双边带调幅DSB-SC和解调的matlab仿真

目录

一、理论基础

二、核心程序

三、仿真结论


一、理论基础

       双边带调幅(DSB-SC,Double Sideband Suppressed Carrier)是一种模拟调制技术,用于在传输信号时抑制了载波信号。它是一种调幅(AM,Amplitude Modulation)的变种,旨在降低信号的频带占用,减少无用的频谱能量。

       在 DSB-SC 调制中,原始信号被用来调制两个边带,而不是传统的调幅方法中会同时调制一个边带和一个载波信号。这使得 DSB-SC 调制的频带占用比较紧凑,从而节省了频谱资源。然而,DSB-SC 也存在一些问题,例如它需要较复杂的解调过程,并且在信号传输过程中容易受到相位偏移等干扰。

DSB-SC 调制的主要特点包括:

  • 双边带调幅的信号只包含了两个边带,没有了载波信号,因此相对于全调幅(AM)来说,节省了频谱。
  • DSB-SC 调制需要较复杂的解调过程,通常需要同步解调器的相位。
  • DSB-SC 调制可以通过载波同步来实现,从而在解调器端恢复出原始信号。

       尽管 DSB-SC 调制在频带占用方面有一定的优势,但由于其解调过程的复杂性,以及容易受到相位偏移的干扰,它在数字通信系统中并不常见。更先进的调制技术如单边带调幅调制(SSB-AM)和调频调幅(FM)通常在实际应用中更受青睐。

      双边带调幅(DSB-SC)是一种模拟调制技术,它在传输信号的同时传输信号的两个边带,从而降低了频带占用。下面我会详细介绍 DSB-SC 调制和解调系统的原理、公式以及实现过程。

单边带:只传送一个边带的调制方式成为单边带调制。

       AM、DSB的共同缺点:所需传输的带宽是信号的2倍,这样就降低了系统的有效性。由于从信息传输的角度讲,上、下两个边带所包含的信息相同,因此只传送一个边带即可以传送信号的全部信息。

       双边带调制:由于AM信号在传输信息的同时,也同时传递载波,致使传输效率太低,造成功率浪费。既然AM系统的载波并不携带信息,所以不发送载波仍能传输信号。

        DSB-SC 调制通过将原始信号与载波信号相乘,从而得到双边带调幅信号。其调制原理可以用以下公式表示:

       DSB-SC 解调可以使用同样的载波信号进行相乘,从而得到原始信号的调制。解调原理可以用以下公式表示:

DSB信号主要有以下的特点:
1、幅度调制。DSB信号是过调幅AM波,故它仍是幅度调制,但此时包络已不再与m(t) 成线性关系变化,这说明它的包络不完全载有调制信号的信息,因此它不是完全的调幅波。
2、幅度调制,频率未变。DSB信号的频率仍与载波相同,没有受到调制。
3、有反相点。DSB信号在调制信号的过零点处出现了反相点,调制指数大于1的AM信号在调制信号过零点处出现反相点。所以有反相点出现,是因为调制信号在过零点前后取值符号是相反的。

       调制和解调单边带调制和解调的方法有多种,其中最常用的是滤波法。用滤波法实现单边带调制,是分双边带信号形成和无用边带抑制两步完成的。双边带信号由平衡调制器形成。由于调制器的平衡作用,载频电平被抑制到很低。对无用边带的抑制,是由紧跟在平衡调制器后面的边带滤波器完成的。边带滤波器是一带通滤波器,若下边带为无用边带,则恰当地选择其中心频率和通带宽度,让上边带信号通过而抑制下边带。当需要形成多路独立边带信号时,就需要有相应数目的单边带信号产生器,它们具有不同的载频和不同中心频率的边带滤波器。然后把这些占有不同频段的单边带信号线性相加,便可得到多路独立边带信号。
  单边带信号的解调,除了载频全发送的兼容单边带和残留单边带可以用包络检波外,其他各类单边带的解调只能用单边带产生的相反过程来完成(图3b),即仍用平衡调制器完成单边带信号频谱向基带的平移,并通过紧跟在调制器后面的低通滤波器,提取有用的基带信号,抑制无用的边带信号。
  用滤波法产生和解调单边带信号,通常都在低于工作频率的低载频上进行。因此,在单边带产生器后和单边带解调器前有一个频率搬移部分,把单边带信号频谱从低载频搬移到工作频率,或相反。除滤波法外,还有相位补偿法和合成法可以在工作频率上直接产生单边带信号,但由于性能都不如滤波法,所以很少采用。

