热门标签 | HotTags
当前位置:  开发笔记 > 程序员 > 正文

信号调制疑问_DSM调制器simulink仿真分析

TOCDSM调制器simulink仿真分析一.背景介绍在射频电路中常常用到分频器,其中可编程分频器应用广泛,可以产生多种分频比。本文用到

@TOC DSM 调制器simulink仿真分析

一.背景介绍

在射频电路中常常用到分频器,其中可编程分频器应用广泛,可以产生多种分频比。

本文用到的参考文献及simulink工程文件,点击此处下载

1.1整数分频

1.1.1双模分频器和计数器实现多模分频器

d5c313c3586266449dcf628269a2bf21.png

图1 双模分频器与计数器实现多模分频器 如图所示,

a) 首先进行初始化,两个计数器分别载入初值J 和K,设定N/N+1双模分频器的模数控制字Cw 为低电平0,控制双模分频器实现N+1分频,否则双模分频器实现N分频。计数器开始倒计数。

b) 计数器采用减法计数方式,每个时钟上升沿到来,两个计数器自减一,因为吞咽计数器初值K小于脉冲计数器初值J,所以吞咽计数器首先减为0 值。

c) 吞咽计数器到达0 值以后,控制模数控制信号Cw 跳变为1,N/N+1双模分频器开始进行N 分频,在此期间脉冲计数器一直进行减一计数,直到变为0 值。

d) 在脉冲计数器减到0 值后,产生一个复位信号Rst,模数控制字Cw再次跳变为低电平0。这样便完成了一个周期的工作过程,重新置入初值。

e) 重复上述步骤。

综上所述:总的分频比为

一帮情况下,N是定值,通过修改K和J的值实现不同的分频比。缺点 1.分频比最小值为1,即频率最小步进值为参考频率Fclk。在某些应用中,较低的参考时钟频率会限制系统性能。 2.针对与不同的系统要求,需要重新设计双模分频器以及计数器,而且多位的计数器硬件消耗较大。

1.1.2 23分频单元实现多模分频器

另外一种 采用2/3单元组合构成多模分频器。

699dadb36f9cfe0f72c0b011c220a563.png

图二2/3单元构成的多模整数分频器 此处不做仔细讲解,总得分频比:

800c5eb3dec7993639f453dc6386b553.png

该结构的不足就是分频范围受限,最小分频值是

,最大分频比为

缺点 1.最小分频比受限,有相关论文解决此问题。 2.随着2/3分频单元的增加,功耗增大。 优点 1.相比于双模分频器构成的多模分频器,其结构简单,容易扩展,每个分频单元的结构完全相同,方便后端设计。

1.2小数分频原理及缺点

1.2.1 小数分频基本原理

小数分频主要思想是一段时间范围内的平均分频比,仍然通过基本的整数分频实现,通过控制双模或多模分频器(注意可以是多模分频器)不断改变分频比。瞬时分频比是不断变化的,在一段时间范围内看,平均分频比是小数 比如: 电路中需要实现一个100.1的小数分频,便可以控制一个100 /101双模分频器进行9次100分频,再进行1 次101分频,这样得到的平均分频值就是:

上式中N:分频比的整数部分,F:分频比的小数部分#

1.2.2小数杂散

小数杂散的本质: 双模或多模分频器的分频比不是完全的随机,瞬时分频比不断变化,存在有一定的周期性,因此VCO产生的信号分频之后经过鉴频鉴相器(PFD)和低通滤波器(LPF)之后会产生一定周期性的脉冲信号对电荷泵充放电。在频域上会体现在固定频偏处的噪声信号较大。

052571249a5f6890f5a212f2744541a6.png

小数杂散示意图

根据小数杂散的原理已知:消除小数杂散的方法可以通过将分频比更加随机化将噪声信号随机化,使得噪声信号没有固定的频率,相当于白噪声(以下dsm调制器的基础是白噪声)。

二.Sigma-Delta调制器基本原理

本文用到的参考文献及simulink工程文件,点击此处下载

2.1背景介绍

整个

调制器基于过采样和噪声整型技术,过采样使得噪声总功率虽然不变但是分布在信号频带中的噪声明显减少,信噪比得以提高。噪声整型技术进一步压缩带内噪声,将噪声推向高频,通过低通滤波器滤除带外噪声。

2.2 过采样技术(参考时钟)

