实时数字信号处理——AM发射器

TI AM387x HDMI接口PCB设计实战:从信号完整性到稳定1080p输出 在嵌入式系统与高清视频处理领域,信号完整性是确保高速数字接口可靠工作的核心原理。它涉及对传输线理论、阻抗匹配、串扰抑制等基础概念的深入理解,直接决定了系统在高速数据传输时的稳定性和抗干扰能力。这项技术的工程价值在于,它能将芯片的理论性能无损地转化为终端设备的实际表现,对于工业显示、医疗影像等要求严苛的应用场景至关重要。本文聚焦于德州仪器(TI)AM387x ARM处理器平台的HDMI接口设计,深入剖析其TMDS高速差分信号的PCB布局布线实战要点,涵盖阻抗控制、等长匹配、ESD防护等关键热词,并系统解答了在 阅读详情

AM(DSB-LC)调制过程

1. 引入与方法概述(原文要点整理与解释)

原文(要点):有几种方法可以产生 AM(DSB-LC)。一种特别容易解释的方法使用两个步骤:
① 通过添加 DC 偏置信号 B 来偏移消息信号 m(t);
② 将偏移消息信号 [B + m(t)] 乘以某个更高频率的正弦载波信号。

解释与讲授要点
将基带消息信号 m(t) 先加上一个恒定直流分量 B(称为偏置或载波分量),使得到的信号始终或在多数时间为正(或至少相对于零电平偏移)。然后将该偏移后的信号与高频正弦(或余弦)载波逐点相乘,得到幅度随基带信号变化的载波,即产生了含载波的振幅调制信号(DSB-LC,Double SideBand — Large Carrier)。


2. 数学表达(原文公式与释义)

原文公式:为在数学上表达该过程,AM 信号方程可以写为

逐项释义与展开


3. 实验示例与图示观察

原文要点:图 15.2 显示了 100 ms 的语音信号。图 15.3 显示了添加来自图 15.2 的语音信号和 5 mV 偏置的结果。在图 15.3 中,很明显语音信号加上 5 mV 并不总是保持正值。消息振幅需要降低或偏差值需要增加;否则,如果要将包络检波器用于消息恢复,将导致失真。图 15.4 显示了添加 20 mV 偏置的结果,很明显语音信号加偏置现在在所示的时间段内保持为正。图 15.5 显示语音信号调制(DSB-LC)一个 12 kHz 载波。

逐句讲解与技术说明

  • 图 15.2(原始 100 ms 语音信号):这是一段采样后的基带语音波形,纵轴为电压,横轴为时间(ms)。语音信号在时间上是变化的,有正有负,峰值幅度决定了后续偏置的大小需求。


4. 关键概念延伸

包络检波的前提条件


5. MATLAB 实现要点

原文要点:AM 生成过程的最后一步是将正确偏置的消息信号乘以正弦信号(称为载波)。乘法是逐点操作,因此必须使用 MATLAB® 运算符“.*”。

实现步骤(示例化、可直接用于讲授或实验)

示例伪代码(MATLAB 风格)

% m: 基带列向量,Fs: 采样率
N = length(m);
t = (0:N-1)'/Fs;
B = 1.2 * max(abs(m));       % 举例:留 20% 安全裕度
Ac = 1;                      % 载波幅度(可调)
fc = 12000;                  % 12 kHz 示例载波
carrier = cos(2*pi*fc*t);
s = Ac * (B + m) .* carrier; % 逐点乘法
plot(t(1:round(0.1*Fs)), s(1:round(0.1*Fs))); % 绘制前 100 ms

关于 MATLAB 中的注意事项

  • 使用逐点操作(.*, ./, .^)而不是矩阵乘法。

  • 若对小信号幅度(mV 级)进行仿真,注意数值精度与绘图纵轴刻度。

  • 如果准备将仿真结果送到硬件或 DSP(例如书中示例基于 TMS320C6x),应注意定点化、剪切以及采样率匹配问题。


6. 总结

核心结论

数字信号处理(DSP)在实际硬件系统中运行的几个核心原则:实时性约束、中断驱动机制以及数据表示的物理限制。

第一层面:为什么不能等待?(实时性的本质)

首先,我们要理解 DSP 和普通电脑处理文件的区别。

在普通的计算机处理中(比如你在电脑上编辑一个 Word 文档或处理一张照片),你通常拥有整个文件的数据。你可以随时读取文件的开头、中间或结尾,处理器可以花 1 秒钟也可以花 10 秒钟,只要最后结果出来就行。这叫做“离线处理”。

