【通信原理笔记】【三】模拟信号调制——3.2 双边带抑制载波调制(DSB-SC)

文章目录

  • 前言
  • 一、DSB-SC的数学表示
  • 二、DSB-SC的相干解调
  • 三、DSB-SC的性能评价
  • 总结


前言

从这一篇开始我们依次介绍几种模拟信号调制的方法,包括其数学表达式,系统框图、解调方式、性能评价等。


一、DSB-SC的数学表示

m ( t ) m(t) m(t)作为已调信号 s ( t ) s(t) s(t)的复包络,我们可以得到第一种模拟调制方案——即双边带抑制载波调制。首先我们推导一下 s ( t ) s(t) s(t)的表达式:

s L ( t ) = m ( t ) = [ s ( t ) + j s ^ ( t ) ] e − j 2 π f c t s_L(t)=m(t)=\left[s(t)+j\hat{s}(t)\right]e^{-j2\pi f_ct} sL(t)=m(t)=[s(t)+js^(t)]ej2πfct
s ( t ) = R e [ m ( t ) e j 2 π f c t ] = m ( t ) cos ⁡ 2 π f c t s(t) = Re\left[m(t)e^{j2\pi f_ct}\right]=m(t)\cos2\pi f_ct s(t)=Re[m(t)ej2πfct]=m(t)cos2πfct

其中 A c , f c A_c,f_c Ac,fc分别为已调信号的幅度系数与载波频率。原信号乘上余弦信号,频域上就是将信号左右搬移到载频 f c f_c fc处。因为我们有模拟基带信号 m ( t ) m(t) m(t)为无直流分量的实信号的假设,所以我们有已调信号的频谱在载频处无冲激分量(抑制载波),并且其频谱图像分成对称的两部分,称为上下边带(双边带)。

二、DSB-SC的相干解调

通过其数学表示,我们可以很容易地得到实现的系统框图如下:
在这里插入图片描述
基带信号与载波信号相乘,叠加上高斯噪声后通过带通滤波器,再进行解调。这里载波信号里面的 ϕ \phi ϕ是随机相位。

接下来我们来看解调器,首先是将滤波后的信号乘上载波信号,这里载波信号的相位也必须和原来的完全一致(所以这种解调方式称为相干解调),然后再通过一个低通滤波器。从频域上分析,乘上余弦载波,原本的带通信号正负频率都有一部分被搬移到基带 M ( f ) M(f) M(f),另一部分搬移到两倍载频 M ( f + 2 f c ) , M ( f − 2 f c ) M(f+2f_c),M(f-2f_c) M(f+2fc),M(f2fc),经过低通滤波器后(滤波带宽与调制信号 m ( t ) m(t) m(t)匹配),由于带通信号的假设 f c > 2 W f_c>2W fc>2W,两倍载频的信号均被滤除,最后剩下的就是与原信号形状相同的基带信号。

接下来用数学公式进行一下推导:

s ( t ) ∗ 2 cos ⁡ ( 2 π f c t + ϕ ) = m ( t ) 2 cos ⁡ 2 ( 2 π f c t + ϕ ) s(t)*2\cos(2\pi f_ct+\phi)=m(t)2\cos^2(2\pi f_ct +\phi) s(t)2cos(2πfct+ϕ)=m(t)2cos2(2πfct+ϕ)
= m ( t ) + A c m ( t ) cos ⁡ ( 4 π f c t ) =m(t)+A_cm(t)\cos(4\pi f_ct) =m(t)+Acm(t)cos(4πfct)
LPF低通滤波后
= m ( t ) =m(t) =m(t)

相干解调最重要的是载波同步,也叫载波恢复,即解调所用载波信号要与调制所用载波完全一致。如果不一致会怎么样呢?我们假设解调载波改用 cos ⁡ ( 2 π f c t + θ ) \cos(2\pi f_ct+\theta) cos(2πfct+θ)试试:

= m ( t ) 2 cos ⁡ ( 2 π f c t + ϕ ) cos ⁡ ( 2 π f c t + θ ) =m(t)2\cos(2\pi f_ct+\phi)\cos(2\pi f_ct+\theta) =m(t)2cos(2πfct+ϕ)cos(2πfct+θ)
m ( t ) [ cos ⁡ ( ϕ − θ ) + cos ⁡ ( 4 π f c t + ϕ + θ ) ] m(t)\left[\cos(\phi-\theta)+\cos(4\pi f_ct+\phi+\theta)\right] m(t)[cos(ϕθ)+cos(4πfct+ϕ+θ)]
LPF低通滤波后
= m ( t ) cos ⁡ ( ϕ − θ ) =m(t)\cos(\phi-\theta) =m(t)cos(ϕθ)

可以看到,如果载波无法同步,恢复的信号将会受到随机相位的影响,从而无法稳定地解调出原信号。

三、DSB-SC的性能评价

带宽资源上,DSB-SC占用的带宽是原本基带信号带宽的两倍(因为有两个边带)。调制效率上,没有使用功率发送其他如载波信号等,不需要讨论调制效率。

解调方式上来说,只能进行相干解调,因此必须实现载波同步。

信噪比上,解调信号的功率为 P m P_m Pm,噪声功率我们需要先分析一下解调以后的噪声信号。

首先高斯白噪声通过BPF后变成带宽为2W载频为 f c f_c fc的窄带高斯噪声 n ( t ) = n c ( t ) cos ⁡ ( 2 π f c t + ϕ ) − n s t ( ) sin ⁡ ( 2 π f c t + ϕ ) n(t)=n_c(t)\cos(2\pi f_ct+\phi)-n_st()\sin(2\pi f_ct+\phi) n(t)=nc(t)cos(2πfct+ϕ)nst()sin(2πfct+ϕ),其中W为 m ( t ) m(t) m(t)的带宽。经过解调器后,输出噪声信号为:

n c ( t ) + n c ( t ) cos ⁡ ( 4 π f c t + 2 ϕ ) − n s ( t ) sin ⁡ ( 4 π f c t + 2 ϕ ) n_c(t)+n_c(t)\cos(4\pi f_ct+2\phi)-n_s(t)\sin(4\pi f_ct+2\phi) nc(t)+nc(t)cos(4πfct+2ϕ)ns(t)sin(4πfct+2ϕ)
LPF滤波后
= n c ( t ) =n_c(t) =nc(t)

根据窄带高斯噪声的复包络 n L ( t ) n_L(t) nL(t)的性质,我们有

n c ( t ) = R e ( n L ( t ) ) = R e ( [ n ( t ) + j n ^ ( t ) ] e − 2 π f c t + ϕ ) n_c(t)=Re(n_L(t))=Re(\left[n(t)+j\hat{n}(t)\right]e^{-2\pi fct +\phi}) nc(t)=Re(nL(t))=Re([n(t)+jn^(t)]e2πfct+ϕ)
= n ( t ) cos ⁡ ( 2 π f c t + ϕ ) + n ^ ( t ) sin ⁡ ( 2 π f c t + ϕ ) =n(t)\cos(2\pi f_ct+\phi) +\hat{n}(t)\sin(2\pi f_ct+\phi) =n(t)cos(2πfct+ϕ)+n^(t)sin(2πfct+ϕ)

希尔伯特变换不改变功率,任意一个信号乘上余弦信号后功率减半,因此最终得出正交分量 n c ( t ) n_c(t) nc(t)的功率等于窄带高斯噪声 n ( t ) n(t) n(t)的功率(n_s(t)也是),因此输出噪声功率为 P n = 2 N 0 W P_n=2N_0W Pn=2N0W,信噪比为 P m / 2 N 0 W P_m/2N_0W Pm/2N0W


最后我们来推导一下任意一个信号乘上余弦信号后功率减半

让信号 x ( t ) x(t) x(t)乘上余弦信号 cos ⁡ 2 π f c t \cos2\pi f_ct cos2πfct
x ( t ) cos ⁡ 2 π f c t = 1 2 x ( t ) e − 2 π f c t + 1 2 x ( t ) e 2 π f c t x(t)\cos2\pi f_ct=\frac{1}{2}x(t)e^{-2\pi fct}+\frac{1}{2}x(t)e^{2\pi f_ct} x(t)cos2πfct=21x(t)e2πfct+21x(t)e2πfct

