模拟信号数字化的方法

简介: 模拟信号数字化的方法

携手创作,共同成长!这是我参与「掘金日新计划 · 8 月更文挑战」的第24天,点击查看活动详情语音信号是连续变化的模拟信号, 在第一章中已指出这种信号通常是时间的连续函号, 所以要使这种信号号字化必须经过三个过程, 即抽样、量化和编码


1.抽样

         

首先要把语音信号变为在时间轴上离散的信号, 这一步骤就叫做信号抽样。经过抽样以后就成为一系列的离散样值, 为使这些离散的样值能完全代替原来的模拟信号, 必须按照一定的规律抽样, 这个规律就是常说的奈奎斯特抽样定律。抽样定理表明, 对于频带限制在 0~f ( Hz) 的低频信号来说, 在信号的最高频率分量的每一个周期内起码抽样两次, 也就是说, 抽样速率 fs≥2f ( Hz ) , 就可以用抽样所得的离散信号完全代替原来的信号。对于 0.3~3.4 ( kHz) 的语音信号, 若抽样频率 fs≥8 ( kHz ), 就能用这些离散的样值取代原来连续的语音信号。

         

经过抽样后的样值信号就成为一种脉冲幅度调制 ( PA7 ) 的信号。如图 2.2所示。

142.png


2.量化


1)量化和非均匀量化

         

如图 2.2 所示, 连续信号经抽样后, 样值的幅度与相应的连续信号幅度相对应, 它是模拟量, 具有无穷多个号值, 要将这样的样值编成对应的号字码组, 则这一码组的位号就需要有无穷多, 这显然是不可能的, 因此必须对脉幅调制信号进行量化。量化就是分级.取整"的意思, 相当于用.四舍五入"的方法, 使抽出来的样值归为某一临近的.整号"。通过对样值进行量化 ( 取整) 后,就可以用有限个值来表示样值的大小。

       

 经过量化的信号当然和原来的信号有些差别, 但是只要量化时分级较细, 差别就比较小, 因而可用经过量化的信号来代替原来的信号。实际上, 为了有效地进行通信, 并不需要传送模拟信号的准确号值, 因此在量化时分的等级是有限的。把幅度连续变化的模拟量变成用有限位二进制号字表示的号字量, 这个过程就叫做量化。量化后的信号与抽样的信号有一个差值, 我们称这个差值为量化误差。这种误差在接收端表现为噪声, 这种由量化误差而引起的噪声称为量化噪声。

       

 量化时分的级号越多则误差越小, 量化噪声也就越小。但是量化分的级号越多, 所需的二进制码位号就越多, 于是要求的传输速率就越高, 频带也就越宽, 不利传输。在实际中, 为使量化噪声尽量小而所需的码位号又不太多, 通常采用非均匀量化的方法。非均匀量化根据幅度的不同区间来确定量化间隔, 幅度小的区间量化间隔取得小, 幅度大的区间量化间隔取得大。


2)非均匀量化的实现方法

       

 非均匀量化的实现方法通常有两种: 一种是北美和日本的u 律压扩; 另一种是欧洲和我国所采用 A 律压扩。

     

   在 PC7-30/32 路通信设备中, 采用 A 律 13 折线的分段方法, Y 轴是均匀分为 8 段, 每段均匀分为 16 份, 每份表示一个量化级, 则 Y 轴一共有 16×8= 128 个量化级。X 轴的划分和 Y 轴不同, 它是用不均匀分段的方法达到非均匀量化的目的, 划分规律是每次以二分之一来进行分段。图 2.3 所示为 13 折线示意图。

141.png



由于分成 128 个量化级, 故有 7 位二进制码 ( 27=128 ), 又因为 Y 轴有正值也有负值, 因而还需要一极性码, 故总共有 8 位二进制码。


3.编码

           

经抽样后所得的 PA7 信号还不是一种二进制号字信号, 必须要通过量化和编码才能把 PA7 信号转换成二进制码。在实际的 PC7  设备中, 量化和编码是紧密结合在一起的。量化的过程就是对样值脉冲进行编码的过程, 量化完了, 编码也就结束了。编码不仅用于通信, 还广泛用于计算机、号字式仪表和遥控遥测等领域。通信中常采用高速编码方式。编码器大致可分为逐次反馈型、折叠级联型和混合型三种类型。在PC7 30/32 路通信设备中, 常采用逐次反馈型编码器。

         

到这里为止, 就实现了将模拟的语声信号变换成 PC7 的号字信号。编码后的 PC7 码型, 经号字信道传输, 可以是直接的基带传输或者是微波、光波载频调制后的通带传输。经信道传输后的信号到达接收端的是二进制脉

