GFSK调制

0基础学习者

已于 2025-02-21 00:31:36 修改

阅读量1.3k

点赞数 19

分类专栏： BLE 文章标签：基带工程硬件架构

于 2025-02-21 00:31:35 首次发布

本文链接：https://blog.csdn.net/m0_62785875/article/details/145762908

版权

BLE 专栏收录该内容

6 篇文章

订阅专栏

GFSK（高斯频移键控，Gaussian Frequency Shift Keying）是一种在频率调制（FM）基础上引入高斯滤波的调制方式，广泛应用于低功耗无线通信协议中，尤其是在蓝牙低功耗（BLE）技术中。它是蓝牙的基本调制方式之一，其优势主要体现在低功耗和抗干扰能力较强。

一、GFSK的基本原理

频率调制（FM）：在FM调制中，数据通过改变载波的频率来表示不同的符号。例如，二进制数据“0”和“1”可以分别对应于两种不同的频率。
高斯滤波器：GFSK之所以与普通的频移键控（FSK）不同，是因为它在调制过程中引入了高斯滤波器。这个滤波器对输入的基带信号进行平滑处理，使信号的频谱具有更好的频谱特性（即更低的带宽需求和较少的高频分量）。简而言之，高斯滤波使得信号的频谱变得更平滑，减少了带外辐射和干扰。
调制过程：在GFSK中，数据符号（0和1）通过频率变化表示，其中频率的变化幅度通常与高斯滤波器的特性相关。高斯滤波器的引入使得信号频率的变化更加平滑，而不是瞬间改变。
频率偏移：在BLE中，GFSK的频率偏移通常是通过两个频率进行表示，一个是基准频率（通常是一个中频），另一个是通过GFSK调制后的频率。具体来说，BLE中的频率偏移一般为±250 kHz。

二、高斯滤波器的作用

高斯滤波器在GFSK调制中，主要用于平滑数字信号的变化，减少信号频谱的扩展。这是因为简单的频率变化会引起带宽过宽，从而增加对邻道的干扰。而通过高斯滤波，我们能够使信号的频率变化更加平滑、缓和，从而减少带宽的需求，避免高频分量对通信质量的负面影响。

高斯滤波器的作用：

去噪和平滑：通过对输入信号进行加权平均，高斯滤波器平滑了突变数据，降低了频率跳变的幅度。
减少带宽：通过控制频率的变化速率，确保信号的频谱不会过宽，从而更有效地利用频带资源。

三、频率调制器的作用

在高斯滤波之后，频率调制器的作用是将已经平滑化的信号（通常是二进制数据流）转化为调制信号，这个调制信号通过控制载波的频率来表示数据。

为什么需要频率调制器？

频率偏移：在GFSK中，通过对载波频率的偏移来表示数据。高斯滤波后的数据流将决定载波频率的变化。数据“0”和“1”通常对应两个不同的频率（或频率偏移），因此需要频率调制器根据输入的二进制数据生成相应的频率变化。
模拟频率变化：频率调制器通过控制信号的频率实现调制。例如，数据“0”时频率为f0，数据“1”时频率为f1，这两个频率之间的差异体现为频率偏移。

调制过程：

频率偏移（Frequency Shift）：数据0和1通过不同的频率偏移表示。通常，0可能对应频率f0，1可能对应频率f1，这两种频率在传输过程中切换。
平滑过渡（Gaussian Filter）：数据的变化（例如从0到1或从1到0）需要平滑化，防止频率的剧烈跳变。高斯滤波器通过减缓变化速率来减少带宽。

因此，高斯滤波器和频率调制器是GFSK调制的核心组成部分，它们的作用是确保数据可以通过平滑的频率变化来表示。

整个GFSK调制流程：

输入数据流（Binary Data）：通常是连续的比特流（0或1）。
高斯滤波器：对输入的数据进行平滑处理。它通过减少数据流的快速跳变，使得调制信号频谱更加集中，减少对邻道的干扰。确保信号的频谱更窄、更平滑。
频率调制器：在高斯滤波后的数据基础上进行频率调制，生成通过载波频率偏移来传递信息的调制信号。在GFSK中，数据的0和1分别对应两个不同的频率（f0和f1），频率调制器根据输入数据流控制频率变化。

四、高斯滤波器（Guassian Filter）

module gaussian_filter (
    input wire clk,
    input wire reset,
    input wire [1:0] data_in,  // 输入比特流 (0或1)
    output wire [15:0] filtered_data // 滤波后的数据
);
    // 高斯滤波器的实现（例如FIR滤波器），这里只给出伪代码
    reg [15:0] memory [0:3];  // 存储历史数据
    reg [15:0] result;
    
    always @(posedge clk or posedge reset) begin
        if (reset) begin
            // 重置
            memory[0] <= 16'b0;
            memory[1] <= 16'b0;
            memory[2] <= 16'b0;
            memory[3] <= 16'b0;
            result <= 16'b0;
        end else begin
            // 将新的数据推入历史数据中
            memory[0] <= data_in;
            memory[1] <= memory[0];
            memory[2] <= memory[1];
            memory[3] <= memory[2];
            
            // 基于高斯滤波的简单加权平均（示例）
            result <= (memory[0] + memory[1] + memory[2] + memory[3]) / 4;
        end
    end
    
    assign filtered_data = result;
    
endmodule

module tb_gaussian_filter;

    reg clk;
    reg reset;
    reg [1:0] data_in;  // 输入比特流（0或1）
    wire [15:0] filtered_data;  // 滤波后的数据
    