过采样技术的前提假设: 1.量化量化噪声的概率密度为匀概率密度

a9c68751d3137fb9ca297d5ab3cfb0c2.png

2.量化噪声的功率谱密度为白噪声

4dea4924db3ca555a833ead03232bf44.png

以上两个假设的成立的前提是分频比随机化,分频比不能有固定的频率,只有当分频比随机化之后,小数杂散不会固定频率点,量化噪声的概率密度和功率谱密度才能如图所示,为一个常数。

学习i到此处产生了几个疑问。

问题一: 什么是量化噪声?此处的量化噪声与ADC中的量化噪声有何区别

1.ADC中的量化噪声: 模数转化的过程涉及到采样、量化和编码,这不可避免的就会引入量化误差,量化过程需要根据量化单位(表示为

)的大小对每个模拟信号的采样值进行分级,每一级的大小只能是量化单位的整数倍,而模拟信号一定存在不能被整除的,所以产生了量化误差。

2.

调制器中的量化噪声: 假设小数分频比为N.F,将调制器看作一个黑匣子,输入N.F,经过调制器后输出控制信号为Control信号(control不一定只有0,1)。进而控制双模/多模分频器分频。由1.2.1节分析可知,输入分频比N.F和实际瞬时分频比存在误差,这也是量化误差一种。 量化误差并不是ADC中特有的概念,在数字量——>数字量,模拟量——>模拟量,数字量——>模拟量,模拟量——>数字量中,凡是存在数据的转换过程,都可以称之为量化。量化过程的本质是A——>B的一种转换。

问题二: DSM调制器中哪里应用了过采样的原理?

过采样的本质是用远高于奈奎斯特采样速率采样速率去实现A-B的转换过程。DSM调制器一般用高速时钟如F=26MHz。DSM中用到了累加器,移位器等等( 先当作已知信息,后面章节会详细分析 ),都是时钟驱动电路。而调制器的输出(分频比控制信号)相比于时钟信号,其变化速度较慢。此时就产生了高速时钟Fclk对分频比控制信号过采样。 实际上,过采样的原理隐含在了广义的量化过程中,没有向下面2.3节中噪声整型体现的明显。DSM调制器的设计分析过程主要体现噪声整型,过采样隐含其中。

2.3 噪声整型()

噪声整形的原理就是运用反馈把位于信号带宽内的噪声不断的压缩,目的就是把它被推到信号频带以外,因为信号频带外的噪声便能够通过环路中的低通滤波器滤除掉。

02bd37fb5c425e32291bd17ed12d43ca.png

整形结果如下图

309f7e64d92e637dfb606b077d19a188.png

噪声整形的结果是在噪声功率不变的情况下,改变噪声的功率谱形状,将大部分噪声推向高频,进而通过低通滤波器滤掉高频噪声,提高信号带宽内的信噪比。

三.

调制器设计及仿真

根据以上分析,瞬时分频比更加随机化保证量化噪声更近似于白噪声,白噪声的概率密度和功率谱密度形状是过采样和噪声整形的基础,利用过采样和噪声整形可以减小带内量化噪声,下面的重点在于 1.如何构造噪声整形的传递函数 2.如何使瞬时分频比更加随机化。 ## 3.1一阶调制器设计及仿真 ### 3.1.1 一阶调制器原理 如图 所示为一阶SDM 的结构框图,可以看到它由一个Delta 调制器,一个积分器以及一个量化器组成,积分器在离散系统用延迟求和表示,所以该种结构的调制器便被称作Sigma-Delta 调制器。下图它的Z域的结构框图。

1c0173211b237f9959db3fbb239cd579.png

图3.1一阶SDM调制器结构

e035d5bc7292b4f84f8dec1c0a33c948.png

图3.2一阶SDM调制器Z域模型 根据图3.2可到SDM调制器的传递函数:

由上式可以看出,图3.2的调制器线性模型满足2.3节噪声整型的分析,对于信号X[z]是全通,对于量化噪声是高通滤波。满足噪声整形对传递函数的要求。

针对图3.2重新写写传递函数

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200804211026278.png#pic_center)

