信号与系统 2023(春季) 作业参考答案 - 第八次作业
01 基础练习
一、信号调制与解调
1、绘制波形与频谱
(1)第一小题
◎ 解答:
(1) 对于 sin Ω m t \sin \Omega _m t sinΩmt 信号的频谱为:
那么该信号经过 cos ω c t \cos \omega _c t cosωct 正弦调幅之后,频谱左右搬移,乘以 0.5。 对应的频谱为:
利用 ω c = 3 Ω m \omega _c = 3\Omega _m ωc=3Ωm ,上面表达式可以进一步化简为:
对于信号 1 + 0.8 cos Ω m t 1 + 0.8\cos \Omega _m t 1+0.8cosΩmt 的频谱为:
经过 cos ω c t \cos \omega _c t cosωct 正弦调幅之后, 频谱左右搬移, 乘以 0.5。 对应的频谱为:
(2)
选择 Ω m = π / 5 \Omega _m = \pi /5 Ωm=π/5 , 绘制两个信号的时域波形如下:
▲ 图1.1.1 x1(t)的时域波形
▲ 图1.1.2 x2(t)的时域波形
from headm import *
t = linspace(-10, 10, 10000)
O = 4*pi/20
o = 3*O
x1 = sin(O*t)*cos(o*t)
x2 = (1+0.8*cos(O*t))*cos(o*t)
printff(min(x1), max(x1), min(x2), max(x2))
plt.plot(t, x2, lw=3)
plt.xlabel("t")
plt.ylabel("x1(t)")
plt.grid(False)
plt.tight_layout()
plt.show()
这个题目开始设定 ω c = 3 Ω m \omega _c = 3\Omega _m ωc=3Ωm ,主要是为了绘制它们的频谱比较方便, 但是信号的波形不太好看。 如果设置 ω c = 30 Ω m \omega _c = 30\Omega _m ωc=30Ωm , 两个信号的正弦调制特性就比较明显了。 x 1 ( t ) x_1 \left( t \right) x1(t) 是载波抑制幅度调制, x 2 ( t ) x_2 \left( t \right) x2(t) 是普通幅度调制。
▲ 图1.1.3 当载波等于30倍的基频时,对应的x1调制波形
▲ 图1.1.4 当载波等于30倍的基频时,对应的x2调制波形
由于 X 1 ( ω ) X_1 \left( \omega \right) X1(ω) 是纯虚信号, 下面绘制出 j ⋅ X 1 ( ω ) j \cdot X_1 \left( \omega \right) j⋅X1(ω) 对应的图像。
▲ 图1.1.5 X1的频谱
▲ 图1.1.6 X2的频谱
(2)第二小题
◎ 解答:
下面设置 Ω m = π / 4 \Omega _m = \pi /4 Ωm=π/4 ,绘制出信号的波形如下:
▲ 图1.1.7 x(t)的信号波形
下面显示了“包络线检波” 示意图, 即把半波检波后的信号顶点连接在一起的曲线。 请注意:这与实际上二极管宝沦陷检波还是很很大区别的。
▲ 图1.1.8 包络线检波后的信号图像
from headm import *
t = linspace(-10, 10, 10000)
O = 5*pi/20
o = 8*O
x2 = (1+1.3*cos(O*t))*cos(o*t)
x2[x2<0]=0
x22 =array([v1-v2 for v1,v2 in zip(x2[:-1], x2[1:])])
x22 = heaviside(x22, 0)
x22 = array([v2-v1 for v1,v2 in zip(x22[:-1], x22[1:])])
iddim = where(x22 > 0.8)[0]
x11 = (1+1.3*cos(O*t))
plt.plot(t[iddim], x2[iddim], lw=3, label='Peak Value')
plt.plot(t, x2, lw=1, label='Upper Half')
plt.plot(t, x11, 'b--', lw=0.5, label='Modulate')
plt.xlabel("t")
plt.ylabel("x1(t)")
plt.legend(loc='down right')
plt.axis([min(t)-(max(t)-min(t))/20, max(t)+(max(t)-min(t))/20, -2.00, 3.00])
