第九章模拟信号的数字传输
信息与通信工程学院
无线通信系统与网络实验室(WCSN)
刘丹谱
dpliu@https://www.doczj.com/doc/8e4770309.html,
62282289
模拟信号的数字化传输
模拟信号抽样量化编码
?抽样、量化、编码?数字方式传输
理论基础：抽样定理
实现
2
主要内容
抽样定理
脉冲振幅调制(PAM)
模拟信号的量化
脉冲编码调制(PCM)
时分复用和多路数字电话系统
3
均匀抽样定理
将被所得到的抽样值完全确定。
×T
均匀抽样定理
()()2,
s
s
s
s n n T
ωπδωωδωωω∞
=?∞
=?=
∑T
22,1
2H H T f π
ω≥≥时即，()()()1
2s s M M ωωωδωπ??=??
?().
T
M ω周期性地重复而不重叠
均匀抽样定理—原始信号的恢复
rect
T=1/2f H
带通型连续信号的抽样速率
δ
M
带通型连续信号的抽样速率
f H,,为小于f H的最大整数
=nB+kB0≤k<1n/B
f s=2B
f s=2B+2(f H-nB)/n
8
带通型连续信号的抽样速率
若f =nB+kB ,0≤k <1,n 为小于f /B 的最大整数，H H 则带通信号的最小抽样频率为
f s =2B+2(f H -nB )/n =2B (1+k/n )
9
带宽为B 的高频窄带信号，其抽样频率近似等于2B 。
随机基带信号的抽样
一个宽平稳的随机信号当其功率谱密度函数
个宽平稳的随机信号，当其功率谱密度函数限于f H 以内时，若以不大于1/2f H 秒的间隔对其进行均匀抽样则可得随机样值序列如其进行均匀抽样，则可得一随机样值序列。如果让该随机样值序列通过一截止频率为f H 的低通滤波器，那么其输出信号与原来的宽平稳随机过程的均方差在统计平均意义下为零。
10
主要内容
抽样定理
脉冲振幅调制(PAM)
模拟信号的量化
脉冲编码调制(PCM)
时分复用和多路数字电话系统
11
脉冲调制
脉冲调制：脉冲串作为载波
模拟调制
PAM
PDM
PPM
数字调制
PCM
DPCM
ADPCM
12
自然抽样的PAM方式
s(t)~周期性矩形脉冲序列(周期为T=1/2f H)
已抽样信号频谱的包络按Sa(x)函数逐渐衰减。
13
平顶(瞬时)抽样的PAM 方式
m H (t )
m s (t )
h t ∞
∑∞
()
()()()m t m t h t =?()()m t nT h t δ=
??()
m h t nT =?∑
主要内容
抽样定理
脉冲振幅调制(PAM)
模拟信号的量化
脉冲编码调制(PCM)
时分复用和多路数字电话系统
15
量化的定义
抽样：时间连续?时间离散抽样续离散
量化：取值连续?取值离散
定义：利用预先规定的有限个电平表示模拟抽样值
Δ
Δ
Δ
Δ
量化误差
:m 量化区间端点Δ
:i q 量化电平
时
i Δ
()1i s i m m kT m ?≤≤时，()q s i
m kT q =16
()()
s q s m kT m kT ?误差：
量化信噪比
均匀量化
a
均匀量化的量化信噪比
量化信噪比
()
2
q q
N E m m ??=????
■
()()2
b q a x m
f x dx
=?∫?
()
()12
1i i M
m i m i x q f x dx
?==?∑∫
2
0S E m ??=??■
()2
b
a
x f x dx =∫19
均匀量化的量化信噪比
LMS 算法MATLAB 实现结果及其分析 一、LMS ：为课本155页例题 图1.1：LMS 算法学习曲线（初始权向量[]T 00w ?=） 图1.2滤波器权系数迭代更新过程曲线（步长075.0=μ） 图1.3滤波器权系数迭代更新过程曲线（步长025.0=μ）图1.4滤波器权系数迭代更新过程曲线（步长015.0=μ） 分析解释： 在图1.1中，收敛速度最慢的是步长为015.0=μ的曲线，收敛速度最快的是步长075.0=μ的曲线，所以可以看出LMS 算法的收敛速度随着步长参数的减小而相应变慢。图1.2、1.3、1.4分别给出了步长为075.0=μ、025.0=μ、025.0=μ的滤波器权系数迭代更新过程曲线，可以发现其不是平滑的过程，跟最抖下降法不一样，体现了其权向量是一个随机过程向量。
LMS2：为课本155页例题，156页图显示结果 图2.1：LMS 算法学习曲线（初始权向量[]T 00w ?=） 图2.2滤波器权系数迭代更新过程曲线（步长025.0=μ） 图2.3滤波器权系数迭代更新过程曲线（步长025.0=μ）图2.4最陡下降法权值变化曲线（步长025.0=μ） 分析解释： 图2.1给出了步长为025.0=μ的学习曲线，图2.2给出了滤波器权向量的单次迭代结果。图2.3给出了一 次典型实验中所得到的权向量估计()n w ?=，以及500次独立实验得到的平均权向量()}n w ?E{=的估计，即()∑==T t n w T 1 t )(?1n w ?，其中)(?n w t 是第t 次独立实验中第n 次迭代得到的权向量，T 是独立实验次数。可以发现，多次独立实验得到的平均权向量()}n w ?E{=的估计平滑了随机梯度引入的梯度噪声，使得其结果与使用最陡下降法（图2.4）得到的权向量趋于一致，十分接近理论最优权向量[]T 7853.08361.0w 0-=。 LMS3：为课本172页习题答案
