HF-Spitzenleistungs-Messgeräte können praktisch alle Arten von Pulsen und sich wiederholenden Signalformen verarbeiten. Diese Systeme besitzen Triggerfähigkeiten, um den Messzyklus des HF-Leistungsmessgeräts mit dem zu messenden Signal zu synchronisieren. Mit der entsprechenden Triggereinstellung kann das gesuchte Ereignis stabil am Bildschirm dargestellt und analysiert werden. Digitale Messsysteme bieten die permanente Speicherung des Eingangssignals über einen bestimmten Zeitraum auch vor und nach dem Trigger, zum Beispiel mit dem Zirkularpuffer. Die interne Triggerung nutzt die Hüllkurve des ankommenden Signals. Meist wird mit einem bestimmten Signalpegel getriggert. Externe Triggerung erfordert ein Triggersignal, das auf irgendeine Weise synchron zum Eingangssignal ist, z.B. ein Basisbandsignal. Digitale Messsysteme für schnelle Analogsignale bestehen in der Regel aus Sample-and-Hold-Schaltungen (S&H), Analog-Digital-Wandlern (ADCs), digitalen Signalprozessoren (DSPs) und Field Programmable Gate Arrays (FPGAs) sowie CPUs und Schnittstellen-ICs. All diese Funktionseinheiten benötigen eine bestimmte Zeit für die Ausführung ihrer Aufgabe, die Latenzzeit. Durch Analog-Digital-Wandlung entsteht eine Reihe von Messdaten. Das Eingangssignal wird in voneinander unabhängige Elemente zerlegt. Die gespeicherte Information ist der Signalpegel (definiert durch den Wert in der Speicherzelle) und der Zeitpunkt, an dem dieser Pegel aufgenommen wurde (definiert durch die Speicheradresse). Momentaufnahmen sind jedoch unzureichend für detaillierte Analysen und exakte Messungen. Im Folgenden werden Methoden diskutiert, die dieses Problem lösen. Interpolation verbindet die separaten Messpunkte. Damit entsteht eine Signalkurve, die Ähnlichkeit mit dem Original hat. Lineare Interpolation ist die einfachste Methode; hier werden Messpunkte direkt miteinander verbunden. Diese Methode ist einfach, schnell und erfordert keine hohe DSP-Rechenleistung. Nachteil ist, dass diese Interpolation eine hohe Abtastrate benötigt, um Signale originalgetreu darzustellen. Wenn die Abstände zwischen den einzelnen Messpunkten zu groß sind, geht Signalinformation verloren.
* Boonton
* Boonton
* Boonton
Konventionelle Interpolationsmethoden
Mit leistungsfähigen DSPs lassen sich abgetastete Kurvenformen durch Fourier-Transformation wiederherstellen. Der Mathematiker Joseph Fourier wies nach, dass sich jede wiederholende Signalform aus Sinusfunktionen der Grundfrequenz und deren Vielfachen (Harmonischen) zusammensetzt. Die Interpolation diskreter Messwerte mit einer sin(x)/x-Funktion erlaubt eine wesentlich genauere Signalrekonstruktion als die lineare Interpolation (siehe Abbildung 1). Welche Mindestabtastrate ist für die optimale Wiederherstellung des Originalsignals erforderlich? Harry Nyquist und Kollegen bieten eine Lösung. Das Nyquist-Theorem besagt, dass die Abtastrate eines zeitkontinuierlichen Signals mit endlicher Bandbreite etwas mehr das Zweifache der höchsten im Signal enthaltenen Frequenz sein soll, damit es aus den erfassten diskreten Daten vollständig wiederhergestellt werden kann. Das Nyquist-Theorem findet auch für bandbreitenbegrenzte Signale Anwendung; die Abtastrate muss dann etwas mehr als das Doppelte der genutzten Bandbreite betragen. Da nun aber nur die Bandbreite und nicht der eigentliche Übertragungsbereich berücksichtigt wird, ist die erforderliche Abtastrate deutlich niedriger. Beispiel: Ein Signal bei 2,1 GHz mit einer Bandbreite von 5 MHz würde nur eine Abtastrate von etwas über 10 MHz benötigen, um das Eingangssignal vollständig abzubilden.
