通过 Hilbert 变换实现单边带调制

这篇具有很好参考价值的文章主要介绍了通过 Hilbert 变换实现单边带调制。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

简介

双边带调制

单边带调制

理想的 Hilbert 变换

频谱移位器

SSB 调制的高效实现

总结


        该例子说明如何使用离散 Hilbert 变换来实现单边带调制。Hilbert 变换可应用于调制器和解调器、语音处理、医学成像、波达方向 (DOA) 测量,以及任何简化设计的复信号(正交)处理。

简介

        单边带调制 (SSB) 是幅值调制 (AM) 的一种高效形式,它使用 AM 所用带宽的一半。这种方法在电话、HAM 无线电和 HF 通信(即基于语音的通信)等应用中最受欢迎。此示例说明如何使用 Hilbert 变换器实现 SSB 调制。

        为了说明 SSB 调制中为何需要使用 Hilbert 变换器,我们最好先快速回顾一下双边带调制。

双边带调制

        AM 的一种简单形式是双边带 (DSB) 调制,它通常由载波频率任一侧的调制信号的两个频移副本组成。更准确地说,这称为一个 DSB 抑制载波,定义为

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         其中 m(n) 通常称为消息信号,而 f 0 是载波频率。如上面的方程所示,DSB 调制包括将消息信号 m(n) 乘以载波 cos(2πf0n/fs),因此,我们可以使用傅里叶变换的调制定理来计算 f(n) 的变换

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        其中 M(f) 是 m(n) 的离散时间傅里叶变换 (DTFT)。如果消息信号是带宽为 W 的低通信号,则 F(f) 是具有两倍带宽的带通信号。让我们来查看 DSB 信号及其频谱的示例。

% Define and plot a message signal which contains three tones at 500, 600,
% and 700 Hz with varying amplitudes.
Fs = 10e3;
t = 0:1/Fs:0.1-1/Fs;
m = sin(2*pi*500*t) + 0.5*sin(2*pi*600*t) + 2*sin(2*pi*700*t);
plot(t,m)

grid
xlabel('Time')
ylabel('Amplitude')
title('Message Signal m(n)')

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         下面我们计算并绘制消息信号的功率谱。

periodogram(m,[],4096,Fs,'power','centered')
ylim([-75 12])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         双侧功率谱清楚地显示 DC 附近的三个音调。如果我们进一步放大,就能读出每个分量的功率。

xlim([0.1 1])
ylim([-18 2])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        500 Hz 音调的功率大约为 –6 dB,600 Hz 音调的功率为 –12 dB,700 Hz 音调的功率为 0 dB,分别对应于消息信号的音调幅值 1、0.5 和 2。使用此消息信号 m(n),让我们将它乘以载波来产生 DSB 信号,并查看其频谱。

fo = 3.5e3; % Carrier frequency in Hz
f = m.*cos(2*pi*fo*t);
idx = 100;
plot(t(1:idx),f(1:idx),t(1:idx),m(1:idx),':')
grid

xlabel('Time')
ylabel('Amplitude')
title('Message Signal and Message Signal Modulated')
legend('Modulated Message Signal','Message Signal m(n)')

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         蓝色实线是调制的消息信号,红色虚线是缓慢变化的消息信号。在这种情况下,我们调制信号的功率谱是

periodogram(f,[],4096,Fs,'power','centered')
ylim([-75 0])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        我们可以看到,消息信号(三个音调)已移位到中心频率 f0。此外,因为幅值减半,每个分量的功率已降至四分之一,如调制后的 m(n) 的 DTFT 所示。让我们放大以查看新功率值 

ylim([-20 0])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         我们的正频率分量现在为 –6 dB、–18 dB 和 –12 dB。现在我们已定义 DSB 调制,接下来查看单边带调制。