模拟信号是将源信号的一些特征未经编码直接通过载波的方式发出，是连续的数字信号则是通过数学方法对原有信号进行处理，编码成二进制信号后，再通过载波的方式发送编码后的数字流，是离散的特点：模拟信号：将26个字母对应26种不同的颜色要传递时用不同颜色的滤光片改变电筒射出的光的颜色这里就会表现出模拟信号不可靠（容错性差、易受干扰）的缺点人对颜色的识别可能会有偏差大气对不同颜色的光线吸收程度不同数字信号：将26个字母编码成二进制数字（可参考莫尔斯电码）通过电筒光线的闪烁来传递信号由于光线的闪烁很容易分辨且不容易受到干扰这个通信方案的可靠性就比模拟信号更强模拟信号指幅度的取值是连续的（幅值可由无限个数值表示）。时间上连续的模拟信号连续变化的图像（电视、传真）信号等，时间上离散的模拟信号是一种抽样信号，数字信号指幅度的取值是离散的，幅值表示被限制在有限个数值之内。二进制码就是一种数字信号。二进制码受噪声的影响小，易于有数字电路进行处理，所以得到了广泛的应用。1．模拟通信模拟通信的优点是直观且容易实现，但存在两个主要缺点。（1）保密性差模拟通信，尤其是微波通信和有线明线通信，很容易被窃听。只要收到模拟信号，就容易得到通信内容。（2）抗干扰能力弱电信号在沿线路的传输过程中会受到外界的和通信系统内部的各种噪声干扰，噪声和信号混合后难以分开，从而使得通信质量下降。线路越长，噪声的积累也就越多2．数字通信（1）数字化传输与交换的优越性①加强了通信的保密性。②提高了抗干扰能力。数字信号在传输过程中会混入杂音，可以利用电子电路构成的门限电压（称为阈值）去衡量输入的信号电压，只有达到某一电压幅度，电路才会有输出值，并自动生成一整齐的脉冲（称为整形或再生）。较小杂音电压到达时，由于它低于阈值而被过滤掉，不会引起电路动作。因此再生的信号与原信号完全相同，除非干扰信号大于原信号才会产生误码。为了防止误码，在电路中设置了检验错误和纠正错误的方法，即在出现误码时，可以利用后向信号使对方重发。因而数字传输适用于较远距离的传输，也能适用于性能较差的线路。③可构建综合数字通信网。采用时分交换后，传输和交换统一起来，可以形成一个综合数字通信网。（2）数字化通信的缺点①占用频带较宽。因为线路传输的是脉冲信号，传送一路数字化语音信息需占20?64kHz的带宽，而一个模拟话路只占用4kHz带宽，即一路PCM信号占了几个模拟话路。对某一话路而言，它的利用率降低了，或者详它对线路的要求提高了。②技术要求复杂，尤其是同步技术要求精度很高。接收方要能正确地理解发送方的意思，就必须正确地把每个码元区分开来，并且找到每个信息组的开始，这就需要收发双方严格实现同步，如果组成一个数字网的话，同步问题的解决将更加困难。③进行模/数转换时会带来量化误差。随着大规模集成电路的使用以及光纤等宽频带传输介质的普及，对信息的存储和传输，越来越多使用的是数字信号的方式，因此必须对模拟信号进行模/数转换，在转换中不可避免地会产生量化误差数字信号与模拟信号的区别不在于该信号使用哪个波段（C、KU）进行转发，而在于信号采用何种标准进行传输。如：亚卫2号C波段转发器上是我国省区卫星数字电视节目，它所采用的标准是MPEG-2-DVBS。数字信号与模拟信号的区别不在于该信号使用哪个波段（C、KU）进行转发，而在于信号采用何种标准进行传输。如：亚卫2号C波段转发器上是我国省区卫星数字电视节目，它所采用的标准是MPEG-2-DVBS。模拟信号与数字信号(1)模拟信号与数字信号不同的数据必须转换为相应的信号才能进行传输：模拟数据一般采用模拟信号(AnalogSignal)，例如用一系列连续变化的电磁波(如无线电与电视广播中的电磁波)，或电压信号(如电话传输中的音频电压信号)来表示；数字数据则采用数字信号(DigitalSignal)，例如用一系列断续变化的电压脉冲(如我们可用恒定的正电压表示二进制数1，用恒定的负电压表示二进制数0)，或光脉冲来表示。当模拟信号采用连续变化的电磁波来表示时，电磁波本身既是信号载体，同时作为传输介质；而当模拟信号采用连续变化的信号电压来表示时，它一般通过传统的模拟信号传输线路(例如电话网、有线电视网)来传输。当数字信号采用断
现代数字信号处理仿真作业 1.仿真题3.17 仿真结果及图形： 图 1 基于FFT的自相关函数计算
图 3 周期图法和BT 法估计信号的功率谱 图 2 基于式3.1.2的自相关函数的计算
图 4 利用LD迭代对16阶AR模型的功率谱估计16阶AR模型的系数为： a1=-0.402637623107952-0.919787323662670i; a2=-0.013530139693503+0.024214641171318i; a3=-0.074241889634714-0.088834852915013i; a4=0.027881022353997-0.040734794506749i; a5=0.042128517350786+0.068932699075038i; a6=-0.0042799971761507 + 0.028686095385146i; a7=-0.048427890183189 - 0.019713457742372i; a8=0.0028768633718672 - 0.047990801912420i a9=0.023971346213842+ 0.046436389191530i; a10=0.026025963987732 + 0.046882756497113i; a11= -0.033929397784767 - 0.0053437929619510i; a12=0.0082735406293574 - 0.016133618316269i; a13=0.031893903622978 - 0.013709547028453i ; a14=0.0099274520678052 + 0.022233240051564i; a15=-0.0064643069578642 + 0.014130696335881i; a16=-0.061704614407581- 0.077423818476583i. 仿真程序（3_17）: clear all clc %% 产生噪声序列 N=32; %基于FFT的样本长度
