Sei sulla pagina 1di 48

Analizzatori di Spettro

(raccolta di lucidi)
Introduzione

L’analizzatore di spettro è lo strumento fondamentale per l’analisi dei


segnali nel dominio della frequenza.

Questo dispositivo, che può essere sia analogico che digitale, basa il
suo funzionamento su diverse tecniche; le più comunemente impiegate
sono tuttavia solo due: la tecnica dello spazzolamento di frequenza
(analizzatore di spettro analogico) e quella della Trasformata di Fourier
(analizzatore di spettro digitale).

Oggi sul mercato è possibile trovare analizzatori di spettro stand-alone


o strumenti all-in-one che fungono oltre che, generalmente, da
oscilloscopi anche da analizzatori di spettro.
2
Con un analizzatore di spettro è possibile visualizzare il contenuto
armonico di un segnale, caratterizzare circuiti di vario tipo, misurare
rapporti segnale-rumore, verificare i livelli di emissione di disturbi EM di
dispositivi e apparecchi elettronici, ecc.

3
Il perché dell’analisi in frequenza …

Il modo più immediato per analizzare segnali, caratterizzare dispositivi


e circuiti, confrontare grandezze e parametri di vario tipo, è senza
dubbio quello di ricorrere a una visualizzazione nel dominio del tempo.
Lo strumento più comunemente utilizzato in questi casi è
l’oscilloscopio.

Il dominio del tempo, certamente il più immediato, risulta conveniente in


molte circostanze come, ad esempio, nelle misure di tempi di salita, di
tempi di assestamento, ecc. D’altronde, è facile verificare che la
visualizzazione nel tempo fornisce una "visione d’insieme" del segnale,
cioè tutte le diverse componenti armoniche presenti sono sommate e
visualizzate contemporaneamente.
4
L’analisi di Fourier,
invece, produce la
scomposizione della
forma d’onda
complessiva in
componenti spettrali
distinte aventi ognuna
un determinato valore di ampiezza, frequenza e fase.

Questo passaggio dal dominio del tempo a quello delle frequenze non
comporta nessuna perdita di informazione sul segnale ma solo una sua
diversa rappresentazione. Pertanto si può affermare che il dominio delle
frequenze, pur forse meno congeniale di quello del tempo, è in molti casi più
utile per lo studio di segnali e dispositivi.
5
Così, ad esempio, la visualizzazione all’oscilloscopio (dominio del tempo)
di un segnale con più armoniche non sarà quasi mai in grado di
evidenziare le diverse componenti né, tanto meno, le rispettive ampiezze:

A [V]
2.5

A [V] 0 1.5

-2
0.5
0 0.02 0.04 0.06
t [s]
0 100 200 300 400

f [Hz]

Invece l'uso di un analizzatore di spettro (dominio delle frequenze) produrrà


informazioni complete sul segnale:
x  t   2  sin  2    50  t  +1  sin  2    150  t  +1  sin  2    250  t 
6
Stesso discorso nel caso di segnale con disturbo ad alta frequenza:

A [V]
35

20
25

A [V]

15
-20

5
0 0.02 0.04 0.06
t [s] 0 400 800 1200

f [Hz]

dove, ricorrendo all’analisi nel dominio delle frequenze, si potrà scrivere:

x  t   30  sin  2    50  t  + 2  sin  2    1000  t 

7
Così anche nel caso di un piccolo segnale sinusoidale affogato in rumore:

x  t   5  sin  2    50  t  + n  t 

A [V]
30 4.5
A [V]

3.5
10 componente armonica a 50 Hz
invisibile nel dominio del tempo
2.5

-10

1.5

-30

0.5

0 0.04 0.08 0.12 0.16 0.2


t [s] 0 1000 2000 3000 4000

f [Hz]

in cui solo l’analisi in frequenza permette di far luce sulle varie componenti
presenti. Pertanto, le applicazioni dell’analisi spettrale possono coprire
8
… e alcune sue applicazioni

molteplici settori disciplinari (non necessariamente delle Misure) nei quali


lo spettro trova applicazione; esempi sono le Telecomunicazioni,
l’Elaborazione Numerica del Segnale, gli Azionamenti Elettrici, la
Geofisica, la Medicina, ecc.