单边带调制

        单边带 (SSB) 调制类似于DSB调制,但它不使用整个频谱,而是使用滤波器来选择下边带或上边带。下边带或上边带的选择分别产生下边带 (LSB) 或上边带 (USB) 调制。有两种方法可以消除其中一个边带,一种是滤波器方法,另一种是定相方法。由于需要严格的滤波器,对上边带或下边带进行选择性滤波的过程很困难,尤其是当信号内容接近DC时。此示例说明如何使用定相方法,该方法使用Hilbert变换器来实现SSB调制。

        SSB 调制要求将消息信号移位到另一个中心频率,而不像 DSB 调制那样产生成对的频率分量 X(f−f0) 和 X(f+f0),即避免对上边带或下边带进行滤波。这可以通过使用 Hilbert 变换器来实现。

        在讨论理想的 Hilbert 变换在 SSB 调制中的应用之前,让我们先回顾一下其定义和属性。这将有助于理解其在SSB调制中的应用。

理想的 Hilbert 变换

        离散Hilbert变换过程是指将信号的负频率相位提前90度,正频率相位延后90度。对 Hilbert 变换的结果进行移位 (+j) 并将其添加到原始信号会产生下文所示的复信号。

        如果通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换是 通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换 的 Hilbert 变换,则:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         是一种称为解析信号的复信号。下图显示通过理想的 Hilbert 变换生成的解析信号。

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         解析信号的一个重要特征是其频谱内容位于正奈奎斯特区间中。这是因为如果我们将解析信号(复信号)的虚部移位90度 (+j) 并将其加到实部,则负频率将抵消,而正频率将增加。这会产生没有负频率的信号。此外,复信号中频率分量的幅值是实信号中频率分量的幅值的两倍。这类似于单侧频谱,它包含正频率的总信号功率。

        接下来我们介绍频谱位移器。频谱移位器通过调制基于我们要移动其频谱的信号形成的解析信号来对信号的频谱内容进行移位(平移)。此概念可用于SSB调制,如下文所示。

频谱移位器

        使用上面定义的消息信号m(n),我们将通过 Hilbert 变换创建一个解析信号,然后将其调制到所需的中心频率。方案如下图中所示。

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         使用这种频谱移位方法将确保我们信号的功率移至感兴趣的频率,同时最终保持实数值信号。

        如前所述,解析信号由原始实数值信号加上该实信号的Hilbert变换组成。通过Signal Processing Toolbox™中的Hilbert函数运行实信号将产生解析信号。

注意:Hilbert 函数产生完整的解析信号(复信号),而不仅仅是虚部。

mc = hilbert(m);

        我们还可以计算并绘制基于我们的消息信号 m(n) 构造的解析信号的频谱内容。

periodogram(mc,[],4096,Fs,'power','centered')
ylim([-75 6])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         如频谱图所示,我们的解析信号是复信号,但仅包含正频率分量。此外,如果我们测量功率,或在正频率分量上进一步放大图,我们将看到解析信号的频率分量的功率是实信号的正(或负)频率分量的总功率的两倍,即它类似于包含信号总功率的单侧频谱。请查看以下经过放大的图。

xlim([0.1 1])
ylim([-10 6])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         我们看到解析信号(复信号)的频率分量 500 Hz、600 Hz 和 700 Hz 的功率分别约为 0、–6 dB 和 6dB,这是原始信号的总功率。这些值对应于我们的原始实数值信号,它有三个音调,幅值分别为 1、0.5 和 2。

        在这里,我们可以调制解析信号,将频谱内容移至另一个中心频率而不产生频率分量对组,并保持实数值信号。

        为了将信号调制到载波频率 f0,我们将解析信号乘以一个指数。 

mcm = mc.*exp(1i*2*pi*fo*t);

        如频谱移位器图中所示,调制信号后,我们将计算实部。其频谱是

periodogram(real(mcm),[],4096,Fs,'power','centered')
ylim([-75 0])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

         如上图所示,我们的信号已调制到新中心频率 f0,但没有创建频率对组,即它产生了上边带。

        如果我们将上面的频谱图与 DSB 调制进行比较,我们可以看到频谱移位器完成了 SSB 调制。

SSB 调制的高效实现

        从前面的推论中,我们可以看出 SSB 调制信号 f(n) 可以写为

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        其中通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换是解析信号,定义为