模拟信号的数字化传输系统设计
摘要 本设计结合PCM的抽样、量化、编码原理，利用MATLAB软件编程和绘图功能，完成了对脉冲编码调制（PCM）系统的建模与仿真分析。课题中主要分为三部分对脉冲编码调制（PCM）系统原理进行建模与仿真分析，分别为采样、量化和编码原理的建模仿真。通过对脉冲编码调制（PCM）系统原理的仿真分析，设计者对PCM原理及性能有了更深刻的认识，并进一步掌握MATLAB软件的使用。 第一章绪论 数字通信系统由于具有许多优点而成为当今通信的发展方向。然而日常生活中大部分信号都是模拟信号。相对于模拟通信来说，数字通信有抗干扰能力强、保密性好、可以再生、没有噪声积累等优势。但是，现实生活中有很多模拟新源，模拟信源输出的信号是模拟信号，要将其在数字通信系统中进行传输，则必须经过相应的处理。研究模拟信号的数字化传输有着极其重要的意义。 在1937年，英国人里费（A.H.Reeves）提出了脉冲编码调制（PCM）方式。从此揭开了近代数字传输的序幕。PCM系统的优点是：抗干扰性强；失真小；传输特性稳定，远距离再生中继时噪声不累积，而且可以采用有效编码、纠错编码和保密编码来提高通信系统的有效性、可靠性和保密性。另外，由于PCM可以把各种消息（声音、图像、数据等等）都变换成数字信号进行传输，因此可以实现传输和交换一体化的综合通信方式，而且还可以实现数据传输与数据处理一体化的综合信息处理。故它能较好地适应信息化社会对通信的要求。PCM的缺点是传输带宽宽、系统较复杂。但是，随着数字技术的飞跃发展这些缺点也不重要。因此，PCM是一种极有发展前途的通信方式。 第二章MATLAB简介 2.1 MATLAB软件简介 MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一
现代数字信号处理复习题 一、填空题 1、平稳随机信号是指：概率分布不随时间推移而变化的随机信号，也就是说，平稳随机信号的统计特性与起始 时间无关，只与时间间隔有关。 判断随机信号是否广义平稳的三个条件是： （1）x(t)的均值为与时间无关的常数：C t m x =)( （C 为常数） ； （2）x(t)的自相关函数与起始时间无关，即：)(),(),(ττx i i x j i x R t t R t t R =+=； （3）信号的瞬时功率有限，即：∞<=)0(x x R D 。 高斯白噪声信号是指：噪声的概率密度函数满足正态分布统计特性，同时其功率谱密度函数是常数的一类噪 声信号。 信号的遍历性是指：从随机过程中得到的任一样本函数,好象经历了随机过程的所有可能状态,因此,用一个 样本函数的时间平均就可以代替它的集合平均 。 广义遍历信号x(n)的时间均值的定义为： ，其时间自相关函数的定义为： 。 2、连续随机信号f(t)在区间上的能量E 定义为： 其功率P 定义为： 离散随机信号f(n)在区间 上的能量E 定义为： 其功率P 定义为： 注意:(1)如果信号的能量0 第六章（模拟信号的数字传输）习题及其答案 【题6－1】已知信号()m t 的最高频率为m f ，由矩形脉冲()m t 进行瞬时抽样，矩形脉冲的宽度为2τ，幅度为1，试确定已抽样信号及其频谱表示式。 【答案6－1】 矩形脉冲形成网络的传输函数 ()( )( ) 2 2Q A Sa Sa ωτ ωτ ωττ== 理想冲激抽样后的信号频谱为 1 ()(2) =2 s m m m n s M M n f T ωωω ωπ∞ =-∞ = -∑ 瞬时抽样信号频谱为 ()()()( )(2) 2 H s m n s M M Q Sa M n T τ ωτ ωωωωω∞ =-∞ == -∑ ()H M ω中包括调制信号频谱与原始信号频谱()M ω不同，这是因为()Q ω的加权。 瞬时抽样信号时域表达式为 ()()()() H s n m t m t t nT q t δ∞ =-∞ = -*∑ 【题6－2】设输入抽样器的信号为门函数()G t τ，宽度200ms τ=，若忽略其频谱的第10个零点以外的频率分量，试求最小抽样速率。 【答案6－2】 门函数()G t τ的宽度200ms τ=，其第一个零点频率1150f Hz τ==，其余零 点之间间隔都是1 τ，所以第10个零点频率为110500m f f Hz ==。忽略第10个零点以外的频率分量，门函数的最高频率是500Hz 。由抽样定理，可知最小抽样速率21000s m f f Hz ==。 【题6－3】设信号()9cos m t A t ω=+，其中10A V =。若()m t 被均匀量化为40个电平，试确定所需的二进制码组的位数N 和量化间隔v ?。 【答案6－3】 ()m t 需要被量化为40个电平，即40M =，表示40个电平需要的二进制码 组位数 2[log ]16N M =+= 量化间隔 22100.540A v V M ??= == 【题6－4】已知模拟信号抽样的概率密度()f x 如下图所示。若按四电平进行均匀量化，试计算信号量化噪声功率比。 【答案6－4】 根据()f x 图形可知 10<1()1 -10 01x x f x x x x -≤?? =+≤≤??≥? x 动态范围为：1(1)2v =--= 量化级间隔为： 2 0.54v v M ?