在时域仪器上进行频域测量的方法 技术领域 本发明一般涉及示波器上的信号测试和测量。
优先权要求
本 申 请 要 求 于 2009 年 7 月 24 日 提 交 的 (P.E.Ramesh 等 人 的 ) 题 为 A SYTEM AND METHOD OF MAKING THE FREQUENCY DOMAINMEASURMENTS ON THE TIME DOMAIN ACQUIRED WAVEFORMBY USING THE BUILT IN FFT SPECTRAL ANALYSIS 的印度临时专利申 请 序 列 号 1711/MUM/2009 和 于 2009 年 10 月 20 日 提 交 的 (P.E.Ramesh 等 人 的 ) 题 为 A SYTEM AND METHOD OF MAKING THE FREQUENCYDOMAIN MEASURMENTS ON THE TIME DOMAIN ACQUIREDWAVEFORM BY USING THE BUILT IN FFT SPECTRAL ANALYSIS 的印度专利申请序列 号 1711/MUM/2009 的优先权。
背景技术 日益增加的数据速率要求在传输接收中使用的设备以及介质符合各种标准以便 保持信号的准确性。因此， 所需要的能够进行此类测量的测试和测量设备必须考虑由现有 技术施加的这些增加的要求。
例如， 10GBASE-T 使用 4 对传输线并通过在每对上传输 2.5GB/s 以 10GB/s 的数据 速率操作。10GBASE-T 的意图是通过现有电缆基础设施以 10GB/s 的速度操作。然而， 由于 更大的带宽， 存在来自相邻信道的明显更多的串扰。因此， 谨记这个问题， 已经以对信号的 抑制足以使得能够用 Cat6a 和 Cat6e 电缆来载送信号这样的方式设计了数字信号处理器。 10GBASE-T 在每对中使用 16 级 PAM 信令， 以数字方式对信号进行处理、 编码， 并且然后将每 个符号转换成 PAM 16 个值之一， 之后进行传输。
参照图 1， 通过测量无杂散动态范围 (SFDR) 来确定 10GBASE-T 的线性度， 无杂散动 态范围 (SFDR) 是输入信号的电平与频谱中的最大失真分量的电平的比， 或者当如图 1 所示 将两个音调频率 (tonefrequency) 用于测量时为输入信号的电平与最大中间产物的电平 的比。
线性度确定可以区别于信号的失真分量的最小信号电平。 这还指示相对于原始信 号的数字输出保真度。杂散信号作为信号中的非线性性的结果而发生， 并且不一定是由于 输入信号的谐波而引起的。因此， 将其测量为基波信号振幅与在信号带宽或奈奎斯特带宽 内的频谱上发生的最大杂散峰值的比。
通常通过将示波器设置为接近满标度地显示基波信号、 而其它分量比满标度水平 低几个分贝来测量 SFDR。由于示波器的数据采集通道的数模转换器 (DAC)( 未示出 ) 的非 杂散可能不是输入信号的直接谐波。因此， SFDR 考虑所有失真源， 而不管它们的起 线性性， 源如何。
在 10GBASE-T 中， 对由被测设备 (DUT) 生成的两个音调信号测量线性度。这两个 音调是在频率上相对靠近的 f1 和 f2 ； 二阶和三阶互调失真 (IMD) 产物在感兴趣的频带中 出现。这表现为小频率分量 ； 如果 IMD 产物混叠 (alias)， 则其将掩蔽杂散。因此， 重要的
是设置必要的采样率以使得 IMD 将不会掩蔽该杂散。
无杂散动态范围 (SFDR) 反映在杂散信号使基波信号失真之前 DAC 的可用动态值。 SFDR 是从 DC 到 DAC 的全奈奎斯特带宽、 在基波与最大谐波或非谐波相关杂散之间的振幅差 异的度量 ( 这里在实验设置中， 时钟速率是 800MHz， 因此在从 1MHz 到 400MHz 的频率范围内 测量 SFDR)。
