详解 IQ 文件

最新推荐文章于 2025-03-01 15:49:37 发布

七贤岭↻双花红棍↺

最新推荐文章于 2025-03-01 15:49:37 发布

阅读量1.2k

点赞数 29

文章标签： linux

本文链接：https://blog.csdn.net/qq_43689451/article/details/144979981

版权

详解 IQ 文件

IQ 文件 是一种用于存储调制信号的文件格式，其中包含了调制信号的 I（同相分量，In-phase） 和 Q（正交分量，Quadrature） 数据。这些数据通常是调制信号在时域的表示，广泛用于无线通信、软件无线电（SDR）等领域。

什么是 I 和 Q？

I（同相分量，In-phase）：
- 是信号与载波的正弦波（cosine wave）分量的幅度。
- 表示信号在载波的相位方向上投影的大小。
Q（正交分量，Quadrature）：
- 是信号与载波的余弦波（sine wave）分量的幅度。
- 表示信号在与载波正交的方向上的投影。

数学表示：
调制后的信号可以表示为复数形式：
$\cdot \cos(2\pi f_c t) + Q(t) \cdot \sin(2\pi f_c t)$
或者
$s (t) = I (t) + j Q (t)$
其中：

(I(t)) 是同相分量。
(Q(t)) 是正交分量。
(f_c) 是载波频率。

I 和 Q 的复数形式是信号的基带表示，便于数字化存储和处理。

IQ 文件的特点

存储内容：
- 包含时间序列的 I 和 Q 分量，通常是离散采样点的值。
- 数据可以以二进制形式（如 16 位整数或浮点数）存储，或者以文本格式存储（如 CSV 文件）。
表示的信号：
- 基带信号：表示未调载波的原始调制信号（基带）。
- 中频（IF）信号：表示带有特定频率偏移的调制信号。
数据格式：
- 常见格式为交错存储：I1, Q1, I2, Q2, ...。
- 每对 I 和 Q 对应一个采样点。
用途：
- 分析信号的调制特性。
- 解调信号以恢复原始数据。
- 查看信号的频谱特性。

如何生成 IQ 文件？

在调制过程中，数字信号被映射到 I 和 Q 两个分量上。这些分量被采样并存储为 IQ 文件。

调制过程：
假设输入信号是二进制数据流 0, 1, 1, 0，经过 QPSK 调制（四相移键控）后映射为以下 IQ 数据：
```
(I, Q) = (1, 1), (-1, 1), (-1, -1), (1, -1)
```
- (I) 和 (Q) 表示调制后的正弦和余弦分量。
采样：
调制后的信号经过采样，每个采样点记录对应的 I 和 Q 值。
存储：
- 将采样的 I 和 Q 分量存储为交错格式：
```
I1, Q1, I2, Q2, I3, Q3, ...
```
- 例如，用 16 位整型或浮点数存储每个分量。

IQ 文件的常见用途

信号分析：
- 分析调制信号的特性（如星座图、误码率）。
- 查看频谱分布，识别干扰和噪声。
信号解调：
- 从 IQ 数据中提取调制信息，还原原始数字数据。
频谱监测：
- 使用快速傅里叶变换（FFT）从 IQ 文件中计算信号的频谱。
模拟信道传输：
- IQ 数据可以被直接用于仿真信道传输过程。

如何查看 IQ 文件？

星座图：
- 将 IQ 数据以复数形式绘制在二维平面上。
- X 轴为 I，Y 轴为 Q，点的位置反映了调制信号的特性。
频谱分析：
- 使用 FFT 对 IQ 数据进行频谱分析，查看信号的带宽、功率分布等。

工具：

GNU Radio：一个开源的软件无线电工具，可以处理和可视化 IQ 文件。

Matlab / Python：

Python 中可以使用 numpy 和 matplotlib 分析 IQ 数据。

示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 加载 IQ 数据
iq_data = np.fromfile("iq_data.bin", dtype=np.float32).reshape(-1, 2)
I = iq_data[:, 0]
Q = iq_data[:, 1]

# 绘制星座图
plt.scatter(I, Q, s=1)
plt.title("Constellation Diagram")
plt.xlabel("I (In-phase)")
plt.ylabel("Q (Quadrature)")
plt.grid()
plt.show()

# 计算频谱
fft_data = np.fft.fftshift(np.fft.fft(I + 1j * Q))
plt.plot(np.abs(fft_data))
plt.title("Frequency Spectrum")
plt.show()