间接调制和带通采样!!(非奈奎斯特采样定理)

2024-04-04 21:04

本文主要是介绍间接调制和带通采样!!(非奈奎斯特采样定理),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!

1. 直接变频

前面讲解数字调制原理时,直接利用IQ调制将基带信号变换为频带信号,这种频率变换一般被称为直接上变频;解调时,直接利用IQ解调,将频带信号变换回基带信号,这种频率变换一般被称为直接下变频。直接上变频和直接下变频统称直接变频。

在采用直接变频的情况下,假定基带IQ信号的波形如下图所示。

基带IQ信号波形

则射频信号的波形如下图所示。 

射频信号波形

 

2. 间接变频

通信系统中,考虑到实现难度等因素,有时候不将基带信号直接变换为射频信号,或者将射频信号直接变换为基带信号,而是先将基带信号变换到中频,再从中频变换到射频,这被称为间接上变频;反之:先将射频信号变换到中频,再从中频变换到基带,这被称为间接下变频。间接上变频和间接下变频统称间接变频。

在采用间接变频的情况下,假定基带IQ信号的波形如下图所示。

基带IQ信号波形

则中频信号的波形如下图所示 

中频信号波形

射频信号的波形如下图所示 。

射频信号波形

2.1 间接上变频

将基带信号调制到中频载波上,再将中频载波变换为射频载波的过程,就是间接上变频,如下图所示。 

间接上变频

a 基带变换到中频

这个变换过程实质上就是IQ调制的过程,只不过载波的频率是中频而已。

 

 b 中频变换到射频

通过滤波器滤除低频成分:

 2.2 间接下变频

将射频载波变换为中频载波,再从中频信号解调出基带信号的过程,就是间接下变频,如下图所示。

间接下变频

a 射频变换到中频

通过滤波器滤除高频成分:

 

这个过程实质上就是一个混频的过程,将载波频率由射频变换为中频。

b 中频变换到基带

 

通过滤波器滤除高频成分,即可得到I(t),Q(t)。 

这个过程实质上就是IQ解调的过程,只不过已调信号的载波频率是中频而已。

3. 数字变频

一般基带信号都是数字信号,中频处理也是数字化的,因此基带和中频之间的上变频和下变频一般都是通过数字信号处理来实现。

3.1 数字上变频

DUC:Digital Up Converter,数字上变频器,通过数字信号处理实现上变频功能,如下图所示。

数字上变频

 

3.2 数字下变频 

DDC:Digital Down Converter,数字下变频器,通过数字信号处理实现下变频功能,如下图所示。

数字下变频

 

4. 带通采样

模拟下变频得到的模拟中频信号,需要进行模数转换,才能进行后续的数字信号处理。

模数转换涉及采样。前面所讲的奈奎斯特采样定理(也被称为低通信号采样定理)是针对基带信号讲的,而这里的采样是针对带通信号讲的。

4.1 什么是带通信号

基带信号经过载波调制后得到的已调信号被称为频带信号,也称为带通信号。直接变频得到的射频信号、间接变频得到的中频信号和射频信号都是带通信号。

基带信号经过载波调制后得到的已调信号被称为频带信号,也称为带通信号。直接变频得到的射频信号、间接变频得到的中频信号和射频信号都是带通信号。如果根据前面讲的采样定理,以大于2倍最高频率的采样频率对带通信号进行采样,肯定可以从抽样信号中恢复出带通信号,这是毫无疑问的。但由于一般带通信号的载波频率都比较高,动辄几十、几百MHz,如果使用大于2倍最高频率的采样频率,对ADC的处理能力要求很高。按目前ADC器件的处理能力,能达到几百MSPS(Million Samples Per Second)采样频率的ADC就算是处理能力比较强的了,而且支持如此高采样频率的ADC价格很高。能不能用低一些的采样频率对带通信号进行采样呢?这就引出了带通信号采样定理。

4.2 带通信号采样定理

中心频率为f0、带宽为B的带通信号,其高、低截止频率分别为:fH=f0+B/2和fL=f0-B/2,其频谱如下图所示。

带通信号的频谱

 

