通信系统仿真：通信系统基础_（3）.数字通信基础.docxVIP

PAGE1

PAGE1

数字通信基础

1.数字信号与模拟信号

在通信系统中，信号可以分为数字信号和模拟信号。了解这两种信号的基本特性及其在通信系统中的应用是数字通信学习的基础。

1.1模拟信号

模拟信号是连续变化的信号，其幅度、频率或相位在时间上是连续的。模拟信号在自然界中普遍存在，例如声音、温度、压力等。在通信系统中，模拟信号通常通过调制技术进行传输。

1.2数字信号

数字信号是离散变化的信号，其幅度在时间上是不连续的，通常表示为二进制代码（0和1）。数字信号的优势在于抗干扰能力强、易于存储和处理、可以使用复杂的编码和纠错技术。在现代通信系统中，数字信号的应用越来越广泛。

1.3模拟信号与数字信号的转换

模拟信号和数字信号之间的转换是通信系统中常见的操作。主要通过模数转换器（ADC）和数模转换器（DAC）来实现。

1.3.1模数转换（ADC）

模数转换器将连续的模拟信号转换为离散的数字信号。这个过程通常包括采样、量化和编码三个步骤。

采样：将连续时间的模拟信号转换为离散时间的信号。采样频率必须大于或等于信号最高频率的两倍，以避免混叠现象。

量化：将采样后的信号幅度转换为有限个离散的幅度值。量化过程引入了量化误差。

编码：将量化后的幅度值转换为二进制代码。

1.3.2数模转换（DAC）

数模转换器将离散的数字信号转换为连续的模拟信号。这个过程通常包括解码、重构和滤波三个步骤。

解码：将二进制代码转换为离散的幅度值。

重构：将离散的幅度值转换为连续时间的信号。

滤波：通过低通滤波器去除高频噪声，恢复原始模拟信号。

1.4采样定理

采样定理是数字信号处理中的一个基本概念，它规定了采样频率必须大于或等于信号最高频率的两倍，以避免混叠现象。具体来说，如果信号的最高频率为fmax，则采样频率fs

f

1.4.1采样定理的验证

我们可以通过一个简单的Python示例来验证采样定理。

importnumpyasnp

importmatplotlib.pyplotasplt

#定义信号参数

f_max=5#信号最高频率

t=np.linspace(0,1,1000)#时间向量

signal=np.sin(2*np.pi*f_max*t)#原始信号

#定义采样频率

f_s1=10#采样频率1，满足采样定理

f_s2=5#采样频率2，不满足采样定理

#采样

samples1=signal[::int(1000/f_s1)]

samples2=signal[::int(1000/f_s2)]

#绘制原始信号和采样信号

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

plt.subplot(2,1,1)

plt.plot(t,signal,label=原始信号)

plt.stem(t[::int(1000/f_s1)],samples1,linefmt=r-,markerfmt=ro,basefmt=k-,label=采样信号1)

plt.title(f满足采样定理：采样频率{f_s1}Hz)

plt.xlabel(时间(秒))

plt.ylabel(幅度)

plt.legend()

plt.subplot(2,1,2)

plt.plot(t,signal,label=原始信号)

plt.stem(t[::int(1000/f_s2)],samples2,linefmt=r-,markerfmt=ro,basefmt=k-,label=采样信号2)

plt.title(f不满足采样定理：采样频率{f_s2}Hz)

plt.xlabel(时间(秒))

plt.ylabel(幅度)

plt.legend()

plt.tight_layout()

plt.show()

1.5量化和编码

量化是将连续的信号幅度转换为离散的幅度值的过程。编码则是将量化后的幅度值转换为二进制代码。量化和编码是ADC和DAC操作中的关键步骤。

1.5.1量化示例

假设我们有一个幅度范围为0到1的模拟信号，我们可以通过以下步骤进行量化：

确定量化级别：假设我们使用8个量化级别，每个级别对应一个幅度区间。

量化信号：将信号幅度映射到最近的量化级别。

编码信号：将量化后的幅度值转换为二进制代码。

#定义量化级别

quantization_levels=8

#生成模拟信号

signal=np.random.uniform(0,1,100)

#量化

quantized_signal=np.round(signal*(quantization_levels-