数字通信基础
文章平均质量分 66
1、通俗易懂的数字信号处理基础知识
2、有相应的MATLAB例程
3、深入浅出
优惠券已抵扣
余额抵扣
还需支付
¥79.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
codersnote
这个作者很懒,什么都没留下…
展开
-
【自适应滤波系列六】基于NLMS算法的回声消除(Acoustic Echo Cancellation, AEC)
NLMS 算法是自适应滤波中的又一经典的一个算法,其抽头的更新公式为wn1wnδxnTxnμ⋅e∗n⋅xn其中,δ为正则化参数,是为了防止语音信号的能量xnTxn过小时步长过大。μ是一个常数,称为步长控制因子,用于控制算法的稳定性。在选择步长参数时,需要兼顾算法的收敛速度和稳态误差。传统的固定步长的 LMS 算法采用单一的步长μ导致其对输入信号的能量大小比较敏感,难以保持算法的稳定性,不仅导致收敛速度过快或者过慢而且导致系统误差较大。原创 2024-07-14 18:50:28 · 91 阅读 · 0 评论 -
【自适应滤波系列五】基于LMS算法的回声消除(Acoustic Echo Cancellation, AEC)
自适应滤波算法的思想,在上一篇博客中已经进行了详细的描述,本文主要谈谈自适应滤波算法的其中之一LMS算法在回声消除中的应用。原创 2024-07-10 07:20:08 · 106 阅读 · 0 评论 -
【数字信号处理】线性调频Z(Chirp-Z,CZT)算法详解
这里所要分析的复频谱点数为M,这也是CZT变换之后的点数。原创 2023-07-09 18:15:54 · 726 阅读 · 0 评论 -
【数字通信】PAM基带信号的功率谱原理推导详解
PAM信号可以说是最简单的数字通信信号,很多理论最初都是由该信号的表达式推导得到并进行拓展的,纵观各类数字信号的表达式,或多或少都有PAM信号的“影子”,也就是说PAM信号相关的理论知识是最基本的,很有必要搞清楚,本博客主要讨论PAM基带信号的功率谱的原理及推导过程,以教材为主线,对疑难步骤进行补充推导解释。原创 2023-05-23 19:56:45 · 887 阅读 · 0 评论 -
【数字通信】通俗易懂理解错误概率和例题精解
错误概率,AWGN,数字通信,例题精解原创 2023-05-08 05:00:00 · 102 阅读 · 0 评论 -
【数字通信】通俗易懂理解AWGN信道最佳接收和错误概率
最佳接收,错误概率,AWGN信道下噪声统计特性,噪声平均功率原创 2023-05-07 05:00:00 · 337 阅读 · 0 评论 -
【数字通信】通俗易懂理解最佳接收机和AWGN信道
数字通信,最佳接收准则,AWGN,矢量似然函数公式原创 2023-05-06 04:45:00 · 391 阅读 · 0 评论 -
【数字通信】通俗易懂理解多维度信号(Multidimensional Signal)
数字通信,多维度信号,PPM信号,双正交,单工原创 2023-05-05 06:59:31 · 216 阅读 · 0 评论 -
【数字通信】通俗易懂理解正交幅度调制(Quadrature Amplitude Modulation,QAM也叫幅相调制)
数字调制回顾,QAM调制、幅相调制、正交幅度调制原创 2023-04-30 05:00:00 · 530 阅读 · 0 评论 -
【数字通信】通俗易懂理解相位调制(Phase Modulation)
数字通信,相位调制,PSK,能量,信号空间表示等原创 2023-04-29 05:00:00 · 435 阅读 · 0 评论 -
【数字通信】通俗易懂理解数字调制及PAM调制
数字调制总形式,PAM信号调制,信号空间表示原创 2023-04-26 05:00:00 · 770 阅读 · 0 评论 -
【数字通信】信号施密特正交化(Gram-Schmidt Orthogonalization)例题详解
施密特正交化步骤详解,例题详解原创 2023-04-25 05:00:00 · 792 阅读 · 0 评论 -
【数字通信】通俗易懂理解信号空间的波形表达
信号空间概念,信号正交、正交基,施密特正交化原创 2023-04-24 12:56:27 · 313 阅读 · 0 评论 -
【数字通信】通俗易懂地理解低通和带通信号(二)