但 DSP 处理来自 ADC(模数转换器)的数据是实时的,就像你在接听电话或观看直播。

  • 流水线作业:数据像流水一样源源不断地通过 ADC 涌入。如果不马上处理,新的数据就会覆盖旧的数据,导致信息丢失。

  • 不能等待:正如文中提到的,“我们不能等待所有消息样本被接收”。你不能跟 ADC 说:“嘿,等你把这一小时的声音都录完了,我再开始计算。”因为那样需要巨大的存储空间,而且会造成巨大的延迟(你说话,对方一小时后才听到)。

  • 结论:DSP 必须“随到随处理”,来一个样本,算一个样本,送出一个样本。

第二层面:怎么实现“随到随处理”?(中断驱动与 ISR)

既然必须“随到随处理”,处理器怎么知道数据来了呢?这就引入了**“中断驱动(Interrupt-Driven)”**的概念。

你可以把 DSP 芯片想象成一个正在专心看书(执行主程序)的人,而 ADC 是门外的快递员。

  1. 中断(Interrupt):快递员(ADC)送来了一个包裹(数据样本),他按了一下门铃。这个“门铃”就是硬件中断信号。

  2. 中断服务例程(ISR):听到门铃,你必须暂停看书,放下书签,去开门拿包裹,并把它放到指定位置。这个“开门拿包裹”的一系列动作,就是代码中的 ISR(Interrupt Service Routine)。

  3. 异步性:文中强调“输入和输出 ISR 都是异步的”。这意味着你不知道门铃什么时候响,它完全取决于外部的采样率(比如每秒响 48000 次)。你不能在主程序里写死代码去“等”数据,因为那样效率极低。

  4. 程序员的责任:如果你的“拿包裹动作(ISR)”太慢,还没等你在架子上放好,下一个快递员又按门铃了,系统就会崩溃(数据溢出)。因此,DSP 程序员的核心任务是写出极高效率的 ISR 代码,确保在下一次采样到来前处理完当前数据。

  5. 必要的“搬运工”:文中最后提到“除非您用适当的接收和传输 ISR……否则任何东西都不会进出”。这意味着,如果不开门(没有写好 ISR),数据就烂在门口了,DSP 内部算法再强大也拿不到数据。

第三层面:数据长什么样?(整数表示与溢出风险)

当数据终于通过 ISR 进入 DSP 内部后,你需要理解它的数学形态。

  1. 电压变整数:现实世界是模拟电压(比如 -1V 到 +1V),但计算机只认识 0 和 1。ADC 把电压映射为整数。

  2. 补码与范围:文中提到了16位二进制补码(Two's Complement)。

    • 在 16 位系统中,能表示的整数总数是 2^{16}= 65536$ 个。

    • 为了表示正负,这些数字被分为两半:范围是从 -32,768 到 +32,767。

    • 注意:这里有一个不对称性,负数比正数多一个(因为 0 占用了正数的一位,或者说非负数的一位)。

  3. 偏置与包络失真(Clipping):

    • 这段话特别提到了 AM(调幅)信号的生成场景。在 AM 中,我们通常需要给信号加一个直流偏置(Bias),把信号“抬”起来,使其主要位于正值区域,或者是为了控制载波的幅度。

    • 天花板与地板:DSP 的数字世界是有“天花板”(+32767)和“地板”(-32768)的。

    • 警告:如果你设置的偏置(Bias)加上信号本身的波动,超过了 +32767,数值无法继续变大,就会被强行“削顶”(Clipping),产生严重的失真。文中提到“偏置电平必须不超过 +32768”其实是一个简化的说法,准确地说是“偏置 + 信号峰值”不能越界。

    • 实验建议:作者最后建议你故意把偏置设得很大(比如大于 32768,虽然在 16 位里这本身就会发生溢出回绕),目的是让你通过实验去听或看,当数字系统发生**溢出(Overflow)**时,AM 信号的波形会变成什么样(通常会发生相位翻转或严重的杂音),以此来加深对数字范围限制的理解。

python运行代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
AM (DSB-LC) simulation and visualization script.

Features:
- Generate or read a baseband message signal (sine or WAV file).
- Add one or more DC biases B and produce biased baseband signals.
- Multiply (pointwise) biased baseband with a cosine carrier to form DSB-LC AM.
- Compute analytic signal via FFT-based Hilbert transform and extract envelope.
- Compute single-sided magnitude spectrum (dB).
- Produce and save PNG plots for: baseband, biased baseband, AM time-domain,
  AM + envelope, and AM spectrum up to 24 kHz (configurable).
- Save a README and zip the result folder.