二、核心程序

.......................................................
ylabel('幅度')
grid
xlim([-0.1,0.1])
%(4)利用matlab绘制已调信号
y4=sinc(t*200).*cos(2*pi*200*t) %%已调信号
subplot(2,3,4),plot(t,y4,'r-')
title('已调信号')
xlabel('时间:s')
ylabel('幅度')
grid
xlim([-0.05,0.05])
%(5) 利用matlab绘制已调信号的频谱
fs1=1000  %已调信号频谱
yk=fft(y4,5000)         %对信号做傅立叶变换
yw=2*pi/4000*abs(fftshift(yk))    %频谱搬移
fw=[-2500:2499]/5000*fs1
subplot(2,3,5),plot(fw,yw,'r-')
title('已调信号的频谱')
xlabel('频率:hz')
ylabel('幅度')
grid
xlim([-400,400])
%(6)利用matlab绘制DSB-SC调制信号的功率谱密度
[c,lags]=xcorr(y4,200) %%DSB信号自相关函数
figure             %200表示自相关函数时间т
subplot(211)   
plot(lags/fs,c)
title('DSB信号自相关函数')
xlabel('t')
ylabel('Rxx(t)')
grid

SDSBp=fft(c,5000) %%DSB功率谱
fw=[-2500:2499]/5000*fs1
yw=2*pi/4000*abs(fftshift(SDSBp))%频谱搬移
subplot(212)
plot(fw,yw)
title('DSB信号功率谱')
xlabel('w')
ylabel('Rxx(t)')
grid
%(7)利用matlab绘制相干解调后的信号波形

y7=y4.*y3  %%解调信号
figure
subplot(211)
plot(t,y7)
title('解调信号')
xlabel('时间:s')
ylabel('幅度')
grid
xlim([-0.1,0.1])
.............................................................
up120

三、仿真结论

            通信中,调制信号通常是平稳随机过程。其功率谱密度与自相关函数之间是一对付氏变换关系。此时先求调制信号的自相关函数,利用命令[c,lags]=xcorr(y4,20)以及plot(lags/fs,c)就可以实现调制信号的自相关函数,此时将自相关函数求付氏变换。利用SDSBp=fft(c,5000; fw=[-2500:2499]/5000*fs;yw=2*/4000*abs(fftshift(SDSBp))即可实现,此时用figure和subplot可以在另一页画出自相关函数波形和功率谱密度波形,具体图形如图1:

        

  • 7
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
根据您提供的引用内容,我了解到mmdetection是一个用于目标检测任务的开源项目。在官方文档中,您提到了一篇关于模块详解的原文以及一些关于算法实现流程的类,如Config、Registry、Runner和Hook。另外,引用中还提到了使用coco预训练的完整检测模型权重,并给出了修改coco预训练权重类别的脚本。 根据这些信息,我可以得出结论,mmdetection的修改代码是有用的。通过修改代码,您可以根据自己的需求来调整模型的行为,如改变模型的结构、调整超参数、修改数据处理方式等。这样可以使模型更好地适应您的具体任务,并提升检测的性能。 因此,对于特定的目标检测任务,对mmdetection的代码进行适当的修改是非常有用的。它能够帮助您实现更好的目标检测结果并满足您的需求。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [MMdetection记录](https://blog.csdn.net/weixin_44176643/article/details/124074273)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [mmdetection 模型训练技巧](https://blog.csdn.net/Guo_Python/article/details/108148385)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

fpga和matlab

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值