73692

Особенности анализа радиосигналов в избирательных цепях

Лекция

Коммуникация, связь, радиоэлектроника и цифровые приборы

При решении задач о прохождении сигналов через электрические цепи основное внимание уделяют изменениям информационных параметров сигналов поскольку это связано с проблемой сохранения информации переносимой сигналами. В случаях когда информация заложена непосредственно в форме сигнала случай простых сигналов задача сохранения информации сводится к задаче сохранения формы или спектра сигнала. В общем случае резонансная частота...

Русский

2014-12-19

118.5 KB

4 чел.

Л 13.

2.4. Особенности анализа радиосигналов в избирательных цепях.

При решении задач о прохождении сигналов через электрические цепи основное внимание уделяют изменениям информационных параметров сигналов, поскольку это связано с проблемой сохранения информации, переносимой сигналами. В случаях, когда информация заложена непосредственно в форме сигнала (случай простых сигналов) задача сохранения информации сводится к задаче сохранения формы (или спектра) сигнала.

Иначе дело обстоит с радиосигналом, в котором информация заключена в одном из нескольких параметров высокочастотного колебания. Не обязательно сохранять полностью структуру этого колебания; достаточно лишь сохранить закон изменения того параметра, в котором заключена информация. Так, в случае амплитудно-модулированного колебания, важно передать огибающую амплитуд, а некоторое изменение частоты или несущее колебание, не имеющее существенного значения, при анализе можно не учитывать. При передаче радиосигналов с угловой модуляцией, наоборот, основное внимание следует уделить точному воспроизведению закона изменения частоты и фазы, а изменением амплитуды можно пренебречь.

Эти особенности радиосигналов открывают путь к некоторому упрощению методов анализа их передачи через линейные цепи. Возможность упрощения особенно существенна, когда радиосигнал представляет собой узкополосный процесс, а цепь - узкополосную систему. Это как раз и характерно для реальных радиосигналов и реальных радиоцепей.

а) Приближенный спектральный метод. Пусть цепь представляет собой избирательную систему, передаточная функция  которой имеет максимум вблизи частот p и (-p). И пусть на ее входе действует высокочастотное модулированное колебание S(t) спектральная характеристика которого имеет два максимума вблизи частот 0 и (-0). В общем случае резонансная частота цепи p не совпадает с центральной частотой сигнала 0, т.е. имеет место расстройка

                                           =0-p                                                     (20)

которая является величиной того же порядка, что и полоса пропускания цепи.

Составим выражение для сигнала на выходе цепи. Если входной сигнал имеет гармоническое заполнение, т.е. S(t)=A(t)cos(0t+(t)), то выкладки значительно упрощаются при использовании понятия аналитического сигнала:

                                                                            (21)

Спектральная функция этого сигнала  существует только в области положительных частот, поэтому при определении аналитического сигнала на выходе цепи следует исходить из выражения:

                                              (22)

Спектральные функции высокочастотного модулированного колебания  и аналитического сигнала  при 0 связаны соотношением , причем при 0 , где спектральная функция огибающей.

Следовательно .

Подставляя это выражение в (22), получаем

                                     (23)

Введем переменную 0. Тогда

                   (24)   

Из сопоставления (24) с (21) видно, что выражение, стоящее в фигурных скобках соответствует комплексной огибающей выходного колебания:

Дальнейшее упрощение анализа вытекает из свойств передаточной функции резонансных цепей, обладающих сильно выраженной частотной избирательностью: Модуль коэффициента передачи  быстро убывает при удалении от резонансной частоты. Поэтому передаточную функцию целесообразно выражать в виде функции расстройки частоты относительно резонансной частоты p :

 (26)  

где постоянный параметр расстройки 0p. Т.к.  при 0 , нижний предел интегрирования в (25) можно заменить на . При этом оно принимает вид :

                             (27)

Это выражение ничем не отличается от обычного интеграла Фурье, определяющего оригинал по заданной спектральной плотности огибающей  и передаточной функции .

Заменив j на p, получим выражение в форме обратного преобразования Лапласа :

                                       (28)

Таким образом, анализ передачи узкополосного высокочастотного колебания через избирательную цепь по существу сводится к анализу изменений, претерпеваемых комплексной огибающей входного сигнала. После нахождения Aвых(t) и вых(t) для выходного аналитического сигнала можно будет написать следующее выражение :

                                 Zвых(t)=Aвыхej[0t+вых(t)]                             (29)

откуда                               Sвых(t)=Aвых(t)cos[0t+вых(t)]                   (30)

Вычисления, связанные с определением  по формуле (28), значительно проще, чем при непосредственном определении Sвых(t) с помощью обратного преобразования Лапласа, так как  переход от  к  и от  к  сокращает число особых точек подинтегральной функции.

б) Упрощенный метод интеграла наложения. (Метод огибающей).

Упрощение спектрального метода было достигнуто упрощением передаточной функции избирательной цепи . Аналогично метод интеграла наложения можно упростить укорочением импульсной характеристики h(t), тесно связанной с передаточной функцией .

