6 常见的 FFT 错误

图 6-1、图 6-2 与 图 6-3 强调了一些可能导致 ADC 性能理解不准确的无效 FFT 数据采集。我们的目的是帮助那些刚通过评估模块或系统级设计角度进行 ADC 测试的设计人员，利用 FFT 数据采集来确定信号链设计的整体性能。

第一种 FFT 特征类型称为“FFT 异常波动”，如 图 6-1 所示。这种 FFT 特征类型会在基频附近显示一个较大的偏移，当设计人员打算进行相干采样，但未采用正确的模拟输入频率，或使用了错误的计算时，就会出现这种情况。注：SNR/SFDR 性能与 ADC 数据表性能规格相差甚远。

图 6-2 显示了另一种 FFT 特征类型，称为 FFT 栅栏效应，当用户在模拟输入信号的相同位置进行几乎精确的非相干采样时，就会出现这种现象。这里的问题在于，模拟输入频率不是一个质数，因此频率不够分散，无法沿输入信号在不同点移动。这种情况下，Fs = 5,200MSPS，模拟频率正好是 1000.0000MHz，这不是一个质数。例如，采用 1011.1235MHz 等类似质数频率，能够确保对模拟输入信号进行精确采样的充足拖尾。

第三种特征类型称为“FFT 分箱误差”。FFT 分箱误差与 FFT 栅栏效应相类似，但它是采样率的直接倍数。例如，如 图 6-3 图所示，Fs = 5,200MSPS，模拟输入频率正好是采样频率的五分之一，即：1040.0000MHz。

这种情况下，同样是对模拟输入信号的相同点进行采样，该采样率下，会导致所有谐波（图 6-3 中的 HD2 与 HD3，以及基波与 HD4）相互叠加。通过采用随机质数（例如：1041.1359MHz），能够轻松解决 FFT 分箱误差。