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        展开此方程并提取实部,我们得到 

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        这会产生一个单一上边带 (SSBU)。同样,我们可以通过以下方式定义 SSB 下边带 (SSBL) 

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        上面的 SSBU 方程提出了一种更高效的实现 SSB 的方法。该方法并不执行通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换的复数乘法,然后舍弃虚部;而是通过实现如下所示的 SSBU 只计算所需的量。如下图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        为了实现上面所示的 SSB 调制,我们需要计算消息信号 m(n) 的 Hilbert 变换,并调制两个信号。但在此之前,我们需要指出一个事实,即理想的 Hilbert 变换器是不可实现的。不过,我们可以使用已开发的逼近 Hilbert 变换器的算法,例如 Parks-McClellan FIR 滤波器设计方法。Signal Processing Toolbox™ 提供设计此类滤波器的firpm函数。此外,因为滤波器会引入延迟,我们需要通过将延迟(N/2,其中 N 是滤波器阶数)添加到乘以余弦项的信号中来补偿该延迟,如下所示。

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        对于 FIR Hilbert 变换器,我们将使用奇数长度滤波器,它在计算上比偶数长度滤波器更高效。尽管偶数长度滤波器的通带误差较小。奇数长度滤波器能更节省计算资源,是因为这些滤波器具有几个零值系数。此外,使用奇数长度滤波器需要移位一个整数时间延迟,而偶数长度滤波器需要移位一个小数时间延迟。对于奇数长度滤波器,Hilbert 变换器的幅值响应在 w=0 和 w=π 处为零。对于偶数长度滤波器,幅值响应不必在 π 处为 0,因此它们具有更高的带宽。对于奇数长度滤波器,有用带宽限制为

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        让我们设计滤波器并绘制其零相位响应。        

Hd = designfilt('hilbertfir','FilterOrder',60, ...
    'TransitionWidth',0.1,'DesignMethod','equiripple');

hfv = fvtool(Hd,'MagnitudeDisplay','Zero-phase', ...
    'FrequencyRange','[-pi, pi)');
hfv.Color = 'white';

         如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        为了逼近 Hilbert 变换,我们将使用滤波器对消息信号进行滤波。 

m_tilde = filter(Hd,m);

        然后,上边带信号是

G = filtord(Hd)/2;   % Filter delay
m_delayed = [zeros(1,G),m(1:end-G)];
f = m_delayed.*cos(2*pi*fo*t) - m_tilde.*sin(2*pi*fo*t);

        频谱是

periodogram(f,[],4096,Fs,'power','centered')
ylim([-75 0])

        如图所示:

通过 Hilbert 变换实现单边带调制,滤波器,simulink,matlab,Hilbert变换

        如上图所示,我们成功将消息信号(三个音调)调制到 3.5 kHz 的载波频率,并且只保留上边带。 

总结

        我们看到,通过使用 Hilbert 变换的逼近,我们可以产生解析信号,这在需要频谱移位的许多信号应用中很有用。具体来说,我们已看到如何使用逼近 Hilbert 变换器来实现单边带调制。        文章来源地址https://www.toymoban.com/news/detail-741414.html

到了这里,关于通过 Hilbert 变换实现单边带调制的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数字信号处理|Matlab设计巴特沃斯低通滤波器(冲激响应不变法和双线性变换法)

    2.1频响图 系统函数 H 是一个复数,其图谱分为:幅度谱、相位谱 幅度谱 x轴:模拟频率f(数字频率w转化来)【 单位:赫兹Hz 】 y轴:|H1|幅度【一般用:20 * log10|H1|】【 单位:分贝dB 】  相位谱 x轴:模拟频率f(数字频率w转化来)【 单位:赫兹Hz 】 y轴:H1 的相位 2.2 各个频