Nei sistemi radio cellulari è molto importante controllare il contenuto


spettrale dei segnali trasmessi per evitare interferenze con altri sistemi che
operano sulle stesse bande di frequenza. Così come è fondamentale
effettuare misure di rapporto segnale-rumore nella caratterizzazione dei
dispositivi o, per i costruttori di apparecchi elettronici, verificare i livelli di
emissione con la frequenza (disturbi EM) nel rispetto di normative che
sono sempre più stringenti.
9
Analizzatori di spettro analogici e digitali

Fondamentalmente un analizzatore di spettro può pervenire alla


rappresentazione in frequenza di un segnale in due modi diversi:

• spazzolamento in frequenza (analizzatori swept-tuned)


• trasformata di Fourier veloce (analizzatori real-time)

Il primo metodo, per il quale la tecnica a super-eterodina è la più


implementata, consiste, sostanzialmente, nell’ottenere una versione
traslata in frequenza in una banda diversa da quella di partenza delle varie
componenti armoniche del segnale, laddove saranno poi filtrate da un
opportuno filtro passa-banda. Questa tecnica è utilizzata per la
realizzazione di analizzatori di spettro analogici.

10
Il secondo metodo digitalizza il segnale nel dominio del tempo e produce la
rappresentazione in frequenza ricorrendo alla trasformata di Fourier
discreta per un numero finito di campioni. Il risultato pratico di questa
operazione è un filtraggio parallelo contemporaneo su tutta la banda di
frequenza utile. Una tecnica di questo tipo permette la realizzazione di
analizzatori di spettro digitali.

I vantaggi di questa tecnica sulla precedente sono in genere i) un


miglioramento significativo della velocità (tanto che gli analizzatori che la
impiegano sono anche detti "real-time"), ii) la possibilità di caratterizzare
segnali single-shot (conseguenza del punto precedente) e iii) la possibilità
di misurare fase e ampiezza di ogni singola armonica.

Di contro gli svantaggi rispetto al metodo a spazzolamento sono,


i) una minore banda, e ii) ridotti valori di sensitivity e di dynamic range.
11
2. Analizzatori di spettro digitali

Lo schema di un analizzatore digitale di spettro può essere ricondotto a 5


blocchi fondamentali:

Precondizio-
sensore namento
o analogico ADC Postelaborazione Display
trasduttore (amplificatori,
filtri)

Trasduzione: che avviene (se necessario) a livello di sonda


Preelaborazione: costituita da amplificatori elettronici, filtri anti-aliasing, filtri
passa-basso (per l’eliminazione del rumore) e passa-alto per l’eliminazione
della c.c. (è l’analogo del blocco di ingresso dell’oscilloscopio)
Conversione: ADC “veloce” o “velocissimo” (qualche GSa/s) con basse
risoluzioni (valore tipico: 8-12 bit);
12
Postelaborazione: applicazione di eventuali finestre di pesatura (finestre di
Hanning, Hamming, Kaiser, Flat-top, ecc.) e della trasformata veloce di
Fourier (FFT). Inoltre, calcoli sullo spettro (valore efficace delle singole
armoniche, valore efficace del “tappeto” di rumore, THD, ecc.)
Display: che visualizza il risultato dell’analisi spettrale

E’ quindi chiaro che il “cuore” dello strumento è il blocco di postelaborazione,


ossia quel blocco che si occupa dell’implementazione della trasformata di
Fourier (TdF). Per meglio comprendere il corretto funzionamento
dell’analizzatore di spettro digitale vale la pena richiamare alcune proprietà
fondamentali della TdF. E’ noto che la TdF di un segnale tempo continuo x(t) è
data da:


Xf  x  t   e  j2  f t dt


13
mentre la sua antitrasformata sarà:


x t    X  f   e j2  f t df


L’implementazione della TdF nel dominio del discreto (segnale campionato


con periodo Tc), come somma di un numero infinito di campioni porta alla
definizione della DTFT (Discrete Time Fourier Transform):

