【通信原理 入坑之路】—— 仔细聊聊关于“采样”的那点事儿
本博文是《深入浅出通信原理》的学习笔记，仅供个人学习参考使用
文章目录
- 一、理想的采样
- 1.1 从频域角度分析理想采样
- 二、实际工作中的采样
- 三、理想采样与实际采样的关系
- 3.1 从频域角度看实际采样
- 四、奈奎斯特采样定理
- 4.1 频率混叠现象
- 频率混叠的现象推广到复信号
- 4.2 折叠频率
- 五、如何由采样信号恢复出模拟信号
- 5.1 理想采样恢复模拟信号
- 5.2 实际采样（平顶采样）恢复出模拟信号
- 六、通带采样定理
一、理想的采样
我们在数电的学习当中都知道：模拟信号转数字信号需要经过“采样”，“保持”，”量化“，"编码”四个步骤，下面结合框图一起来看看：
其中，我们的上图中的抽样信号fs(t)f_s(t)fs(t)，就是由模拟信号f(t)f(t)f(t)与抽样脉冲p(t)p(t)p(t)相乘得到的：fs(t)=f(t)p(t)f_s(t) = f(t)p(t)fs(t)=f(t)p(t)
对于上图，首先我们要说的是这个抽样脉冲p(t)p(t)p(t)：它是单位冲激函数以周期为TsT_sTs（TsT_sTs是采样周期）叠加形成的，我们写一下它的表达式：p(t)=∑n=−∞+∞δ(t−nTs)p(t) = \sum_{n=-∞}^{+∞}δ(t - nT_s)p(t)=n=−∞∑+∞δ(t−nTs)
当然，研究一个信号，要分别从时域和频域入手，因此，下面我们看看p(t)p(t)p(t)的频域。对它做傅里叶变换，由于我们在上一篇blog中已经计算了周期信号的傅里叶变换，因此：F[p(t)]=2Π∑k=−∞+∞ckδ(ω−kω0)\mathscr{F}[p(t)] = 2Π\sum_{k=-∞}^{+∞}c_kδ(ω - kω_0) F[p(t)]=2Πk=−∞∑+∞ckδ(ω−kω0)
其中，ckc_kck有：ck=1Ts∫−Ts2+Ts2p(t)e−jkω0tdtc_k = \frac{1}{T_s}\int_{-\frac{T_s}{2}}^{+\frac{T_s}{2}}p(t)e^{-jkω_0t}dt ck=Ts1∫−2Ts+2Tsp(t)e−jkω0tdt
而注意，我们别忘了，当在区间[−Ts2,+Ts2][-\frac{T_s}{2}, +\frac{T_s}{2}][−2Ts,+2Ts]内，p(t)=δ(t)p(t) = δ(t)p(t)=δ(t)！因此，ckc_kck又可以表示成：ck=1Ts∫−Ts2+Ts2δ(t)e−jkω0tdt=1Tsc_k = \frac{1}{T_s}\int_{-\frac{T_s}{2}}^{+\frac{T_s}{2}}δ(t)e^{-jkω_0t}dt = \frac{1}{T_s} ck=Ts1∫−2Ts+2Tsδ(t)e−jkω0tdt=Ts1
那么，我们就知道了采样脉冲p(t)p(t)p(t)的傅里叶变换了：F[p(t)]=2Π∑k=−∞+∞ckδ(ω−kω0)=2ΠTs∑k=−∞+∞δ(ω−kω0)\mathscr{F}[p(t)] = 2Π\sum_{k=-∞}^{+∞}c_kδ(ω - kω_0) = \frac{2Π}{T_s}\sum_{k=-∞}^{+∞}δ(ω - kω_0) F[p(t)]=2Πk=−∞∑+∞ckδ(ω−kω0)=Ts2Πk=−∞∑+∞δ(ω−kω0)
根据傅里叶变换的结果，采样脉冲的频谱密度就是一系列幅度为2ΠTs\frac{2Π}{T_s}Ts2Π的单位冲激函数的叠加！
1.1 从频域角度分析理想采样
这里直接贴上《深入浅出通信原理》里面的一张大图，清晰明了：
那么我们可以知道，对信号进行理想采样相当于给原模拟信号的频谱做周期性延拓！
二、实际工作中的采样
实际工作中，我们是通过AD转换器进行采样的，常见的是并联比较型A/D转换器：
下面是并联型AD转换器的原理图，如果大家想搞明白所有内部细节，详见我的这篇blog:
【数字电子技术 Digital Electronic Technology 10】—— 数-模和模-数转换