带通信号的定义,带通信号的低通等效信号及其之间的关系,频域和时域关系原创 2023-04-23 05:00:00 · 499 阅读 · 0 评论 -
【数字通信】通俗易懂地理解低通和带通信号(一)
低通信号的定义、性质,实复低通信号的区别原创 2023-04-22 10:11:02 · 1101 阅读 · 0 评论 -
【通信原理】基带数字传输和码间干扰核心问题解析
理论上,作为有限时间信号的语音信号具有无限带宽,但是超过 3 kHz 的频率分量在总能量中所占的比例可以忽略不计。在对语音信号进行采样和传输时,它们首先通过带宽为 3500 Hz 的低通滤波器,然后以 8k 样本/秒的速率对结果信号进行采样。处取值并不为零,从图1可以看出,滤波后波形在最佳采样点处的值并不等于采样点的值,而经过接收端匹配滤波后,波形在最佳采样点处的值正好是发送符号的幅度值,这说明经过匹配滤波后ISI得到缓解。因此,在没有ISI的情况下,每Hz的最大符号传输速率是2个符号/秒。原创 2023-01-15 09:15:58 · 551 阅读 · 0 评论 -
【数字信号处理】卷积和乘法系列3之傅里叶变换对III
虽然你知道傅里叶级数和变换,但看看它们之间的关系是很有趣的。本节的目的是展示各种基于傅立叶的变换如何相互关联。要做到这一点,有必要认识到存在一个具有四个成员的傅里叶“家族”,如图 30 所示。有四个是因为除了具有系列与变换选项(行)外,处理的数据可能是连续的(即未采样)或采样(列)。我们将利用我们对 Comb-to-Comb 和 Pulse-to-Sinc 傅里叶变换对(FT)对的了解来探索这四个如何联系在一起。原创 2022-12-24 06:00:00 · 1228 阅读 · 0 评论 -
【数字信号处理】应用FFT计算线性卷积
一是计算卷积,二是频谱分析,该博客主要讨论前者。通常,信号过系统需要计算卷积,假设h(n)的长度为N,那么x(n)∗h(n)=m=0∑N−1h(m)x(n−m)即计算x(n)和h(n)的卷积需要计算N次乘法和N−1次加法!假设采样速率为1mHz,那么每秒钟需要完成1000M次乘法运算,也就是10亿次!原创 2022-11-21 06:06:39 · 1081 阅读 · 0 评论 -
【数字信号处理】离散傅里叶变换(DFT)的性质
①先以N为周期进行延拓,得到周期序列②左移m位,再取主值区间即可原创 2022-11-01 05:00:00 · 837 阅读 · 0 评论 -
【数字信号处理】离散傅里叶变换(DFT)的物理意义
DFT的两种物理意义一是DFT是$x(n)$周期延拓序列的频谱特性;二是DFT是FT在0-2pi之间的等间隔采样原创 2022-10-31 05:00:00 · 1520 阅读 · 0 评论 -
【数字信号处理】离散傅里叶级数(DFS)
周期信号一定 不存在 离散傅里叶变换,通过引入冲激序列,可以进行表示,使得数学运算更加严谨;但一定存在傅里叶级数!原创 2022-10-30 05:00:00 · 948 阅读 · 0 评论 -
【数字信号处理】序列傅里叶变换(FT)的物理意义
首先,回顾一下连续傅里叶变换的物理意义:任何信号都可以用不同频率的正弦信号叠加而得到(可能不是很准确,核心意思不变)。原创 2022-10-29 11:18:39 · 852 阅读 · 0 评论 -
【数字信号处理】带通采样定理原理及其MATLAB仿真说明
fs≥2fH,但实际工程中,通常要满足这个条件的话需要的fs非常大,而带通采样定理给我们提供了一种比较“节省”的方法。采样定理的本质:频谱不混叠,只要抓住这个本质,就不难理解。原创 2022-10-19 05:00:00 · 2815 阅读 · 0 评论 -
【数字信号处理】卷积和乘法系列3之傅里叶变换对II
傅里叶变换对(FT)很重要的原因是,如果有一个连续时间 (CT) 信号,则可以通过将信号乘以梳状函数来对其进行采样,产生的样本将只是尖峰处的值。采样过程产生离散时间 (DT) 信号,因为采样后仅在采样时间知道连续信号的值。我们可以对此进行建模,尽管一个明显的问题是我们希望从连续信号开始,而计算机只能保存离散值。我们可以(某种程度上)通过对我们想要处理的信号进行大规模过采样来克服这个问题。...原创 2022-06-21 08:00:00 · 370 阅读 · 0 评论 -
【数字信号处理】卷积和乘法系列3之测不准原理
