【導(dǎo)讀】一般這種問題，我們都會說是時鐘線引起的問題。我之前做的產(chǎn)品是攝像頭，時鐘線加十幾根數(shù)據(jù)線。有一次處理完時鐘線后還是超標(biāo)，因為正好數(shù)據(jù)線上都串有電阻，我就將電阻都改成了磁珠，想消除因為數(shù)據(jù)線引起的輻射，改完之后發(fā)現(xiàn)還是超標(biāo)，看不到有明顯的改善。
最近想起來，以前在做EMI整改的時候，出現(xiàn)過低頻輻射超標(biāo)，類似下面這種。
一般這種問題，我們都會說是時鐘線引起的問題。我之前做的產(chǎn)品是攝像頭，時鐘線加十幾根數(shù)據(jù)線。有一次處理完時鐘線后還是超標(biāo)，因為正好數(shù)據(jù)線上都串有電阻，我就將電阻都改成了磁珠，想消除因為數(shù)據(jù)線引起的輻射，改完之后發(fā)現(xiàn)還是超標(biāo)，看不到有明顯的改善。
從那時，我就知道了，輻射一般都是時鐘線引起的，與數(shù)據(jù)線關(guān)系不大。不過那時，我一直都不明白為什么會如此。
因為在我看來，時鐘線和數(shù)據(jù)線的上升沿都差不多，按說頻率分量應(yīng)該是一樣的呀。雖然時鐘線的高低電平交替變化會多一些，但是數(shù)據(jù)線有十幾根了，難道加起來還比不上時鐘線嗎？
實際上數(shù)據(jù)加起來還真比不上時鐘線。
關(guān)于這一點，理論可以這么解釋：周期信號由于每個取樣段的頻譜都是一樣的，所以他的頻譜呈離散形，但在各個頻點上比較大，通常成為窄帶噪聲。而非周期信號，由于其每個取樣段的頻譜不一樣，所以其頻譜很寬，而且強度較弱，通常被稱為寬帶噪聲。然而在一般系統(tǒng)中，時鐘信號為周期信號，而數(shù)據(jù)和地址線通常為非周期信號，因此造成系統(tǒng)輻射超標(biāo)的通常為時鐘信號。
不過呢，這一段話本身就是一個結(jié)論，說服力不強，也就有點不敢相信。下面還是來做個實驗?zāi)M下，我們會發(fā)現(xiàn)新東西。實驗思路很簡單，那就是分別得到時鐘線和數(shù)據(jù)線的頻譜，兩者比較下就知道了。
構(gòu)建時鐘和數(shù)據(jù)信號
我們使用MATLAB來分析頻譜，首先需要構(gòu)建時鐘和數(shù)據(jù)信號。
時鐘信號很容易，就是高低電平交替變化。正常情況下，數(shù)據(jù)線都是不規(guī)律的，那就采用隨機生成的方式。
構(gòu)建時鐘和數(shù)據(jù)信號如下圖。
構(gòu)建時鐘CLK和10根數(shù)據(jù)線如上圖。說明一下，為了減小運算量（軟件運行時間），時鐘頻率設(shè)置為1Hz。
得到頻譜
我們分別畫出時鐘的頻譜，1根數(shù)據(jù)線的頻譜，10根數(shù)據(jù)線頻譜的疊加。
需要注意的是，因為數(shù)據(jù)線的數(shù)據(jù)是非周期的，我們盡量時間取長一點，下圖分析的數(shù)據(jù)長度為Num_T=1000個時鐘周期。
從圖可以看出，周期性時鐘信號的頻譜是離散的，非常典型，這個相信大家已經(jīng)見過多次了，而數(shù)據(jù)線的頻譜是比較寬的。這與文章最前面說的是一致的。
并且，圖中右下角有1根數(shù)據(jù)線和10根數(shù)據(jù)線相加的頻譜。我們也可以看到，10根數(shù)據(jù)線相加之和，幅度最高的頻譜分量幅度值大概是0.4左右，而時鐘的基頻分量最高為0.6，也就是說數(shù)據(jù)線加起來，確實抵不過CLK時鐘信號。
一個問題猜測
前面的頻譜分析有一個前提條件，那就是，取樣的時間長度是Num_T=1000個時鐘周期，即分析的數(shù)據(jù)長度是1000個時鐘周期的數(shù)據(jù)。
我發(fā)現(xiàn)，如果把時間長度提升10倍，Num_T=10000。那么10根數(shù)據(jù)線相加的頻譜幅度值就更低了，大概只有0.1左右，比原來要低不少，而時鐘的頻譜不變。
增加取樣時間，數(shù)據(jù)線頻譜幅度降低的原因。是因為我使用了Matalb里面的fft函數(shù)，這個函數(shù)是將信號看作周期函數(shù)來處理的，就是說假定取樣時間長度為T，那么就默認(rèn)這個信號是周期函數(shù)，周期長度為T。數(shù)據(jù)線信號本來是非周期的，如果用這個函數(shù)，那么其實就是讓數(shù)據(jù)線信號的周期為采用時間長度，這也是為什么時間設(shè)得越短，幅度值越高。采用時間越短，其實不就是讓數(shù)據(jù)線向周期信號靠攏嗎。
所以，這個采樣時間長度長一些，應(yīng)該是更為準(zhǔn)確的。
不過問題又來了。我突然想到，我們做輻射測試用的頻譜分析儀，它工作的時候，我們可以在頻譜上面看到各個頻率對應(yīng)的幅值。所以它肯定不是從開始掃描，到結(jié)束掃描，只記錄一次數(shù)據(jù)然后最后分析一次。應(yīng)該也是連續(xù)取一段時間數(shù)據(jù)，因為我們可以實時看到當(dāng)前的頻譜，并且它是變化的，所以會是取一段時間數(shù)據(jù)，分析出頻譜，然后顯示出來，再取下一段時間的數(shù)據(jù)進(jìn)行分析。
當(dāng)然，以上只是我的猜測。那么它到底一次分析多長的數(shù)據(jù)呢？這個我也沒查到。
對于10Mhz的信號，如果取樣10000個周期的數(shù)據(jù)，那么時間長度是1ms。這已經(jīng)是一個很快的頻次了。從上面看，此時10根數(shù)據(jù)線加起來的頻譜幅度最大值才0.1，比時鐘小不少。
