软件无线电学习-发射机体系结构

2024-05-29 22:04

本文主要是介绍软件无线电学习-发射机体系结构,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文知识内容摘自《软件无线电原理和应用》

软件无线电主要由发射机和接收机两大部分组成。软件无线电发射机的主要功能是把需发射或传输的用户信息(话音、数据或图像)经基带处理(完成诸如FM、AM、FSK、PSK、MSK、QAM 等调制)和上变频,调制到规定的载频(中心频率)f_{0}上,再通过功率放大后送至天线,把电信号转换为空间传播的无线电信号,发向空中或经传输介质(如电缆、光缆)送到接收方的接收机前端,由其进行接收解调。其过程如下图所示。

如前所示,任何一个无线电信号均可以表示为:

s(t)=a(t)cos(2\pi f_{0}t+\omega (t))

式中,a(t)和\omega (t)分别表示该信号的幅度调制信息和相位调制信息,f_{0}为信号载频(中心频率),而频率调制信息也反映在相位调制信息中,即:

f_{t}=\tfrac{d\omega (t))}{dt}

对上述式子进行数字化

s(n)=a(nT_{s})cos(2\pi f_{0}nT_{s}+\omega )(nT_{s})

其中,T_{s}=1/f_{s}为采样间隔,上式子简写为:

s(n)=a(n)cos(\omega _{0}n+\varphi (n))

式中,\omega _{0}=2\pi f_{0}T_{s}为数字角频率,取0-\pi(实信号),有时不加区分地把\omega _{0}f_{0}都称为角频率,只要记住在信号表达式中的真正含义就是了。为了便于信息调制,通常把上式进行正交分解:

s(n)=I(n)cos(\omega _{0}n)+Q(n)sin(\omega _{0}n)

其中I(n)=a(n)cos\varphi (n)Q(n)=-a(n)sin\varphi (n)

调制的方式是现求出I(n)和Q(n)然后分别与两个正交本振cos(\omega _{0}n)sin(\omega _{0}n)相乘并求和,即可得到调制信号s(n)

matlab仿真程序。

clc;
clear;
% 设置参数
fs = 5e9;       % 采样率 5GHz
fc = 50e6;       % 基带频率
fm = 100e6;    % NCO信号频率t = 0:1/fs:1e-3; % 时间序列,1微秒% 基带信号
i = cos(2*pi*fc*t);%余弦波
q = -sin(2*pi*fc*t);%正弦波% nco本振信号
i_nco = cos(2*pi*fm*t);
q_nco = sin(2*pi*fm*t);% iq调制
iq = i.*i_nco + q.*q_nco;% 绘制频域波形% 计算频谱
N = length(t);
f = (-fs/2:fs/N:fs/2-fs/N); % 频率向量
I = fftshift(fft(i));
Q = fftshift(fft(q));
I_NCO = fftshift(fft(i_nco));
Q_NCO = fftshift(fft(q_nco));
IQ= fftshift(fft(iq));
figure(1);
subplot(4,1,1);
plot(f, abs(I)/N,'b');
title('基带I频谱');
xlabel('频率 (GHz)');
ylabel('幅度');subplot(4,1,2);
plot(f, abs(Q)/N,'b');
title('基带Q频谱');
xlabel('频率 (GHz)');
ylabel('幅度');subplot(4,1,3);
plot(f, abs(I_NCO)/N,'g');
title('i_nco本振信号频谱');
xlabel('频率 (GHz)');
ylabel('幅度');subplot(4,1,4);
plot(f, abs(Q_NCO)/N,'r');
title('q_nco本振信号频谱');
xlabel('频率 (GHz)');
ylabel('幅度');figure(2);
plot(f, abs(IQ)/N,'b');
title('iq调制频谱');
xlabel('频率 (GHz)');
ylabel('幅度');