它把参考电平VREFV_{REF}VREF分成了8份，每一份都对应着一个电平区间，然后看我们某一个时刻采样到的模拟信号的电压值是在哪一个区间范围，就给它对应的量化。具体关系如下表所示：
然后这里就有问题了：因为我们刚刚的并联型AD转换器使用的是上升沿触发的D触发器，因此，实际的采样会有一个CLK同步时钟信号，当一个CLK上升沿到来时，进行一个采样，看这个时刻模拟信号f(t)f(t)f(t)的电压值在我们上表的哪一个范围，给它一个数字量，然后，这个数字量会保持CLK的一个周期
我们以下面的图更好地理解一下上面所说的话：
看，实际采样和我们一开始讨论的理想采样确实不一样，具体表现在：**实际采样使用了一个时钟脉冲CLK，而并没有使用冲激函数。另外，实际采样的输出并不是fs(t)=f(t)p(t)f_s(t) = f(t)p(t)fs(t)=f(t)p(t)这样的一系列冲击串，而是f(t)f(t)f(t)在t = nTsnT_snTs的值（而且会持续TsT_sTs）**上面这种实际采样方式，我们称之为"平顶采样”
主要是因为在实际工作做，理想的抽样脉冲是不可能实现的！
三、理想采样与实际采样的关系
既然实际抽样和理想采样的实现方法不一样，那么它们之间到底有什么关系呢？
如上图所示：实际采样完全可以用这个框图模型等价分析！
为什么呢？其实我们看啊，从上面实际采样的图我们发现：直到第三个图，实际采样的步骤都还是完完全全的理想采样的结果，只是最后每一个采样值都会持续TsT_sTs
而我们这个框图里面，脉冲成型的步骤就实现了让每一个nTsnT_snTs处的采样值都能够维持TsT_sTs的时间
因此，分析这个脉冲成型框里面的秘密就显得尤为重要！
我们先来看看经过理想采样之后的输出值，也就是输入“脉冲成型”系统的值：fs(t)=f(nTs)∑n=−∞+∞δ(t−nTs)=∑n=−∞+∞f(nTs)δ(t−nTs)f_s(t) = f(nT_s)\sum_{n=-∞}^{+∞}δ(t - nT_s) = \sum_{n=-∞}^{+∞} f(nT_s)δ(t - nT_s) fs(t)=f(nTs)n=−∞∑+∞δ(t−nTs)=n=−∞∑+∞f(nTs)δ(t−nTs)
下图展示了某一个nTsnT_snTs时刻模拟信号的采样值经过h(t)h(t)h(t)之后的输出。
还记得我们在之前的blog里面提到的吗？我们可以使用单位冲激响应来描述一个系统。而这里的“脉冲成型滤波器”，就是一个系统，我们用h(t)h(t)h(t)来描述它！
那么，不知道大家还记不记得：单位冲激响应的定义？它是单位冲激序列输入系统之后得到的输出
也就是说：单位冲击序列∑t=−∞+∞δ(t)\sum_{t=-∞}^{+∞}δ(t )∑t=−∞+∞δ(t)输入进一个以h(t)h(t)h(t)为单位冲激响应的系统，输出就是h(t)h(t)h(t)
然后，我们再观察输入“脉冲成型滤波器”系统的输入：fs(t)f_s(t)fs(t)：
fs(t)=f(nTs)∑n=−∞+∞δ(t−nTs)=∑n=−∞+∞f(nTs)δ(t−nTs)f_s(t) = f(nT_s)\sum_{n=-∞}^{+∞}δ(t - nT_s) = \sum_{n=-∞}^{+∞} f(nT_s)δ(t - nT_s) fs(t)=f(nTs)n=−∞∑+∞δ(t−nTs)=n=−∞∑+∞f(nTs)δ(t−nTs)
它恰好是许多单位冲击序列的加权和！f(nTs)f(nT_s)f(nTs)就是不同单位冲击序列的权值！
那么，fs(t)f_s(t)fs(t)经过单位冲击响应是h(t)h(t)h(t)的系统，输出就是：y(t)=∑n=−∞+∞fs(nTs)h(t−nTs)=fs(t)∗h(t)y(t) = \sum_{n=-∞}^{+∞} f_s(nT_s)h(t - nT_s) = f_s(t)*h(t)y(t)=n=−∞∑+∞fs(nTs)h(t−nTs)=fs(t)∗h(t)
3.1 从频域角度看实际采样
