PENGANALISA SPEKTRUM
Pengantar dan Sejarah Perkembangan Spektrum Analiser
Jenis-jenis Penganalisa Spektrum
Penganalisa Spektrum tersapu
Penganalisa Vektor Sinyal dengan Analisis Modulasi Digital
Kunci Konsep Analisis Spektrum Waktu Riil
Prinsip Kerja Spektrum Analisa Waktu Riil
Penganalisa Spektrum Waktu Riil
Pemicuan Waktu Riil
Analisa Transformasi Fast Fourier PENGANALISA SPEKTRUM
Fast Fourier Transform (FFT)
merupakan jantung dari
penganalisa spektrum waktu riil.
Dalam RSA algoritama FFT pad
aumumnya menerapkan
transformasi sinyal ranah waktu ke
dalam spektrum ranah frekuensi.
Secara konsep, pemrosesan FFT
dapat dipandang sebagai
melewatkan sinyal melalui
sekumpulan penyaring parallel
dengan frekuensi resolusi dan
lebar band sama. Keluaran FFT
pada umumnya harga kompleks.
Untuk analisa spektrum, amplitudo
dari hasil kompleks biasanya
sangat menarik. Proses FFT
dimulai dengan penghapusan dan
komponen base band I dan Q
disaring dengan baik, yang mana
ditampilkan dalam bentuk sinyal
kompleks dengan I sebagai
bagian riil dan Q sebagai bagian
imaginer. Dalam pemrosesan FFT,
sampel diatur dari sinyal kompleks
I dan Q diperoses pada saat yang
sama. Pengaturan sampel
dinamakan bingkai FFT. FFT
berfungsi pada sampel sinyal
waktu dan menghasilkan sampel
fungsi frekuensi dengan panjang
yang sama. Jumlah sampel dalam
FFT, pada umumnya berupa daya
dari 2, juga dinamakan ukuran
FFT. Misal 1024 titik FFT dapat
ditransformasi 1024 I dan 1024 Q
ke dalam sample 1024 titik ranah
frekuensi kompleks dalam diskusi
sebelumnya penyaring-penyaring
inidihubungkan secara parallel.
Dua garis spektrum lebih dekat
dibanding lebar bin tidak bisa
dipecahkan. Resolusi frekuensi
FFT merupakan lebar masingmasing
frekuensi bin, sama
dengan frekuesni sampel dibagi
dengan ukuran FFT.
Memberikan frekuensi sampel
sama, ukuran FFT lebih besar
resolusi frekuensi lebih halus.
Untuk RSA dengan kecepatan
pengambilan sampel 25,6 MHz
dan ukuran FFT 1024, resolusi
frekuensi adalah 25 kHz. Resolusi
frekuensi dapat ditingkatkan
dengan menambah ukuran FFT
atau dengan mengurangi frekuensi
sampel. RSA, sebagaimana telah
disebutkan di atas menggunakan
Digital Down Converter dan
penghapusan untuk mengurangi
kecepatan pengambilan sampel
efektf sebagai span frekuensi
yang sempit, secara efektif
menawarkan resolusi waktu untuk
resolusi frekuensi. Sementara
ukuran FFT dipertahankan dan
penghitungan kompleksitas ke
tingkat yang dapat dikendalikan.
Pendekatan ini memungkinkan
resolusi halus pada span sempit
tanpa waktu perhitungan
berlebihan. Pada span lebar
dimana resolusi frekuensi cukup
lebih kasar.
Batas praktis pada ukuran FFT
adalah seringnya peragaan
resolusi. Karena suatu FFT
resolusi lebih besar dari pada
jumlah titik yang diperagakan.
Gambar Satu bingkai spektogram yang menunjukkan kejadian
picu dimana sinyal transien terjadi disekitar topeng frekuensi
Gambar Tiga bingkai sampel sinyal ranah waktu
9.3.9.1. Jendela
Ada suatu asumsi yang tidak bisa
dipisahkan dalam matematika
dari Discrete Fourier Transform
dan analisa FFT yang mana data
diproses berupa perioda tunggal
dari pengulangan sinyal. Gambar
Satu bingkai spektogram yang menunjukkan kejadian
picu dimana sinyal transien terjadi disekitar topeng frekuensi melukiskan serangkaian
sampel ranah waktu. Pada saat
memproses FFT diaplikasikan
pada bingka 2, misal perluasan
sinyal periodik. Discontinuitas
antar bingkai berurutan pada
umumnya terjadi seperti
ditunjukkan pada gambar
Tiga bingkai sampel sinyal ranah waktu
Tiruan diskontinuitas menimbulkan
respon palsu tidak ada dalam
sinyal aslinya, yang dapat
membuat tidak mungkin untuk
mendeteksi sinyal kecil yang
berada didekat yang besar. Ini
berpengaruh dinamakan
kebocoran
spektrum.
RSA menerapkan teknik jendela
pada bingkai FFT sebelum
pemrosesan FFT dibentuk untuk
mengurangi pengaruh kebocoran
spektrum. Fungsi jendela pada
umumnya mempunyai bentuk bel.
Terdapat sejumlah fungsi
Gambar
Tiga bingkai sampel sinyal ranah waktu: Diskontinuitas yang disebabkan oleh
ekstensi periodic dari sampel dan bingkai tunggal
jendelam yang popular Blackman-
Haris profil 4B(BH4B) ditunjukkan
dalam gambar
Profil jendela Blackman-Harris 4B (BH4B).
