B站对应视频:

为什么时钟信号比数据信号更容易引起辐射超标?问题的本质原因是什么呢?

最近想起来,以前在做EMI整改的时候,出现过低频辐射超标,类似下面这种。

一般这种问题,我们都会说是时钟线引起的问题。我之前做的产品是摄像头,时钟线加十几根数据线。有一次处理完时钟线后还是超标,因为正好数据线上都串有电阻,我就将电阻都改成了磁珠,想消除因为数据线引起的辐射,改完之后发现还是超标,看不到有明显的改善。

从那时,我就知道了,辐射一般都是时钟线引起的,与数据线关系不大。不过那时,我一直都不明白为什么会如此。

因为在我看来,时钟线和数据线的上升沿都差不多,按说频率分量应该是一样的呀。虽然时钟线的高低电平交替变化会多一些,但是数据线有十几根了,难道加起来还比不上时钟线吗?

实际上数据加起来还真比不上时钟线。

关于这一点,理论可以这么解释:周期信号由于每个取样段的频谱都是一样的,所以他的频谱呈离散形,但在各个频点上比较大,通常成为窄带噪声。而非周期信号,由于其每个取样段的频谱不一样,所以其频谱很宽,而且强度较弱,通常被称为宽带噪声。然而在一般系统中,时钟信号为周期信号,而数据和地址线通常为非周期信号,因此造成系统辐射超标的通常为时钟信号。

不过呢,这一段话本身就是一个结论,说服力不强,也就有点不敢相信。下面还是来做个实验模拟下,我们会发现新东西。实验思路很简单,那就是分别得到时钟线和数据线的频谱,两者比较下就知道了。

构建时钟和数据信号

我们使用MATLAB来分析频谱,首先需要构建时钟和数据信号。

时钟信号很容易,就是高低电平交替变化。正常情况下,数据线都是不规律的,那就采用随机生成的方式。

构建时钟和数据信号如下图。

构建时钟CLK和10根数据线如上图。说明一下,为了减小运算量(软件运行时间),时钟频率设置为1Hz。

得到频谱

我们分别画出时钟的频谱,1根数据线的频谱,10根数据线频谱的叠加。

需要注意的是,因为数据线的数据是非周期的,我们尽量时间取长一点,下图分析的数据长度为Num_T=1000个时钟周期。

从图可以看出,周期性时钟信号的频谱是离散的,非常典型,这个相信大家已经见过多次了,而数据线的频谱是比较宽的。这与文章最前面说的是一致的。

并且,图中右下角有1根数据线和10根数据线相加的频谱。我们也可以看到,10根数据线相加之和,幅度最高的频谱分量幅度值大概是0.4左右,而时钟的基频分量最高为0.6,也就是说数据线加起来,确实抵不过CLK时钟信号。

一个问题猜测

前面的频谱分析有一个前提条件,那就是,取样的时间长度是Num_T=1000个时钟周期,即分析的数据长度是1000个时钟周期的数据。

我发现,如果把时间长度提升10倍,Num_T=10000。那么10根数据线相加的频谱幅度值就更低了,大概只有0.1左右,比原来要低不少,而时钟的频谱不变。

增加取样时间,数据线频谱幅度降低的原因。是因为我使用了Matalb里面的fft函数,这个函数是将信号看作周期函数来处理的,就是说假定取样时间长度为T,那么就默认这个信号是周期函数,周期长度为T。数据线信号本来是非周期的,如果用这个函数,那么其实就是让数据线信号的周期为采用时间长度,这也是为什么时间设得越短,幅度值越高。采用时间越短,其实不就是让数据线向周期信号靠拢吗。

所以,这个采样时间长度长一些,应该是更为准确的。

不过问题又来了。我突然想到,我们做辐射测试用的频谱分析仪,它工作的时候,我们可以在频谱上面看到各个频率对应的幅值。所以它肯定不是从开始扫描,到结束扫描,只记录一次数据然后最后分析一次。应该也是连续取一段时间数据,因为我们可以实时看到当前的频谱,并且它是变化的,所以会是取一段时间数据,分析出频谱,然后显示出来,再取下一段时间的数据进行分析。

当然,以上只是我的猜测。那么它到底一次分析多长的数据呢?这个我也没查到。

对于10Mhz的信号,如果取样10000个周期的数据,那么时间长度是1ms。这已经是一个很快的频次了。从上面看,此时10根数据线加起来的频谱幅度最大值才0.1,比时钟小不少。

