Pluto模拟调制点对点通信（通信原理大作业）

一、实验目的

       1. 熟悉并掌握PLUTO SDR主动学习模块的使用；

       2. 使用MATLAB平台与PLUTO SDR通信，通过对模拟调制系统中各个调制方式对信号噪声的消除效果来验证其系统的抗噪声性能。

正在上传…重新上传取消

图一 各种调制方式的特性

二、实验内容

软件平台：MATLAB2020a

硬件系统：PLUTO SDR主动学习模块

图二、DSB相干解调流程图

图三、FM非相干解调

由上图可知，无论是调幅过程还是调频过程，为了获得更好的抗噪声性能，获得更加精确的信号，我们要减弱滤除掉信号传输过程中的信号的噪声。在与输入信号频谱互不交叠部分中，我们采用经典滤波器就可以将这部分信号滤除，并且不会对我们的传输信号造成任何的影响。在与输入信号相互交叠部分中，也就是我们研究过程中的带内噪声，我们需要采用一种新的方式。如果信号和干扰的频谱相互重叠，则经典滤波器不能有效地滤除干扰，最大限度的恢复信号，这时就需要现代滤波器，例如维纳滤波器，卡尔曼滤波器，自适应滤波器等现代滤波器。

现代滤波器是根据随机信号的一些统计特性，在某种最佳准则下，最大限度地抑制信号，同时最大程度的恢复信号，从而达到最佳滤波器的目的。现代滤波器需要首先获得输入信号的统计特性，例如维纳滤波器，是使估计误差（定义为期望响应与滤波器实际输出之差）均方值最小化。这完全有悖于我们信号传输的基本过程，我们在权衡利弊中最终选择小波变换进行噪声消除。

三、自主设计

一、小波变换原理探究

1.傅里叶变换的局限性

图四、非平稳信号的频谱对比

如上图，最上边的是频率始终不变的平稳信号。而下边两个则是频率随着时间改变的非平稳信号，它们同样包含和最上信号相同频率的四个成分。

做FFT后，我们发现这三个时域上有巨大差异的信号，频谱（幅值谱）却非常一致。尤其是下边两个非平稳信号，我们从频谱上无法区分它们，因为它们包含的四个频率的信号的成分确实是一样的，只是出现的先后顺序不同。

可见，傅里叶变换处理非平稳信号有天生缺陷。它只能获取一段信号总体上包含哪些频率的成分，但是对各成分出现的时刻并无所知。因此时域相差很大的两个信号，可能频谱图一样。

2. 短时傅里叶变换

一个简单可行的方法就是——加窗。“把整个时域过程分解成无数个等长的小过程，每个小过程近似平稳，再傅里叶变换，就知道在哪个时间点上出现了什么频率了。”这就是短时傅里叶变换。

图五、短时傅里叶变换

窗太窄，窗内的信号太短，会导致频率分析不够精准，频率分辨率差。窗太宽，时域上又不够精细，时间分辨率低。

3.小波变换

图六、傅里叶变换原理

图七、小波变换原理

小波直接把傅里叶变换的基给换了——将无限长的三角函数基换成了有限长的会衰减的小波基。这样不仅能够获取频率，还可以定位到时间了~ 

不同于傅里叶变换，变量只有频率ω，小波变换有两个变量：尺度a（scale）和平移量 τ（translation）。尺度a控制小波函数的伸缩，平移量 τ控制小波函数的平移。尺度就对应于频率（反比），平移量 τ就对应于时间。当伸缩、平移到这么一种重合情况时，也会相乘得到一个大的值。这时候和傅里叶变换不同的是，这不仅可以知道信号有这样频率的成分，而且知道它在时域上存在的具体位置。而当我们在每个尺度下都平移和信号乘过一遍后，我们就知道信号在每个位置都包含哪些频率成分。有了小波，我们从此再也不害怕非稳定信号，从此可以做时频分析！

做傅里叶变换只能得到一个频谱，做小波变换却可以得到一个时频谱！

二、小波变换去噪可行性研究。

在这部分我们首先研究小波变换对正弦信号模拟加噪的去噪效果，进而分析小波变换在音频信号中的降噪效果。

图八、正弦信号和其对应的加噪信号

小波基的选择：通常我们希望所选取的小波满足以下条件：正交性、高消失矩、紧支性、对称性或反对称性。但事实上具有上述性质的小波是不可能存在的，所以在应用的时候一般选取具有紧的小波以及根据信号的特征来选取较为合适的小波。