= == 量化区间端点和量化输出为：01m =-，10.5m =-，20m =，30.5m =，41m =； 10.75q =-，20.25q =-，30.25q =，40.75q =。 量化信号功率为： 1.设()u n 是离散时间平稳随机过程，证明其功率谱()w 0S ≥。 证明：将()u n 通过冲激响应为()h n 的LTI 离散时间系统，设其频率响应()w H 为 ()001,w -w w 0, w -w w H w ???? 输出随机过程()y n 的功率谱为()()()2y S w H w S w = 输出随机过程()y n 的平均功率为()()()00201 1r 022w w y y w w S w dw S w dw π π π+?-?= =?? 当频率宽度w 0???→时，上式可表示为()()()01 r 00y S w w π =?≥ 由于频率0w 是任意的，所以有()w 0 S ≥ 3、已知：状态方程 )()1,()1()1,()(1n n n n x n n F n x ν-Γ+--=观测方程 )()()()(2n n x n C n z ν+= )()]()([111n Q n n E H =νν )()]()([222n Q n n E H =νν 滤波初值 )]0([)|0(0x E x =ξ } )]]0([)0()]][0([)0({[)0(H x E x x E x E P --= 请简述在此已知条件下卡尔曼滤波算法的递推步骤。 解：步骤1 状态一步预测，即 1 *11)|1(?)1,()|(N n n C n x n n F n x ∈--=--∧ ξξ 步骤2 由观测信号z(n)计算新息过程，即 1*11)|(?)()()|(?)()(M n n C n x n C n z n z n z n ∈-=-=--ξξα 步骤3 一步预测误差自相关矩阵 N N H H C n n n Q n n n n F n P n n F n n P *1)1,()1()1,() 1,()1()1,()1,(∈-Γ--Γ+---=- 步骤4 新息过程自相关矩阵M M H C n Q n C n n P n C n A *2)()()1,()()(∈+-= 步骤5 卡尔曼增益M N H C n A n C n n P n K *1)()()1,()(∈-=- 或 )()()()(1 2n Q n C n P n K H -= 步骤6 状态估计 1*1)()()|(?)|(?N n n C n n K n x n x ∈+=-αξξ 步骤7 状态估计自相关矩阵 N N C n n P n C n K I n P *)1,()]()([)(∈--= 或 )()()()]()()[1,()]()([)(2n K n Q n K n C n K I n n P n C n K I n P H H +---= 步骤8 重复步骤1-7，进行递推滤波计算 4、经典谱估计方法： 第七章 模拟信号的数字传输 数字通信系统中信道中传输的是数字信号。但自然界中，有些信源是以模拟形式出现的，如话音、图像等。因此在进行数字通信往往需先对信号（模拟的）数字化。模拟信号数字化属信源编码范围，当然信源编码还包括并/串转换、加密和数据压缩。本章重点讨论模拟信号数字化的基本方法，主要有PCM 、Δm 、ADPCM,还有其它VQ 、LPC 和CELP 。 模拟信号数字化的过程（得到数字信号）一般分三步：抽样、量化和编码。 其中“抽样”指抽取样值，抽取样点。抽样的多少，快慢对通信的性能指标有决定影响。抽样类似物理实验中实验曲线的描绘方法，测样点太少容易失真，；太多即费时又费力。在通信中抽样点太少容易失真；太多时数据量大，传输时间长，效率低。（带宽大，因Rb 大）。 如何抽样，由下面的抽样定理描述。 抽样定理是数字通信的基础。下面引出定理，给出必要的证明，再说明其具体应用。 7.1抽样定理 一 低通抽样定理 1、定理描述 频率受限于（0，H f ）的时间连续信号m(t) ,若抽样频率s f 不小于2 H f ，则m(t)可被其抽样值s m (t) 完全确定。（写完后解释，或强调两点）。 2、证明： s m (t)包含m(t)的全部信息；从s m (t)可无失真恢复m(t)。 抽样过程如图： T (t)m(t)(t)δ= s T 1 M ()M()()2ωωδωπ = * T s n (t)(t nT )δδ∞ =-∞= -∑ T s s n ()(n )δ ωωδωω∞ =-∞ =-∑ s s s n m (t)m(nT )(t nT )δ∞ =-∞ =-∑ s s n s 1 M ()M(n )T ωωω∞ =-∞ = -∑ s m(t)=m (t)h(t)* s M()M ()H()ωωω= H H 21,H(W)G ()0,ωωωω? ≤?==? ?? 其它 H H H a H H sin t h(t)S (t)t ωωωωππω= = s H f 2f ≥ 时，得到的M()ω不失真。 抽样频率s f 不同时，s M ()ω的变化如图： 实验二模拟信号数字化传输系统的建模与分析 一、实验目的 1. 进一步掌握Simulink 软件使用的基本方法； 2. 熟悉信号的压缩扩张； 3. 熟悉信号的量化； 4. 熟悉PCM 编码与解码。 二、实验仪器 带有MATLAB 和SIMULINK 开发平台的微机。 三、实验原理 3.1 信号的压缩和扩张 非均匀量化等价为对输入信号进行动态范围压缩后再进行均匀量 化。中国和欧洲的PCM 数字电话系统采用A 律压扩方式，美国和日本 则采用μ律方式。