单 bit 测频接收机原理仿真

前言

数字化后面临的问题是大数据量采集、运算、传输、存储所需要的高能耗、计算资源、传输带宽以及存储空间，如果根据系统需求，能从最开始就降低数据采集量，那么后续一系列的设计都可以简化，这就是单bit接收机的出发点。这个思路被用在了不同的研究领域中，比如超表面阵列、混合精度深度学习芯片、混合精度MIMO通信，而单bit接收机就是其在电子对抗领域中比较典型的应用，通过简单的仿真可以理解其核心的技术原理。

---

一、单bit接收机原理

简述单 bit 接收机原理如下：

1. ADC 仅采集单 bit 的量化数据，即只用符号位来表示采样时刻信号幅度大小；
2. 同时简化在时域到频率傅里叶变换过程所采用的 FFT 计算，通过将 FFT 中旋转因子 简化为复数坐标系下位于坐标轴上的四个点，从而在硬件实现该 FFT 算法时能够只用加法 器完成运算，避免使用 DSP 资源，专业名词称之为 MonoFFT；

通过上述两个主要的技术措施，就能够降低硬件整体的实现方案，处理的数据量以及运

算复杂度，以最低的代价得到频谱，判断峰值即可得到最大信号的频率信息。

单 bit 接收机的优势是能够快速实现大瞬时带宽（瞬时带宽能够到达 10GHz）的单信号

测频功能；单其缺点也同样明显，低精度量化会在频域产生相关峰，导致动态范围有限，从

而影响多信号的检测与测频。

二、单bit接收机的仿真

1.仿真的量化组合

仿真的主要思路是分别将信号数据和 FFT 核进行量化，两两组合既有：

1. 数据原精度+FFT 核原精度；
2. 数据单 bit+FFT 核原精度；
3. 数据原精度+FFT 核单 bit；
4. 数据单 bit+FFT 核单 bit。

2.使用量化与矩阵乘法FFT

为了实现上述不同量化的组合，主要用到matlab中的量化器函数quantizer，此外为了能对FFT核进行单bit量化，不能使用matlab自带的fft()函数，需要根据公式实现数据向量与FFT核函数构建的矩阵相乘的形式。采样速率1024Hz，数据点数256点，正弦信号频率40Hz，图1对比了fft()函数与矩阵相乘形式得到的单边带频谱图，两者计算一致，数据与FFT核均为原精度。

图1 两种FFT计算得到的单边带频谱对比

3.四种量化组合效果的仿真对比

有了上述两个基本的函数，就可以分别对四种量化情况进行仿真，得到的四种结果如图

2 所示。

（1）具有大约 50dB 的信噪比和动态范围；

（2）对数据量化后，能够识别出频谱峰值，单 bit 量化产生了谐波杂散，同时由于 quantizer 量化是将数据用 0/1 二进制单 bit 量化，所以天然就具有 0.5 的偏置，这一偏置造成 0 频处的直流分量；

（3）对 FFT 核量化后，同样能够识别出频谱峰值，单同样产生较多杂散，0 频处无直流，该状态可对应一些采样器芯片集成 DDC 中所使用的粗混频硬核；

（4）最后数据与 FFT 均量化后，可以分辨出频率峰，但动态范围只剩有限的几 dB。

图2 四种量化情况的频谱对比

从图2看，单独使用数据量化或者FFT量化都能够较好的识别出频谱峰值，同时保持有10~20dB左右的动态，这是由于FFT过程，没有被量化的一方实际上扩展了数据精度。但数据与FFT都量化后，一方面动态只有1bit对应的大约6dB，另一方面有时频谱峰值会翻转到负向。

---

总结

通过简单的仿真和对比，说明满足某些功能，可能只需要极有限的数据精度，从而大幅节约计算资源和传输带宽，比如单bit的FFT的硬件实现就不需要使用乘法器，只需要累加即可。