前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >幅度调制与角度调制

幅度调制与角度调制

作者头像
Gnep@97
发布于 2023-08-10 03:09:24
发布于 2023-08-10 03:09:24
9420
举报

前言

记录通信原理中调制和解调相关学习笔记。

一、调制简介

1、调制定义

比喻——货物运输:将货物装载到飞机/轮船的某个仓位上

调制:把消息信号搭载到载波的某个参数上,形成已调信号。

载波:某种高频周期性振荡信号,如正弦波。    受调载波称为已调信号,含有消息信号特征。

解调:调制的过程,从已调信号中恢复信息信号。

2、调制目的

  • 匹配信道特性,减小天线尺寸,提高辐射效率
  • 频谱搬移,实现信道的多路复用,提高信道利用率
  • 扩展信号带宽,提高系统抗干扰能力
  • 实现带宽与信噪比的互换(有效性和可靠性)

通过提高发射信号的频率进而减小制作天线的尺寸长度。

3、调制的分类

①、调制的过程

②、下图展示了都有哪些调制方式:

二、幅度调制(线性调制)

1、幅度调制的一般模型

幅度调制——消息信号控制正弦载波的幅度

时域:

S_m(t)=[m(t)\cos\omega_ct]*h(t)

频域:

S_m(t)=\frac{1}{2}[M(\omega+\omega_c)+M(\omega-\omega_c)]H(\omega)
m(t) \leftrightarrow M(\omega)

h(t) \leftrightarrow H(\omega)

2、常规双边带调幅 AM

①、AM 信号的产生

条件:设消息信号

m(t)

的均值为 0,即

\overline{m(t)}=0

,且

\mid m(t) \mid_{max}\leq A_0

,外加直流偏执

A_0

,然后与载波进行相乘,即可得到 AM 信号。

②、AM 调制器的模型

③、AM 波形和频谱

④、AM 信号的特点

\mid m(t) \mid_{max}\leq A_0

时,AM 波的包络正比于调频信号

m(t)

,故可采用包络检波。

  • AM 的频谱由载频分量、上边带和下边带组成。
  • AM 传输带宽是调制信号带宽的两倍,
B_{AM}=2f_H

  • AM 的优势在于接收机简单,广泛用于中短调幅广播
  • AM 的缺点主要是调制效率(功率利用率)低。(
\eta_{AM}\leq50%

%)

⑤、AM 包络检波

条件:

\mid m(t) \mid_{max}\leq A_0

特点:简单;不需要相干载波(非相干解调);但是,小信噪比时有门限效应。

⑥、调幅系数

——反映调幅信号

m(t)

改变载波幅度的程度 ——涉及 AM 的功率分配调制效率

3、抑制载波双边带 DSB

①、如何提高调制效率?

—— 抑制已调信号中的载波分量(等效于去掉基带信号中的直流偏执

A_0

),这种方式称为抑制载波的双边带调制,简称双边带调制 DSB

②、DSB 波形与频谱

③、DSB 信号的特点

  • 包络不再与
m(t)

成正比;当

m(t)

改变符号时载波相位反转,故不能用包络检波,需要相干解调。

  • 五载频分量,只有上、下边带。
  • 带宽与 AM 的相同:
B_{DSB}=B_{AM}=2f_H

  • 调制效率 100%,即功率利用率高。
  • 主要用作 SSB、VSB 的技术基础,调频立体声中的差信号调制等。

④、相干解调(同步检波)

采用相干解调的方式解调 DSB 信号

适用:AM、DSB、SSB、VSB 要求:载波同步

c(t)=\cos\omega_ct

——本地载波(相干载波-----与调制载波同频同向

若接收端提供的本地载波不相干(如同频不同向),那么对解调带来衰减甚至失真问题

4、单边带调制 SSB

①、SSB 信号的产生

(1)滤波法

原理:先形成 DSB 信号,边带滤波即得上或下边带信号 要求:滤波器

H_{SSB}(\omega)

在载频处具有陡峭的截止特性。—— 技术难点之一

(2)相移法
S_{SSB}(t)=\frac{1}{2}m(t)\cos\omega_ct\pm\frac{1}{2}\hat{m(t)}\sin\omega_ct——SSB表达式