Gambar Profil jendela Blackman-Harris 4B (BH4B)
Fungsi jendela Blackman-Haris 4B
ditunjukkan dalam gambar 9-25.
memiliki harga nol untuk sampel
pertama dan terakhir dan kurva
kontinyu diantaranya. Perkalian
bingkai FFT dengan fungsi jendela
mengurangi diskontinuitas pada
akhir bingkai. Dalam kasus ini
jendela Blackman-Haris, dapat
mengurangi diskontinuitas
bersama.
9.3.9.2. Efek jendela adalah
untuk menempatkan
beban lebih besar
pada sampel
di pusat jendela dibanding
menjauh dari pusat, membawa
harga nol pada akhir. Ini dapat
dipirkan secara efektif mengurangi
waktu yang dihitung oleh FFT.
Waktu dan frekuensi adalah
jumlah timbale balik. Semakin
kecil waktu sampel resolusi
frekuensi semakin lemah (lebar).
Untuk jendela Blackman-Haris 4B,
resolusi frekuensi efektif
mendekati dua kalli sebaik nilai
yang dapat dicapai tanpa jendela.
.
Implikasi lain dari jendela adalah
data ranah waktu dimodifikasi
dengan menghasilkan jendela
suatu keluaran spektrum FFT
yang sangat sensitive terhadap
perilaku pusat bingkai, dan tidak
dapat merasakan perilaku di
permulaan dan akhir bingkai.
Sinyal transien muncul dekat salah
satu ujung dari bingkai FFT yang
dilonggarkan dan dapat luput
semuanya sama sekali. Masalah
ini dapa diselesaikan dengan
menggunakan bingkai tumpang
tindih, teknik kompleks meliputi
trade-off antara penghitungan
waktu dan kerataan ranah waktu
untuk mencapai performansi yang
diinginkan. Secara singkat
diuraikan di bawah ini.
9.3.9.3. Pemrosesan Paska
FFT
Karena fungsi jendela
melemahkan sinyal pada kedua
ujung dari bingkai, ini mengurangi
daya sinyal keseluruhan,
amplitudo spektrum diukur dari
FFT dengan jendela harus diskala
untuk memberikan pembacaan
amplitudo dengan benar. Untuk
sinal gelombang sinus murni factor
skala merupakan penguatan DC
dari fungsi jendela. Setelah
pemrosesan juga digunakan untuk
menghitung amplitudo spektrum
dengan menjumlahkan bagian riil
yang dikotak dan bagian kotak
imaginer pada setiap bin FFT.
Spektrum amplitudo pada
umumnya diperagakan dalam
skala logaritmis sehingga berbeda
dengan frekuensi cakupan
ampitudo lebar dan diperagakan
secara serempak pada layar yang
sama.
9.3.9.4. Bingkai Overlap
Beberapa
penganalisa spektrum
waktu riil dapat dioperasikan
dalam mode waktu riil dengan
bingkai tumpang tindih. Pada saat
ini terjadi, bingkai sebelumnya
diproses pada saat sama dengan
bingkai baru diperoleh. Gambar
Sinyal akuisisi, pemrosesan dan peraga menggunakan bingkai
overlap. menunjukan bagaimana
bingkai diperoleh dan diproses.
Satu keuntungan dari bingkai
tumpang tindih kecepatan
penyegaran peraga ditingkatkan,
efek yang paling nyata dalam
membatasi span yang diperoleh
sempit waktu akuisisi panjang.
Tanpa bingkai overlap, layar
peraga tidak dapat diperbaharui
sampai diperoleh bingkai baru
masuk. Dengan bingkai overlap,
bingkai baru diperagakan sebelum
bingkai sebelumnya diselesaikan.
Waktu
Gambar Sinyal akuisisi, pemrosesan dan peraga menggunakan bingkai
overlap
Keuntungan lain peraga ranah
frekuensi dalam peraga
spektogram. Karena jendela
menyaring mengurangi konstribusi
dari sampel pada setiap akhir
bingkai ke nol, spektrum terjadi
pada sambungan antara dua
bingkai, diatur dapat hilang jika
bingkai tidak overlap.
Bagaimanapun, mempunyai
bingkai yang overlap memastikan
bahwa semua spektrum akan
dapat dilihat pada peraga
spektrogram dengan mengabaikan
efek jendela.
9.3.9.5. Analisa Modulasi
Modulasi merupakan alat yang
melewatkan sinyal RF sebagai
pembawa informasi. Analisis
modulasi menggunakan RSA tidak
hanya mentransmisikan isi data
namun juga mengukur secara
akurat dengan sinyal yang dimodulasikan. Lebih dari itu,
mengukur banyaknya kesalahan
dan pelemahan yang
menurunkan tingkat kualitas
modulasi.Sistem komunikasi
modern telah secara drastis
ditingkatkan jumlah format
modulasi yang digunakan.
Kemampuan menganalisa RSA
pada banyak format dan memiliki
arsitektur yang memungkinkan
untuk menganalisa format baru.
Bingkai 1 Bingkai 1
Bingkai 2
Bingkai 3 Bingkai 3
Bingkai 2
Bingkai 4 Bingkai 3
.