X  f   Tc  x  nT  e
n 
c
 j 2  f nTc X(f) è periodica di periodo 1/Tc (conseguenza
del campionamento)

A tale risultato si perviene semplicemente sostituendo, nell’espressione


della TdF, al posto della versione tempo continua del segnale x(t) la sua
versione tempo discreta (ovvero il segnale campionato) espressa come
treno di delta di Dirac, permutando l’integrale con la sommatoria (grazie
alla linearità) e applicando la proprietà campionatrice della delta.
14
Si noti che lo spettro così ottenuto è quello del segnale campionato, che
sappiamo essere alterato in ampiezza (da cui il fattore moltiplicativo Tc, per
ripristinare il livello) e periodicizzato di passo fc=1/Tc (per cui ha senso
studiarlo solo per valori di f compresi fra –fc/2 e fc/2, ovvero tra 0 e fc)
Chiaramente, dato che la memoria di un qualsiasi strumento reale è finita,
è necessario limitare la lunghezza del campione; ciò porta alla definizione
di trasformata discreta di Fourier finita (DFT):
N 1
X  mF    x  nTc   e  j2 nmF Tc
n 0

avendo indicato con N il numero di campioni, con Tc il periodo di


campionamento, con Tp=N Tc la durata del campionamento e con F la
risoluzione in frequenza data da:

Fc 1
F 
N NTc 15
In pratica si è osservato il segnale solo su una finestra di durata Tp e si è
supposto che quello osservato sia il singolo periodo di un segnale
periodico di periodo Tp. Di conseguenza lo spettro risultante è a righe con
passo in frequenza pari a F (da qui la comparsa del fattore mF al posto
della generica f). Per studiare lo spettro tra 0 e fc si avrà m = 0, …, N-1.
Anche in questo caso si potrà ricavare il segnale tempo-discreto di
partenza mediante la trasformata discreta inversa di Fourier (IDFT):
N 1 N 1
1 1
x  nTc  
N
 X  mF   e
m 0
j 2 nmF Tc

N
 X
m 0
 mF   e j 2 nm / N

In pratica la DFT stabilisce la relazione fra i campioni del segnale nel


dominio del tempo e la loro rappresentazione nel dominio delle frequenze.
Pertanto se si considerano N campioni nel tempo del segnale di ingresso
x(t):
16
x[ 0 ], x[Tc ], x[ 2Tc ], ..., x[( N  1 )Tc ]

la DFT, che produce la rappresentazione in frequenza del segnale, sarà


anch’essa composta da N campioni:

X [ 0 ], X [ F ], X [ 2F ], ..., X [( N  1 )F ]

x  nTc  X  mF 

0.8 0.9

0.4 0.7

0
DFT 0.5

-0.4
0.3

-0.8
0.1

0 10 20 30
0 10 20 30

dominio del tempo dominio delle frequenze

17
dove la distanza fra due campioni successivi nel tempo sarà pari al
periodo di campionamento Tc mentre la distanza fra due campioni nelle
frequenze sarà pari alla risoluzione spettrale F .

Per comprendere a fondo il funzionamento dell’analizzatore di spettro


digitale è ora opportuno richiamare alcune proprietà della DFT.

1. Il segnale discreto x(nTc) e la sua DFT X(mF) possono essere


considerati entrambi periodici di periodo N:

x[( n + k  N )Tc ]  x[ nTc ]

X [( m+ k  N )F ]  X [ mF ]

2. la DFT di un segnale x(nTc) reale è, generalmente, una funzione


complessa di F:
X [ mF ]  X re [ mF ] + j  X im [ mF ] 18
3. se il segnale x(nTc) è reale, la sua DFT ha modulo con simmetria pari
e fase con simmetria dispari (o, il che è lo stesso, la parte reale della
DFT di una funzione reale è una funzione pari di F mentre la parte
immaginaria è una funzione dispari di F):

X re  m

X re [  mF ]  X re [  N  m  F ]  X re [ mF ]

X im  m

X im [  mF ]  X im [  N  m  F ]   X im [ mF ]

19
Ritornando ora al problema della elaborazione della TdF nell’analizzatore
digitale di spettro e ricorrendo alle proprietà della DFT precedentemente
enunciate, si possono trarre due importanti conclusioni:

