23年电赛D题-信号调制方式识别与参数估计装置

红叶何时落水

题目

 题目分析

该题目的是制作一个信号检测以及解调装置

主要的任务有三个

1.六种信号的识别

2.信号相关参数的测量

3.信号解调

任务一

识别信号有很多思路,最简单的方式便是通过对信号进行FFT分析,分析其中的各个谐波的特征值。

其中CW只有一根谱线,代表正弦波

AM有三根谱线,代表两个正弦相乘后,载波以及载波的上边带信号以及下边带信号

FM,FSK频谱复杂,需要使用具体公式进行映射,还原出相关信息

FM-5K-5K-2M-600k  信号频率5k 频偏5k 载波2M 采样率600k(这里采用了带通采样)
以下图片皆为相同格式

      FM-5K-10K-2M-600k

FM-5K-15K 
FM-5K-20K FM-5K-25K
FSK-3K-6K-2M-300K.png 

FSK-3K-15K-2M-300K.png 

FSK-5K-10K-2M-300K.png 
FSK-5K-25K-2M-300K.png 

 至于采样率选择为300k和600k,是因为单片机的内置AD采样率限制,只能采用带通采样的原理等效分析。

FM与FSK的调制公式其实是相同的,只不过FM信号是正弦,只有一个频率分量。而FSK的信号是码元,当这个码元周期性为01出现时,等效于方波。而方波会有无数奇数谐波。因此,可以通过这个特点来判断调制方式。

ASK,PSK一个是幅度调制,另一个是相位调制,ASK可以直接抽样判决来识别。PSK可以通过相敏算法,来检测是否有180°的相位突变来识别。

任务二

这一部分同样有很多种方案

方案一FFT分析

根据调制公式直接从频谱里面读取相关信息

优点,直接数字分析,可以保证系统的稳定性

缺点,受单片机性能影响,FFT的精度不够,我使用的是300k采样率,12位AD, 8192采样点数,单精度FPU,168M运算主频进行分析。时长约为0.4s。

方案二使用数字解调

比如说FM和FSK就可以使用数字求导,可以将公式相位中的灵敏度转换为幅度信息

优点,运算量小,对内存要求小

缺点,对于AD位数要求高,使用单片机的内置AD无法达到题目要求,但是我试过外接一个24位的AD,可以提高分辨精度

方案三使用硬件解调,读取参数值

这种方案在原理上和方案二一样,本质上都是对信号进行运算。

比如说将FM信号通过一个微分器,就可以达到数字求导的作用,变成一个AM和FM的混合体的样子,可以通过读取AM的信号幅度与频率来获得FM的信号频率以及频偏

任务三

实现解调

这一步如果使用FPGA进行数字解调的话会非常简单,直接实时运算就可以。

我们使用的是模拟电路解调

AM 使用包络检波

FM,FSK使用微分器+包络检波

PSK使用鉴相器

最终作品实现的题目中的所有要求

效果视频https://download.csdn.net/download/m0_59140170/88184064

  • 4
    点赞
  • 43
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 39
    评论
信号调制方式识别参数估计装置是一种能够对信号进行调制方式识别参数估计的设备。该装置可以显示调制方式识别参数估计的结果,并输出解调信号供示波器观测波形。装置与测量仪器组成的系统框图如图1所示。[1] 在识别信号调制方式参数估计方面,装置可以采用多种方法。其中一种方法是基于小波变换的码元速率估计方法,通过信号的功率谱、非线性变换或小波变换来实现对信号码元速率的估计,从而准确地将数字通信信号和模拟通信信号分离开。[2] 另外,装置还可以采用基于瞬时特征的调制识别方法,通过提取信号的幅度谱峰值、绝对幅度标准差、频率均值、递归频率均值等特征参数来进行调制方式识别。同时,基于高阶累积量和熵值联合特征的调制识别方法也可以用于提高识别准确性。这种方法利用高阶累积量作为信号分类的特征,并选取合适的熵值特征来识别高阶累积量特征无法区分的信号。[2] 此外,装置还可以采用基于支持向量机的调制识别方法。支持向量机是一种常用的分类器,它可以处理有限样本时具有较好的分类性能和泛化能力,适用于处理非线性和高维模式识别等问。为了提高支持向量机的性能,可以使用改进粒子群算法来优化支持向量机的参数。[2] 综上所述,信号调制方式识别参数估计装置可以通过多种方法来实现对信号调制方式识别参数估计,包括基于小波变换的码元速率估计方法、基于瞬时特征的调制识别方法、基于高阶累积量和熵值联合特征的调制识别方法以及基于支持向量机的调制识别方法。[1][2]

“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 39
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

红叶落水

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