如果一个symbol里有64个sample，如何生成qpsk基带信号

生成QPSK基带信号的步骤如下：

1. 将64个采样点分成32个I路和32个Q路的采样点，即将symbol分为实部和虚部。

2. 对于每个I路和Q路采样点，将其转换为二进制数，例如 I路采样点为12，则将其转换为二进制数为00001100。

3. 对于每个I路和Q路采样点的二进制数，将其分为两个比特，即将I路和Q路采样点分别编码为二进制数的前两位和后两位。例如，对于I路采样点的二进制数00001100，将其分为00和11。

4. 根据QPSK调制的规则，将每个I路和Q路采样点的二进制数分别映射为4个可能的符号：

* 00 映射为+1 +j
* 01 映射为+1 -j
* 10 映射为-1 +j
* 11 映射为-1 -j

5. 将每个I路和Q路采样点的符号组合成一个复数，即为QPSK基带信号。

6. 将QPSK基带信号通过信道进行传输或调制到高频信号，进行无线传输。

相关问题

如果一个symbol里有64个sample，如何生成qpsk基带信号，说一下bit维度数据的具体变化

要生成QPSK基带信号，首先需要将每个bit映射到一个QPSK符号上。由于QPSK符号有4个可能的值（±1±j），因此每个bit需要表示2位数据来唯一标识一个符号。因此，对于一个包含64个sample的symbol，需要处理128个bit。

具体的过程如下：

1. 将128个bit分为64组，每组包含2个bit。例如，第1组包含第1个bit和第2个bit，第2组包含第3个bit和第4个bit，以此类推。
2. 将每组的2个bit视为一个2位二进制数，其可能的取值为00、01、10和11。
3. 将每个2位二进制数映射到一个QPSK符号上。例如，00对应于±1，01对应于±j，10对应于∓1，11对应于∓j。
4. 将64个QPSK符号连接在一起，形成一个64个sample的symbol。

因此，每个64个sample的symbol包含128个bit，每个bit需要表示2位数据。在生成QPSK基带信号的过程中，bit维度数据的具体变化是将每个2位二进制数映射到一个QPSK符号上，并将64个QPSK符号连接在一起形成一个symbol。

详细解释以下Python代码：import numpy as np import adi import matplotlib.pyplot as plt sample_rate = 1e6 # Hz center_freq = 915e6 # Hz num_samps = 100000 # number of samples per call to rx() sdr = adi.Pluto("ip:192.168.2.1") sdr.sample_rate = int(sample_rate) # Config Tx sdr.tx_rf_bandwidth = int(sample_rate) # filter cutoff, just set it to the same as sample rate sdr.tx_lo = int(center_freq) sdr.tx_hardwaregain_chan0 = -50 # Increase to increase tx power, valid range is -90 to 0 dB # Config Rx sdr.rx_lo = int(center_freq) sdr.rx_rf_bandwidth = int(sample_rate) sdr.rx_buffer_size = num_samps sdr.gain_control_mode_chan0 = 'manual' sdr.rx_hardwaregain_chan0 = 0.0 # dB, increase to increase the receive gain, but be careful not to saturate the ADC # Create transmit waveform (QPSK, 16 samples per symbol) num_symbols = 1000 x_int = np.random.randint(0, 4, num_symbols) # 0 to 3 x_degrees = x_int*360/4.0 + 45 # 45, 135, 225, 315 degrees x_radians = x_degrees*np.pi/180.0 # sin() and cos() takes in radians x_symbols = np.cos(x_radians) + 1j*np.sin(x_radians) # this produces our QPSK complex symbols samples = np.repeat(x_symbols, 16) # 16 samples per symbol (rectangular pulses) samples *= 2**14 # The PlutoSDR expects samples to be between -2^14 and +2^14, not -1 and +1 like some SDRs # Start the transmitter sdr.tx_cyclic_buffer = True # Enable cyclic buffers sdr.tx(samples) # start transmitting # Clear buffer just to be safe for i in range (0, 10): raw_data = sdr.rx() # Receive samples rx_samples = sdr.rx() print(rx_samples) # Stop transmitting sdr.tx_destroy_buffer() # Calculate power spectral density (frequency domain version of signal) psd = np.abs(np.fft.fftshift(np.fft.fft(rx_samples)))**2 psd_dB = 10*np.log10(psd) f = np.linspace(sample_rate/-2, sample_rate/2, len(psd)) # Plot time domain plt.figure(0) plt.plot(np.real(rx_samples[::100])) plt.plot(np.imag(rx_samples[::100])) plt.xlabel("Time") # Plot freq domain plt.figure(1) plt.plot(f/1e6, psd_dB) plt.xlabel("Frequency [MHz]") plt.ylabel("PSD") plt.show()，并分析该代码中QPSK信号的功率谱密度图的特点