Основываясь на общем выражении

                                  

и переходя к аналитической функции Zh(t), соответствующей физической функции h(t), находим

                                                          (31)

Заменим переменную 0. Тогда с учетом формулы (26) и после замены нижнего предела  0 на  получим

                       

С другой стороны, представив искомую импульсную характеристику в виде узкополосной функции

                               h(t)=H(t)cos[0t+h(t)]

имеем :

               Zh(t)=H(t)ej[0t+h(t)]=H(t)ejh(t)ej0t=             (33)

Из сравнения (32) и (33) непосредственно вытекает равенство, определяющее комплексную огибающую импульсной характеристики h(t) :

                         (34)

Применение этого выражения упрощает вычисление импульсной характеристики h(t).

Обратимся теперь к (27). Используя правило, согласно которому произведению двух спектров  соответствует функция времени S(t), являющаяся сверткой функций f(t) и g(t) :

, (35)

где y - временной интервал, в течении которого одновременно существуют функции f(t) и g(t), из (27) можем определить  в виде свертки двух функций времени, соответствующих спектральным функциям  и . Первой из этих функций соответствует , а второй, как это следует из (34) - . Следовательно

   (36)

Это выражение является общим, пригодным для любых избирательных цепей и любых узкополосных сигналов. В тех случаях, когда свободные колебания характеризуются постоянной частотой заполнения, как, например, в одиночном колебательном контуре, h(t) вырождается в постоянную фазу и выражение (36) существенно упрощается. То же самое относится и к сигналам с немодулированной частотой заполнения, когда (t) обращается в постоянную величину.

Метод интеграла наложения эффективен в тех случаях, когда временные характеристики сигналов или цепей ( или тех и других) оказываются более простыми , чем спектральные. Такое положение имеет место , например, при анализе прохождения ЧМ сигналов.


 

А также другие работы, которые могут Вас заинтересовать

45335. Законодательный процесс в РФ 25.93 KB
  В составе городского поселения также могут находиться сельские населенные пункты не имеющие статуса сельских поселений в которых местное самоуправление осуществляется населением непосредственно и или через выборные и иные органы местного самоуправления. Городской округ городское поселение которое не входит в состав муниципального района и органы местного самоуправления которого осуществляют полномочия по решению установленных законом вопросов местного значения поселения и вопросов местного значения муниципального района а также могут...
45336. Подходы к построению систем искусственного интеллекта 33 KB
  Структурный подход Под структурным подходом подразумевается попытки построить искусственный интеллект путём моделирования структуры человеческого мозга. Основной моделируемой структурной единицей в персептронах как и в большинстве других вариантов моделирования мозга является нейрон. Позднее возникли и другие модели которые обычно называют нейронные сети . Эти модели различаются по строению отдельных нейронов по топологии связей между ними и по алгоритмам обучения.
45337. Понятие дерева возможностей 36.5 KB
  Дерево быстро разрастается рис.1 – Дерево возможных продолжений шахматной игры Все вершины могут быть двух типов. Таким образом дерево возможностей представляет собой чередующиеся слои альфа и бетавершин. Если бы дерево можно было обследовать полностью т.
45338. Основные понятия искусственного интеллекта 40 KB
  Интеллектом называется способность мозга решать задачи путём приобретения запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам. Искусственный интеллект – это одно из направлений информатики целью которого является разработка аппаратнопрограммных средств позволяющих пользователюнепрограммисту ставить и решать свои традиционно считающиеся интеллектуальными задачи общаясь с компьютером на ограниченном подмножестве естественного языка. Понятие интеллектуальной задачи...
45339. Знания как часть любой интеллектуальной системы 38 KB
  При этом возникает естественный вопрос что такое знания и чем они отличаются от обычных данных обрабатываемых компьютером. Знания являются более сложной категорией информации по сравнению с данными. Они описывают не только отдельные факты но и взаимосвязи между ними поэтому знания иногда называют структурированными данными.
45340. Проблемная область искусственного интеллекта 35 KB
  Для этого разрабатываются специальные модели представления знаний и языки для описания знаний выделяются различные типы знаний. Изучаются источники из которых система может брать знания и создаются процедуры и приёмы с помощью которых возможно приобретение знаний интеллектуальными системами. Проблема представления знаний в системах искусственного интеллекта чрезвычайно актуальна поскольку функционирование данных систем опирается на знания о проблемной области хранящиеся на компьютере.
45341. Проблема распознавания образов 67.5 KB
  В своей повседневной жизни человек настолько легко справляется с задачами распознавания что это считается само собой разумеющимся. В целом проблема распознавания образов состоит из двух частей: обучения и распознавания. За обучением следует процесс распознавания новых объектов который характеризует действия уже обученной системы.
45342. Проблемы и перспективы нейронных сетей 48 KB
  Проблемы интерпретируемости приводят к снижению ценности полученных результатов работы сети а проблема размерности – к очень жестким ограничениям на количество выходных нейронов в сети на количество рецепторов и на сложность структуры взаимосвязей нейронов с сети. уже сегодня искусственные нейронные сети используются во многих областях но прежде чем их можно будет применять там где на карту поставлены человеческие жизни или значительные материальные ресурсы должны быть решены важные вопросы касающиеся надежности их работы. Некоторые...
45343. Процедурные модели предоставления знаний 74.5 KB
  Здесь имя или порядковый номер продукции во множестве продукций хранящихся в памяти системы. Q – сфера применения продукции описывающая предметную область или ситуацию. Это позволяет систематизировать продукции что облегчает работу с системой продукций. Р – условие применимости ядра продукции.