模拟调制的三种方式和python实现_调制识别python

调制

首先，先确保我们已经知道了模拟信号和数字信号是什么?

模拟信号和数字信号是两种不同的信号类型，它们在表示、传输和处理方面有一些关键的区别。

1. 表示方式：

   模拟信号：模拟信号是连续的信号，它的值在时间和幅度上可以取连续范围内的任意值。模拟信号可以用连续的函数来表示，如正弦波、方波等。

   数字信号：数字信号是离散的信号，它的值在时间和幅度上只能取离散的值。数字信号通过采样和量化将连续的模拟信号转换为离散的数值序列。

2. 传输方式：

   模拟信号：模拟信号在传输过程中保持其连续性。它可以通过模拟传输介质（如电缆、光纤）进行直接传输。

   数字信号：数字信号可以通过数字传输介质（如计算机网络、数字通信系统）进行传输。数字信号可以更容易地进行编码、压缩和加密等处理。

3. 处理方式：

   模拟信号：模拟信号处理通常使用模拟电路和模拟信号处理技术。它涉及放大、滤波、混频等连续信号处理方法。

   数字信号：数字信号处理涉及将离散的数字信号进行数字算法和处理。它包括采样、量化、编码、解码、滤波、调制、解调等数字信号处理技术。

在实际应用中，模拟信号和数字信号通常相互转换。模拟信号可以通过模数转换器（ADC）转换为数字信号，而数字信号可以通过数模转换器（DAC）转换为模拟信号。这种转换使得模拟信号和数字信号可以在不同系统和设备之间进行传输和处理。

**调制（Modulation）**是指在通信过程中，将要传输的信息信号通过改变载波的某些特性而嵌入到载波中，以便在传输介质中进行传播和接收的过程。

调制涉及以下几个方面：

1. 载波信号：调制使用的载波信号是一个高频信号，通常称为基带信号。载波信号的频率和特性决定了调制的带宽和传输距离等特性。

2. 基带信号：基带信号是要传输的信息信号，例如语音、视频、数据等。基带信号通常是低频信号，与载波信号频率相比较低。

3. 调制方式：调制方式是指将基带信号与载波信号相互影响的方式。常见的调制方式包括调幅（AM）、调频（FM）、调相（PM）等。调制方式决定了信号的传输质量、抗干扰性能和频谱利用效率。

4. 调制参数：调制参数决定了调制的具体方式和效果。例如，在调幅中，调制指数（modulation index）决定了信号的幅度变化程度；在调频中，调制指数或调制频偏决定了频率的变化程度。

5. 解调：解调是在接收端将调制后的信号恢复为原始的基带信号的过程。解调过程与调制过程相反，使用相同的调制方式和参数进行解调，以还原原始信息信号。

在上面三种调制方式 { 调幅（AM）、调频（FM）、调相（PM）} 的基础上，我们又可以将他们组合起来，一起对一个信号进行调制，以达到在更高的噪声抵抗能力和更高的码率。

模拟调制

1. 调幅(AM)

import matplotlib.pyplot as plt
import numpy as np

t = 1
fs = 1000
f = 10
mag = 1
x = np.linspace(0, t, fs)
y = mag*np.sin(2*np.pi*f*x)
plt.plot(x, y, label='mag=1')

# 调幅
mag = 2
y = mag*np.sin(2*np.pi*f*x)
plt.plot(x, y,  label='mag=2')
plt.legend()
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

2. 调频(FM)

import matplotlib.pyplot as plt
import numpy as np

t = 1
fs = 1000
f = 5
mag = 1
x = np.linspace(0, t, fs)
y = mag*np.sin(2*np.pi*f*x)
plt.plot(x, y, label='f=5')

# 调幅
f = 10
y = mag*np.sin(2*np.pi*f*x)
plt.plot(x, y,  label='f=10')
plt.legend()
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

3. 调相

import matplotlib.pyplot as plt
import numpy as np

t = 1
fs = 1000
f = 5
mag = 1
x = np.linspace(0, t, fs)
y = mag*np.sin(2*np.pi*f*x)
plt.plot(x, y, label='phase=0')

# 调幅
y = mag*np.sin(2*np.pi*f*x+np.pi/2)
plt.plot(x, y,  label='phase=pi/2')
plt.legend()
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

暂且这么多