在正式开始频域分析之前，我们先简单回顾一下时域的情况：y(t)=∑n=−∞+∞fs(nTs)h(t−nTs)=fs(t)∗h(t)y(t) = \sum_{n=-∞}^{+∞} f_s(nT_s)h(t - nT_s) = f_s(t)*h(t)y(t)=n=−∞∑+∞fs(nTs)h(t−nTs)=fs(t)∗h(t)
还记得时域卷积定理吗？两个信号的时域卷积，那么就等价于它们的频域就相乘
即，时域上：y(t)=x(t)∗h(t)y(t) = x(t)*h(t)y(t)=x(t)∗h(t)
频域上：F[y(t)]=F[x(t)]F[h(t)]\mathscr{F}[y(t)] =\mathscr{F}[x(t)]\mathscr{F}[h(t)]F[y(t)]=F[x(t)]F[h(t)]
而F[h(t)]\mathscr{F}[h(t)]F[h(t)]，就是脉冲成型滤波器的频率响应！
下面是脉冲成型滤波器的单位冲激响应：
它其实可以看成是以纵轴为对称轴，周期为TsT_sTs的矩形脉冲延时Ts2\frac{T_s}{2}2Ts得来的：
而大家看到这个以纵轴为对称轴，周期为TsT_sTs的矩形脉冲，是不是感觉特别亲切，它就是我们在之前的blog里面分析过的矩形信号。它的傅里叶变化是：F[x(t)]=Tssinc(Tsf)\mathscr{F}[x(t)] = T_ssinc(T_sf)F[x(t)]=Tssinc(Tsf)
那么，根据时间延迟的傅里叶变换，我们就可以知道：F[x(t−Ts2)]=Tssinc(Tsf)e−jωTs2=Tssinc(Tsf)e−jΠfTs\mathscr{F}[x(t - \frac{T_s}{2})] = T_ssinc(T_sf)e^{-jω\frac{T_s}{2}} = T_ssinc(T_sf)e^{-jΠfT_s}F[x(t−2Ts)]=Tssinc(Tsf)e−jω2Ts=Tssinc(Tsf)e−jΠfTs
因此，我们就求出了脉冲成型滤波器的频率响应啦：F[h(t)]=Tssinc(Tsf)e−jΠfTs\mathscr{F}[h(t)] = T_ssinc(T_sf)e^{-jΠfT_s}F[h(t)]=Tssinc(Tsf)e−jΠfTs
我们知道：信号的频率响应应该包括幅频响应和相频响应
其幅频响应就是：∣F[h(t)]∣=Ts∣sinc(Tsf)∣|\mathscr{F}[h(t)]| = T_s|sinc(T_sf)|∣F[h(t)]∣=Ts∣sinc(Tsf)∣
四、奈奎斯特采样定理
下面是奈奎斯特采样定理：为了从抽样信号里面无失真地恢复原信号，要求采样频率fsf_sfs必须要大于2倍原信号的最高频率fmaxf_{max}fmax，即：fs>2fmaxf_s > 2f_{max}fs>2fmax
当fs>2fmaxf_s > 2f_{max}fs>2fmax的情况我就不画出来了，主要是想看看当fs=fmaxf_s = f_{max}fs=fmax的情况：
现在有一个f = 5Hz的余弦波，我们以fs=10Hzf_s = 10Hzfs=10Hz的频率采样，下面来看看两种情况：
我们发现，如果是如果恰好是右边那幅图的情况，那么想要无失真地恢复原信号是不可能的了
因此，我们的采样频率fsf_sfs必须大于2fmax2f_{max}2fmax
4.1 频率混叠现象
我们如果有一个频率为f=5Hzf = 5Hzf=5Hz的信号，如果以fs=8Hzf_s = 8Hzfs=8Hz的采样频率，那么采样点分布如下图：
到底能不能正确地恢复出原来的模拟信号呢？至少现在看起来，y = cos(2* pi * 5*t)是经过这些采样点的，但是你知道吗：y = cos(2 * pi * 3 * t)也完全经过这些采样点！！
上图中的绿色曲线就是频率为3Hz的余弦波，那么，我们以fs=8Hzf_s = 8Hzfs=8Hz的频率采样，恢复出来的应该是3Hz的余弦波而不是原来5Hz的余弦波。
因此，在以小于2倍fmaxf_{max}fmax频率下采样出现的这种现象就叫做频率混叠
另外，我们还有一个结论：
