模拟单边带调幅及解调Word下载.docx
《模拟单边带调幅及解调Word下载.docx》由会员分享，可在线阅读，更多相关《模拟单边带调幅及解调Word下载.docx（14页珍藏版）》请在冰豆网上搜索。
●产生加性高斯白噪声，画出时域波形及频谱；
●单边调幅，画出叠加噪声后的调制信号和已调信号的波形及频谱；
●设计滤波器，画出幅频响应图；
●解调，画出解调后的信号时域波形及频谱，并对比分析。
扩展要求：
●调制信号、载波信号、噪声信号及滤波器参数可变。
课程设计学生日志
时间
设计内容
2011.6.28
查阅相关资料，理解要求，确定方案
2011.6.29
设计总体方案
2011.6.30
根据设计要求，计算要求参数
2011.7.1
根据要求模块化编写程序
2011.7.2
整理程序，并进行调试
检查各项指标是否符合要求，并进行分析结果
2010.7.3
书写程序设计报告
2010.7.4
准备答辩
课程设计考勤表
周
星期一
星期二
星期三
星期四
星期五
课程设计评语表
指导教师评语：
成绩：
指导教师：
年月日
一、设计目的和意义
由于AM、DSB所需传输的带宽是信号的2倍，这样就降低了系统的有效性。
由于从信息传输的角度讲，上、下两个边带所包含的信息相同，因此只传送一个边带即可以传送信号的全部信息。
所以SSB单边带调幅具有最窄的传输带宽，最高的信道利用率。
基于MATLAB软件编程，结合通信原理、数字信号处理、高频电子线路等课程知识，实现调制信号的单边带调制和解调。
首先通过两个不同频率的信号进行常规双边带调幅产生一个频率范围内的信号；
然后先进行双边带调幅再用滤波器滤去一个边带，产生一个单边带调制信号；
最后单边带解调则可以乘以之前双边带调幅时的中心频率，再通过低通滤波器即可得到。
对于频谱分析则可用数字信号处理中的FFT实现。
二、设计原理
1、实验原理系统方框图
单边带相干解调方框图：
2、SSB模拟单边带调制的原理：
（1）DSB的时域表示
幅度调制—用基带信号f（t）去迫使高频载波的瞬时幅度随f（t）的变化而变化.
其中ωc为载波角频率;
A0为载波幅度
当调制信号为单频余弦时
令
则
（2）调制信号为确定信号时，已调信号的频谱
已知f（t）的频谱为F（）,由傅里叶变换：
由此可得：
调制前后的频谱如图所示。
由于上下边带携带的信息是一样的，所以我们只要将上下边带用滤波器滤除其中的一个，只保留上（下）边带即可。
3、窗函数法设计FIR数字滤波器：
窗函数法就是设计FIR数字滤波器的最简单的方法。
它在设计FIR数字滤波器中有很重要的作用，正确地选择窗函数可以提高设计数字滤波器的性能，或者在满足设计要求的情况下，减小FIR数字滤波器的阶次。
常用的窗函数有以下几种：
矩形窗（Rectangularwindow）、三角窗（Triangularwindow）、汉宁窗（Hanningwindow）、海明窗（Hammingwindow）、布拉克曼窗（Blackmanwindow）、切比雪夫窗（Chebyshevwindow）、巴特里特窗（Bartlettwindow）及凯塞窗（Kaiserwindow）。
加窗函数的影响：
a.不连续点处边沿加宽形成过渡带，其宽度（两肩峰之间的宽度）等于窗函数频率响应的主瓣宽度。
滤波器真正的过渡带比这个数值要小。
b.改变N只能改变窗谱的主瓣宽度，但不能改变主瓣与旁瓣的相对比例。
其相对比例由窗函数形状决定，称为Gibbs（吉布斯）效应
在MATLAB中，实现凯塞窗的函数为kaiser，调用格式为：
w=kaiser（N,beta）其中beta为窗函数的参数β。
本次实验所用的窗函数就为凯塞窗。
4、功率谱密度分析
通信中，调制信号通常是平稳随机过程。
其功率谱密度与自相关函数之间是一对傅氏变换关系。
这样就可以先找到信号的自相关函数，然后通过付氏变换来实现信号的功率谱密度。
5、白噪声的产生
白噪声就是频谱为常数，协方差函数在delay=0时不为0，在delay不为0时等于0，即样本点互不相关。
当随机的从高斯分布中获取采样值时，采样点所组成的随机过程就是“高斯白噪声”。
而MATLAB中的函数y=randn（1.length（t））是一个产生length（t）随机数的函数，它可以用来产生高斯白噪声。
三、详细设计步骤
1.产生300-3400HZ调制信号，通过使用AM调制产生的已调信号实现。
2.产生载波信号，频率为fc，通过使用余弦信号实现。
3.产生加性高斯白噪声：
在MATLAB中的函数y=randn（1,length（t））是一个产生length（t）个随机数的函数，即从高斯分布中获取样值并集合采样点的随机过程，所以它可以用来产生高斯白噪声。
4.画频谱图。
先对信号进行等间隔抽样，设抽样频率为fs。
利用FFT变换，调用MATLAB中的快速傅里叶变换函数fft（）对已经抽样的离散信号进行变换：
fft（x,n）,x代表已经抽样的离散信号为x，n为抽样点数，这里n必须为2的N次方，N为正整数。
5.将高斯白噪声和调制信号相叠加。
6.通过叠加了噪声的调制信号和载波实现单边带调幅。
首先进行双边带调幅，此时的中心频率为fc，选择低通滤波器滤去fc一边的频谱，这里滤去的是上边带。
7.滤波器的设计
●低通滤波器的实现方法为调用函数实现FIR数字低通滤波器，调用方法为：
[k,Wn,beta,ftype]=kaiserord（[w1w2],[10],[0.050.01],fs）;
这表示w1及比其小的频率都能通过，ftype表示数字滤波器是那种通带型，低通滤波可省略类型设置。
●如果是高通可以修改为：
[k,Wn,beta,high]=kaiserord（[w1w2],[01],[0.010.05],fs）。
应当注意右边括号中参数设置的变化。
从这个函数可以得出滤波器的阶数K和beta值。
●设计的具体实现
设计低通滤波器，[k,Wn,beta,ftype]=kaiserord（[w1w2],[10],[0.050.01],fs）
使用Kaiser窗函数，Window=Kaiser（k+1,beta）
使用标准频率响应的加窗设计函数firl，b=firl（k,Wn,ftype,Window,’noscale’）;
最后将信号直接作为参数放入已经设计好的滤波器中进行滤波。
通过yssdb=filter（b,l,yv），就可以得到SSB信号。
8.解调。
已经得到的单边带包含了fc-wm-wc,fc-wc,fc-wc+wm,fc四个频率点。
解调的目的是要得到fc这一频率的信号，再用频率为fc的载波信号与当前的单边带信号相乘，得到频率为fr-wm,wc,wc+wm,2*fc-wc-wm,2*fc-wc+wm,2*fc-wc这六个频率点。
用低通滤波器大于频率wc+wm的信号滤去即可完成解调
四、设计结果及分析
以输入fc=34000，fm=3400,A=10,Am=5,Bh=20,fs=600000为例，运行可得下面的图形：
图1调制信号与噪声信号的时域波形及频谱
图2叠加噪声之后的信号以及载波信号
图3DSB调制信号与频谱
图4低通滤波器的频谱响应
图5单边带条幅信号
图6数字低通滤波
图7解调后的结果
对比分析：
对比图7和图4，图7是解调出来的信号，图2是原始信号加噪声之后的信号，波形基本一致。
根据由傅立叶变换得到的频谱进行分析，结果基本符合调制原理，但是由于各种噪声以及误差的影响，有的地方有些许的失真。
五、体会
本设计要求采用matlab或者其它软件工具实现对信号进行但边带调幅和解并且绘制相关的图形。
通过设计完成了题目的要求。
本次设计，首先针对题目进行分析，将所涉及的波形，频谱及相关函数做了研究，大体能够把握了设计的流程以及思路。
再通过查阅相关资料，能对相关的知识做正确的记录，以便随时查看。
在问题的分析阶段中，就原始信号的频率和载波信号的频率做了比较，确定了具体的方案后，在针对matlab中的有关画图处理函数进行学习和分析，这样就提高了学习的针对性，同时节约了设计的时间。
在做课程设计之前，从书本上很容易就知道一个调制信号，加入载波信号，经过双边带调幅，再经过滤波，就可以实现单边带调幅。
但是，通过此次的设计自己明确了并非这么容易。
设计要求第一条就是要求产生300-3400HZ的信号，但是如何产生，在书本上却无法找到，通过对双边带调幅的学习，我们可以发现双边带调制可以产生具有频带范围的信号。
由于平时忽略了细节知识点的学习，在此次设计中但面对高斯白噪声时便束手无措。
后来经过查找，发现从高斯分布中获取采样值时，采样点所组成的随机过程就是“高斯白噪声”。
在MATLAB中，使用函数randn（）就可以产生这样的噪声。
此外在分析所设计的图中，根据相关的通信原理知识可以对结果作出判断，这样就提高了自己的相关知识，同时加深了对matlab的运用。
由于本次设计运用了不同的知识，这样我就可以更好的将不同科目的知识进行联系学习，对牢靠的学习有着巨大的支持！
六、参考文献
[1]曹志刚，钱亚生.现代通信原理.清华大学出版社，2009年9月
[2]张威.MATLAB基础与编程入门（第二版）.西安电子科技大学出版社，2008年1月
[3]程佩青.数字信号处理教程（第三版）.清华大学出版社，2009年11月
