如何通过实验测量双向直流电源输出电压序列的抖动频谱分布？

要通过实验测量双向直流电源输出电压序列的抖动频谱分布，需结合高精度数据采集、频域转换和频谱分析技术。以下是分步骤的详细方案，涵盖硬件配置、SCPI指令控制、数据处理及结果验证：

一、实验准备

1. 硬件配置

• 双向直流电源：支持SCPI指令控制，具备高精度电压输出和快速响应能力（如Keysight N6700系列、Chroma 62000P系列）。
• 数据采集设备：
  • 内置ADC的电源：若电源自带高采样率ADC（如1MS/s以上），可直接通过SCPI读取内部缓冲区数据。
  • 外部示波器/数据采集卡：若电源采样率不足，需连接示波器（如R&S RTO1000）或高速数据采集卡（如NI PXIe-6368），通过SCPI或编程接口获取数据。
• 触发同步设备：确保电源输出与数据采集同步（如外部触发信号或共享时钟）。
• 负载：根据测试需求选择电阻、电子负载或动态负载（模拟实际应用场景）。

2. 软件工具

• SCPI控制工具：Python（PyVISA）、LabVIEW、MATLAB或厂商提供的上位机软件。
• 频谱分析工具：Python（NumPy/SciPy）、MATLAB或专用软件（如R&S VSA）。

二、实验步骤

步骤1：配置电源输出参数

通过SCPI指令设置电源输出电压、电流限制及动态特性（如上升/下降时间），以模拟实际工况。

scpiSOUR:VOLT 48.0       ; 设置输出电压为48VSOUR:CURR:MAX 10.0   ; 设置电流限制为10A
SOUR:VOLT:TRAN:RIS 10u ; 设置电压上升时间为10μs（模拟动态负载）
SOUR:VOLT:TRAN:FALL 10u ; 设置电压下降时间为10μs

步骤2：配置数据采集参数

根据抖动频率范围选择采样率和采样点数，确保满足奈奎斯特定理（采样率 ≥ 2×最高关注频率）。

方案A：使用电源内置ADC（若支持）

scpiSENS:VOLT:DC:NPLC 0.01      ; 设置积分时间为0.01NPLC（提高采样率）TRAC:POIN 100000            ; 设置采样点数为100,000
TRIG:SOUR IMM               ; 立即触发采样
INIT:IMM                     ; 初始化并开始采样
*OPC?                        ; 查询操作完成（等待返回"1"）

方案B：使用外部示波器/数据采集卡

• 通过SCPI控制示波器（以R&S RTO为例）：

  scpiACQ:MODE RTIM             ; 设置实时采样模式ACQ:SRAT 5MS              ; 设置采样率为5MS/s（示例值）
  ACQ:POIN 100000           ; 设置采样点数为100,000
  TRIG:A:SOUR EXT            ; 设置外部触发（与电源同步）
  TRIG:A:SLOP POS            ; 设置上升沿触发
  INIT:IMM                   ; 启动采集
  *OPC?                      ; 等待采集完成
  TRAC:DATA? TRAC1          ; 读取Trace1数据
  

• 通过Python控制数据采集卡（以NI PXIe-6368为例）：

  pythonimport nidaqmxfrom nidaqmx.constants import AcquisitionType, Edgewith nidaqmx.Task() as task:    task.ai_channels.add_ai_voltage_chan("Dev1/ai0")  # 添加通道    task.timing.cfg_samp_clk_timing(        rate=5e6,  # 采样率5MS/s        samps_per_chan=100000,  # 采样点数        sample_mode=AcquisitionType.FINITE    )    task.triggers.start_trigger.cfg_dig_edge_start_trig(        trigger_source="Dev1/PFI0",  # 外部触发引脚        trigger_edge=Edge.RISING    )    data = task.read(number_of_samples_per_channel=100000)
  

步骤3：读取电压序列数据

• 电源内置ADC：

  pythonimport pyvisarm = pyvisa.ResourceManager()device = rm.open_resource("TCPIP0::192.168.1.100::inst0::INSTR")data_str = device.query("TRAC:DATA?")voltage_list = [float(x) for x in data_str.strip('"').split(',')]
  

• 外部设备：直接保存示波器或数据采集卡的数据为CSV文件，再用Python读取：

  pythonimport pandas as pddata = pd.read_csv("voltage_data.csv", header=None)voltage_list = data[0].tolist()
  