这就是带通采样定理。

4.3 带通采样定理的推导过程

虽然带通采样定理的结论看起来不像低通信号采样定理那样简洁,但是它们的推导方法类似,都是从避免抽样信号频谱发生混叠的角度推导出来的。唯一需要注意的是:对带通信号进行采样,相当于对其频谱进行周期性拓展,在对频谱进行周期性拓展时,正频率部分和负频率部分要一起拓展。 

假定带通信号的频谱如下图所示,其截止频率:fL=2B,fH=3B。

带通信号的频谱

以采样频率fs对该信号进行采样时,频谱将会以fs为间隔进行周期性拓展。

(1)当采样频率很高时,很明显,周期拓展的频谱之间不会发生混叠,如下图所示。

抽样信号的频谱(1)

减小fs,右边的频谱将向左挪,左边的频谱将向右挪,直至和原频谱刚好挨上为止,此时fs=2fH,如下图所示。 

抽样信号的频谱(2)

如果继续减小fs,频谱就会发生混叠了,必须跳过一段频率,到达如下图所示位置才不会发生混叠,此时刚好fs=2fL。 

抽样信号的频谱(3)

继续减小fs,右边的频谱将向左挪,左边的频谱将向右挪,直至频谱刚好挨上为止,此时fs=fH,如下图所示。 

抽样信号的频谱(4)

如果继续减小fs,频谱就会发生混叠了,必须跳过一段频率,到达如下图所示位置才不会发生混叠,此时刚好fs=fL=2B。 

抽样信号的频谱(5)

注意:这时候fs不能再进一步减小了,否则就发生混叠了。

下面对比一下带通采样定理给出的结论。

 

根据带通采样定理,以满足下面条件的采样频率fs对带通信号进行采样,都可以将带通信号无失真地恢复出来:

 

满足条件的采样频率fs由高到低被分成了3个部分:

对比一下前面推导得到的结论,可以发现二者是完全相同的。

 

4.4 图解满足带通采样定理的采样频率

为了更清楚地认识带通采样定理中采样频率fs和最高信号频率fH的关系,我们以fH为横轴,以fs为纵轴,把满足带通采样定理的采样频率画在一张图中,如下图所示。

满足带通采样定理的采样频率

 图中灰色区域表示满足带通采样定理的采样频率范围。

还是以fH=3B为例,采样频率范围为:fs=2B,3B≤fs≤4B,fs≥6B。

黑线所示为满足带通采样定理的最低采样频率:

随着带通信号最高频率的增大,黑色斜线的斜率越来越小,当带通信号的最高频率远远大于信号带宽时,黑色斜线将趋近于一条水平线,只要以略大于2倍信号带宽的采样频率对带通信号采样即可,如下图所示。 

带通信号的最低采样频率随最高频率的变化

当带通信号的最高频率(fH)正好是信号带宽(B)的整数倍时,满足带通采样定理的最低采样频率正好是带宽的2倍。其他情况采样频率都大于信号带宽的2倍。 

为了用最低的采样频率(fs=2B)对带通信号进行采样,在设计带通信号时,一般将带通信号的最高频率设计成带宽的整数倍(fH=kB),如下图所示。

带通信号最高频率是信号带宽的整数倍

 

4.5 带通采样定理和奈奎斯特采样定理的关系

带通信号采样定理中,令fH=B,则mmax=1。对应的带通信号频谱如下图所示。这种信号一般被称为低通信号。

低通信号的频谱

根据带通信号采样定理,采样频率fs应满足:

 

这就是奈奎斯特采样定理。

这篇关于间接调制和带通采样!!(非奈奎斯特采样定理)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/876827

相关文章

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc

Java验证辛钦大数定理

本实验通过程序模拟采集大量的样本数据来验证辛钦大数定理。   实验环境: 本实验采用Java语言编程,开发环境为Eclipse,图像生成使用JFreeChart类。   一,验证辛钦大数定理 由辛钦大数定理描述为: 辛钦大数定理(弱大数定理)  设随机变量序列 X1, X2, … 相互独立,服从同一分布,具有数学期望E(Xi) = μ, i = 1, 2, …, 则对于任意正数ε ,

