模拟AM与FM调制解调系统
实验 1 ：模拟AM调制解调系统幅度调制解调技术是一种最简单的模拟调制方法，而且通过幅度调制容易理解调制的概念。本实验通过 LabVIEW 编程产生信号频率、幅度等参数可变的基带信号和载波信号，实现 AM 调制和解调，观察参数变化对已调信号的影响。并通过仿真运行整个 AM 调制解调系统，学习掌握代码调试方法，验证程序的正确性。实验 2 ：模拟FM调制解调系统利用 LABVIEW 仿真，产生基带信号频率、载波频率及频偏等参数可变的 FM 调制解调系统，观察参数变化对被调制信号以及其 FFT 功率谱的影响。并通过仿真运行整个 FM 调制解调系统，学习掌握代码调试方法，验证程序代码的正确性。通信原狸与系统实验报告【程序设计】1、总体程序实验1:模拟AM调制解调系统AM信亏波形翌(时)波信号上边带下边带正弦波形(时域)载波幅值制信号湖形图(时域)调制值颗谱测量AM洞制信号波形因(罚信号「·(峰值100000实验2:模拟FM调制解调系统载波率f(Hz)仿真信号3网回區最大偏移量f(Hz仿真信号2信号基带率和b(HzPower SpectruA圆周信号域仿真信号FM调制信号弦10000001000000导数dxdt)Simulate正弦通信原理与系统实验报告2、部分函数图音分函数图Hilbert变换函数部至复数转换复数至极坐标转换交流和直流分量估计归一化波形【实验内容】实验1:模拟AM调制解调系统1、按(P2713)的实验步骤1完成AM调制2、按(P2)的AM解调原理的提示完成AM解调根据实验教程,仿真信号快速ⅥI与频谱测量快速Ⅵ发其最终对话框选项设置如下:信号关型O幅(均方慢)加后的辅轴入信号5.583643幅度(峰直盐r变谱功增密赏占空比5.5050450D2040.60B口加难声声型099999阳果览种子值验时识相对于更开时间吧对(日期与时于均数日100000仍真平集时轴更信号采枉盈重置相位,种子和时标识乐月连续生成生递每次环口整数需吗数信号名称实玩无样数10o信号名称取商在前面板中设置参数如卜:载波幅值调制幅值11.:1戴冷200m1……4006008001000020406080100120140160180200调制频率0250500750100012501500175020000204060801001201401601802004通信原理与系统实验报告设置好参数后,运行程序,结果如图所示载波信号波形(时域)弦M4M制信号波形(时域正弦20020015050-15020020000.020.040.060.080.100.020.040.060.080.1时间时间AM调制信号形图(数城)开F:(值)四4M解号形(时城)5002050150200-15010020030040050000.020.040.060.080.1频率时间分析:观察“AM调制信号波形图(时域)”图可知:经过AM调制将调制信号加载到载波信号上后,形成的包络恰好与基带信号一致。观察“ΔM调制信号波形图(频域)”图可知:最左边的频谱为基带信号的频谱,而右边的三个频谱从左到右依次为下边带fc-fb,载波fe,上边带fc+fb的频谱。观察“AM解调信号波形图(时域)”图可知:解调后的信号与基带信号基本重合,说明运用包络检波法解调信号成功。改变实验参数增大基带信号的幅度,其他参数不变分析:如下图所示,前两幅图分別为增大基带信号幅度前的调制信号的时域图和频域图,后面两幅图为增大基带信号幅度后的调制信号的吋域图和频域图。通过观察图像可发现:增大基带信号樞度,其他参数不变的情况下:调制信号在时域上的幅度随基带信号幅度的增大而増大,而频域上不发生变化。5通信原狸与系统实验报告AM调制信号波形图(时域)AM调制信号波形(频域)应(F·(值)3005020050100200150300200-00.020.040.060.080.1100200300400500时间AM调周制信号波形图(时城)AM调制信号波形图(频域)正弦(FT·(峰值)50200100-1001002003000.020.040.060.080.10100200300400500时间频率增大基带信号的频率,其他参数不变分析:如下图所示,前两幅图分别为增大基带信号频率前旳调訇信号的时域图和频域图,后面两幅图为增大基带信号频率后的调制信号的时域图和频域图。通过观察图像可发现:增大基带信号频率,其他参数不变的情况下:调制信号在时域上的频率随基带信号频率的增大而增大,而频域上也发生了右移。AM调制信号波形图(时域MAM调制信号波形图(城)F·(峰值))M5020010050100200150-30020000.020.040.060.080.10100200300400500时间频率通信原理与系统实验报告AM调制信号波形图(时域)AM调制信号波形图(颈域)正弦·(峰值)50-200100500100-10020030020000.020.040.060.080.10100200300400500时间增大载波信号的幅度,其他参数不变分析:如下图所示,前两幅图分别为增大载波幅度前的调制信号的时域图和频域图,后面两幅图为增大载波幅度后的调制信号的时域图和频域图。