复数信号处理

1. 直接转换发射机 和 直接转换接收机

直接转换发送器将基带信号直接调制到射频RF,这里的基带信号是复信号,所以会看到正负频率不对称。对复信号进行频谱的搬移用到复三角函数,复三角函数的搬移只会向一个方向。实信号的频谱搬移用到实三角函数,实三角函数的搬移是向着左右两个方向搬移。调制完后的信号是复信号,所以频谱不对称,且需要用2根信号线来表示,我们舍弃虚部,只发送实部,这样也能将信息全发送出去。现实中的信号都是实信号。


图一.直接转换发射机

接收端接收到信号后,将信号乘以复三角函数,从RF下变频到基带(这也叫做零中频解调,从射频直接变频到基带,不经过中频,可防止中频镜像的产生),然后用低通滤波器滤去带外信号。滤波器的频谱响应是对称的,可称为实数滤波器,其截止频率取B/2,B是信号在RF端的带宽。由此可见复数信号的带宽变小了。需要的AD采样频率比原先减小了一倍。



图二.直接转换接收机

下面从频谱角度看一下正交采样过程:

下图包含频率的幅度和相位,可以看出,我们需把Q路人工看成是虚部,且画在与I路正交的位置上,当Q路乘上j后,Q路与I路的相位就在同一个平面上了(即相差0°或180°),这时就可得出基带信号。


图三.正交采样过程

2. 希尔伯特变换与解析信号

对于常见的实数信号,对其作FFT,得到的是共轭对称的复数。一对共轭对称的复数,在幅值上是相同的,在相位上是相反的,一个是+x°,另一个就是-x°


复数共轭对称示意图

我们从三维的视角去看实数信号的频谱,之前一直以为负频率幅值相同,相位相反代表的是:F正=-F负,其实并不完全是这样,这个只在相位为90°的特殊情况下成立,相位为0°或180°时,正负频谱的相位是一样的,实数信号的相位也不一定就是0°,90°的


实数信号频谱示意图(考虑相位与幅值)

希尔伯特变换从公式上看,就是一个全通移相器,正频率部分滞后90°,负频率部分超前90°


下图就是一个希尔伯特变换以及解析信号的变换过程示意图,在正频率处,红色、绿色、黑色应该是三线重合,这么画是为了可以看清楚。从信号X(f)变换到解析信号Y(f)的过程可以看成X(f)经过了一次正频率滤波器(Positive-Pass Filter,PPF)。希尔伯特变换在计算机中的实现应该就是先作FFT,在频率处理数据,然后作IFFT,变回到时域,由于变换之后的数据还是共轭对称的(蓝色),所以实数信号的希尔伯特变换还是实数信号。

上述提到希尔伯特变换可以提取正频率信号,所以,PPF可以在单边带调制中使用。

下面介绍包络检波中希尔伯特的应用:



References

[1] Kenneth W. Martin, "Complex Signal Processing is Not Complex", IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS—I: REGULAR PAPERS, VOL. 51, NO. 9, SEPTEMBER 2004

[2] Richard Lyons, "Quadrature Signals: Complex, But Not Complicated"




转载于:https://www.cnblogs.com/season-peng/p/6713528.html

  • 5
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“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
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
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