图九、不同小波基和去噪后信噪比的关系

阀值的选择：直接影响去噪效果的一个重要因素就是阀值的选取，不同的阀值选取将有不同的去噪效果。

阀值函数的选择：阀值函数是修正小波系数的规则，不同的反之函数体现了不同的处理小波系数的策略。最常用的阀值函数有两种：一种是硬阀值函数，另一种是软阀值函数。还有一种介于软、硬阀值函数之间的Garrote函数。

图十、heursure阀值函数去噪效果

图十一、sqtwolog阀值去噪效果图

由于音频信号不方便演示，且上述参量选取与正弦信号选取原则一致，因此我们在最后仅描述其信噪比的变换。在本次模拟过程中，我们加上了信噪比为一的噪声信号，并用小波变换进行滤除。

图十二、不同阈值下输出信号信噪比

从上图中我们可以看出，输出信号相较于输入信号信噪比有了很大的的提升，并且音乐演奏过程中的噪声也得到了很好的滤除，因此我们可以证明小波变换是可以应用到我们的通信系统之中去的。

• Pluto模拟系统传输

1.Pluto模拟传输过程：

在设计过程中，我们发现原例程并未设置带通滤波器，这大概是因为音频信号主要集中在低通部分，而并必须要带通滤波器，但是加入传送其它频率类型的信号，则需要带通滤波器，因此针对这一问题，我们设计一多个带通滤波器。

研究它们的滤波效果，信号在信道的传输过程中，叠加上了很多的噪声信号，对于和输入信号不交叠的信号，我们使用系列的带通滤波器，进行滤除，后续的解调过后的信号，我们采用小波变化对其带内噪声进行滤除。

图十三、各个带通滤波器的频域波形

图十四、NBFM窄带调频信号相干解调的工作原理

信号在信道的传输过程中，叠加上了很多的噪声信号，对于和输入信号不交叠的信号，我们使用系列的带通滤波器，进行滤除，后续的解调过后的信号，我们采用小波变化对其带内噪声进行滤除。在提交的代码文件压缩包中的音频文件可以看出，基于小波变换的模拟通信系统抗噪声性能较为优越，并且可以迁移到其他的模拟调制过程。

由于现代滤波器存在较大局限性，考虑了小波变化的方法进行处理，效果相对显著，并且小波变换具有良好的迁移特性，可以在任意的模拟调制的过程中滤除带内噪声。

• 实验总结

（1）重难点分析——如何提升音频传输音质

在实验过程中，我们优先采取了AM和DSB信号的方法对信号进行处理，考虑到其调制方法相对简单，实现相对容易，并且存在带内噪声无法滤除的情况。              设计过程中，我们发现原NBFM调制信号的相干解调例程并未设置带通滤波器， 这大概是因为音频信号主要集中在低通部分，而并必须要带通滤波器，但是加入传送其它频率类型的信号，则需要带通滤波器，因此针对这一问题，我们设计多个带通滤波器，并选取滤波效果最好的。

后来对于带内噪声的滤除，由于现代滤波器存在较大局限性，考虑了小波变化的方法进行处理，效果相对显著，并且小波变换具有良好的迁移特性，可以在任意的模拟调制的过程中进行滤波，组内成员也在实验中学习，加深了对课程的认识和理解。

1. 成果与收获

本次实验我们通过使用MATLAB进行了相关音频信号的处理,并将处理之后的信号用pluto硬件设备进行了传输，让我们初步了解和掌握了简单的通信系统的应用与设计过程。在试验进行过程中，我们可以发现诸多在平时理论学习时没有注意到的误差原因。在最后收听我们的实验结果音频时，可以发现所接收到的音频信号虽然可以基本还原所需要的信号，但存在较为明显的噪声干扰。在分析和改进实验效果的同时，我们小组内也进行了一系列地讨论，这极大地加速了我们实验的进程，也让我们将实验原理有了更加清晰地认识，总结来说，本次实验很好地将理论知识应用到了实践中，通过一次简单的通信原理系统的搭建与运行，深化了课程主题，激发了同学们的学习热情，对我们今后的学习、生活有着十分重要的指导意义。