最近想起來，以前在做EMI整改的時候，出現過低頻輻射超標，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。我之前做的產品是攝像頭，時鐘線加十幾根數據線。有一次處理完時鐘線後還是超標，因為正好數據線上都串有電阻，我就將電阻都改成了磁珠，想消除因為數據線引起的輻射，改完之後發現還是超標，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，與數據線關係不大。不過那時，我一直都不明白為什麼會如此。
因為在我看來，時鐘線和數據線的上升沿都差不多，按說頻率分量應該是一樣的呀。雖然時鐘線的高低電平交替變化會多一些，但是數據線有十幾根了，難道加起來還比不上時鐘線嗎?
實際上數據加起來還真比不上時鐘線。
關於這一點，理論可以這麼解釋：周期信號由於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，由於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。然而在一般系統中，時鐘信號為周期信號，而數據和地址線通常為非周期信號，因此造成系統輻射超標的通常為時鐘信號。
不過呢，這一段話本身就是一個結論，說服力不強，也就有點不敢相信。下面還是來做個實驗模擬下，我們會發現新東西。實驗思路很簡單，那就是分別得到時鐘線和數據線的頻譜，兩者比較下就知道了。
構建時鐘和數據信號
我們使用MATLAB來分析頻譜，首先需要構建時鐘和數據信號。
時鐘信號很容易，就是高低電平交替變化。正常情況下，數據線都是不規律的，那就採用隨機生成的方式。
構建時鐘和數據信號如下圖。
構建時鐘CLK和10根數據線如上圖。說明一下，為了減小運算量(軟體運行時間)，時鐘頻率設置為1Hz。
得到頻譜
我們分別畫出時鐘的頻譜，1根數據線的頻譜，10根數據線頻譜的疊加。
需要注意的是，因為數據線的數據是非周期的，我們儘量時間取長一點，下圖分析的數據長度為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，這個相信大家已經見過多次了，而數據線的頻譜是比較寬的。這與文章最前面說的是一致的。
並且，圖中右下角有1根數據線和10根數據線相加的頻譜。我們也可以看到，10根數據線相加之和，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，也就是說數據線加起來，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，即分析的數據長度是1000個時鐘周期的數據。
我發現，如果把時間長度提升10倍，Num_T=10000。那麼10根數據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，數據線頻譜幅度降低的原因。是因為我使用了Matalb裡面的fft函數，這個函數是將信號看作周期函數來處理的，就是說假定取樣時間長度為T，那麼就默認這個信號是周期函數，周期長度為T。數據線信號本來是非周期的，如果用這個函數，那麼其實就是讓數據線信號的周期為採用時間長度，這也是為什麼時間設得越短，幅度值越高。採用時間越短，其實不就是讓數據線向周期信號靠攏嗎。
所以，這個採樣時間長度長一些，應該是更為準確的。
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的幅值。所以它肯定不是從開始掃描，到結束掃描，只記錄一次數據然後最後分析一次。應該也是連續取一段時間數據，因為我們可以實時看到當前的頻譜，並且它是變化的，所以會是取一段時間數據，分析出頻譜，然後顯示出來，再取下一段時間的數據進行分析。
當然，以上只是我的猜測。那麼它到底一次分析多長的數據呢?這個我也沒查到。
對於10Mhz的信號，如果取樣10000個周期的數據，那麼時間長度是1ms。這已經是一個很快的頻次了。從上面看，此時10根數據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，可以修改裡面採樣的信號時間長度Num_T，體驗一下。
註：Matlab可以在線執行的，沒安裝的同學可以網頁上面執行，下面是網頁連結，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1HzNum_T=1000; %信號長度為1000個時鐘周期Num_Data=10; %數據線的個數10個
%%%%%%%%%%%%%%%%%%%%%%%% fft採樣設置Fs=100; %採樣率為Fs L=(Fs/Fclk)*Num_T; %信號長度(採樣總點數)：Num_T個周期的信號，長度越長，fft精度越高，但是執行時間越長T=1/Fs; %採樣周期t=(1:L)*T; %時間長度
%SIG_DATA=round(rand(Num_Data,2*Num_T)); %產生數據信號：0,1隨機分布SIG_DATA=round(rand(Num_Data,Num_T)); %產生數據信號：0,1隨機分布SIG_CLK=rand(1,2*Num_T); %產生時鐘信號for i = 1:length(SIG_CLK)if mod(i,2) SIG_CLK(i)=1;else SIG_CLK(i)=0;endend
N=length(t);LEN_CLK=zeros(1,N); %定義時鐘信號採樣序列LEN_DATA=zeros(Num_Data,N); %定義數據信號採樣序列for i=1:N LEN_CLK(i)=SIG_CLK(ceil(i/((Fs/Fclk)/2))); %時鐘信號的採樣序列for j=1:Num_Data% LEN_DATA(j,i)=SIG_DATA(j,ceil(i/((Fs/Fclk)/2))); %數據信號的採樣序列 LEN_DATA(j,i)=SIG_DATA(j,ceil(i/(Fs/Fclk))); %數據信號的採樣序列endend
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軸的數據顯示範圍,0-30
set(gca,'ytick',[]);grid on;hold onfor j=1:Num_Data plot(t,LEN_DATA(j,:)+(j-1)*1.5,'k'); hold onend
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軸的數據顯示範圍set(gca, 'XTickLabel' ,{'0.1','1','10','100','10K','100K'}); %x軸頻率數據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-數據線'],[' 1根-數據線']);set(gca,'XLim',[0.1 10000]);%x軸的數據顯示範圍set(gca, 'XTickLabel' ,{'0.1','1','10','100','10K','100K'}); %x軸頻率數據title(['',num2str(Num_Data),'數據線頻譜']);set(gca,'YLim',[-0.1 1]);xlabel('f (Hz)');ylabel('幅度');小結
為什麼時鐘信號比數據信號更容易引起輻射超標?
以上就是我對這個問題的一個人看法，提供了一個思路，如有錯誤，請留言指出。