    2023年04月08日
    浏览(40)
  • 医学影像图像去噪:滤波器方法、频域方法、小波变换、非局部均值去噪、深度学习与稀疏表示和字典学习

            医学影像图像去噪是指使用各种算法从医学成像数据中去除噪声,以提高图像质量和对疾病的诊断准确性。MRI(磁共振成像)和CT(计算机断层扫描)是两种常见的医学成像技术,它们都会受到不同类型噪声的影响。         在医学影像中,噪声可能来源于多

    2024年04月26日
    浏览(39)
  • 【调制解调】SSB 单边带调幅

    学习数字信号处理算法时整理的学习笔记。同系列文章目录可见 《DSP 学习之路》目录,代码已上传到 Github - ModulationAndDemodulation。本篇介绍 SSB 单边带调幅信号的调制与解调,内附全套 MATLAB 代码。 目录 说明 1. SSB 调制算法 1.1 算法描述 1.2 滤波法及 SSB 信号的频域表示 1.3 相

    2024年02月13日
    浏览(38)
  • 【Python 算法】信号处理通过陷波滤波器准确去除工频干扰

    对于一个信号来说通常汇入工频噪声往往是因为交流电产生的电泳,影响了我们信号采集导致信号上存在工频干扰。 那么matlab去除工频干扰可以通过陷波滤波器实现。 在python中通常使用scipy.signal实现信号的处理。 Scipy的信号处理模块(scipy.signal)来创建自定义的陷波滤波器

    2024年02月08日
    浏览(48)
  • 锁相环技术,单边带信号,信号的调制

    什么是锁相环技术? 用在接收机中,因为在相干解调的时候,需要接收机产生一个和发射机同频同相的载波频率,这时候就要对发射机处的载波频率进行精确的追踪,锁相环技术就是这样精准跟踪载波频率的一种技术。 锁相环(PLL)是一种数字信号处理技术,用于将输入的

    2024年02月02日
    浏览(38)
  • python实现陷波滤波器、低通滤波器、高斯滤波器、巴特沃斯滤波器

    在一幅图像中,其低频成分对应者图像变化缓慢的部分,对应着图像大致的相貌和轮廓,而其高频成分则对应着图像变化剧烈的部分,对应着图像的细节(图像的噪声也属于高频成分)。 低频滤波器,顾名思义,就是过滤掉或者大幅度衰减图像的高频成分,让图像的低频成分

    2024年02月11日
    浏览(41)
  • 数字IC经典电路(4)——经典滤波器的实现(滤波器简介及Verilog实现)

    数字滤波器一般可以分为两类:有限冲激响应(FIR)滤波器和无限冲激响应(IIR)滤波器。 在Verilog综合方面,通常可以实现四种数字滤波器: 基于时域采样的FIR滤波器(Time Domain Sampling FIR Filter) 快速傅里叶变换(FFT)算法实现的FIR滤波器(FFT-based FIR Filter) 直接IIR滤波器

    2024年02月09日
    浏览(44)
  • 【状态估计】粒子滤波器、Σ点滤波器和扩展/线性卡尔曼滤波器研究(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 2.1 扩展卡尔曼滤波 2.2 线性卡尔曼滤波 

    2024年02月09日
    浏览(41)
  • 图像处理之理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器的matlab简单实现

    一、前言 高通滤波器的功能是让高频率通过而滤掉或衰减低频,其作用是 使图像得到锐化处理,突出图像的边界 。经理想高频滤波后的图像把信息丰富的低频去掉了,丢失了许多必要的信息**。一般情况下,高通滤波对噪声没有任何抑制作用**,若简单的使用高通滤波,图像质

    2023年04月25日
    浏览(41)
  • 基于FPGA的FIR滤波器的实现(5)— 并行结构FIR滤波器的FPGA代码实现

    并行结构,并行实现滤波器的累加运算,即并行将具有对称系数的输入数据进行相加,而后采用多个乘法器并行实现系数与数据的乘法运算,最后将所有乘积结果相加输出。这种结构具有最高的运行速度,因不需要累加运算,因此系数时钟频率可以与数据输出时钟频率保持一

    2024年02月03日
    浏览(53)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包