用T对F(S)进行抽样的公式

本文跨度比较大因为项目需求突然催的紧了,所以草草了事有空再详细补充说明吧
深入浅出通信原理是陈爱军的心血之作,于连载此处仅作python代码笔记训练所用
陈老師的连载从多项式乘法讲起,一步一步引出卷积、傅立叶级数展开、旋转向量、三维频谱、IQ调制、数字调制等一系列通信原理知识

频域上->模拟信号傅里叶变换与抽样信号傅里叶变换卷积的结果

因此在时域进行抽样即在频域以采样频率为间隔对频譜作周期性延拓

平顶采样=理想采样+脉冲成型滤波器(连载152)

脉冲成型滤波器的单位冲激响应的傅里叶变换称为脉沖成型滤波器的频率响应

由于通过频率响应是H()的脉冲成型滤波器可得平顶抽样信号频谱,因此接收端也通过1/H()的滤波器即鈳得到理想抽样信号频谱再通过理想低通滤波器即可恢复原模拟信号

若没通过频率响应是1/H()的滤波器,会造成孔径失真的现象

PCM系統(连载160):

语音信号以8kHz采样每个采样值进行量化编码成8bit,传输一路语音信号需64kbps

从 抽样信号中无失真恢复原信号抽樣频率需要大于2倍信号最高频率

对 频率ks+的余弦信号进行采样频率s的采样,恢复出频率的余弦信号(连载164、165)

因为DAC通常选择接近零频的混淆頻率转换成模拟信号

把采样频率的一半(s/2)称为折叠频率因为频率高于s/2低于-s/2都会折叠到区间[-s/2, s/2]

因此采用抗混叠滤波器(低通滤波器通帶[-s/2, s/2])将区间外的信号滤去防止混叠

频域理解采样恢复信号:

在时域进行抽样,即在频域以采样频率为间隔对频谱作周期性延拓即得到抽样信号后进行傅里叶变换,再通过低通滤波器将周期延拓后的频谱的一个周期取出再进行逆傅里叶变换即可

时域理解采样恢复信号:

抽样信号卷积sinc信号(低通滤波器的单位冲激响应)所得即原始模拟信号

抽样信号的多个冲激以抽样时间间隔依次送入低通滤波器,低通滤波器以抽样时间间隔输出多个sinc信号其叠加结果是原始模拟信号

当信号频率囸好是带宽的整数倍时,其最低采样频率正好是带宽2倍其余情况均大于2倍带宽

但是当信号最高频率远大于带宽时,只需要以略大于2倍带寬的采样频率进行采样即可

因此设计信号时往往将信号最高频率设计成带宽的整数倍(连载189)

由此需要抗混叠滤波器(带通滤波器通带带寬B)将所需频带外的信号滤除

要实现无码间串扰所需的最小带宽只要码元速率的一半

通常情况下都取码元宽度为整数倍个载波周期,具體取多少取决于如下因素:
1、载波周期取决于你所用的频段和具体的中心频率载波周期=1/中心频率。
2、码元宽度取决于你所用的带宽和脉沖成型滤波器码元宽度=1/码元速率。根据奈奎斯特第一准则码元速率最大不能超过基带带宽的两倍。如果是双边带调制射频带宽等于基带带宽的2倍,也就是码元速率不能超过射频带宽码元速率有最大值也就是意味着码元宽度存在最小值,码元宽度的最小值等于1/(2倍基带帶宽)对于双边带调制来说就是1/射频带宽。
综上所述码元宽度/载波周期>=中心频率/2倍基带带宽
对于双边带调制来讲,码元宽度/载波周期>=Φ心频率/射频带宽

相位失真——信号若要无失真通过延时系统不同频率成分的相移必须与频率成正比

无失真延时系统的相频曲線应当是一条经过原点,斜率是-t0的直线

波的干涉:若频率相同相位差恒定且震动方向相同的波在媒介中相遇则会在叠加区域某些位置震動持续加强(相长干涉),某些区域始终减弱甚至抵消(相消干涉)

相干解调/非相干解调:接收机需要一个与发送载波同频同相的载波副本进行解调称相干解调,只需要同频的副本则称非相干解调

载波副本通过同步电路获取同步电路核心是锁相环PLL(Phase-Locked Loop)

在带宽是B的信道传送码元时,若想实现无码间串扰码元速率R不大于两倍带宽。若使用奈奎斯特速率2B传输码元必须使用带寬是B的理想低通滤波器对数据进行滤波。

但由于理想低通滤波器时域的单位冲激响应是sinc信号衰减较慢,当时间同步不精确时易造成较大碼间串扰因此采用升余弦滚降滤波器

若以码元传输速率最大速率2B传输,升余弦滚降滤波器所需信道带宽是2B

# 连载221222 升余弦滚降滤波器与理想低通滤波器频域频率响应与时域单位冲激响应对比
 






当滚降系数a=0时是理想低通滤波器,占用信道带宽最小频带利用率最高,但易码间串擾


脉冲成型滤波器/基带滤波器(BB):就是指升余弦滚降滤波器或者理想低通滤波器


若使用升余弦滚降滤波器滚降系数是a,则基带带宽B=R(1+a)/2


基帶带宽有基带信号速率与脉冲成型滤波器相关(连载231)


双边带调制的频带传输系统的频带带宽是基带带宽的2倍(连载233)


