数字信道化(digital channelizer)以及DFT(FFT)的深入理解

最新推荐文章于 2024-05-27 00:04:00 发布
最新推荐文章于 2024-05-27 00:04:00 发布
阅读量1.6w 收藏 58
点赞数 6
分类专栏： Algorithm 文章标签： DFT FFT digital channelizer
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/celery1124/article/details/45786409
版权
本文探讨了数字信道化（digital channelizer）和DFT（FFT）在射电望远镜阵列数字波束合成中的应用。针对信道化中的频域混叠问题，文章介绍了传统的保护频带方法和无混叠滤波器设计。同时，阐述了DFT的本质是调制加权求和，并对比了信道化滤波器与FFT的混叠影响。通过对DFT和信道化的深入理解，有助于优化射电天文系统的性能。
摘要由CSDN通过智能技术生成

最近在给天文台做射电望远镜阵列数字波束合成(DBF)的系统方案设计，用到的通信算法无非正交变换(orthogonal transformation)，滤波(filtering)，DBF加权(weighted)，数字信道化(digital channelizer)，FFT等（目前两个主要方案）。这些算法虽然已经不止一次研究、甚至在FPGA中实现，上板调试外场调试过。但是这一段时间做方案还是对其有了更深入的理解。特别是对FFT(DFT)这里有了更深一些的感悟。

由头是在做信道化加窄带波束合成的宽带DBF方案时（这个是借鉴荷兰的LOFAR），对这个方案的性能做一些评估，这里主要误差引入在窄带波束合成的相位补偿失真和信道化的频域混叠。对于信道化的频域混叠，是一个很基本的问题，上次做的是检测类的应用，这个相关的文献介绍的比较多，比如注明James Tsui的《宽带数字接收机》里面有提到为了减少虚警，保证检测信号只可能落在相邻两个子信道内，对于信道化原型滤波器的设计采用通带频率范围和阻带频率范围相同的方式。举个例子，250MHz正交采样信号做256信道的数字信道化，对于原型滤波器的设计，通带250/256/2=0.4883MHz，阻带250/256=0.9766MHz。这里由于滤波器没法设计成理想的锐截止，因此频域混叠是一定会存在的，但是上述滤波器设计方式可以保证出现混叠的频率分量只在相邻两个子信道里，这样保证了检测信号只可能落在相邻两个子信道内，解决了虚警的问题。

在通信领域上信道化用的也比较多（通信领域改个名字叫OFDM），通信领域对混叠的解决方式略有不同。最开始的时候采用的是加入一些保护频带的方式来解决混叠的问题，在每两个相邻子信道之间设定一定带宽的保护频带，这时候滤波器设计过渡带落在保护频带