在这种情况下， 将频率跨度设置为 400MHz 以覆盖信道的带宽。通过操作被测设备 (DUT) 以生成两个音调信号的不同组合来测量 SFDR。使用频谱分析仪来执行此测量， 其中， rd 使用峰值检测特征来设置跨度 RBW。基波和杂散两者被识别为三个峰值 (3 peak)， 前两 个峰值表示两个音调基波频率， 第三峰值是杂散。如图 2 所示， 基波与第三峰值之间的差是 SFDR 值。
如可以看到的那样， 基波信号非常接近于 0dB， 而第三峰值 ( 杂散 ) 比基波信号低 约 -67dB， 对于这两个音调信号而言， SFDR 约为 67dB。 发明内容
本发明的目的是使得用户能够在实时示波器上执行多个测量。
据此， 本文的实施例描述一种使得用户能够在实时示波器上执行多个测量的系统和方法。 在本文的一个实施例中， 所述实时示波器可以具有内置 FFT 频谱分析仪。对时域 采集的波形进行频域测量， 以便用户能够单独使用示波器来执行顺应性测量 (compliance measurement)。 通过藉由在时域示波器上取平均来改善动态范围、 噪声基底、 和测量准确度 而使来自示波器的测量的结果变得与频谱分析仪相当。
所述多个测量包括但不限于跌落 (droop)、 抖动、 和时钟频率的时域测量、 以及线 性度、 PSD、 和功率电平的频域测量。
为了改善噪声基底， 保持正在测量的信号的采样率不是任何音调频率的倍数， 从 而将噪声相等地散布到高达 Fs/2 的频率范围上， 其中， Fs 是采样率。
所述取平均包括在谱域上的线性平均， 其将 N 个频谱与相等的加权相组合。
通过包括以下步骤的算法根据频谱波形来测量 SFDR ： 找出两个音调频率的峰值 ； 找出频谱上的第三峰值 ； 测量较低振幅音调与第三峰值之间的频谱电平 ； 以及将测量值与 基于识别的音调频率所达到的极限值相比较并给出通过或失败的判定。
根据附图和以下的详细说明， 本发明的其它目的、 特征和优点将变得显而易见。
附图说明 将对本发明的实施例进行参考， 其示例可在附图中示出。这些图意图是说明性的 而非限制性的。虽然大致在这些实施例的背景下描述本发明， 但应理解的是并不意图将本 发明的范围局限于这些特定实施例。
图 1 示出杂散频率动态范围的概念。
图 2 示出使用频谱分析仪的杂散频率动态范围测量。
图 3 示出在本发明的一个实施例中使用的两个音调频率测量的极限。
图 4 示出采样时钟与输入频率的比对 SFDR 的影响。
图 5A 和 5B 示出根据本发明的一个实施例的在 3.13Gs/ 秒下测量的 SFDR 和在 25Gs/ 秒下测量的 SFDR。
图 6A 和 6B 示出根据本发明的一个实施例的取平均的效果。
图 7 示出在本发明中使用的窗口化技术的需要。
图 8A 和 8B 示出根据本发明的一个实施例的窗口化的效果。
图 9 示出根据本发明的一个实施例的用于通过使用内置的 FFT 频谱分析对时域采 集的波形进行频域测量的方法。
图 10 示出根据本发明的一个实施例的线性度测量曲线图。
图 11 示出用于理解本发明的跨越许多频率点的峰值能量散布。 具体实施方式
为了更好地理解， 使用特定示例性细节来解释本文所述发明。 然而， 本领域的技术 人员可以在不使用这些特定细节的情况下理解并实施所公开的发明。 可以在各种类型的数 字存储示波器中实现本发明。此外， 可以以硬件以及软件实现本发明。
描述了通过使用内置的 FFT 频谱分析对时域采集的波形进行频域测量的系统和 方法。本发明使得用户能够使用实时数字存储示波器来执行所有测量。这涉及克服基于示 波器的频谱分析的限制， 使误差最小化， 并使结果与使用频谱分析仪实现的结果相当， 以便 客户能够单独使用示波器来执行顺应性测量。