②、SSB 信号的特点

  • 优点之一是频带利用率高。其传输带宽仅为 AM/DSB 的一半:
B_{SSB}=B_{AM}/2=f_H

,因此,在频谱拥挤的通信场合获得了广泛应用,尤其在短波通信和多路载波电话中占有重要的地位。

  • 优点之二是低功耗特性,因为不需传送载波和另一个边带而节省了功率。这一点对于移动通信系统尤为重要。
  • 缺点是设备较复杂,存在技术难点。也需相干解调。

5、残留边带调制 VSB

—— 介于 SSB 和 DSB 之间的折中方案

**单边带存在的问题是难以实现陡峭的边带滤波特性。解决办法是逐步切割,圆滑滚将

①、VSB 滤波器特性

H(\omega)

应满足什么条件

若要无失真恢复

m(t)

H(\omega)

应满足如下条件:

[H(\omega+\omega_c)+H(\omega-\omega_c)]=常数,|\omega|\leq\omega_H

含义:

H(\omega)

必须满足:在载频处具有互补对称特性

②、VSB 滤波器的几何解释

是将具有互补对称的特性左右平移

\omega_c

叠加的结果,等于常数

[H(\omega+\omega_c)+H(\omega-\omega_c)]=常数,|\omega|\leq\omega_H

③、VSB 信号的特点

  • 仅比 SSB 所需带宽有很小的增加,却换来了电路的简单。
f_H<B_{VSB}<2f_H

  • 应用:商业电视广播中的视频信号传输等。

6、AM/DSB/SSB/VSB 关系

三、角度调制(非线性调制)

由于频率和相位是微积分的关系,所以无论调频还是调相,都会使载波的角度发生变化,所以调频和调相统称为角度调制

1、调频和调相的基本概念

角调信号:

S_m(t)=A\cos[\omega_ct+\phi(t)]

,其中幅度

A

恒定,

\phi(t)

m(t)

变化

<1>、调相(PM):相位偏移 若相位偏移

\phi(t)

正比于消息信号

m(t)

的变化规律,则已调信号为调相信号,其中

K_p

是相移常数(rad/V)。

\phi(t)=K_pm(t)
S_{PM}=A\cos[\omega_c(t)+K_pm(t)]

<2>、调频(FM):角频偏 若角频偏

\frac{d\phi(t)}{dt}

正比于消息信号

m(t)

,而相位偏移

\phi(t)

正比于消息信号

m(t)

的积分,则已调信号为调频信号,其中

K_f

为频偏常数(Hz/V),表示单位调制电压产生的频偏量,也称调频灵敏度。

\frac{d\phi(t)}{dt}=2\pi K_fm(t)
\phi(t)=2\pi K_f\int m(\tau)d\tau
S_{FM}=A\cos[\omega_c(t)+2\pi K_f\int m(\tau)d\tau]

2、两者关系

由于频率和相位是微分积分关系: 频率 ~ 相位:微分积分 调相 ~ 调频:相互转化 ①、若把调制信号

m(t)

先微分再调频,则可得到调相信号

调相波 PM 是频率正比于调制信号

m(t)

微分的等幅波,下面给出了消息信号是正弦波和矩形脉冲的两种情况

②、若把调制信号

m(t)

先积分再调相,则可得到调频信号

调频波 FM 是频率正比于调制信号

m(t)

的等幅波,它的波形的疏密随着消息信号

m(t)

的大小变化,即

m(t)

越大 -> 频率越高 -> 波形越密

3、FM 和带宽

①、调频参数和最大频偏

从单音信号入手,单音

m(t)=A_m(t)\cos\omega_mt

\omega_m=2\pi f_m

最大频偏

\Delta f=K_fA_m

调频指数(最大相位偏移):

m_f=\frac{\Delta f}{f_m}=\frac{K_fA_m}{f_m}

,注:

f_m

为调制频率

调频指数是调频波的一个重要参量,涉及到 FM 的传输带宽、功率分配以及抗噪性能

②、FM 频谱

调频信号的频谱是由分布在载频分量

\omega_c

两侧的无数多对边频

\omega_c \pm n\omega_m

组成,其幅度取决于

m_f

(调频指数)