信息在时域中的扩展(尖峰之间的距离)与其在频域中的对应扩展之间的这种关系是Heisenberg不确定性原理的一个例子。时域中的扩展(方差)乘以频域中的扩展具有不能被突破的下限的值,这个概念如图1所示。这就是我们上一篇中看到的,尖峰和谐波的数量的乘积等于采样点的数量。根据图1可以看出,时间和频率的标度特性表明,如果一个信号在一个域中扩展,那么它在另一个域中被压缩,这被称为傅立叶分析的测不准原理。把数字放到这个FT对上,很明显,时域和频域信号的周期是联系在一起的。...原创 2022-06-20 08:00:00 · 405 阅读 · 0 评论 -
【数字信号处理】卷积和乘法系列3之傅里叶变换对
关注公号【逆向通信猿】更精彩!!!傅里叶变换对(Fourier Transform pairs, FTP)我们考虑的第一个FTP从时间域中的梳状函数开始,这是一个简单地由相同幅度的规则放置的“冲激(spike)”组成的信号。下面的程序在时域中生成这样的函数,然后显示其傅里叶变换给出的傅立叶对。......原创 2022-05-22 07:14:50 · 388 阅读 · 0 评论 -
【数字信号处理】卷积和乘法系列2之AM调制、幅度谱和相位谱(含MATLAB代码)
案例2的应用——幅度调制(AM)能够预测卷积两个信号的结果是很有用的。一个明显的例子是 AM 调制(参见上一节 和下面的图 1),其中载波通过混合(混频)由基带信号调制。在频域中,这两个信号的频谱是卷积的。在图1中,显示了幅度调制(AM),左侧/右侧显示的是时间/频率域中的信号。第一行左侧显示音频消息信号sm(t)s_m(t)sm(t),在右侧显示其幅值频谱。...原创 2022-05-18 21:25:40 · 764 阅读 · 0 评论 -
【数字信号处理】卷积和乘法系列1之引言(含MATLAB代码)
引言要了解 DSP 的许多方面,以及使用傅里叶分析 (FA) 的其他应用,以下几点很重要了解卷积的过程要知道时间/频率域中的卷积/乘法 等价于 频域/时间域中的乘法/卷积会应用这些知识卷积是一个会引起很多混淆的过程,但使用采样数据(离散)比使用连续时间数据更容易理解。这是因为后者中的积分被求和代替了,并且可以使用简单的例子。卷积和乘法案例1...原创 2022-05-16 21:49:45 · 276 阅读 · 0 评论 -
【数字信号处理】希尔伯特变换系列3之解析信号(含MATLAB代码)
希尔伯特变换&解析信号你可能从未将DFT应用于复信号,因此你的数据将是实的,这样做的一个影响是DFT是对称的。在许多应用中,正频和负频分量都必须被处理——参见早期理想的DFT滤波,其中正频和负频分量都必须以相同的方式处理,以便滤波后的数据是实的(根据需要)。然而,你可能会问自己这是为什么呢?既然它们不包含唯一的信息,为什么负频率系数不能被丢弃。其实答案是可以,尽管这改变了信号的性质。实现这一点的一种方法是使用所谓的解析信号。这是一个没有负频率分量的复函数,它由原始信号及其希尔伯特变换组成。没有负原创 2022-05-04 11:03:04 · 1879 阅读 · 0 评论 -
【数字信号处理】希尔伯特变换系列2之基于定向多普勒超声的胎儿心率监测(含MATLAB代码)
希尔伯特变换的应用希尔伯特变换在许多工程应用中都有使用,此处主要介绍两种用法。首先,它解决了多普勒超声胎儿心率监测器中出现的运动方向不明确的问题。第二,它与众所周知的解析信号联系起来了,在极坐标中,它能够找到信号的瞬时幅度和瞬时频率。基于定向多普勒超声的胎儿心率监测...原创 2022-04-17 11:04:55 · 659 阅读 · 0 评论 -
【数字信号处理】复数的另一种思考之平均风向测量(Python实现)
平均风向和风速测量气象站每分钟测量一次风向。编写一个程序来指示五分钟内的平均方向。原创 2022-04-11 22:28:23 · 543 阅读 · 0 评论 -
【数字信号处理】分贝dB、dBm的概念及其日常使用中常见的错误
分贝的基本概念首先,分贝的英文为decibel,单位为dB;其中bel表示声音计量单位(单位为Bel),并且有1dB=1/10Bel1\operatorname{dB}=1/10\operatorname{Bel}1dB=1/10Bel1Bel=10dB1\operatorname{Bel}=10\operatorname{dB}1Bel=10dBBel定义为某个比值相当于10的指数函数所对应的指数(orders of magnitude)。例如比值为10:1,则是1Bel;比值为100:1原创 2022-04-07 22:22:37 · 993 阅读 · 0 评论 -