通过观察图像可发现:增大载波幅度,其他参数不变的情况下:调制信号在时域上的幅度随载波信号幅度的增大而增大,而频域上不发生变化。AM调制信号波形图(时域)正弦AM调制信号波形圈(频域)H·(峰值)30050200010-500-100-200-150300-20000.020.040.060.080.10100200300400500时间频率AM调制信号波形图(时域)正弦AM制号形(炫)芷奸:()人503000200100细10020015030040020000.020.040.060.080.110200时间频率通信原狸与系统实验报告增大载波信号的频率,其他参数不变分析:如下图所示,前两幅图分别为增大载波频率前的调制信号的时域图和频域图,后面两幅图为增大载波频率后的调制信号的时域图和频域图。通过观察图像可发现:增大载波频率,其他参数不变的情况下:调制信号频率在时域上的频率随载波信号频率的增大而增大,而频域上也发生了右移。AM调制信号波形图(时城正弦AM调制信号波形图(颁域)正弦任FT·(峰值)3002000100200-300-20000.020.040.060.080.10100200300400500时间频率AM调制信号波形图(时域)正凶M制儒号形图(域):(峰)300502001000-100-20030020000.020.040.060.080.10100200300400500时间实验2:模拟FM调制解调系统、按(322.3)实验内容完成FM的调制2、按(3223)的实验内容元成FM的解调根据实验教程,仿真信号快速Ⅵ与频谱测量快速ⅥI及其最终对话框选项设置如下通信原理与系统实验报告配雪仿真信号[真台号3]生造量结果预范所选到早3、02691幅度(蜂值位(D功幸造C线性O功率造移量占空比O092Hanning君果候嚣均方根对测经开始间保待O姆对(日期与时词)半均数目C仿真菜对钟申仨号·以可达到最速度运行里相位种了和时标日相位軍预100日)来用端牛应信号名称O当平均时用信号类型名偏学会称□开相位150200250300350400450500阳确定联群取篇□帮数在前面板中设置参数如下:基带频率fb(Hz)载波频率fe(Hz)20000400006000080000100000110000033000005000007000009000001E+6最大偏移量t(Hz)20000400006000080000100000120000140000160000180000205410设置好参数后,运行程序,结果如图所示基带信号(时域正弦A载反信号(时域)正弦0.5000.5-0.505E-50.00010000150.00025E-50.00010.000150.0002时间时间时城须域FM调制信号(时域正弦0.50.52E-6E-58E-50.00010.000120.000140.000160.000180.0002时司通信原理与系统实验报告时域频域FM调制信号(域)正弦(功率-1002000500000150000025000003500000450000055000006500000750000085000001E+7频率FM解调信号(时域)正弦2E-56E-58E-50.00010.000120000140.000160.000180.0002时间分析:观察“FM调制信号(时域)”图与“FM调制信号(频域)”图可知:经过FM调制后产生的波形与原理相符合;观察“AM解调信号波形图(时域)”图可知:解调后的信号与基带信号基本重合,说明运用非相关包络检波法解调信号成功。改变实验参数≯增大基带信号的频率,其他参数不变分析:如下图所示,前两幅图分别为增大基带信号频率前的调制信号的时域图和频域图,后面两幅图为增大基带信号频率后的调制信号的时域图和频域图。通过观察图像可发现:增大基带信号频率,其他参数不变的情况下:调制信号在时域上的频率随基带信号的频率的增大而增大。
- 2021-05-06下载
- 积分：1
张贤达的《高阶统计量信号处理方法》
高阶统计量分析方法是一种重要的非高斯信号分析方法，在此上传张贤达的这本书，希望对大家的学习有所帮助专题内容概述高阶统计量的定义、性质和估计155()高阶矩、高阶累积量及其谱·*·····“········““··“·(二)高阶累积量与高阶谱的性质三)高阶累积量与高阶谱的估计…......19、非最小相位系统的辨识21(一)基本问题21(二)MA系统的辨识.25(三)ARMA系统的辨识…135四、谐波恢复42()基本问题42()谐波恢复的高阶累积量方法……………·………43五、空间窄带信号源的波达方向估计()基本问题46(二)基于二阶统计量的DOA估计方法及其不足.147(三)基于高阶统计量的DOA估计方法53、概述高阶统计量( (Higher-order Statistics)是指比二阶统计量更高阶的随机变量或随机过程的统计量。