设归一化的话音输入信号为[ 1, 1] x∈? ，则 A 律压缩器的输出信号y 是： 其中，sgn(x) 为符号函数。A 律PCM 数字电话系统国际标准中， 参数A=87.6。 Simulink 通信库中提供了“A-Law Compressor”、“A-Law Expander”以及“Mu-Law Compressor”和“Mu-Law Expander”来实 现 A 律和? 律压缩扩张计算。 压缩系数为87.6 的A 律压缩扩张曲线可以用折线来近似。16 段折 线点坐标是 其中靠近原点的4 段折线的斜率相等，可视为一段，因此总折线 数为13 段，故称13 段折线近似。用Simulink 中的“Look-Up Table ” 查表模块可以实现对13 段折线近似的压缩扩张计算的建模，其中，压 缩模块的输入值向量设置为 [-1,-1/2,-1/4,-1/8,-1/16,-1/32,-1/64,-1/128,0,1/128,1/64,1/32,1/16,1/8,1 /4,1/2,1] 输出值向量设置为[-1:1/8:1] 扩张模块的设置与压缩模块相反。 3.2 PCM 编码与解码 PCM 是脉冲编码调制的简称，是现代数字电话系统的标准语音编码方式。A 律PCM 数字电话系统中规定：传输话音信号频段为300Hz到3400Hz ，采样率为8000 次/ 秒，对样值进行13 折线压缩后编码为8bit二进制数字序列。因此，PCM 编码输出的数码速率为64Kbps 。 PCM 编码输出的二进制序列中，每个样值用8 位二进制码表示， 其中最高比特位表示样值的正负极性，规定负值用“0 ”表示，正值用“1 ”表示。接下来3 位比特表示样值的绝对值所在的8 段折线的段落号，最后 4 位是样值处于段落内16 个均匀间隔上的间隔序号。在数学上，PCM 编码的低7 位相当于对样值的绝对值进行13 折线近似压缩后的7bit 均匀量化编码输出。 四、实验内容 1. 设计一PCM 编码器，要求该编码器能够对取值在[-1 ；1] 内的归一 化信号样值进行编码； 2. 设计一个对应于以上编码器的PCM 解码器； 3. 在以上两项内容的基础上，建立PCM 串行传输系统，并在传输信 道中加入指定错误概率的随机误码。 五、实验过程 1、PCM编码器建模与仿真 框图 参数设置：saturation限幅器：上限值为1，下限值为-1. Relay： “现代数字信号处理”复习思考题 变换 1.给出DFT的定义和主要性质。 2.DTFT与DFT之间有什么关系？ 3.写出FT、DTFT、DFT的数学表达式。 离散时间系统分析 1.说明IIR滤波器的直接型、级联型和并联型结构的主要特点。 2.全通数字滤波器、最小相位滤波器有何特点？ 3.线性相位FIR滤波器的h(n)应满足什么条件？其幅度特性如何？ 4.简述FIR离散时间系统的Lattice结构的特点。 5.简述IIR离散时间系统的Lattice结构的特点。 采样 1．抽取过程为什么要先进行滤波，此滤波器应逼近什么样的指标？ 维纳滤波 1．画出Wiener滤波器结构，写出平稳信号下的滤波方程，导出Wiener-Hopf方程。 2．写出最优滤波器的均方误差表示式。 3．试说明最优滤波器满足正交性原理，即输出误差与输入信号正交。 4．试说明Wiener-Hopf方程和Yule-Walker方程的主要区别。 5．试说明随机信号的自相关阵与白噪声的自相关阵的主要区别。 6．维纳滤波理论对信号和系统作了哪些假设和限制？ 自适应信号处理 1．如何确定LMS算法的μ值，μ值与算法收敛的关系如何？ 2．什么是失调量？它与哪些因素有关？ 3．RLS算法如何实现？它与LMS算法有何区别？ 4．什么是遗忘因子，它在RLS算法中有何作用，取值范围是多少？ 5．怎样理解参考信号d(n)在自适应信号处理处理中的作用？既然他是滤波器的期望响应，一般在滤波前是不知道的，那么在实际应用中d(n)是怎样获得的，试举两个应用例子来加以说明。 功率谱估计 1.为什么偏差为零的估计不一定是正确的估计？ 2.什么叫一致估计？它要满足哪些条件？ 3.什么叫维拉－辛钦(Wiener-Khinteche)定理？ 4.功率谱的两种定义。 5.功率谱有哪些重要性质？ 6.平稳随机信号通过线性系统时输入和输出之间的关系。 7.AR模型的正则方程(Yule-Walker方程)的导出。 8.用有限长数据估计自相关函数的估计质量如何？ 9.周期图法谱估计的缺点是什么？为什么会产生这些缺点？ 10.改进的周期图法谱估计有哪些方法？它们的根据是什么？ 11.既然隐含加窗有不利作用，为什么改进周期图法谱估计是还要引用各种窗？ 12.经典谱估计和现代谱估计的主要差别在哪里？ 13.为什么AR模型谱估计应用比较普遍？ 14.对于高斯随机过程最大熵谱估计可归结为什么样的模型？ 15.为什么Levison-Durbin快速算法的反射系数的模小于１？ 16.什么是前向预测？什么是后向预测？ 17.AR模型谱估计自相关法的主要缺点是什么？ 18.Burg算法与Levison-Durbin算法的区别有哪些？ 135 第七章 模拟信号的数字传输 7.1 引 言 前几章已讨论了模拟信号在模拟通信系统中的传输和数字信号在数字通信系统中的传输。 本章将要讨论的是模拟信号经过数字化以后在数字通信系统中的传输，简称模拟信号的数字传输。 数字传输随着微电子技术和计算机技术的发展，其优越性日益明显，优点是抗干扰强、失真小、传输特性稳定、远距离中继噪声不积累、还可以有效编码、译码和保密编码来提高通信系统的有效性，可靠性和保密性。另外，还可以存储，时间标度变换，复杂计算处理等。 