Dependencies:
- numpy
- matplotlib
- optional: scipy (for wav reading). If scipy unavailable, script uses synthetic signal.

Usage example:
    python am_dsb_lc_sim.py --outdir ./am_results --fs 48000 --duration 0.1 \
        --fm 1000 --amplitude 0.5 --biases 0.005 0.02 --fc 12000 --ac 1.0

Author: ChatGPT (assistant)
"""

import argparse
import os
from pathlib import Path
import numpy as np
import matplotlib
# Use a non-interactive backend for environments without display
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import zipfile

# Optional: try to import scipy.io.wavfile for WAV reading
try:
    from scipy.io import wavfile
    SCIPY_AVAILABLE = True
except Exception:
    SCIPY_AVAILABLE = False

# -------------------------
# Utility functions
# -------------------------
def analytic_signal_fft(x):
    """
    Compute analytic signal using FFT-based Hilbert transform.
    Returns complex analytic signal xa such that envelope = |xa|.
    """
    X = np.fft.fft(x)
    N = len(X)
    H = np.zeros(N, dtype=float)
    # Construct frequency-domain multiplier H
    if N % 2 == 0:
        H[0] = 1
        H[N // 2] = 1
        H[1:N//2] = 2
    else:
        H[0] = 1
        H[1:(N+1)//2] = 2
    xa = np.fft.ifft(X * H)
    return xa

def single_sided_spectrum_db(x, fs, nfft=16384):
    """
    Compute single-sided magnitude spectrum (dB) of signal x.
    Returns freqs (0..fs/2) and mag_db arrays.
    """
    X = np.fft.fft(x, nfft)
    X = X[:nfft//2 + 1]
    mag = np.abs(X) / nfft
    # avoid log of zero
    mag[mag == 0] = 1e-20
    mag_db = 20.0 * np.log10(mag)
    freqs = np.linspace(0, fs/2, nfft//2 + 1)
    return freqs, mag_db

def ensure_outdir(path):
    p = Path(path)
    p.mkdir(parents=True, exist_ok=True)
    return p

def save_png(fig, path, dpi=200):
    fig.tight_layout()
    fig.savefig(path, dpi=dpi)
    plt.close(fig)

# -------------------------
# Main simulation function
# -------------------------
def run_simulation(
    outdir,
    fs=48000,
    duration=0.1,
    message_type="sine",
    fm=1000.0,
    Am=0.5,
    wav_path=None,
    biases=(0.005, 0.02),
    fc=12000.0,
    Ac=1.0,
    nfft=16384,
    spectrum_max_khz=24.0
):
    outdir = ensure_outdir(outdir)
    # Time vector
    t = np.arange(0, duration, 1.0/fs)
    N = len(t)

    # Message signal: either synthetic sine or WAV file (if provided and readable)
    if message_type == "wav" and wav_path is not None and SCIPY_AVAILABLE:
        wav_path = Path(wav_path)
        if not wav_path.exists():
            raise FileNotFoundError(f"WAV file not found: {wav_path}")
        sr, data = wavfile.read(str(wav_path))
        # If stereo, take first channel
        if data.ndim > 1:
            data = data[:, 0]
        # Convert to float in range -1..1 if integer
        if np.issubdtype(data.dtype, np.integer):
            maxint = float(2**(8*data.itemsize - 1))
            data = data.astype(np.float64) / maxint
        # Resample if sampling rates differ (simple truncation/pad if needed)
        if sr != fs:
            # simple approach: resample via numpy interpolation
            orig_t = np.arange(len(data)) / sr
            new_t = np.arange(0, duration, 1.0/fs)
            from numpy import interp
            data = interp(new_t, orig_t, data[:min(len(data), int(duration*sr))])
            t = new_t
            N = len(t)
        else:
            # use portion that fits duration
            data = data[:N]
        m = Am * (data / np.max(np.abs(data)))  # scale to requested amplitude Am
        message_descr = f"WAV input: {wav_path.name} (rescaled to Am={Am} V)"
    else:
        # synthetic sine wave message
        m = Am * np.sin(2.0 * np.pi * fm * t)
        message_descr = f"Synthetic sine: fm={fm} Hz, Am={Am} V"

    # Save baseband (message) plot
    fig = plt.figure(figsize=(8,3))
    plt.plot(t * 1000.0, m)
    plt.xlabel("时间 / ms")
    plt.ylabel("消息信号 / V")
    plt.title(f"基带消息信号 - 时域 ({duration*1000:.0f} ms)\n{message_descr}")
    plt.xlim(0, duration*1000.0)
    save_png(fig, outdir / "message.png")