实验源码

下面分享下matlab源码,可以修改里面采样的信号时间长度Num_T,体验一下。

注:Matlab可以在线执行的,没安装的同学可以网页上面执行,下面是网页链接,我先前也出了一个简易的教程,有兴趣可以看看。

https://ww2.mathworks.cn/products/matlab-online.html

Fclk=1;    %时钟频率为1Hz
Num_T=1000; %信号长度为1000个时钟周期
Num_Data=10;  %数据线的个数10个%%%%%%%%%%%%%%%%%%%%%%%%  fft采样设置
Fs=100;  %采样率为Fs
L=(Fs/Fclk)*Num_T;   %信号长度(采样总点数):Num_T个周期的信号,长度越长,fft精度越高,但是执行时间越长
T=1/Fs;    %采样周期
t=(1:L)*T; %时间长度%SIG_DATA=round(rand(Num_Data,2*Num_T));   %产生数据信号:0,1随机分布
SIG_DATA=round(rand(Num_Data,Num_T));   %产生数据信号:0,1随机分布
SIG_CLK=rand(1,2*Num_T);                  %产生时钟信号
for i = 1:length(SIG_CLK)if mod(i,2)SIG_CLK(i)=1;elseSIG_CLK(i)=0;end
endN=length(t);
LEN_CLK=zeros(1,N);  %定义时钟信号采样序列
LEN_DATA=zeros(Num_Data,N); %定义数据信号采样序列
for i=1:NLEN_CLK(i)=SIG_CLK(ceil(i/((Fs/Fclk)/2)));    %时钟信号的采样序列for j=1:Num_Data
%             LEN_DATA(j,i)=SIG_DATA(j,ceil(i/((Fs/Fclk)/2)));   %数据信号的采样序列LEN_DATA(j,i)=SIG_DATA(j,ceil(i/(Fs/Fclk)));   %数据信号的采样序列end
endfigure;
subplot(2,2,[1 2]);
plot(t,LEN_CLK+1.5*Num_Data,'r');      %画出30个时钟周期时钟信号
set(gca,'XLim',[0 30]);%x轴的数据显示范围,0-30set(gca,'ytick',[]);
grid on;
hold on
for j=1:Num_Dataplot(t,LEN_DATA(j,:)+(j-1)*1.5,'k');hold on
endX_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轴的数据显示范围
set(gca, 'XTickLabel' ,{'0.1','1','10','100','10K','100K'}); %x轴频率数据
title('时钟频谱');
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_DataX_LEN_DATA = abs(fft(LEN_DATA(j,:)))+X_LEN_DATA;
endsubplot(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-数据线'],[' 1根-数据线']);
set(gca,'XLim',[0.1 10000]);%x轴的数据显示范围
set(gca, 'XTickLabel' ,{'0.1','1','10','100','10K','100K'}); %x轴频率数据
title(['',num2str(Num_Data),'数据线频谱']);
set(gca,'YLim',[-0.1 1]);
xlabel('f (Hz)');
ylabel('幅度');

小结

为什么时钟信号比数据信号更容易引起辐射超标?

以上就是我对这个问题的一个人看法,提供了一个思路,如有错误,请留言指出。

 

更多硬件知识,欢迎关注下方微信公众信号

为什么时钟信号比数据信号更容易引起辐射超标相关推荐

  1. RGB显示屏的辐射超标问题点及解决方案

    摘要 基于RGB显示屏的架构及接口类型,分析RGB显示屏的辐射发射存在的主要问题点以及辐射噪声形成原因,从而针对性的采取合适EMI抑制手段,以达到降低EMI,提升产品性能,通过认证测试标准. 关键词 ...

  2. 微型计算机48MHz辐射超,造成EMC辐射超标原因有哪些(精彩案例分析)

    造成EMC辐射超标的原因是多方面的,接口滤波不好,结构屏效低,电缆设计有缺陷都有可能导致辐射发射超标,但产生辐射的根本原因却在PCB的设计.从EMC方面来关注PCB,主要关注这几个方面: ⑴从减小辐射 ...

  3. emc re 整改 超标_EMC设计RE辐射超标整改策略和定位流程

    EMC整改是指产品在功能调试或者EMC测试过程中出现问题后所采取的弥补手法.而EMC设计,则是运用EMC的手法抑制潜在的问题,使问题不出现,使问题扼杀于摇篮中. 一:问题定位 在EMC测试项目中,RE ...

