[已解决]求助，python如何实现正弦信号调制、解调

臧雁德

求助，python如何实现正弦信号调制、解调，有大佬能分享个信号处理的样本吗，练练手

最佳答案

月排行榜 / 总排行榜

isdkz

2023-9-14 20:43:53

在Python中，可以使用NumPy和SciPy库来实现正弦信号的调制和解调。

调制：

调制是将一个低频信号（称为基带信号）转换为高频信号（称为载波信号）的过程。在Python中，我们可以使用NumPy库来生成基带信号和载波信号，然后将它们相乘以进行调制。

以下是一个示例代码，演示如何生成基带信号和载波信号，并将它们相乘以进行调制：

1. import numpy as np
   
2. import matplotlib.pyplot as plt
   
3. 
   
4. # 生成基带信号
   
5. Fs = 1000  # 采样率
   
6. t = np.arange(0, 1, 1/Fs)  # 时间向量
   
7. f = 10  # 基带信号频率
   
8. baseband_signal = np.sin(2*np.pi*f*t)
   
9. 
   
10. # 生成载波信号
    
11. Fc = 100  # 载波信号频率
    
12. carrier_signal = np.sin(2*np.pi*Fc*t)
    
13. 
    
14. # 进行调制
    
15. modulated_signal = baseband_signal * carrier_signal
    
16. 
    
17. # 绘制信号图形
    
18. plt.subplot(3, 1, 1)
    
19. plt.plot(t, baseband_signal)
    
20. plt.title('Baseband Signal')
    
21. 
    
22. plt.subplot(3, 1, 2)
    
23. plt.plot(t, carrier_signal)
    
24. plt.title('Carrier Signal')
    
25. 
    
26. plt.subplot(3, 1, 3)
    
27. plt.plot(t, modulated_signal)
    
28. plt.title('Modulated Signal')
    
29. 
    
30. plt.tight_layout()
    
31. plt.show()
    

复制代码

解调：

解调是将调制信号转换回原始基带信号的过程。在Python中，我们可以使用SciPy库中的解调函数来实现解调。

以下是一个示例代码，演示如何使用SciPy库中的解调函数对调制信号进行解调：

1. import numpy as np
   
2. import matplotlib.pyplot as plt
   
3. from scipy.signal import hilbert
   
4. 
   
5. # 生成调制信号
   
6. Fs = 1000  # 采样率
   
7. t = np.arange(0, 1, 1/Fs)  # 时间向量
   
8. f = 10  # 基带信号频率
   
9. baseband_signal = np.sin(2*np.pi*f*t)
   
10. Fc = 100  # 载波信号频率
    
11. carrier_signal = np.sin(2*np.pi*Fc*t)
    
12. modulated_signal = baseband_signal * carrier_signal
    
13. 
    
14. # 进行解调
    
15. analytic_signal = hilbert(modulated_signal)
    
16. amplitude_envelope = np.abs(analytic_signal)
    
17. demodulated_signal = np.unwrap(np.angle(analytic_signal))
    
18. 
    
19. # 绘制信号图形
    
20. plt.subplot(4, 1, 1)
    
21. plt.plot(t, baseband_signal)
    
22. plt.title('Baseband Signal')
    
23. 
    
24. plt.subplot(4, 1, 2)
    
25. plt.plot(t, carrier_signal)
    
26. plt.title('Carrier Signal')
    
27. 
    
28. plt.subplot(4, 1, 3)
    
29. plt.plot(t, modulated_signal)
    
30. plt.title('Modulated Signal')
    
31. 
    
32. plt.subplot(4, 1, 4)
    
33. plt.plot(t, demodulated_signal)
    
34. plt.title('Demodulated Signal')
    
35. 
    