以采样频率fsf_sfs对kfs±fkf_s ± fkfs±f的信号进行采样，采样的结果是无法区分的！也就是说，采样点都是在一个位置，但是恢复出原波形的话，kfs±fkf_s ± fkfs±f这些频率里面哪一种都有可能。
【证明】：
原信号频率为：fcf_cfc，采样频率为：fsf_sfs，因此，采样的时间间隔就是Ts=1fsT_s = \frac{1}{f_s}Ts=fs1
对于我们的模拟信号：y=cos(2pifct)y = cos(2pif_ct)y=cos(2pifct)，第n次采样的值是：cos(2pifcnfs)cos(2pif_c\frac{n}{f_s})cos(2pifcfsn)
而如果信号频率是：kfs±fckf_s ± f_ckfs±fc，那么第n次采样的值就是：cos[2pi(kfs±fc)nfs]=cos(2pikfs±2pifcnfs)=cos(2pifcnfs)cos[2pi(kf_s±f_c)\frac{n}{f_s}] = cos(2pikf_s ±2pif_c\frac{n}{f_s}) = cos(2pif_c\frac{n}{f_s})cos[2pi(kfs±fc)fsn]=cos(2pikfs±2pifcfsn)=cos(2pifcfsn)
频率混叠的现象推广到复信号
在复信号下，也是一样的，以fsf_sfs的采样频率对模拟信号采样，分辨不出原信号的频率是fcf_cfc还是kfs+fckf_s + f_ckfs+fc
【证明】：复信号是：ej2Πfct=cos(2Πfct)+jsin(2Πft)e^{j2Πf_ct} = cos(2Πf_ct) + jsin(2Πf_t)ej2Πfct=cos(2Πfct)+jsin(2Πft)
在第n个采样时刻所采样的值是：cos(2Πfcnfs)+jsin(2Πfcnfs)cos(2Πf_c\frac{n}{f_s}) + jsin(2Πf_c\frac{n}{f_s}) cos(2Πfcfsn)+jsin(2Πfcfsn)
如果复信号的频率是：kfs+fckf_s+f_ckfs+fc，那么第n个采样时刻所采样的值是：cos[2Π(kfs+fc)nfs]+jsin[2Π(kfs+fc)nfs]=cos(2Πfcnfs)+jsin(2Πfcnfs)cos[2Π(kf_s+f_c)\frac{n}{f_s}] + jsin[2Π(kf_s+f_c)\frac{n}{f_s}]\\ =cos(2Πf_c\frac{n}{f_s}) + jsin(2Πf_c\frac{n}{f_s}) cos[2Π(kfs+fc)fsn]+jsin[2Π(kfs+fc)fsn]=cos(2Πfcfsn)+jsin(2Πfcfsn)
上面从公式上证明了，下面我们以图像的形式直观地来看看：
我们以fc=5Hzf_c = 5Hzfc=5Hz，采样频率fsf_sfs先是8Hz来看看对复指数信号的采样情况：
既然模拟信号是fc=5Hzf_c = 5Hzfc=5Hz，即旋转向量（复指数信号我们都可以看成是旋转向量，f>0f >0f>0表示逆时针旋转，f<0f < 0f<0表示顺时针旋转）一秒钟转5圈。而我们的采样时间间隔是：1Ts=18\frac{1}{T_s} = \frac{1}{8}Ts1=81，因此，在一个采样时间间隔内，旋转向量会转过58\frac{5}{8}85圈
因此，每一个时刻的采样点就很容易可以标记出来：
下面，我们看看当模拟信号的频率变成：kfs+fckf_s + f_ckfs+fc的情况，采样点是不是还是一样的：
当k = -1时，fc=−fs+fc=−3Hzf_c = -f_s + f_c = -3Hzfc=−fs+fc=−3Hz，旋转向量顺时针旋转。
一秒钟旋转3圈，因此在一个采样时间间隔下，旋转向量旋转：38\frac{3}{8}83圈：
我们发现，采样点在对应时刻的位置是完全一样的，对应其他k的情况也是一样。
4.2 折叠频率
在学习折叠频率之前，我们先回顾两件事情：
- 对原信号以采样频率fsf_sfs进行采样，在频域上相当于把原信号的频谱按以fsf_sfs为周期，进行周期延拓