[4]刘树棠.信号与系统（第二版）.西安交通大学出版社，2008年8月
[5]杨述斌，李永全.数字信号处理实践教程.华中科技大学出版社，2007年1月
[6]陈怀琛，数字信号处理教程——MATLAB释义与实现.电子工业出版社，2004年12月
程序附录：
fm=input（'
请输入调制频率fm='
）
fc=input（'
请输入载波频率高fr>
fm,fc='
fh=2*（2*fc）
fs=input（'
请输入抽样频率fs>
fh,fs='
A=input（'
请输入载波信号的幅度A='
Am=input（'
请输入调制信号的幅度Am='
BH=A+Am
B=input（'
请输入调制信号的幅度B,B>
BH='
N=512;
K=N-1;
n=0:
（N-1）;
t=（0:
1/fs:
K/fs）;
yt=Am*cos（2*pi*fm*t）;
y=（A+yt）.*cos（2*pi*fc*t）;
figure
（1）
subplot（2,1,1）,plot（t,y）,title（'
频率为300~3400的调制信号的时域波形'
）;
y1=（A+Am*cos（2*pi*fm*n/fs））.*cos（2*pi*fc*n/fs）;
%抽样
y3=fft（y2,N）;
q1=（0:
N/2-1）*fs/N
mx1=abs（y3（1:
N/2））;
subplot（2,1,2）
plot（q1,mx1）,title（'
频率300~3400的调制信号的频谱'
yc=B*cos（2*pi*fc*t）;
yc2=cos（2*pi*fc*t）;
%用作解调时的同频同相的本地载波
figure
（2）
subplot（2,1,1）,plot（t,yc）,title（'
载波fc时域波形'
N-1;
yc1=B*cos（2*pi*fc*n/fs）;
y3=fft（yc1,N）;
q=（0:
mx=abs（y3（1:
subplot（2,1,2）,plot（q,mx）,title（'
载波fc频谱'
y4=randn（1,length（t））;
figure（3）
subplot（2,1,1）,plot（t,y4）,title（'
高斯白噪声时域波形'
y5=fft（y4,N）;
q2=（0:
N/2-1）*fs/N;
mx2=abs（y5（1:
subplot（2,1,2）,plot（q2,mx2）,title（'
高斯白噪声频域波形'
y6=y+y4;
figure（4）
subplot（2,1,1）,plot（t,y6）,title（'
叠加噪声后的调制信号时域波形'
q3=q1;
mx3=mx1+mx2;
subplot（2,1,2）,plot（q3,mx3）,title（'
叠加噪声后的调制信号频谱波形'
yv=y6.*yc+yc;
figure（5）
subplot（2,1,1）,plot（t,yv）,title（'
双边带调幅信号'
yvf=fft（yv,N）;
q4=（0:
mx4=abs（yvf（1:
subplot（2,1,2）,plot（q4,mx4）,title（'
双边带调幅信号的频谱'
p1=fc+fm;
[k,Wn,beta,ftype]=kaiserord（[fcp1],[10],[0.050.01],fs）;
%设计低通滤波
window=kaiser（k+1,beta）;
%使用kaiser窗函数
b=fir1（k,Wn,ftype,window,'
noscale'
%使用标准频率响应的加窗设计函数firl
figure（6）
freqz（b）,title（'
数字低通滤波的频率响应图'
yssdb=filter（b,1,yv）;
figure（7）
subplot（2,1,1）,plot（t,yssdb）,title（'
经过低通得单边带信号的时域波形采样'
y9=fft（yssdb,N）;
q=（0:
mx=abs（y9（1:
经过低通得单边带信号频域波形'
[k,Wn,beta,ftype]=kaiserord（[p3p2],[10],[0.050.01],fs）;
%低通滤波
figure（8）
）%数字滤波器频率响应
yjt=yssdb.*yc2;
%解调
p2=2*fc-fm;
p3=fc+fm;
yss=filter（b,1,yjt）;
figure（9）
subplot（2,1,1）,plot（t,yss）,title（'
经过低通解调后信号的时域波形采样'
y9=fft（yss,N）；
q5=（0:
mx5=abs（y9（1:
subplot（2,1,2）,plot（q5,mx5）,title（'
经过低通解调后信号频域波形'
升级会员 