【模拟通信】AM、FM等的调制解调

调制相关的概念

调制:控制载波的参数,使载波参数随调制信号的规律变化

已调信号:受调载波,含有调制信号的全部特征

调制的作用:

  • 提高发射效率
  • 多路复用,提高信道利用率
  • 提高系统抗干扰能力

两种调制方式

线性调制(幅度调制)

线性调制的通用模型

  • 一般模型
    线性调制系统
    已调信号 s m ( t ) s_m(t) sm(t)频谱 S m ( w ) S_m(w) Sm(w)只是按照载波的频率进行简单的搬移(线性),故幅度调制称为线性调制

  • 抗噪声性能
    请添加图片描述

  • 抗噪声性能指标
    输出信噪比 S 0 N 0 = m o 2 ( t ) ‾ n o 2 ( t ) ‾ \frac{S_0}{N_0}=\frac{\overline{m_o^2(t)}}{\overline{n_o^2(t)}} N0S0=no2(t)mo2(t)
    调制制度增益(信噪比增益) G = S 0 / N 0 S i / N i G=\frac{S_0/N_0}{S_i/N_i} G=Si/NiS0/N0
    输入噪声功率 N i = n 0 B N_i=n_0B Ni=n0B 注意 n 0 n_0 n0单边功率谱密度(高斯白噪声双边谱密度乘以2)


AM–调幅

已调信号
s A M ( t ) = [ A 0 + m ( t ) ] c o s w c t s_{AM}(t)=[A_0+m(t)]cosw_ct sAM(t)=[A0+m(t)]coswct
A 0 c o s w c t A_0cosw_ct A0coswct载波项

m ( t ) c o s w c t m(t)cosw_ct m(t)coswct边带项

S A M ( w ) = π A 0 [ σ ( w + w c ) + σ ( w − w c ) ] + 1 2 [ M ( w + w c ) + M ( w − w c ) ] S_{AM}(w)=\pi A_0 [\sigma (w+w_c)+\sigma (w-w_c)]+\frac{1}{2}[M(w+w_c)+M(w-w_c)] SAM(w)=πA0[σ(w+wc)+σ(wwc)]+21[M(w+wc)+M(wwc)]

AM调制需要满足的条件:调制信号 m ( t ) m(t) m(t)和叠加的直流偏量 A 0 A_0 A0需满足 ∣ m ( t ) ∣ m a x ≤ A 0 |m(t)|_{max} \leq A_0 m(t)maxA0
这样就可以使用包络检波的方法恢复原始调制信号,否则就会发生y轴上下混叠,需改用相干解调,失去了AM接受设备要求简单的特性
请添加图片描述

AM已调信号的频谱由载波分量、上边带和下边带组成(使用对称的双边谱在搬移时产生了两个边带)
B A M = 2 f H B_{AM}=2f_H BAM=2fH

画AM已调信号的原则:先用虚线画信号 A 0 + m ( t ) A_0+m(t) A0+m(t)的波形,再画其关于t轴对称波形,阐明了载波的最大幅度包络边界;然后按照载波原有的频率(周期)将其搬移到两个对称波形之间,幅度按照对称波形的包络起伏

调制效率 η A M = P S P A M \eta_{AM}=\frac{P_S}{P_{AM}} ηAM=PAMPS P S P_S PS边带功率最大值为 1 3 \frac{1}{3} 31,效率低

条件及引理:

  • 通常假设 m ( t ) ‾ = 0 \overline{m(t)}=0 m(t)=0,时间平均为零
  • 信号的平均功率等于其均方值
  • c o s 2 w c ( t ) ‾ = 1 2 \overline{cos^2w_c(t)}=\frac{1}{2} cos2wc(t)=21

P A M = s A M 2 ( t ) ‾ = 1 2 [ A 0 2 + m 2 ( t ) ‾ ] = P c + P s P_{AM}=\overline{s^2_{AM}(t)}=\frac{1}{2}[A_0^2+\overline{m^2(t)}]=P_c+P_s PAM=sAM2(t)=21[A02+m2(t)]=Pc+Ps
总功率等于载频功率和边带功率之和