可见乘上余弦进行就是将原信号频谱幅度缩小为一半然后左右搬移,功率为功率谱的积分,因此搬移不影响功率,而幅度谱缩小为一半,功率谱则缩小为原来的四分之一。从而新信号的功率

P = 1 4 P x + 1 4 P x = 1 2 P x P=\frac{1}{4}P_x+\frac{1}{4}P_x=\frac{1}{2}P_x P=41Px+41Px=21Px


总结

本文介绍了最基本最直接的调制方式——DSB-SC调制,这种调制方式需要使用相干解调。那么就有一种优化思路是将载波信号也一起发送过去,在接收端使用窄带滤波器获取该载波信号进行解调,下一篇将进行这种调制方式的讲解。

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:http://www.mzph.cn/news/785863.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

布隆过滤器:基于哈希函数的原理、应用解析

文章目录 一、引言1、布隆过滤器的概念简介2、布隆过滤器是基于哈希函数的强大工具 二、布隆过滤器基础知识1、布隆过滤器的工作原理2、布隆过滤器的空间效率分析3、布隆过滤器的性能特点 三、布隆过滤器的应用场景1、数据库查询优化2、例子 四、布隆过滤器的实现与优化1、常见…

NFG技术引领电商新潮流:普通商品的高端奢侈品化之路

随着网络技术、移动互联网等科技领域的迅猛进步,电子商务在众多新兴行业中逐渐崭露头角。然而,电子商务的蓬勃发展也带来了产品同质化现象加剧、市场竞争日趋激烈的问题,这使得商品在海量产品中脱颖而出变得愈发困难。值得注意的是&#xff0…

AI在行业大模型中的机会及爆发赚钱的行业有哪些?

人工智能(AI)正逐渐成为驱动各行业发展的核心力量,尤其是在应用层,AI结合具体细分领域所带来的生产力提升是巨大的。随着技术的不断进步和人口老龄化趋势的加剧,AI将在多个行业中发挥关键作用,为这些行业带来爆发式增长和丰厚的利润。 一、医疗行业:AI辅助诊断的崛起…

Linux:查询类型的命令type

相关阅读 Linuxhttps://blog.csdn.net/weixin_45791458/category_12234591.html?spm1001.2014.3001.5482 type命令是Linux中一个查询类型的命令,它可以查询name是alias别名、keyword关键字、function函数名、builtin内建命令名(这很有用)或…

【粉丝福利社】鸿蒙App开发全流程实战(文末送书-进行中)

🏆 作者简介,愚公搬代码 🏆《头衔》:华为云特约编辑,华为云云享专家,华为开发者专家,华为产品云测专家,CSDN博客专家,CSDN商业化专家,阿里云专家博主&#xf…

鸿蒙:滑动条组件Slider

滑动条组件,通常用于快速调节设置值,如音量调节、亮度调节等应用场景。 说明 该组件从API Version 7开始支持。 子组件 无 接口 Slider(options?: {value?: number, min?: number, max?: number, step?: number, style?: SliderStyle, direc…

书生 浦语大模型全链路开源体系

通用大模型成为发展通用人工智能的重要途径 书生 浦语大模型的开源历程 书生 浦语 2.0体系,面向不同的使用需求,每个规格包含三个模型版本,(7B、20B)InternLM2-Base、InternLM2、InternLM2-Chat。 大模型是回归语言建…

数据可视化-ECharts Html项目实战(9)

在之前的文章中,我们学习了如何在ECharts中编写气泡图,词云图。想了解的朋友可以查看这篇文章。同时,希望我的文章能帮助到你,如果觉得我的文章写的不错,请留下你宝贵的点赞,谢谢。 数据可视化-ECharts Ht…

鸿蒙OS开发问题:【尺寸适配算法】

背景 如何在HarmonyOS 系统上出设计稿? 问题1: 为什么要计算虚拟高度,即 virtualHeight static adaptDimension(value: number): number {let deviceDisplay: display.Display GlobalContext.getContext().getObject(display) as display.Display;le…

