Ads
通信, 其實定義廣泛, 由古代既烽火 書信, 到近代既電報, 無線電, 或者係光纖通信, 什至日常生活既語言, 都係通訊方式之一. 一般來講, 一個通信系統主要由三個元素組成:
1. 傳送裝置 (Transmitter, Tx)
2. 頻道 (Channel)
3. 接收裝置 (Receiver, RX)
信號由傳送裝置 送出, 經過頻道, 最後送到受信裝置. 而送出既信號係必然有一個頻道. 例如:我地面對面傾計, 咁聲音既頻道就係空氣. 信號用乜野頻道, 對於佢傳送既效率有好大影響. 例如以前打風個陣講電話, 而當時電話信號係用電線做頻道, 係好容易受干擾. 相反而家站與站之間好多都係用光纖, 唔似銅線受咁多干擾, 令到我地聽得清楚對家講緊乜.
我地一般會將頻道作為描述信號係傳送過程中所受既干擾(Noise). 當中既干擾係由好多因素組成, 例如最基本既係白噪 (White Noise, 即係ATV D雪花), 傳送物料既特性, 例如: :^(
1. 電線會有inductive effect, 當傳送速度太高會感生反方向既電流, 影響電子信號既傳送
2. 光纖制造時既工差, 會令唔同偏振(Polarization) 既信號炒埋一碟 (PMD)
但係講到光信號前, 我地先假定所有通信系統都係冇雜信既, 至少唔會講得好深入, 咁會令成件事簡單好多
AM, FM
先問一句, AM同FM有咩共通點? 無錯, 就係大家都有個M字
AM代表Amplitude Modulation, 而FM 代表Frequency Modulation
而Modulation, 調變, 可以話係一種近代既技術. 將訊號同載波(Carrier) 合成之後再傳送出去, 就可以做到高效率既傳送. 例如: 881 同 903 既DJ 同時做緊節目, 如果發射前唔事先調變, 咁大家既信號(人聲, 20 – 20kHz) 就會混合左, 令到我地同時聽到兩把人聲, 但內容講乜就聽唔清楚.
基於呢個原因, 大氣電波既頻譜好多時由政府管理同拍賣, 避免混亂同干擾重要通信(e.g. 航空, 軍事)
再者, 訊號頻率同所需天線係有關係. 通過高頻率載波做調變, 就可以縮細需要既天線尺寸
講左咁耐, 到底調變左既信號係點呢? 一張圖講晒:
最頂個個係原始信號, 第二個係載波, 可以見到載波頻率係高過原始信號好多, 所以先會有上面提到既優點. 經過AM/FM後, 可以見到信號都變成Sine wave, 因為佢已經載波合成左. 不同之前在於:
當原始信號到頂時, AM振幅會變大; 當原始信號到底時, AM 振幅會變細, 什至係零 (取決於你點modulate)
至於FM, 可以見到佢用信號頻率表示原始信號高低, 密D就頂, 疏D就底
或者你會問: 點合出黎架? 其實唔難, 至少AM係.
最簡單既AM方法叫DSB-SC (Double Side Band, Suppressed Carrier): 買個mixer, 一部二手Sig gen 已經做到
AM結構簡單, 需要零件少, 所以一直係地下或者低成本電台既首選. 但係AM有佢既致命傷: AM 係用訊號振幅代表原始信號振幅, 而能量既大細好容易係傳送過程中減弱 (基於距離, 地形, 天氣). 相反, FM通過頻率表示原始信號內容, 受到大自然既影響較細, 咁收聽既時候可以Keep住個質素.
歡迎黎到數碼世界!
企開D啦屌你老母fuck
正如前面講過, AM FM係將一D連續信號(類比信號)調變再送出, 但係傳送過程中好易受到唔同既Noise影響. 正因為咁, 有人就諗出digital signal 既概念
咁究竟點將一個連續既數號變成digital signal呢? 其實有兩個步驟:
1. 取樣(sampling)
2. 量化(quantization)
首先定義一個period, 隔幾多秒去攞一個sample, 根據sample 既電壓去將佢量化, 定為某一個預先設定好既等級. 將所有既sample 連埋就會得到一個數碼信號. 但上面張圖睇落係咪唔似原始信號? 無錯, 因為數碼信號既還原度取決於你有幾多個量化等級. 假如你用2個bit去量化你D 樣本, 你每個樣本就只有4個等級(00, 01, 10, 11) 可以歸類你既原始信號; 如果係3bit, 就會有8個, 如此類推
而係量化過程中出現既誤差, 我地叫佢做quantization error
當然, 取樣既時間間隔同樣重要. 一般黎講, 如果原始信號既頻率係5Hz (係原始信號 唔係載波), 我地會用原始信號既雙倍頻率(10Hz)去取樣, 咁樣攞出黎既數碼信號就會靚d. 而呢個雙倍頻率我地一般叫佢做Nyquist Rate.
歡迎黎到數碼世界!
