Python在信号与系统(1)——Hilbert兑换，Hilbert在国家统计局的包络检测应用，FIR

Python在信号与系统(1)——Hilbert兑换，Hilbert在国家统计局的包络检测应用，FIR_LPF滤波器设计，格鲁吉亚也迫使高FM（PM）调制...

谢谢董老师，董老师是个好老师。

心情久久不能平静，主要是高频这门课的分析方法实在是让我难以理解，公式也背只是，还是放放吧。

近期厌恶了Matlab臃肿的体积和频繁的读写对我的Mac的损害，所以学习了一下Python这一轻量级的脚本。发现“Python自诞生那天就跟科学计算分不开”这个事实。

无聊，写写心得。

配置环境什么的还是弄了几个晚上的。

在Mac下用PyCharm还是非常好滴。装上NumPy，SciPy等等一众免费的，非常不错的Python包。就能够灰了。

1.Hilbert变换及其在单边带（SSB）包络检波的应用

定义神马的，性质神马的自己百度去。我也懒得写公式了。大家将就着看。

先定义个东西，H(t)为Hilbert变换后的时域信号，f(t)为原始时域信号。那么其包络为：

Envelop = sqrt(H^2(t)+f^2(t))。

好了，写代码什么的都简单了。

import numpy as npimport pylab as plimport scipy.signal as signalfrom scipy import fftpackt = np.arange(0, 0.3, 1/20000.0)x = np.sin(2*np.pi*1000*t) * (np.sin(2*np.pi*20*t) + np.sin(2*np.pi*8*t) + 3.0)hx = fftpack.hilbert(x)pl.subplot(221)pl.plot(x, label=u"Carrier")pl.plot(np.sqrt(x**2 + hx**2), "r", linewidth=2, label=u"Envelop")pl.title(u"Hilbert Transform")pl.legend()

然后是它的结果。看，是不是逼格高高的不可一世。~~

2.FIR_LPF设计

用Python这样的动态语言写几百个參数的有限冲激响应数字低通滤波器(Finite Impulse Response-Low Pass Digital Filter)。实在是太难为人家了。还是用内置的函数或者内嵌C吧。看那一长串，我还想再打一遍，有限冲激响应数字低通滤波器，逼格高高的！

！

以下是代码。FIR滤波器在这里我预计參数不下100，所以内嵌吧，否则慢死。

。

import numpy as npimport pylab as plimport scipy.signal as signalfrom scipy import fftpackdef h_ideal(n, fc):return 2*fc*np.sinc(2*fc*np.arange(-n, n, 1.0))b = h_ideal(30, 0.25)b2 = signal.firwin(len(b), 0.6)w, h = signal.freqz(b)w2, h2 = signal.freqz(b2)#pl.figure(figsize=(8,6))pl.subplot(222)pl.plot(w/2/np.pi, 20*np.log10(np.abs(h)), label=u"h_ideal")pl.plot(w2/2/np.pi, 20*np.log10(np.abs(h2)), label=u"firwin")pl.xlabel(u"Normalized Frequency Rad/Sample")pl.ylabel(u"Magnitude (dB)")pl.title(u"FIR Low Pass Filter")pl.legend()pl.subplot(224)pl.plot(b, label=u"h_ideal")pl.plot(b2, label=u"firwin")pl.legend()pl.show()

看这逼格高高的，都不说了。。

3.以下是董老师指导我的，尽管非常easy。

。

FM调制

董老师说mf的參数调小了，我看果然是。课本不可信。给的參数都mv毫伏级，坑爹。

码代码这样的小事就简单多了

import numpy as np
import pylab as pl
import scipy as sp
from scipy import integrate
from scipy import fftpacksample_rate = 10000t = np.arange(0, 1.0, 1.0 / sample_rate)  # generate time samplingomega_base = 40
omega_carrier = 800mf = 1
v0 = 5
v_omega = 10base = np.cos(omega_base * t)pm = v0 * np.cos(omega_carrier * t + v_omega * base)
pl.plot(base)
pl.plot(pm)
pl.show()