• l’analizzatore digitale di spettro elaborerà solo segnali reali nel tempo,


la sua DFT sarà complessa e conterrà le due informazioni di ampiezza
e fase:

X  mF   X  mF  e
j X  mF 

• inoltre, dato che il segnale sarà certamente reale, la sua DFT sarà
simmetrica rispetto all’indice N/2:

X [ mF ]  X [  N  m  F ] X [ mF ]   X [  N  m F ]

20
e ciò rende conto del fatto che la DFT di un segnale reale contiene
informazioni ridondanti nei suoi N campioni e che l’uso di N/2 campioni è
sufficiente per una completa rappresentazione del segnale in frequenza.

E’ ora semplice descrivere le modalità di funzionamento dell’algoritmo


DFT.

Si è visto che a un intervallo di campionamento pari a Tc secondi


corrisponde una risoluzione in frequenza F=Fc/N=1/NTc . Questo comporta
che alla k-ma uscita della DFT corrisponderà la componente armonica di
frequenza fk=k·F; le proprietà della DFT assicurano che solo la prima metà
dei suoi campioni portano informazioni indipendenti in quanto i rimanenti
N/2 sono ridondanti e contengono informazioni sulle frequenze negative.
Vediamo le cose in maggior dettaglio...

21
L'elemento X[0·F]=X[0]
rappresenta sempre la
3
componente continua del
segnale. Se N è pari
le righe X[1 ·F] …. X[(N/2-1) 2

·F] sono le componenti


spettrali utili, la riga X[N/2 ·F]
1
(che è effettivamente
presente) visualizza la
frequenza di ripiegamento o
0 5 15 25 31
di folding e le righe da N/2+1
a N-1 le frequenze negative,
che avranno ampiezze a due
componente
a due uguali ad altrettante continua
frequenze
positive
frequenza
di folding
frequenze
negative

componenti positive.
22
Se invece N è un numero 3

dispari, fondamentalmente
non cambia nulla per
2
l'interpretazione delle righe
spettrali se non il fatto che la
componente di folding non è 1

visibile perché in questo caso


N/2 è numero non intero.
0 5 15 25 30

componente frequenze frequenze


continua positive negative

23
Vale la pena di sottolineare che per ottenere un notevole risparmio di tempo
nell’elaborazione digitale l’implementazione della DFT viene fatta in modo
efficace tramite la FFT. Questo algoritmo (che fu originariamente proposto da
Cooley e Tukey), è efficace quando N è potenza di 2, e sfrutta tutte le simmetrie
della DFT. Il risparmio computazionale prodotto in questo caso è la riduzione del
numero di operazioni complesse da N2 a circa N·log2N (ad esempio se N=4096
punti si passa da quasi 17 milioni a sole circa 49 mila operazioni!). Nel caso in
cui N non è potenza di 2 si può ricorrere a diversi artifici per consentire l'uso
della FFT; l'artificio più diffuso è lo zero-padding ossia l'aggiunta alla fine della
sequenza di altri campioni di valore nullo, che velocizza l’elaborazione e
aumenta “fittiziamente” la risoluzione. Questa operazione produce in realtà solo
una interpolazione in frequenza; essa incrementa il numero di uscite DFT
mantenendo pressoché intatta la forma dello spettro ma producendo una sua
visualizzazione più dettagliata (riduzione dell’effetto picket-fence).
24
0.7

0.8

0.4 0.5

0.3

-0.4

0.1
-0.8

0 4 8 12 16 20
0 4 8 12 16 20

0.7

0.8

0.4 0.5

0
0.3

-0.4

0.1
-0.8

0 10 20 30 0 10 20 30
25
Lo spettro di potenza
ampiezze
3
Si è visto che la DFT fornisce
tutte le informazioni sulle 2

ampiezze e sulle fasi delle singole


1

componenti armoniche del


0
segnale. In tutti quei casi in cui 5 15 25 35

non si è interessati alla fase del 80


potenza

segnale, può risultare


60

conveniente considerare la
40
densità spettrale di potenza (psd).
La psd, ottenuta quadrando le 20

