2. 信号与频谱基础

在低噪声信号频谱测试中，我们面对的信号几乎都不是单一正弦波，而是包含噪声、干扰、调制分量和随机起伏的复杂波形。若只在示波器上看时域波形，往往只能判断幅度、周期和毛刺，却难以回答“噪声能量集中在哪个频段”“某个杂散离载波多远”“两条谱线能否分开”等关键问题。因此，必须建立时域与频域的对应关系，理解傅里叶变换、功率谱、功率谱密度、频谱分辨率和窗函数这些基础工具。

一、时域与频域：同一信号的两种观察方式

时域描述信号随时间的变化，横轴是时间，纵轴通常是电压或电流；频域描述信号由哪些频率成分构成，横轴是频率，纵轴是幅度或功率。二者不是两个不同的信号，而是同一物理量的两种投影。一个持续时间为 T 的矩形脉冲，在时域上很窄，在频域上却具有很宽的频谱；一个纯净正弦波在时域上是等幅振荡，在频域上则表现为一根谱线。低噪声测试中常见的白噪声，在时域上表现为随机起伏，在频域上则呈现近似平坦的功率谱密度。

时域与频域之间存在一组重要的对偶关系：时域越窄，频域越宽；时域越宽，频域越窄。这一关系直接决定了频谱测试中的分辨率与扫描时间取舍。例如，要分辨间隔很近的两个频率分量，就必须在时域上采集更长的数据，或者使用更窄的分析带宽。

二、傅里叶变换：从波形到频谱的数学桥梁

傅里叶变换把时域信号 x(t) 分解为不同频率的复指数分量，其连续形式为：

X(f) = ∫ x(t) · e^(-j2πft) dt
x(t) = ∫ X(f) · e^(j2πft) df

对于实际频谱仪和数字采集系统，我们处理的是有限长离散序列，因此使用离散傅里叶变换（DFT），工程上由快速傅里叶变换（FFT）实现。FFT 把 N 个时域采样点变换为 N 个频域点，频率间隔为 Δf = fs / N，其中 fs 为采样率。这个 Δf 就是频谱分辨率的理论极限。

需要特别注意的是，FFT 假设输入信号是周期延拓的。如果截取的数据段不是信号周期的整数倍，就会在边界处产生突变，导致频谱泄漏。泄漏会把原本集中的能量扩散到邻近频点，掩盖小信号，影响低噪声测量。

三、功率谱与功率谱密度：如何描述随机噪声

对于确定性信号，幅度谱可以描述各频率分量的幅度；但对于噪声这类随机信号，单次 FFT 的相位和幅度都在随机变化，必须用统计量来描述。功率谱（PS）表示各频率分量的功率分布，功率谱密度（PSD）则表示单位带宽内的功率，常用单位为 dBm/Hz 或 V²/Hz。

在低噪声测试中，PSD 是更常用的指标。例如，一个放大器的输出噪声密度为 5 nV/√Hz，意味着在 1 Hz 带宽内噪声电压均方根值为 5 nV；若测量带宽为 10 kHz，则总噪声约为 5 nV/√Hz × √10000 Hz = 500 nV。PSD 使不同带宽下的噪声测量结果可以互相换算和比较。

四、频谱分辨率与窗函数：低噪声测量的关键取舍

频谱分辨率 Δf 由采样率 fs 和 FFT 点数 N 决定：Δf = fs / N。若采样率为 100 kS/s，FFT 点数为 10000，则 Δf = 10 Hz。这意味着间隔小于 10 Hz 的两条谱线无法被分开。要提高分辨率，可以增加 FFT 点数或降低采样率，但降低采样率会缩小可分析带宽，增加点数则会增加计算量和采集时间。

窗函数用于缓解频谱泄漏。矩形窗频率分辨率最高，但旁瓣抑制差，适合整周期采样或瞬态信号；汉宁窗旁瓣衰减快，适合连续随机信号和一般噪声测量；平顶窗幅度平坦度好，适合精确测量谱线幅度，但主瓣较宽，分辨率下降。选择窗函数时，需要在分辨率、幅度精度和动态范围之间权衡。

五、案例：从时域采集到频谱判读

假设某低噪声放大器输出端存在一个 10 kHz 有用信号，同时叠加了 50 Hz 工频干扰和宽带白噪声。我们以 200 kS/s 采样，采集 20000 点，使用汉宁窗进行 FFT。此时 Δf = 200000 / 20000 = 10 Hz。在频谱图上，10 kHz 处出现一根明显谱线，50 Hz 附近出现工频及其谐波，而其余频段呈现较平坦的噪声底。若发现 10 kHz 附近谱线展宽或出现裙边，说明窗函数选择不当或存在相位噪声；若噪声底异常抬高，则需检查前端增益、接地和屏蔽。

六、复盘要点

• 时域与频域是同一信号的两种描述，窄脉冲对应宽频谱，长采集对应高分辨率。
• FFT 是 DFT 的快速实现，频率间隔为 fs / N，这是分辨率的理论极限。
• 随机噪声用 PSD 描述，单位是 dBm/Hz 或 nV/√Hz，便于不同带宽间换算。
• 窗函数用于抑制泄漏，矩形窗分辨率高但旁瓣差，汉宁窗适合噪声测量，平顶窗适合幅度测量。
• 低噪声频谱测试中，分辨率、动态范围和测量时间三者需要根据实际信号特征折中。