博客
关于我
理解ThinkRF实时频谱分析仪的频域电平触发
阅读量:329 次
发布时间:2019-03-04

本文共 1253 字,大约阅读时间需要 4 分钟。

ThinkRF 实时频谱分析仪 频域电平触发机制

ThinkRF 实时频谱分析仪 (RTSA) 拥有嵌入式实时硬件触发机制,可让用户在频域中定义频率范围和功率电平阈值。若信号超出定义的频域范围或功率水平,触发机制将立即开始捕获时域数据。


频域电平触发机制

RTSA 的数字化仪硬件部分支持实时触发功能。用户可通过应用程序或 SCPI 命令定义捕获数据量和触发条件。触发后,FFT 引擎会提取 1024 个时域波形数据的顺序帧,并将其转换为频域波形数据。FFT 引擎采用 125 MHz 的采样时钟(8ns 周期),并通过固定等待时间 F(17.312μs)流水线化处理。

在示例中,若分析的频域信号满足触发阈值和范围,触发捕获逻辑会激活捕获标志。捕获引擎随后检测到下一个有效的 VRT 帧,并开始将数据保存到板载内存中以返回给用户。


触发 SCPI 命令

频域电平触发器可与跟踪块捕获或扫描捕获结合使用。

  • 跟踪捕获结合使用:发出以下命令:

    :TRIGger:LEVel fstart, fstop, level TRIGger:TYPE LEVEL level

    其中,fstartfstop 为频率范围(单位可为 GHz、MHz 或 Hz),level 为 dBm 单位的触发阈值。

  • 扫描捕获结合使用:发出以下命令:

    :SWEep:ENTRy:TRIGger:LEVel fstart, fstop, level SWEep:ENTRy:TRIGger:TYPE LEVEL level

  • 触发响应

    触发机制的响应范围为指定阈值的 ±3 dBm。例如,若设定触发电平为 -40 dBm,则响应范围为 -43 至 -37 dBm。

    注意:建议使用固件版本为 1.6.0 或更高的 R55x0,以及 1.1.0 或更高的 R57x0。早期版本请更新固件。


    触发数据捕获设置建议

    为减少捕获间隔,建议合理设置 VRT 帧大小。例如,若需捕获 32k 样本,可将 SPP 设置为 512,每个 PPBlock 为 64。


    触发约束

  • 性能优化:建议使用 SH/SHN 模式,因其具有最佳性能且无 IQ失衡。
  • 频域分辨率:在 1024 点 FFT 模式下,触发频率范围的分辨率可能与捕获 RBW 不完全匹配。
  • 误触发控制:若输入信号的功率电平接近触发阈值,建议使用 0 dB 突变衰减以减少误触发。

  • 参考资料

    有关详细信息,请参考相关文件。


    缩略词

    • ADC:模数转换器
    • DC:直流电
    • DD:直接数字转换器(基带)
    • FFT:快速傅立叶变换
    • FPGA:现场可编程门阵列
    • HDR:高动态范围(100 kHz IBW)
    • IQ:同相和正交
    • IBW:瞬时带宽
    • RF:无线电频率
    • RFE:接收器前端
    • RTSA:实时频谱分析仪
    • SCPI:可编程仪器的标准命令
    • SH:超级外差(40 MHz IBW)
    • SHN:具有更窄带宽的超外差(10 MHz IBW)
    • ZIF:零中频(100 MHz IBW)

    图片来源:ThinkRF 5X50

    转载地址:http://ybph.baihongyu.com/

    你可能感兴趣的文章
    NISP一级,NISP二级报考说明,零基础入门到精通,收藏这篇就够了
    查看>>
    NISP国家信息安全水平考试,收藏这一篇就够了
    查看>>
    NIS服务器的配置过程
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NiuShop开源商城系统 SQL注入漏洞复现
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>