学习笔记之——基于matlab的数字通信系统（3）

 

 

 

平稳随机过程

若一个随基过程的统计特性与时间起点无关，即时间平移不影响其任何统计特性，则为平稳随机过程。

代码

clear all
N1=2000;
N2=100;%%%%均值
x=randn(N2,N1);%%%%%%%%产生高斯随机分布随机数，产生一个m*n的随机变量矩阵。
for ii=1:N2
    [Rx(ii,:),lags]=xcorr(x(ii,:),50,'coeff');%%%%%%%每行的自相关幅值
    Sf(ii,:)=fftshift(abs(fft(Rx(ii,:))));%%%%%%%%%功率谱密度的平均值
end
%%平均
Rx_av=sum(Rx)/N2;
Sf_av=sum(Sf)/N2;
subplot(2,1,1);plot(lags,Rx_av);title('自相关函数')
subplot(2,1,2);plot(lags,Sf_av);title('功率谱密度')
axis([-50 50 0 2])    

带通信号

代码

clear all
ts=0.002;%%%%%%%抽样
tao=-1:ts:1;
B=20;
f0=100;
R=sinc(2*B*tao).*cos(2*pi*f0*tao);%%%%%%%自相关函数的值

fs=1/ts;
df=fs/length(tao);
f=-fs/2:df:fs/2-df;
S=fft(R)/fs;
subplot(2,1,1);plot(tao,R);title('自相关函数');xlabel('tao');ylabel('R')
subplot(2,1,2);plot(f,fftshift(abs(S)));title('功率谱密度');xlabel('f');ylabel('S')

 

线性时不变系统

大多数通信信道以及发射和接收装置中的很多部分，都可以用线性时不变（LTI）系统来建模。如下图所示：

从上图分析中可知。如果可以将信号展开为复指数的形式，有利于LTI系统的分析，为此傅里叶变换在通信系统或者说数字信号系统的分析中具有重要意义！（详细可以参考之前的博文《学习笔记之——基于matlab的数字通信系统（1）之连续信号的傅里叶分析》和《学习笔记之——基于matlab的数字通信系统（2）之离散信号的傅里叶分析》）

 

 

相关函数

均值和方差都只与随机过程的一维概率密度函数有关，故此它们仅仅描述了随机过程在各个孤立时刻的特征。进一步地，对于随机过程或者说变量之间内在的联系，我们一般采用协方差。而通信中则一般采用相关函数。实际上，相关函数与协方差所描述的随机过程的特征是一致的。如下公式3.1-9与3.1-10所示，两者只是在均值上有差别：

 

Hilbert变换

希尔伯特变换——一种构建某一已知函数的正交函数的变换（信号与其希尔伯特变换生成的信号相互正交）。在对通信信号的处理过程中，利用希尔伯特变换，可以将一频带信号变换为较为简单的低通信号来分析。

对于一个实信号x(t)x(t)，其希尔伯特变换为：

式中*表示卷积运算。Hilbert本质上也是转向器，对应频域变换为：

希尔伯特变换器的频率响应（等效于一个理想的相移器）：

通过上式，希尔伯特变换器是幅频特性为1的全通滤波器。信号x(t)通过希尔伯特变换器侯，其负频率成分作+90°的相移，而正频率成分作-90°的相移

正余弦函数构成一个希尔伯特变换对。如下图所示

代码

clear all
ts=0.01;%%%采样时间间隔
fs=1/ts;%%%%%%%采样频率
t=0:ts:10;%%%%%%%%时间向量
df=fs/length(t);%%%%%%频率分辨率
f=-50:df:50-df;%%%%%%%%频率向量
x=exp(-10*abs(t-5)).*cos(2*pi*20*t);%%%%%%信号
X=fft(x)/fs;%%%%%%%%%%%信号的频谱（原始模拟信号的傅里叶变换，根据抽样定理）

xa=hilbert(x);%%%%%%%%%%一个解析信号
yi=imag(xa);%%%%%%%%%%%解析信号的虚部为希尔伯特变换
Xa=fft(xa)/fs;%%%%%%%%%%解析信号的频谱
subplot(5,1,1);plot(t,x);title('原信号x');xlabel('时间t')
subplot(5,1,2);plot(f,fftshift(abs(X)));title('信号x傅里叶变换');xlabel('频率f')
%在matlab中，经过fft变换后，数据的频率范围是从[0,fs]排列的。
%而一般，我们在画图或者讨论的时候，是从[-fs/2,fs/2]的范围进行分析。
%因此，需要将经过fft变换后的图像的[fs/2,fs]部分移动到[-fs/2,0]这个范围内。
subplot(5,1,3);plot(t,abs(xa));title('信号x的解析信号');xlabel('时间t')
subplot(5,1,4);plot(f,fftshift(abs(Xa)));title('信号x的解析信号的FFT');xlabel('频率f')
subplot(5,1,5);plot(t,abs(yi));title('信号x的希尔伯特变换');xlabel('时间t')

结果如下图所示：

clear all
ts=0.001;%%%采样时间间隔
fs=1/ts;%%%%%%%采样频率
t=0:ts:0.2;%%%%%%%%时间向量
df=fs/length(t);%%%%%%频率分辨率
f=-50:df:50-df;%%%%%%%%频率向量
x=sin(2*pi*50*t);%%%%%%信号

xa=hilbert(x);%%%%%%%%%%一个解析信号
yi=imag(xa);%%%%%%%%%%%解析信号的虚部为希尔伯特变换
subplot(2,1,1);plot(t,x);title('原信号sinx');xlabel('时间t')
subplot(2,1,2);plot(t,yi);title('信号sinx的希尔伯特变换为cosx');xlabel('时间t')
ylim([-1,1])

带通信号的低通表示

代码

%ex16
clear all
ts=0.01;
fs=1/ts;
t=0:ts:10;
df=fs/length(t);
f=-50:df:50-df;
x=exp(-10*abs(t-5)).*cos(2*pi*20*t);
X=fft(x)/fs;
subplot(6,1,1);plot(t,x);title('原信号x');xlabel('时间t')
subplot(6,1,2);plot(f,fftshift(abs(X)));title('原信号的傅里叶变换');xlabel('频率f')
xa=hilbert(x);%%%%%%%%%%产生信号的解析信号

fc1=20;
xl1=xa.*exp(-j*2*pi*fc1*t);%%%%%%20HZ时的低通信号
Xl1=fft(xl1)/fs;%%%%%%%%%低通信号的傅里叶变换
subplot(6,1,3);plot(t,real(xl1));title('fc=20Hz时的低通信号同相分量');xlabel('时间t')
subplot(6,1,4);plot(f,fftshift(abs(Xl1)));title('fc=20Hz时的低通信号幅度谱');xlabel('频率f')

fc2=10;
xl2=xa.*exp(-j*2*pi*fc2*t);%%%%%%10HZ时的低通信号
Xl2=fft(xl2)/fs;%%%%%%%%%低通信号的傅里叶变换

subplot(6,1,5);plot(t,real(xl2));title('fc=10Hz时的低通信号同相分量');xlabel('时间t')
subplot(6,1,6);plot(f,fftshift(abs(Xl2)));title('fc=10Hz时的低通信号幅度谱');xlabel('频率f')

 

 

 

参考资料：

https://www.cnblogs.com/xingshansi/articles/6498913.html