  4. EMC-电感选择不当引起的RE辐射超标

    对于大多数人来说,RE实验可能是所有EMC实验中接触最多的一项实验,也可能是最为头疼的一项实验,本文仅以一例抛砖引玉,跟大家一起探讨解决RE的方法,如有理解不到位的地方还请大家多多指正. RE实验的目 ...

  5. 苹果三星手机被诉辐射超标;淘集集启动破产清算;Drupal 8.8.0 发布 | 极客头条...

    整理 | 屠敏 快来收听极客头条音频版吧,智能播报由标贝科技提供技术支持. 「极客头条」-- 技术人员的新闻圈! CSDN 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注 ...

  6. 华为暂没有推出鸿蒙手机计划;苹果否认 iPhone 辐射超标;Kotlin 1.3.50 发布 | 极客头条...

    快来收听极客头条音频版吧,智能播报由标贝科技提供技术支持. 「CSDN 极客头条」,是从 CSDN 网站延伸至官方微信公众号的特别栏目,专注于一天业界事报道.风里雨里,我们将每天为朋友们,播报最新鲜有 ...

  7. 12月9日科技资讯|苹果三星手机被诉辐射超标;淘集集启动破产清算;Apache Flink 1.9.1 发布 |

    「极客头条」-- 技术人员的新闻圈! CSDN 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注的重要新闻吧.扫描上方二维码进入 CSDN App 可以收听御姐萌妹 Sty ...

  8. 全球人气果汁机的马达电机辐射超标整改—原汁原味

    鲜榨原汁机将取代碳酸饮料成为人们的主要饮品,鲜榨果汁机器采用铝合金制造,外形时尚,不会留下印痕或生锈,历久常新.专利的电机配置可连续工作10小时以上不烧毁电机,现就某知名出口果汁机的马达辐射超标整改展 ...

  9. 经典EMC辐射整改案例-车载显示屏流媒体EMI辐射超标整改分享

    EMC辐射整改案例-车载显示屏流媒体EMI辐射严重超标整改分享 车载行业电子产品对EMC要求相对比消费类的产品,会严格很多,这里涉及到安全方面的诸多问题.其中EMC辐射检测项目是众多项目中很基础的一项 ...

最新文章

  1. HDU-2102 A计划 BFS
  2. 16、Event事件(定时任务)是什么?
  3. css background 充满自适应_剖析一些经典的CSS布局问题,为前端开发+面试保驾护航...
  4. 领航智变时代 2020 NAVIGATE领航者峰会云上起航
  5. 解开 Windows 下的临界区中的代码死锁
  6. R-CNN 物体检测第一弹
  7. 高性能MySQL(第二版)第三章 架构优化和索引(上)——读书笔记
  8. Linux内核协议栈- 创建socket:__sock_create函数调用关系
  9. Enchanted —— Taylor Swift
  10. VOT2016目标跟踪使用教程
  11. 统计字符串中字符ch出现的次数c语言,C语言与汇编的嵌入式编程:统计字符串中各字符出现的次数...
  12. 共享单车变天: 竞争尚未结束,哈罗已超摩拜ofo?
  13. 简单粗暴理解与实现机器学习之K-近邻算法(三):距离度量、欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化距离、余弦距离、汉明距离、杰卡德距离、马氏距离
  14. javascript判断浏览器是否是隐私模式
  15. xcode真机调试--添加iOS最新版本-添加最新的 DeveloperDiskImage
  16. 算法分析与设计第五章作业
  17. 一文了解下一代互联网核心技术HTTP/3及技术发展
  18. 分布式事务解决方案之最大努力通知 上篇
  19. 阿里巴巴首届设计大赛,王牌大奖最终花落谁家?
  20. 笔记本软件页面分辨率低_笔记本分辨率降低怎么办_笔记本电脑电脑分辨率低怎么解决-win7之家...

热门文章

  1. 免费好用的oa系统有哪些?盘点这几款!
  2. Python绘图实例4:正五边形绘制
  3. 12步轻松搞定 Python 装饰器
  4. ImageCombiner图片合成工具
  5. java执行sql列名无效_sqlserver列名无效调试及解决方法
  6. 手机php开发工具_最热门的PHP开发工具
  7. 使用 WordPress快速个人建站指南
  8. table中cellspacing和cellspadding的用法
  9. 图片加载—Glide为什么这么强?Glide源码分析(下)
  10. 利用python 绘制有效边界efficient frontier