③、FM 带宽

从理论上讲, FM 信号的带宽为无穷大,但是从工程应用的角度来讲,在下面频带内,集中了98%的信号功率

常用卡森公式计算调频波的带宽:

B_{FM}=2(m_f+1)f_m=2\Delta f+2f_m
B_{FM}\approx2f_m,m_f<<1

时 —— 窄带调频(NBFM),这个时候带宽取决于调制频率

f_m
B_{FM}\approx2\Delta f,m_f>>1

时 —— 宽带调频(WBFM),这个时候带宽取决于最大频偏

\Delta f

推广:对于多音或任意带限调制信号,FM 带宽:

B_{FM}=2(m_f+1)f_m

m_f=\frac{\Delta f}{f_m}=\frac{K_fA_m}{f_m}

f_m

为调制信号

m(t)

的最高频率——带宽

4、FM 信号的产生与解调

①、FM 信号的产生

1)直接法

  • 原理:调制电压
m(t)

直接控制振荡器的频率,

\omega_i(t)=\omega_0+K_fm(t)
  • 优点:电路简单,可获得较大频偏
  • 缺点:频率稳定度不高
  • 改进:采用 PLL 调频器

2)间接法

  • 原理:积分 -> 调相 -> n次倍频 ->WBFM
  • 优点:频率稳定度好
  • 缺点:需要多次倍频混频,电路较为复杂

②、FM 信号的解调(鉴频)

5、FM 特点与应用

①、FM 特点

  • 包络恒定(幅度恒定)
  • 非线性调制(频偏正比于
m(t)

,相偏正比于

m(t)

的积分)

  • 带宽比 AM 大
(m_f+1)