本发明涉及通过在时域示波器上取平均来改善动态范围、 基底噪声、 和测量准确 度。
通常， 两个音调信号的振幅可能相差约 0.5dB， 极限基于频率值及其振幅。图 3 示 出测量的极限值且这需要基于具有较高幅值水平的音调来应用。
根据本发明的一个实施例， 这两个音调频率测量的极限如图 3 所示。
重要的是具有足够的动态范围和必要的噪声基底， 以便可以用良好的裕度来测量 信号。 对于此测量而言， 最小动态范围要求是～ 55dB。 有利的是， 本发明通过在示波器上改 善噪声基底来改善测量动态范围。
改善噪声基底 ：
量化噪声的分布在确定可以测量的最小电平中起重要作用。 如果采样频率是输入 信号频率的整数倍 (integral ofthe input signal frequency)， 则噪声将集中于基波频率 的谐波上。如果比值是奇数， 则量化噪声分布在所有频率上并改善动态范围。
图 4 示出采样时钟与输入频率的比对 SFDR 的影响。从图 4 可以清楚看到， 采样率 与基波频率之间的不相干性将 SFDR 改善约 16dBc。
因此， 对于此测量， 保证采样率不是任何音调频率的倍数。 通过选择采样率与信号 频率之比来使由于量化噪声而引起的伪象最小化。该噪声本质上不是整数倍的， 因此该噪 声将相等地散布在高达 Fs/2 的频率范围上。
此外， 使用具有 8 位模数 (A/D) 转换器的示波器并将信号设置为约 8 个满划分 (division)， 而不是 10 个划分以避免限幅。因此， 用于 8 个划分的数字电平的数目可以被 给出为 ：
Dls ＝ 8*25 ＝ 200 个电平。200 个电平对应于 7.645 位而不是 8 位。
因此， SNR ＝ 6.02*7+1.76 ＝ 43.76dB
即使 SNR 是 48dB， FFT 噪声基底也不是 SNR， 因为 FFT 的作用类似于具有 Fs*K/RL 的带宽的模拟频谱分析仪， 其中， RL 是针对 FFT 所考虑的数据点的数目且 K 是取决于所使 用的窗口函数的常数。
理论噪声基底将由于 FFT 的过程增益而充分地在量化噪声基底以下。
如果比所占用的信号带宽次数更多地过采样该信号， 则过程增益增大 SNR。
方程 (1)该过程增益显著改善 SFDR 的测量能力。在本申请中， 所选采样频率是 25GS/ 秒 (fs)， 带宽是 20KHz(BW)。
过程增益的此结果如下所示 ：
过程增益＝ 10*log(25e9/20e3) ＝ 57dB.
在本实施例中， 针对此测量谨慎地选择 2.5M 记录长度以实现期望的噪声基底。总 噪声基底是 57+43 ＝ 100dB ； 然而， 如图 5 所示， 示波器的噪声基底限于从 90 至 95dB。图 5 还示出执行线性度测量的信号保真度。根据本发明的一个实施例， 在图 5 中可以看出在 3.13GS/s 和 25GS/s 下对于给定信号的动态范围的测量。
如可以看到的那样， 与 25GS/s 相比， 噪声基底在 3.13GS/s 下更多， 其改善了 10dB 以上。类似地， 对于给定信号， 检测杂散电平的能力从 59dB 改善到 65dB( 改善了约 6dB 以 上 )， 通过增大采样率， 得到 7bB 的改善。
频谱平均 ：
图 6 示出根据本发明的一个实施例的平均的效果。
存在许多类型的平均。例如， 存在 RMS、 矢量、 峰值保持、 和线性平均。在这种情况 下， 将线性平均用于频谱平均， 因为线性平均将 N 个频谱与相等的加权组合。被测信号本质 上是不重复的， 因此在谱域内而不是时域内对信号取平均。 当线性平均正在进行时， 连续地 显示波形。此平均有助于降低来自高噪声基底的低幅值的噪声和频谱含量。频谱平均减小 噪声基底的变化， 并且如果信号具有明显从噪声基底突出的频谱分量。