Nyquist-Modell basiert auf Idealbedingungen
Das Nyquist-Modell ist ein mathematisches Modell, es basiert auf Idealbedingungen. So erfordert es, dass alle folgenden Messungen berücksichtigt werden – eine kaum realisierbare Bedingung. Wirtschaftlicher ist es, zum Beispiel nur 8 Datenpunkte pro Zyklus zu erfassen und zu berechnen; die Genauigkeit ist meist ausreichend. Viele reale Signale erfordern hohe Dynamik in der Messtechnik. Signale mit hoher Dynamik enthalten in der Regel viele Harmonische (Fourier!). Man stelle sich einen (mathematischen) Rechteckpuls vor. Dieser setzt sich aus einer unendlichen Zahl von Sinussignalen – der Grundfrequenz und deren Harmonischen – zusammen. Es ist natürlich nicht möglich, unendlich hohe Frequenzen messtechnisch zu erfassen. Das Nyquist-Modell umgekehrt betrachtet sagt, dass die höchste zu messende Frequenz etwas geringer als die halbe Abtastfrequenz sein darf. Um dies zu gewährleisten, werden höherfrequente Teile des Originalsignals unterdrückt. Wird zuviel Signalenergie weggefiltert, verliert das rekonstruierte Signal seine Ähnlichkeit mit dem Ursprungssignal.Lässt der Eingangsfilter Signalbestandteile mit höheren Frequenzen als der Nyquist-Frequenz passieren, werden diese natürlich auch vom ADC erfaßt. Für die reine Leistungsbestimmung kann das sogar hilfreich sein. Allerdings entstehen unerwünschte Effekte wie Phasenschwankungen, wobei das dargestellte Signal sehr schnell seine Ähnlichkeit mit dem Original verliert. HF-Leistungsmessgeräte sollten deshalb immer mit Abtastraten arbeiten, die deutlich über der doppelten Nyquist-Frequenz liegen. Repetitive Random Sampling (RRS) ist eine Methode, mit der HF-Leistungsmessgeräte durch kontinuierliche Erfassung zufälliger Messpunkte ein vollständiges Signal rekonstruieren. RRS basiert auf einer internen Zeitbasis, die asynchron zum tatsächlichen Triggersignal arbeitet. Obwohl das Signal nacheinander abgetastet wird, stehen die Abtastzeitpunkte in keiner Relation zueinander und auch in keiner Relation zum eigentlichen Triggerereignis. Bei jedem Zyklus werden neue Datenpunkte für den Bildaufbau hinzugefügt, bis das Signal mit hoher Auflösung wiederhergestellt ist (Abbildung 3). Die Bildauflösung, d. h. die Detailgenauigkeit, wird bei Repetitive Random Sampling durch die kleinste Zeiteinheit bestimmt, die ein Messgerät auflösen kann; sie wird fälschlicherweise oft als Zeitbasis bezeichnet. Zeitbasis und Abtastrate sind nicht miteinander zu verwechseln. Die Abtastrate kann direkt von der Zeitbasis abhängen, muss es aber nicht. Je kleiner die Zeitinkremente sind, desto genauer wird die Signalform dargestellt. Die Bildaufbauzeit des vollständigen Signals hängt von der Wiederholfrequenz des Messgeräts ab und beträgt typischerweise wenige Millisekunden. Repetitive Random Sampling mit hohen effektiven Abtastraten verbessert die Bildauflösung dargestellter Signale deutlich. Ein Beispiel: Zwei HF-Leistungsmessgeräte PM1 und PM2 messen einen sich wiederholenden 50-ns-Puls. PM1 arbeitet mit Zeitinkrementen von 10 ns, PM2 mit 200ps. PM1 tastet den Impuls dann fünfmal ab, während PM2 250 Abtastungen vornimmt. PM2 liefert also die 50-fache Auflösung des Signals und ermöglicht eine weitaus detailliertere Analyse. Solch hohe Signalauflösungen sind besonders wichtig, wenn Signalflanken, Überschwinger, Filtercharakteristiken oder die Ausgangsdynamik von HF-Verstärkern mit hoher Verstärkung analysiert werden müssen.
Zusammenfassung
Leistungsmessgeräte mit hohen Abtastraten bieten Vorteile bei Einzelpuls-Messungen; bei einer Verdopplung der Abtastrate verdoppelt sich die Bildauflösung. Das bedeutet, dass der gemessene und angezeigte Signal-Rauschabstand sich unter idealen Bedingungen um bis zu 3 dB verbessert. Höhere effektive Abtastraten von RRS-Instrumenten gehen mit einer geringfügig erhöhten Zeit für den Bildaufbau einher, führen aber zu einer deutlich besseren Darstellung des Messsignals und ermöglichen somit eine genauere Analyse schneller, sich wiederholender Signale. RRS, kombiniert mit sehr kleinen Zeitinkrementen, liefert dem Benutzer Details, die bei konventionellen Abtastverfahren nicht dargestellt werden können.
• more@click-Code: EEK91102