图3.3 根据式3.2得DSM调制器框图

图3.3也对应于累加器的z域模型,下面分析累加器z域模型域DSM 调制器的关系

112f445bf0cc2ae7d2b42fbc683a0558.png

图3.4基于累加器的模型 如图3.4所示:输入m位的X[n],累加求和m+1位的结果S[n],其中求和结果的最高位当作进位输出C[n]。 量化误差量化误差

。e[n]的负值等于剩余的m位不带进位的和项。误差经过m位寄存器延时后返回累加器,在下一个时钟再累加。这里的量化误差相当于将m+1位的求和结果S[n]量化为1位输出C[n]。可以用下图表示

0ea11005891873869c694adc16d61d76.png

下满用simulink进行建模仿真分析

3.1.2 一阶调制器仿真

假设累加器的位宽为k 位,输入为常数K,则累加器的模数为

,每经过一个时钟周期累加器的值增大K,当累加的值超过
时,则产生一个进位输出信号C。 搭建累加器模型时,用一个常数设置累加器的最大值,当累加的结果大于等于这个最大值时,产生一个进位输出。同时累加的结果与累加最大值送入取余函数模块进行操作,当累加的结果没有大于设定的累加器最大值时,取余操作后的输出就是本次累加的结果,延时一个单位时间后再输入到加法器进行累加。当累加的结果大于累加器最大值时,取余操作相当于在累计结果中去掉了最大值部分。

6765b1742c7a41bd4bf75920c0ad9c21.png

图3.5一阶调制器simulink仿真图

其中累加器最大值设为

,输入常数为6291456,相当于输入小数分频比0.375。

aa8785b5a0fa3720146eb70b5d631fa8.png

从上表可以看出,当输入为0.375 时,在8 个周期内有三次进位溢出信号,3/8=0.375,正好就是小数累加器的输入,也具有明显的周期性。 查看仿真结果如下:

6149e7342a3b1d8112349eda5d3ec592.png

左图是余数输出(量化误差),右图是进位输出。 由图可以治,进位输出具有明显的周期性,如果用来控制瞬时分频比,会有明显的小数杂散。 下面研究.如何使瞬时分频比更加随机化。

本文用到的参考文献及simulink工程文件,点击此处下载

3.2MASH1-1-1设计及仿真

MASH1-1-1作用有以下两个:

1.瞬时分频比更加随机化,也可以认为是周期更大。当趋向于无穷大时,即为非周期信号。 2.多级Sigma-Delta 调制器,噪声整形传递函数效果更好。

3.2.1 MASH1-1-1 原理

5e938b30d3b43965af5620b7921e0c5b.png

其中一阶调制器结构如下图所示:

112f445bf0cc2ae7d2b42fbc683a0558.png

04458c6e4bdc58d19d50bc02ebb384f6.png

下面分析本节开头提出的MASH1-1-1的两个作用: 1.由上式可以知道,MASH1-1-1 结构的输出等于输入与最后一级的量化误差的和,并且最后一级的量化误差是经过高阶整形的。这说明前面几级的噪声都被消除掉,只剩下最后一级的量化误差影响输出结果。最后一级误差传递函数为3次方,低频带内噪声压缩更小,整形效果更好。而且,噪声经过三级压缩之后,本身的e3就很小。 2.由式3-30经过z域反变化可知:

C1 C2 C3是每级单阶调制器的输出,0或者1。因此最终输出Y[n]共有8中可能性,4,3,2,1,0,-1,-2,-3,虽然也有周期性,但相比于一阶调制器只有0或1的输出,输出结果的可能性更多,随机性更好。

### 3.2.2 MASH1-1-1 仿真

227c669a565a12be268e0a12ae21c5aa.png

fed8a5cccbdafe7f33a7e4bffbd01a51.png

最终OUT输出,可以看到OUT覆盖了4到-3范围,将其输入到多模分频器中,获得的瞬时分频比更加随机。理论上阶数更高随机性更好,但三阶的MASH1-1-1实际中已经够用。 本文用到的参考文献及simulink工程文件,点击此处下载



