LTspice 进阶指南 —— 如何优化 FFT 分析中的 numdgt 与 plotwinsize 参数？

1. 从“能用”到“好用”：为什么你的LTspice FFT结果总是不清晰？

很多刚开始用LTspice做仿真的朋友，尤其是做开关电源、音频放大或者信号调理电路的朋友，应该都尝试过FFT功能。你可能和我当初一样，照着教程跑了个简单的正弦波，右键点击波形，选择“View -> FFT”，然后满怀期待地等着看频谱图。结果呢？弹出来的图可能让你有点失望：主频信号是能看见，但底噪（Noise Floor）高得离谱，频谱线又粗又模糊，旁边还散落着一些莫名其妙的杂散信号（Spur）。你心里可能会嘀咕：“这仿真结果靠谱吗？怎么感觉还不如我示波器测出来的干净？”

我刚开始也踩过这个坑。当时我在分析一个DC-DC转换器的开关噪声，FFT出来的频谱一塌糊涂，根本分不清哪些是真实的开关谐波，哪些是仿真引入的“假信号”。折腾了半天，才发现问题不在于电路本身，而在于LTspice仿真引擎里两个“隐藏”的参数没有设置好。它们就是今天要重点聊的 numdgt 和 plotwinsize。

你可以把LTspice的瞬态仿真想象成一台高速摄像机在拍摄电路里电压电流的变化。numdgt决定了这台摄像机的“色彩深度”或者说“采样精度”。默认情况下，LTspice为了计算速度，用的是单精度浮点数，你可以理解为它只用有限的“颜色”来记录波形细节，一些微小的信号变化可能就被舍入误差给“吃掉”或者“扭曲”了。而plotwinsize则像是后期处理时的一个“图片压缩”算法。LTspice默认会为了节省内存和显示速度，对仿真生成的海量数据进行压缩再画图。这个压缩对看时域波形可能影响不大，但对极度依赖原始数据精度的FFT分析来说，简直就是灾难——它会把本来清晰的频谱细节给“平均”掉，让频谱线变宽、底噪升高。

所以，如果你觉得你的FFT结果看起来“糊糊的”、“毛毛糙糙的”，不够锐利和专业，十有八九就是这两个参数在作祟。调整它们，就是从“能跑出FFT”到“能跑出高质量、可信任的FFT”的关键一步。接下来，我们就手把手把这层窗户纸捅破，让你彻底掌握这两个参数的脾气。

2. 深入参数内核：numdgt与plotwinsize到底在控制什么？

光知道要调参数还不够，咱得明白它们到底在仿真引擎里干了啥，这样以后遇到问题才能举一反三。咱们一个一个来拆解。

2.1 numdgt：仿真数据的“精度开关”

numdgt，全称是“number of digits”，翻译过来是“数字位数”。这个指令的完整写法是 .options numdgt=N，其中 N 就是你设置的位数。LTspice的帮助文档说得比较技术化，我用人话给你翻译一下：

• 当 numdgt=6 或更小（默认状态）：LTspice在计算瞬态分析时，内部使用单精度浮点数。单精度浮点数大概有6-7位有效十进制数字。对于很多宏观的电压电流值，这够用了。但在进行FFT这种需要对微小差值进行大量乘加运算的算法时，精度不足会带来显著的舍入误差。这些误差在频域看来，就是遍布在整个频谱上的抬高的底噪。
• 当 numdgt=7 或更大：LTspice会切换为使用双精度浮点数。双精度浮点数能提供大约15-16位有效十进制数字，其精度是单精度的数百万倍。启用双精度后，仿真引擎计算的每一步，数值的舍入误差都大大降低。反映到FFT结果上，最直观的效果就是底噪（Noise Floor）会急剧下降，频谱线会变得更“干净”，因为那些由计算噪声构成的“假信号”被极大抑制了。

我打个比方：你要测量一杯水的重量。用厨房秤（单精度），你可能只能读到“250克”；而用精密分析天平（双精度），你能读到“250.12345克”。对于判断这杯水大概有多重，厨房秤够了。但如果你要分析这杯水里溶解的微量盐分（相当于FFT里的微小谐波或噪声），就必须用分析天平，厨房秤的误差本身就比盐分还大，根本测不准