Phân tích phổ của tín hiệu trong miền tần số thấp.

1. Giới thiệu.
1.1. Biểu diễn tín hiệu trong miền thời gian và miền tần số.
1.2. Phổ là gì và tại sao phải phân tích phổ.
1.3. Các loại máy phân tích phổ.
2. Phép biến đổi Fourier.
2.1. Phép biến đổi Fourier cho tín hiệu liên tục.
2.2. Phép biến đổi Fourier cho tín hiệu rời rạc.
2.2.1. DTFT.
2.2.2. DFT và thuật toán biến đổi FFT.
3. Máy phân tích phổ dùng biến đổi Fourier.

Máy phân tích phổ dùng biến đổi Fourier là thiết bị phân tích tín hiệu ở tần
số thấp (khoảng dưới 100 kHz). Nó có khả năng phân tích cả tín hiệu tuần
hoàn cũng như không tuần hoàn và sẽ cho biết các thông tin về tín hiệu như
tần số, biên độ, pha. Dưới đây là sơ đồ khối của máy phân tích phổ dùng
thuật toán FFT. Đôi khi, sơ đồ này còn được gọi là sơ đồ khối của máy phân
tích tín hiệu động.

3.1. Quá trình lấy mẫu và số hóa tín hiệu vào.

Tín hiệu vào liên tục trong miền thời gian sẽ được lấy mẫu trước khi
số hóa và đưa vào bộ xử lý FFT. Việc lấy mẫu sẽ làm tín hiệu liên tục
được chuyển thành rời rạc trong miền thời gian và thông tin có thể bị
mất mát, do vậy, tần số lấy mẫu là rất quan trọng. Theo định lý lấy
mẫu Shannon, tần số lấy mẫu ít nhất cũng phải gấp 2 lần dải thông của
tín hiệu vào. Nghĩa là:

fs 2.Bin

Trong đó, fs là tần số lấy mẫu và Bin là dải thông của tín hiêu vào.

Do đó, dải thông của tín hiệu vào phải được giới hạn, nếu không, khi
tần số tín hiệu cao hơn một mức nào đó, sẽ xảy ra hiệu ứng alias. Để
tránh hiệu ứng này, tín hiệu cần phải được đưa qua một bộ lọc thông
thấp (low pass filter – LPF) trước khi nó được lấy mẫu. Khi đó, tần số
lấy mẫu phải thỏa mãn:

fs 2. fin,max

Trong đó, fin,max là tần số vào lớn nhất của tín hiệu sau khi đi qua bộ
LPF.

Bộ lọc tương tự này, về mặt lý thuyết, sẽ chỉ cho các tín hiệu có tần số
nhỏ hơn tần số Fc đi qua và hoàn toàn không cho các tín hiệu có tần số
cao hơn đi qua (hình 2a). Thực tế, sẽ không có sự dịch chuyển tức thời
như vậy khi đi qua tần số Fc mà biên độ của tín hiệu sẽ giảm dần về 0
khi đi qua tần số Fc (hình 2b). Đối với những tín hiệu tần số lớn hơn Fc
mà có cường độ lớn sẽ không bị suy hao hoàn toàn. Khi đó, những tín
hiệu này có thể sẽ gây ra hiệu ứng alias. Để tránh trường hợp này, ta
cần phải tăng tần số lấy mẫu, điển hình là tần số lấy mẫu sẽ gấp 4 lần
tần số vào tối đa.

Sau khi lấy mẫu, bộ chuyển đổi ADC sẽ tiến hành số hóa tín hiệu (hay
lượng tử hóa biên độ tín hiệu đã lấy mẫu). Bộ lấy mẫu tín hiệu phải
lấy mẫu ở các thời điểm cách đều nhau và giữ được chính xác điện thế
đầu vào đã đo được cho tới khi bộ ADC hoàn tất nhiệm vụ. Việc
lượng tử hóa này sẽ dẫn đến sự sai lệch giữa giá trị gốc và giá trị được
lượng tử hóa, và sai số này được gọi là nhiễu lượng tử hóa
(quantisation noise). Khi mà độ phân giải càng cao thì nhiễu lượng tử
hóa càng thấp.

Một vấn đề đặt ra là, khi chúng ta muốn thay đổi khoảng đo tần số của
máy phân tích phổ tín hiệu động ở trong hình 1, ta phải thay đổi tần số
lấy mẫu. Rõ ràng, một thiết bị đa năng như máy phân tích tín hiệu
động cần có khoảng đo tần số rộng, điển hình là từ 1 Hz đến vài trăm
kHz. Do đó, để giải quyết vấn đề này, chúng ta sẽ cần rất nhiều bộ lọc
LPF như trên hình 3. Điều này sẽ khiến giảm độ chính xác và tăng giá
thành.

Một phương pháp khác để giải quyết vấn đề này đó là sử dụng bộ lọc
số. Khi đó, chúng ta chỉ cần sử dụng một bộ lọc LPF cùng với bộ lọc
số, như trong hình 4 dưới đây. Gọi là bộ lọc số vì nó lọc tín hiệu sau
khi chúng ta đã tiến hành lấy mẫu và số hóa. Trong bộ lọc tương tự,
mỗi khi thay đổi tần số lấy mẫu của bộ chuyển đổi ADC, ta cần phải
sử dụng bộ lọc mới. Tuy nhiên, với bộ lọc số, chúng ta giữ cố định tần
số lấy mẫu của bộ chuyển đổi ADC và thay đổi tần số lấy mẫu của bộ
lọc số.
3.2. Bộ xử lý dùng giải thuật FFT.