最低0.47元/天 解锁文章
celery1124
关注
  • 6
    点赞
  • 踩
  • 58
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
多相信道化接收机
u011816681的博客
07-15 7028
最近在做一个多相信道化接收机，实现的功能是把的中频信号，用的采样频率采样，再对数字中频信号做数字下变频，然后对下变频后的基带信号做信道划分，总共分16个信道。 首先是的模拟中频信号被采样后的数字中频信号为，这是由于带通采样定理决定的，在此不再详述。从这个数字中频信号开始，我开始仔细介绍整个信号处理流程。 为了方便介绍，我假设数字中频信号为，持续时间的Chirp信号，采样率。首先要做的就是数字下...
【信道化】4通道DFT多相滤波器组信道化Matlab仿真
最新发布
qq_59747472的博客
06-06 837
在现代通信系统中，信道化技术是实现多载波通信的关键，其目的是将宽带信号分解为多个窄带信道，以便在每个信道上独立地进行调制、解调和处理。多相滤波器组信道化是一种常用的信道化方法，它利用多相滤波器组将输入信号分解为多个子带信号，并通过离散傅里叶变换 (DFT) 将子带信号变换到频域，从而实现信道化。4通道DFT多相滤波器组信道化本文将介绍一种基于4通道DFT的多相滤波器组信道化方案。该方案采用4个多相滤波器，将输入信号分解为4个子带信号，并通过4点DFT将子带信号变换到频域，最终实现4个信道的信道化。
【信道化】基于matlab模拟16通道DFT多相滤波器组信道化
m0_57702748的博客
05-27 738
多相滤波器组（PFB）是数字信号处理中一种重要的技术，广泛应用于通信、雷达、声呐等领域。它能够将宽带信号分解成多个窄带信号，实现频谱的细化和信道的分离，被称为“信道化”。本文将详细介绍基于16通道DFT的多相滤波器组信道化技术，并探讨其在实际应用中的优势和不足。1. DFT多相滤波器组原理DFT多相滤波器组利用快速傅里叶变换（FFT）和多相滤波技术，将输入信号分解成多个子带信号。其基本原理如下：多相滤波: 首先，将输入信号经过多个多相滤波器，每个滤波器对应一个子带。
数字化信道
kemi450的专栏
12-21 2651
多相滤波数字信道化
数字信道化原理PPT
11-13
数字信道化原理PPT
通过仿真理解信道化接收机分析过程
CyberInversion的博客
12-06 3350
信道化从子信道带宽划分上可分为临界抽取和非临界抽取两种，从各子信道中心频率布局上可分为偶型排列和奇型排列，从处理流程上可分为信道化分析与信道化综合过程。本文主要通过仿真来理解偶型排列/临界抽取/信道化分析过程。
多相信道化结构推导
mr_jerk的博客
06-09 1332
DDD为抽取因子及信道数量，那么第kkk道的信号输出yk(m)y_k(m)yk​(m)为： yk(m)=[x(n)⋅e−jωkn]∗h(n)∣n=mD=∑i=−∞+∞[x(n−i)e−jωk(n−i)h(i)]∣n=mD=∑i=−∞+∞[x(mD−i)e−jωk(mD−i)h(i)],令i=jD+p=∑p=0D−1∑j=−∞+∞[x(mD−jD−p)e−jωk(mD−jD−p)h(jD+p)]令，xp(m)=x(mD−p),hp(m)=h(mD+p)=∑p=0D−1∑j=−∞+∞[xp(m−j)e−jωk(
基于多相滤波器的数字信道化算法详解
热门推荐
falwat的专栏
11-28 1万+
基于多相滤波器的数字信道化算法详解 目录基于多相滤波器的数字信道化算法详解推导过程总结 本文详细介绍了基于多相滤波器的数字信道化算法的推导过程, 如果您在阅读的过程中发现算法推导过程中有任何错误, 请不吝指出. 此外, 基于多相滤波器的数字信道化算法的Python代码实现已放置到我的Github仓库中, 感兴趣的小伙伴可以下载使用. 推导过程 多相滤波信道化是对传统信道化结构的改进, 通过各支路共用一个低通滤波器提高资源的利用率, 同时采用多相抽取提高了后续滤波和 FFT 的运算效率. 给定输入信号为x(n
数字信道化Matlab仿真及FPGA设计
lechateler的专栏
03-25 998
多路数字信道化、数字信道化接收机Matlab仿真及FPGA设计、无盲区数字信道化
digital_channelizer.rar
07-30
在“digital_channelizer.m”这个Matlab源码文件中，我们可以看到对数字信道化算法的仿真过程。Matlab作为一种强大的数学和信号处理工具，提供了丰富的函数库和可视化界面，有助于我们快速原型设计和验证滤波器性能...
宽带数字接收机的信道化设计
10-24
在现代电子战环境中，信号一般都具有密集化、复杂化的特点，而且占用的频谱越来越宽，从而对宽带数字信道化接收机准确接收信号提出了更高的要求。一般的多相滤波器在监视整个频段时，由于相邻信道间往往会存在盲区，有可能丢失信号。而改进后的无盲区多相滤波器的信道数与抽取倍数不再相等。一般的旋转开关方法实现延迟和抽取只适用于信道数与抽取倍数相等的情况，而无法适应改进后的算法。但是，信道数和抽取因子之间往往存在倍数关系。本文正是利用这一关系解决了延迟与抽取的问题，并完成了整个复多相滤波器的FPGA设计。
Multibank-filter-receiver-design.rar_40_channelizer_polyphase ch
07-14
function receiver_40a ... channelizer is not matched filter, prototype filter is 10 wider than two sided bandwidth of input signal to accommodate frequency uncertainty of separate channel centers.
Polarization division multiplexed photonic radio-frequency channelizer using an optical comb
02-09
A polarization division multiplexed photonic radio-frequency (RF) channelizer based on an optical comb is proposed and numerically investigated. A flat optical comb with nine lines is generated using ...
upfirdn - Polyphase FIR Resampler-开源
06-27