singole componenti della DFT,


0
visualizza la potenza delle singole 5 15 25 35

armoniche con la frequenza (periodogramma): 26


2
X re2 [ mF ] + X im2 [ mF ] X [ mF ]
S x [ mF ]  
N N

Naturalmente, grazie alla proprietà


ampiezze
3
di simmetria della DFT di un
segnale reale, lo spettro di potenza 2

alle frequenze positive è uguale a 1

quello alle frequenze negative


0
5 15 25 35
e, anche se il numero delle sue
80
potenza
componenti è sempre N, proprio
60
come nel caso della DFT,
basteranno solo N/2 campioni per 40

descrivere la psd del segnale, 20

valendo tutte le considerazioni fatte


0
per i casi di N pari e di N dispari. 5 15 25 35

27
Problemi di leakage e finestratura

E’ noto che il teorema di campionamento assicura la perfetta


ricostruibilità di un segnale aperiodico a partire da un numero infinito
di campioni e di un segnale periodico a banda limitata anche con un
numero finito di campioni, ma con intervallo di osservazione multiplo
intero del periodo del segnale. In ogni altro caso sarà introdotta una
inerente discontinuità sul segnale campionato.

Ora, la DFT è obbligatoriamente fatta su un numero finito N di


campioni; questo è dovuto, come già detto, alla memoria limitata
dell’analizzatore di spettro. Tale limitazione comporta una inerente
restrizione dell’intervallo di osservazione con evidente
“periodicizzazione” del segnale con periodo N.
28
Questa assunzione, che vale in entrambi i casi di segnale periodico e
aperiodico, produce, in genere, una discontinuità tra i successivi periodi
(veri o fittizi) del segnale acquisito.
ampiezza

a mpiezza
discontinuità

tempo

tempo

finestra di osservazione

29
Il risultato di questa operazione nel dominio delle frequenze è la comparsa
di componenti spettrali che effettivamente non sono presenti nello spettro
del segnale di partenza, così che lo spettro finale non è altro che una
versione “spalmata” dello spettro originario.

A [V]
3.5

3.5

A [V]
2.5

2.5

1.5

1.5
0.5

0 40 80 120
N
0.5

0 40 80 120
N 30
Tutto ciò causerà:

• un errore di troncamento facendo riferimento al fenomeno nel


dominio del tempo o di leakage (dispersione spettrale) facendo
riferimento al fenomeno nel dominio della frequenza

• un eventuale errore di aliasing; quest'ultimo, se presente, sarà


dovuto al ripiegamento attorno alla frequenza di folding delle
componenti spettrali "aggiunte" dovute al troncamento.

Per ridurre questo fenomeno è necessario utilizzare opportune


funzioni peso altrimenti dette finestre che presentano un
andamento più “dolce” agli estremi dell’intervallo di osservazione
31
Il compito di queste finestre è quello di attenuare le discontinuità introdotte
nel segnale dall’osservazione limitata nel tempo; questo risultato è
ottenuto utilizzando funzioni peso che presentano un andamento
“smussato” agli estremi dell’intervallo di osservazione.
L'andamento nel tempo della finestra definirà le caratteristiche spettrali dei
lobi della trasformata di Fourier corrispondente e, di conseguenza, l'effetto
finale sullo spettro ricostruito. Tutto questo si spiega tenendo presente che
la finestratura implica la moltiplicazione nel tempo del record di dati con la
funzione peso e, di conseguenza, la convoluzione nel dominio della
frequenza tra lo spettro del segnale e lo spettro della finestra.
Vale la pena evidenziare che solo quando il record di dati contiene un
numero intero di periodi si ottengono, indipendentemente dalla finestra
utilizzata, gli stessi risultati; in questo caso, infatti, non saranno presenti
32
gli effetti del leakage e le componenti spettrali verranno posizionate
correttamente nel dominio delle frequenze (e non spalmate su esso).

E' importante comprendere che non esiste la finestra “ideale” per tutte le
applicazioni, perché ogni finestra realizza un compromesso tra due fattori:

• risoluzione in frequenza (larghezza del lobo principale).