推荐阅读
  • 使用Ubuntu中的Python获取浏览器历史记录原文: ... [详细]
  • 本文介绍了在Python3中如何使用选择文件对话框的格式打开和保存图片的方法。通过使用tkinter库中的filedialog模块的asksaveasfilename和askopenfilename函数,可以方便地选择要打开或保存的图片文件,并进行相关操作。具体的代码示例和操作步骤也被提供。 ... [详细]
  • XML介绍与使用的概述及标签规则
    本文介绍了XML的基本概念和用途,包括XML的可扩展性和标签的自定义特性。同时还详细解释了XML标签的规则,包括标签的尖括号和合法标识符的组成,标签必须成对出现的原则以及特殊标签的使用方法。通过本文的阅读,读者可以对XML的基本知识有一个全面的了解。 ... [详细]
  • HTML学习02 图像标签的使用和属性
    本文介绍了HTML中图像标签的使用和属性,包括定义图像、定义图像地图、使用源属性和替换文本属性。同时提供了相关实例和注意事项,帮助读者更好地理解和应用图像标签。 ... [详细]
  • 如何实现织梦DedeCms全站伪静态
    本文介绍了如何通过修改织梦DedeCms源代码来实现全站伪静态,以提高管理和SEO效果。全站伪静态可以避免重复URL的问题,同时通过使用mod_rewrite伪静态模块和.htaccess正则表达式,可以更好地适应搜索引擎的需求。文章还提到了一些相关的技术和工具,如Ubuntu、qt编程、tomcat端口、爬虫、php request根目录等。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 如何去除Win7快捷方式的箭头
    本文介绍了如何去除Win7快捷方式的箭头的方法,通过生成一个透明的ico图标并将其命名为Empty.ico,将图标复制到windows目录下,并导入注册表,即可去除箭头。这样做可以改善默认快捷方式的外观,提升桌面整洁度。 ... [详细]
  • 本文介绍了Java工具类库Hutool,该工具包封装了对文件、流、加密解密、转码、正则、线程、XML等JDK方法的封装,并提供了各种Util工具类。同时,还介绍了Hutool的组件,包括动态代理、布隆过滤、缓存、定时任务等功能。该工具包可以简化Java代码,提高开发效率。 ... [详细]
  • 【Windows】实现微信双开或多开的方法及步骤详解
    本文介绍了在Windows系统下实现微信双开或多开的方法,通过安装微信电脑版、复制微信程序启动路径、修改文本文件为bat文件等步骤,实现同时登录两个或多个微信的效果。相比于使用虚拟机的方法,本方法更简单易行,适用于任何电脑,并且不会消耗过多系统资源。详细步骤和原理解释请参考本文内容。 ... [详细]
  • 本文详细介绍了MysqlDump和mysqldump进行全库备份的相关知识,包括备份命令的使用方法、my.cnf配置文件的设置、binlog日志的位置指定、增量恢复的方式以及适用于innodb引擎和myisam引擎的备份方法。对于需要进行数据库备份的用户来说,本文提供了一些有价值的参考内容。 ... [详细]
  • 如何用UE4制作2D游戏文档——计算篇
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了如何用UE4制作2D游戏文档——计算篇相关的知识,希望对你有一定的参考价值。 ... [详细]
  • 本文介绍了Hyperledger Fabric外部链码构建与运行的相关知识,包括在Hyperledger Fabric 2.0版本之前链码构建和运行的困难性,外部构建模式的实现原理以及外部构建和运行API的使用方法。通过本文的介绍,读者可以了解到如何利用外部构建和运行的方式来实现链码的构建和运行,并且不再受限于特定的语言和部署环境。 ... [详细]
  • 图解redis的持久化存储机制RDB和AOF的原理和优缺点
    本文通过图解的方式介绍了redis的持久化存储机制RDB和AOF的原理和优缺点。RDB是将redis内存中的数据保存为快照文件,恢复速度较快但不支持拉链式快照。AOF是将操作日志保存到磁盘,实时存储数据但恢复速度较慢。文章详细分析了两种机制的优缺点,帮助读者更好地理解redis的持久化存储策略。 ... [详细]
  • Voicewo在线语音识别转换jQuery插件的特点和示例
    本文介绍了一款名为Voicewo的在线语音识别转换jQuery插件,该插件具有快速、架构、风格、扩展和兼容等特点,适合在互联网应用中使用。同时还提供了一个快速示例供开发人员参考。 ... [详细]
  • 无损压缩算法专题——LZSS算法实现
    本文介绍了基于无损压缩算法专题的LZSS算法实现。通过Python和C两种语言的代码实现了对任意文件的压缩和解压功能。详细介绍了LZSS算法的原理和实现过程,以及代码中的注释。 ... [详细]
author-avatar
Kanxsg
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有