混频原理与频谱搬移

news2024/7/6 19:26:00

文章目录

  • 混频器
  • 频谱搬移
  • 何为镜像频率
  • 信号的复混频
  • 参考

混频器

混频器是一个三端器件,两个输入一个输出,输出信号等于输入信号的乘积。所以混频器可以将两个不同频率的信号通过相乘的方式,从而产生原本两个频率和与差的新信号。
在这里插入图片描述


数学推导举例:

我们假设 s i g n a l 1 = s i n ( w 1 ∗ t ) signal1=sin(w1*t) signal1=sin(w1t),本振信号 s i g n a l 2 = c o s ( w 2 ∗ t ) signal2=cos(w2*t) signal2=cos(w2t),由积化和差公式,我们可以算出输出信号
o u t p u t = 1 / 2 [ s i n ( ( w 1 + w 2 ) ∗ t + s i n ( ( w 1 − w 2 ) ∗ t ) ] output=1/2[sin((w1+w2)*t+sin((w1-w2)*t)] output=1/2[sin((w1+w2)t+sin((w1w2)t)]
由此经过混频后,我们可以得到由输入信号和本振信号频率和与频率差组成的新信号,并根据我们的需要使用滤波器滤除不想要的频率信号,得到经过上变频或下变频的信号。

其他输入信号的情况均可由积化和差公式计算出来。

积化和差公式如下

在这里插入图片描述


频谱搬移

"混频器"小节中我们说到了,对于单音信号输入时的情况,而工程中我们的输入信号往往是一个具有一定带宽的信号,此时我们进行混频的效果又该是怎样的啦?

本振信号通常是一个设定的特定频率的正弦或余弦信号,其频谱图如下:
在这里插入图片描述

由信号与系统的知识我们可以知道:信号的时域的乘积对应于频域的卷积
在这里插入图片描述

将上式的c(t)换成正余弦的本振信号,则在频域对应的是输入信号频谱与本振信号频谱的卷据过程。

数学推导的卷积运算得到的结果:
在这里插入图片描述


下面以余弦本振下变频为例进行卷积举例:
在这里插入图片描述

由上图可见,混频器的输入信号X(w)频谱在搬移过程中有向左边搬移,也有向右边搬移的过程(本振的两段频谱),最后出现了四段频谱。如果本振频率等于射频频率,中间的两个频率段都变为零频放在一起。

通过上面的卷积过程可以看出:一个信号在时域中与余弦、正弦或复信号相乘,等效于频域的频谱搬移。

验证代码如下:

clear all;close all;clc; %清理工作区,关闭所有窗口,清空文本
A =  [6 5 4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4 5 6];
B1 = [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0];
B2 = [0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];
C1 = conv(A,B1);
C2 = conv(A,B2);
figure(1);
%% 输入信号
subplot(131);
ta = -11:1:11;
bar(ta,A);
title('输入信号频谱');
xlabel('f');
ylabel('X');
ax = gca;
ax.YAxisLocation = 'origin';%y轴线位置放于原点处
%% 本振
subplot(132);
tb = -11:1:11;
bar(tb,B1,'g');
hold on;
bar(tb,B2,'r');
title('本振频谱');
xlabel('f');
ylabel('LO');
tc = -22:1:22;
ax = gca;
ax.YAxisLocation = 'origin';%y轴线位置放于原点处
%% 输出信号
subplot(133);
bar(tc,C1,'g');
hold on;
bar(tc,C2,'r');
title('输出信号频谱');
xlabel('f');
ylabel('Y');
set(gcf,'color','w');%背景白色
ax = gca;
ax.YAxisLocation = 'origin';%y轴线位置放于原点处

如何进行频谱搬移啦:
对于本振的正频率处,输入信号频谱向正频率方向整体搬移此频率;对于本振的负频率处,输入信号频谱向负频率方向整体搬移此频率。同时也要注意正负与幅值(混频后的信号幅值会发生改变的,如上面的数学推导所示,这里分析先不关心)。频谱搬移在进行信号的混频和镜像抑制分析等方面很有用。