plt.grid(False)
plt.tight_layout()
plt.show()
2、单边带解调
◎ 证明:
同步解调是将调制信号与载波信号相乘, 然后再通过低通滤波器获得信号频谱的方法。 对于下边带调制信号, 将其与载波信号相乘, 乘积信号的频谱是调制信号左右搬移之后叠加的频谱。 下图显示, 当下边带信号左右搬移之后, 可以合成信号本身的频谱。 经过低通滤波器滤除高频信号之后, 便可以恢复原调制信号, 信号幅值比原始信号降低了四倍。
▲ 图1.1.9 再调制信号的频谱
下图显示了同步解调系统各个节点的信号频谱。 输出信号的频谱是最初信号频谱, 只是幅值降低了一半。
▲ 图1.1.10 同步解调单边带调制信号的信号
二、信号调制系统分析
1、第一小题
◎ 求解:
(1) 当 e ( t ) = δ ( t ) e\left( t \right) = \delta \left( t \right) e(t)=δ(t) ,经过时域乘法之后, 作用在低通滤波器上的输入信号为:
此时系统的输出就是低通滤波器的单位冲激响应。 根据低通滤波器的频谱特性为:
对低通滤波器的频谱特性进行傅里叶反变换,便可以得到低通滤波器的单位冲激响应。
(2) 根据题目给定的输入信号 x ( t ) x\left( t \right) x(t) 的表达式, 可以看做对信号 e ( t ) e\left( t \right) e(t) 进行幅度调制。
因为
sin
Ω
t
/
Ω
t
\sin \Omega t/\Omega t
sinΩt/Ωt 的频带宽度为
Ω
\Omega
Ω , 它的频谱对应的频谱频带宽度为
2
Ω
2\Omega
2Ω 。 该信号进入系统之后, 实际上是进行同步解调。 此时有两点需要注意:
- 信号经过同步解调之后,低通滤波器的带宽恰好可以涵盖信号频带宽度, 所以输出信号的频谱可以完整输出。
- 由于调制信号与解调信号之间有一个 45° 的相位差, 所以输出信号的幅值需要在原来的基础上乘以 1 / 2 1/\sqrt 2 1/2 。
由此可知,系统输出为:
(3) 同样, 系统的输入信号可以看做
sin
Ω
t
/
Ω
t
\sin \Omega t/\Omega t
sinΩt/Ωt 被
sin
ω
c
t
\sin \omega _c t
sinωct 信号调制, 由于调制信号与同步解调振荡信号之间相差 90°, 它们之间正交, 因此,系统输出为 0。
(4) 同步解调系统是一个线性系统; 但由于存在一个时域乘积环节, 该系统属于时变 系统。
2、第二小题
◎ 解答:
根据系统框图, 输入信号 x ( t ) x\left( t \right) x(t) 在与载波信号 cos ω c t \cos \omega _c t cosωct 相加之后,再平方形成带通滤波器的输入信号, 因此带通滤波器的输入信号 x 1 ( t ) x_1 \left( t \right) x1(t) 为:
其中包含有低频信号
x
2
(
t
)
x^2 \left( t \right)
x2(t) , 对应的频带宽度为
2
ω
M
2\omega _M
2ωM 。 调幅信号的频谱, 频谱范围在
ω
c
±
ω
M
\omega _c \pm \omega _M
ωc±ωM 。 两倍调制信号频谱。 如果系统输出
y
(
t
)
y\left( t \right)
y(t) 等于
x
(
t
)
⋅
cos
ω
c
t
x\left( t \right) \cdot \cos \omega _c t
x(t)⋅cosωct , 则需要带通滤波器能够将低频信号与 两倍频正弦信号滤除。
▲ 图1.2.1 带通滤波器之间信号频谱示意图
根据上述分析, 则带通滤波器的参数分别满足如下条件:
为了能够避免调制信号的频谱与信号频谱之间的混叠, 则要求 ω c − ω M > 2 ω M \omega _c - \omega _M > 2\omega _M ωc−ωM>2ωM ,所以 ω c > 3 ω M \omega _c > 3\omega _M ωc>3ωM 。
三、信号采样
1、信号脉冲编码调制
◎ 解答:
根据信号表达式, 可以知道信号的最大值 不超过 15V, 由于量化电压不超过 10mV, 因此量化区间的个数 M 应该满足:
量化编码位数 N 对应的量化区间为
2
N
2^N
2N 。 所以要求:
2
N
≥
1500
2^N \ge 1500
2N≥1500 。 对应的最小 N 等于 11。
2、信号采样频率
(1)第一小题
◎ 解答:
