深入浅出通信原理2021-03-07
系列文章目录
文章目录
- 系列文章目录
- 复指数信号
- 一、复指数信号的物理意义
- 二、余弦信号和正弦信号的三维频谱图
- 余弦信号
- 正弦信号
- 三.周期信号的三维频谱图
- 四.复数乘法的几何意义
- 五.利用李萨育图形认识复信号
- 六.实信号和复信号的波形对比
- 总结
复指数信号
一、复指数信号的物理意义
回想一下之前讲过的用复指数信号表示f(t)=coswtf(t)=\cos wtf(t)=coswt和f(t)=sinwtf(t)=\sin wtf(t)=sinwt,
f(t)=coswt=12ejwt+12e−jwtf(t)=\cos wt=\frac{1}{2}e^{jwt}+\frac{1}{2}e^{-jwt}f(t)=coswt=21ejwt+21e−jwt
f(t)=sinwt=12ejwt−12e−jwtf(t)=\sin wt=\frac{1}{2}e^{jwt}-\frac{1}{2}e^{-jwt}f(t)=sinwt=21ejwt−21e−jwt
我们会发现会出现负的频率(-w),一般来说,频率都是正的,如我们经常说市电的频率是50Hz而不说-50Hz,应该如何理解ejwte^{jwt}ejwt的物理意义呢?
先看看ejwte^{jwt}ejwt的物理意义:ejwt=coswt+jsinwte^{jwt}=\cos{wt}+j\sin{wt}ejwt=coswt+jsinwt表示一个初始相位为零的单位旋转向量,该向量的模为1,在实轴上的投影为coswt\cos{wt}coswt,在虚轴上的投影为sinwt\sin{wt}sinwt。
这一点在很多书中都会提到,但是讲傅里叶变换时很少有书将复指数的物理意义联系起来。
加上时间轴t,我们来看旋转向量的三维图:
注:x轴为实轴,y轴为虚轴。
旋转向量在x-y面的投影:
旋转向量在x-t平面的投影:
旋转向量在y-t平面的投影:
ejwte^{jwt}ejwt中的w为正值时,向量逆时针旋转;w为负值时,向量顺时针旋转。这就解释了负频率的物理意义:正频率代表向量逆时针旋转,负频率代表向量顺时针旋转。
二、余弦信号和正弦信号的三维频谱图
前面我们了解了复指数的物理意义,接下来我们来以余弦信号为例,具体地分析,从而加深对复指数信号物理意义的理解。
余弦信号
f(t)=cosw0t=12ejw0t+12e−jw0tf(t)=\cos{w_0t}=\frac{1}{2}e^{jw_0t}+\frac{1}{2}e^{-jw_0t}f(t)=cosw0t=21ejw0t+21e−jw0t
频谱图:
结合复指数的物理意义,我们可以将幅度-频谱图和相位频谱图画在同一张三维的频谱图中,这样我们就可以把傅里叶系数看得清楚些:x轴为实数轴,y轴为虚数轴,z轴为频率轴,所有初始位置的向量构成了信号的复傅里叶系数。
f(t)=cosw0tf(t)=\cos{w_0t}f(t)=cosw0t的三维频谱图:
t=0时刻,两个向量的位置如上图所示,这两个向量的位置就是f(t)=cosw0tf(t)=\cos{w_0t}f(t)=cosw0t的复傅里叶系数,之后w=w0w=w_0w=w0处的向量以w0w_0w0的角速度逆时针旋转,w=−w0w=-w_0w=−w0处的向量以w0w_0w0的角速度顺时针旋转,两向量合成的信号就是余弦信号,如图所示:
注意t=0时刻,两向量的初始位置位于实轴上,也就是说f(t)=cosw0tf(t)=\cos{w_0t}f(t)=cosw0t的复傅里叶系数是实数。
正弦信号
f(t)=sinw0tf(t)=\sin{w_0t}f(t)=sinw0t的三维频谱图:
f(t)=sinw0t=j2ejw0t−j2e−jw0tf(t)=\sin{w_0t}=\frac{j}{2}e^{jw_0t}-\frac{j}{2}e^{-jw_0t}f(t)=sinw0t=2jejw0t−2je−jw0t
t=0时刻,两向量的位置如上图所示,这两个向量就是f(t)=sinw0tf(t)=\sin{w_0t}f(t)=sinw0t的复傅里叶系数,后w=w0w=w_0w=w0处的向量以w0w_0w0的角速度逆时针旋转,w=−w0w=-w_0w=−w0处的向量以w0w_0w0的角速度顺时针旋转,两向量合成的信号就是正弦信号,如图所示:
注意:t=0时刻,两向量的初始位置不在实轴上,也就是说f(t)=sinw0tf(t)=\sin{w_0t}f(t)=sinw0t的复傅里叶系数是虚数。
三.周期信号的三维频谱图
