信号处理仿真：信号调制与解调_（6）.FM调制与解调.docxVIP

PAGE1

PAGE1

FM调制与解调

FM调制原理

频率调制（FrequencyModulation,FM）是一种调制技术，其中载波的频率随调制信号的变化而变化。与幅度调制（AM）不同，FM调制的幅度保持恒定，而频率则根据调制信号的幅度变化。FM调制的主要优点是抗干扰能力强，信噪比高，适用于高质量音频传输和广播系统。

FM调制的基本原理可以用以下公式表示：

f

其中：-ft是调制后的载波频率。-fc是载波的中心频率。-kf是调制灵敏度，表示调制信号幅度变化对载波频率变化的影响。-

调制信号与载波

在FM调制中，调制信号mt通常是一个时间函数，可以是正弦波、方波或其他任意波形。载波ct

c

其中：-Ac是载波的幅度。-fc是载波的中心频率。-?

调制过程

调制过程可以分为以下几个步骤：1.调制信号生成：生成调制信号mt。2.频率调制：根据调制信号的幅度变化，调整载波的频率。3.调制信号与载波合成

解调过程

解调过程是调制过程的逆过程，主要步骤如下：1.鉴频器：使用鉴频器（如锁相环）检测调制信号的频率变化。2.低通滤波：通过低通滤波器恢复原始调制信号。

FM调制的实现

生成调制信号

在实现FM调制之前，首先需要生成调制信号。调制信号可以是任意波形，但为了简化示例，我们使用一个简单的正弦波信号。

importnumpyasnp

importmatplotlib.pyplotasplt

#调制信号参数

Fs=1000#采样频率

f_m=10#调制信号频率

A_m=1#调制信号幅度

t=np.arange(0,1,1/Fs)#时间向量

#生成调制信号

m_t=A_m*np.sin(2*np.pi*f_m*t)

#绘制调制信号

plt.figure(figsize=(12,6))

plt.plot(t,m_t)

plt.title(调制信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.grid(True)

plt.show()

载波生成

接下来，生成载波信号。载波信号是一个恒定幅度的正弦波。

#载波信号参数

f_c=100#载波频率

A_c=1#载波幅度

#生成载波信号

c_t=A_c*np.cos(2*np.pi*f_c*t)

#绘制载波信号

plt.figure(figsize=(12,6))

plt.plot(t,c_t)

plt.title(载波信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.grid(True)

plt.show()

频率调制

根据调制信号mt和载波信号c

s

#调制灵敏度

k_f=5

#计算积分

integral_m_t=np.cumsum(m_t)/Fs

#生成调制后的信号

s_t=A_c*np.cos(2*np.pi*f_c*t+2*np.pi*k_f*integral_m_t)

#绘制调制后的信号

plt.figure(figsize=(12,6))

plt.plot(t,s_t)

plt.title(调制后的信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.grid(True)

plt.show()

解调过程

解调过程需要使用鉴频器来检测调制信号的频率变化。常见的鉴频器有锁相环（PLL）和微分鉴频器。这里我们使用微分鉴频器进行解调。

#微分鉴频器

defdifferential_detector(s_t,Fs,k_f):

#计算相邻样本的相位差

phase_diff=np.diff(np.unwrap(np.angle(s_t)))

#解调信号

m_t_hat=phase_diff/(2*np.pi*k_f/Fs)

returnm_t_hat

#解调信号

m_t_hat=differential_detector(s_t,Fs,k_f)

#绘制解调后的信号

plt.figure(figsize=(12,6))

plt.plot(t[:-1],m_t_hat)

plt.title(解调后的信号)

plt.xlabel(时间(s))

plt.ylabel(幅度)

plt.grid(True)

plt.show()

应用实例

音频信号的FM调制与解调

在实际应用中，FM调制常用于音频信号的传输。下面