matlab实现10.7MHZFM信号正交解调

时间: 2023-10-01 12:10:52 浏览: 41
由于正交解调需要使用复信号,因此需要将实信号转换为复信号。可以使用hilbert函数实现。 接下来,采用一个低通滤波器对复信号进行滤波,得到基带信号。 最后,对基带信号进行解调,得到原始信号。 代码如下: %% 生成10.7MHz的FM信号 fs = 44.1e6; % 采样率 fc = 10.7e6; % 载频频率 fm = 50e3; % 调制信号频率 dev = 75e3; % 频偏 t = 0:1/fs:1; % 时间范围 s = sin(2*pi*fc*t + 2*pi*dev/fm*sin(2*pi*fm*t)); % FM信号 %% 正交解调 s_hil = hilbert(s); % 实信号转复信号 lpf = fir1(1000, 2*fm/fs); % 低通滤波器 s_baseband = filter(lpf, 1, s_hil); % 得到基带信号 f = fc + dev/fm*2*pi*real(s_baseband); % 基带解调得到原始信号 %% 绘制结果 figure; subplot(3,1,1); plot(t, s); title('原始信号'); xlabel('时间(s)'); ylabel('幅度'); subplot(3,1,2); plot(t, real(s_baseband)); title('基带信号'); xlabel('时间(s)'); ylabel('幅度'); subplot(3,1,3); plot(t, f); title('解调后的信号'); xlabel('时间(s)'); ylabel('频率(Hz)');

相关推荐

最新推荐

recommend-type

基于Python的蓝桥杯竞赛平台的设计与实现

【作品名称】:基于Python的蓝桥杯竞赛平台的设计与实现 【适用人群】:适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】:基于Python的蓝桥杯竞赛平台的设计与实现
recommend-type

python实现基于深度学习TensorFlow框架的花朵识别项目源码.zip

python实现基于深度学习TensorFlow框架的花朵识别项目源码.zip
recommend-type

3-9.py

3-9
recommend-type

郊狼优化算法COA MATLAB源码, 应用案例为函数极值求解以及优化svm进行分类,代码注释详细,可结合自身需求进行应用

郊狼优化算法COA MATLAB源码, 应用案例为函数极值求解以及优化svm进行分类,代码注释详细,可结合自身需求进行应用
recommend-type

563563565+3859

5635356
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

2. 通过python绘制y=e-xsin(2πx)图像

可以使用matplotlib库来绘制这个函数的图像。以下是一段示例代码: ```python import numpy as np import matplotlib.pyplot as plt def func(x): return np.exp(-x) * np.sin(2 * np.pi * x) x = np.linspace(0, 5, 500) y = func(x) plt.plot(x, y) plt.xlabel('x') plt.ylabel('y') plt.title('y = e^{-x} sin(2πx)') plt.show() ``` 运行这段
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。