模拟信号用得多的是语音信号，把语音信号数字化后，在数字通信系统中传输，称为数字电话通信系统。 模拟信号的数字传输的方框图见下图： 图中，)(t m 、∧)(t m ：模拟随机信号，{}k s 、{}∧ k S ：数字随机序列。 模拟信号的数字传输分三个步骤进行： ① A/D 把模拟信号变成数字信号 ② 数字信号传输 ③ D/A 把数字信号还原成模拟信号 第二步骤在第5章，第6章已经论述。因此，本章仅讨论第一和第三步骤。 模拟信号数字输入的关键是模拟信号和数字信号的互相转换。 A/D 转换步骤示意如下图： A/D 转换 D/A 转换 136 本章主要内容： 1、抽样（介绍模拟信号数字化的理论基础之一：抽样定理） 2、量化（介绍模拟信号的量化） 3、编码和译码 4、PCM （脉冲编码调制） （模拟信号抽样、量化、编译码的一种常用方式）系统 5、m （增量调制）系统（模拟信号数字化的另一种常用方式） 6、DPCM 系统 7、数字电话通信系统 （简要介绍模拟电话信号的数字传输）（一个例子） 7.2抽样定理 将模拟信息源信号转变成数字信号叫做A/D 转换，A/D 转换中有三个基本过程： 抽样、量化、编码。 抽样是A/D 转换的第一步。 A/D 转换时，抽样间隔越宽，量化越粗，信号数据处理量少，但精度不高，甚至可能失掉信号最重要的特征。 抽样间隔如何确定？（抽样速率如何确定？） 举正弦波信号抽样的例子： t 抽样 量化 1 t 024 t 100 编码 A/D 转换步骤示意图 仿真题7.17 现有一个在二维平面内运动的目标，它从（60000m,40000m ）处，以 （-172m/s,246m/s ）的速度出发。在400s 的运动过程中，目标运动速率保持为300m/s ，并在56~105s,182~245s,285~314s 和348~379s 期间分别以1g,-1.5g,3g 和-2.5g(g=9.8m/2s )的转弯速率进行机动，其余时间段则进行匀速运动。系统在两个方向的观测噪声标准差为m y x 100==σσ。采用IMM 算法实现对该目标的跟踪，其中的模型集合由具有不同转弯速率的协同转弯模型构成。定义状态向量由目标在各方向的位置和速度分量构成，即 ()()()[] T y x n v n y n v n x n x )()(= 在协同转弯模型中，状态转移矩阵及状态噪声输入矩阵分别为 ()()()??????? ?????????T T T T -T -T T --T =-ωωωωωωωωωωωωωcos 0sin 0)sin(1) cos(10)sin(0cos 0)cos(10)sin(1)1,(n n F ()?????? ????????T T T T =-Γ2/00002/1,22n n 其中，ω为转弯速率，T 为采样周期。模型集合由7个协同转弯模型组成，转弯速率分别为 s s s s s s s /6.5,/74.3,/87.1,/0,/87.1,/74.3,/6.57654321 ====-=-=-=ωωωωωωω。转速0ω对应模型的系统状态噪声标准差为1.8m/2s ，其余模型的系统状态噪声标准差为2.5m/2s 。模型初始概率为{0.03，0.03，0.03，0.92，0.03，0.03，0.03}，转移概率矩阵为 ?????????? ????????????=0.90.1000000.10.80.10000 00.10.80.1000000.10.80.1000000.10.80.1000000.10.80.1000000.10.9π 请给出： （1）目标的真实运动轨迹。 唐山学院 通信原理课程设计 题目模拟信号数字化传输系统的设计与仿真分析系 (部) 班级 姓名 学号 指导教师 2017 年 6 月 26 日至2017 年7月 8 日共 2 周 通信原理课程设计任务书 课程设计成绩评定表 目录 前言................................................................. 1模拟信号抽样过程原理............................................... 抽样原理......................................................... 低通型连续信号的抽样.......................................... 带通信号的抽样定理........................................... 量化原理........................................................ 均匀量化...................................................... 非均匀量化................................................... A律压缩律................................................... 13折线...................................................... 脉冲编码调制（PCM）.............................................. 差分脉冲编码调制（DPCM）........................................ 2 Matlab/Simulink的简介............................................. 