- 以fsf_sfs的采样频率对信号进行采样，那么fcf_cfc和kfs+fckf_s +f_ckfs+fc会发生频率混叠（不管是不是满足奈奎斯特采样定理！）【当然原频率是−fc-f_c−fc的情况类似对应为:kfs−fckf_s -f_ckfs−fc】
那么，象征性地把频率为fc,kfs+fcf_c, kf_s +f_cfc,kfs+fc的点画在一幅图上：
黄色区域是属于区间[−fs2,+fs2][-\frac{f_s}{2}, +\frac{f_s}{2}][−2fs,+2fs]的，我们可以知道，所有处在黄色区间外面的频率，最终都会和fff或者是−f-f−f发生频率混叠，就是说所有在区间[−fs2,+fs2][-\frac{f_s}{2}, +\frac{f_s}{2}][−2fs,+2fs]外的频率kfs±fkf_s ±fkfs±f最终在恢复模拟信号的时候都会被认为是频率fff！
换句话说，任何处于区间外面的频率，都会被折叠到区间[−fs2,+fs2][-\frac{f_s}{2}, +\frac{f_s}{2}][−2fs,+2fs]上。
因此，fs2\frac{f_s}{2}2fs也叫做折叠频率
所以，我们就需要被采样的模拟信号的最大频率fmaxf_{max}fmax必须小于折叠频率fs2\frac{f_s}{2}2fs，这样才不会发生频率混叠，即：fmax<fs2f_{max} < \frac{f_s}{2}fmax<2fs
这也从另外一个角度证明了奈奎斯特采样定律的正确性！
所以，在正式采样之前，我们需要让模拟信号通过一个滤波器：抗混叠滤波器，来把所有大于fs2\frac{f_s}{2}2fs的频率全部过滤掉【抗混叠滤波器是一个低通滤波器，截止频率为fs2\frac{f_s}{2}2fs】
五、如何由采样信号恢复出模拟信号
上面聊完了采样的过程，下面我们来看看如何从采样信号恢复出模拟信号：
5.1 理想采样恢复模拟信号
首先，我们知道在时域上，理想采样得到的信号是：fs(t)=f(t)p(t)f_s(t) = f(t)p(t)fs(t)=f(t)p(t)，而频域如下右图所示：
如何从fs(t)f_s(t)fs(t)恢复出原信号？答案是我们需要将fs(t)f_s(t)fs(t)通过一个低通滤波器！
我们先从频域角度分析，先来看看我们需要的低通滤波器的频率响应：
那么，我们恢复出的模拟信号（这里用f(t)f(t)f(t)表示）的频谱密度为：F(ω)=Fs(ω)G(ω)F(ω) = F_s(ω)G(ω)F(ω)=Fs(ω)G(ω)
也就是理想采样信号的频谱密度和低通滤波器的频谱密度相乘的结果！F(ω)F(ω)F(ω)如下图所示：
再经过傅里叶逆变换就可以得到模拟信号了！
下面从时域上看看这个过程：根据傅里叶变换的对称性可知，矩形信号的傅里叶变换是sinc函数，sinc函数的傅里叶变换是矩形信号。因此，上面低通滤波器的频率响应的傅里叶变换就是sinc函数：
而频域相乘相当于时域卷积，因此，在时域上，我们把fs(t)f_s(t)fs(t)和这个sincsincsinc函数卷积，就可以得到时域上的模拟信号了。
【那么，如何理解时域上的卷积呢？】这又要回到我们一开始卷积的特性上了：一个信号与单位冲激响应做卷积，结果还是它自己！即：f(t)∗δ(t)=f(t)f(t)*δ(t) = f(t)f(t)∗δ(t)=f(t)；f(t)∗δ(t−t0)=f(t−t0)f(t)*δ(t-t_0) = f(t-t_0)f(t)∗δ(t−t0)=f(t−t0)
这是一方面，另一方面：时域上，低通滤波器的那个sinc函数代表什么？这个sinc函数就是低通滤波器的单位冲激响应。这又要回到我们一开始对单位冲激响应的定义了：一个单位冲激序列输入进一个系统，系统的输出就是单位冲激响应。，那么，这个sinc函数就是单位冲激输入进低通滤波器之后的输出！
结合上我们的第一个角度，我们就能够理解下面的图：
不同时刻，单位冲激响应的叠加，就构成了最终我们的模拟信号！
5.2 实际采样（平顶采样）恢复出模拟信号