AM抗噪声性能–只讨论包络检波
通过包络检波器后的合成包络 E ( t ) = [ A 0 + m ( t ) + n c ( t ) ] 2 + n s ( t ) 2 ) E(t)=\sqrt{[A_0+m(t)+n_c(t)]^2+n_s(t)^2)} E(t)=[A0+m(t)+nc(t)]2+ns(t)2)

  • 大信噪比: E ( t ) = A 0 + m ( t ) + n c ( t ) E(t)=A_0+m(t)+n_c(t) E(t)=A0+m(t)+nc(t) 经过电容器后直流分量 A 0 A_0 A0被消除 S o = m 2 ( t ) ‾ S_o=\overline{m^2(t)} So=m2(t) N o = n c ( t ) 2 ‾ = n i ( t ) 2 ‾ = n o B N_o=\overline{n_c(t)^2}=\overline{n_i(t)^2}=n_oB No=nc(t)2=ni(t)2=noB
    结论 G A M = 2 3 G_{AM}=\frac{2}{3} GAM=32
  • 小信噪比:有门限效应(输出信噪比在输入信噪比小于门限值时急剧下降)

DSB–双边带调制

将AM中的直流偏置去除,就消除了频谱中的载频分量,消除了已调信号表达式的载频项,调制效率为1
请添加图片描述

s D S B ( t ) = m ( t ) c o s w c t s_{DSB}(t)=m(t)cosw_ct sDSB(t)=m(t)coswct
S D S B ( w ) = 1 2 [ M ( w + w c ) + M ( w − w c ) ] S_{DSB}(w)=\frac{1}{2}[M(w+w_c)+M(w-w_c)] SDSB(w)=21[M(w+wc)+M(wwc)]
S i ( t ) = S m 2 ( t ) ‾ = 1 2 m 2 ( t ) S_i(t)=\overline{S_m^2(t)}=\frac{1}{2}m^2(t) Si(t)=Sm2(t)=21m2(t)
经过相干解调乘上同步载波后恢复出来 m o ( t ) = 1 2 m ( t ) m_o(t)=\frac{1}{2}m(t) mo(t)=21m(t)
S o ( t ) = m o 2 ( t ) ‾ = 1 4 m 2 ( t ) ‾ S_o(t)=\overline{m_o^2(t)}=\frac{1}{4}\overline{m^2(t)} So(t)=mo2(t)=41m2(t)
由于高斯窄带噪声 n i ( t ) = n c ( t ) c o s w 0 t − n s ( t ) s i n w 0 t n_i(t)=n_c(t)cosw_0t-n_s(t)sinw_0t ni(t)=nc(t)cosw0tns(t)sinw0t且窄带噪声及其两个分量的均值相同均为 N i N_i Ni

则同理输出的噪声 n 0 n_0 n0也是其同相分量 n c n_c nc的一半

N o = n o 2 ( t ) ‾ = 1 4 n c 2 ( t ) ‾ = 1 4 N i N_o=\overline{n_o^2(t)}=\frac{1}{4}\overline{n_c^2(t)}=\frac{1}{4}N_i No=no2(t)=41nc2(t)=41Ni
而其正交分量 n i n_i ni被抑制掉

所以 G D S B = 2 G_{DSB}=2 GDSB=2


SSB–单边带调制

与DSB相比只传输其上下边带中的一个,节省一半的带宽 B S S B = f H B_{SSB}=f_H BSSB=fH
请添加图片描述
请添加图片描述

请添加图片描述

S i = S S S B 2 ( t ) ‾ = 1 4 m 2 ( t ) ‾ S_i=\overline{S_{SSB}^2(t)}=\frac{1}{4}\overline{m^2(t)} Si=SSSB2(t)=41m2(t)
由于有两个分量的影响 m o ( t ) = 1 4 m ( t ) m_o(t)=\frac{1}{4}m(t) mo(t)=41m(t)
S o = m o 2 ( t ) ‾ = 1 16 m 2 ( t ) ‾ S_o=\overline{m_o^2(t)}=\frac{1}{16}\overline{m^2(t)} So=mo2(t)=161m2(t)
N i N_i Ni N o N_o No和DSB情况相同