Như đã thấy, biến đổi Fourier rời rạc cần N mẫu để tính toán cho việc
xác định phổ tần số. Để có N mẫu, ta cho tín hiệu đã được số hóa đi
qua mạch “cửa sổ” hoặc cũng có thể cho đi qua mạch “cửa sổ” trước
rồi mới số hóa. Tại đây, tín hiệu vào sẽ được nhân với hàm “cửa sổ”
nào đó. Quá trình này gọi là “cửa sổ hóa”. Trong ví dụ ở hình 5 dưới
đây, tín hiệu vào đã lấy mẫu (hình 5a) đem nhân với hàm cửa sổ. Ở
đây, ta sử dụng hàm “cửa sổ” hình chữ nhật (hình 5b), kết quả thu
được ở hình 5c.
Trong ví dụ ở hình 5, việc tính toán chính xác phổ tín hiệu là có thể
nếu hai điều kiện sau được thỏa mãn:

Tín hiệu phải tuần hoàn (với chu kì To).

Thời gian quan sát tín hiệu N.Ts phải là một số nguyên lần To.

Tuy vậy, trong thực tế, hai điều kiện này rất khó được đảm bảo. Từ đó
sẽ dẫn đến hiệu ứng phổ tín hiệu rộng hơn và lỗi về biên độ.

Tích của tín hiệu và hàm cửa sổ trong miền thời gian tương ứng với
tích chập trong miền tần số. trong miền tần số, độ lớn của hàm truyền
của hàm cửa sổ trong hình 5 là hàm sin:

sin 2 f .N .Ts / 2
W f NTs .
2 f .N .Ts / 2

ở đây, W( f ) là hàm cửa sổ trong miền tần số. NTs là chiều rộng của
cửa sổ.
Thêm vào giữa các cực đại, các điểm 0 ở những vị trí có f = 1/(NT s).
Việc lấy tích chập với hàm cửa sổ khiến phổ bị trải ra, vì thế nó trở
nên rộng hơn, hiệu ứng này gọi là hiệu ứng rò phổ. Nếu như tín hiệu
vào mà lầ tuần hoàn và thời gian quan sát là một số nguyên lần chu kì
thì không có hiệu ứng rò phổ, ngoại trừ tại tần số tín hiệu, các điểm 0
luôn luôn nằm trong lân cận của vạch tần số.. Nếu điều kiện này
không được thỏa mãn thì không có vạch tần số tương ứng với tần số
của tín hiệu. Trường hợp này có thể được thấy trên hình 6:
Bằng cách tăng thời gian quan sát có thể giảm được hoàn toàn độ rộng
của phổ trong khi độ phân giải đang ở mức cao nhưng sự sai lệch của
biên độ cực đại vẫn không thay đổi. Tuy nhiên, để giảm được cả độ
rộng của phổ và sai lệch biên độ, ta có thể sử dụng các hàm cửa sổ
khác tốt hơn.

Window function Biểu thức

uniform W(n) = 1
2n N 1
w n nếu 0 n
N 1 2
Bartlett
2n N 1
w n 2 nếu n N 1
N 1 2
1 2 n
Hanning. w n 1 cos
2 N 1
2 n
Hamming w n 0.54 0.46cos
N 1
2 n 4 n
Blackmann w n 0.42 0.5cos 0.08cos
N 1 N 1
 2 2
N 1 N 1
Io a n
2 2
Kaiser w n trong đó Io
N 1
Io a
2
là hàm Bessel bậc 0.

Số lượng các phép tính đòi hỏi trong phép biến đổi Fuorier có thể
được làm giảm bằng thuật toán biến đổi nhanh FFT.

Hoat động chung của hệ thống:

input LPF ADC window FFT display

RAM
Hình 7: cấu hình của máy phân tích dùng thuật toán FFT.

Tín hiệu vào được đi qua bộ lọc thông thấp. các tín hiệu có tần số thấp
được đi qua, còn các tín hiệu ở tần số cao bị giữ lại. Tín hiệu ra khỏi
bộ lọc thông thấp sẽ được lấy mẫu và lượng tử hóa biên độ. Tín hiệu
ra tiếp tục được đưa vào mạch “cửa sổ” để thực hiện việc chọn N điểm
cho quá trình biến đổi Fourier. Tại đây ta có thể chọn các hàm cửa sổ
khác nhau. Các điểm này được lưu trữ bởi một bộ nhớ RAM. Bộ xử lý
FFT sẽ dùng các dữ liệu ở RAM để tiến hành tính toán và đưa ra các
đáp ứng theo thuật toán biến đổi nhanh FFT đã được cài đặt. Tín hiệu
từ bộ xử lý sẽ được đưa tới card video của bộ hiển thị và tín hiệu được
biểu diễn trên màn hình.

Chú ý rằng, máy phân tích FFT không thích hợp cho việc phân tích
các xung tín hiệu như hình 8 dưới đây.
Kết luận: