信号处理仿真：信号调制与解调_（12）.线性调制技术.docxVIP

PAGE1

PAGE1

线性调制技术

线性调制技术是信号处理中的一种重要方法，主要用于将低频信息信号转换为高频载波信号，以便在通信系统中进行传输。线性调制技术的种类很多，包括幅度调制（AM）、频率调制（FM）和相位调制（PM）等。本节将详细介绍几种常见的线性调制技术，并通过Python代码示例进行仿真。

幅度调制（AM）

幅度调制（AmplitudeModulation,AM）是一种基本的调制方法，通过改变载波信号的幅度来传输信息信号。AM调制的基本原理是将信息信号与载波信号相乘，形成调制信号。

原理

假设信息信号为mt，载波信号为ct=Accos2π

s

其中，k是调制指数，通常0

代码示例

以下是一个使用Python进行AM调制的仿真示例。我们将生成一个简单的正弦波信息信号，并将其调制到一个高频载波上。

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

Fs=10000#采样频率

t=np.arange(0,1,1/Fs)#时间向量

fc=1000#载波频率(Hz)

Ac=1#载波幅度

k=0.5#调制指数

fm=100#信息信号频率(Hz)

Am=0.5#信息信号幅度

#生成载波信号

carrier=Ac*np.cos(2*np.pi*fc*t)

#生成信息信号

message=Am*np.cos(2*np.pi*fm*t)

#进行AM调制

modulated_signal=(Ac+k*message)*np.cos(2*np.pi*fc*t)

#绘制信号

plt.figure(figsize=(12,8))

plt.subplot(3,1,1)

plt.plot(t,carrier)

plt.title(载波信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.subplot(3,1,2)

plt.plot(t,message)

plt.title(信息信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.subplot(3,1,3)

plt.plot(t,modulated_signal)

plt.title(AM调制信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.tight_layout()

plt.show()

代码解释

参数设置：

Fs：采样频率，单位为Hz。

t：时间向量，表示信号的时间范围。

fc：载波频率，单位为Hz。

Ac：载波幅度。

k：调制指数，用于控制调制信号的幅度变化。

fm：信息信号频率，单位为Hz。

Am：信息信号幅度。

生成载波信号：

carrier：载波信号，使用np.cos函数生成。

生成信息信号：

message：信息信号，也是使用np.cos函数生成的正弦波。

进行AM调制：

modulated_signal：通过将信息信号与载波信号相乘并加上载波幅度，形成AM调制信号。

绘制信号：

使用matplotlib库绘制载波信号、信息信号和AM调制信号的波形图。

频率调制（FM）

频率调制（FrequencyModulation,FM）是一种通过改变载波信号的频率来传输信息信号的调制方法。FM调制的基本原理是将信息信号的瞬时频率变化叠加到载波信号的频率上。

原理

假设信息信号为mt，载波信号为c

s

其中，k是调制指数，表示频率变化的灵敏度。

代码示例

以下是一个使用Python进行FM调制的仿真示例。我们将生成一个简单的正弦波信息信号，并将其调制到一个高频载波上。

importnumpyasnp

importmatplotlib.pyplotasplt

#参数设置

Fs=10000#采样频率

t=np.arange(0,1,1/Fs)#时间向量

fc=1000#载波频率(Hz)

Ac=1#载波幅度

k=0.5#调制指数

fm=100#信息信号频率(Hz)

Am=0.5#信息信号幅度

#生成载波信号

carrier=Ac*np.cos(2*np.pi*fc*t)

#生成信息信号

message=Am*np.cos(2*np.pi*fm*t)

#计算信息信号的积分

integral_message=k*np.cumsum(message)/