用Matlab和SIMULINK实现DPCM仿真和双边带调幅系统仿真

1、使用SIMULINK或Matlab实现DPCM仿真

1.1 DPCM原理
差分脉冲编码调制，简称DPCM，主要用于将模拟信号转换为数字信号，同时减少数据的冗余度以实现数据压缩。在DPCM中，信号的每个抽样值不是独立编码的，而是通过预测前一个抽样值来计算出一个预测值，然后取当前抽样值和预测值之差进行编码。由于抽样值和预测值非常接近，预测误差的可能取值范围比抽样值变化范围小，因此可以用较少的比特数来对预测误差进行编码，从而降低数据的比特率。DPCM是利用信号的时间相关性来减少所需的编码比特数。需要对模拟信号进行周期性扫描，将时间上连续的信号变成时间上离散的信号，根据前一个抽样值计算出一个预测值，计算当前抽样值和预测值之差，即预测误差，并对其进行量化。然后对量化后的预测误差进行编码。在接收端，根据已知的预测值和预测误差进行解码，恢复原始信号。
DPCM可以有效利用信号的时间相关性来减少数据量，这对于具有强相关性的数据特别有效。

在DPCM系统中，需要注意的是预测器的输入是已经解码以后的样本。之所以不用原始样本来做预测，是因为在解码端无法得到原始样本，只能得到存在误差的样本。因此在DPCM编码器中实际内嵌了一个解码器，如编码器中虚线框中所示。在一个DPCM系统中，有两个因素需要设计：预测器和量化器。预测器和量化器应进行联合优化。分别进行线性预测器和量化器的优化设计。

1.2 使用Maltab进行DPCM仿真
代码及注释：

1. 生成输入信号

Fs = 1000; % 采样率 (Hz)
t = 0:1/Fs:0.1; % 时间向量（0.1秒）
x = sin(2pi50*t); % 50 Hz的正弦信号

---

Fs（采样率）：每秒1000个采样点，确保信号足够平滑。
t（时间向量）：从0秒到0.1秒的时间步长为1/Fs秒。
x（信号）：50 Hz的正弦信号，模拟一个周期性简单的输入信号。
解释：
正弦信号是经典的测试信号，便于观测DPCM的效果。如果希望使用其他信号（如语音数据），可以替换这部分代码。

2. 初始化DPCM变量

N = length(x); % 信号长度
x_pred = zeros(1, N); % 预测信号初始化
e = zeros(1, N); % 预测误差初始化
x_rec = zeros(1, N); % 重建信号初始化
quant_step = 0.1; % 量化步长（控制量化误差）

---

N：计算信号的长度。
x_pred、e、x_rec：初始化预测信号、预测误差和重建信号，这些变量用于存储逐个采样点的计算结果。
quant_step：量化步长，控制预测误差的量化精度，数值越大意味着压缩越强、但重建误差越大。
解释：
这里假设量化器的步长为0.1，意味着预测误差会被四舍五入到0.1的倍数。步长越大，重建信号的精度越低，失真越明显。

3. DPCM编码与解码过程

for n = 2:N
% 使用上一重建值作为预测值
x_pred(n) = x_rec(n-1);

% 计算预测误差
e(n) = x(n) - x_pred(n);

% 量化误差并传输
e_quant = round(e(n) / quant_step) * quant_step;

% 重建信号：累加量化后的误差
x_rec(n) = x_pred(n) + e_quant;

---

解释：
DPCM的核心思想是预测当前样本，并只传输预测误差。重建信号在解码端通过累加预测误差实现。这个简单的一阶预测器适合平滑信号，但对于复杂信号可能不够精确。

4. 绘制原始信号、预测误差和重建信号

figure;

% 子图1：原始信号
subplot(3,1,1);
plot(t, x, ‘b’, ‘LineWidth’, 1.5);
title(‘原始信号’);
xlabel(‘时间 (s)’); ylabel(‘幅度’);
grid on;<