下圖25說明了生成顯示頻譜曲線的過程：

圖25 生成頻譜曲線

在這個過程中，首先把數據乘以窗口函數。由于FFT假設信號在整個期間不變，因此采樣間隔最后的不連續點將在得到的頻譜中表現為頻譜泄漏。窗口函數是為了減少這些不連續點。如需進一步了解各種窗口函數及其使用，請參閱附錄一。

信號在整個期間不變的假設的其中一個含義，在RF時域數據覆蓋的時間間隔期間內，若信號改變幅度的話，它將以降低的功率電平顯現在所得到的頻譜中。避免這種結果的唯一途徑是調節RBW分辨率帶寬設置，保證信號在整個時間間隔期間是穩定的。

由于FFT處理在2的冪數的數據長度中更加有效，因此輸入數據會加上零襯墊，直到最近的2的冪數。零襯墊增加了頻譜分辨率，而不會改變頻率成分。

應該指出的是，使用的FFT長度完全取于跨度/RBW之比。上面的公式中可以很容易看出：

FFT長度= (窗口因數* 濾波因數* (1/2 * 跨度)) / RBW （公式10）

對MDO4000混合域示波器，默認Kaiser窗口的窗口因數是2.23。如上所述，濾波因數約等于3。默認的跨度/ RBW之比為1000:1。在這些默認設置下，得到的FFT長度約為3345點。這將零襯墊直到4096點FFT。

每個變換幀中樣點數越多，變換完成后頻率分辨率越好。遺憾的是，這也意味著變換幀所需的數據計算數量越多。FFT這個變換過程也因密集計算要求而聞名。

圖26. 提高時間樣點數改善了頻域分辨率。

然后我們使用FFT，以頻譜形式把RF時域數據轉換成頻域數據。然后進一步修改這個頻譜：

整個頻譜乘以一套調節平坦度的系數。這些系數在出廠校準時確定。MDO4000混合域示波器中沒有相位校準。

如前所述，FFT過程可以涉及1,000 - 2,000,000點?？梢詨嚎s頻譜記錄，以適應1000點畫面。這種數據壓縮（樣本抽?。┻^程稱為檢測，用來把多個FFT二元組匯聚成一個顯示的二元組。用戶可以控制選擇的檢測方法，壓縮方式如下：

• + Peak：保留壓縮間隔中最大的數據點
• -Peak：保留壓縮間隔中最小的數據點
• Average：平均整個壓縮間隔中的數據
• Sample：保留壓縮間隔中最后一個數據點

然后可以對最終頻譜求對數，得到最終畫面。

生成RF時域數據

IQ數據的另一個用途是生成RF時域數據。回憶一下，在上面的數字下變頻中，IQ數據只是在虛數IQ數據平面中作為矢量繪制的信號的卡笛爾表示。因此，IQ數據可以作如下變換：

圖27. 生成RF時域數據

可以在時域格線中，與其它時域曲線一起繪制得到RF時域數據圖。所有時域數據(包括模擬數據、數字數據和RF射頻通道) 在格線中都時間對準，允許用戶評價各條通道之間的定時關系。

注意相位計算和頻率計算都獨立于幅度計算。如果幅度低，那么IQ數據會越來越以噪聲為主。下面的截圖中顯示了這種效應：

圖28. 沒有消隱的相位隨時間變化。

為了避免這個問題，MDO4000混合域示波器擁有靜噪控制功能，允許用戶在幅度降到用戶自定義門限以下時消隱相位和頻率曲線。下面截圖顯示了這一結果。