故有 G S S B = 1 G_{SSB}=1 GSSB=1
两者的抗噪声能力相同(相同带宽)


VSB–残留边带调制

这里以DSB信号通过滤波器为例
请添加图片描述

VSB滤波器需满足的条件(载频处互补对称
H ( w + w c ) + H ( w − w c ) = c o n s t H(w+w_c)+H(w-w_c)=const H(w+wc)+H(wwc)=const
已调信号的带宽
f H < B V S B < 2 f H f_H<B_{VSB}<2f_H fH<BVSB<2fH


非线性调制(角度调制)

s m ( t ) = A c o s ( w c t + ϕ ( t ) ) s_m(t)=Acos(w_ct+\phi (t)) sm(t)=Acos(wct+ϕ(t))
ϕ ( t ) \phi (t) ϕ(t)称作瞬时相位偏移(相对于载波相位 w c t w_ct wct

d ϕ ( t ) d t \frac{d\phi(t)}{dt} dtdϕ(t)陈作瞬时频偏(相对于载频 w c w_c wc),这里用到了瞬时相位对时间求导得到瞬时频率

与线性调制相比:

  • 较高的抗噪声性能
  • 占用更宽的带宽

PM–调相

瞬时相位偏移随调制信号线性变化
S P M ( t ) = A c o s ( w c ( t ) + K p m ( t ) ) S_{PM}(t)=Acos(w_c(t)+K_pm(t)) SPM(t)=Acos(wc(t)+Kpm(t))调相灵敏度 K p ( r a d / V ) K_p(rad/V) Kp(rad/V)

调相系数 m p = K p A m m_p=K_pA_m mp=KpAm

FM–调频

瞬时频率偏移随调制信号线性变化(瞬时相位偏移随信号积分线性变化)
S F M ( t ) = A c o s ( w c ( t ) + K f ∫ m ( λ ) d λ ) = A c o s [ w c ( t ) + K f A m ∫ c o s w m τ d τ ] = A c o s [ w c ( t ) + K f A m w m s i n w m t ] \begin{aligned}S_{FM}(t)&=Acos(w_c(t)+K_f\int m(\lambda)d\lambda)\\&=Acos[w_c(t)+K_fA_m\int cosw_m\tau d\tau]\\&=Acos[w_c(t)+\frac{K_fA_m}{w_m}sinw_mt]\\\end{aligned} SFM(t)=Acos(wc(t)+Kfm(λ)dλ)=Acos[wc(t)+KfAmcoswmτdτ]=Acos[wc(t)+wmKfAmsinwmt]调相灵敏度 K f ( r a d / ( V ⋅ s ) K_f(rad/(V\cdot s) Kf(rad/(Vs)

调频系数 m f = K f A m w m = Δ w w m = Δ f f m m_f=\frac{K_fA_m}{w_m}=\frac{\Delta w}{w_m}=\frac{\Delta f}{f_m} mf=wmKfAm=wmΔw=fmΔf Δ f \Delta f Δf为最大频偏, f m f_m fm相邻变频间隔

带宽(卡森公式,工程近似) B F M = 2 ( m f + 1 ) f m = 2 ( Δ f + f m ) B_{FM}=2(m_f+1)f_m=2(\Delta f+f_m) BFM=2(mf+1)fm=2(Δf+fm)

调频信号的产生:直接调频和间接调频(NBFM-WBFM)

调频信号的解调:

  • 非相干解调(NBFM和WBFM)
  • 相干解调(NBFM)
    调制后总功率不变,功率分配比例与 m f m_f mf有关

输出信噪比(大信噪比) S o N o = 3 2 m f 2 A 2 / 2 n o f m \frac{S_o}{N_o}=\frac{3}{2}m^2_f\frac{A^2/2}{n_of_m} NoSo=23mf2nofmA2/2
制度增益 G F M = 3 m f 2 ( m f + 1 ) G_{FM}=3m_f^2(m_f+1) GFM=3mf2(mf+1)
输出信噪比与调幅信号相比为其 3 m f 2 3m^2_f 3mf2

