通信系统仿真：调制解调技术仿真_（3）.模拟信号与数字信号.docxVIP

PAGE1

PAGE1

模拟信号与数字信号

在通信系统中，模拟信号和数字信号是两种基本的信号形式。理解它们的特性、转换方法及应用场景对于设计和仿真通信系统至关重要。本节将详细介绍模拟信号和数字信号的基本概念、表示方法、转换技术和常见应用。

模拟信号

定义

模拟信号是一种连续变化的信号，其幅度随时间连续变化。模拟信号可以表示自然界的物理量，如声音、温度、压力等。在电信号中，模拟信号的电压或电流随时间连续变化。

表示方法

模拟信号可以用数学函数来表示。常见的表示方法包括：

时域表示：模拟信号可以用一个时间函数来表示，例如st

频域表示：模拟信号可以用傅里叶变换来表示，例如Sf

常见模拟信号

正弦信号：st=Asin2πft+?，其中

三角波信号：st=A?tritT，其中

锯齿波信号：st=A?sawtT，其中

模拟信号的传输

模拟信号的传输通常采用调制技术，以适应不同的传输介质。常见的调制技术包括：

幅度调制(AM)：st=Ac1+kamtcos2πf

频率调制(FM)：st=Accos

相位调制(PM)：st=Accos

模拟信号的噪声

模拟信号在传输过程中容易受到噪声的影响。常见的噪声类型包括：

高斯白噪声：噪声的幅度服从高斯分布，频率谱是平坦的。

热噪声：由于电子元件的热运动产生的噪声。

脉冲噪声：突发性的噪声，通常由外部干扰引起。

例子：生成正弦信号

以下是一个生成正弦信号的Python代码示例：

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

A=1.0#幅度

f=5.0#频率(Hz)

phi=0.0#相位(弧度)

t=np.linspace(0,2,1000)#时间向量(0到2秒，1000个点)

#生成正弦信号

s_t=A*np.sin(2*np.pi*f*t+phi)

#绘制信号

plt.figure(figsize=(10,4))

plt.plot(t,s_t)

plt.title(正弦信号)

plt.xlabel(时间(秒))

plt.ylabel(幅度)

plt.grid(True)

plt.show()

例子：生成高斯白噪声

以下是一个生成高斯白噪声的Python代码示例：

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

mean=0.0#均值

std_dev=0.1#标准差

t=np.linspace(0,2,1000)#时间向量(0到2秒，1000个点)

#生成高斯白噪声

noise=np.random.normal(mean,std_dev,t.shape)

#绘制噪声

plt.figure(figsize=(10,4))

plt.plot(t,noise)

plt.title(高斯白噪声)

plt.xlabel(时间(秒))

plt.ylabel(幅度)

plt.grid(True)

plt.show()

数字信号

定义

数字信号是一种离散变化的信号，其幅度在时间和幅度上都是离散的。数字信号通常表示为一串0和1，即二进制数据。数字信号在传输过程中具有更好的抗干扰能力，因此广泛应用于现代通信系统中。

表示方法

数字信号可以用序列来表示。常见的表示方法包括：

序列表示：sn，其中n

位流表示：s=

常见数字信号

方波信号：s

随机位流：s

数字信号的传输

数字信号的传输通常采用数字调制技术，如ASK、FSK、PSK等。常见的数字调制技术包括：

幅度键控(ASK)：st=n=0N?1Ancos

频率键控(FSK)：st=n=0N?1

相位键控(PSK)：st=n=0N?1Acos2

例子：生成方波信号

以下是一个生成方波信号的Python代码示例：

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

A=1.0#幅度

T=1.0#周期(秒)

t=np.linspace(0,2*T,1000)#时间向量(0到2秒，1000个点)

#生成方波信号

s_t=A*(2*np.floor(t/T)%2-1)

#绘制信号

plt.figure(figsize=(10,4))

plt.plot(t,s_t)

plt.title(方波信号)

plt.xlabel(时间(秒))

plt.ylabel(幅度)

plt.grid(True)