由于 y 1 ( t ) y_1 \left( t \right) y1(t) 是 x 1 ( t ) , x 2 ( t ) x_1 \left( t \right),x_2 \left( t \right) x1(t),x2(t) 的乘积, 所有它的频谱最大频率等于 x 1 ( t ) , x 2 ( t ) x_1 \left( t \right),x_2 \left( t \right) x1(t),x2(t) 频谱最大频率之和, 所以对 y 1 ( t ) y_1 \left( t \right) y1(t) 进行理想采样的的最大采样是时间间隔为:
由于 y 2 ( t ) y_2 \left( t \right) y2(t) 是 x 1 ( t ) , x 2 ( t ) x_1 \left( t \right),x_2 \left( t \right) x1(t),x2(t) 的卷积,因此对应的频谱最大值是 ω 1 , ω 2 \omega _1 ,\omega _2 ω1,ω2 的较小的一个。 根据题目中给定的条件, 这个值为 ω 1 \omega _1 ω1 。 所以对于 y 2 ( t ) y_2 \left( t \right) y2(t) 进行采样的最大时间间隔为:
(2)第二小题
◎ 解答:
信号的奈奎斯特频率分别为:
3、信号采样与恢复
(1)第一小题
◎ 解答:
(1) 对信号 f ( t ) f\left( t \right) f(t) 进行傅里叶变换, 利用信号调制定理可得:
信号的频谱如下图所示:
▲ 图1.3.1 f(t)信号频谱示意图
(2) 信号经过 f s = 140 H z f_s = 140Hz fs=140Hz 采样之后, 对应的频谱周期延拓, 形成的频谱如下图所示:
▲ 图1.3.2 采样之后对应的信号频谱示意图
(3) 为了从采样信号中恢复信号 f ( t ) f\left( t \right) f(t) , 理想低通滤波器的带宽需要满足: 116 π < ω L < 164 π 116\pi < \omega _L < 164\pi 116π<ωL<164π 。
(4) 信号的奈奎斯特频率为116Hz。
(2)第二小题
◎ 解答:
(1) 根据 f 1 ( t ) , f 2 ( t ) f_1 \left( t \right),f_2 \left( t \right) f1(t),f2(t) 的表达式, 可以知道它们的频谱是矩形频谱, 最大频率分别是: F 1 m = 1000 π , F 2 m = 2000 π F_{1m} = 1000\pi ,\,\,F_{2m} = 2000\pi F1m=1000π,F2m=2000π 。
▲ 图1.3.3 f1(t),f2(t)的频谱示意图
根据系统框图可知 f ( t ) = f 1 ( t ) ⋅ f 2 ( t ) f\left( t \right) = f_1 \left( t \right) \cdot f_2 \left( t \right) f(t)=f1(t)⋅f2(t) ,所以 f ( t ) f\left( t \right) f(t) 对应的频谱最大频率等于 f 1 ( t ) , f 2 ( t ) f_1 \left( t \right),f_2 \left( t \right) f1(t),f2(t) 最高频率之和:
因此,对于该信号最大抽样间隔为:
(2)
下面先绘制出
f
(
t
)
f\left( t \right)
f(t) 的频谱。
▲ 图1.3.4 f(t)的频谱示意图
经过采样之后, T s = 1 / 3000 T_s = 1/3000 Ts=1/3000 采样之后, 采样信号 f s ( t ) f_s \left( t \right) fs(t) 的频谱为:
▲ 图1.3.5 fs(t)的频谱示意图
(3)第三小题
(1) x ( 3 t ) x\left( {3t} \right) x(3t) 对应的奈奎斯特采样周期为: π / 24 \pi /24 π/24 ; x ( t / 4 ) x\left( {t/4} \right) x(t/4) 对应的采样周期为: π / 2 \pi /2 π/2 。
(2) 根据 δ T ( t ) \delta _T \left( t \right) δT(t) 的表达式, 可以知道对应的采样间隔为 π / 12 \pi /12 π/12 ,采样角频率为 24 24 24 。所以 x s ( t ) , x s ( 3 t ) , x s ( t / 3 ) x_s \left( t \right),x_s \left( {3t} \right),x_s \left( {t/3} \right) xs(t),xs(3t),xs(t/3) 的频谱分别是原信号频谱按照周期 24 进行周期延拓, 对应的频谱为:
下图是 x s ( t ) x_s \left( t \right) xs(t) 的频谱示意图:
▲ 图1.3.6 xs(t)的频谱示意图
信号频谱没有发生混叠。
如下是 x s ( 3 t ) x_s \left( {3t} \right) xs(3t) 对应的频谱示意图:
▲ 图1.3.7 xs(3t) 对应的频谱示意图
信号频谱发生了混叠。
下图是 x s ( t / 3 ) x_s \left( {t/3} \right) xs(t/3) 的频谱示意图:
▲ 图1.3.8 xs(t/3) 对应的频谱示意图
信号频谱没有发生混叠。
4、平顶采样
◎ 解答:
(1) 使用周期三角脉冲信号 f ( t ) f\left( t \right) f(t) 对于 g ( t ) g\left( t \right) g(t) 进行平顶采样,得到 g s ( t ) = ∑ n = − ∞ + ∞ g ( n T s ) f 0 ( t − n T s ) g_s \left( t \right) = \sum\limits_{n = - \infty }^{ + \infty } {g\left( {nT_s } \right)f_0 \left( {t - nT_s } \right)} gs(t)=n=−∞∑+∞g(nTs)f0(t−nTs) ,可以表示成:
其中
f
0
(
t
)
f_0 \left( t \right)
f0(t) 是周期三角脉冲信号的一个周期内的信号。 对于
∑
n
=
−
∞
+
∞
g
(
n
T
s
)
⋅
δ
(
t
−
n
T
s
)
\sum\limits_{n = - \infty }^{ + \infty } {g\left( {nT_s } \right) \cdot \delta \left( {t - nT_s } \right)}
n=−∞∑+∞g(nTs)⋅δ(t−nTs) 的频谱是
g
(
t
)
g\left( t \right)
g(t) 频谱的周期延拓:
f
0
(
t
)
f_0 \left( t \right)
f0(t) 的频谱
F
0
(
ω
)
F_0 \left( \omega \right)
F0(ω) 为:
所以 g s ( t ) g_s \left( t \right) gs(t) 的频谱为:
可以看到 G s ( ω ) G_s \left( \omega \right) Gs(ω) 对应的频谱波形是将 G ( ω ) G\left( \omega \right) G(ω) 周期延拓制后, 再乘以 S a 2 ( ω τ 4 ) Sa^2 \left( {{{\omega \tau } \over 4}} \right) Sa2(4ωτ) 。 对应的频谱波形如下:
▲ 图1.3.9 被采样后gs(t)的频谱示意图
上面频谱波形绘制过程中,对应的参数分别为: ω m = 1 , τ = π / 2 \omega _m = 1,\tau = \pi /2 ωm=1,τ=π/2 ,利用 Python 绘制出的频谱波形图。 未来能够显示出频谱波形的特点, 频谱水平方向压缩了。
#!/usr/local/bin/python
# -*- coding: gbk -*-
#============================================================
# TEST1.PY -- by Dr. ZhuoQing 2023-04-18
#
# Note:
#============================================================
from headm import *
o = linspace(-15,15,100000)
om = 1
tao = pi/om/2
ts = 2*pi/om/2
Gs = 1-arccos(cos(o*2*pi/2/om))/pi
Ts = pi*tao/ts*sinc(o*tao/4/pi)**2
G = Ts*Gs
plt.plot(o, G, lw=3, label='Gs(o)')
plt.plot(o, Ts, lw=1, label='Period G')
plt.plot(o, Gs, lw=1, label='F0(o)')
plt.xlabel("Frequency(rad/s)")
plt.ylabel("Amplitude")
plt.legend(loc='upper right')
