以蓝色为主色调的网站wordpress微博分享插件

以蓝色为主色调的网站,wordpress微博分享插件,今天深圳大事件新闻,旅行网站开发需求说明书简 介#xff1a; 本文探讨了ADC采样频率对150kHz信号幅度测量的影响。实验使用STC32G微控制器#xff0c;通过改变ADC时钟分频系数#xff08;0-7#xff09;获得不同采样频率下的数据。研究发现#xff1a;1#xff09;ADC采样频率较高时#xff0c;输入阻抗较低导致信…简 介本文探讨了ADC采样频率对150kHz信号幅度测量的影响。实验使用STC32G微控制器通过改变ADC时钟分频系数0-7获得不同采样频率下的数据。研究发现1ADC采样频率较高时输入阻抗较低导致信号幅度减小2分频系数为7时最低采样频率信号估计方差最小0.20323分频系数为6时出现异常方差最大1.4083。实验采用三角窗函数处理256点采样数据通过FFT分析获得信号归一化频率和幅度。结果表明ADC采样频率的选择会显著影响信号测量精度最佳采样频率需根据具体应用场景确定。关键词ADC采样频率估计方差不同ADC频率对于测量结果的影响通过采样256数据计算单个频率交流信号有效值STC32G12 使用外部晶振STC32G 采集150kHz 信号并测量幅度01ADC采样频率对于信号检测影响一、背景介绍昨天使用带有外部晶体的STC32G电路板 采集了 150kHz 信号的多组ADC数据。 分别对应 ADC 不同的时钟频率下采集到的数据。 有的数据是在欠采样频率下获得的。 下面通过数据进行交流频率幅度检测 查看一下哪一种 ADC 采样频率所获得的信号幅度更为精确。 刚才通过实验发现 选择对采集数据进行三角加窗 采用正确的数据长度 便可以获得非常好的信号检测数值。▲ 图1.1.1 ADC分频系数为0对应的采样数据fromheadmimport*ddimtspload(sample0,ddim)forid,dinenumerate(ddim):plt.clf()plt.plot(d,lw3)plt.xlabel(N,colorsteelblue,fontsize24)plt.ylabel(ADC,colorsteelblue,fontsize24)plt.grid(True,whichboth,linestyle--,alpha0.7)plt.tight_layout()plt.draw()plt.pause(0.001)pltgif.append(plt)ifid11:breakpltgif.save()▲ 图1.1.2 ADC分频系数1对应的采集数据▲ 图1.1.3 ADC分频系数2对应的采集数据▲ 图1.1.4 ADC分频系数3对应的采样数据▲ 图1.1.5 ADC 分频系数5对应的采样数据▲ 图1.1.6 ADC分频系数为6 对应的采集数据▲ 图1.1.7 ADC分频系数为7对应的采样数据二、分频系数0针对 ADC 分频系数为0 对应的时钟信号最高 计算它内部交流信号的系数。 使用三角窗口对数据进行加窗。 首先对数据通过补零 或者长度为 128倍的数据 选择频谱最高点 最终可以获得数据归一化频率为 2.41276 。计算不同数据长度对应的最小方差 在长度最长的时候 最小信号幅度方差为 0.5842。信号幅度平均值323.098。归一化频率2.41276最小方差0.5842N256三、分频系数1采用同样的方式处理 ADC 分频系数为1 它对应的归一化频率为 2.06033。 在这个归一化频率下 计算信号中的幅度以及对应的方差。 幅度的平均值为 324.1 最小方差为 0.3204。信号幅度平均值323.098。归一化频率2.06034最小方差0.3204N256四、其它分频系数下面 分别对于分频系数从2 变化到7 计算各自的信号的幅度 幅度对应的方差 希望方差越小越好。 这些不同ADC分频系数 对应不同的采样频率。 将八种不同的采样频率所获得的数据对照一下。 可以看到所得到的信号幅度大都在 400以上。 但是对于采样频率比较高的时候 计算所得到的信号幅度减小了。 对此所做的解释是 在ADC频率比较高的时候 ADC 通道输入阻抗比较小。 影响了 前面 LC 信号接收谐振回路的 Q 值 使得输入信号降低了。 后面随着ADC采样频率降低。 ADC 输入通道的电阻增加了 对应的 信号幅度也增加了。 当分频系数达到7 的时候 也就是ADC采样频率最低 所得到的 信号估计方差达到了最小。 其次是分频系数为 5 。 很奇怪 对于分频系数为 6 的时候所造成的信号估计方差最大。 对此现象现在还无法进行解释。