    # Carrier
    carrier = np.cos(2.0 * np.pi * fc * t)

    # Process each bias
    saved_files = []
    for B in biases:
        biased = B + m
        s = Ac * biased * carrier  # DSB-LC AM signal

        # 1) save biased baseband
        fig = plt.figure(figsize=(8,3))
        plt.plot(t * 1000.0, biased)
        plt.xlabel("时间 / ms")
        plt.ylabel("偏置后消息信号 / V")
        plt.title(f"偏置 B = {B*1e3:.1f} mV 的基带信号 - 时域")
        plt.xlim(0, duration*1000.0)
        fname_biased = outdir / f"biased_{int(B*1e6)}uV.png"
        save_png(fig, fname_biased)
        saved_files.append(fname_biased.name)

        # 2) save AM waveform (time domain)
        fig = plt.figure(figsize=(8,3))
        plt.plot(t * 1000.0, s)
        plt.xlabel("时间 / ms")
        plt.ylabel("AM 信号 / V")
        plt.title(f"DSB-LC AM 信号 (B={B*1e3:.1f} mV, fc={fc/1000:.1f} kHz)")
        plt.xlim(0, duration*1000.0)
        fname_am = outdir / f"am_{int(B*1e6)}uV.png"
        save_png(fig, fname_am)
        saved_files.append(fname_am.name)

        # 3) envelope via analytic signal
        xa = analytic_signal_fft(s)
        envelope = np.abs(xa)
        fig = plt.figure(figsize=(8,3))
        plt.plot(t * 1000.0, s, label="AM 波形")
        plt.plot(t * 1000.0, envelope, label="包络 (解析信号)")
        plt.plot(t * 1000.0, -envelope, label="_nolegend_")
        plt.xlabel("时间 / ms")
        plt.ylabel("电压 / V")
        plt.title(f"AM 信号与包络 (B = {B*1e3:.1f} mV)")
        plt.xlim(0, duration*1000.0)
        plt.legend(loc="upper right")
        fname_env = outdir / f"am_envelope_{int(B*1e6)}uV.png"
        save_png(fig, fname_env)
        saved_files.append(fname_env.name)

        # 4) spectrum (single-sided dB) up to spectrum_max_khz
        freqs, mag_db = single_sided_spectrum_db(s, fs, nfft=nfft)
        idx_max = np.searchsorted(freqs, spectrum_max_khz * 1000.0)
        fig = plt.figure(figsize=(8,3))
        plt.plot(freqs[:idx_max] / 1000.0, mag_db[:idx_max])
        plt.xlabel("频率 / kHz")
        plt.ylabel("幅度 / dB")
        plt.title(f"AM 信号功率谱幅度 (B={B*1e3:.1f} mV)")
        plt.xlim(0, spectrum_max_khz)
        # autoset ylim to show reasonable dynamic range
        ymin = np.min(mag_db[:idx_max])
        ymax = np.max(mag_db[:idx_max])
        plt.ylim(ymin - 5, ymax + 5)
        fname_spec = outdir / f"spectrum_am_{int(B*1e6)}uV.png"
        save_png(fig, fname_spec)
        saved_files.append(fname_spec.name)

    # Write README
    readme_path = outdir / "README.txt"
    with open(readme_path, "w", encoding="utf-8") as f:
        f.write("AM (DSB-LC) 仿真结果\n")
        f.write("=====================\n\n")
        f.write(f"采样率 (Fs): {fs} Hz\n")
        f.write(f"仿真时长: {duration} s\n")
        f.write(f"消息: {message_descr}\n")
        f.write(f"载波: fc = {fc} Hz, Ac = {Ac}\n")
        f.write("偏置值 (B): " + ", ".join([f"{b} V" for b in biases]) + "\n\n")
        f.write("文件列表:\n")
        for name in sorted(saved_files):
            f.write(f"- {name}\n")
        f.write("- message.png\n")
        f.write("\n说明:\n")
        f.write("1. 若要使用外部 WAV 文件, 请在命令行使用 --message-type wav --wav-path <file.wav> 并确保已安装 scipy.\n")
        f.write("2. 包络使用 FFT-based Hilbert transform 计算, 可用于演示包络检波的有效性或过调情况.\n")

    # Zip the results
    zip_path = Path(outdir.parent) / (outdir.name + ".zip")
    with zipfile.ZipFile(zip_path, "w", zipfile.ZIP_DEFLATED) as zf:
        for fpath in sorted(outdir.iterdir()):
            zf.write(fpath, arcname=fpath.name)

    print(f"Results saved to folder: {outdir}")
    print(f"ZIP archive: {zip_path}")
    print("Done.")