    // 实例化高斯滤波器模块
    gaussian_filter gf_inst (
        .clk(clk),
        .reset(reset),
        .data_in(data_in),
        .filtered_data(filtered_data)
    );
    
    // 时钟生成：周期为10时间单位
    always #5 clk = ~clk;  // 每5个时间单位切换时钟
    
    // 测试过程
    initial begin
        // 初始化
        clk = 0;
        reset = 0;
        data_in = 2'b00;  // 初始输入数据为00
        
        // 复位高斯滤波器
        reset = 1;
        #10 reset = 0;  // 在复位信号有效10个时间单位后关闭复位
        
        // 模拟数据输入并观察输出
        data_in = 2'b01;
        #20;
        
        data_in = 2'b10;
        #20;
        
        data_in = 2'b11;
        #20;
        
        data_in = 2'b00;
        #20;
        
        // 结束仿真
        $finish;
    end
    
    // 监视输出信号
    initial begin
        $monitor("Time=%0t, Data_in=%b, Filtered_Data=%b", $time, data_in, filtered_data);
    end

endmodule

在代码中，简化地模拟了一个加权平均过程：

result <= (memory[0] + memory[1] + memory[2] + memory[3]) / 4;

这里，memory[0], memory[1], memory[2], 和 memory[3] 是存储过去四个时钟周期输入数据的寄存器。每次输入新数据时，这些寄存器会更新，记住过去的几个数据。

解释加权过程

输入数据：
- 假设 data_in 是输入的比特流（0 或 1）。每个时钟周期，输入会依次进入 memory[0]，并将先前的数据移入 memory[1], memory[2], memory[3]。
加权平均：
- 在每个时钟周期，result 会计算出 memory[0], memory[1], memory[2], 和 memory[3] 这四个寄存器的平均值。这相当于进行一个简单的加权平均操作： $result=\frac{memory[0]+memory[1]+memory[2]+memory[3]}{4}$
- 由于这四个数值代表了过去四个时钟周期的输入数据，result 反映的是输入数据的平滑版本。
平滑跳变：
- 由于输入数据在不同周期会逐步变化（例如从 0 到 1 或反之），高斯滤波器会将这些突变平滑过渡。例如：
  - 如果输入数据连续为 0，result 可能会变成接近 0。
  - 如果输入数据连续为 1，result 会逐渐接近 1。
  - 当数据从 0 跳变到 1 时，result 会经历一个平滑的过渡。
- 由于我们使用的是简单的加权平均，输出会缓慢从一个值变到另一个值，而不会突然跳跃。

仿真结果分析

仿真结果输出
0000 -> 0001 -> 0002 -> 0001 -> 0000

这种结果反映了输入数据逐步影响输出的情况，符合加权平均的行为。具体来说：

0000 -> 0001：这意味着在输入数据发生变化时（从 0 到 1），result 从接近 0 逐渐上升到接近 1。但是，由于加权平均的存在，变化不会是剧烈的，而是渐进的。
0001 -> 0002：继续从接近 1 逐渐增加到更大的值。这里可能是由于输入数据的连续性导致输出渐渐增加。
0002 -> 0001：当输入数据从 1 转换回 0 时，输出结果没有立即跳回 0，而是逐渐下降到接近 0，这正是平滑过渡的效果。
0001 -> 0000：最终输出平滑地返回到接近 0，反映出输入数据变化的结果。

结果与理论相匹配

这种“渐进变化”的结果符合高斯滤波的理论特性。理论上，高斯滤波器的作用是：

减小突变：输入数据从 0 到 1 或从 1 到 0 时，滤波器会通过加权平均，使得输出不发生突然的跳跃。

平滑变化：输出信号会有一个平滑的过渡过程，而不是急剧变化。你观察到的 0000 -> 0001 -> 0002 -> 0001 -> 0000 就是这种平滑变化的体现。

五、频率调制器（Frequency Modulator）

module gfsf_modulator (
    input wire clk,
    input wire reset,
    input wire [1:0] data_in,  // 输入数据（0或1）
    input wire [15:0] filtered_data,  // 滤波后的数据
    output wire modulated_signal // 输出调制信号
);
    // 设定基准频率和频率偏移
    parameter BASE_FREQUENCY = 1000; // 基准频率（Hz）
    parameter FREQ_OFFSET_0 = 50;    // 频率偏移（Hz），表示0
    parameter FREQ_OFFSET_1 = 100;   // 频率偏移（Hz），表示1
    
    // 计算调制后的频率
    reg [31:0] frequency;
    reg [15:0] signal_output;
    
    always @(posedge clk or posedge reset) begin
        if (reset) begin
            frequency <= BASE_FREQUENCY;
        end else begin
            if (filtered_data == 16'b0) begin
                frequency <= BASE_FREQUENCY + FREQ_OFFSET_0;  // 0对应偏移频率
            end else begin
                frequency <= BASE_FREQUENCY + FREQ_OFFSET_1;  // 1对应偏移频率
            end
        end
    end
    
    // 生成调制信号（这里简化为方波信号，实际需要生成频率变化的信号）
    always @(posedge clk) begin
        if (frequency == BASE_FREQUENCY + FREQ_OFFSET_0) begin
            signal_output <= 16'b0;  // 频率偏移后生成的信号（伪代码）
        end else begin
            signal_output <= 16'b1;
        end
    end
    
    assign modulated_signal = signal_output;
    
endmodule

FM的仿真验证结果是错误的，其他部分符合理论，只有调制结果一直显示为0