企開D啦屌你老母fuck
正如前面講過, AM FM係將一D連續信號(類比信號)調變再送出, 但係傳送過程中好易受到唔同既Noise影響. 正因為咁, 有人就諗出digital signal 既概念
咁究竟點將一個連續既數號變成digital signal呢? 其實有兩個步驟:
1. 取樣(sampling)
2. 量化(quantization)
首先定義一個period, 隔幾多秒去攞一個sample, 根據sample 既電壓去將佢量化, 定為某一個預先設定好既等級. 將所有既sample 連埋就會得到一個數碼信號. 但上面張圖睇落係咪唔似原始信號? 無錯, 因為數碼信號既還原度取決於你有幾多個量化等級. 假如你用2個bit去量化你D 樣本, 你每個樣本就只有4個等級(00, 01, 10, 11) 可以歸類你既原始信號; 如果係3bit, 就會有8個, 如此類推
而係量化過程中出現既誤差, 我地叫佢做quantization error
當然, 取樣既時間間隔同樣重要. 一般黎講, 如果原始信號既頻率係5Hz (係原始信號 唔係載波), 我地會用原始信號既雙倍頻率(10Hz)去取樣, 咁樣攞出黎既數碼信號就會靚d. 而呢個雙倍頻率我地一般叫佢做Nyquist Rate.
唔係靚d 係一定要 double frequency(10Hz)先可以確定/認定 signal with Frequency=5Hz
Ads
點解Fourier transform響訊號處理方面咁重要？
我唔係樓主，不過試下提出我既睇法
好多時係frequency domain 做computation係快好多
例如計convolution如果個impulse response 好長就要好多時間計，如果轉用frequency domain計完再轉返做time domain可以更加快
另外好多時time domain signal好唔intuitive, 人腦好難理解個signal,轉左做frequency domain就容易好多睇到個signal有啲咩
Agger
比如 carrier frequency 有offset (w + delta w)
如果係receiver既角度黎睇, 佢係time domain 只會見到一餅野
係time domain compensate offset 既話要成段signal 攞出黎慢慢計
但如果做左transform, 會見到枝carrier 偏離左原本位置, 就快好多
咁點解Fourier transform 負無限in到無限
laplace transform 係0 in到無限
呢個唔識有冇數學撚答 :^(
我諗佢地一開始佢睇法唔同掛...Fourier 係將function睇成sum of sine waves
Ads
有無咩書推介下
你想學邊part讀緊咩科
純粹自學為興趣可以揀臺灣書[black][/black]
有無啲academic 啲，non EE仔想學下嘢
點解Fourier transform響訊號處理方面咁重要？
我唔係樓主，不過試下提出我既睇法
好多時係frequency domain 做computation係快好多
例如計convolution如果個impulse response 好長就要好多時間計，如果轉用frequency domain計完再轉返做time domain可以更加快
另外好多時time domain signal好唔intuitive, 人腦好難理解個signal,轉左做frequency domain就容易好多睇到個signal有啲咩
Agger
比如 carrier frequency 有offset (w + delta w)
如果係receiver既角度黎睇, 佢係time domain 只會見到一餅野
係time domain compensate offset 既話要成段signal 攞出黎慢慢計
但如果做左transform, 會見到枝carrier 偏離左原本位置, 就快好多
咁點解Fourier transform 負無限in到無限
laplace transform 係0 in到無限
呢個唔識有冇數學撚答 :^(
我諗佢地一開始佢睇法唔同掛...Fourier 係將function睇成sum of sine waves
Laplace transform係轉去s-domain
都唔係frequency
Fourier transform原本係用嚟將periodic function寫成linear combination of sin and cos functions
例如你個function個period係2pi, 咁理所當然所有frequency都係整數
即係f(x) = C + a1sin(x) + a2sin(2x) + ... + b1cos(x) + ...
咁你個period越長, 咁可能出現嘅frequency就越多
就好似sin(x/100)咁
當你將個period拉到無限長(即係唔係periodic),咁你integrate曬所有野就會得到一個continuous嘅frequency spectrum :^(
不過對於一個唔係periodic嘅function, 由負無限in到正無限其實冇乜意義
因為你咁係assume咗你個frequency domain係time-independent, 咁又邊度有signal呢?
所以你就會見到Fourier transform 通常係揀喺一個window入面做,而我地假設喺window入面個frequency domain係time-independent嘅
至於window嘅大細就取決於下面嘅balance:
window長就會 loss information
即係人地講12345,你就聽到五隻字疊曬聲,然後你唔知佢噏乜鳩咁
window太短就會 low resolution
攞調音做例子
你要ensure個誤差喺1Hz以内
咁你要做嘅野就係聽吓1秒之內有冇beat
但如果你要個誤差喺0.1Hz以内
咁你就要聽10秒(即係你個window要長10倍)
利申唔識signalling
我用maths角度睇
有無咩書推介下
你想學邊part讀緊咩科
純粹自學為興趣可以揀臺灣書[black][/black]
有無啲academic 啲，non EE仔想學下嘢
有無啲introduction 既？你地用開邊本
唔係靚d 係一定要 double frequency(10Hz)先可以確定/認定 signal with Frequency=5Hz