تبدیل فوریه سریع (FFT) در اسیلوسکوپ؛ چشم سوم مهندسان برای دیدن دنیای فرکانس

آیا تا به حال این سوالات چالش‌برانگیز ذهن شما را درگیر کرده است؟

وقتی به سمت درهای اتوماتیک شیشه‌ای حرکت می‌کنید، سنسور بالای در از کجا و با چه منطقی می‌فهمد که شما دقیقاً در حال نزدیک شدن هستید (نه دور شدن یا ثابت ایستادن) تا به موقع در را باز کند؟
دوربین‌های کنترل سرعت پلیس چطور در کسری از ثانیه و از راه دور متوجه می‌شوند که خودروی شما دقیقاً با چه سرعتی در حال حرکت است؟

هدفون‌های نویز کنسلینگ (Noise-canceling) چطور می‌توانند در یک خیابان شلوغ، صدای بوق ماشین‌ها و همهمه مردم را تشخیص داده و کاملاً حذف کنند، اما همزمان اجازه دهند صدای ظریف مکالمه تلفنی‌تان را به وضوح بشنوید؟

ساعت‌های هوشمند چطور با تاباندن یک نور ساده به مچ دست شما، در میان تمام تکان‌ها و نویزهای حرکتی هنگام دویدن، ریتم دقیق ضربان قلب را استخراج می‌کنند؟

یک مهندس مکانیک خبره چطور بدون اینکه موتور یک دستگاه صنعتی غول‌پیکر را باز کند، فقط از روی صدای لرزش آن می‌فهمد که دقیقاً «چرخ‌دنده شماره ۳» در حال خراب شدن است؟

دستگاه MRI چطور بدون اینکه حتی یک فریم عکس مستقیم از بدن شما بگیرد، تنها با دریافت سیگنال‌های نامرئی از اتم‌های هیدروژن بدن، چنین تصاویر دقیقی از بافت‌های داخلی نقاشی می‌کند؟

پاسخ تمام این معماهای ظاهراً بی‌ربط و شگفتی‌های دنیای مدرن، در یک شاهکار ریاضی مشترک پنهان شده است: تبدیل فوریه سریع (Fast Fourier Transform) یا به اختصار FFT.
ما در تیم فنی ایلکوشاپ (Yilkoshop)، هر روز با ده‌ها مدل از تجهیزات الکترونیکی و اسیلوسکوپ‌های برندهای معتبر مانند Rohde & Schwarz، سیگلنت (Siglent)، ریگول (Rigol)، گودویل (GW Instek)، یونی‌تی (UNI-T)، هانتک (Hantek)، ویکتور (Victor)، افنیرسی (Fnirsi) و زویی (Zoyi) سروکار داریم.

یکی از پرتکرارترین سوالاتی که علاقه‌مندان و خریداران محصولات الکترونیکی از ما می‌پرسند این است که دکمه‌ی «MATH» و قابلیت FFT روی این دستگاه‌ها دقیقاً چیست و چگونه می‌توان از آن برای تحلیل فرکانسی سیگنال‌ها و عیب‌یابی مدارها استفاده کرد؟

در این مقاله می‌خواهیم قدم‌به‌قدم وارد دنیای فرمول‌ها شویم و از درک تئوری‌های پایه تا تنظیمات عملی FFT روی میز کار آزمایشگاه را با زبانی ساده، تحلیلی و کاربردی با هم بررسی کنیم.

بخش اول: تبدیل فوریه سریع (FFT) دقیقاً چیست؟

برای درک عملکرد FFT، ابتدا باید با دو زاویه دید متفاوت در دنیای مهندسی آشنا شویم: «حوزه زمان» (Time Domain) و «حوزه فرکانس» (Frequency Domain).
اسیلوسکوپ در حالت عادی یک «ولت‌متر وابسته به زمان» است. وقتی پروب را به مدار متصل می‌کنید، تغییرات ولتاژ را در طول زمان (ثانیه به ثانیه) روی صفحه می‌بینید. به این زاویه دید، حوزه زمان می‌گویند. اما مشکل اینجاست که در دنیای واقعی، سیگنال‌ها هرگز خالص نیستند. یک سیگنال به ظاهر ساده، معمولاً ترکیبی درهم‌تنیده از ده‌ها موج و نویز مختلف است که در حوزه زمان، فقط به شکل یک خطِ پر از اعوجاج و لرزش دیده می‌شود.
اینجاست که FFT وارد عمل می‌شود.

یک مثال ملموس: منشور نوری ایزاک نیوتن همه ما می‌دانیم که نور سفید خورشید، در واقع ترکیبی از تمام رنگ‌های رنگین‌کمان است. اگر مستقیماً به نور خورشید نگاه کنید (حوزه زمان)، فقط یک درخشش سفید و یکپارچه می‌بینید و چشم شما قادر نیست رنگ قرمز را از آبی تشخیص دهد. اما اگر یک منشور شیشه‌ای را در مسیر این نور قرار دهید چه اتفاقی می‌افتد؟ منشور نور سفید را می‌شکند و آن را به طیف‌های سازنده‌اش (قرمز، نارنجی، زرد تا بنفش) تجزیه می‌کند. حالا شما می‌توانید دقیقاً ببینید که این نور از چه رنگ‌هایی تشکیل شده و شدت درخشش هر رنگ چقدر است.
الگوریتم FFT دقیقاً نقش همان منشور را برای سیگنال‌های الکتریکی بازی می‌کند. وقتی دکمه MATH را روی اسیلوسکوپ می‌زنید و FFT را فعال می‌کنید، پردازنده دستگاه، موج درهم‌تنیده و پیچیده‌ی ولتاژ را می‌گیرد و آن را به فرکانس‌های سازنده‌اش تجزیه می‌کند. به جای محور زمان، حالا محور افقی شما تبدیل به فرکانس می‌شود و محور عمودی، قدرت (دامنه) هر فرکانس را نشان می‌دهد.

