[论文解读] Spectral analysis and Allan variance calculation in the case of phase noise

Dimitra Georgakaki, Chris Mitsas+1 more|arXiv (Cornell University)|Feb 29, 2012

Advanced Frequency and Time Standards参考文献 11被引用 3

一句话总结

本文提出了一套全面的时间序列分析框架，用于利用Allan方差和修正Allan方差，结合贝叶斯谱分析（Bretthorst周期图），表征计量测量中的相位噪声。结果表明，经典方差在自相关噪声下失效，而修正Allan方差能唯一区分白相位调制（PM）噪声与闪烁PM噪声，Bretthorst方法则能准确检测出噪声数据中微弱且紧密间隔的振荡。

ABSTRACT

In this work, time series analysis techniques are used to analyze sequential, equispaced mass measurements of a Si density artifact, collected from an electromechanical transducer. Specifically, techniques such as Power Spectral Density, Bretthorst periodogram, Allan variance and Modified Allan variance can provide much insight regarding the stochastic correlations that are induced on the outcome of an experiment by the measurement system and establish criteria for the limited use of the classical variance in metrology. These techniques are used in conjunction with power law models of stochastic noise in order to characterize time or frequency regimes by pointing out the different types of frequency modulated (FM) or phase modulated (PM) noise. In the case of phase noise, only Modified Allan variance can tell between white PM and flicker PM noise. Oscillations in the system can be detected accurately with the Bretthorst periodogram. Through the detection of colored noise, which is expected to appear in almost all electronic devices, a lower threshold of measurement uncertainty is obtained and the white noise model of statistical independence can no longer provide accurate results for the examined data set.

研究动机与目标

• 解决由于随机噪声导致测量数据自相关时，经典方差在估计A类不确定度方面的局限性。
• 利用时域技术（如Allan方差和修正Allan方差）表征机电转换器中的相位噪声。
• 利用贝叶斯谱分析（Bretthorst周期图）检测噪声测量数据中的微弱周期性振荡，克服标准基于FFT方法的局限性。
• 验证幂律噪声模型（如1/f^α）在描述现实计量系统中频率与相位噪声区域的适用性。
• 基于噪声类型与测量时间尺度（τ）建立选择合适不确定度估计方法的标准。

提出的方法

• 对1kg密度标准装置比较器的等时距质量测量数据应用时间序列分析，通过一阶差分滤波去除线性趋势。
• 使用功率谱密度（PSD）与Schuster周期图在频域识别噪声区域，并检测到约0.0183 Hz的振荡。
• 采用Bretthorst周期图——一种贝叶斯谱估计方法——检测并确认单一主导振荡频率，抑制了FFT中常见的虚假峰。
• 计算Allan方差与修正Allan方差（MVAR），以评估时变离散度，并区分白FM、闪烁FM与相位调制噪声类型。
• 将幂律模型（S_y(f) = Σ h_a f^a）拟合到功率谱的对数-对数图，以估计谱指数（α）并分类噪声类型。
• 利用修正Allan方差图的斜率（−3/2）确认在短积分时间（τ）下存在白相位调制噪声。

实验结果

研究问题

• RQ1 当测量数据因相位噪声导致自相关时，经典方差能否准确估计不确定度？
• RQ2 Allan方差与修正Allan方差在多大程度上能区分白相位调制噪声与闪烁相位调制噪声？
• RQ3 与标准基于FFT的周期图相比，Bretthorst周期图在噪声计量数据中如何提升振荡检测性能？
• RQ4 时间序列质量测量中存在哪些不同的噪声区域（如白FM、闪烁FM、PM），它们如何随积分时间τ变化？
• RQ5 形式为1/f^α的幂律模型能否准确描述真实电子测量系统中相位噪声的谱特性？

主要发现

• 经典方差显著低估不确定度：经典标准差为9.57×10⁻⁵，而τ=256时的Allan偏差为1.9×10⁻⁶，表明低估了50倍。
• 修正Allan方差在对数-对数图上能清晰区分白PM噪声（斜率−3/2）与闪烁PM噪声，而经典Allan方差无法实现。
• Bretthorst周期图确认存在0.0183 Hz的主导振荡频率（周期54.64秒），该频率在标准Schuster周期图中因频谱泄漏而被掩盖。
• 功率谱揭示了三个不同的噪声区域：低频区为闪烁FM噪声（1/f），中频区为白FM噪声（恒定），高频区为相位噪声（1/f⁻¹或1/f⁻²）。
• 自相关函数显示在200个滞后内存在强相关性，表明存在显著的时间依赖性，这使得经典方差所依赖的统计独立性假设失效。
• Allan方差图中的闪烁底限（μ=0）归因于外部因素，如电源波动、元件漂移及微波功率变化。