B_{FM}=2(m_f+1)f_m
  • 优势:抗噪能力强
  • 代价:占用较大信道带宽,频谱利用率低

②、FM 应用

高质量或信道噪声大的场合,如调频广播,电视伴音、卫星通信、移动通信、微波通信和蜂窝电话…。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-07-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
letswave7中文教程4:脑电数据预处理-时域分析
在管理器模块数据列表中选择数据集“sp_filter ica chan_interp butt sel_chan sub093”,在菜单中点击Process->Epochsegmentation-> Segment relative to events (one file per event code)。
脑机接口社区
2020/06/30
1K0
letswave7中文教程4:脑电数据预处理-时域分析
ICA处理脑电资料汇总
1.Tools >> reject data using ICA >> reject component by map 点击这里会画出所有ICA成分的缩略图,可以有一个全局观。在这里大致观察后如果觉得哪个成分有问题,可以点击查看大图
脑机接口社区
2020/06/30
2.1K0
ICA处理脑电资料汇总
ICA独立成分分析去除EEG伪影
Hello,大家好! Rose小哥今天介绍ICA去除伪影。 关于脑电图EEG,Rose小哥分享过很多,可以查看《什么是EEG以及如何解释EEG?》《EEG数据、伪影的查看与清洗》等。今天分享的这篇利用
脑机接口社区
2020/06/30
1.6K0
letswave7中文教程2:脑电数据预处理-通道位置分配
原始的脑电图信号是有噪声的。预处理对于提高信号的信噪比以获得“清晰”的脑电图数据是非常有必要的。但是,想要完全区分噪音和信号却是几乎不可能的。在脑电信号中,信号与噪声常常混合在一起。在某些步骤中,某些伪影可以很容易地识别和删除。而有些步骤在去噪时可能会滤除部分信号。此外,一些步骤甚至会引入一些噪音。
脑机接口社区
2020/06/30
1.2K0
伪影校正时选择脑电图的独立成分的实用指南
背景:脑电图数据很容易受到非神经来源信号的污染。独立分量分析(ICA)可以帮助EEG数据对这些伪影进行校正。伪迹的独立成分(ICs)可以由专家通过目测识别。但是伪迹特性有时是模糊的或难以注意到的,甚至专家也可能不同意如何对特定伪迹进行分类。因此,将伪迹属性告知用户,并给他们机会进行干预是很重要的。
用户1279583
2022/02/28
2.6K2
伪影校正时选择脑电图的独立成分的实用指南
结合matlab代码案例解释ICA独立成分分析原理
Rose小哥今天介绍一篇来自于arnauddelorme网站上的结合matlab代码案例来解释ICA原理(案例代码在后文中有提供)。
脑机接口社区
2020/06/30
1.6K1
eeglab中文教程系列(12)-学习和删除ICA组件
本教程为脑机学习者Rose发表于公众号:脑机接口社区(微信号:Brain_Computer),QQ交流群:903290195
脑机接口社区
2019/10/28
9040
eeglab中文教程系列(12)-学习和删除ICA组件
TMS-EEG数据预处理的标准化
摘要:将非侵入性脑刺激(NIBS)技术与脑电生理活动记录相结合,在神经科学领域正日益普及。经颅磁刺激(TMS)与脑电图(EEG)的同步组合尤为成功。遗憾的是,为有效与大脑活动相互作用所需的强磁脉冲,不可避免地会在同步 EEG 采集中引入伪影。因此,需要进行细致且有效的预处理,以高效去除伪影。不幸的是,正如文献中已报道的那样,不同的预处理方法可能会导致结果出现差异。在这里,我们旨在对目前可用的三种主要 TMS-EEG 预处理流程,即 ARTIST、TESA 和 SOUND/SSP-SIR 进行特征描述,为需要在不同方法之间做出选择的研究人员提供参考。与以往的研究不同,我们使用具有已知真实情况(即无伪影且待重建的信号)的合成 TMS-EEG 信号来测试这些流程。通过这种方式,能够精确且定量地评估每个流程的可靠性,为未来的研究提供更可靠的参考。总之,我们发现所有流程的表现都不错,但在重建真实信号的时空精度方面存在差异。至关重要的是,这三种流程对试验间变异性的影响各不相同,ARTIST 会引入真实信号中原本不存在的试验间变异性。
悦影科技
2025/03/10
1100
ICA处理后,如何判断眼电、心电等成分?
当Run ICA结束后,我们一般会判断ICA分量对应的是什么分量,是眨眼成分还是水平眼动成分或是线路噪声成分。
脑机接口社区
2020/06/30
2K0
BCI-EEG脑电数据处理
EEG信号特征提取就是以脑电信号作为源信号,确定各种参数并以此为向量组成表征信号特征的特征向量。
MiChong
2020/09/24
3.6K0
BCI-EEG脑电数据处理
eeglab中文教程系列(2)-绘制脑电头皮图
本教程为脑机学习者Rose发表于公众号:脑机接口社区(微信号:Brain_Computer)
脑机接口社区
2019/10/14
2.4K0
eeglab中文教程系列(2)-绘制脑电头皮图
使用时空-频率模式分析从脑电数据的一些试验中提取N400成分
关于高小榕教授的介绍,可以查看本社区之前分享的《第1期 | 国内脑机接口领域专家教授汇总》
脑机接口社区
2020/07/28
8760
思影科技EEG/ERP数据处理业务