PEReDi 完全隐私的央行数字货币方案

第一个对完全隐私保护建模的方案,基于账户模型,要求交易双方都在线。 角色分类 中央银行 B B B:负责发行数字货币和货币政策,但不控制用户账户的状态,没有能力对交易的发送者或接收者进行去匿名化或披露与特定交易相…

瑞吉外卖实战学习--11、分类管理的列表分页查询

分类管理的列表分页查询 前言1、创建接口2、基于分页组件来实现的 前言 通过前端接口可以看到请求和传递的参数&#xff0c;本文章是基于mybatisPlus的分页插件来实现的 1、创建接口 GetMapping("/page")public R<Page> page(int page,int pageSize){ // …

halcon图像腐蚀

1、原理 使用结构元素在图像上移动&#xff0c;只有结构元素上的所有像素点都属于图像中时&#xff0c;才保留结构元素中心点所在的像素&#xff0c;常用于分离连接的两个物体、消除噪声。 2、halcon代码 dev_open_file_dialog (read_image, default, default, Selection) r…

【Python刷题】将有序数组转换为二叉搜索树

问题描述 给你一个整数数组 nums &#xff0c;其中元素已经按 升序 排列&#xff0c;请你将其转换为一棵 平衡 二叉搜索树。 高度平衡的意思是&#xff1a;二叉树是一颗满足“每个结点的左右两个子树的高度差的绝对值不超过1”的二叉树。 示例 1&#xff1a; 输入&#xf…

Java学习33-Java 多线程Thread 多线程安全问题

Thread的生命周期 JDK1.5之前 JDK1.5之后分为 NEW RUNNABLE BLOCKED WAITING TIMED_WAITING TERMINATED 多线程安全问题 举例&#xff0c;要求三个窗口同时卖票&#xff0c;总共有100张票&#xff0c;打印出卖票过程&#xff0c;不允许重复售卖 package Thread;public class …

Codeforces Round 930 (Div. 2) C. Bitwise Operation Wizard

题目 思路&#xff1a; #include <bits/stdc.h> using namespace std; #define int long long #define pb push_back #define fi first #define se second #define lson p << 1 #define rson p << 1 | 1 const int maxn 1e6 5, inf 1e9, maxm 4e4 5; co…

linux:生产者消费者模型

个人主页 &#xff1a; 个人主页 个人专栏 &#xff1a; 《数据结构》 《C语言》《C》《Linux》 文章目录 前言一、生产者消费者模型二、基于阻塞队列的生产者消费者模型代码实现 总结 前言 本文是对于生产者消费者模型的知识总结 一、生产者消费者模型 生产者消费者模型就是…

OpenHarmony实战开发-如何实现购物示例应用

​介绍 本示例展示在进场时加载进场动画&#xff0c;整体使用Tabs容器设计应用框架&#xff0c;通过TabContent组件设置分页面&#xff0c;在子页面中绘制界面。通过Navigation完成页面之间的切换。在详情页中通过 Video组件加载视频资源&#xff0c;使用CustomDialogControll…

Python 代码混淆工具概述

在保护Python代码安全方面&#xff0c;有多种混淆工具可供选择&#xff0c;包括 Cython, Nuitka, Pyminifier 和 IPA guard。本文将介绍这些工具的特点和适用情况&#xff0c;以及在实际应用中的注意事项。 &#x1f4dd; 摘要 本文探讨了几种常见的 Python 代码混淆工具&am…

用Typora+picgo+cloudflare+Telegraph-image的免费,无需服务器,无限空间的图床搭建(避坑指南)

用TyporapicgocloudflareTelegraph-image的免费&#xff0c;无需服务器&#xff0c;无限空间的图床搭建&#xff08;避坑指南&#xff09; 前提&#xff1a;有github何cloudflare (没有的话注册也很快) 首先&#xff0c;是一个别人写的详细的配置流程&#xff0c;傻瓜式教程&am…

嵌入式网络硬件方案

一. 简介 本文来了解一下嵌入式有些网络中&#xff0c;涉及的网络硬件方案。 注意&#xff1a;本文说明的是有些网络。 提起网络&#xff0c;我们一般想到的硬件就是“网卡”&#xff0c;“网卡”这个概念最早从电脑领域传出来&#xff0c;顾名思义就是能上网的卡。在电脑领…