# -------------------------
# Command-line interface
# -------------------------
def parse_args():
    p = argparse.ArgumentParser(description="AM (DSB-LC) simulation and visualization.")
    p.add_argument("--outdir", default="./am_results", help="Output directory (will be created).")
    p.add_argument("--fs", type=int, default=48000, help="Sampling frequency (Hz).")
    p.add_argument("--duration", type=float, default=0.1, help="Simulation duration (seconds).")
    p.add_argument("--message-type", choices=["sine", "wav"], default="sine",
                   help="Message source: 'sine' for synthetic sine, 'wav' to read WAV file (requires scipy).")
    p.add_argument("--fm", type=float, default=1000.0, help="Message frequency (Hz) for synthetic sine.")
    p.add_argument("--amplitude", type=float, default=0.5, help="Message amplitude (peak, V) for synthetic sine.")
    p.add_argument("--wav-path", default=None, help="Path to WAV file if message-type==wav.")
    p.add_argument("--biases", type=float, nargs="+", default=[0.005, 0.02],
                   help="List of DC biases (V). E.g. --biases 0.005 0.02")
    p.add_argument("--fc", type=float, default=12000.0, help="Carrier frequency (Hz).")
    p.add_argument("--ac", type=float, default=1.0, help="Carrier amplitude (Ac).")
    p.add_argument("--nfft", type=int, default=16384, help="FFT length for spectrum.")
    p.add_argument("--spectrum-max-khz", type=float, default=24.0, help="Max kHz to show in spectrum plot.")
    return p.parse_args()

if __name__ == "__main__":
    args = parse_args()
    run_simulation(
        outdir=args.outdir,
        fs=args.fs,
        duration=args.duration,
        message_type=args.message_type,
        fm=args.fm,
        Am=args.amplitude,
        wav_path=args.wav_path,
        biases=tuple(args.biases),
        fc=args.fc,
        Ac=args.ac,
        nfft=args.nfft,
        spectrum_max_khz=args.spectrum_max_khz
    )

利用DAC与DMA实现微控制器AM无线电发射与莫尔斯电码通信 数字模拟转换器(DAC)和直接内存访问(DMA)是现代微控制器中实现高效数据转换与传输的核心技术。DAC负责将数字信号转换为连续的模拟电压,而DMA则允许外设直接访问内存,无需CPU频繁干预,从而大幅提升数据吞吐效率与系统实时性。这一组合在软件定义无线电(SDR)和嵌入式信号生成领域具有重要价值,能够实现高精度、高频率的波形合成。本项目正是基于这一原理,利用Adafruit Gemma M0微控制器的内置DAC和DMA功能,通过编程生成540kHz的AM调制载波,并结合自制的复古莫尔斯电码按键,构建了一个完 阅读详情

相关推荐

深入解析射频模块的核心组件与信号处理机制

本文深入解析射频模块(RF模块)的核心组件与信号处理机制,涵盖发射器、接收器和调制解调电路的工作原理。通过实际案例和技术细节,帮助读者理解射频技术在无线通信中的应用,包括晶体振荡器、编码器、天线设计及调制解调技术,并提供实用的避坑指南和调试建议。

weixin_26841743的博客 400

TI AM574x异构多核SoC全解析:从架构设计到工业应用实战

异构多核片上系统(SoC)是现代高性能嵌入式设备的核心,它通过集成不同类型的处理器核心(如通用CPU、DSP、实时MCU和专用加速器),实现了任务的高效分工与协同。其设计原理遵循“Right Task to Right Unit”哲学,旨在将控制、算法、图形、视觉等不同性质的任务卸载到最合适的硬件单元执行,从而在提升整体性能的同时优化功耗。这种架构的技术价值在于,它能够以单芯片方案替代传统的多芯片系统,显著降低系统复杂度、布板面积和物料成本,并简化软件架构与电源管理。在工业自动化、机器视觉、高端人机界面(H

weixin_33984032的博客 385

SAMD21 DAC与DMA实战:极简硬件实现复合视频与AM无线电发射

数模转换器(DAC)和直接内存访问(DMA)是嵌入式系统中实现高效模拟信号生成与数据传输的核心技术。DAC负责将数字信号转换为连续的模拟电压,而DMA则允许外设与内存间直接交换数据,无需CPU干预,从而极大提升系统实时性与效率。这一组合在资源受限的微控制器上尤为关键,能够实现传统上需要专用硬件才能完成的复杂信号生成任务。其技术价值在于以极低的硬件成本,在通用微控制器上开辟了模拟信号处理的新途径,广泛应用于音频合成、波形发生器、工业控制及通信系统等领域。本文聚焦于利用ATSAMD21微控制器的内置DAC和DM

