大家好,欢迎来到IT知识分享网。
简介:
上节讲了调制中的调幅,其实就是控制高频振动信号的幅值 ;而调频也就是控制高频振动信号的频率;调相为控制高频振动信号的相位。总之,调制就是对载波信号的控制。
载波信号——高频振动信号
调频(FM):
- 设基带信号为f(t),载波信号频率为
;则载波信号瞬时频率
- 调频波的瞬时相位是瞬时频率从0-t的积分:
,后一项的最大值定义为调制指数
注:调频时,载波瞬时频率和基带信号成线性关系变化,同时瞬时相位和基带信号的积分成线性关系
若基带信号为,载波信号为
,利用上述两步可得调频后的信号
。其中调制指数m为
,最大频偏由第一步可知
。
调频波(FM)的最大频偏和基带信号频率无关,调制指数与基带信号频率成反比。
带宽:
若m<<1, ,称为窄带调频(NBFM)
若m>>1,,称为宽带调频(WBFM)
简单示例:
载波信号为,基带信号为
,调频后信号为
import numpy as np import scipy.fftpack as fftp import matplotlib as mpl import matplotlib.pyplot as plt import scipy.signal as signalP mpl.rcParams['font.sans-serif'] = ['KaiTi'] # 保证正常显示中文 mpl.rcParams['font.serif'] = ['KaiTi'] # 保证正常显示中文 mpl.rcParams['axes.unicode_minus'] = False # 保证负号正常显示 dt = 0.001 # 时间域采样间隔 Fs = 1/dt # 采样率 n = 1000 t = np.arange(dt, 5*n*dt+dt, dt) N = 5*n k = np.arange(N) T = N/Fs frq = k/T frq1 = frq[range(int(N/2))] plt.figure(figsize=(10,5)) plt.subplot(1,2,1) plt.title('未调频基带信号') y = 0.5*np.cos(2*np.pi*3*t) plt.plot(t, y) plt.xlabel('时间') plt.ylabel('幅值') plt.subplot(1,2,2) plt.title('未调频基带信号频谱') data_f = abs(np.fft.fft(y)) / N data_f1 = data_f[range(int(N / 2))] plt.plot(frq1, data_f1) plt.xlim(0, 6) plt.xlabel('频率') plt.ylabel('幅值') plt.show() plt.figure(figsize=(10,5)) plt.subplot(1,2,1) plt.title('调频后的信号') f = np.cos(2*np.pi*12*t+0.5*np.sin(2*np.pi*3*t)) plt.plot(t, f) plt.xlabel('时间') plt.ylabel('幅值') plt.subplot(1,2,2) plt.title('调频后信号频谱') data_ff = abs(np.fft.fft(f)) / N data_f2 = data_ff[range(int(N / 2))] plt.plot(frq1, data_f2) plt.xlim(0, 20) plt.xlabel('频率') plt.ylabel('幅值') plt.show()
若其他不变,就基带信号幅值从0.5变为1。
结论:调频信号的幅值越大,其频谱的幅值也越大,但频率值始终保持不变,幅值随着增大;
调频信号的幅值越大,经过调频之后的已调制信号的频谱越分散,边带包含的频率更多 ,且两两之间间隔为3hz。
FM正交解调:
FM正交解调就是将已调信号,通过乘上于其载波相同频率的正弦和余弦分量。然后通过低通滤波器,滤除二倍载波频率分量,保留下来的就是基带信号的正余弦形式。
,就是余弦的和差公式,然后过滤掉2倍频就行,
。
- 同理
也会得到
。
- 再求Q(t)/I(t)的反正切,得到了
。
- 再通过移相即可得到原始信号
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/132724.html