• dispersione spettrale (ampiezza e decadimento dei lobi laterali).

Non si possono minimizzare simultaneamente la larghezza del lobo


principale e l'ampiezza dei lobi laterali a parità di durata temporale.
E’ bene ora analizzare brevemente le principali finestre disponibili su un
analizzatore di spettro digitale.

33
Le finestre

Flat top

Rettangolare
Rettangolare

Blackman
Hanning Hanning

Blackman

Rettangolare
Flat top Hanning
Blackman
Flat top

34
Fondamentalmente non si possono dare regole universali sul tipo di finestra
da utilizzare nell’analisi dei segnali; essa cambierà di volta in volta e la
scelta corretta non prescinde dalla conoscenza a priori del segnale da
esaminare. Di certo si può affermare che:

• la finestra rettangolare produce la massima risoluzione in frequenza (lobo


principale più stretto ma lobi laterali che decadono più lentamente) ma stime
di ampiezza con errori che possono raggiungere anche il 36%.

• la finestra flat-top produce le stime di ampiezza più accurate ma la sua


selettività in frequenza è molto bassa (lobo principale piatto ma più largo fra
tutte le finestre e lobi laterali molto ridotti) ;

• la finestra di Hanning è la più utilizzata per le sue proprietà mediamente


buone (lobo principale più largo della rettangolare ma lobi laterali che
decadono più velocemente).
35
Riepilogo sull’analisi spettrale digitale

 il cuore dell’analizzatore digitale di spettro è l’elaborazione FFT; esso


rappresenta un algoritmo per il calcolo della DFT che riduce il numero di
operazioni numeriche eseguite senza produrre alcuna perdita di
informazione;

 la FFT di un segnale reale è una funzione complessa con ampiezza a


simmetria pari e fase a simmetria dispari; solo metà del numero delle uscite
porta informazioni indipendenti;

 lo spettro restituito dalla DFT sarà esatto solo se il segnale in esame è


periodico a banda limitata e viene osservato su una finestra di durata pari a
un multiplo del periodo; in ogni altro caso saranno introdotte delle
discontinuità agli estremi e il segnale sarà periodicizzato (con periodo pari al
numero di campioni); questa operazione produce l’effetto leakage nel
dominio delle frequenze; 36
 per ridurre il leakage si devono utilizzare opportune finestre per
“smussare” il record di dati agli estremi eliminando così il brusco
troncamento; non esiste una finestra universale ma bisognerà sceglierne
una di volta in volta e a seconda i casi.

37
Specifiche e considerazioni pratiche
Un analizzatore di spettro è completamente caratterizzato quando si
conoscono:

• il suo range di frequenza utile

• la sua risoluzione

• la sua distorsione

• il suo range dinamico

• la sua incertezza (sia in frequenza che in ampiezza)

• la sua sensibilità

Prima di passare a esaminare queste quantità è bene fare qualche


precisazione sulle unità di misura utilizzate da questo strumento.
38
• assi orizzontale e verticale

Sul display dell’analizzatore di spettro è presente un reticolo costituito da 10


divisioni orizzontali e 8 (o 10) divisioni verticali.

L’asse orizzontale è calibrato direttamente in frequenza [Hz] ed essa aumenta


linearmente da sinistra a destra.

L’asse verticale è calibrato in volt o watt e c‘è la possibilità di utilizzare una


scala lineare o logaritmica [dB]. Per segnali che si differenziano di poche
decine di dB si può utilizzare la scala lineare (si tenga presente che 20-30 dB di
differenza producono rapporti di tensione da 10 a 30), mentre per segnali che si
differenziano di molte decine di dB si rende necessario l’uso della scala
logaritmica (calibrata in dBV, dBmV, dBV, o dBm). Infatti differenze di 70-100 dB
corrispondono a rapporti di tensione da 3.000 a 100.000.

39
Il dBm è definito come:

Vrms
P|dBm  20  log
Vref

essendo Vrms il valore efficace della tensione misurata e Vref la tensione di


riferimento, a sua volta definita come la tensione misurata ai capi di una
resistenza da 50 ohm quando essa dissipa una potenza di 1 milliwatt.