`upfirdn` 的功能核心在于它能够实现上采样、通过FIR滤波器处理以及下采样的过程，这对于信号处理和分析至关重要。 在信号处理中，**上采样** 是指增加采样率的过程，通常通过插入零值来实现。这能够扩展信号的频谱...
多相滤波器及信道化处理
njsssch的专栏
04-27 2045
目录一 降采样和多相滤波器二 升采样和多相滤波器三 多相滤波器和信道化处理1四 多相滤波器和信道化处理2
信道化处理
ynwetaiahf的专栏
12-02 3638
<br />第五章 信道化处理<br />介绍<br />调制与解调<br />分集技术<br />扩展频谱通信<br />无线传输质量评定<br />这一章首先介绍无线环境的复杂性，再介绍为提高无线质量的技术，最后讲解无线传输质量的评定。本章是重点<br />Ø 基带传输/频带传输<br />Ø 调制方式：BPSK/QPSK/QQPSK/8PSK/MSK/GMSK<br />Ø 相干与非相干解调<br />Ø 极化分集<br />Ø 空间分集<br />Ø 角度分集<br />Ø 路径分集<br />Ø 
【数字信道】基于matlab多相滤波信道化接收机仿真【含Matlab源码 3398期】
Matlab领域的博客
11-09 605
多相滤波信道化接收机仿真 完整的代码，方可运行；可提供运行操作视频！适合小白！
【信道化】基于带通滤波器实现信道化接收机设计（16通道）附Matlab代码
m0_60703264的博客
05-21 657
在现代无线通信系统中，信道化接收机（Channelisation Receiver）扮演着至关重要的角色。它能够将来自不同频段的信号进行分离，并将其分别送往相应的解调器进行处理，从而实现对多路信号的接收和解码。本文将探讨基于带通滤波器实现16通道信道化接收机设计，并深入分析其工作原理、关键技术以及设计要点。1. 信道化接收机概述信道化接收机通常采用频分复用（FDM）技术，将多个信号分配到不同的频率带宽内，并通过滤波器组将它们分离出来。其核心部件包括：带通滤波器组: 实现对不同频率信号的过滤和分离。
AttributeError: module 'cupyx.scipy.signal' has no attribute 'firwin2'
08-16
非常抱歉，我之前的回答有误。根据您提供的错误信息，`cupyx.scipy.signal`模块没有名为`firwin2`的属性。为了在GPU上使用滤波器，我们可以使用CuPy提供的`cupyx.scipy.signal.firwin`函数。 请尝试使用以下修改后的代码： ```python import numpy as np import cupy as cp from cupyx.scipy import signal class Channelizer(object): """ Channelizer object. \param filter_coeffs: Filter coefficient array. """ _channel_num: int _filter_coeffs: np.ndarray def __init__( self, filter_coeffs: np.ndarray, channel_num: int = 8): assert isinstance(channel_num, int) self._filter_coeffs = np.reshape(filter_coeffs, (channel_num, -1), order='F') self._channel_num = channel_num @staticmethod def lfilter(coeff, data): output = cp.zeros(data.shape, dtype=complex) for i in range(data.shape[0]): output[i] = signal.lfilter(coeff[i], [1.0], data[i]) return output @staticmethod def fft(data): return cp.fft.fft(data, axis=0) @RunTime # 计算代码运行时间 def dispatch( self, data: np.ndarray ) -> np.ndarray: # Make the data length an integer multiple of the number of channels. disp_len = int(np.ceil(data.size / self._channel_num)) patch_size = int(disp_len * self._channel_num - data.size) patch_data = np.concatenate((data, np.zeros(patch_size))) reshape_data = np.reshape(patch_data, (self._channel_num, -1), order='F') polyphase_data = cp.flipud(cp.asarray(reshape_data)) nv = cp.arange(disp_len) prefilt_data = polyphase_data * ((-1) ** nv) # Polyphase filter bank filt_data = self.lfilter(self._filter_coeffs, prefilt_data) postfilt_data = cp.zeros(prefilt_data.shape, dtype=complex) for k in range(self._channel_num): postfilt_data[k] = filt_data[k] * ((-1) ** k) * cp.exp(-1j * np.pi * k / self._channel_num) dispatch_data = self.fft(postfilt_data) return cp.asnumpy(dispatch_data) ``` 在上述代码中，我们使用`cupyx.scipy.signal.lfilter`来应用滤波器。我们还更新了导入语句，以确保正确导入相关函数。 请注意，这只是一个修改建议，并不能保证一定能解决问题。如果问题仍然存在，请提供详细的错误信息和相关代码，以便我们能更好地帮助您。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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