3 基于Simulink的模拟信号数字化传输的设计与仿真分析.................. 抽样过程的设计与仿真分析......................................... 量化过程的设计与仿真分析......................................... PCM编译码系统设计与仿真分析..................................... PCM编码器设计............................................... PCM解码器设计............................................... 有干扰信号的PCM编码与解码.................................... DPCM编译码系统的设计与仿真分析.................................. 4 总结............................................................... 5参考文献........................................................... 现代数字信号处理实验报告 1、估计随机信号的样本自相关序列。先以白噪声()x n 为例。 (a) 产生零均值单位方差高斯白噪声的1000个样点。 (b)用公式： 999 1?()()()1000x n r k x n x n k ==-∑ 估计()x n 的前100个自相关序列值。与真实的自相关序列()()x r k k δ=相比较，讨论你的估计的精确性。 (c) 将样本数据分成10段，每段100个样点，将所有子段的样本自相关的平均值作为()x n 自相关的估值，即： 999 00 1?()(100)(100) , 0,1,...,991000x m n r k x n m x n k m k ===+-+=∑∑ 与(b)的结果相比，该估计值有什么变化？它更接近真实自相关序列()()x r k k δ=吗？ (d)再将1000点的白噪声()x n 通过滤波器1 1 ()10.9H z z -= -产生1000点的y (n )，试重复(b)的工作，估计y (n )的前100个自相关序列值，并与真实的自相关序列()y r k 相比较，讨论你的估计的精确性。 仿真结果： (a) 图1.1零均值单位方差高斯白噪声的1000个样本点 分析图1.1：这1000个样本点是均值近似为0，方差为1的高斯白噪声。(b) 图1.2() x n的前100个自相关序列值 分析上图可知：当k=0时取得峰值，且峰值大小比较接近于1，而当k≠0时估计的自相关值在0附近有小幅度的波动，这与真实自相关序列r (k)=δ(k) x 比较接近，k≠0时估计值非常接近0，说明了估计的结果是比较精确的。 仿真作业 姓名：李亮 学号：S130101083 4.17程序 clc; clear; for i=1:500 sigma_v1=0.27; b(1)=-0.8458; b(2)=0.9458; a(1)=-(b(1)+b(2)); a(2)=b(1)*b(2); datlen=500; rand('state',sum(100*clock)); s=sqrt(sigma_v1)*randn(datlen,1); x=filter(1,[1,a],s); %% sigma_v2=0.1; u=x+sqrt(sigma_v2)*randn(datlen,1); d=filter(1,[1,-b(1)],s); %% w0=[1;0]; w=w0; M=length(w0); N=length(u); mu=0.005; for n=M:N ui=u(n:-1:n-M+1); y(n)=w'*ui; e(n)=d(n)-y(n); w=w+mu.*conj(e(n)).*ui; w1(n)=w(1); w2(n)=w(2); ee(:,i)=mean(e.^2,2); end end ep=mean(ee'); plot（ep）; xlabel('迭代次数');ylabel('MSE');title('学习曲线'); plot(w1); hold; plot(w2); 仿真结果： 步长0.015仿真结果 0.10.20.30.4 0.50.60.7迭代次数 M S E 学习曲线 步长0.025仿真结果 步长0.005仿真结果 4.18 程序 data_len = 512; %样本序列的长度 trials = 100; %随机试验的次数 A=zeros(data_len,2);EA=zeros(data_len,1); B=zeros(data_len,2);EB=zeros(data_len,1); for m = 1: trials a1 = -0.975; a2 = 0.95; sigma_v_2 =0.0731; v = sqrt(sigma_v_2) * randn(data_len, 1, trials);%产生v(n) u0 = [0 0]; num = 1; den = [1 a1 a2]; Zi = filtic(num, den, u0); %滤波器的初始条件 u = filter(num, den, v, Zi); %产生样本序列u(n) %（2）用LMS滤波器来估计w1和w2 mu1 = 0.05; mu2 = 0.005; w1 = zeros(2, data_len); 基于matlab的模拟信号数字化仿真 作者：李亚琼 学号：1305160425 摘要 本文研究的主要内容模拟信号数字化Matlab软件仿真。