با این زاویه دید جدید (حوزه فرکانس)، شما به یک قدرت تحلیلی فوق‌العاده دست پیدا می‌کنید. به سوالات ابتدای مقاله برگردیم:

• پردازنده هدفون نویز کنسلینگ، صدای یک خیابان شلوغ را از منشور FFT عبور می‌دهد. حالا فرکانس‌های بم و ممتد مربوط به همهمه ترافیک و صدای موتور ماشین‌ها (مثلاً محدوده ۱۰۰ تا ۳۰۰ هرتز) به صورت قله‌هایی مجزا از فرکانس صدای مکالمه تلفنی شما (مثلاً حدود ۱۰۰۰ تا ۳۰۰۰ هرتز) جدا می‌شوند. به این ترتیب، دستگاه می‌تواند به راحتی قله‌های مزاحم ترافیک را فیلتر و حذف کند، در حالی که صدای مکالمه دست‌نخورده باقی می‌ماند.
• یک مهندس الکترونیک نیز سیگنال نویزی یک مدار را از منشور FFT در اسیلوسکوپ عبور می‌دهد تا ببیند آیا قله‌ی مزاحمی در فرکانس‌های بالا وجود دارد که باعث اختلال در عملکرد سیستم شده است یا خیر.

بخش دوم: ریاضیات زیر پوست FFT (ورود به دنیای فرمول‌ها)

برای درک اینکه اسیلوسکوپ چگونه این معجزه را انجام می‌دهد، باید بدانیم که FFT یک فرمول فیزیکی جدید نیست؛ بلکه یک الگوریتم بسیار هوشمندانه برای حل سریع‌ترِ یک معادله‌ی کلاسیک است. برای درک این مسیر، بیایید فرمول‌ها را قدم‌به‌قدم کالبدشکافی کنیم:

تبدیل فوریه پیوسته (Continuous Fourier Transform)

در ریاضیات مهندسی، اگر یک موج پیوسته در طول زمان مانند $$x(t)$$ داشته باشیم، فرمول پایه تبدیل فوریه آن به شکل انتگرال زیر است:
$$X(f) = \int_{-\infty}^{\infty} x(t) e^{-j 2\pi f t} dt$$
در این فرمول، $$X(f)$$ خروجی در حوزه فرکانس است. عبارت نمایی ($$e^{-j 2\pi f t}$$) در واقع سیگنال اصلی را با موج‌های سینوسی و کسینوسی در فرکانس‌های مختلف مقایسه می‌کند تا ببیند سیگنال چقدر به آن فرکانس خاص شباهت دارد.

یک مثال فیزیکی و انجام محاسبات:

فرض کنید سیگنال ما، ولتاژِ تخلیه یک خازن در مدار است که با فرمول نمایی $$x(t) = e^{-at}$$ کار می‌کند (در اینجا $$a$$ یک عدد ثابت مثبت است). می‌خواهیم ببینیم این سیگنال در حوزه فرکانس چه رفتاری دارد. فرمول پیوسته را اعمال می‌کنیم:
$$X(f) = \int_{0}^{\infty} e^{-at} e^{-j 2\pi f t} dt$$
ابتدا توان‌ها را با هم جمع می‌کنیم:
$$X(f) = \int_{0}^{\infty} e^{-(a + j 2\pi f)t} dt$$
حالا از این تابع نمایی انتگرال می‌گیریم (یادآوری: انتگرال $$e^{cx}$$ برابر است با $$\frac{1}{c}e^{cx}$$):
$$X(f) = \left[ \frac{-1}{a + j 2\pi f} e^{-(a + j 2\pi f)t} \right]_0^\infty$$
وقتی $$t \to \infty$$ میل می‌کند، عبارت نمایی صفر می‌شود (زیرا توان منفی است).
وقتی $$t = 0$$ است، عبارت نمایی برابر با ۱ می‌شود.

پس نتیجه نهایی به این شکل در می‌آید:
$$X(f) = 0 – \left( \frac{-1}{a + j 2\pi f} \times 1 \right) = \frac{1}{a + j 2\pi f}$$

نتیجه: ما یک تابع زمانی پیوسته را به یک تابع فرکانسی مختلط تبدیل کردیم که با قرار دادن هر فرکانس ($$f$$) در آن، دامنه و فاز آن فرکانس به دست می‌آید.

چالش اول: احتمالاً متوجه یک تغییر در فرمول بالا شدید! چرا در فرمول اصلی، انتگرال از منفی بی‌نهایت تا مثبت بی‌نهایت بود، اما در محاسبات خازن، ما انتگرال را از صفر تا بی‌نهایت گرفتیم؟
پاسخ: در دنیای فیزیک و مدارهای الکترونیکی، اتفاقات یک نقطه شروع دارند (مثلاً لحظه فشردن کلید). می‌دانیم که ولتاژ خازن قبل از زمان صفر (یعنی در زمان‌های منفی) دقیقاً صفر بوده است. از آنجایی که انتگرالِ عدد صفر برابر با صفر می‌شود، نیمه منفی انتگرال کاملاً حذف شده و ما فقط از ۰ تا $$+\infty$$ محاسبه را انجام می‌دهیم.

چالش دوم: خروجی ما یک عدد مختلط شد (چون $$j$$ در مخرج دارد). اسیلوسکوپ چگونه از این کسر، «دامنه» و «فاز» یک فرکانس خاص را بیرون می‌کشد؟
پاسخ: فرض کنید ثابت مدار $$a=3$$ است و می‌خواهیم بدانیم فرکانس ۴ هرتز ($$f=4$$) چقدر در این سیگنال قدرت (دامنه) دارد. با جایگذاری در کسر، مخرج به شکل $$3 + j(25.12)$$ در می‌آید.
برای محاسبه دامنه، اسیلوسکوپ از قضیه فیثاغورث ($$\sqrt{x^2 + y^2}$$) استفاده می‌کند. اندازه مخرج برابر است با $$\sqrt{3^2 + 25.12^2}$$ که تقریباً ۲۵.۳ می‌شود. پس دامنه این فرکانس در موج اصلی برابر با ولتاژ بسیار ضعیفِ $$\frac{1}{25.3}$$ یا 0.039 است.
فاز (زاویه شیفت) نیز با فرمول تانژانت معکوس ($$\arctan$$) محاسبه می‌شود. زاویه صورت صفر است و زاویه مخرج $$\arctan(25.12/3)$$ که حدود ۸۳.۲ درجه می‌شود. پس فاز این فرکانس ۸۳.۲- درجه است.