通信工程学习:什么是SSB单边带调制、VSB残留边带调制、DSB抑制载波双边带调制

SSB单边带调制、VSB残留边带调制、DSB抑制载波双边带调制        SSB单边带调制、VSB残留边带调制、DSB抑制载波双边带调制是三种不同的调制方式,它们在通信系统中各有其独特的应用和特点。以下是对这三种调制方式的详细解释: 一、SSB单边带调制 1、SSB单边带调制的定义:        单边带调制(Single Sideband Modulation,SSB)是

CPC23三 K.(Lucas定理)

K.喵喵的神·数 Time Limit: 1 Sec Memory Limit: 128 MB Description 喵喵对组合数比较感兴趣,并且对计算组合数非常在行。同时为了追求有后宫的素质的生活,喵喵每天都要研究质数。 我们先来复习一下什么叫做组合数。对于正整数P、T 然后我们再来复习一下什么叫质数。质数就是素数,如果说正整数N的约数只有1和它本身,N

重复采样魔法:用更多样本击败单次尝试的最强模型

这篇文章探讨了通过增加生成样本的数量来扩展大型语言模型(LLMs)在推理任务中的表现。 研究发现,重复采样可以显著提高模型的覆盖率,特别是在具有自动验证工具的任务中。研究还发现,覆盖率与样本数量之间的关系可以用指数幂律建模,揭示了推理时间的扩展规律。尽管多数投票和奖励模型在样本数量增加时趋于饱和,但在没有自动验证工具的任务中,识别正确样本仍然是一个重要的研究方向。 总体而言,重复采样提供了一种

研究纹理采样器在像素级别的采样位置

问题 【纹理采样器】是一个基础的概念。假设有一个正方形面片,顶点的UV范围是0.0~1.0,那么在这个正方形面片上采样一张纹理时,会呈现出完整的纹理。 但我现在关注的问题是,在像素级别上,采样的位置是怎样的。具体来讲:对于UV值是(0.0,0.0)的点,它对应的采样位置是纹理最左上角像素的中心?还是纹理最左上角像素的左上角?即,下面左右哪个是正确的情况? 在宏观上,尤其是像素较多的时候,二者

爆改YOLOv8|利用yolov10的SCDown改进yolov8-下采样

1, 本文介绍 YOLOv10 的 SCDown 方法来优化 YOLOv8 的下采样过程。SCDown 通过点卷积调整通道维度,再通过深度卷积进行空间下采样,从而减少了计算成本和参数数量。这种方法不仅降低了延迟,还在保持下采样过程信息的同时提供了竞争性的性能。 关于SCDown 的详细介绍可以看论文:https://arxiv.org/pdf/2405.14458 本文将讲解如何将SCDow

量化交易面试:什么是中心极限定理?

中心极限定理(Central Limit Theorem, CLT)是概率论和统计学中的一个重要定理,它描述了在一定条件下,独立随机变量的和的分布趋向于正态分布的性质。这个定理在量化交易和金融分析中具有重要的应用价值。以下是对中心极限定理的详细解释: 基本概念: 中心极限定理指出,当我们从一个具有任意分布的总体中抽取足够大的样本时,样本均值的分布将近似于正态分布,无论原始总体的分布是什么样的。

优化采样参数提升大语言模型响应质量:深入分析温度、top_p、top_k和min_p的随机解码策略

当向大语言模型(LLM)提出查询时,模型会为其词汇表中的每个可能标记输出概率值。从这个概率分布中采样一个标记后,我们可以将该标记附加到输入提示中,使LLM能够继续输出下一个标记的概率。这个采样过程可以通过诸如 temperature 和 top_p 等参数进行精确控制。但是你是否曾深入思考过temperature和top_p参数的具体作用? 本文将详细解析并可视化定义LLM输出行为的

word2vec 两个模型,两个加速方法 负采样加速Skip-gram模型 层序Softmax加速CBOW模型 item2vec 双塔模型 (DSSM双塔模型)

推荐领域(DSSM双塔模型): https://www.cnblogs.com/wilson0068/p/12881258.html   word2vec  word2vec笔记和实现 理解 Word2Vec 之 Skip-Gram 模型 上面这两个链接能让你彻底明白word2vec,不要搞什么公式,看完也是不知所云,也没说到本质. 目前用的比较多的都是Skip-gram模型 Go