IQ调制与解调上下变频举例:
一定要注意正弦这里的j,它表示的是以余弦为基准的90度相位关系,j为90°,-j为-90°;在进行频谱搬移的时候要带上j,这样才能在两次正弦混频后将j消除(j2=-1),此时可以方便的进行频谱的加减。这在镜像抑制等应用中很有用。

射频调制信号可经过IQ解调器解调,经过低通滤波器之后分别得到I 和Q 信号。IQ调制与解调信号的过程如下:
在这里插入图片描述
频谱搬移例子2:
在这里插入图片描述

何为镜像频率

镜像频率:存在于频谱分析仪输入端的两个或多个真实信号在同一个本振频率上产生的中频响应,由于这些混频分量出现在同一个本振和中频频率处,所以无法区分。

例如:当本振频率为 5 GHz 时,频率为 4.7 GHz 和 5.3 GHz 的输入信号都能在中频处产生响应,这些信号的频率被称为镜像频率,它们之间也是相隔 2倍中频。
在这里插入图片描述
如果进行下变频的信号中混有干扰信号,在使用余弦本振进行下变频的时候,经过左右频谱的搬移后的和信号就会出现下图(e)中的情况,干扰信号的频段落在有用信号频段内。此种情况中,干扰信号与射频信号的频谱之间相距2WIF,如下图(b)所示。从下图中可以看出,之所以出现镜像频率和镜像干扰的原因是频谱进行两次搬移后使得干扰信号与有用信号叠加,如果没有两次搬移则不会出现这种叠加现象了,复混频即可解决这种问题。
在这里插入图片描述

信号的复混频

在DFT(离散傅里叶变换)的通俗理解的"复信号的频谱"小节中我们看到复信号只有单边的频谱,如果进行复混频,整体上看频谱只被搬移一次。
在这里插入图片描述
频谱图:
在这里插入图片描述


其推导过程如下:
在这里插入图片描述
给S(t)求CFT,得到:
在这里插入图片描述
我们可以清楚的发现复信号的傅里叶变换可以变为正弦函数的傅式变换和余弦函数的傅式变换之和,我们知道正弦函数和余弦函数的傅式变换分别为:
在这里插入图片描述
那我们就可以很容易得到复信号S(t)的傅式变换为(6)式与(7)式之和,即:
在这里插入图片描述
这样我们就得到了复信号S(t)的傅式变换。


复混频的本振信号为复指数信号 e j w R F t e^{jwRFt} ejwRFt,设基带信号x(t),对应的频谱为X(w),复混频输出信号为:
在这里插入图片描述
其中
在这里插入图片描述
则有:
在这里插入图片描述
复混频的原理如下图所示:
在这里插入图片描述
由上图可以看到,复混频其实进行了两次混频,分别得到实部和虚部,运算时将I路作为FFT的实部,Q路作为FFT的虚部进行运算。低通滤波器滤除频谱搬移后的高频分量。


进行简单的数学推导理解:

设输入信号为:
在这里插入图片描述
经过两路混频后得到的信号为:
在这里插入图片描述
写下来经过低通滤波器后滤除掉高频成分:
在这里插入图片描述
将I路作为FFT的实部,Q路作为FFT的虚部后的信号为:
在这里插入图片描述
求FFT后可以得到幅值为A/2,频率为w1-w2的单边谱。

频谱搬移过程如下:
在这里插入图片描述
以上的频谱搬移过程是根据复混频的原理图中的数据流向进行绘制,实际上只需将原信号频谱进行一次频谱搬移后滤波即可,具体看下面的复混频频谱搬移过程图。


频谱搬移过程如下图所示:

​ 实信号复混频——下变频
在这里插入图片描述
​ 复信号复混频——下变频
在这里插入图片描述
由上面两张图可以看到,不论是实信号还是复信号的复混频,都不会产生镜像频率干扰。

参考

混频原理
数字信号处理基础----信号下变频和解调_信号处理 上下变频
复信号的傅里叶变换是什么?频谱是什么样子的?3D频谱图长啥样子


📣您有任何问题,都可以在评论区和我交流📃!
📣本文由 YprgDay 原创,首发于CSDN平台🐵,博客主页:YprgDay的主页
📣您的支持是我持续创作的最大动力!如果本文对您有帮助,还请多多点赞👍、评论💬和收藏⭐!


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1306465.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

vue文件下载请求blob文件流token失效的问题

页面停留很久token失效没有刷新页面,这时候点击下载依然可以导出文件,但是文件打不开且接口实际上返回的是401,这是因为文件下载的方式通过window创建a标签的形式打开的,并没有判断token失效问题 const res await this.$axios.…

Unity | Shader基础知识(第一集:unity中最简单的shader)

一、unity的shader unity写的shader并不是真正意义上的shader。 简单解释:真正的shader语言写起来还是麻烦的,unity希望大家写起来简单一点,于是在原来的基础上,给大家优化了一个语言,叫shaderLab,所以我…

PyTorch深度学习实战(25)——自编码器

PyTorch深度学习实战(25)——自编码器 0. 前言1. 自编码器2. 使用 PyTorch 实现自编码器小结系列链接 0. 前言 自编码器 (Autoencoder) 是一种无监督学习的神经网络模型,用于数据的特征提取和降维,它由一个编码器 (Encoder) 和一…

智慧燃气让城市能源系统高效运行

关键词:智慧燃气、燃气数字化、智慧燃气平台、智慧燃气解决方案、智慧燃气系统 随着我国城镇燃气行业的发展,燃气行业管理及服务从简单的手工运作阶段迈入数字燃气阶段,大量采用信息化手段管理燃气业务,智慧燃气应运而生。它既是…

互动时代的新趋势

数字人直播是指通过数字化技术将虚拟人物以真实的方式呈现在观众面前,并实现与观众的实时互动的一种新型娱乐形式。近年来,随着科技的发展和社交媒体的兴起,数字人直播越来越受到人们的关注,并成为当今互动时代的新趋势。 首先&a…

centos7x 安装支持gpu驱动的docker

1、卸载以前版本的驱动 sudo /usr/bin/nvidia-uninstall2、先安装基础项 yum install kernel kernel-devel gcc make -yyum install kernel kernel-devel gcc gcc-c make -y 3、禁用驱动源 nouveau echo "blacklist nouveau " >>/etc/modp…

移动CRM:智能化助力,销售更高效

商机稍纵即逝,及时把握机会才能促成更多交易。想要在出差途中也能掌握公司运营情况?得益于移动互联网的快速发展,现在您可以利用移动CRM客户管理系统,实时管理线索,查看销售数据。本文将向您介绍,移动CRM能…

热分析和报告软件 :FLIR Thermal Studio Pro Crack

FLIR 热工作室套件。FLIR Thermal Studio Pro FLIR Thermal Studio Suite 可帮助用户简化检查、组织数据并管理数千张热图像和视频——无论他们使用的是手持式热像仪、无人机系统 (UAS)、声学成像相机还是光学气体成像(OGI)相机。该订阅软件提供了关键组…

Qt提升绘制效率,绘制加速。

在我们绘制一些复杂逻辑且数据量巨大的图形时,经常会出现流畅性问题,本文就是来进行讲解如何提升绘制效率的。 实现思路: 场景1:我们绘制多个静态图形和绘制一张图片哪个更快。很明显绘制多个图形的时候要慢很多。所以我们将多个图…

Web漏洞分析-文件解析及上传(上)

