【计算机网络】物理层 : 调制 ( 数字数据 调制 模拟信号 | 调幅 | 调频 | 调相 | 调幅 + 调相 QAM | 计算示例 | 模拟信号 调制为 模拟信号 )

简介: 【计算机网络】物理层 : 调制 ( 数字数据 调制 模拟信号 | 调幅 | 调频 | 调相 | 调幅 + 调相 QAM | 计算示例 | 模拟信号 调制为 模拟信号 )

文章目录

一、 数字数据调制技术

二、 调幅

三、 调频

四、 调相

五、 QAM 调制 和 计算示例

六、模拟信号 调制为 模拟信号





一、 数字数据调制技术


数字数据调制 技术 :


① 调制 : 发送端 将 数字信号 转为 模拟信号 ;


② 解调 : 接收端 将 模拟信号 转为 数字信号 ;



调制 技术 :


调幅

调频

调相





二、 调幅


调幅 ( ASK ) : 0 00 对应没有幅度 , 1 11 对应有幅度 ;



image.png





三、 调频


调频 ( FSK ) : 0 00 对应较低的频率 , 1 11 对应较高的频率 ;


image.png


调频示例说明 : 上图示例说明 ;


低频波形 : 0 00 对应着 一个时钟周期内震动两个波形 , 波形比较稀疏 , 频率较低 ;

高频波形 : 1 11 对应着 一个时钟周期内震动四个波形 , 波形比较稠密 , 频率较高 ;





四、 调相


调相 ( PSK ) : 对于相位的调制 , 0 00 对应余弦波 , 1 11 对应正弦波 ;





image.png



五、 QAM 调制 和 计算示例


调幅 + 调相 结合在一起使用的调制方法 是 QAM 调制 ;



QAM 调制示例 :


信道波特率 : 1200 12001200 Baud ;

相位个数 : 4 44 个

振幅个数 : 4 44 种

计算信息传输速率 ? ??


先计算每个码元携带的信息量 : 调相 + 调幅 结合使用 ; 有以下两种理解方式 ;


每个码元有 4 44 个相位 , 每个相位可以有 4 44 种振幅 , 那么每个码元有 4 × 4 = 16 4 \times 4 = 164×4=16 种不同的取值 ;

每个码元有 4 44 个振幅 , 每个振幅可以有 4 44 种相位 , 那么每个码元有 4 × 4 = 16 4 \times 4 = 164×4=16 种不同的取值 ;


使用奈氏准则计算信息传输速率 :


奈氏准则计算公式为 : 理 想 低 通 信 道 信 息 极 限 传 输 速 率 = 2 W l o g 2 V   比 特 / 秒 理想低通信道信息极限传输速率 = 2 W log_2V \ 比特/秒理想低通信道信息极限传输速率=2Wlog

2


V 比特/秒


2 W 2W2W 是码元速率 , W WW 是带宽 , 其中码元速率已经给出 , 是 1200 波特 , 直接使用即可 , 这里计算下每个源码携带的信息量 , 是 l o g 2 16 = 4 log_216 = 4log

2


16=4 比特 ;


计算过程 : 2 W l o g 2 V = 1200 × l o g 2 16 = 4800 b / s 2W log_2V = 1200 \times log_216 = 4800 b/s2Wlog

2


V=1200×log

2


16=4800b/s



信息传输速率是 4800 b / s 4800 b/s4800b/s ;






六、模拟信号 调制为 模拟信号


模拟信号 调制为 模拟信号 :


为了 实现 信号传输 的 有效性 , 可能需要以 较高的频率 传输信号 ;


提高 信号频率 的同时 , 还可以使用 频分复用技术 , 充分利用 带宽 资源 ;




"模拟信号 调制为 模拟信号" 示例 :


电话机 与 本地交换机 之间传输的信号 , 就是 将 模拟信号 调制后的 模拟信号 ;


前者是 模拟的声音信号 ( 低频信号 ) , 后者是 模拟的载波信号 ( 高频信号 ) ;



人说话的声音 , 声带振动的频率很低 , 几十到几百赫兹 ; 电磁波的信号 都是百万赫 , 吉赫兹 级别的 ;


使用电磁波传输声音 , 需要将频率提高 几百到几万倍不等 ;