前面我们以f(t)=coswtf(t)=\cos{wt}f(t)=coswt和f(t)=sinwtf(t)=\sin{wt}f(t)=sinwt为例,解释了复傅里叶分解的物理意义,接下来我们看一下一般的周期信号复傅里叶分解的物理意义。
复指数形式的傅里叶系数展开式:
f(t)=∑k=−∞∞ckejkw0tf(t)=\sum^{\infty}_{k=-\infty}{}c_ke^{jkw_0t}f(t)=∑k=−∞∞ckejkw0t
可以将f(t)理解为一系列旋转向量的合成信号,初始位置的各旋转向量就是复傅里叶系数ckc_kck。
蓝色向量就是t=0时刻的旋转向量,即f(t)的复傅里叶系数。
注意:上面三维频谱图对应的f(t)是个实信号,其三维频谱图中正频率部分的向量和负频率部分的向量共轭对称。
注意:
1、由于初始相位关于实轴对称,旋转角速度相同,旋转方向相反,合并后的旋转向量只在实轴上有分量,在虚轴上没有分量。得到这样的结论是因为:我们分析的信号本身是实信号。
2、正负频率对应的复傅立叶系数合并,是向量相加,不是简单的幅度相加。
四.复数乘法的几何意义
在复指数形式的傅里叶级数展开式中:ckejkwtc_ke^{jkwt}ckejkwt为展开后的基本项,如何理解这些基本的项呢:
ckc_kck为虚数,ejkiwte^{jkiwt}ejkiwt也为虚数,这些基本项就相当于是两个虚数相乘。
下面我们来了解一下虚数相乘的几何意义:
考虑两个一般的复数z1,z2z_1,z_2z1,z2,假定:
z1=r1ejΘ1=r1(cosΘ1+jsinΘ1)z_1=r_1e^{j\Theta_1}=r_1(\cos{\Theta_1}+j\sin{\Theta_1})z1=r1ejΘ1=r1(cosΘ1+jsinΘ1)
z2=r2ejΘ2=r2(cosΘ2+jsinΘ2)z_2=r_2e^{j\Theta_2}=r_2(\cos{\Theta_2}+j\sin{\Theta_2})z2=r2ejΘ2=r2(cosΘ2+jsinΘ2)
则z1z2=r1(cosΘ1+jsinΘ1)⋅r2(cosΘ2+jsinΘ2)=r1r2(cosΘ1+jsinΘ1)(cosΘ2+jsinΘ2)=r1r2[(cosΘ1cosΘ2−sinΘ1sinΘ2)+j(cosΘ1sinΘ2+sinΘ1cosΘ2)]=r1r2[cos(Θ1+Θ2)+jsin(Θ1+Θ2)]=r1r2eΘ1+Θ2z_1z_2=r_1(\cos{\Theta_1}+j\sin{\Theta_1})\cdot r_2(\cos{\Theta_2}+j\sin{\Theta_2})=r_1r_2(\cos{\Theta_1}+j\sin{\Theta_1})(\cos{\Theta_2}+j\sin{\Theta_2})=r_1r_2[(\cos{\Theta_1}\cos{\Theta_2}-\sin{\Theta_1}\sin{\Theta_2)+j(\cos{\Theta_1}\sin{\Theta_2}+\sin{\Theta_1} \cos{\Theta_2} )}]=r_1r_2[\cos{(\Theta_1+\Theta_2)}+j\sin{(\Theta_1+\Theta_2)}]=r_1r_2e^{\Theta_1+\Theta_2}z1z2=r1(cosΘ1+jsinΘ1)⋅r2(cosΘ2+jsinΘ2)=r1r2(cosΘ1+jsinΘ1)(cosΘ2+jsinΘ2)=r1r2[(cosΘ1cosΘ2−sinΘ1sinΘ2)+j(cosΘ1sinΘ2+sinΘ1cosΘ2)]=r1r2[cos(Θ1+Θ2)+jsin(Θ1+Θ2)]=r1r2eΘ1+Θ2
总结:两复数相乘,积的模等于各复数模的积,积的辐角等于各复数辐角的和。
在复平面上,复数对应向量,上面的表述可以转换为:两个向量相乘,积的模等于各向量模的积,积的辐角等于各向量辐角的和。
具体到:ckejkwtc_ke^{jkwt}ckejkwt就是:
ckc_kck是一个一般向量,
ejkiwte^{jkiwt}ejkiwt初始位置位于实轴上,模为1,旋转角速度为kw0kw_0kw0的旋转向量。
两个向量相乘得到的是:以ckc_kck代表的向量为初始位置,模为∣ck∣|c_k|∣ck∣,旋转角速度为kw0kw_0kw0的旋转向量,如下图所示,ckc_kck代表的向量记为f,Θ=kw0t\Theta=kw_0tΘ=kw0t
t=0时刻,ckejkw0tc_ke^{jkw_0t}ckejkw0t就是向量f(黑色);
t时刻,ckejkw0tc_ke^{jkw_0t}ckejkw0t旋转到红色向量位置。
五.利用李萨育图形认识复信号
通过前面的讲解,使我们对实信号有了一定的认识,那么如何理复信号呢?