Vref  P  R  (1  10 -3 )  50  0.2236 V

40
• range di frequenza

E' l'estensione della banda di frequenza nella quale lo strumento riesce ad


eseguire misure con l‘incertezza specificata.

Gli analizzatori di spettro digitali coprono un intervallo di frequenza che va


dalla continua a qualche gigahertz.

È limitato superiormente dalla condizione di Nyquist per l’assenza di aliasing


ed è quindi direttamente legato alla frequenza di campionamento utilizzata.

41
• risoluzione in frequenza

E' la capacità dello strumento di distinguere (risolvere) armoniche dello spettro del
segnale in esame che sono distinte ma più o meno prossime tra loro.

La risoluzione in frequenza di un analizzatore di spettro digitale coincide


ovviamente con la risoluzione in frequenza della FFT da esso implementata:

Fc 1
F 
N NTc

Un'attenta analisi di questa espressione mette in evidenza che la risoluzione può


essere aumentata i) riducendo la frequenza di campionamento o ii) aumentando il
numero di campioni da elaborare. Entrambe queste operazioni possono essere
regolate in modo manuale sull’analizzatore e non sono naturalmente a costo zero.

42
Infatti:

• un aumento del numero di campioni N rallenta l’elaborazione FFT


(generalmente 1 s per ogni milione di campioni);
• una riduzione della frequenza di campionamento Fc può comportare la
comparsa dell’aliasing.

43
• distorsione

E' un indice dell'alterazione introdotta dallo strumento sullo spettro del segnale
sotto esame. E' generata dalle nonlinearità dei circuiti che il segnale attraversa.

Nell’analizzatore di spettro digitale le non linearità sono introdotte dagli stadi di


precondizionamento analogici e dall'ADC .

Il modo più comune di dare le specifiche di distorsione è quello di quantificare le


ampiezze della seconda e della terza armonica spurie introdotte nello spettro ed è
normalmente data in dBc (decibel riferiti alla fondamentale).

44
• range dinamico

E' l'elongazione dell'intervallo di sensibilità dello strumento, ossia la differenza tra le


ampiezze di segnale massima e minima che lo strumento è in grado di rilevare nel
dominio delle frequenze; il range dinamico è limitato inferiormente dal rumore totale
generato all'interno dello strumento e superiormente dalla sua distorsione.
Normalmente è dato in dB.
Può essere misurato come la
differenza di ampiezza fra la
componente fondamentale dello
spettro e il noise floor. Per
l’analizzatore di spettro digitale il
range dinamico è limitato dalle
caratteristiche del convertitore
A/D cui si aggiungono gli effetti
negativi di rumore e non linearità
45
dell’oscilloscopio (strumento all-in-one).
Così ogni tecnica che sia in grado di ridurre il rumore di fondo permette di
incrementare il range dinamico; ad esempio un incremento del numero di
campioni per la FFT, ridurrà il noise floor che si spalmerà su un numero
maggiore di uscite FFT (mantenendo costante la potenza di rumore).

46
• incertezza di misura

Così come per un oscilloscopio l’incertezza di misura è specificata per le misure di


tempo e ampiezza, per un analizzatore di spettro l‘incertezza di misura deve essere
specificata sia per le misure di frequenza sia per quelle di ampiezza; in ambedue i
casi le specifiche sono date sia per misure assolute che per misure relative.

Le prime sono quelle dirette, eseguite con un singolo cursore e sono, ad esempio, le
misure di potenza di una portante RF, le misure di frequenza della stessa, ecc.

Le seconde sono quelle indirette, eseguite utilizzando due cursori


contemporaneamente (misure di distorsione o di distanza di armoniche o sub-
armoniche dalla portante).

47
• sensibilità

E' una misura della capacità dello strumento di rilevare piccoli segnali. Essa è
normalmente specificata in dBm.

La sensibilità è in massima parte limitata dal rumore generato dalla circuiteria


interna dell'analizzatore.

Poiché l’analizzatore di spettro digitale è uno strumento a banda larga, è


inerentemente uno strumento in cui è presente molto rumore e la cui sensibilità
non è quindi ottimale.

48

Potrebbero piacerti anche