目录
相关文章
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a,使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术,广泛应用于现代通信系统。传统方法在复杂环境下性能下降,而GRU通过门控机制有效提取时间序列特征,实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示,GRU在低SNR下表现优异,且训练速度快,参数少。核心程序包括模型预测、误检率和漏检率计算,并绘制准确率图。
450 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
|
Linux 数据安全/隐私保护
使用Linux命令行接入无线网络Wi-Fi的示例。
现在,你已经使用命令行成功地连接到 Wi-Fi 网络了。这两个示例涵盖了用 `nmcli` 和 `wpa_supplicant` 连接无线网络的常见场景,让你能够不依赖图形化界面来完成这个任务。在日常使用中熟练掌握这些基本操作能增强你对 Linux 系统的理解,帮助你更有效地处理各种问题。
1138 12
|
机器学习/深度学习 数据采集 算法
基于MobileNet深度学习网络的MQAM调制类型识别matlab仿真
本项目基于Matlab2022a实现MQAM调制类型识别,使用MobileNet深度学习网络。完整程序运行效果无水印,核心代码含详细中文注释和操作视频。MQAM调制在无线通信中至关重要,MobileNet以其轻量化、高效性适合资源受限环境。通过数据预处理、网络训练与优化,确保高识别准确率并降低计算复杂度,为频谱监测、信号解调等提供支持。
|
网络安全 Python
Python网络编程小示例:生成CIDR表示的IP地址范围
本文介绍了如何使用Python生成CIDR表示的IP地址范围,通过解析CIDR字符串,将其转换为二进制形式,应用子网掩码,最终生成该CIDR块内所有可用的IP地址列表。示例代码利用了Python的`ipaddress`模块,展示了从指定CIDR表达式中提取所有IP地址的过程。
828 6
|
机器学习/深度学习 算法 数据安全/隐私保护
基于CNN卷积神经网络的MQAM调制识别matlab仿真
**理论**: 利用CNN自动识别MQAM调制信号,通过学习星座图特征区分16QAM, 64QAM等。CNN从原始数据提取高级特征,优于传统方法。 - **CNN结构**: 自动特征学习机制,适配多种MQAM类型。 - **优化**: 损失函数指导网络参数调整,提升识别准确度。 - **流程**: 大量样本训练+独立测试评估,确保模型泛化能力。 - **展望**: CNN强化无线通信信号处理,未来应用前景广阔。
|
机器学习/深度学习 边缘计算 量子技术
ICML 2024:信号表征指数级强、内存节省超35%,量子隐式表征网络来了
【7月更文挑战第6天】QIREN,量子隐式表征网络,借助量子计算增强信号处理能力,内存效率提升35%以上。该技术旨在改进高频信号建模,提升图像和音频处理任务的性能,同时在资源受限环境下减少内存需求。尽管面临量子技术成熟度和训练复杂性的挑战,QIREN为机器学习开辟了新途径。[论文链接: https://arxiv.org/abs/2406.03873]**
389 3
计算机网络学习记录 物理层 Day2
计算机网络学习记录 物理层 Day2
242 3
|
安全 开发者 数据安全/隐私保护
Xamarin 的安全性考虑与最佳实践:从数据加密到网络防护,全面解析构建安全移动应用的六大核心技术要点与实战代码示例
【8月更文挑战第31天】Xamarin 的安全性考虑与最佳实践对于构建安全可靠的跨平台移动应用至关重要。本文探讨了 Xamarin 开发中的关键安全因素,如数据加密、网络通信安全、权限管理等,并提供了 AES 加密算法的代码示例。
237 0
|
运维 网络架构 Python
利用Python查询H3C网络设备示例,运维用了它,都称赞!
利用Python查询H3C网络设备示例,运维用了它,都称赞!
527 0
|
机器学习/深度学习 算法 数据安全/隐私保护
基于CNN卷积神经网络的MPSK调制识别matlab仿真
本项目展示一种基于CNN的MPSK调制识别算法,可在Matlab 2022a上运行。该算法能自动区分BPSK、QPSK及8PSK信号,利用卷积层捕捉相位特征并通过全连接层分类。训练过程涉及调整网络权重以最小化预测误差,最终实现对未知信号的有效识别。附带完整代码与说明视频。