezione 4: Analisi Spettrale Numerica (aspetti teorici)
Argomenti: a. Elaborazione numerica dei segnali di misura;
b. Aspetti teorici su:
a. Discrete Fourier Transform (DFT)
b. Fast Fourier Transform (FFT)
c. Misurazioni con la FFT.
Elaborazione numerica dei segnali di misura
L’elaborazione si divide in 4 passi fondamentali.
1° passo: campionamento
Campionare un segnale significa prelevare i suoi valori in determinati istanti di tempo, in particolare il
campionamento si dice uniforme quando i valori sono prelevati ad intervalli regolari. Nel momento in cui
campioniamo un segnale, il segnale diventa, da continuo nel tempo e continuo nelle ampiezze, a discreto
nel tempo (perché i valori sono stati prelevati in determinati istanti di tempo) ma ancora continuo nelle
ampiezze. Bisogna cioè discretizzare il segnale, cioè avere un numero finito di informazioni in un tempo
finito. Come discretizzo il tempo? Tramite il campionamento. L’operazione di campionamento è svolta dal
Sample&Hold. Come discretizzo le ampiezze? Tramite la quantizzazione, che rappresenta il 2° passo.
2° passo: quantizzazione
I valori acquisiti del segnale devono essere opportunamente quantizzati, cioè bisogna associare ad ogni
valore del segnale acquisito un particolare numero. Questa operazione è svolta dai cosiddetti convertitori
analogico/digitale: sostanzialmente hanno un intervallo di valori su cui operano, dividendolo in tanti
intervalli uniformi, ciascuno dei quali ha un’ampiezza che è detto passo di quantizzazione. Quantizzare un
segnale vuol dire associare ad un valore continuo in ingresso un valore discreto in termini di qual è
l’intervallo nel quale rientra il valore continuo a cui stiamo facendo riferimento.
Campionamento + quantizzazione = digitization. Si va a lavorare con la velocità di campionamento, detta
anche sample rate, indicata come campioni al secondo.
3° passo: elaborazione
È l’applicazione di determinati algoritmi sui campioni in forma numerica: una volta ottenuti i campioni in
forma numerica perché il segnale è diventato discreto nel tempo e discreto nelle ampiezze, si hanno dei
valori numerici su cui poter lavorare, cioè elaborarli in maniera opportuna per ottenere informazioni
relativamente al contenuto spettrale del segnale. Quest’elaborazione è generalmente svolta dal Digital
Signal Processor (DSP).
4° passo: estrazione delle informazioni
Si basa appunto sull’estrazione, tramite appropriate procedure di misure, delle informazioni di interesse:
ampiezza e frequenza delle componenti spettrali e, in aggiunta, anche la fase delle componenti spettrali.
Una delle differenze sostanziali tra analisi spettrale analogica ed analisi spettrale numerica è che la prima
non ci dà informazioni sulla fase delle componenti spettrali mentre la seconda si. È bene tenere in conto
che l’elaborazione lavora sempre su una finestra limitata del segnale. Infatti, elaborare significa anche
operare con una sequenza di campioni di durata limita, definito Time Record (TR): in figura è mostrato bene
questo concetto. La durata limitata è dovuta anche al fatto che i campioni devono essere poi memorizzati
in una memoria avente dimensione limitata.
Conserviamo nella memoria un certo numero di campioni che rappresentano una finestra limitata del
segnale di ingresso: elaboriamo, cioè, solo questi campioni, cercando di ottenere da essi le informazioni che
ci interessano. Poiché stiamo osservando solo una piccola parte, la procedura di elaborazione devono fare
in modo che i valori ottenuti si avvicinino quanto più possibile a quello del segnale originario, ovvero avere
informazioni su tutto il segnale.
Il Time Record lo si può definire nel seguente modo:
= = ∙
dove è la frequenza di campionamento, il numero di campioni presenti nella finestra temporale e il
tempo di campionamento.
Aspetti teorici
DFT
Ipotizziamo di lavorare con un segnale s(n), con n variabile temporale discreta, a tempo discreto e durata
limitata, avente N campioni in tale finestra di durata limitata. Il processo di analisi è il seguente, nota come
equazione di analisi: ( )∙ 0≤ ≤ −1
( )= 0 ( ) vengono
I risultati in uscita alla DFT sono N così come sono i valori in ingresso: i singoli valori
chiamati bin, valore complesso. L’equazione inversa prende il nome di equazione di sintesi, ed è:
1 ( )∙ 0≤ ≤ −1
( )= 0
Come lavora la DFT? → si deve discretizzare nel tempo e nelle ampiezze il segnale,
Segnale di ingresso continuo nel tempo →
quindi campionamento e quantizzazione applico la DFT ottenendo in uscita i campioni dello
spettro (bin) del “segnale in ingresso”. La principale assunzione della DFT è la seguente: il segnale
di cui la DFT fornisce i bin deriva dalla replica del time record lungo tutto l’asse temporale, come
mostrato nell’esempio sottostante:
con queste procedure si ottiene praticamente lo spettro del segnale in ingresso alla DFT, cioè la replica del
time record su tutto l’asse temporale: lo spettro di questo segnale è legato ai campioni dello spettro del
segnale originario. Si può notare dunque che la DFT lavora su segnali a tempo discreto e periodici mentre la
trasformata di Fourier a tempo discreto lavora con segnali a tempo discreto ma aperiodici.
In genere valgono le seguenti relazioni: →
→
→ ℎ
→ ℎ
Di numero finito perché il periodo è finito
FFT
È un algoritmo per la valutazione veloce della DFT, denominato anche “algoritmo a farfalla”. È
( )
∙
caratterizzata da un carico computazionale estremamente ridotto se confrontato con quello
derivante dalla DFT, cioè . Il vincolo importante è che deve essere una potenza di 2. La FFT prende in
( ))
ingresso campioni reali restituendo valori complessi, in particolare restituisce parti reali ( ed
( )), 2
N parti immaginarie ( quindi si hanno in total