步骤4：计算频谱分布

对电压序列进行快速傅里叶变换（FFT），提取频域成分。

pythonimport numpy as npimport matplotlib.pyplot as plt# 参数设置sampling_rate = 5e6  # 采样率（Hz）n = len(voltage_list)fft_result = np.fft.fft(voltage_list)frequencies = np.fft.fftfreq(n, d=1/sampling_rate)# 取正频率部分positive_freq = frequencies[:n//2]positive_amp = np.abs(fft_result[:n//2]) / n  # 归一化幅值# 绘制频谱图plt.figure(figsize=(12, 6))plt.plot(positive_freq, 20*np.log10(positive_amp))  # 转换为dB单位plt.title("Voltage Jitter Spectrum")plt.xlabel("Frequency (Hz)")plt.ylabel("Amplitude (dB)")plt.grid(True)plt.xlim(0, 1e6)  # 限制频率范围（示例：0~1MHz）plt.show()

步骤5：分析关键指标

• 基频与谐波：识别电源开关频率（如100kHz）及其谐波（200kHz、300kHz等）。
• 噪声底：观察低频段（如<1kHz）的噪声水平，评估电源稳定性。
• 峰值频率：找出幅值最高的频率成分，判断是否为设计预期（如开关噪声或干扰）。

三、优化与验证

1. 提高频谱分辨率

• 增加采样点数：延长采集时间（如从100,000点增加到1,000,000点）。
• 加窗函数：减少频谱泄漏（如汉宁窗）：

  pythonwindow = np.hanning(n)fft_result = np.fft.fft(voltage_list * window)
  

2. 验证实验结果

• 重复性测试：多次采集数据，确认频谱分布一致性。
• 对比标准源：使用函数发生器生成已知频率的电压信号，验证分析逻辑正确性。
• 隔离干扰：屏蔽实验环境，排除外部电磁干扰（如Wi-Fi、手机信号）。

3. 关联抖动与时域特性

• 绘制时域波形：观察抖动是否与电源动态响应（如负载阶跃）相关。

  pythonplt.figure(figsize=(12, 4))plt.plot(voltage_list[:1000])  # 绘制前1000个点plt.title("Time Domain Voltage Sequence")plt.xlabel("Sample Index")plt.ylabel("Voltage (V)")plt.show()
  

四、完整Python示例

pythonimport numpy as npimport matplotlib.pyplot as pltimport pyvisa# 1. 连接设备并采集数据rm = pyvisa.ResourceManager()device = rm.open_resource("TCPIP0::192.168.1.100::inst0::INSTR")device.write("SENS:VOLT:DC:NPLC 0.01")device.write("TRAC:POIN 100000")device.write("TRIG:SOUR IMM")device.write("INIT:IMM")device.query("*OPC?")data_str = device.query("TRAC:DATA?")voltage_list = [float(x) for x in data_str.strip('"').split(',')]# 2. 频谱分析sampling_rate = 5e6  # 假设采样率为5MS/sn = len(voltage_list)fft_result = np.fft.fft(voltage_list)frequencies = np.fft.fftfreq(n, d=1/sampling_rate)positive_freq = frequencies[:n//2]positive_amp = np.abs(fft_result[:n//2]) / n# 3. 绘制结果plt.figure(figsize=(12, 8))plt.subplot(2, 1, 1)plt.plot(voltage_list[:1000])plt.title("Time Domain Voltage Sequence")plt.xlabel("Sample Index")plt.ylabel("Voltage (V)")plt.subplot(2, 1, 2)plt.plot(positive_freq, 20*np.log10(positive_amp))plt.title("Voltage Jitter Spectrum")plt.xlabel("Frequency (Hz)")plt.ylabel("Amplitude (dB)")plt.grid(True)plt.xlim(0, 1e6)plt.tight_layout()plt.show()# 4. 关闭连接device.close()

五、注意事项

1. 采样率选择：根据电源开关频率（如100kHz）选择至少2倍的采样率（如500kHz以上）。
2. 数据长度：确保采样时间覆盖多个开关周期（如1ms数据对应10个100kHz周期）。
3. 接地与屏蔽：减少共模噪声干扰，使用同轴电缆或差分探头。
4. 电源稳定性：在恒压/恒流模式下分别测试，对比结果差异。

通过上述方法，可准确测量双向直流电源输出电压的抖动频谱分布，为电源设计优化和性能评估提供关键数据。