这段Python代码的作用是使用ADI Pluto SDR设备生成并传输一个QPSK信号，并将接收到的信号进行功率谱密度分析。下面是对代码的注释：

import numpy as np
import adi
import matplotlib.pyplot as plt

# 设置采样率、中心频率和采样点数
sample_rate = 1e6 # Hz
center_freq = 915e6 # Hz
num_samps = 100000 # number of samples per call to rx()

# 连接ADI Pluto SDR设备
sdr = adi.Pluto("ip:192.168.2.1")
sdr.sample_rate = int(sample_rate)

# 配置发送端的参数
sdr.tx_rf_bandwidth = int(sample_rate) # filter cutoff, just set it to the same as sample rate
sdr.tx_lo = int(center_freq)
sdr.tx_hardwaregain_chan0 = -50 # Increase to increase tx power, valid range is -90 to 0 dB

# 配置接收端的参数
sdr.rx_lo = int(center_freq)
sdr.rx_rf_bandwidth = int(sample_rate)
sdr.rx_buffer_size = num_samps
sdr.gain_control_mode_chan0 = 'manual'
sdr.rx_hardwaregain_chan0 = 0.0 # dB, increase to increase the receive gain, but be careful not to saturate the ADC

# 创建发送的QPSK信号
num_symbols = 1000
x_int = np.random.randint(0, 4, num_symbols) # 0 to 3
x_degrees = x_int*360/4.0 + 45 # 45, 135, 225, 315 degrees
x_radians = x_degrees*np.pi/180.0 # sin() and cos() takes in radians
x_symbols = np.cos(x_radians) + 1j*np.sin(x_radians) # this produces our QPSK complex symbols
samples = np.repeat(x_symbols, 16) # 16 samples per symbol (rectangular pulses)
samples *= 2**14 # The PlutoSDR expects samples to be between -2^14 and +2^14, not -1 and +1 like some SDRs

# 启动发送端并发送信号
sdr.tx_cyclic_buffer = True # Enable cyclic buffers
sdr.tx(samples) # start transmitting

# 接收接收端的信号
for i in range (0, 10):
    raw_data = sdr.rx()  # Receive samples
rx_samples = sdr.rx()
print(rx_samples)

# 停止发送端
sdr.tx_destroy_buffer()

# 计算接收到的信号的功率谱密度
psd = np.abs(np.fft.fftshift(np.fft.fft(rx_samples)))**2
psd_dB = 10*np.log10(psd)
f = np.linspace(sample_rate/-2, sample_rate/2, len(psd))

# 绘制时域图
plt.figure(0)
plt.plot(np.real(rx_samples[::100]))
plt.plot(np.imag(rx_samples[::100]))
plt.xlabel("Time")

# 绘制频域图
plt.figure(1)
plt.plot(f/1e6, psd_dB)
plt.xlabel("Frequency [MHz]")
plt.ylabel("PSD")
plt.show()

以上代码生成了一个随机QPSK信号，通过ADI Pluto SDR设备将其传输，并使用Pluto SDR设备接收该信号。接收到的信号进行了功率谱密度分析，并绘制了频域图。

QPSK信号的功率谱密度图的特点是，其频谱表现为四个簇，每个簇对应QPSK信号的一个符号。每个簇的带宽约为基带信号的带宽，且由于使用矩形脉冲，每个簇的带宽之间有一定的重叠。此外，功率谱密度图中还可以看到一些其他频率分量，这些分量可能是由于接收信号中存在其他干扰或噪声导致的。