plt.axis([min(o)-(max(o)-min(o))/20, max(o)+(max(o)-min(o))/20, -1.00, 2.50])
plt.grid(False)
plt.tight_layout()
plt.show()
#------------------------------------------------------------
# END OF FILE : TEST1.PY
#============================================================
(2) 根据 g s ( t ) g_s \left( t \right) gs(t) 频谱的表达式, 可以看到如果需要恢复出 g ( t ) g\left( t \right) g(t) 的频谱, 需要将 g s ( t ) g_s \left( t \right) gs(t) 通过如下频率特性的低通滤波器。 截取其中 ± ω m \pm \omega _m ±ωm 之间的频谱, 并除以 π τ T s ⋅ S a 2 ω τ 4 {{\pi \tau } \over {T_s }} \cdot Sa^2 {{\omega \tau } \over 4} Tsπτ⋅Sa24ωτ 。
四、有限带宽信号的采样
◎ 解答:
如果希望从采样数据中无损恢复信号 f ( t ) f\left( t \right) f(t) , 充分必要条件是在信号的频谱周期延拓之后, 信号频谱没有发生“混淆” 现象。
为了保证信号能够恢复, 此时要求周期延拓之后的信号频谱不能够相互混叠。取 m = i n t ( N ) m = {\mathop{\rm int}} \left( N \right) m=int(N) 为 小于 N的最大整数。 将 ± ω 2 \pm \omega _2 ±ω2 之间的频谱范围分成了 2m 份。
按照 2 ω 2 / m 2\omega _2 /m 2ω2/m 对应的频率进行采样, 原来的频谱按照 2 ω 2 / m 2\omega _2 /m 2ω2/m 的周期左右延拓。此时,对应的延拓之后的频谱就会相互交错而不会混叠。 下面的示意图对此进行了描述。 红色和蓝色分别表示原来左右两个频谱延拓后所在的位置, 可以看到它们之间恰好相互交错,并不重叠。
▲ 图1.4.1 周期延拓之后的频谱
■ 相关文献链接:
● 相关图表链接:
- 图1.1.1 x1(t)的时域波形
- 图1.1.2 x2(t)的时域波形
- 图1.1.3 当载波等于30倍的基频时,对应的x1调制波形
- 图1.1.4 当载波等于30倍的基频时,对应的x2调制波形
- 图1.1.5 X1的频谱
- 图1.1.6 X2的频谱
- 图1.1.7 x(t)的信号波形
- 图1.1.8 包络线检波后的信号图像
- 图1.1.9 再调制信号的频谱
- 图1.1.10 同步解调单边带调制信号的信号
- 图1.2.1 带通滤波器之间信号频谱示意图
- 图1.3.1 信号的频谱示意图
- 图1.3.2 采样之后对应的信号频谱示意图
- 图1.3.3 f1(t),f2(t)的频谱示意图
- 图1.3.4 f(t)的频谱示意图
- 图1.3.5 fs(t)的频谱示意图
- 图1.3.6 xs(t)的频谱示意图
- 图1.3.7 xs(3t)对应的频谱示意图
- 图1.3.8 xs(t/3)对应的频谱示意图
- 图1.3.9 被采样后gs(t)的频谱示意图
- 图1.4.1 周期延拓之后的频谱
相关文章
- Linux系统应急响应
- IPS入侵防御系统
- 《C语言嵌入式系统编程修炼》—网站记录
- 信号与系统 2023年春季作业要求与参考答案汇总
- 信号与系统 2023(春季) 作业要求 - 第七次作业
- 基于Matlab的OFDM系统仿真
- 淘东电商项目(73) -秒杀系统(前端优化)
- LAMP 系统性能调优之内核调优措施
- 如何在 Linux/Unix 系统中验证端口是否打开
- Mac系统Cornerstone安装和使用说明(最佳的SVN管理工具)
- Kafka监控系统Kafka Eagle:支持kerberos认证
- Linux运维之系统性能---vmstat工具分析内存的瓶颈
- 如何在linux系统上部署SpringBoot项目
- 华为OD机试 - 新工号系统(JavaScript) | 机试题+算法思路+考点+代码解析 【2023】
- pytorch对TIMIT数据集的预处理(不需要kaldi,Windows系统)
- Dell提高系统价格以面对内存及SSD短缺加剧难题
- Linux 系统安装Nginx