二阶统计量有:〉随机变量(矢量):方差、协方差(相关矩)、二阶矩。随机过程:自相关函数、功率谱、互相关函数、互功率谱、自协方差函数等高阶统计量有:随机变量(矢量):高阶矩( Higher-order Moment),高阶累积量(Higher-order Cumulant)随机过程:高阶矩、高阶累积量、高阶谱( Higher- order Spectra,Polyspectra)。从统计学的角度,对正态分布的随机变量(矢量),用一阶和二阶统计量就可以完备地表示其统计特征。如对一个高斯分布的随机矢量,知道了其数学期望和协方差矩阵,就可以知道它的联合概率密度函数。对一个高斯随机过程,知道了均值和自相关函数(或自协方差函数),就可以知道它的概率结构,即知道它的整个统计特征。但是,对不服从髙斯分布的随机变量(矢量)或随机过程,一阶和二阶统计量不能完备地表示其统计特征。或者说,信息没有全部包含在一二阶统计量中,更高阶的统计量中也包含了大量有用的信息。高阶统计量信号处理方法,就是从非高斯信号的高阶统计量中提取信号的有用信息,特别是从一、二阶统计量中无法提取的信息的方法。从这个角度来说,高阶统计量方法不仅是对基于相关函数或功率谱的随机信号处理方法的重要补充,而且可以为二阶统计量方法无法解决的许多信号处理问题提供手段。可以亳不夸张地说,凡是使用功率谱或相关函数进行过分析与处理,而又未得到满意结果的任何问题,都值得重新试用高阶统计量方法。高阶统计量的概念于1889年提出。高阶统计量的研究始于六十年代初,主要是数学家和统计学家们在做基础理论的研究,以及针对光学、流体动力学、地球物理、信号处理等领域特定问题的应用研究。直到八十年代中、后期,在信号处理和系统理论领域才掀起了高阶统计量方法的研究热潮。标志性的事件有:1. K. S. Lii. m. rosenblatt "Deconvolution and Estimation of TransferFunction phase and Coefficients for non-Gaussian Linear processes AnnStatistcs, Vol, 10, pp. 1195-1208, 1982首次用高阶统计量解决了非最小相位系统的盲辩识问题。2.C.L. Nikias,M.R. Raghuveer的综述文章“ Bispectrum Estimation:ADigital Signal Processing Framework”在Proc.正EE发表,1987July3.1989、1991、1993、1995、1997、1999年举办了六届关于高阶统计量的信号处理专题研讨会(海军研究办公室,NSF, IEEE Control SystemSociety, IEEE ASSP Society, IEEE Geoscience and Remote sensingSociety4. IEEE Trans.onAC1990年1月专辑5. IEEE Trans, on AssP1990年7月专辑。6.J.M. Mendel的综述文章 Tutorial on Higher- Order statistics( Spectra)inSignal Processing and System Theory: Theoretical Results and SomeApplications”.Proc,正E,1991(主要是关于非最小相位系统辨识)。7.C.L. Nikias&A.P. Petropula的专著 Higher-order Spectral Analysis:ANonlinear Processing Framework,由 Prentice-Hall I1993出版。8. Signal Processing,19944月专辑。9. Circuits, Systems, and Signal Processing,1994.6月专辑。高阶统计量方法已在雷达、声纳、通信、海洋学、电磁学、等离子体物理、结晶学、地球物理、生物医学、故障诊断、振动分析、流体动力学等领域的信号处理问题中获得应用。典型的信号处理应用包括系统辨识与时间序列分析建模、自适应估计与滤波、信号重构、信号检测、谐波恢复、图像处理、阵列信号处理、盲反卷积与盲均衡等。在信号处理中使用高阶统计量的主要动机可以归纳成四点1、抑制未知功率谱的加性有色噪声的影响。2、辨识非最小相位系统或重构非最小相位信号。自相关函数或功率谱是相盲的,即不包含信号或系统的相位信息。仅当系统或信号是最小相位时,二阶统计量的方法才能获得正确的结果。相反,高阶统计量既包含了幅度信息,又保留了信号的相位信息,因而可以用来解决非最小相位系统的辨识或非最小相位信号的重构问题。3、提取由于高斯性偏离带来的各种信息对于非高斯信号,其高阶统计量中也包含了大量的信息。