weixin_27427397的博客 550

am解调c语言,如何解调AM波形

原标题:如何解调AM波形了解可以从幅度调制载波信号中提取原始信息的两个电路。在这一点上,我们知道调制是指有意修改正弦曲线,使得它可以将较低频率的信息从发射器传送到接收器。我们还介绍了许多与载波中不同方法有关的细节 - 幅度,频率,相位,模拟,数字编码信息。但如果我们无法从接收信号中提取数据,则没有理由将数据整合到传输信号中,这就是我们需要研究解调的原因。解调电路的范围从简单的修改后的峰值检测器到复...

weixin_36382265的博客 2129

别再只用来测距了!用20个40KHz超声波传感器DIY阵列,手把手教你玩转定向声波

本文详细介绍了如何利用20个40KHz超声波传感器构建阵列,实现从基础测距到定向声波的进阶应用。通过波束成形技术,DIY爱好者可以探索声学新领域,包括定向音频传输、非接触物体操控等创新玩法。文章涵盖阵列设计原理、焊接技巧及性能调优方法,为创客提供实用指南。

weixin_30606461的博客 405

软件无线电(SDR)的基础知识

这类似于模拟接收器的混频器,只是这里的混频是在中频下完成的。“调谐旋钮”代表了本振频率的可编程性,可以选择所需的中频频率,由基带信号向上变频。最明显的好处是抽样后的信号更容易被处理,能够以较低的速率传输,或者占用的内存更少。通过设置本振频率,从而使得本振频率与想要的输入信号(你想要接收到的无线电台)的差值等于中频。首先,来自天线的射频信号被放大,通常射频部分利用一个调谐器将感兴趣的频段区域的信号进行放大。注意到,通过在原始输入样点的空隙间填入额外的样点,将基带信号频率信息完全地保留了下来。

muyangjun的专栏 2632

波形包络提取与峰值提取_射频信号的解调:如何从AM(调幅)波形信号中提取原始信息...

本文帮助射频工程师了解两种可以从调幅载波信号中提取原始信息的电路。在这一点上,我们知道调制指的是有意修改正弦波,以便它可以将低频信息从发射机传送到接收机。本文我们还会介绍与载波信息编码的不同方法(幅度,频率,相位,模拟,数字)有关的许多细节。但是,如果我们不能从接收信号中提取数据,就没有理由将数据集成到发射信号中,这就是为什么我们需要研究解调的原因。解调电路的范围从简单到改进的峰值检测器,再到复杂...

weixin_39750190的博客 2930

掌握红外循线技术:电路设计原理图与PCB实现

在自动化和机器人技术中,红外循线电路是一种常见的技术,它允许设备沿着一条特定的路径或轨迹移动,这一路径通过红外线标记。在本章中,我们将从基础知识开始,逐步深入介绍红外循线电路的工作原理,以帮助读者理解其在自动导航和路径跟踪应用中的作用。

weixin_42499004的博客 1015

如何用树莓派打造全能RF发射器:rpitx项目从入门到精通指南

rpitx是一个专为树莓派设计的开源RF(射频)发射项目,它能将你的树莓派变成一个功能强大的多模式无线电发射器。无论是业余无线电爱好者、电子爱好者还是物联网开发者,都能通过这个项目轻松实现各种无线信号的发送与实验。 ## 🚀 什么是rpitx?它能做什么? rpitx是一个轻量级但功能丰富的RF发射软件,通过利用树莓派的硬件特性,实现了从低频到高频的多种调制方式。它支持FM、AM、SSB、F

gitblog_01187的博客 427

电子设计大赛高频组的17大解调模块实战攻略

htmltable {th, td {th {pre {简介:在电子设计大赛的高频组比赛中,解调技术是处理无线电信号的核心环节。本文详细介绍了针对ASK、FSK、AM和FM等不同调制方式的解调方法,旨在帮助设计者掌握万能解调器的设计理念和实现技术。通过深入理解信号处理理论、滤波技术、检波原理和数字信号处理,设计者可以集成多种解调功能于一个模块,以应对各种信号挑战。硬件实现经验,如熟悉集成电路的应用,对于构建高性能解调器同样至关重要。