上面所讲的是理想采样的情况，回顾一下实际采样的原理框图：
时域上：fs(t)=f(t)p(t)f_s(t) = f(t)p(t)fs(t)=f(t)p(t)，接着：y(t)=fs(t)∗h(t)y(t) = f_s(t)*h(t)y(t)=fs(t)∗h(t)
频域上：由时域卷积定理可知：Y(ω)=Fs(ω)H(ω)(1)Y(ω) = F_s(ω)H(ω)\tag{1}Y(ω)=Fs(ω)H(ω)(1)
【Y代表实际采样的输出】
而我们在上一节所了解到，恢复理想采样信号，是将fs(t)f_s(t)fs(t)做傅里叶正变换，再输入一个低通滤波器，最后经过傅里叶逆变换得到模拟信号。也就是说在频域上：F(ω)=Fs(ω)G(ω)(2)F(ω) = F_s(ω)G(ω)\tag{2}F(ω)=Fs(ω)G(ω)(2)
那么，对比（1),(2)式，我们就很容易发现，要从实际采样信号恢复模拟信号，我们需要让对实际采样输出信号通过一个频率响应为：1H(ω)\frac{1}{H(ω)}H(ω)1的滤波器，这样一来信号的频谱密度就变成了Fs(ω)F_s(ω)Fs(ω)，后面就是一样的：再让它经过低通滤波器，就可以得到模拟信号的频谱了。
下面贴上理想采样信号恢复和实际采样信号恢复的过程图：
【1】理想情况：
【2】实际情况：
注意：如果在接收端不用频率响应为1H(ω)\frac{1}{H(ω)}H(ω)1的滤波器对平顶抽样信号的频谱进行滤波，而是直接通过理想低通滤波器进行滤波，则恢复出来的模拟信号会出现失真，这种失真被称为“孔径失真”。
六、通带采样定理
大家注意到了吗：我们在上面所讨论的采样，信号的频谱分布都是有低频成分的，这样一来我们使用截止频率为 2B2B2B的LPF就可以完全恢复出原始信号。可是，如果对于数字载波调制的传输系统而言，信号是被搬到了一个更高的频率上。而没有低频成分，如果此时再用2倍带宽的 LPF 去滤波是非常不现实的。因此就有了 “带通抽样”。
首先我们可以分为两种情况：
【1】经过搬移后的高频信号，其最大频率 fHf_HfH 恰好是信号带宽 BBB 的整数倍。即：fH=nBf_H = nBfH=nB（nnn为整数）。如下图所示：假设 fH=3Bf_H = 3BfH=3B，那么其实我们可以选取采样频率 fs=2Bf_s = 2Bfs=2B，再经过一个带通滤波器就可以完全恢复了。（大家注意到了吗：其实我们并没有令 fH=2fHf_H = 2f_HfH=2fH）
【2】fHf_HfH 不是 B 的整数倍。不过我们此时依然是可以分解成：fH=nB+pBf_H = nB + pBfH=nB+pB
此时，nnn 是整数，ppp是小数。就比如说：13.413.413.4不是 444的整数倍，但是我们仍然可以做这样的分解：13.4=3×4+0.35×413.4 = 3\times 4 + 0.35\times 413.4=3×4+0.35×4
那么，我们给出结论：对于这种情况，我们的抽样频率就可以表示为：fs=2B(1+pn)f_s = 2B(1 + \frac{p}{n})fs=2B(1+np)
由于 0≤p<10≤p<10≤p<1，故我们可以得到：2B≤fs<4B2B≤f_s<4B2B≤fs<4B。即无论信号的最高频率取值多大，都可以将无失真恢复原来信号的采样频率限定在范围 2B2B2B~4B4B4B之间.
【通信原理 入坑之路】—— 仔细聊聊关于“采样”的那点事儿相关推荐
- 【通信原理 入坑之路】—— 信号的包络分析2 包络分析的意义以及OQPSK调制的引入
本篇 B l o g Blog Blog 是接上一篇未完的分析而作的,主要是继续深入理解信号包络以及包络的意义.同时,本篇 B l o g Blog Blog 是<深入浅出通信原理>的学习 ...
- 【通信原理 入坑之路】—— 详解IQ调制以及星座图原理
写在前面:本博客是<深入浅出通信原理>的学习笔记,仅供个人学习参考使用 文章目录 一. IQ调制与解调的原理与过程 1.1 利用旋转向量理解IQ调制(正交调制) 1.2 利用旋转向量理解I ...