實驗源碼
下面分享下matlab源碼，可以修改里面采樣的信號時間長度Num_T，體驗一下。
注：Matlab可以在線執(zhí)行的，沒安裝的同學(xué)可以網(wǎng)頁上面執(zhí)行，下面是網(wǎng)頁鏈接，我先前也出了一個簡易的教程，有興趣可以看看。
https://ww2.mathworks.cn/products/matlab-online.html
Fclk=1; %時鐘頻率為1Hz
Num_T=1000; %信號長度為1000個時鐘周期
Num_Data=10; %數(shù)據(jù)線的個數(shù)10個
%%%%%%%%%%%%%%%%%%%%%%%% fft采樣設(shè)置
Fs=100; %采樣率為Fs
L=(Fs/Fclk)*Num_T; %信號長度(采樣總點數(shù))：Num_T個周期的信號，長度越長，fft精度越高，但是執(zhí)行時間越長
T=1/Fs; %采樣周期
t=(1:L)*T; %時間長度
%SIG_DATA=round(rand(Num_Data,2*Num_T)); %產(chǎn)生數(shù)據(jù)信號：0,1隨機分布
SIG_DATA=round(rand(Num_Data,Num_T)); %產(chǎn)生數(shù)據(jù)信號：0,1隨機分布
SIG_CLK=rand(1,2*Num_T); %產(chǎn)生時鐘信號
for i = 1:length(SIG_CLK)
if mod(i,2)
SIG_CLK(i)=1;
else
SIG_CLK(i)=0;
end
end
N=length(t);
LEN_CLK=zeros(1,N); %定義時鐘信號采樣序列
LEN_DATA=zeros(Num_Data,N); %定義數(shù)據(jù)信號采樣序列
for i=1:N
LEN_CLK(i)=SIG_CLK(ceil(i/((Fs/Fclk)/2))); %時鐘信號的采樣序列
for j=1:Num_Data
% LEN_DATA(j,i)=SIG_DATA(j,ceil(i/((Fs/Fclk)/2))); %數(shù)據(jù)信號的采樣序列
LEN_DATA(j,i)=SIG_DATA(j,ceil(i/(Fs/Fclk))); %數(shù)據(jù)信號的采樣序列
end
end
figure;
subplot(2,2,[1 2]);
plot(t,LEN_CLK+1.5*Num_Data,''''r''''); %畫出30個時鐘周期時鐘信號
set(gca,''''XLim'''',[0 30]);%x軸的數(shù)據(jù)顯示范圍,0-30
set(gca,''''ytick'''',[]);
grid on;
hold on
for j=1:Num_Data
plot(t,LEN_DATA(j,:)+(j-1)*1.5,''''k'''');
hold on
end
X_LEN_CLK=abs(fft(LEN_CLK));
subplot(2,2,3);
semilogx(Fs*(0:(L/2))/L,X_LEN_CLK(1:L/2+1)*2/L);
set(gca,''''XLim'''',[0.1 10000]);%x軸的數(shù)據(jù)顯示范圍
set(gca, ''''XTickLabel'''' ,{''''0.1'''',''''1'''',''''10'''',''''100'''',''''10K'''',''''100K''''}); %x軸頻率數(shù)據(jù)
title(''''時鐘頻譜'''');
set(gca,''''YLim'''',[-0.1 1]);
xlabel(''''f (Hz)'''');
ylabel(''''幅度'''');
X1_LEN_DATA= abs(fft(LEN_DATA(1,:)));
X_LEN_DATA = abs(fft(LEN_DATA(1,:)));
for j=2:Num_Data
X_LEN_DATA = abs(fft(LEN_DATA(j,:)))+X_LEN_DATA;
end
subplot(2,2,4);
semilogx(Fs*(0:(L/2))/L,X_LEN_DATA(1:L/2+1)*2/L,Fs*(0:(L/2))/L,X1_LEN_DATA(1:L/2+1)*2/L);
legend(['''''''',num2str(Num_Data),''''根-數(shù)據(jù)線''''],['''' 1根-數(shù)據(jù)線'''']);
set(gca,''''XLim'''',[0.1 10000]);%x軸的數(shù)據(jù)顯示范圍
set(gca, ''''XTickLabel'''' ,{''''0.1'''',''''1'''',''''10'''',''''100'''',''''10K'''',''''100K''''}); %x軸頻率數(shù)據(jù)
title(['''''''',num2str(Num_Data),''''數(shù)據(jù)線頻譜'''']);
set(gca,''''YLim'''',[-0.1 1]);
xlabel(''''f (Hz)'''');
ylabel(''''幅度'''');
（來源：硬件工程師煉成之路）免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請電話或者郵箱聯(lián)系小編進(jìn)行侵刪。