若信源输出的是模拟信号，如电话传送的话音信号，模拟摄像机输出的图像信号等，若使其在数字信道中传输，必须在发送端将模拟信号转换成数字信号，即进行A/D变换，在接收端则要进行D/A变换。模拟信号数字化由抽样、量化、编码三部分组成。由于数字信号的传送具有稳定性好，可靠性高，方便传送和传送等诸多优点，使得被广泛应用到各种技术中。不仅如此，Matlab仿真软件是常用的工具之一，可用于通信系统的设计和仿真。在科研教学方面发挥着重要的作用。Matlab有诸多优点，编程简单，操作容易、处理数据迅速等。 本文主要阐述的是模拟信号数字化的理论基础和实现方法。利用Matlab提供的可视化工具建立了数字化系统的仿真模型，详细讲述了抽样、量化、编码的设计，并指出了在仿真建模中要注意的问题。在给定的仿真条件下，运行了仿真程序，得到了预期的仿真结果。 关键词：Matlab、模拟信号数字化、仿真 1.1基本原理 模拟信号的数字传输是指把模拟信号先变换为数字信号后，再进行传输。由于与模拟传输相比，数字传输有着众多优点，因而此技术越来越受到重视。此变化成为A/D变换。A/D变换是把模拟基带信号变换喂数字基带信号，尽管后者的带宽会比前者大得很多，但本质上仍属于基带信号。这种传输可直接采用基带传输，或经过熟悉调制后再做频带传输。A/D变化包括抽样、量化、编码三个步骤，如图。 图1.模拟信号数字化 1.1.1抽样定理 抽样就是把模拟信号在时间上的连续变成离散的抽样值。而能不能用这一系列抽样值重新恢复原信号，就需要抽样定理来解决了。所以说，如果我们要传输模拟信号，可以通过传输抽样定理的抽样值来实现而不是非要传输原本的模拟信号。模拟信号数字化的理论基础就是抽样定理，抽样定理的作用不言而喻。 抽样定理：设时间连续信号) f，其最高截止频率为m f，如果用时间间 (t 现代数字信号处理期末试题 1.短时Fourier变换、小波变换和Gabor变换都是时频信号分析的（线性变换）或（线性时频）表示，而Wigner-Ville分布则属于时频信号分析的（非线性变换）。 2. 简述小波变换的概念及其优点。 答：小波变换从基函数角度出发，吸取傅里叶变换中的三角基(进行频率分析)与短时傅里叶变换中的时移窗函数的特点，形成振荡、衰减的基函数，因为它的定义域有限，故称为小波。小波基函数是时间t、尺度因子a和时移参数b的函数。 小波变换的优点： ⑴小波分解可以覆盖整个频域（提供了一个数学上完备的描述）。 ⑵小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间的相关性。 ⑶小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率（宽分析窗口），在高频段，可用低频率分辨率和高时间分辨率（窄分析窗口）。 ⑷小波变换实现上有快速算法（Mallat小波分解算法）。 3. 相对于Mallat塔形算法而言，第二代小波方法的优势在哪里？ 答：1.它不依赖于傅里叶变换，完全在时域中完成对双正交小波的构造，具有结构化设计和自适应构造方面的有点 2.构造方法灵活，可以从一些简单的小波函数，通过提升改善小波函数的特性，从而构造出具有期望特性的小波 3.不再是某一给定小波函数的伸缩和平移，它适合于不等间隔采样问题的小波构造 4.算法简单，运算速度快，占用内存少，执行效率高，可以分析任意长度的信号。4.EMD方法在机械设备故障诊断中的应用有（机车轮对轴承损伤定量识别方法）、（烟气轮机摩擦故障诊断）。 5. 随机信号特点？ 答：随机信号也称随机过程，随机信号在任何时间的取值都是不能先验证确定的随机变量。虽然随机信号取值不能先验证确定，但这些取值却服从某种统计规律，换言之，随机信号或过程可以用概率分布特点（简称统计性能）统计的描述。6. 简述经典功率谱估计与现代功率谱估计的差别。 答:功率谱反映了随机信号各频率成份功率能量的分布情况，可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信息，在许多领域都发挥了重要作用。然而，实际应用中的平稳随机信号通常是有限长的，只能根据有限长信号估计原信号的真实功率谱，这就是功率谱估计。功率谱估计分为经典谱估计和现代谱估计。经典谱估计是将数据工作区外的未知数据假设为零，相当于数据加窗，主要方法有相关法和周期图法；现代谱估计是通过观测数据估计参数模型再按照求参数模型输出功率的方法估计信号功率谱，主要是针对经典谱估计的分辨率低和方差性能不好等问题提出的。 7.自适应滤波方法主要是基于几种基本理论再融合递推算法导出来的？ 答：（1）基于维纳滤波理论的方法。基于维纳滤波原理，利用相关的瞬时值通过在工作过程中的逐步调整参数逼近信号的统计特性，实现最优滤波。由此得到一种最常用的算法——最小均方算法，简称LMS算法 （2）基于卡尔曼滤波理论的方法。利用卡尔曼滤波理论的递推求解法导出自适应滤波器更新权矢量得不同递推算法。通信原理第六章(模拟信号的数字传输)习题及其答案
现代数字信号处理习题
模拟信号的数字传输.
实验二模拟信号数字化传输系统的建模与分析
2012《现代数字信号处理》课程复习...
模拟信号的数字传输
现代数字信号处理-第七章-7.17 仿真题
模拟信号数字化传输系统的设计与仿真分析
现代数字信号处理实验报告
现代数字信号处理及应用仿真题答案
基于matlab的模拟信号数字化仿真
现代数字信号处理期末试题
相关主题
文本预览