تبدیل فوریه گسسته (DFT)

دستگاه‌های دیجیتال مثل اسیلوسکوپ‌های ایلکوشاپ، نمی‌توانند انتگرال‌های بی‌نهایت و پیوسته بگیرند. آن‌ها در هر ثانیه میلیون‌ها بار از سیگنال نمونه‌برداری گسسته می‌کنند. بنابراین، انتگرال در دنیای دیجیتال به یک مجموع (سیگما) تبدیل می‌شود:
$$X_k = \sum_{n=0}^{N-1} x_n e^{-j \frac{2\pi}{N} k n}$$

یک مثال عددی:
فرض کنید اسیلوسکوپ ۴ نمونه ولتاژ از یک مدار ثبت کرده است: $$[1, 0, -1, 0]$$.
برای پیدا کردن آرایه فرکانسی با روش DFT، پردازنده دستگاه باید تک‌تک این اعداد را در فرمول قرار داده و با هم جمع و ضرب کند.
برای ساده‌تر شدن، ابتدا باید ببینیم آن عبارت نماییِ پیچیده چگونه محاسبه می‌شود. این موضوع مستقیماً به یکی از زیباترین فرمول‌های ریاضی یعنی فرمول اویلر (Euler’s Formula) برمی‌گردد. اویلر ثابت کرد که ارتباط توابع نمایی مختلط با مثلثات به این شکل است:
$$e^{j\theta} = \cos(\theta) + j\sin(\theta)$$

در این مثال، چون ۴ نمونه داریم ($$N=4$$)، کسر توان نمایی به شکل $$-\frac{2\pi}{4}$$ در می‌آید که ساده‌شده‌ی آن $$-\frac{\pi}{2}$$ است. در عبارت $$e^{-j \frac{\pi}{2}}$$ مقدار زاویه $$\theta = -\frac{\pi}{2}$$ رادیان است (که به درجه همان -90° می‌شود). حالا این زاویه را در فرمول اویلر قرار می‌دهیم:
$$e^{-j \frac{\pi}{2}} = \cos(-90^\circ) + j\sin(-90^\circ)$$
از مثلثات می‌دانیم که:
کسینوس زاویه -90° برابر با صفر است.
سینوس زاویه -90° برابر با -1 است.
و پس جایگذاری به عبارت زیر می‌رسیم:
$$0 + j(-1) = -j$$
پس فرمول تبدیل فوریه گسسته تبدیل می‌شود به ضرب نمونه‌ها در $$(-j)^{kn}$$.

حالا پردازنده باید این را برای ۴ بازه فرکانسی ($$k=0, 1, 2, 3$$) محاسبه کند:
برای $$k=0$$:
$$X_0 = 1(1) + 0(1) + (-1)(1) + 0(1) = 0$$
برای $$k=1$$:
$$X_1 = 1(-j)^0 + 0(-j)^1 + (-1)(-j)^2 + 0(-j)^3$$
$$X_1 = 1(1) + 0 + (-1)(-1) + 0 = 1 + 1 = 2$$
برای $$k=2$$:
$$X_2 = 1(-j)^0 + 0(-j)^2 + (-1)(-j)^4 + 0(-j)^6$$
$$X_2 = 1(1) + 0 + (-1)(1) + 0 = 0$$
برای $$k=3$$:
$$X_3 = 1(-j)^0 + 0(-j)^3 + (-1)(-j)^6 + 0(-j)^9$$
$$X_3 = 1(1) + 0 + (-1)(-1) + 0 = 1 + 1 = 2$$

نتیجه: آرایه فرکانسی برابر با $$[0, 2, 0, 2]$$ به دست آمد.
چالش سوم (کشف یک مشکل بزرگ در قلب پردازنده‌ها): همان‌طور که در محاسبات بالا دیدید، ما برای پیدا کردن هر درایه، ۴ ضرب و ۳ جمع انجام دادیم. در مجموع ۱۶ عملیات ضرب انجام شد (دقیقاً $$N^2$$ یعنی ۴ به توان ۲).
حالا تصور کنید شما پیچ Time/Div اسیلوسکوپ را روی $$1 MSa/s$$ تنظیم کرده‌اید (یعنی ۱ میلیون نمونه). پردازنده برای رسم نمودار فرکانس با این روش سنتی، باید ۱ تریلیون محاسبه انجام دهد! پردازنده زیر این بار سنگین کاملاً متوقف می‌شود. اینجاست که باید به سراغ معجزه FFT برویم.

تولد یک شاهکار: الگوریتم FFT

ریاضیدانان (کولی و توکی) باهوش‌تر از پردازنده‌ها بودند. آن‌ها می‌دانستند که توابع سینوسی، توابعی متقارن و دوره‌ای (تکرارشونده) هستند. الگوریتم FFT به جای حل مستقیم معادله، از ترفند «تقسیم و غلبه» (Divide and Conquer) استفاده می‌کند.

بیایید همان نمونه‌های قبلی یعنی $$x = [1, 0, -1, 0]$$ را با روش FFT (تقسیم و غلبه) حل کنیم تا ببینید چطور از حجم محاسبات کاسته می‌شود.
الگوریتم FFT می‌گوید به جای حل یک مسئله ۴ نقطه‌ای سنگین، آن را به دو مسئله ۲ نقطه‌ای (زوج و فرد) تبدیل کنید:

• نمونه‌های با اندیس زوج ($$E$$): نمونه صفرم و دوم $$\rightarrow E = [1, -1]$$
• نمونه‌های با اندیس فرد ($$O$$): نمونه یکم و سوم $$\rightarrow O = [0, 0]$$

حالا DFT را روی این دو آرایه کوچک ۲ نقطه‌ای حل می‌کنیم (که بسیار ساده‌تر است):

• برای آرایه زوج ($$E$$): $$E_0 = 1 + (-1) = 0$$ و $$E_1 = 1 – (-1) = 2$$
• برای آرایه فرد ($$O$$): چون هر دو صفر هستند، خروجی آن‌ها مستقیماً صفر است! ($$O_0 = 0$$ و $$O_1 = 0$$)

حالا با فرمول جادویی FFT، نتایج این دو را با هم ترکیب می‌کنیم:
$$X_k = E_k + W_4^k O_k$$

(ضریب چرخش $$W_4^k$$ همان $$(-j)^k$$ است).

