一些通信原理实践中的问题总结(不断更新)
matlab的fft函数的使用
对于实信号经过fft之后幅度需要乘
2
N
\frac{2}{N}
N2的原因如下:
首先对于一个实信号可以通过傅里叶级数展开得到
x
(
t
)
=
A
0
+
∑
k
=
1
∞
(
A
n
c
o
s
(
k
ω
t
)
+
B
n
sin
(
k
ω
t
)
)
x(t)=A_0+\sum_{k=1}^{\infty}(A_ncos(k\omega t)+B_n\sin(k\omega t))
x(t)=A0+k=1∑∞(Ancos(kωt)+Bnsin(kωt))
将其写作单边谱的形式为
x
(
t
)
=
C
0
+
∑
n
=
1
∞
C
n
c
o
s
(
n
ω
t
+
ϕ
n
)
C
0
=
A
0
C
n
=
A
n
2
+
B
n
2
ϕ
n
=
−
a
r
c
t
a
n
B
n
A
n
x(t)=C_0+\sum_{n=1}^{\infty}C_ncos(n\omega t+\phi_n)\\ C_0=A_0\\ C_n=\sqrt{A_n^2+B_n^2}\\ \phi_n=-arctan\frac{B_n}{A_n}
x(t)=C0+n=1∑∞Cncos(nωt+ϕn)C0=A0Cn=An2+Bn2ϕn=−arctanAnBn
而写作双边谱的形式为
x
(
t
)
=
A
0
+
1
2
∑
n
=
1
∞
(
A
n
(
e
j
n
ω
t
+
e
−
j
n
ω
t
)
−
j
B
n
(
e
j
n
ω
t
−
e
−
j
n
ω
t
)
)
=
∑
n
=
−
∞
∞
D
n
e
j
n
ω
t
D
0
=
A
0
D
n
=
1
2
(
A
n
−
j
B
n
)
D
−
n
=
1
2
(
A
n
+
j
B
n
)
∣
D
n
∣
=
1
2
A
n
2
+
B
n
2
=
1
2
∣
C
n
∣
\begin{aligned} x(t) &= A_0+\frac{1}{2}\sum_{n=1}^{\infty}(A_n(e^{jn\omega t}+e^{-jn\omega t})-jB_n(e^{jn\omega t}-e^{-jn\omega t}))\\ &=\sum_{n=-\infty}^{\infty}D_ne^{jn\omega t} \end{aligned}\\ D_0=A_0\\ D_n=\frac{1}{2}(A_n-jB_n)\\ D_{-n}=\frac{1}{2}(A_n+jB_n)\\ |D_n| =\frac{1}{2} \sqrt{A_n^2+B_n^2}=\frac{1}{2}|C_n|
x(t)=A0+21n=1∑∞(An(ejnωt+e−jnωt)−jBn(ejnωt−e−jnωt))=n=−∞∑∞DnejnωtD0=A0Dn=21(An−jBn)D−n=21(An+jBn)∣Dn∣=21An2+Bn2=21∣Cn∣
从此可以看出单边谱为双边谱的2倍,而matlab的fft是进行复数的变换,得到双边谱,如果要转为单边谱就得乘2。
其次,对于DFS有如下公式:
x
[
n
]
=
∑
k
=
0
N
−
1
c
k
e
j
2
π
N
k
n
c
k
=
<
x
[
n
]
,
e
j
2
π
N
k
n
>
<
e
j
2
π
N
k
n
,
e
j
2
π
N
k
n
>
=
∑
n
=
0
N
x
[
n
]
e
−
j
2
π
N
k
n
N
X
[
k
]
=
N
c
k
=
∑
n
=
0
N
x
[
n
]
e
−
j
2
π
N
k
n
\begin{aligned} x[n]&=\sum_{k=0}^{N-1}c_ke^{j\frac{2\pi}{N}kn}\\ c_k&=\frac{<x[n],e^{j\frac{2\pi}{N}kn}>}{<e^{j\frac{2\pi}{N}kn},e^{j\frac{2\pi}{N}kn}>}\\ &=\frac{\sum_{n=0}^Nx[n]e^{-j\frac{2\pi}{N}kn}}{N}\\ X[k]&=Nc_k=\sum_{n=0}^Nx[n]e^{-j\frac{2\pi}{N}kn} \end{aligned}
x[n]ckX[k]=k=0∑N−1ckejN2πkn=<ejN2πkn,ejN2πkn><x[n],ejN2πkn>=N∑n=0Nx[n]e−jN2πkn=Nck=n=0∑Nx[n]e−jN2πkn
对于DFT也是一样的,为了防止过多的采样点N使得频谱为0,就会乘N得到傅里叶谱,所以为了统一,需要乘N。
信噪比SNR,符号信噪比 E s N 0 \frac{E_s}{N_0} N0Es,比特信噪比 E b N 0 \frac{E_b}{N_0} N0Eb
符号 | 意义 | 符号 | 意义 |
---|---|---|---|
S | 信号平均功率 | N | 噪声平均功率 |
E b E_b Eb | 每bit信号的信息能量 | R b R_b Rb | bit速率 |
E s E_s Es | 信号符号(symbol)的信息能量 | R s R_s Rs | 符号(波特)速率 |
W | 信号带宽 | T s y m b o l T_{symbol} Tsymbol | 符号周期 |
T_s | 采样时间间隔 | M | 调制进制 |
k | 每个符号有效bit数 | N 0 N_0 N0 | 噪声功率谱密度(单边谱) |
接下来表述各个符号的表达
k
=
a
l
o
g
2
M
k=alog_2M
k=alog2M
其中a代表有效信息位,比如一个(7,4)汉明码的QPSK信号其表达为
k
=
4
7
l
o
g
2
4
k=\frac{4}{7}log_24
k=74log24。
R
b
=
k
R
s
=
k
T
s
y
m
b
o
l
E
b
=
E
s
k
W
=
1
T
s
S
=
E
b
R
b
N
=
N
0
W
S
N
=
E
b
N
0
R
b
W
=
E
b
N
0
R
b
f
s
=
E
s
N
0
R
s
f
s
R_b = k R_s=\frac{k}{T_{symbol}}\\ E_b = \frac{E_s}{k}\\ W=\frac{1}{T_s}\\ S=E_bR_b\\ N = N_0W\\ \frac{S}{N}=\frac{E_b}{N_0}\frac{R_b}{W}=\frac{E_b}{N_0}\frac{R_b}{f_s}=\frac{E_s}{N_0}\frac{R_s}{f_s}
Rb=kRs=TsymbolkEb=kEsW=Ts1S=EbRbN=N0WNS=N0EbWRb=N0EbfsRb=N0EsfsRs