ADC分频系数信号幅度最小方差归一化频率0323.0980.58422.41281353.880.32042.06032406.30.27260.175643421.10.277141.55894425.780.289492.76365409.280.21710.80306406.131.40830.80657419.510.20322.51496fromheadmimport*ddimtspload(sample7,ddim)dddim[0]-mean(ddim[0])d0[0]*len(d)dlist(d)for_inrange(127):d.extend(d0)dfftabs(fft.fft(d))dfft2dfft[:len(dfft)//2]maxidwhere(dfft2max(dfft2))[0][0]omigamaxid/128*2*pi/256printf(omiga) plt.plot(dfft, lw3) plt.xlabel(N, colorsteelblue, fontsize24) plt.ylabel(FFT, colorsteelblue, fontsize24) plt.grid(True, whichboth, linestyle--, alpha0.7) plt.tight_layout() plt.show() Nlen(ddim[0])deftriangleW(n):n2n//2nn1list(range(n2))nn1rnn1[::-1]na[n2-1]*(n-len(nn1)-len(nn1r))returnarray(nn1nann1r)/(n2-1)defcosineW(n):o2*pi/(n-1)w(1-cos(o*array(range(n))))/2returnw d1 ddim[0]-mean(ddim[0]) w triangleW(len(d1)) d1w d1*w plt.plot(d1, lw1, labelOrigin) plt.plot(d1w, lw3, labelWindowed Data) plt.xlabel(N, colorsteelblue, fontsize24) plt.ylabel(ADC, colorsteelblue, fontsize24) plt.grid(True, whichboth, linestyle--, alpha0.7) plt.tight_layout() plt.show() Adim[]cdimarray([cos(omiga*n)forninrange(N)])sdimarray([sin(omiga*n)forninrange(N)])defAmplitudeN(n):globalddim,N Adim[]stddim[]fordinddim:dddd-mean(d)ddddd[N-n-1:]ddnlen(dd)wtriangleW(ddn)dddd*w asum(dd*sdim[:n1])bsum(dd*cdim[:n1])csqrt(a**2b**2)/(ddn)Adim.append(c)vstd(Adim),mean(Adim)returnv nnlist(range(128,256))printf(nn)vdim[]adim[]forninrange(128,256):v,aAmplitudeN(n)vdim.append(v)adim.append(a)printf(min(vdim))printf(mean(adim))plt.plot(nn,vdim,lw3)plt.xlabel(NN,colorsteelblue,fontsize24)plt.ylabel(std(N),colorsteelblue,fontsize24)plt.grid(True,whichboth,linestyle--,alpha0.7)plt.tight_layout()plt.show()※总结 ※本文对于不同的ADC采样频率下 所得到的信号幅度估计进行测评估。 发现当采样频率降低之后 所得到的信号的幅度最为精确。 不过对于这个方面的分析 应该是降低ADC频率下 对应的输入阻抗提升 降低了对于前面信号放大电路的影响造成的。 总的来说 所有频率下 除了分频系数为 6的时候 所产生的信号幅度估计方差较大之外 其它对应的信号幅度估计方差都相差不太多。■ 相关文献链接:通过采样256数据计算单个频率交流信号有效值-CSDN博客STC32G12 使用外部晶振-CSDN博客STC32G 采集150kHz 信号并测量幅度-CSDN博客● 相关图表链接:图1.1.1 ADC分频系数为0对应的采样数据图1.1.2 ADC分频系数1对应的采集数据图1.1.3 ADC分频系数2对应的采集数据图1.1.4 ADC分频系数3对应的采样数据图1.1.5 ADC 分频系数5对应的采样数据图1.1.6 ADC分频系数为6 对应的采集数据图1.1.7 ADC分频系数为7对应的采样数据