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/346026.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

主播产品对比话术

—、价格对比 主播产品A︰这款产品定价相对较高&#xff0c;但是其品质和功能都是一流的&#xff0c;对于追求高端体验的消费者来说&#xff0c;物有所值。 主播产品B∶这款产品的价格相对较低&#xff0c;性价比很高&#xff0c;对于预算有限的消费者来说&#xff0c;是个不…

链表OJ---排序链表

https://leetcode.cn/problems/7WHec2/description/ //合并 struct ListNode* merge_link(struct ListNode* head1, struct ListNode* head2) {struct ListNode* temhead malloc(sizeof(struct ListNode));temhead->val 0;struct ListNode *tmp temhead, *cur1 head1, *…

Leetcode—2696. 删除子串后的字符串最小长度【简单】

2023每日刷题&#xff08;八十八&#xff09; Leetcode—2696. 删除子串后的字符串最小长度 实现代码 class Solution { public:int minLength(string s) {string sub " ";for(auto c: s) {if((c B && sub.back() A) || (c D && sub.back() C…

【推荐100个unity插件】3D物品描边效果——Quick Outline免费插件

文章目录 前言地址介绍使用例子完结 前言 关于3D描边&#xff0c;其实之前有用shader弄过一个&#xff1a;【实现100个unity特效】shader实现3D物品闪光和描边效果 但是很遗憾的是他不支持URP项目&#xff0c;所以现在推荐这款插件&#xff0c;他能很好的支持URP&#xff0c;…

SAP EXCEL上传行数限制问题(ALSM_EXCEL_TO_INTERNAL_TABLE)

标准函数ALSM_EXCEL_TO_INTERNAL_TABLE上传EXCEL函数限制上限是9999行&#xff0c;如果上传数据记录数超过9999行的情况&#xff0c;需要拷贝标准的函数封装一个自定义的函数进行处理 标准的函数ROW的长度为4位&#xff0c;如下图所示 因此&#xff0c;如果想行数的位数超过4位…

Wordpress seo优化该怎么做?

Wordpress作为开源管理系统&#xff0c;目前已然是世界上最流行的cms之一&#xff0c;这不仅仅因为他开源&#xff0c;对用户友好&#xff0c;让任何人都能轻而易举的制作网站&#xff0c;更是因为这套程序对于搜索引擎非常友好&#xff0c;是做谷歌seo的不二之选 Wordpress作为…

【仿网易云H5部署】Nodejs后台 + uniapp前台 部署

前言 之前在b站跟着学习写了前锋的<仿网易云音乐>uniapp项目 , 在这里记录一下H5版本的部署上线的过程. 这是该项目的b站链接:【千锋教育】前端项目_uni-app入门到实战项目之《仿网易云音乐》_哔哩哔哩_bilibili 一.后端 使用宝塔面板来部署 (1) 百度搜索宝塔面板, 复…

python的 read, readlines,readline 有何异同,读取文件的时候用哪个好?怎么选择。

先看是什么&#xff0c;再看怎么用。着急的话&#xff0c;可以看最后的一节。 开始前&#xff0c;先介绍一个小技巧&#xff1a;内置函数 repr&#xff08;英文名representation&#xff09;。开发调试用的&#xff0c;返回一个对象的字符串表示形式&#xff0c;包含对象的类型…

GitLab入门指南:上传与下载操作一网打尽

GitLab简介&#xff1a; GitLab是一个基于Git的开源仓库管理系统&#xff0c;提供了一个Web界面的Git存储库管理器&#xff0c;并集成了多种开发工具的功能&#xff0c;如代码审查、问题跟踪、持续集成和持续部署等。GitLab可以在本地服务器上部署&#xff0c;也可以使用其提供…

spring mvc 请求与响应

我是南城余&#xff01;阿里云开发者平台专家博士证书获得者&#xff01; 欢迎关注我的博客&#xff01;一同成长&#xff01; 一名从事运维开发的worker&#xff0c;记录分享学习。 专注于AI&#xff0c;运维开发&#xff0c;windows Linux 系统领域的分享&#xff01; 知…