• $$X_0 = E_0 + (-j)^0 O_0 \rightarrow 0 + 1(0) = 0$$
• $$X_1 = E_1 + (-j)^1 O_1 \rightarrow 2 + (-j)(0) = 2$$
• $$X_2 = E_0 + (-j)^2 O_0 \rightarrow 0 + (-1)(0) = 0$$ (نکته: در اینجا $$E_2$$ همان $$E_0$$ است چون توابع دوره‌ای هستند).
• $$X_3 = E_1 + (-j)^3 O_1 \rightarrow 2 + (j)(0) = 2$$

نتیجه نهایی: همان آرایه$$[0, 2, 0, 2]$$ به دست آمد.

راز شاهکار بودن FFT در کجاست؟

در مثال دوم (DFT) دیدید که ما مجبور شدیم ۱۶ بار عملیات ضرب را انجام دهیم تا به جواب برسیم. اما در مثال سوم (FFT)، به محض اینکه سیگنال را به زوج و فرد تقسیم کردیم، بخش فرد ($$O$$) کلاً صفر شد و ما نیمی از محاسبات را اصلاً انجام ندادیم! به علاوه، از نتایج تکراری بخش زوج دوباره استفاده کردیم و به جای ۱۶ ضرب، در نهایت با حدود ۴ الی ۵ عملیات به همان جواب دقیق رسیدیم.
اما در مقیاس بزرگتر این کاهش محاسبات چقدر است؟ در مقیاس ۱ میلیون نمونه، محاسباتی که نیاز به ۱ تریلیون ضرب داشت، حالا با کمتر از ۲۰ میلیون عملیات انجام می‌شود. به همین دلیل است که عبارت «سریع» (Fast) به این الگوریتم اضافه شد و اسیلوسکوپ‌ها قادر هستند طیف فرکانسی را بدون هیچ تاخیری و به صورت کاملاً زنده (Real-Time) روی صفحه رسم کنند.

بخش سوم: کالبدشکافی تنظیمات FFT روی اسیلوسکوپ (ورود به آزمایشگاه)

وقتی دکمه MATH را روی اسیلوسکوپ می‌زنید و وارد دنیای فرکانس می‌شوید، دستگاه به طور خودکار همه‌چیز را بی‌نقص نشان نمی‌دهد. برای رسیدن به یک تصویر دقیق و قابل اعتماد، باید بدانیم اسیلوسکوپ سیگنال را چگونه پردازش و تحلیل می‌کند و چه محدودیت‌هایی دارد.

اولین قدم، درک محدودیت سرعت پردازش است. احتمالاً در فیلم‌ها دیده‌اید که یک ماشین با سرعت به جلو می‌رود، اما چرخ‌هایش در تصویر به سمت عقب می‌چرخند! دلیل این اتفاق این است که سرعت عکس‌برداریِ دوربین، کُندتر از سرعت چرخش لاستیک است و نمی‌تواند با تمام تغییراتِ سریع همگام شود. پردازنده اسیلوسکوپ‌های دیجیتال نیز در زمان نمونه‌برداری از سیگنال‌های سریع، دقیقاً با همین مشکل روبرو می‌شود. طبق «قانون نایکوئیست»، دستگاه برای درک درستِ فرکانس یک موج، باید در هر سیکلِ آن حداقل دو بار نمونه‌برداری کند. بنابراین، حداکثر فرکانسی که دستگاه می‌تواند در صفحه FFT نمایش دهد، از فرمول زیر به دست می‌آید:

$$f_{max} = \frac{f_s}{2}$$

در این رابطه، متغیر $$f_{max}$$ حداکثر فرکانسِ بدون خطا است، و متغیر $$f_s$$ نرخ نمونه‌برداری (Sampling Rate) دستگاه را نشان می‌دهد. اگر فرکانس مدار شما بیشتر از این حدِ مجاز باشد، دستگاه دچار خطای محاسباتی می‌شود و قله فرکانس را به اشتباه در محدوده‌های پایین‌تر نشان می‌دهد. به این خطای فاحش، پدیده لایه‌بندی (Aliasing) می‌گویند. برای جلوگیری از این خطا، باید با چرخاندن پیچ افقی زمان (Time/Div)، نرخ نمونه‌برداری دستگاه را حداقل ۲ تا ۳ برابرِ فرکانس سیگنال مدارتان تنظیم کنید.

پس از اینکه سیگنال با سرعت مناسب و بدون خطا ثبت شد، پردازنده اسیلوسکوپ باید محور افقی صفحه را به «بازه‌های فرکانسی» (Frequency Bins) کوچکی تقسیم کند تا انرژی موج را درون آن‌ها قرار دهد. به پهنای این بازه‌ها، رزولوشن پهنای باند یا متغیر $$RBW$$ می‌گویند که با این فرمول مشخص می‌شود:

$$RBW = \frac{f_s}{N}$$

در این کسر، متغیر مخرج یعنی $$N$$ همان «عمق حافظه» (Memory Depth) یا تعداد کل نقاطی است که دستگاه نمونه‌برداری کرده است. اهمیت این فرمول در زمان عیب‌یابی مشخص می‌شود؛ فرض کنید پهنای هر بازه در دستگاه شما روی ۵ هرتز تنظیم شده باشد (بازه‌ی اول ۰ تا ۵ هرتز، بعدی ۵ تا ۱۰ و…). حالا اگر دو نویزِ بسیار نزدیک با فرکانس‌های ۱۰۰ هرتز و ۱۰۲ هرتز روی بردِ شما وجود داشته باشد، چون هر دو دقیقاً داخل یک بازه‌ی ۵ هرتزی قرار می‌گیرند، دستگاه قادر به تفکیک آن‌ها نیست و هر دو را به شکل یک تپه‌ی به هم چسبیده نشان می‌دهد. برای جدا کردن آن‌ها و دیدن دو قله مجزا، باید عمق حافظه را در تنظیمات اسیلوسکوپ افزایش دهید تا این بازه‌ها باریک‌تر و دقیق‌تر شوند.