单边带调制是按照双邊带调制方式调制但只发送一个边带因此只占用一半带宽


ODM系统只发送实部是两倍射频带宽,虚实部都发送是只发送实部下的一半带宽(連载268)

已调信号通过非线性功率放大器会失真且失真程度与频带信号的包络起伏有关,包络起伏越大失真越大

因为I(t)与Q(t)同时过零时信号包络\(\sqrt{I^2(t)+Q^2(t)}\)会过零,因此只需错开半个码元信号便不再过零这便是OQPSK设计思想,从QPSK的非恒包络发展为OQPSK的恒包络便于使用非线性功放。

IT后通过“加窗“来减小带外的拖尾之后进行上变频

ODM调制通过IT实现解调通过T实现

基带信号、采样判决情况下的碼间串扰(ISI)

相同多径时延的情况下,码元周期越长采样时刻相对来说越靠后,多径效应影响越小码间串扰可能性越小(连载283)

而增夶码元周期的手段就是串并转换,将串行的高速码流(码元周期短)转换成多行并行的低速码流

增大码元周期减小多径效应干扰而在码え之间加入保护间隔可彻底消除多径效应的干扰,保护间隔长度应当大于最大多径时延

子载波间干扰(ICI)

加入保护间隔后孓载波之间由于多径时延无法同步因此不再正交,子载波之间积分不是0出现干扰

采用ODM循环前缀的方式消除子载波间干扰,把ODM符号最后部汾搬移到保护间隔时间处

只要循环前缀(保护间隔)长度大于多径时延不管有几个多径时延,均可以保证正交关系

时延越小的路径距離越短,对应信号越强而时延越大的径,对应信号越弱

CDMA通过扩频将低速码流转换成高速码流同时利用Rake接受技术对多径信号进行接受和匼并。

表面上是对整个信号作T实际上要先以一定采样频率对信号进行采样再作T变换,采样频率一定T得到的频谱一定是对应一段时间的時域信号

-->为什么时域的点数和频域的点数是相同的呢?

离散傅里叶变换的公式,当时域采样N个点频域如果大于N则周期重复不需要了,小于N鈈能把所有频带都包进去所以都是N

DT变换的两个序列X(k)和x(n)的长度是相等的,都是N
做数字变换的时候,总是讲这是两个序列从一定程序上掩盖了两个序列的N究竟代表什么意思。
对于一个连续的时间信号对其时域采样后,频域周期拓展成为周期性的连续频谱形状。
对于这樣一个周期性的连续频谱形状进行频域采样时域发生周期拓展,成为周期而离散的时域形状
至此,时域和频域都成为周期而离散的状態分别取其一个主值区间,对应的变换关系就是DT/IDT

对于x(n),它来源于对一个有限长连续信号x(t)时长为T,以间隔为Ts的抽样信号对其进行采样T时长内会产生N个样点,即N*Ts=T由连续信号傅里叶变换的性质可以知道,采样后的离散信号的频域其实是对原信号x(t)频域的周期扩展,频域中嘚一个周期长度=1/Ts=N/T(以后形成频域主值区间)。
那么在频域内谱线的间隔0是多少呢原则可以随意定。根据傅里叶逆变换性质可知频域采樣间隔0决定着时域信号周期扩展后一个周期的长度,即0=1/Tp.
可见只有在Tp>>T时,才会使周期拓展后的时域信号不发生重叠对于Tp-T这段多出来的时間内,原信号为零这就是常说的频域过采样时域补0。
反之如果0选择的值比较大,造成Tp=1/0<<T,相当于对原有的信号发生了截短效应
无论如何,现在时域内一个主值区间的长度是Tp了

再来看时域,信号周期的长度由T扩展/压缩到Tp那么Tp时长内会产生多少时域样点呢?Nt=Tp/Ts=Tp/(T/N)=N *Tp/T.

可见Nt=N,即时域序列的点数和频域序列的点数总是相等的

如果0的选取使得Tp=T,即对原信号即不补0,也不截短这时Nt=N=N。

当时域采样频率是s时频域周期性拓展的周期就是s,N点DT得到的就是以s为周期的频谱的N个样本点频域样点之间的频率间隔时s/N

截断的过程又称“加窗”,加矩形窗时域信号突然被截断因此旁瓣泄露较大,若加入缓变的窗函数对数据进行缓慢阶段可实现减小旁瓣泄露的目的

这是用户提出的一个数学问题,具體问题为:信号与系统问题

有限频带信号(t)的最高频率为100HZ,若对[(t)]^2与(t)卷积(2t)进行时域取样则取样频率分别为多少?如何计算?

我们通过互联网以及本网用戶共同努力为此问题提供了相关***,以便碰到此类问题的同学参考学习,请注意,我们不能保证***的准确性,仅供参考,具体如下:

用户都认为优質的***:

卷积结果=起点之和 到 终点之和,所以变宽

    这是用户提出的一个数学问题,具体问题为:信号与系统问题有限频带信号(t)的最高频率为100HZ,若对[(t)]^2與(t)卷积(2t)进行时域取样则取样频率分别为多少?如何计算?为什么变宽两倍呢?我们通过互联网以及本网用户共同努力为此问题提供了相关***,以便碰到此类问题的同学参考学习,请注意,我们不能保证***的准确性,仅供参考,具体如下:用户都认为优质的***:(t)×(t)的频谱是卷积,频域变宽2倍,最高频率=200,采样频率最小=4

参考资料

 

随机推荐