热门标签 | HotTags
当前位置:  开发笔记 > Android > 正文

android实时声音信号波形_「博文精选」减小波形噪声的方法示波器

在学习如何使用示波器来减小噪声之前,我们先来了解下示波器的噪声是怎么来的。许多刚从模拟示波器转到使用数字示波器的人可能会抱怨,说他新买的示波器测出来的波

在学习如何使用示波器来减小噪声之前,我们先来了解下示波器的噪声是怎么来的。

许多刚从模拟示波器转到使用数字示波器的人可能会抱怨,说他新买的示波器测出来的波形还不如自己那台老式的模拟示波器清晰,甚至怀疑自己买到的示波器是不是坏的。那么,真的是示波器坏了吗?

要知道,示波器的作用是还原真实的信号,性能越高的示波器,越能观察到信号的更多细节,而这些细节往往是发现异常问题的关键。在实际使用过程中,周围环境中的干扰是实实在在存在的,噪声不可能被完全地消除。事实上,示波器的带宽越高,采集到的噪声信号就会越多。低性能示波器的灵敏度很低,在选择无视这部分干扰的同时,也漏过了很多信号本身的有用信息,从而无法进行有效正确的分析。

许多因素都会影响示波器上波形的显示,我们所看到的信号肯定不是100%完整的真实信号,它和我们所用的探头类型,测量方式,是否接地,以及各种示波器设置都有关联,比如垂直档位设置,存储深度、实时采样率的大小,采样的方式,示波器的带宽,显示的模式(如余晖显示)等等。

当示波器采集信号的能力越接近真实,屏幕上就越可能会出现噪声干扰,那么我们是不是对这些噪声就束手无策了呢?当然不是,新一代的高性能示波器,对于信号提供了更多样的处理方式,下面我们就来一一了解:

条件垂直档位,尽量使波形占满屏幕

很多使用示波器的人可能都有一个“坏习惯”,就是测量多个信号的时候,为了避免各个信号重叠显示影响观察,就会调节垂直档位,把各个信号缩小显示。实际上,受垂直分辨率等因素影响,波形是越占满整个屏幕,就越精准的,同时也可以减小噪声信号,而且示波器厂家标注的直流增益精度(一般是1-2%)也都是指波形在满屏的情况下的精度。

可以看到,即使在其他条件相同的情况下,不同的垂直档位测量出来的数值亦是不同的,波形越占满屏幕,测量的值就越精准。

58a9e4d27a2f1b85fe6e03fd19d1257b.png

选用合适的探头

1X无源探头的输入无衰减,输入阻抗基本不计,加上示波器内部本身的1MΩ,总输入阻抗也就为1 MΩ;10X高阻无源探头的输入阻抗一般为9MΩ,示波器内部的输入阻抗为1MΩ,总输入阻抗为10MΩ。对于10X探头,信号从测试点到示波器器采样点处有一个10倍衰减,示波器采样到的电压幅度是实际被测电压幅度的1/10。不同衰减倍数的探头测量的范围也不同。

采样率、存储深度(记录长度)对信号的影响

当波形的记录时长固定时,采样率和存储深度是一次函数关系:采样率 = 存储深度 ÷ 波形记录时长

采样率决定了示波器采集信号多少的能力,而存储深度决定了示波器一屏幕最多可以存储多少信号数据。可以想象,存储深度如果太低,大多数的信号信息都没法被显示出来,自然波形只会严重失真,更谈不上精准了。

比如我们测试一个方波信号,在其它条件相同只改变存储深度的情况下,可以看到28K存储深度时,实时采样率是2KSa/s,原本的方波已经变成了锯齿波,波形都变形,已经谈不上精准了。而且根据奈奎斯特采样定理,实时采样率和被测信号频率也有关。当存储深度设置为28M的时候,实时采样率为2MSa/s,方波依然是方波。

879da40168bd2518895d5e1705211c0a.png

使用高低通带宽限制

之前说过,同样的信号在模拟示波器里看起来可能更“干净”,一方面也是因为模拟示波器的带宽低,从而无法捕捉到很多高频的噪声导致,但这并不意味着真实中这些噪声信号不存在。同样的,数字示波器通过高低通带宽限制功能,也能达到减小噪声的效果。

bb2e95bd2405b4e61370c3a389049af1.png

这里最常用的应该就是“20M”了,即低通20M,仅允许 20MHz 以下频率的信号通过,20MHz 以上的信号被有效衰减。对付高频信号噪音十分有效。

使用平均采样模式

429a71ccfa60ba43de3ba86d1dd32d1e.png

使用平均采样模式可平均多个采集结果,以减少所显示信号中的随机或无关噪声。平均多个 采样结果需要稳定的触发。平均的数目可在平均采样模式后的选择框内进行设定,可设为 2、4、8、16、32、64、128、 256 共八个量级。平均数目越高,显示的波形对波形变化的响应就越慢。必须在波形对变化的响应速度与信号上所显示噪声的降低程度之间进行折衷。