اما چالش‌های دنیای دیجیتال به همین‌جا ختم نمی‌شود. ریاضیاتِ تبدیل فوریه یک فرضِ پایه‌ایِ بزرگ دارد: “سیگنالِ ورودی تا بی‌نهایت در حال تکرار شدن است”. وقتی اسیلوسکوپ یک بخش از موج را برای نمایش روی صفحه جدا می‌کند، اگر ولتاژ در ابتدا و انتهای این بُرش دقیقاً روی یک مقدارِ برابر تراز نشود، در زمانِ تکرارِ فرضی، یک پرش ناگهانی و لبه‌ی تیز به وجود می‌آید. اما چرا این لبه‌ی تیز مشکل‌ساز است؟ بر اساس تئوری فوریه، هرگونه پرش عمودی و تغییر ولتاژِ ناگهانی (در حوزه زمان) به این معنی است که تغییرات با سرعت بسیار بالا و در کسری از ثانیه رخ داده‌اند؛ بنابراین ریاضیات برای ساختن این شیب‌های تند و لبه‌های تیز، مجبور است از ترکیب صدها موجِ سینوسی با فرکانس‌های بسیار بالا استفاده کند. در نتیجه، فرکانس‌های کاذب و دروغینی روی صفحه ظاهر می‌شوند که در مدار شما اصلاً وجود خارجی ندارند! به این خطا، «نشت طیفی» (Spectral Leakage) می‌گویند.

برای خنثی کردن این خطا، دانشمندان «توابع پنجره» (Window Functions) را معرفی کردند. کارِ این توابع این است که ابتدا و انتهایِ بخش جداشده‌ی سیگنال را به نرمی محو کرده و به صفر برسانند تا هیچ پرش ناگهانی ایجاد نشود.

در منوی اسیلوسکوپ‌ها معمولاً سه انتخاب اصلی دارید:

• حالت مستطیلی که سیگنال را دستکاری نمی‌کند و مخصوص پالس‌های گذرا است.
• حالت هنینگ/همینگ که بهترین و استانداردترین انتخاب برای عیب‌یابی عمومی و بررسی هارمونیک‌ها است.
• حالت فلت‌تاپ که قله‌ها را تخت می‌کند اما ولتاژ نویز را با بالاترین دقتِ ممکن اندازه می‌گیرد.

با تنظیم درستِ تمام این پارامترها، حالا یک تصویر کاملاً شفاف از دنیای فرکانس دارید که کاربردهای بی‌نظیری در میز کار شما خواهد داشت. برای مثال، می‌توانید با بررسی اعوجاج هارمونیک (THD)، ببینید که چگونه یک شارژر سوئیچینگ ارزان‌قیمت، موج تمیزِ ۵۰ هرتزِ برق شهر را خراب کرده و قله‌های خطرناکی در فرکانس‌های ۱۵۰ یا ۲۵۰ هرتز تولید می‌کند. یا با اتصال یک پروب میدان نزدیک (که شبیه یک آنتن حلقوی است و نیازی به تماس فیزیکی با پایه‌های قطعات ندارد)، امواج مغناطیسی نامرئی را شکار کرده و دقیقاً آی‌سیِ تولیدکننده نویز روی برد را شناسایی کنید.

بخش چهارم: ۴ قدم طلایی برای تنظیم FFT (راهنمای عملی روی میز کار)

اکنون که با منطق پردازش سیگنال و تنظیمات حیاتی آشنا شدیم، زمان آن رسیده است که این دانش را روی دستگاه پیاده‌سازی کنیم. مهم نیست اسیلوسکوپ شما چه قیمتی دارد؛ اگر سیگنال را به درستی وارد پردازنده نکنید، خروجی FFT چیزی جز یک نمودارِ پر از اعوجاج و غیرقابل‌اعتماد نخواهد بود. برای رسیدن به یک طیف فرکانسیِ شفاف، همیشه این ۴ قدم را به ترتیب اجرا کنید:

قدم اول: بهینه‌سازی سیگنال در حوزه زمان (Time Domain) یک قانون طلایی در پردازش سیگنال وجود دارد: “ورودیِ بی‌کیفیت، خروجیِ بی‌کیفیت تولید می‌کند”. پیش از فعال کردن عملیات ریاضی، باید سیگنال اصلی را به بهترین شکل روی صفحه تنظیم کنید. با استفاده از پیچ تنظیمِ عمودی (Volts/Div)، دامنه موج را طوری تنظیم کنید که بیشترین فضای ممکن از صفحه را پُر کند، اما قله‌های آن از کادر بالا و پایین خارج (Clip) نشوند. سپس با پیچِ افقی (Time/Div)، زمان را طوری تنظیم کنید که حداقل ۵ الی ۱۰ سیکلِ کامل و واضح از موج را روی صفحه مشاهده کنید. این کار به پردازنده اجازه می‌دهد تا اطلاعات کافی برای تحلیل دقیقِ فرکانس‌ها در اختیار داشته باشد.