随着互联网的迅速发展,网络安全问题变得日益复杂,而文件解析及上传漏洞成为攻击者们频繁攻击的热点之一。本文将深入研究文件解析及上传漏洞,通过对文件上传、Web容器IIS、命令执行、Nginx文件解析漏洞以及公猫任意文件上传等方面的细致分析&…

* demo、源码、桌面端软件

demo demohttps://bidding-m.gitee.io/maptalks-test-next/#/ 源码 源码https://gitee.com/bidding-M/maptalks-test-next 桌面端 桌面端https://gitee.com/bidding-M/map-collection/blob/master/apps/maptalks-win-0.0.1-x64.exe

中洺科技-数据标注创就业浪潮

平凡的事不能普通的做那么就有所不同。这也是我们在这波新的AI浪潮中做副业、创业时应该思考的。 正如一些业内从业者所说,数据标注行业本身的利润其实非常有限。如果现在招聘专职数据标注人员的成本太高,只做标注项目的公司就太难立足了,数据…

微信小程序(一) —— 常见组件

文章目录 🎀项目基本组成结构📢常见的视图容器类组件viewscroll-viewswiper和swiper-item使用viewscroll-viewswiper和swiper-itemswiper标签属性 🌶️常用的基础内容组件textrich-text 📮其他常用组件buttonimagenavigator &…

简易的JS逆向解码

在实战的漏洞挖掘中阅读JS有以下几个作用: 1.JS中存在插件名字,根据插件找到相应的漏洞直接使用 通过控制台大致阅读网站JS代码发现此网页引用了北京的一家公司的代码,并且使用了h-net的框架,接下来我们可以百度这家公司或者是这…

基于C/C++的rapidxml加载xml大文件 - 上部分翻译

RAPIDXML手册 版本 1.13 版权所有 (C) 2006, 2009 Marcin Kalicinski有关许可证信息,请参阅随附的文件许可证 .txt。 目录 1. 什么是 RapidXml? 1.1 依赖性和兼容性1.2 字符类型和编码1.3 错误处理1.4 内存分配1.5 …

HTML---基础

文章目录 目录 文章目录 前言 一.HTML概述 二.HTML相关概念 HTML作用域 HTML标签 HTML转译字符 总结 前言 一.HTML概述 HTML(超文本标记语言)是一种用于创建网络页面的标记语言。它以标记的形式编写,该标记描述了文档的结构和内容。HTML…

黑苹果之网卡篇

今天主要来聊一下黑苹果如何选择网卡 黑苹果对硬件的要求比较局限,可以用的无线网卡也比较少,而且很多也已经涨价,这里就结合自己的使用经验,简单分享几款比较好用的黑苹果无线网卡方案。 一、BCM94360系列 如果想要稳定、省心&am…

【K8S 系列】认识k8s、k8s架构

一、什么是k8s? Kubernetes 简称 k8s,是支持云原生部署的一个平台,k8s 本质上就是用来简化微服务的开发和部署的,用于自动化部署、扩展和管理容器化应用的开源容器编排技术。对于传统的docker其实也提供了容器编排的技术docker-compose&…

gdb本地调试版本移植至ARM-Linux系统

移植ncurses库 本文使用的ncurses版本为ncurses-5.9.tar.gz 下载地址:https://ftp.gnu.org/gnu/ncurses/ncurses-5.9.tar.gz 1. 将ncurses压缩包拷贝至Linux主机或使用wget命令下载并解压 tar-zxvf ncurses-5.9.tar.gz 2. 解压后进入到ncurses-5.9目录…

【人工智能Ⅰ】实验8:DBSCAN聚类实验

实验8 DBSCAN聚类实验 一、实验目的 学习DBSCAN算法基本原理,掌握算法针对不同形式数据如何进行模型输入,并结合可视化工具对最终聚类结果开展分析。 二、实验内容 1:使用DBSCAN算法对iris数据集进行聚类算法应用。 2:使用DBS…