weixin_42613360的博客 859

红外线遥控系统仿真与实践:从解码到1602显示

红外线遥控技术已成为现代电子设备中不可或缺的一部分,它利用红外线的不可见光特性传递控制信号。相比于传统的无线射频遥控,红外遥控有着成本低、抗干扰性强等优点。然而,其传输距离较短且方向性强的特点也限制了它的应用范围。本章将简要介绍红外线遥控技术的发展历程、工作原理及其在不同领域中的应用。红外线遥控技术的原理是通过红外发射器发出编码信号,红外接收器捕获这些信号并通过解码电路还原成控制命令。这种技术广泛应用于家用电器如电视机、空调、洗衣机等,也逐渐被用于智能化控制系统中。

weixin_35257663的博客 1078

GNU Radio 学习日志by lll

1.GRC:(gnuradio-companion的简写,GNU Radio的图形化界面编程工具,类似于simulink)来创建不同的通信程序。简单来说,GRC是一种帮助我们用图形化的形式来创建python脚本程序的工具。2.首先,看一下GRC的主界面。主界面包括五个部分:(1)界面右侧的GNU Radio的模块库,用于调用已集成到GRC中的模块(2)GRC的工具栏,用于GRC程序的打开、创建、编译、执行等操作。

whistle_3L的博客 1956

电商智能客服Agent开发实战:从零到一构建企业级AI助手

电商智能客服Agent是下一代AI应用的核心形态,它不仅能够回答用户问题,还能自主规划任务、调用工具并执行完整工作流程。本文将深入探讨AI Agent的基本概念、技术实现方式及电商场景中的应用,提供完整的开发流程和代码示例,帮助开发者从零开始构建一个功能强大的电商智能客服系统。通过模块化设计、多轮对话记忆管理和工具集成,这个Agent能够处理订单查询、商品推荐、退换货流程等复杂任务,同时具备企业级的安全性和稳定性保障。通过本文的介绍,读者已经掌握了构建电商智能客服Agent的核心技术与实现方法。

m0_64363449的博客 1368

MT6129射频处理器,MT6129芯片原理资料介绍

MT6129是一块高度集成的56个引脚QFN封装的射频处理芯片,支持AMPS,GSM,DCS,PCS 四频;内部包括四个低杂讯放大器,两个射频正交混频器,一个信道滤波器,一个可编程增益调节放大器,一个接收机IQ解调器,一个带锁相环的高精度的发射机IQ调制器,外接26MHz基准晶振,集成片上调节器和可编程合成器及VCO。 下面具体看看MT6129芯片的工作原理。 接收器电路        MT6...

szx940213的博客 964

从零开始掌握Simscape Multibody:机械系统建模与仿真入门

本文为机械系统建模与仿真入门指南,详细介绍了如何从零开始使用Simscape Multibody。通过构建曲柄摇块机构的实战案例,系统讲解了刚体、关节、约束等核心模块的使用,以及模型验证、参数化设计和多领域系统集成等进阶技巧,帮助工程师和学生高效进行虚拟设计与测试。

weixin_29229261的博客 313

从零搭建风电场:手把手教你用WAsP+WindPRO完成风资源评估全流程

本文详细介绍了从零开始搭建风电场的全流程,重点讲解如何使用WAsP和WindPRO进行风资源评估和风场布局优化。内容包括软件配置、数据采集规范、风图谱建模实战、机组选型策略以及常见问题解决方案,帮助工程师掌握风电开发的核心技术,提升项目成功率。

year5的博客 373

ESP32-S3实现数字AM广播:老式收音机接入网络电台

数字信号处理(DSP)与嵌入式系统结合,为传统设备注入新活力。其核心原理在于将数字音频流通过调制技术转换为模拟射频信号。这项技术的价值在于能够利用现代微控制器(如ESP32-S3)的强大处理能力,实现复杂的实时信号处理链,从而桥接数字世界与经典模拟设备。在工程实践中,这常应用于物联网音频、流媒体转发及无线电实验等场景。本文聚焦于利用ESP32-S3的双核架构和PSRAM,构建一套从网络流媒体接收、AAC解码到Σ-Δ调制的完整音频流水线,并通过极简的硬件电路驱动磁棒天线,最终让老式AM收音机成功接收并播放网络

weixin_30499315的博客 223

从分立到集成:深入解析Buck电路的核心模块与设计权衡

本文深入解析Buck电路的核心模块与设计权衡,从分立到集成方案的优缺点对比。详细探讨Buck电路的高效能量转换、小型化设计及灵活电压调节能力,并结合实际案例分享分立方案中的PWM生成、反馈环路设计及保护电路优化经验,为工程师提供实用设计参考。

weixin_29306317的博客 225

高端角雷达参考设计(TI AWR2944 )