【数字信号处理】希尔伯特变换系列1之相位处理(含MATLAB代码)
利用希尔伯特变换进行相位处理相位的频域处理在讨论“理想DFT滤波”时,我们注意到通常信号的相位将保持不变,这意味着不会发生由非线性相位引起的失真。然而,应该总是考虑相位响应(或者至少意识到它的存在)和幅度响应。对于所有频率,应该考虑幅度和相位。那么一个明显的问题是,在频域操纵信号的相位,而可能不改变振幅时,是否存在这样的情况。答案是肯定的。这里考虑的特别理想的相位处理方法是希尔伯特变换,它有很多应用,我们在这里探讨了其中的两个。希尔伯特变换希尔伯特变换所做的变换非常简单–尽管它的使用和对其的理解并原创 2022-04-05 09:21:20 · 2290 阅读 · 0 评论 -
【数字信号处理】基于DFT的滤波系列6之维纳滤波理论推导与MATLAB仿真
维纳(Wiener)滤波引言罗伯特·维纳(Norbert Wiener)是一位对信号处理理论做出重大贡献的神童。维纳滤波是其中之一,维纳-辛钦(Wiener-Khinchin)定理是另一个表明信号的功率谱密度是其自相关函数的傅里叶变换的定理。他也是控制论的“鼻祖”。我们将看一下维纳滤波器的一个简单应用,该滤波器最初是为了解决使用有关飞行器的已知轨迹的信息来预测飞行器在给定时间的位置问题而开发的。这意味着防空或导弹射击可以相应地定向。在前几节基于DFT的滤波方法中,假设基础信号的有效频率的范围是已知的原创 2022-03-27 06:30:00 · 805 阅读 · 0 评论 -
【数字信号处理】基于DFT的滤波系列5之二维DFT滤波(含MATLAB代码)
五、二维DFT滤波前几节介绍的用于对时间序列滤波的原理也可用于对图像的滤波,采用二维傅里叶变换技术。下图为一幅图像的二维DFT(2D DFT)变换后的幅度值,该图像仅由一个恒定强度组成,因此它是0Hz分量——背景强度。在可视化 2D DFT 的结果时通常使用fftshift(),因此 DC 值是图片的中心。图1图1由恒定背景值组成的图像的 2D DFT。与DFT情况一样,图像的频域数据被移动,使得 DC 分量正好位于中心,此处表示直流分量的黄点是唯一不为零的分量。图2和3分别表示在水平和垂直原创 2022-03-21 07:30:00 · 1224 阅读 · 0 评论 -
【数字信号处理】基于DFT的滤波系列4之加窗(含MATLAB代码)
四、基于DFT的(理想)滤波加窗以减少频谱泄漏在上面的例子中,整数次谐波被用来产生理想中的示例。这意味着一个完整的整数周期适合正在使用的样本数。一个明显的问题是,如果使用非整数周期数(以及谐波)会怎样?答案是远没有那么有效。在现实世界中,从这个意义上说,数据通常并不理想,这就是可以使用时域数据的窗口化来帮助改进频谱的地方,如下例所示。此示例使用Blackman窗,在 Matlab 中可使用blackman()函数——其他窗函数有Hamming和Hann窗。下图显示了由3.3次谐波的信号和11.6次原创 2022-03-15 07:30:00 · 1894 阅读 · 0 评论 -
【数字信号处理】基于DFT的滤波系列3之插值滤波(含MATLAB代码)
四、基于DFT的(理想)滤波例2:一个“警告”“理想DFT滤波器”虽然简单、有效,但可能会导致意想不到的问题。在博客【数字信号处理】基于DFT的滤波系列2(含MATLAB代码)中,数据本身是理想的,由完美的谐波组成,这些谐波在频域中以单一频率理想地表示(无频谱泄漏),这是效果良好的原因之一。在下面这个示例中,考虑了宽带信号,就可能出现问题。这是受到一个真实示例的启发,当我们感到困惑时,用于减少 ECG 信号中 50Hz 噪声的滤波器似乎是在引入它。蓝线:需要的信号黑线:含有噪声(8次谐波)原创 2022-03-13 09:02:00 · 805 阅读 · 0 评论 -
【数字信号处理】基于DFT的滤波系列2(含MATLAB代码)
在该节的大部分内容中,我们将使用无量纲数字序列的数据。然而,对于现实世界的数据,这些数字将具有基础单位。在本节中,将解释时域和频域之间的联系。原创 2022-03-06 14:09:41 · 466 阅读 · 0 评论 -
【数字信号处理】基于DFT的滤波系列1
原创 2022-02-22 21:46:30 · 1110 阅读 · 0 评论