Занятие 4

А налоговый ввод

На этом занятии описываются примеры программ для сбора аналоговых сигналов, и функции LabVIEW, которые вы будете использовать совместно с виртуальными приборами NI-DAQmx.

Задачи:

А. Обзор ввода аналоговых сигналов

B. Фильтры защиты от наложения частот

C. Использование ВП DAQmx Read

D. Поточечный сбор данных

E. Буферизированный сбор данных

F. Сбор данных с использованием триггера

А. Аналоговый ввод

Цифровая обработка сигналов обладает многими преимуществами. В связи с этим перед обработкой в компьютере аналоговые сигналы преобразуются в цифровую форму. Цифровым сигналом называется такой сигнал, который может принимать ограниченный ряд значений зависимых и независимых переменных. Независимыми переменными обычно являются время или координаты, а зависимыми – амплитуда.

Цифровые (дискретные) сигналы окружают нас повсюду. Телефонные компании используют цифровые сигналы для представления человеческого голоса. Радио, телевизионные и высококачественные звуковые системы – все используют поэтапное преобразование сигнала в цифровую форму из-за ее безукоризненной точности воспроизведения, подавления шумов и больших возможностей обработки сигналов. Снимки NASA удаленных планет и космического пространства часто подвергаются цифровой обработке для удаления шумов и выделения полезной информации. Данные в экономической области, результаты переписи населения и цены акций на фондовой бирже – все это доступно в цифровом виде.

Дискретизация сигналов

Для получения аналогового сигнала вы, прежде всего, должны преобразовать его в дискретное представление. На практике под этим понимается использование аналого-цифрового преобразователя (АЦП). Рассмотрим аналоговый сигнал x(t), который дискретизируется каждые t секунд. Временной интервал t называют интервалом дискретизации или периодом дискретизации. Обратная величина, 1/t, известна как частота дискретизации или частота выборки с единицей измерения – количество выборок в секунду. Каждое из дискретных значений x(t) в моменты времени t = 0, t, 2t, 3t, и т.д. называются выборками. Таким образом, x(0), x(t), x(2t), ... образуют полный набор выборок. Сигнал x(t) может быть представлен дискретным набором выборок, как это показано в следующем уравнении:

{x(0), x(t), x(2t), x(3t), …, x(kt), … }

Следующий рисунок демонстрирует аналоговый сигнал и соответствующую ему оцифрованную версию. Выборки заданы в дискретные моменты времени.

В данном курсе мы будем использовать следующую условную запись для представления отдельных выборок:

x[i] = x(it), для i = 0, 1, 2, …

Если N выборок были получены для сигнала x(t), то он может быть представлен последовательностью:

X = {x[0], x[1], x[2], x[3], …, x[N–1] }

Она известна как дискретное представление или дискретизированная версия сигнала x(t). Обратим внимание, что элементы последовательности X = {x[i]} нумеруются целочисленной переменной i и не содержат какой-либо информации и частоте выборки. Зная только значения выборок, содержащихся в X, вы не узнаете, с какой скоростью производилась выборка (оцифровка).

Частота выборки

Один из наиболее важных параметров измерительной системы с аналоговым вводом или выводом является частота, с которой измерительное устройство производит выборку входного сигнала или генерацию выходного. Частота сканирования или частота выборки в NI-DAQmx определяет, насколько часто имеет место аналого-цифровое или цифро-аналоговое преобразование. При большей частоте выборки собирается больше точек за данное время, что позволяет построить лучшее представление исходного сигнала, чем при низкой частоте выборки. Генерация одногерцового сигнала с использованием 1000 точек на период при частоте 1000 выборок в секунду создает гораздо более точное представление, чем использование 10 точек на период при частоте 10 Выб/сек.

Наложение частот

Слишком низкая частота выборки приводит к такому явлению, как наложение частот (aliasing), что вызывает искажение в представлении аналогового сигнала. Недостаточная скорость оцифровки является причиной того, что сигнал выглядит так, как будто его частота отлична от действительной. Чтобы избежать наложения частот оцифровку производят с частотой, большей частоты самого сигнала.

Следующая иллюстрация показывает удовлетворительно оцифрованный сигнал и эффект наложения частот из-за недостаточной частоты выборки.

Для точного представления частоты сигнала при измерениях вы должны производить выборки с частотой, большей удвоенной максимальной частотной компоненты сигнала, в соответствии с теоремой Найквиста. Частота Найквиста – это максимальная частота сигнала, при которой его можно точно представить без эффекта наложения частот с данной частотой выборки. Частота Найквиста равна половине частоты выборки. В сигналах, имеющих частотные компоненты, превышающие частоту Найквиста, появятся ложные низкочастотные составляющие. Частота этой составляющей равна по модулю разности между частотой входного сигнала и наиболее близкой частотой, равной целому числу, умноженному на частоту выборки.

Например, положим, что частота выборки fs равна 100 Гц. Предположим также, что входной сигнал содержит компоненты с частотами: 25 Гц, 70 Гц, 160 Гц и 510 Гц, как показано на следующем рисунке.

Частотные компоненты ниже частоты Найквиста (fs/2 = 50 Гц) оцифровываются правильно. Это показано на следующей иллюстрации. Частотные компоненты выше частоты Найквиста появляются как побочные. Например, F1 (25 Гц) появляется на правильной частоте, а F2 (70 Гц), F3 (160 Гц) и F4 (510 Гц) имеют низкочастотные ложные компоненты на частотах 30 Гц, 40 Гц и 10 Гц, соответственно.

Для вычисления ложных частот используйте следующее выражение:

Ложная частота = Абсолютное значение (Наиболее близкая частота, равная целому числу, умноженному на частоту выборки, – Частота входного сигнала)

Например,

Ложная F2 = |100 – 70| = 30 Гц

Ложная F3 = |(2)100 – 160| = 40 Гц

Ложная F4 = |(5)100 – 510| = 10 Гц