我们回忆一下物理中学过的李萨如图:当我们使用互相成谐波频率关系的两个信号分别作为X和Y偏转信号送入示波器时,这两个信号分别在X轴、Y轴方向同时作用于电子束而描绘出稳定的图形,这些稳定的图形就叫“李萨育图形”,如下图所示:
第一个图:x=cos(2πft)x=\cos(2\pi ft)x=cos(2πft),y=sin(2πft)y=\sin(2\pi ft)y=sin(2πft)
电子波束在平面上的运动轨迹:f(t)=cos(2πft)+jsin(2πft)=e2πftf(t)=\cos(2\pi ft)+j\sin(2\pi ft)=e^{2\pi ft}f(t)=cos(2πft)+jsin(2πft)=e2πft
是我们很熟悉的旋转向量,实际上就是一个复信号,不仅在x轴上有分量,在y轴上也有分量。
第一个图:x=cos(2πft)x=\cos(2\pi ft)x=cos(2πft),y=sin(4πft)y=\sin(4\pi ft)y=sin(4πft)
电子波束在平面上的运动轨迹:f(t)=cos(2πft)+jsin(4πft)=e2πftf(t)=\cos(2\pi ft)+j\sin(4\pi ft)=e^{2\pi ft}f(t)=cos(2πft)+jsin(4πft)=e2πft第一个图:x=cos(2πft)x=\cos(2\pi ft)x=cos(2πft),y=sin(6πft)y=\sin(6\pi ft)y=sin(6πft)
电子波束在平面上的运动轨迹:f(t)=cos(2πft)+jsin(6πft)=e2πftf(t)=\cos(2\pi ft)+j\sin(6\pi ft)=e^{2\pi ft}f(t)=cos(2πft)+jsin(6πft)=e2πft第一个图:x=cos(2πft)x=\cos(2\pi ft)x=cos(2πft),y=sin(8πft)y=\sin(8\pi ft)y=sin(8πft)
电子波束在平面上的运动轨迹:f(t)=cos(2πft)+jsin(8πft)=e2πftf(t)=\cos(2\pi ft)+j\sin(8\pi ft)=e^{2\pi ft}f(t)=cos(2πft)+jsin(8πft)=e2πft第一个图:x=cos(2πft)x=\cos(2\pi ft)x=cos(2πft),y=sin(10πft)y=\sin(10\pi ft)y=sin(10πft)
电子波束在平面上的运动轨迹:f(t)=cos(2πft)+jsin(10πft)=e2πftf(t)=\cos(2\pi ft)+j\sin(10\pi ft)=e^{2\pi ft}f(t)=cos(2πft)+jsin(10πft)=e2πft
附:画出李萨育图形的matlab程序:
for f=1 :5 ;
t=0:0.001:1000;
x= cos (2*pi*t);
y= sin (2*pi*f*t) ;
subplot(1,5,f) ;plot(x,y) ;
axis equal;
axis off;
end;
六.实信号和复信号的波形对比
在下面两张图中:x轴(实轴)、y轴(虚轴)所在的平面是复平面,t轴(时间轴)垂直于复平面。
实信号f(t)=cos(2πt)的波形图:
复信号f(t)=cos(2πt)+jsin(2πt)的波形图:
对比这两张图,很容易得出:实信号在复平面上投影时只有实轴方向有分量,而复信号在复平面上投影时实轴和虚轴方向都有分量。
Matlab程序:
t=0:0.001:10;
x=cos(2*pi*t);
subplot(2,1,1);plot3(x,t,0*t);
set(gca,'YDir','reverse');
grid on;x=cos(2*pi*t) ;
y=sin(2*pi*t) ;
subplot(2,1,2);plot3(x,t,y);
set(gca,'YDir','reverse');
grid on;
李萨育图形中的第2张图:
t=0:0.001:10;
x=cos(2*pi*t) ;
y=sin(4*pi*t) ;
plot3(x,t,y);
set(gca,'YDir','reverse');
grid on;
<hr style=" border:solid; width:100px; height:1px;" color=#000000 size=1">
总结
首先分析实信号分解成复信号的过程,然后分析补充了一些关于复数的知识,引出复信号,将实信号与复信号进行对比,通过画图直观形象地展示了复信号的概念,为接下来的分析做好准备。
深入浅出通信原理2021-03-07相关推荐
- 深入浅出通信原理连载41-70(Python代码版)
目录 深入浅出通信原理Python代码版 码元(Symbol)详解 BPSK旋转向量理解 PSK=映射+调制 调制解调与傅里叶级数展开 矩形波的复傅立叶级数 离散谱推广到连续谱 各种有用的频谱指标 深 ...
