[已解决]基于Python，怎样对正弦信号进行调制与解调，解调部分仔细说明函数意义

臧雁德

基于Python，怎样对正弦信号进行调制与解调，解调部分仔细说明函数意义

最佳答案

月排行榜 / 总排行榜

isdkz

2023-9-17 21:16:56

对正弦信号进行调制和解调是无线电通信中常用的技术。下面我将介绍如何使用Python对正弦信号进行调制和解调。

调制正弦信号:

在调制之前，我们需要生成一个正弦信号和一个调制信号。生成正弦信号的代码如下：

import numpy as np

# 生成正弦信号
t = np.linspace(0, 1, 1000, endpoint=False)
f = 10  # 正弦信号频率为10Hz
x = np.sin(2 * np.pi * f * t)

生成调制信号的代码如下：

# 生成调制信号
fm = 2  # 调制信号频率为2Hz
m = 0.5  # 调制信号幅度为0.5
y = m * np.sin(2 * np.pi * fm * t)

接下来，将调制信号和正弦信号相乘，即可得到调制后的信号：

# 进行调制
k = 1  # 调制指数为1
z = (1 + k * y) * x

解调正弦信号:

解调正弦信号需要使用到包络检测技术，即通过检测信号的包络来还原原始信号。

我们可以使用希尔伯特变换来获取信号的包络，代码如下：

from scipy.signal import hilbert

# 进行解调
z_hilbert = hilbert(z)  # 对调制信号进行希尔伯特变换
z_env = np.abs(z_hilbert)  # 获取信号的包络

获取信号的包络后，我们可以通过除以包络信号来还原原始信号：

x_demod = z / z_env

至此，我们就完成了对正弦信号的调制和解调。

跳转到最佳答案楼层

isdkz

对正弦信号进行调制和解调是无线电通信中常用的技术。下面我将介绍如何使用Python对正弦信号进行调制和解调。

调制正弦信号:

在调制之前，我们需要生成一个正弦信号和一个调制信号。生成正弦信号的代码如下：

import numpy as np

# 生成正弦信号
t = np.linspace(0, 1, 1000, endpoint=False)
f = 10  # 正弦信号频率为10Hz
x = np.sin(2 * np.pi * f * t)

生成调制信号的代码如下：

# 生成调制信号
fm = 2  # 调制信号频率为2Hz
m = 0.5  # 调制信号幅度为0.5
y = m * np.sin(2 * np.pi * fm * t)

接下来，将调制信号和正弦信号相乘，即可得到调制后的信号：

# 进行调制
k = 1  # 调制指数为1
z = (1 + k * y) * x

解调正弦信号:

解调正弦信号需要使用到包络检测技术，即通过检测信号的包络来还原原始信号。

我们可以使用希尔伯特变换来获取信号的包络，代码如下：

from scipy.signal import hilbert

# 进行解调
z_hilbert = hilbert(z)  # 对调制信号进行希尔伯特变换
z_env = np.abs(z_hilbert)  # 获取信号的包络

获取信号的包络后，我们可以通过除以包络信号来还原原始信号：

x_demod = z / z_env

至此，我们就完成了对正弦信号的调制和解调。

臧雁德

isdkz 发表于 2023-9-17 21:17
对正弦信号进行调制和解调是无线电通信中常用的技术。下面我将介绍如何使用Python对正弦信号进行调制和解调 ...

z = (1 + k * y) * x

这里为什么要加一再相乘呢

反派角色c

求教

臧雁德

反派角色c 发表于 2023-9-18 10:43
求教

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import hilbert
from scipy import signal
from matplotlib.pylab import mpl

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文
mpl.rcParams['axes.unicode_minus'] = False  # 显示负号

# 生成调制信号
fs = 1000  # 采样频率
t = np.arange(0, 1, 1/fs)  # 定义时间序列
baseband_signal = 2 * np.sin(2*np.pi*10*t)  # 频率设为10Hz

# 生成载波信号
fc = 100  # 载波信号频率
carrier_signal = 1/2 * np.sin(2*np.pi*fc*t)  # 调制信号幅度为0.5

# 进行调制
modulated_signal = baseband_signal * (1 + carrier_signal)

# 进行解调
analytic_signal = hilbert(modulated_signal)  # 进行希尔伯特变换
amplitude_envelope = np.abs(analytic_signal)  # 得到包络线
demodulated_frequency_unfiltered = modulated_signal / amplitude_envelope

b, a = signal.butter(4, [2*50/fs], 'lowpass')  # 4阶带通滤波器
demodulated_frequency = signal.filtfilt(b, a, demodulated_frequency_unfiltered)


        ###测试###
def to_fft(data,i,j):
    freq = np.fft.fftfreq(len(data), 1/fs)  # 自动生成频率
    y = np.fft.fft(data)  # FFT变换
    y = 2*np.abs(y)/fs  # 归一化,能量集中处理
    y_ed = y * 2 / fs  #*2能量集中化,/N归一化

    plt.subplot(4, 2, i)
    plt.plot(freq, y_ed)
    plt.title('频域')
    plt.xlim(0,j)

to_fft(baseband_signal,2,150)
to_fft(carrier_signal,4,150)
to_fft(demodulated_frequency_unfiltered,6,150)
to_fft(demodulated_frequency,8,150)
        ###测试###



# 绘制信号图形
plt.subplot(4, 2, 1)
plt.plot(t, baseband_signal)
plt.title('Baseband Signal')

plt.subplot(4, 2, 3)
plt.plot(t, carrier_signal)
plt.title('Carrier Signal')

plt.subplot(4, 2, 5)
plt.plot(t, demodulated_frequency_unfiltered)
plt.title('demodulated_frequency_unfiltered')

axes_1 = plt.subplot(4, 2, 7)
plt.plot(t, demodulated_frequency,label='demodulated_frequency')
plt.title('demodulated_frequency')
axes_1.legend()

plt.tight_layout()
plt.show()

这是自己改了下的