绝对相移和相对相移的区别

在信号处理和通信工程中，相位是描述信号周期性变化的重要参数。绝对相移和相对相移是对信号相位变化的两种不同的描述方式。

1. **绝对相移**（Phase Shift）：
绝对相移是指信号的原始频率或波形中心线相对于某个固定参考点（通常为零电平或正弦波的正峰）的偏移。它是无参考系的，也就是说，如果你只说一个信号有50度的相位偏移，没有提到相对于什么信号进行的偏移，那么这个50度就是相对于理想正弦波的绝对值。

2. **相对相移**（Relative Phase Shift）：
相对相移则是指两个或多个信号之间的相位差，它们通常都是相对于同一个共同的参考点。例如，当你比较两个信号的相位时，可能会说第一个信号比第二个信号早了90度，这种相位差是相对于这两个信号之间的共同起点而言的。

总结来说，绝对相移关注的是单个信号自身的相位位置，而相对相移则关注的是两个或更多信号之间相位关系的比较。

相关问题

qpsk和dpsk的区别

### QPSK与DPSK的工作原理

正交相位键控（QPSK）通过使用四个不同的相位状态来编码两个比特的信息，这些相位状态位于星座图上的四个位置。每个符号可以携带两位数据，从而提高了频谱效率[^2]。

差分相移键控（DPSK），则基于前后相邻符号间的相对相位变化而非绝对相位值来进行信息传输。这种方式使得接收端无需精确恢复载波信号即可解码消息，增强了系统的鲁棒性和可靠性[^1]。

### 应用场景对比

对于QPSK而言，由于其良好的误码率性能以及较高的功率和频谱效率，在无线通信标准如WiMAX、LTE中有广泛应用。此外，卫星通信也常采用此方法以获得更佳的数据吞吐量。

而DPSK因其不依赖于严格的本地振荡器同步特性，在一些低成本设备或者多普勒效应显著影响下的移动信道中表现出色。例如短距离无线电链路或是快速变动环境中的临时性连接。

### 优缺点分析

#### QPSK优点：
- 更高的数据速率支持；
- 较好的能量利用率；
- 对抗加性白高斯噪声(AWGN)效果好。

#### QPSK缺点：
- 实现较为复杂，特别是相干检测时需要复杂的电路设计；
- 易受多径衰落和平坦衰落的影响。

#### DPSK优点：
- 不需发送参考信号，简化了发射机的设计；
- 抗干扰能力强，尤其适合非理想传播条件；
- 接收端结构简单，成本较低。

#### DPSK缺点：
- 数据传输速度通常低于相同条件下使用的QPSK方案；
- 频谱利用效率不如QPSK高效。

import numpy as np
from matplotlib import pyplot as plt

def plot_constellation(modulation='qpsk'):
    """绘制给定调制类型的星座图"""
    if modulation.lower() == 'dpsk':
        angles = [0, np.pi/2, np.pi, 3*np.pi/2]
        points = [(np.cos(angle), np.sin(angle)) for angle in angles[:-1]]
        labels = ['0', 'π/2']
    elif modulation.lower() == 'qpsk':
        angles = [-np.pi*7/8,-np.pi*3/8,np.pi*1/8,np.pi*5/8]
        points = [(np.sqrt(2)/2 * (np.cos(angle)+np.sin(angle)), 
                   np.sqrt(2)/2*(-np.sin(angle)+np.cos(angle)))for angle in angles]
        labels = ['00','01','11','10']

    fig, ax = plt.subplots()
    xs, ys = zip(*points)
    ax.scatter(xs,ys)

    for i,label in enumerate(labels):
        ax.annotate(label,(xs[i],ys[i]))

    circle=plt.Circle((0,0),radius=1,color='r',fill=False)
    ax.add_patch(circle)
    
    ax.set_xlim(-1.5,1.5);ax.set_ylim(-1.5,1.5);
    ax.axhline(y=0,color="black",linestyle="--");ax.axvline(x=0,color="black",linestyle="--");
    plt.gca().set_aspect('equal')
    plt.title(f"{modulation.upper()} Constellation Diagram")
    plt.show()

plot_constellation('qpsk')  
plot_constellation('dpsk')   

单端和差分接口有什么区别

### 单端接口与差分接口的区别

#### 信号传输方式

单端信号通过单一导线相对于公共接地来表示数据[^1]。这种配置下，信号的高低电平取决于这条线路相对地面的电压差异。

相比之下，差分信号采用一对电线来进行通信，其中一条用于正相位而另一条则携带反相信号。这两者间的电压差距构成了所要传达的信息内容。

#### 特点对比

对于单端接口而言，在长距离传送过程中容易受到电磁干扰的影响，并且由于不同位置间可能存在不同的地电势漂移现象，这可能导致误码率增加以及信噪比下降等问题发生[^2]。

然而，差分接口具备更强抗噪声能力的优点；即使存在轻微的地偏置也不至于严重影响通讯质量，因为它主要关心两个配对线上电压水平之间的关系而不是绝对数值大小。另外，差分模式允许更精准的小幅度模拟量检测，这对于高速度、高精度的数据交换尤为重要[^3]。

# Python代码示例展示如何创建简单的单端和差分信号模型
import numpy as np

def generate_single_ended_signal():
    time = np.linspace(0, 1, num=500)
    signal = np.sin(2 * np.pi * 5 * time) + 0.5  # 基础频率为5Hz加上直流偏置
    
    return time, signal

def generate_differential_signals():
    base_frequency = 5
    phase_shift = np.pi / 2  # 正交相移90度角
    amplitude = 1.0         # 幅值设定为单位振幅

    t = np.linspace(-np.pi, np.pi, num=500)

    positive_phase = amplitude * (np.cos(base_frequency*t))
    negative_phase = amplitude * (-np.cos(base_frequency*(t-phase_shift)))

    return t, positive_phase, negative_phase


time_se, single_ended_sig = generate_single_ended_signal()
times_diff, pos_diff, neg_diff = generate_differential_signals()

print("Single-ended Signal:", list(zip(time_se[:10], single_ended_sig[:10])))
print("\nDifferential Signals:")
print("Positive Phase:", list(zip(times_diff[:10], pos_diff[:10])))
print("Negative Phase:", list(zip(times_diff[:10], neg_diff[:10])))