قدم دوم: فعال‌سازی موتور پردازش FFT روی پنل کاربری اکثر اسیلوسکوپ‌های دیجیتال، دکمه‌ای به نام MATH تعبیه شده است. با فشردن این دکمه، وارد منوی عملیات ریاضی می‌شوید. در این بخش، عملگر (Operator) را روی حالت FFT تنظیم کنید. با این کار، صفحه‌نمایشِ اسیلوسکوپ به دو بخش مجزا (Split Screen) تقسیم می‌شود: بخش اول همچنان همان شکل موجِ استاندارد در حوزه زمان را نشان می‌دهد، اما بخش جدیدی که به صفحه اضافه می‌شود، «نمودار طیف فرکانسی» (Spectrum) است که نتایج پردازش FFT در آن به نمایش درمی‌آید.

قدم سوم: تنظیم کادر فرکانس و تابع پنجره حالا در بخش تنظیمات MATH، باید به جای ولتاژ و زمان، با محور فرکانس کار کنید. سه تنظیم اصلی در این مرحله وجود دارد که مستقیماً روی نمودار طیف فرکانسی اعمال می‌شوند:

• Center Frequency (فرکانس مرکز): این گزینه مشخص می‌کند که نقطه‌ی مرکزی در محور افقیِ پنجره‌ی FFT، روی چه عددی تنظیم شود. آن را روی فرکانسِ حدودیِ سیگنال مدارتان قرار دهید تا موج اصلی دقیقاً در وسط کادر قرار بگیرد.
• Span (پهن‌باند): این گزینه مشخص می‌کند که محور افقی در نمودار فرکانسی، از منتهی‌الیه سمت چپ تا راست چه محدوده‌ای را پوشش دهد (مثلاً نمایش یک بازه‌ی ۱ مگاهرتزی در اطراف فرکانس مرکز).
• Window (پنجره): همان‌طور که در بخش قبل بررسی کردیم، برای بررسی هارمونیک‌ها و عیب‌یابی عمومی، این گزینه را روی حالت Hanning تنظیم کنید تا خطای نشت طیفی خنثی شود.

قدم چهارم: استخراج دقیقِ مقادیر با کرسرها (Cursors) نمودار فرکانسی به تنهایی برای عیب‌یابی کافی نیست؛ شما برای تحلیل مدار به اعداد دقیق نیاز دارید. دکمه Cursors را روی دستگاه فشار دهید و حالت آن را روی Manual (دستی) تنظیم کنید. حتماً منبع (Source) کرسر را روی MATH یا FFT قرار دهید. حالا با چرخاندن پیچ‌های مربوط به کرسر، می‌توانید خط‌کش‌های تقاطعی را دقیقاً روی قله‌هایی که در پنجره‌ی FFT ظاهر شده‌اند قرار دهید و فرکانس دقیقِ نویز و همچنین قدرت آن (بر حسب ولت یا دسی‌بل) را به راحتی استخراج کنید.

تفاوت تنظیمات FFT در برندهای معتبر جهانی (موجود در ایلکوشاپ)

منطقِ ریاضیِ FFT در تمام اسیلوسکوپ‌ها یکسان است، اما رابط کاربری و قدرتِ پردازش در برندهای مختلف، تجربه متفاوتی را در آزمایشگاه رقم می‌زند. ما در تیم ایلکوشاپ، این دستگاه‌ها را بر اساس اعتبار جهانی و قابلیت‌های پردازشی به سه دسته کلی تقسیم می‌کنیم:

کلاس حرفه‌ای و پریمیوم (Rohde & Schwarz, Siglent, Rigol)

این برندها در دنیای تجهیزات اندازه‌گیری، پرچم‌دار محسوب می‌شوند (به ویژه غول‌های آلمانی مانند Rohde & Schwarz). در این کلاس، قابلیت FFT صرفاً یک تابعِ ساده‌ی ریاضی نیست، بلکه دستگاه دقیقاً شبیه به یک اسپکتروم‌آنالایزرِ (Spectrum Analyzer) مستقل و قدرتمند عمل می‌کند.

مزیت ویژه: این مدل‌ها دارای حافظه بسیار عمیق و پردازنده‌های اختصاصی هستند. در نتیجه، تنظیمات Center و Span کاملاً مستقل و حرفه‌ای عمل می‌کنند. جذاب‌ترین ویژگیِ این کلاس، قابلیت Peak Search است؛ دستگاه به صورت خودکار تمام هارمونیک‌ها و نویزهای مزاحم را در کسر از ثانیه پیدا کرده، روی آن‌ها علامت می‌گذارد و فرکانس دقیقِ هرکدام را در قالب یک جدولِ مرتب به شما ارائه می‌دهد تا نیازی به جستجوی دستی با کرسر نداشته باشید.

اگر به دنبال چنین دقتی در میز کار خود هستید، می‌توانید مدل‌های اسیلوسکوپ سیگلنت و اسیلوسکوپ ریگول را در دسته‌بندی مربوطه بررسی کنید.

کلاس مهندسی و استاندارد (GW Instek, UNI-T, Hantek)

این دستگاه‌ها گزینه‌ای ایده‌آل، قابل‌اعتماد و استاندارد برای میز کارِ مهندسان، دانشجویان و تعمیرکارانِ حرفه‌ای هستند.

مزیت ویژه: در مدل‌های رومیزیِ این برندها، تنظیم محدوده فرکانسی معمولاً با همان پیچ‌های استانداردِ افقی (Scale و Position) در زیرمنوی MATH انجام می‌شود که کار را برای کاربرانِ سنتی آسان می‌کند. در مدل‌های مبتنی بر کامپیوتر (PC-Based) مانند محصولات هانتک، قابلیت کنترل تنظیمات با موس در نرم‌افزار ویندوز، بزرگ‌نمایی (Zoom) روی فرکانس‌های خاص و تهیه گزارش را بسیار سریع و لذت‌بخش می‌کند.

اگر به دنبال گزینه‌ای استاندارد و مقرون‌به‌صرفه برای میز کار خود هستید، می‌توانید مدل‌های اسیلوسکوپ GW Instek، اسیلوسکوپ UNI-T و اسیلوسکوپ Hantek را در دسته‌بندی مربوطه بررسی کنید.

کلاس اقتصادی و پرتابل (Victor, Fnirsi, Zoyi)

این مدل‌ها با طراحیِ جمع‌وجور و قیمت مقرون‌به‌صرفه، برای عیب‌یابی سریع در محیط‌های کارگاهی یا تعمیرات خارج از آزمایشگاه طراحی شده‌اند.