90ce6c565795bddab0f48d3711fae7f0.png


推荐阅读
  • 本文详细介绍了Linux中进程控制块PCBtask_struct结构体的结构和作用,包括进程状态、进程号、待处理信号、进程地址空间、调度标志、锁深度、基本时间片、调度策略以及内存管理信息等方面的内容。阅读本文可以更加深入地了解Linux进程管理的原理和机制。 ... [详细]
  • 本文介绍了腾讯最近开源的BERT推理模型TurboTransformers,该模型在推理速度上比PyTorch快1~4倍。TurboTransformers采用了分层设计的思想,通过简化问题和加速开发,实现了快速推理能力。同时,文章还探讨了PyTorch在中间层延迟和深度神经网络中存在的问题,并提出了合并计算的解决方案。 ... [详细]
  • 在Android开发中,使用Picasso库可以实现对网络图片的等比例缩放。本文介绍了使用Picasso库进行图片缩放的方法,并提供了具体的代码实现。通过获取图片的宽高,计算目标宽度和高度,并创建新图实现等比例缩放。 ... [详细]
  • 《王者荣耀》满配账号价值3.5万,究竟有多牛?
    近日,一群《王者荣耀》的游戏玩家展开了关于满配账号价值的讨论。满配账号不仅拥有所有英雄和皮肤,还包括300个满级铭文,其价值高达3.5万。这还不包括一些绝版的限定皮肤。想要达成《王者荣耀》的满配账号,需要付出巨大的代价。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 110. Balanced Binary Tree [Easy] 平衡树/递归
    本文介绍了一道关于平衡树的题目,通过递归和辅助函数来判断一个二叉树是否平衡。辅助函数返回根结点的深度,如果左子树或右子树不是平衡树,则返回-1。主函数根据辅助函数的返回值判断二叉树是否平衡。 ... [详细]
  • 词袋模型的通俗介绍
    词,袋, ... [详细]
  • 本文介绍了使用哈夫曼树实现文件压缩和解压的方法。首先对数据结构课程设计中的代码进行了分析,包括使用时间调用、常量定义和统计文件中各个字符时相关的结构体。然后讨论了哈夫曼树的实现原理和算法。最后介绍了文件压缩和解压的具体步骤,包括字符统计、构建哈夫曼树、生成编码表、编码和解码过程。通过实例演示了文件压缩和解压的效果。本文的内容对于理解哈夫曼树的实现原理和应用具有一定的参考价值。 ... [详细]
  • 在2022年,随着信息化时代的发展,手机市场上出现了越来越多的机型选择。如何挑选一部适合自己的手机成为了许多人的困扰。本文提供了一些配置及性价比较高的手机推荐,并总结了选择手机时需要考虑的因素,如性能、屏幕素质、拍照水平、充电续航、颜值质感等。不同人的需求不同,因此在预算范围内找到适合自己的手机才是最重要的。通过本文的指南和技巧,希望能够帮助读者节省选购手机的时间。 ... [详细]
  • 从高级程序员到CTO的4次能力跃迁!如何选择适合的技术负责人?
    本文讲解了从高级程序员到CTO的4次能力跃迁,以及如何选择适合的技术负责人。在初创期、发展期、成熟期的每个阶段,创业公司需要不同级别的技术负责人来实现复杂功能、解决技术难题、提高交付效率和质量。高级程序员的职责是实现复杂功能、编写核心代码、处理线上bug、解决技术难题。而技术经理则需要提高交付效率和质量。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • macOS Big Sur全新设计大版本更新,10+个值得关注的新功能
    本文介绍了Apple发布的新一代操作系统macOS Big Sur,该系统采用全新的界面设计,包括图标、应用界面、程序坞和菜单栏等方面的变化。新系统还增加了通知中心、桌面小组件、强化的Safari浏览器以及隐私保护等多项功能。文章指出,macOS Big Sur的设计与iPadOS越来越接近,结合了去年iPadOS对鼠标的完善等功能。 ... [详细]
  • 2016 linux发行版排行_灵越7590 安装 linux (manjarognome)
    RT之前做了一次灵越7590黑苹果炒作业的文章,希望能够分享给更多不想折腾的人。kawauso:教你如何给灵越7590黑苹果抄作业​zhuanlan.z ... [详细]
  • 北京景点排行榜 北京最好玩的旅游景点
    2019北京最好玩的旅游景点有哪些?下文为大家整理了2019北京景点排行榜,希望可以帮到您哦!  2019北京景点排行榜:  1、故宫  帝都必打卡的地点之一。  北京故宫是中国明 ... [详细]
author-avatar
mobiledu2502873093
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有