设置采样率为5ghz,基带信号为50mhz,nco本振为100mhz,第一步先求出基带信号的IQ信号,在求出正交本振cos和sin。相乘后相加。

实验现象如下如所示。

这篇关于软件无线电学习-发射机体系结构的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1014748

相关文章

51单片机学习记录———定时器

文章目录 前言一、定时器介绍二、STC89C52定时器资源三、定时器框图四、定时器模式五、定时器相关寄存器六、定时器练习 前言 一个学习嵌入式的小白~ 有问题评论区或私信指出~ 提示:以下是本篇文章正文内容,下面案例可供参考 一、定时器介绍 定时器介绍:51单片机的定时器属于单片机的内部资源,其电路的连接和运转均在单片机内部完成。 定时器作用: 1.用于计数系统,可

问题:第一次世界大战的起止时间是 #其他#学习方法#微信

问题:第一次世界大战的起止时间是 A.1913 ~1918 年 B.1913 ~1918 年 C.1914 ~1918 年 D.1914 ~1919 年 参考答案如图所示

[word] word设置上标快捷键 #学习方法#其他#媒体

word设置上标快捷键 办公中,少不了使用word,这个是大家必备的软件,今天给大家分享word设置上标快捷键,希望在办公中能帮到您! 1、添加上标 在录入一些公式,或者是化学产品时,需要添加上标内容,按下快捷键Ctrl+shift++就能将需要的内容设置为上标符号。 word设置上标快捷键的方法就是以上内容了,需要的小伙伴都可以试一试呢!

AssetBundle学习笔记

AssetBundle是unity自定义的资源格式,通过调用引擎的资源打包接口对资源进行打包成.assetbundle格式的资源包。本文介绍了AssetBundle的生成,使用,加载,卸载以及Unity资源更新的一个基本步骤。 目录 1.定义: 2.AssetBundle的生成: 1)设置AssetBundle包的属性——通过编辑器界面 补充:分组策略 2)调用引擎接口API

Javascript高级程序设计(第四版)--学习记录之变量、内存

原始值与引用值 原始值:简单的数据即基础数据类型,按值访问。 引用值:由多个值构成的对象即复杂数据类型,按引用访问。 动态属性 对于引用值而言,可以随时添加、修改和删除其属性和方法。 let person = new Object();person.name = 'Jason';person.age = 42;console.log(person.name,person.age);//'J

【Linux进阶】UNIX体系结构分解——操作系统,内核,shell

1.什么是操作系统? 从严格意义上说,可将操作系统定义为一种软件,它控制计算机硬件资源,提供程序运行环境。我们通常将这种软件称为内核(kerel),因为它相对较小,而且位于环境的核心。  从广义上说,操作系统包括了内核和一些其他软件,这些软件使得计算机能够发挥作用,并使计算机具有自己的特生。这里所说的其他软件包括系统实用程序(system utility)、应用程序、shell以及公用函数库等

大学湖北中医药大学法医学试题及答案,分享几个实用搜题和学习工具 #微信#学习方法#职场发展

今天分享拥有拍照搜题、文字搜题、语音搜题、多重搜题等搜题模式,可以快速查找问题解析,加深对题目答案的理解。 1.快练题 这是一个网站 找题的网站海量题库,在线搜题,快速刷题~为您提供百万优质题库,直接搜索题库名称,支持多种刷题模式:顺序练习、语音听题、本地搜题、顺序阅读、模拟考试、组卷考试、赶快下载吧! 2.彩虹搜题 这是个老公众号了 支持手写输入,截图搜题,详细步骤,解题必备

《offer来了》第二章学习笔记

1.集合 Java四种集合:List、Queue、Set和Map 1.1.List:可重复 有序的Collection ArrayList: 基于数组实现,增删慢,查询快,线程不安全 Vector: 基于数组实现,增删慢,查询快,线程安全 LinkedList: 基于双向链实现,增删快,查询慢,线程不安全 1.2.Queue:队列 ArrayBlockingQueue:

硬件基础知识——自学习梳理

计算机存储分为闪存和永久性存储。 硬盘(永久存储)主要分为机械磁盘和固态硬盘。 机械磁盘主要靠磁颗粒的正负极方向来存储0或1,且机械磁盘没有使用寿命。 固态硬盘就有使用寿命了,大概支持30w次的读写操作。 闪存使用的是电容进行存储,断电数据就没了。 器件之间传输bit数据在总线上是一个一个传输的,因为通过电压传输(电流不稳定),但是电压属于电势能,所以可以叠加互相干扰,这也就是硬盘,U盘

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在