مزیت ویژه: به دلیل استفاده از پردازنده‌های سبک‌تر، عمق حافظه در این دستگاه‌ها محدودتر است و در نتیجه، رزولوشن فرکانسی در حد کلاسِ حرفه‌ای نیست. با این حال، تنظیمات ساده‌سازی شده‌ی آن‌ها برای تشخیصِ سریعِ هارمونیک‌های اصلی در منابع تغذیه سوئیچینگ و پیدا کردن نویزهای فرکانس پایین، بسیار راهگشا و کاربردی است.

اگر دستگاهی سبک، پرتابل و اقتصادی برای عیب‌یابی سریع نیاز دارید، می‌توانید مدل‌های اسیلوسکوپ ویکتور و اسیلوسکوپ افنیرسی را در دسته‌بندی مربوطه بررسی کنید.

بخش پنجم: یک سناریوی واقعی در آزمایشگاه (کاربرد واقعی FFT در رفع عیب مدار)

برای اینکه قدرت واقعی طیف‌سنجی فرکانسی را درک کنیم، هیچ‌چیز بهتر از بررسی یک پرونده‌ی واقعی روی میز کار آزمایشگاه نیست. بیایید سناریویی را بررسی کنیم که ممکن است هر روز در زمان طراحی یا تعمیر بردهای الکترونیکی با آن مواجه شوید.

تصور کنید یک برد مدار چاپی در دست دارید که سیستم میکروکنترلر آن به درستی کار نمی‌کند. این برد برای برقراری ارتباط بین آی‌سی‌ها از پروتکل سریال $$I2C$$ استفاده می‌کند. شما پروب اسیلوسکوپ را به خط کلاک یعنی پایه $$SCL$$ متصل می‌کنید تا سیگنال را در حوزه زمان بررسی کنید. روی صفحه نمایش، یک موج مربعی استاندارد را مشاهده می‌کنید، اما لبه‌های بالا و پایین این موج مربعی به جای اینکه یک خط صاف باشند، بسیار ضخیم، لرزان و همراه با اعوجاج دیده می‌شوند. در این حالت (حوزه زمان)، شما فقط می‌دانید که سیگنال نویزی است، اما این نویز از کجا آمده است؟ منبع آن چیست؟ پروب‌ها چطور تداخل ایجاد کرده‌اند؟ حوزه زمان هیچ پاسخی برای این سوالات ندارد.

حالا دکمه‌ی $$MATH$$ را فشار می‌دهید و نمودار پردازش $$FFT$$ را فعال می‌کنید. با تنظیم دقیقِ فرکانس مرکز و پهنای باند، اسیلوسکوپ سیگنال را پردازش کرده و تمام اجزای سازنده‌ی آن را به تفکیک روی صفحه رسم می‌کند. در پنجره‌ی فرکانسی، علاوه بر قله‌های طبیعی مربوط به فرکانس کاریِ خود پروتکل $$I2C$$

یک قله‌ی بزرگ، تیز و کاملاً غیرعادی را دقیقاً روی فرکانس $$100\text{ kHz}$$ مشاهده می‌کنید. وجود این فرکانس در این بخش از مدار هیچ توجیه فنی ندارد. شما فرکانس دقیق نویز را کشف کرده‌اید؛ حالا وقت ردیابی منبع آن است.

با بررسی قطعات اطراف آی‌سی روی برد مدار چاپی، متوجه یک رگولاتور ولتاژِ منبع تغذیه سوئیچینگ می‌شوید. با مراجعه به دیتاشیت این قطعه، متوجه می‌شوید که فرکانس سوئیچ‌زنی داخلی این رگولاتور دقیقاً روی عدد $$100\text{ kHz}$$ تنظیم شده است! معما حل شد. سلف یا لایه‌های داخلی برد نتوانسته‌اند این فرکانس بالا را مهار کنند و امواج مزاحم منبع تغذیه به خطوط حساسِ داده نشت کرده‌اند.
برای رفع این مشکل، خازن‌های فیلتر و دکوپلینگ در ورودی و خروجی رگولاتور سوئیچینگ را تقویت و اصلاح می‌کنید. به محض این کار، در پنجره‌ی فرکانسی اسیلوسکوپ مشاهده می‌کنید که آن قله‌ی مزاحمِ $$100\text{ kHz}$$ به سرعت فروکش کرده و محو می‌شود. همزمان در حوزه زمان نیز لبه‌های موج مربعی $$I2C$$ کاملاً تیز، صاف و بدون نویز می‌شوند و سیستم بدون هیچ اختلالی به کار خود ادامه می‌دهد. این دقیقاً همان نقطه‌ای است که قابلیت $$FFT$$ شما را از ساعت‌ها آزمون و خطای کورکورانه و تعویض بی‌دلیل قطعات نجات می‌دهد.

ضمیمه ویژه: شبیه‌ساز تعاملی FFT (خودتان امتحان کنید!)

خواندن تئوری‌ها یک چیز است و دیدن عملکرد آن‌ها چیز دیگر! ما در تیم ایلکوشاپ برای اینکه مفاهیم این مقاله را به صورت عملی و ملموس درک کنید، یک شبیه‌ساز تعاملی و زنده در همین صفحه برای شما آماده کرده‌ایم. با تغییر تنظیمات در کادر زیر، می‌توانید تأثیر پارامترهای مختلف را با چشمان خودتان ببینید.

چهار آزمایش عملی با شبیه‌ساز ایلکوشاپ

برای تسلط بر مفاهیمی که در این مقاله آموختید، این ۴ آزمایش را روی شبیه‌ساز بالا انجام دهید:

آزمایش اول: مشاهده «نشت طیفی» (Spectral Leakage)

1. شکل موج را روی سینوسی خالص بگذارید.
2. فرکانس را روی ۱۰ هرتز تنظیم کنید.
3. نرخ نمونه‌برداری را روی ۵۰۰ هرتز بگذارید.
4. حالا تابع پنجره را روی مستطیلی (بدون پنجره) قرار دهید.