- 深入浅出通信原理2021-03-03
系列文章目录 第一章 深入浅出通信原理之卷积 第二章 深入浅出通信原理之傅里叶变换 文章目录 系列文章目录 傅里叶变换 一.信号的傅里叶级数展开 二.时域信号相乘相当于频域卷积 三.用余弦信号合成方波 ...
- python 通信系统仿真_深入浅出通信原理连载22-40(Python代码版)
深入浅出通信原理Python代码版 深入浅出通信原理是陈爱军的心血之作,于通信人家园连载,此处仅作python代码笔记训练所用 陈老师的连载从多项式乘法讲起,一步一步引出卷积.傅立叶级数展开.旋转向量 ...
- 深入浅出通信原理连载1-21(Python代码版)
目录 深入浅出通信原理Python代码版 连载1:从多项式乘法说起 连载2:卷积的表达式 连载3: Python计算卷积 连载4:将信号表示成多项式的形式 连载5:欧拉公式证明 理解复数 连载6:利用 ...
- 《深入浅出通信原理》参考资料
陈爱军老师神贴--深入浅出通信原理 原址 我在编写<深入浅出通信原理>时查阅过的一些书籍及资料. 其中有一些是回帖的同学推荐给我的书,买了之后一看,确实很不错,欢迎大家继续推荐. 后续我会 ...
- python频域三维图_深入浅出通信原理连载1-21(Python代码版)
深入浅出通信原理Python代码版 深入浅出通信原理是陈爱军的心血之作,于通信人家园连载,此处仅作python代码笔记训练所用 陈老师的连载从多项式乘法讲起,一步一步引出卷积.傅立叶级数展开.旋转向量 ...
- 深入浅出通信原理(Python代码版)
深入浅出通信原理Python代码版 深入浅出通信原理是陈爱军的心血之作,于通信人家园连载,此处仅作python代码笔记训练所用 陈老师的连载从多项式乘法讲起,一步一步引出卷积.傅立叶级数展开.旋转向量 ...
- 《深入浅出通信原理》学习笔记(目录)
本系列文章整理<深入浅出通信原理>的各个帖子,并附上我个人的一些学习心得.鉴于原帖比较零碎,我将按照各知识点的连贯性,将几个帖子(5个左右)放在一篇文章中介绍. 原帖链接: 1,总链接 ...
- 《深入浅出通信原理》阅读引导
1.通信原理概述 1.1.什么是通信(通俗的来说什么是通信?a40) 1.1.1.广义的通信(广义的通信的定义b40)(广义的通信的举例c40) 1.1.2.狭义的通信(狭义的通信包括哪些方面?a41 ...
最新文章
- mysql事务的4大特性
- 2015年10月15日作业
- Trie的C++实现及HDU1251,hdu1671
- mysql grou平by_MySQL group by对单字分组序和多字段分组的方法讲解
- loadrunner11安装,提示少了Microsoft Visual c++2005 sp1运行时组件解决办法
- js中比较到期时间和当前时间
- Linux查看磁盘块大小
- 简明Github使用教程(桌面客户端与网页版)
- 数据分析师——软件篇
- arcmap新手教程_ArcGIS入门教程来袭,零基础的同学快看过来!
- STM32之UART、RS232、RS485通讯
- [视频基础]流媒体码流、分辨率、采样率、比特率、gop、qp、fps、cvbr概念理解
- windows升级卡在配置更新96%
- LSTM长短记,长序依赖可追忆(深度学习入门系列之十四)
- 叮当健康明日港股上市:拟募资3.4亿港元 单季期内亏损4亿
- 最好的在线PDF转换工具服务
- java 随机发牌_java实现扑克牌发牌器
- 误删了win10下面的winsock和winsock2
- erp系统的服务器在哪里的,erp系统使用的云服务器
- 【敏捷办公学习必备软件推荐】