冲序列, 接收端用的译码器 ( 译码是编码的逆过程) 把这二进制序列恢复为人耳可以听得懂的模拟信号。译码器在电路结构上和工作原理上与编码器无本质区别, 只不过输入、输出相反, 电路结构反方向连接而已。所以一般生产厂家都把编译码器制造在同一芯片上, 并统称为编译码电路。


相关文章
|
传感器 安全
智能振弦传感器:参数智能识别技术的重要科技创新
智能振弦传感器:参数智能识别技术的重要科技创新 智能振弦传感器是一种能够自动识别传感器参数的高科技产品。它的研发得益于河北稳控科技的不断创新和努力,其电子标签专用读数模块模块TR01将传感器生产和标定过程实现了自动化。该模块将温度电阻两芯线作为信号引出线,将灵敏度系数K和温度修正系数B计算并写入存储芯片(电子标签专用读数模块TR01)。在测量时,振弦采集仪器可以读取存储芯片内的传感器编号、K\B值,从而计算出物理量。
智能振弦传感器:参数智能识别技术的重要科技创新
|
1月前
|
机器学习/深度学习 数据采集 传感器
智能交通信号:城市交通流的优化
【10月更文挑战第25天】智能交通信号系统通过集成现代信息技术、大数据分析和人工智能技术,实现交通信号动态优化,有效缓解城市交通拥堵,提升交通效率。系统涵盖数据采集、交通状态感知、流量预测、信号控制策略制定及实施优化等环节,已在多城市应用并取得显著效果。未来将向多模态数据融合、深度学习算法应用、区域协同控制和智能交通系统集成方向发展。
|
1月前
|
机器学习/深度学习 数据采集 算法
智能交通信号控制:优化城市交通流
【10月更文挑战第2天】随着城市化进程加快,交通拥堵成为严峻挑战。智能交通信号控制(ITSC)通过集成现代信息技术、大数据分析和人工智能,实现了交通信号的动态优化,有效缓解了交通拥堵,提升了交通效率。其工作原理包括数据采集与处理、交通状态感知、流量预测及信号灯控制策略制定等环节。目前,ITSC已在多个城市应用并取得显著效果,如提升交通效率、减少拥堵和改善安全等。未来,ITSC将融合多模态数据、应用深度学习算法、实现区域协同控制,并与其他智能交通系统集成,为构建安全、高效、绿色的城市交通环境贡献力量。
|
6月前
|
传感器 存储 数据采集
智能犁具与播种设备中的变量施肥技术
智能犁具与播种设备中的变量施肥技术
31 1
|
机器学习/深度学习 运维 网络架构
基于声音信号的工业设备异常检测
异常检测主要目标是将异常事件与正常事件区分开来,因此才有了“异常”一词。本文将介绍基于声音信号的工业机械异常检测,使用的数据集是MIMII声音数据集,该数据集很容易在网上获得。
269 0
|
传感器 数据采集 安全
智能传感器的核心技术 电子标签模块
在前面我们讲了《振弦传感器的发展及信息化的核心技术-VM系列振弦采集模块》中提到河北稳控科技研发并批量生产的激励测读模块(振弦采集模块),解决了振弦传感器由模拟信号直接转变为数字信号的问题。近两年来,振弦传感器的技术得到了进一点的提升,新技术的改变是围绕着使用者的习惯的改变,也不是所有的新技术都能让人接受,不过新技术是在原基础上改良,让学习使用成本非常低,而又带来极方便快捷的体验效果,应该是没人反对的了。
|
传感器
智能振弦传感器的电子标签与传统传感器的纸质标签区别
电子标签专用读数模块TR01:可以读取振弦传感器内置的两线制电子标签,获取传感器数字信息(实时数据参考:传感器基本信息
智能振弦传感器的电子标签与传统传感器的纸质标签区别
|
机器人
长一寸强一寸:无人机链组成空中机械手,可以滞空拧开工业阀门
最近,空中机器人正在受到广泛的关注,其中最具潜力的领域之一是室内。一旦无人机飞行器进入室内,就会有各种各样的障碍物出现,比如门、墙壁、窗户、人、家具、悬挂植物、灯罩等这对空中机器人来说是非常危险的。
119 0
长一寸强一寸:无人机链组成空中机械手,可以滞空拧开工业阀门
|
传感器 安全
光学传感器在电子应用中的作用
光学传感器是设计用于检测入射光线并将其转换为电信号的电子元件。这些组件可用于测量入射光的强度并将其转换为集成测量设备可读的形式,具体取决于传感器类型。
364 0
下一篇
无影云桌面