چه می‌بینید؟ در نمودار فرکانسی (FFT) به جای یک خط تمیز و نازک روی ۱۰ هرتز، مشاهده می‌کنید که پایه آن در اطراف پخش و پهن شده است. این همان نشت طیفی است. اگر دقت کنید در نمودار بالا (حوزه زمان)، در لبه‌های راست و چپ کادر، موج روی مقدار صفر تراز نشده و به صورت ناگهانی قطع شده است.

اقدام: حالا تابع پنجره را به هنینگ (Hanning) تغییر دهید.

تحلیل: نشت طیفی کاملاً جمع می‌شود و قله فرکانس بسیار تیزتر می‌گردد. تابع هنینگ ابتدا و انتهای موج را نرم می‌کند تا محاسبات ریاضی بدون خطا انجام شود.

آزمایش دوم: پدیده خطای لایه‌بندی (Aliasing)

1. شکل موج را روی سینوسی خالص و فرکانس را روی ۱۰۰ هرتز تنظیم کنید.
2. تابع پنجره را روی هنینگ بگذارید.
3. حالا به آرامی نرخ نمونه‌برداری را از ۵۰۰ هرتز کاهش دهید.

تا زمانی که نرخ نمونه‌برداری بالای ۲۰۰ هرتز است (یعنی دو برابرِ فرکانس موج)، در نمودار FFT قله روی ۱۰۰ هرتز کاملاً ثابت است. اما وقتی نرخ نمونه‌برداری را به زیر ۲۰۰ (مثلاً ۱۵۰ هرتز) می‌رسانید چه می‌شود؟

تحلیل: قله در نمودار فرکانسی ناگهان جابجا می‌شود و به اشتباه روی ۵۰ هرتز می‌ایستد! در حالی که سیگنال اصلی شما ۱۰۰ هرتز است. به این پدیده Aliasing می‌گویند؛ در این حالت دستگاه دچار خطای محاسباتی شده و فرکانس کاذب نشان می‌دهد.

آزمایش سوم: تشخیص هارمونیک‌ها در موج مربعی 

1. شکل موج را به مربعی (دارای هارمونیک) تغییر دهید.
2. فرکانس را روی ۲۰ هرتز قرار دهید و نرخ نمونه‌برداری را روی حداکثر یعنی ۱۰۰۰ هرتز تنظیم کنید (تا وضوح تصویر بالا رود).

چه می‌بینید؟ برخلاف موج سینوسی که فقط یک قله دارد، در اینجا شما یک قله بلند در ۲۰ هرتز (فرکانس اصلی) می‌بینید و سپس قله‌هایی در ۶۰، ۱۰۰، ۱۴۰ هرتز (مضارب فردِ عدد ۲۰) مشاهده می‌کنید که رفته‌رفته کوتاه‌تر می‌شوند.

تحلیل: این اثبات بصری تئوری فوریه است که ثابت می‌کند هر موج مربعی، در واقع ترکیبی بی‌نهایت از موج‌های سینوسی با فرکانس‌های فرد است. در اینجا اعوجاج هارمونیک یا متغیر $$THD$$ بسیار بالاست.

آزمایش چهارم: تاثیر عمق حافظه بر قدرت تفکیک

1. شکل موج را روی دو موج سینوسی نزدیک قرار دهید (دو موج که فرکانس بسیار نزدیکی به هم دارند).
2. تابع پنجره را روی مستطیلی بگذارید.
3. نرخ نمونه‌برداری را روی حداکثر (۱۰۰۰ هرتز) تنظیم کنید.
4. حالا عمق حافظه (تعداد نقاط نمونه‌برداری یعنی متغیر $$N$$) را از ۵۱۲ کاهش داده و روی ۶۴ یا ۳۲ قرار دهید.

چه اتفاقی می‌افتد؟ مشاهده می‌کنید که دو قله مجزا کاملاً در هم ادغام می‌شوند و به شکل یک تپه پهن در می‌آیند! پردازنده به دلیل کمبود حافظه (نقاط پردازشی کم)، قادر به تفکیک این دو موج از یکدیگر نیست.

تحلیل: با افزایش دوباره‌ی حافظه به ۲۵۶ یا ۵۱۲، قدرت تفکیک اسیلوسکوپ افزایش یافته و آن‌ها را به عنوان دو موج جداگانه نمایش می‌دهد. (در حین این آزمایش، به عدد مقدار رزولوشن پهنای باند یا متغیر $$RBW$$ در کادر آبی‌رنگ دقت کنید که چطور با تغییر حافظه، کوچک و بزرگ می‌شود).

جمع‌بندی | لنز جدیدی برای تماشای الکترونیک

الگوریتم تبدیل فوریه سریع (FFT)، تنها یک منوی فرعی یا یک تابع ریاضی ساده روی پنل اسیلوسکوپ شما نیست؛ بلکه چشم سومی است که به شما اجازه می‌دهد سیگنال‌ها را از زاویه‌ای کاملاً نو، تحلیلی و عمیق تماشا کنید. تسلط بر مدیریت این قابلیت، مرز میان یک تکنسین معمولی و یک مهندس طراح و عیب‌یاب حرفه‌ای را مشخص می‌کند.
ما در مجموعه ایلوکوشاپ (Yilkoshop) تلاش می‌کنیم تا علاوه بر ارائه بهترین و معتبرترین تجهیزات اندازه‌گیری از برندهای تراز اول جهانی تا مدل‌های استاندارد و اقتصادی، دانش کاربردی استفاده از این ابزارها را نیز در اختیار شما قرار دهیم. اگر برای تجهیز آزمایشگاه یا ارتقای میز کار خود به دنبال اسیلوسکوپی با توان پردازش فرکانسی بالا و قابلیت‌های پیشرفته کار با فرکانس‌ها هستید، مشاوران فنی ما آماده‌اند تا شما را برای انتخاب بهترین گزینه همراهی کنند.