窗口化 ：
图 7 示出在本发明中使用的窗口化技术的需要。当采样频率不是被测频率的倍数 时， 则发生频谱泄漏。根据本文的一个实施例， 在本测量中， 有意地不将采样率设置为信号 频率的整数倍， 因为本发明的要求是使量化噪声随机地分布于整个频率范围 Fs/2 上， 使得 其将不影响线性度测量。 在数据窗口的末端处发生的不连续性将由于所产生的旁瓣而导致 频域的泄漏。旁瓣如图 7 所示。
通过选择除矩形窗口之外的适当窗口函数来使得这些旁瓣最小化。这里， 将输入 样本乘以使数据的边缘为零值的窗口函数。根据本发明的实施例， 使用与矩形窗口相比清 楚地分离出频率分量的高斯窗。这在图 8 示出。
图 9 示出通过使用内置的 FFT 频谱分析对在时域中采集的波形进行频域测量的方 法的流程图。
根据一个实施例， 将该方法广泛地解释为包括以下步骤 ：找出两个音调频率的峰值 找出频谱上的第三峰值 测量较低振幅音调与第三峰值之间的频谱电平 将测量值与基于识别的音调频率所达到的极限值相比较并给出通过或失败的判定。 找出频谱峰值的方法详述如下 ：
频谱波形具有由基于采样率的频率间隔分离的数据点和针对频谱分析所考虑的 记录长度， 令 L 为时域中的数据点的数目。
为了测量 SFDR， 如图 10 所示， 识别三个峰值， 即 P1、 P2、 和 P3。通常， P3 将是基本 谐波频率的倍数。
此外， 使用直方图法来识别频谱分析上的最常见值。令时域中的信号为 v(n)， 其 中， n 从 1 变化到 L， 其中， L 是波形数据点的数目。
FFT(v(n)) ＝ V(x)， 其中， x 从 1 变化到 L/2。
每个记录点的 V(x) 表示在 k 的频谱值乘以频率样本。
频率样本间隔 Rbw ＝ Fs*K/L 方程 (2)
即使当时域信号被转换到频域时， 信号电平也散布在多个频率点上。不是频率频 谱中的所有数据点都将具有足够的振幅 ； 除了在音调频率和音调频率的倍数以及杂散频率 处， 大部分振幅将是低的。另外的振幅取在这里示出的最常见值作为噪声基底。
通过排序将 P1 识别为频谱数据的最大值。
V(x) 表示频谱波形。
阵列 SV(m) 是 V(x) 的排序值。在这里， 我们记录 ‘m’ 的每个值的索引 x。
P1 ＝ SV(0) 方程 (3)
P2 ＝ SV(1) 方程 (4)
现在， 还识别到 SV(0)、 SV(1) 是 V(x) 波形上的第 k 和 m 索引。在这种方法中， 来 回地从第 k 和 m 索引起对 V(x) 数据进行遍历， 直至达到最常见值为止。
Z 是频谱上的最常见值且只是噪声基底而已， 并且是使用上文对频谱电平应用的 直方图法获得的 ；
Z ＝ (V(x)) 的直方图 方程 (5)
不是峰值周围的所有频率点都具有另一峰值频率， 因为如图 11 所示， 峰值能量散 布在许多频率点上。这里， 峰值索引是 k， 但是此频率分量在频谱上的索引点 f 或 o 处返回 到噪声基底。因此， 频谱上的点 f 到点 o 对应于一个频率。
令 V(k-f) ＝ Z
令 V(k+o) ＝ Z，
现在使得
对于 x 从 k-f 到 k+o 值的所有值而言， V(x) ＝ Z
类似地对于 P2 而言， 也使得
对于 m-f 到 m+o 值， V(x) ＝ Z
再次将 V(x) 排序 ； 排序值是 SV(m)
P3 ＝ SV(0) ；
SFDR ＝ Min(P1， P2)-P3 ；
令频率样本间隔为 j， 则音调频率是
T1 ＝ j*k
T2 ＝ j*m
将所测量的 SFDR 与适用的极限值相比较， 并且如果该值小于极限值， 则其失败， 否则其通过。
已出于清楚和理解的目的描述了本发明的前述说明。 并不意图使本发明局限于所 公开的精确形式。意图仅仅由以下权利要求来限制本发明。