- 【通信原理 入坑之路】—— 理解 4G，5G中的天王山：OFDM【学习笔记4】
今天将要讨论的部分个人感觉非常绕,博主也是在阅读了大量相关书籍和文献之后才有所体悟.如有表述不当之处欢迎大家在评论区斧正! 在上一篇博文中,我们知道串并转换使得OFDM的符号速率降低了,可是总体符号传 ...
- 【通信原理 入坑之路】——深入、详细地理解通信里面“卷积”概念
文章目录 一.多项式乘法和"卷积" 二."卷积"的计算公式 2.1 实例:利用卷积计算两个信号相乘 三.卷积的生动理解 3.1 卷积能够用来解决什么问题? 3. ...
- 【通信原理 入坑之路】——信息论部分 之 离散无记忆信源的等长编码
课本上的讲解公式实在是太多啦!看得人头大,那么本文试图从繁杂的公式中梳理一下几种等长编码的方法,并在最后给出一些解题技巧.我们开始吧! 文章目录 离散无记忆信源的等长编码 1.1 单符号等长编码 1. ...
- 【通信原理 入坑之路】—— 信息论部分 离散无记忆信源的不等长编码 之 霍夫曼编码过程详解
还记得在上一篇博客中,我们讨论的离散无记忆信源的等长编码吗,我们最后得到的结论是 -- 如果使用等长编码,那么对典型序列编码的编码效率是最高的.然而,要满足较高的编码效率,同时还要保证误码率的情况下, ...
- 【通信原理 入坑之路】—— 模拟信号的数字编码 之 PCM编码（A律13折线和μ律15折线的编译码剖析）
引言: 在我们的数字通信系统中,一般要发送的绝大多数都是模拟信号.而所谓数字通信,传递的就应该是数字信号.因此,我们首先要对这个待发送的模拟信号进行采样(这在我之前<信号与系统>的相关博客 ...
- 【通信原理 入坑之路】—— 数字载波传输系统 之 2PSK（二进制相移键控）2ASK（二进制幅度键控）的超详细分析
在之前的文章里面,我们讨论过数字基带传输系统,他们指的是传输二进制脉冲成型信号.然而,在绝大部分场合,我们需要将数字基带信号装载到高频载波上(也就是我们所说的调制),通过天线等将高频波发射出去.这就是 ...
- 强化学习入坑之路04
强化学习入坑之路04 今天继续强化学习的学习,这些内容的学习主要参考了李宏毅的强化学习教程,在此基础上加入了个人的理解和总结.好,废话少说下面开始进入正题. 1.Q-learning(DQN) Sta ...
- 从小白到迷茫菜鸟的IT入坑之路
从接触IT到现在,大概有两年的时间了,从想着写技术博客开始到现在也差不多有半年时间了,本来想着是先写计算机多操作系统的安装.但是,无奈,太懒了,还是写写自己的入坑之路吧!没准对想入门的小白学弟学妹有帮 ...
最新文章
- abaqus高性能服务器怎么用,高性能计算平台ABAQUS任务调度使用说明作者陈林E-Mailchenlin.PDF...
- 如何在本地安装tomcat、jdk并且配置tomcat环境变量（window7）
- virtualbox 创建桥接网络_VirtualBox桥接网络的简单配置，让虚拟机直接访问网络
- DSP集成开发工具CCS的Git工具使用说明（三）
- linux sqlite图形工具,Linux操作系统下的几款svn gui工具介绍
- pass在python中啥意思_python3中的pass是什么意思
- java str2date,java date类与string类实例代码分享
- 移动端设备常用尺寸笔记
- python生成泊松分布随机数_Python Numpy random.poisson() 泊松分布
- 如何修改tomcat项目的图标
- HDU 5183 Negative and Positive (NP)
- 20145307《信息安全系统设计基础》第二周学习总结
- 实现一个简单的类似spring的pointcut正则表达式
- php怎么eclipse打开,PHPEclipse的安装和使用
- typora免费将图片上传到CSDN
- linux系统进去是guest用户t,ubuntu普通用户变为root用户后，只能guest身份进系统（linux的权限问题）...
- Android开发之打卡功能
- 【蓝桥杯备战】Day03
- 抓取淘宝天猫的商品的促销价格
- 杰理之优化电脑长时间播放没声音【篇】