2. 异频信号基础与频域分析

在异频读出系统中，我们面对的往往不是单一频率的纯正弦波，而是多个频率成分叠加在一起的复合信号。所谓异频信号，是指信号中含有两个或两个以上频率不同的成分，且这些成分在幅度、相位或时间上存在差异。理解异频信号的数学表示与频域特征，是后续解调、分离与参数提取的前提。

一、异频信号的数学表示

最典型的异频信号可写成多个正弦分量之和：

x(t) = Σ Aᵢ·cos(2πfᵢt + φᵢ) + n(t),  i = 1, 2, …, N

其中 Aᵢ 为第 i 个分量的幅度，fᵢ 为频率，φᵢ 为初相位，n(t) 为噪声或干扰。以课程中常见的双频读出场景为例，假设激励信号为 f₁ = 1.00 kHz、f₂ = 1.25 kHz，幅度分别为 1.0 V 与 0.6 V，初相位分别为 0° 与 45°，采样率 fs = 10 kHz，采样点数 N = 1024。此时时域波形呈现明显的“拍”现象——两频率之差 250 Hz 决定了包络的起伏周期，但仅凭时域波形很难准确读出两个频率各自的值，这正是需要频域分析的原因。

需要特别说明参照约定：本文所有频率均指正频率，相位以 cos 为基准，时间起点 t = 0 对应第一个采样点。后续图示与计算均遵循这一约定。

二、傅里叶变换与频谱分析基础

对有限长离散序列 x[n]（n = 0, 1, …, N−1），采用离散傅里叶变换（DFT）：

X[k] = Σₙ₌₀^{N−1} x[n]·e^{−j2πkn/N},  k = 0, 1, …, N−1

DFT 把时域序列映射为 N 个频点，第 k 个频点对应的物理频率为 f_k = k·fs/N。对上述示例，fs/N = 10000/1024 ≈ 9.77 Hz，即每个频点间隔约 9.77 Hz。由于 1.00 kHz 对应 k ≈ 102.4，1.25 kHz 对应 k ≈ 128，前者不落在整数频点上，后者恰好落在 k = 128。这一差异会直接导致泄漏效应的不同表现。

实际分析中通常关注单边幅度谱：对 k = 1…N/2−1，幅度取 |X[k]|·2/N（考虑负频率对称与窗函数归一化）。若加汉宁窗，还需除以窗函数的相干增益 0.5，才能恢复真实幅度。工程上常用 FFT 快速计算 DFT，但 FFT 只是算法，不改变频点间隔与泄漏规律。

三、频率分辨率与泄漏效应

频率分辨率指频谱上能区分两个相邻频率成分的最小间隔，其理论值为 Δf = fs/N = 1/T，T 为观测时长。示例中 T = 1024/10000 = 0.1024 s，Δf ≈ 9.77 Hz。若两个异频成分间隔小于 Δf，它们在频谱上会合并成一个峰，无法分辨。因此提高分辨率的手段是增加观测时长（增大 N 或降低 fs），而不是单纯提高 FFT 点数——补零只能细化频点显示，不能真正提升分辨能力。

泄漏效应源于有限观测导致的截断：当信号频率不落在整数频点上时，能量会向邻近频点扩散，形成一系列逐渐衰减的旁瓣。示例中 1.00 kHz 偏离整数频点约 0.4 个频点间隔，泄漏较明显；1.25 kHz 恰好落在 k = 128，理论上无泄漏（矩形窗下）。抑制泄漏的常用方法是加窗（汉宁窗、汉明窗、平顶窗等），代价是主瓣展宽、分辨率略降。选择窗函数时需在“幅度精度”与“频率分辨”之间权衡：平顶窗幅度精度高但主瓣宽，适合幅值测量；汉宁窗折中，适合一般频谱观察。

四、通过频谱识别异频成分

识别异频成分的基本流程是：采集足够长的数据→去直流→加窗→FFT→取单边幅度谱→搜索显著峰→读取峰值频点与幅度→必要时用插值修正频率。对示例信号，若采用矩形窗、N = 1024，预期在 k ≈ 102 附近出现 1.00 kHz 的峰（因泄漏略偏低且展宽），在 k = 128 处出现 1.25 kHz 的尖锐峰，幅度约 0.6 V。若两峰间隔仅数个频点，需改用更长观测或加窗后比较主瓣重叠情况。

判断两个峰是否属于真实异频成分，而非噪声或泄漏旁瓣，可依据三条经验：峰值明显高于本地噪声底（如高出 10 dB 以上）；峰值位置在多次不同起点采集下保持稳定；改变窗函数后峰值位置不漂移（幅度可变化）。若某“峰”随窗函数改变而移动，多半是泄漏旁瓣而非真实成分。

上图把时域叠加、FFT 映射与频谱读数三者的关系放在同一视图中：左侧拍包络说明时域难以直接分离频率，右侧两个峰的位置、尖锐程度与泄漏表现，正好对应 1.00 kHz 非整点与 1.25 kHz 整点的差异。下方参数关系提醒我们，分辨率由观测时长决定，泄漏由频点对齐程度决定，二者共同影响异频成分能否被清晰识别。

回到工程实践，若要在异频读出中稳定提取两个相近频率成分，建议先按目标分辨率确定观测时长 T ≥ 1/所需分辨间隔，再据此选择 fs 与 N；随后检查目标频率与整数频点的偏差，偏差大时优先加窗或微调 fs，使关键频率靠近整点。完成一次分析后，用改变数据起点、更换窗函数两种方式复核峰值稳定性，即可对识别结果建立基本置信。掌握这套“时域看现象、频域定成分、参数定精度”的分析思路，后续的解调与分离才有可靠依据。