Python批量采集亚马逊商品数据

嗨喽~大家好呀&#xff0c;这里是魔王呐 ❤ ~! python更多源码/资料/解答/教程等 点击此处跳转文末名片免费获取 知识点: 爬虫基本流程 非结构化数据解析 开发环境&#xff1a; python 3.8 解释器, 运行代码 pycharm 随便 配置 python解释器 DrissionPage >>> p…

注解实现策略模式

代码结构如下 代码如下 Getter AllArgsConstructor public enum AuditPlutusEnum {BACK("回款"),REFUND("退款"),INVOICE("开票");private final String name; }Retention(RetentionPolicy.RUNTIME) Target(ElementType.TYPE) Component public…

深入解析与实践:基于VUE的axios异步请求应用指南

一、Ajax回顾 1、Ajax介绍 Ajax 是指一种创建交互式网页应用的开发技术。Ajax 异步 JavaScript 和 XML。 2、Ajax作用 Ajax 可以使网页实现异步更新。这意味着可以在不重新加载整个网页的情况下&#xff0c;对网页的某部分进行更新&#xff08;局部更新&#xff09;。传统…

ToDesk/向日葵的MAC远程鼠标控制不了?如何解决

不知道各位使用Mac电脑的小伙伴们&#xff0c;在日常进行跨设备远控操作时是否曾遇到过远程鼠标控制不了的问题&#xff1f;其实这是因为有项系统权限没有开设导致的&#xff0c;本篇文章木木小编就给大家逐步教学一下针对该问题如何解决才有效&#xff01; 当通过ToDesk远程连…

【学网攻】 第(8)节 -- 端口安全

文章目录 【学网攻】 第(1)节 -- 认识网络【学网攻】 第(2)节 -- 交换机认识及使用【学网攻】 第(3)节 -- 交换机配置聚合端口【学网攻】 第(4)节 -- 交换机划分Vlan【学网攻】 第(5)节 -- Cisco VTP的使用​​​​​​【学网攻】 第(6)节 -- 三层交换机实现VLAN间路由【学网攻…

QQ云端机器人登录系统php源码

这款源码主要是针对群机器人爱好者的&#xff0c;这是一个通过对接挂机宝里面机器人框架的一个网页站点&#xff0c;用户通过网页登录 QQ 账号至挂机宝里面框架&#xff08;可扫码登录、账密登录、跳转 QQ 快捷登录&#xff09;&#xff0c;无需通过机器人即可实现登录&#xf…

第二百八十六回

文章目录 概念介绍实现方法示例代码 我们在上一章回中介绍了如何拦截路由相关的内容&#xff0c;本章回中将介绍页面转场动画.闲话休提&#xff0c;让我们一起Talk Flutter吧。 概念介绍 我们在上一章回中介绍了路由拦截相关的内容&#xff0c;本章回中将使用路由拦截实现转场…

ZigBee学习——浅析协议栈

✨记录学习过程 文章目录 一、初识OSAL1.1 Z-Stack和Zigbee的OSAL是什么关系&#xff1f;1.2 OSAL可以解决Z-stack在不同厂商的芯片上的使用吗&#xff1f; 二、协议栈运行机制2.1 初始化涉及内容2.2 初始化过程 一、初识OSAL OSAL&#xff0c;全称是操作系统抽象层&#xff0…

详解Mockito

详解Mockito 1. Mockito简介 在我们的编程世界中&#xff0c;测试是一个非常重要的环节&#xff0c;它能帮助我们确保代码的质量和稳定性。而在众多的测试方法中&#xff0c;Mock测试是一种非常有效的手段。 1.1 什么是 Mock 测试 Mock测试&#xff0c;顾名思义&#xff0c;…

DS:顺序表的实现(超详细!!)

创作不易&#xff0c;友友们给个三连呗&#xff01; 本文为博主在DS学习阶段的第一篇博客&#xff0c;所以会介绍一下数据结构&#xff0c;并在最后学习对顺序表的实现&#xff0c;在友友们学习数据结构之前&#xff0c;一定要对三个部分的知识——指针、结构体、动态内存管理的…