该参考设计使用了 AWR2944 评估模块 (EVM),为角雷达应用满足 NCAP R79 安全要求奠定了基础。该设计使用户能够估算和跟踪器件视场内最远 200m 的物体位置(在方位平面中)和速度。该应用主要面向提供多种功能(如盲点检测、前侧来车辅助和变道辅助)的角雷达和前向远距离雷达系统。该设计还演示了 TI 压缩引擎和硬件加速器 (HWA) 功能。

qq_21470441的博客 3725

conda install出现CondaValueError: Malformed version string invalid character(s)解决方案

本文主要介绍了conda install出现Solving environment:failed、CondaValueError: Malformed version string invalid character(s),希望能对新手有所帮助。 文章目录 1. 问题描述 2. 解决方案 2.1 步骤一 2.2 步骤二 2.3 步骤三

weixin_43178406的博客 6万+

HAL STM32+EC11编码器实现增减调节及单击、双击、长按功能

HAL STM32+EC11编码器实现增减调节及单击、双击、长按功能

perseverance51博客 4239

matlab sdr,Software Defined Radio Using MATLAB & Simulink and the RTL-SDR

摘要:The availability of the RTL-SDR for less than $20 brings SDR to the home and work desktops of EE students, professional engineers and the maker community. The RTL-SDR device can be used to acquire ...

weixin_35896299的博客 450

Far planner代码系列(2)

graph_decoder系列(2) 承接上文 我们接着来看decoder_node.cpp的代码部分 void GraphDecoder::Init() { /* initialize subscriber and publisher */ //graph_sub_ 订阅节点/robot_vgraph 其类型是visibility_graph_msg/Graph的消息 graph_sub_ = nh.subscribe("/robot_vgrap...

博客 1535

基于Wio Terminal与DHT22的食品存储环境实时监控系统DIY指南

温湿度监测是物联网与嵌入式系统的基础应用,通过传感器采集环境数据,结合微控制器进行处理与逻辑判断,能够实现对物理世界的数字化感知与智能响应。这项技术在环境监控、农业、仓储等领域具有重要价值,尤其适用于对存储条件敏感的场景。本文以食品存储环境监控为具体案例,详细阐述了如何利用Wio Terminal开发板与DHT22传感器,构建一个具备实时数据显示与阈值报警功能的本地监测系统。项目涵盖了从硬件选型、连接、到软件架构、核心代码实现的完整流程,并深入探讨了阈值设定的科学依据与传感器校准等工程实践要点,为物联网初学

weixin_33851177的博客 544

084、ISP 多Context调度:预览、抓拍、录像三路并行 ISP 资源分配

ISP多Context调度优化经验总结 问题本质:ISP多Context并非真正并行,RAW域处理存在串行瓶颈。典型案例是4K60录像时连拍导致视频帧率骤降,根源在于capture抢占video资源引发优先级反转。 关键发现: 移动平台ISP采用"共享管线+独立配置"架构,RAW处理和DMA带宽是主要冲突点 三路典型场景:预览(低延迟)、抓拍(高突发)、录像(高稳定)各有不同资源需求 静态优先级方案会导致video帧率锯齿状波动 解决方案: 时间片轮转+动态提升(高通方案):为各Context分配合理时间片

sundong_81的博客 27

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

无人机中的数学应用第四章:信号传输 —— 数学保障通信稳定性

摘要: 本文系统阐述了无人机通信中的数学原理与应用。首先,从数字信号通信的本质出发,对比了模拟与数字信号的特性,并详细解析了编码、调制与解调的核心过程。其次,重点探讨了菲涅尔区与通视性分析,包括绕射现象、菲涅尔区半径计算及通视性判断方法。然后,深入讲解了链路预算的数学建模,涵盖自由空间损耗、地形附加损耗及抗衰落设计。最后,针对不同地形(开阔地、山地、城市等)提出了定制化通信策略,如波束成形、中继网络和自适应算法。全文通过数学工具(如香农定理、傅里叶变换、强化学习)揭示了无人机通信的优化路径.

bother3000的博客 1万+

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

上一篇: 雷达原理 魏青 使用的是第三版教材 23.P23 雷达接收机(三)接收机的噪声系数和灵敏度
下一篇: 飞腾系列——FT-M6678模板匹配算法的实现与优化
VectorShift
博客等级 码龄1年 1844粉丝 1109原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

VectorShift

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值