对模式识别、信号检测、分类等问题,有可能从高阶统计量获得信号的显著分类特征,4、检测和表征信号中的非线性以及辨识非线性系统。如用来解决非线性引起的二次、三次相位耦合问题。参考资料:1、张贤达,《时间序列分析一高阶统计量方法》,清华大学出版社,1996。2、沈凤麟等,《生物医学随机信号处理》(第9章),中国科学技术大学出版社,1999。3 J M. Mendel. "Tutorial on Higher-order Statistics(Spectra) in SignalProcessing and Systems Theory: Theoretical Results and SomeApplications. Proc. IEEE, Vol. 79, pp. 278-305, 19914, C. L. Nikias A. P, Petropulu. Higher-order Spectral Analysis: ANonlinear Processing Framework. Prentice-Hall. 19935 C L. Nikias J. M. Mendel.Signal Processing with Higher-orderSpectra. IEEE Signal Processing Magazine, Vol 10, July, pp 10-37, 19936 C. L Nikias M. R Raghuveer." Bispectrum Estimation: A DigitalSignal Processing Firamewoork". Proc. IEEE, Vol. 75, pp. 869-891, 19877 P. A. Delaney d. O. Walsh. " A Bibliography of Higher-Order Spectraand Cumulants". IEEE Signal Processing Magazine, Vol 11 July, pp. 61-7019948、J.A. Cadzow.“ Blind Deconvolution via Cumulant Extrema”.IEEESignal Processing Magazine, Vol 13, No 3, pp 24-42, 1996www.ant,uni-bremen.edu.de/hoshome二、高阶统计量的定义、性质和估计(一)高阶矩、高阶累积量及其谱从随机变量→随机矢量→随机过程)1、随机变量的特征函数与累积量定义:设随机变量x具有概率密度fx),其特征函数定义为(s)=f()edx=Eel其中s为特征函数的参数。(可看作八x)的拉普拉斯变换)特征函数Φ(s)只是参数s的函数。对Φ)求k次导数,可得Φ^(s)=Exe因此(O)=E}=m也就是说)在原点阶导数等孩x阶筹k。因此,Φ(s)也称作矩生成函数(又叫第一特征函数)。矩生成函数可以唯一地、完全地确定一个概率分布。这可由矩生成函数唯一性定理阐明:定理:设F(x)和G(x)是具有相同矩生成函数的分布函数,即:e dF (x)= esdG(x)则F(x)=G(x)由矩生成函数可以定义随机变量κ的累积量生成函数(又叫第二特征函数)及累积量。定义:设随机变量x的矩生成函数为Φ(s),则函数H(s)=nΦ(s)称为x的累积量生成函数,而v()在原点的k阶导数dky(s)ds k0称为x的k阶累积量如果将s)和v展开成 Taylor级数,根据以上定义,就会有①(s)=1+m1S+m2S2+…+,,mkS+…k!(2+4+x12cmk!k1也就是说,x的k阶矩和累积量分别是其矩生成函数和累积量生成函数的Taylor级数展开中s项的系数。2、随机矢量的特征函数与累积量定义:令x=[x,x2,…,x是一随机矢量,且s=s,s2,…,sr,则随机矢量x的矩生成函数定义为Φ(S1SES11+2x2+…+Skxkl52为Ex的累积量生成函数定义为(S1,S2,…,Sk)=lnΦ(s1,x的(vy2…,w)阶矩和累积量分别定义为矩生成函数和累积量生成函数的Iayr级数展开中S1S2…S项的函数,即0Φ(S1,s2;…,s)ExVIS"Y(1521512skas1Os2…ask其中vko对v=V2=…=认=1的特殊情况,记随机矢量x的矩和累积量分别为mom(,,cum(Y1X我们下面将用它们来定义随机过程的高阶矩和累积量。3、随机过程的高阶矩和高阶累积量定义:设{x(n)}为k阶平稳随机过程,则该过程的k阶矩定义为ma(z1,z2,…,k-)=mom{x(n),x(n+),…,x(n+xk-1)}而k阶累积量定义为cs(1,z2,…,k-)=cum{x(m),x(nt+),…,x(n+tk1)}根据这一定义,平稳随机过程的k阶矩和k阶累积量实质上就是取x1=x(n),x2=x(n+a),…,x=x(n+k)之后的随机矢量[(n),x(n+z),…,
- 2020-12-03下载
- 积分：1