好的数据质量是获得可靠结果的前提,而预处理的质量往往对后处理的结果存在一定的影响。脑电的数据对噪音的敏感性很强,为了提高您数据的质量,在更大程度上将数据中的信噪比提高,获得更严谨的科研结果,我们会对您的数据进行高质量的预处理。
用户1279583
2022/04/12
1.7K0
思影科技EEG/ERP数据处理业务
思影数据处理服务六:脑磁图(MEG)数据处理
为更好的帮助到想要利用脑磁图(MEG)数据做相关研究的朋友们,拓展思影科技的业务范围,思影推出脑磁图(MEG)数据处理服务,如感兴趣请关注后留言,或联系微信:siyingyxf或拨打电话18580429226进行咨询:
用户1279583
2019/09/09
2.4K0
思影数据处理服务六:脑磁图(MEG)数据处理
letswave7中文教程1:软件安装与脑电数据导入
Letswave是一款非常好用的神经生理信号处理分析工具,支持从主流的脑电图放大器中导入数据,为数据预处理和时频域信号分析提供多种功能。而且用户友好的界面使文件管理、批处理操作、统计分析和发布的图形生成变得容易。与其他信号处理工具相比,Letswave是一种直观、流线型的脑电图数据处理可视化工具,学习曲线较浅。
脑机接口社区
2020/06/30
1.1K0
eeglab教程系列(12)-学习和删除ICA组件
研究组件属性的操作:Tools > Reject data using ICA > Reject components by map.操作过程如下:
脑机接口社区
2020/06/29
5310
脑电机器学习数据处理业务
数据质量检查包括:检查是否存在坏的导联、Marker信息是否完整、信号是否有过大的波动或漂移等。
用户1279583
2020/05/11
9410
思影数据处理业务四:EEG/ERP数据处理
3.频域/时频域分析:通过快速傅立叶变换(FFT),短时傅里叶变换(STFT),小波变换(CWT)等方式将时域信号转换成频域/时频域信号、绘制频域/时频域分布图和地形图并通过不同方式提取感兴趣时频段的振幅信息进行进一步统计分析。
用户1279583
2020/05/08
1.2K0
思影数据处理业务四:EEG/ERP数据处理
EEG伪影详解和过滤工具的汇总(二)
在《EEG伪影类型详解和过滤工具的汇总(一)》,我们详细介绍了EEG伪影类型和产生原因,这篇文章,我们主要介绍常见脑电伪影的处理技术。
脑机接口社区
2022/08/17
7691
EEG伪影详解和过滤工具的汇总(二)
NeuXus开源工具:用于实时去除EEG-fMRI中的伪迹
摘要:同时获取脑电图和功能磁共振成像(EEG-fMRI)允许以高时间和空间分辨率对大脑的电生理和血流动力学进行互补研究。其中一个具有巨大潜力的应用是基于实时分析脑电图和功能磁共振成像信号进行目标脑活动的神经反馈训练。这依赖于实时减少严重伪迹对脑电图信号的影响,主要是梯度和脉冲伪迹。已经提出了一些方法来实现这个目的,但它们要么速度慢、依赖特定硬件、未公开或是专有软件。在这里,我们介绍了一种完全开源且公开可用的工具,用于同时进行脑电图和功能磁共振成像记录中的实时脑电图伪迹去除,它速度快且适用于任何硬件。我们的工具集成在Python工具包NeuXus中。我们在三个不同数据集上对NeuXus进行了基准测试,评估了伪迹功率减少和静息状态下背景信号保留、闭眼时α波带功率反应以及运动想象事件相关去同步化的能力。我们通过报告执行时间低于250毫秒证明了NeuXus的实时能力。总之,我们提供并验证了第一个完全开源且与硬件无关的解决方案,用于实时去除同时进行的脑电图和功能磁共振成像研究中的伪迹。
悦影科技
2023/11/13
4720
相关推荐
letswave7中文教程4:脑电数据预处理-时域分析
更多 >
目录
  • 前言
  • 一、调制简介
    • 1、调制定义
    • 2、调制目的
    • 3、调制的分类
  • 二、幅度调制(线性调制)
    • 1、幅度调制的一般模型
    • 2、常规双边带调幅 AM
      • ①、AM 信号的产生
      • ②、AM 调制器的模型
      • ③、AM 波形和频谱
      • ④、AM 信号的特点
      • ⑤、AM 包络检波
      • ⑥、调幅系数
    • 3、抑制载波双边带 DSB
      • ①、如何提高调制效率?
      • ②、DSB 波形与频谱
      • ③、DSB 信号的特点
      • ④、相干解调(同步检波)
    • 4、单边带调制 SSB
      • ①、SSB 信号的产生
      • ②、SSB 信号的特点
    • 5、残留边带调制 VSB
      • ①、VSB 滤波器特性
      • ②、VSB 滤波器的几何解释
      • ③、VSB 信号的特点
    • 6、AM/DSB/SSB/VSB 关系
  • 三、角度调制(非线性调制)
    • 1、调频和调相的基本概念
    • 2、两者关系
    • 3、FM 和带宽
      • ①、调频参数和最大频偏
      • ②、FM 频谱
      • ③、FM 带宽
    • 4、FM 信号的产生与解调
      • ①、FM 信号的产生
      • ②、FM 信号的解调(鉴频)
    • 5、FM 特点与应用
      • ①、FM 特点
      • ②、FM 应用
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档