36. plt.tight_layout()
    
37. plt.show()
    

复制代码

在上面的代码中，我们使用了SciPy库中的hilbert函数来生成解调信号的解析信号。然后，我们计算解析信号的幅度包络和相位角，并使用unwrap函数来处理相位角，以获得解调信号。

跳转到最佳答案楼层

isdkz

在Python中，可以使用NumPy和SciPy库来实现正弦信号的调制和解调。

调制：

调制是将一个低频信号（称为基带信号）转换为高频信号（称为载波信号）的过程。在Python中，我们可以使用NumPy库来生成基带信号和载波信号，然后将它们相乘以进行调制。

以下是一个示例代码，演示如何生成基带信号和载波信号，并将它们相乘以进行调制：

1. import numpy as np
   
2. import matplotlib.pyplot as plt
   
3. 
   
4. # 生成基带信号
   
5. Fs = 1000  # 采样率
   
6. t = np.arange(0, 1, 1/Fs)  # 时间向量
   
7. f = 10  # 基带信号频率
   
8. baseband_signal = np.sin(2*np.pi*f*t)
   
9. 
   
10. # 生成载波信号
    
11. Fc = 100  # 载波信号频率
    
12. carrier_signal = np.sin(2*np.pi*Fc*t)
    
13. 
    
14. # 进行调制
    
15. modulated_signal = baseband_signal * carrier_signal
    
16. 
    
17. # 绘制信号图形
    
18. plt.subplot(3, 1, 1)
    
19. plt.plot(t, baseband_signal)
    
20. plt.title('Baseband Signal')
    
21. 
    
22. plt.subplot(3, 1, 2)
    
23. plt.plot(t, carrier_signal)
    
24. plt.title('Carrier Signal')
    
25. 
    
26. plt.subplot(3, 1, 3)
    
27. plt.plot(t, modulated_signal)
    
28. plt.title('Modulated Signal')
    
29. 
    
30. plt.tight_layout()
    
31. plt.show()
    

复制代码

解调：

解调是将调制信号转换回原始基带信号的过程。在Python中，我们可以使用SciPy库中的解调函数来实现解调。

以下是一个示例代码，演示如何使用SciPy库中的解调函数对调制信号进行解调：

1. import numpy as np
   
2. import matplotlib.pyplot as plt
   
3. from scipy.signal import hilbert
   
4. 
   
5. # 生成调制信号
   
6. Fs = 1000  # 采样率
   
7. t = np.arange(0, 1, 1/Fs)  # 时间向量
   
8. f = 10  # 基带信号频率
   
9. baseband_signal = np.sin(2*np.pi*f*t)
   
10. Fc = 100  # 载波信号频率
    
11. carrier_signal = np.sin(2*np.pi*Fc*t)
    
12. modulated_signal = baseband_signal * carrier_signal
    
13. 
    
14. # 进行解调
    
15. analytic_signal = hilbert(modulated_signal)
    
16. amplitude_envelope = np.abs(analytic_signal)
    
17. demodulated_signal = np.unwrap(np.angle(analytic_signal))
    
18. 
    
19. # 绘制信号图形
    
20. plt.subplot(4, 1, 1)
    
21. plt.plot(t, baseband_signal)
    
22. plt.title('Baseband Signal')
    
23. 
    
24. plt.subplot(4, 1, 2)
    
25. plt.plot(t, carrier_signal)
    
26. plt.title('Carrier Signal')
    
27. 
    
28. plt.subplot(4, 1, 3)
    
29. plt.plot(t, modulated_signal)
    
30. plt.title('Modulated Signal')
    
31. 
    
32. plt.subplot(4, 1, 4)
    
33. plt.plot(t, demodulated_signal)
    
34. plt.title('Demodulated Signal')
    
35. 
    
36. plt.tight_layout()
    
37. plt.show()
    

复制代码

在上面的代码中，我们使用了SciPy库中的hilbert函数来生成解调信号的解析信号。然后，我们计算解析信号的幅度包络和相位角，并使用unwrap函数来处理相位角，以获得解调信号。