当前位置：文档库 › Homodyne QPSK Detection for Quantum Key Distribution

Homodyne QPSK Detection for Quantum Key Distribution

M. B. Costa e Silva, Q. Xu, S. Agnolini, and P. Gallion

Ecole Nationale Supérieure des Télécommunications (GET/Télécom Paris and CNRS),

46 rue Barrault, 75013 Paris, France.

Email: mcosta@enst.fr

F. J. Mendieta

CICESE, km.107 Carr. Tijuana, Ensenada, Baja California 22800, México.

Abstract: We present a QKD system with fainted pulses using self-homodyne coherent detection

in optical fibers at 1543nm. BB84 protocol key is encoded in the optical phase using a two-electrode Mach-Zehnder modulator, producing a QPSK modulation.

@2006 Optical Society of America

OCIS codes: (060.2920) Homodyning; (060.5060) Phase Modulation; (999.9999) Quantum-Key-Distribution

1. Introduction.

In fiber-optic quantum key distribution (QKD) at telecommunications wavelengths, coherent homodyne detection of phase encoded keys constitutes an attractive alternative to APD photon counters, which suffer from low quantum efficiency and long response time due to the quenching process [1].

In the search for higher key rates, coherent homodyne detection of these formats provides additional advantages such as the operation near the quantum limit, with the mixing gain to combat the thermal noise, obtained with standard p.i.n. detectors, which exhibit in general less noise sensitivity, higher quantum efficiency, faster response, as well as lower cost and power requirements than quenched avalanche photodiodes [2].

When a strong, phase and polarization synchronized reference is regenerated, a variety of key encoding formats is detectable; in this work we present two configurations: a self-homodyne, and a delayed homodyne scheme that uses only one fiber where a reference is time-multiplexed with the encoded key.

2. Experimental Setup

In our BB84-QKD phase modulated system, Alice encodes its symbols as antipodal phase states in two conjugated bases, resulting in a QPSK format. We implement this modulation by using a two-electrode Mach-Zehnder electro-optical modulator (EOM-A), with the pre-modulation arrangement as shown in Fig. 1 [3], allowing the independent choice of base and symbol as required by BB84, producing the following Alice’s QPSK transmitted field:

()()()()

012exp 2A A E t E t j =?Φ+Φ????

(1)

In order to maintain the constant envelope condition, the intensity modulation term must be kept unchanged, so

we construct the Alice’s encoding table as shown also on Fig. 1, where we have indicated the Bob’s choice of base, producing the following optical field resulting from Bob’s measurement by applying its phase modulation with a similar modulator EOM-B, using one electrode only:

()()()()0exp B B B A B E t E j =Φ?Φ?Φ (2)

When Alice’s and Bob’s bases coincide (ΦA -ΦB = 0 or π), the phase takes one of two antipodal values that can be measured, but in the case of anti-coincidence (ΦA -ΦB = π/2 or –π/2), the measures are random and non informative.

Alice

Bob

Base Bit Ф1Ф2

ΦA

base ΦB ΦA -ΦB

Key B1 π/4 0

0 0 0π/2π/4

B2 -π/4 π/2 ? B1

π/4 π 1 A1

1 π-π/2

-3π/4

B2 -π/4 -π/2 ? B1

π/4 -π/2 ? 0 0-π/2

-π/4

B2 -π/4 0 0 B1

π/4 π/2 ? A2

ππ/2

3π/4

-π/4 π 1

Fig. 1 Alice’s encoding scheme and table for QPSK protocol BB84

2.1 Self-Homodyne configuration

Our first setup consists of a standard telecommunications fiber-optic self-homodyne with the strong carrier “reference” transmitted in a separate line. In the “signal” line Alice introduces her base and symbol choices by phase modulating the EOM-A, and strongly attenuates the signal before sending it to Bob, who also applies his 2-state phase modulation as base’s choice. Bob performs then homodyne photodetection with 2 p.i.n. photodiodes in a balanced configuration. Fig. 2(a) shows a typical detected output when a pulse modulated laser is sent to the system, for a received power of -47dBm. The coincidence of bases between Alice and Bob are shown in the waveform as positive and negative pulses, while the pulses corresponding to anti-coincidence are discarded. Fig. 2(b) shows a histogram of the detected output (as shown in Fig. 2(a)), where we can observe the manifestation of the base coincidence (outer peaks) and anti-coincidence (inner peak).

Fig. 2 (a) Detected Output and (b) Histogram for Pr = -47dBm

2.2 Delayed homodyne configuration

The first self-homodyne configuration requires the transmission in two fibers, which suffer from unequal phase and polarization shifts and stabilities as the propagation distance increases. In addition, the “signal” and “reference” line must be in absolute phase-alignment in order to reach a suitable self-homodyne configuration, which is very difficult to implement in a practical application.

Our second homodyne configuration consists in sending the weak QPSK-modulated pulses time-multiplexed with unmodulated strong pulses that constitute a carrier phase reference in a same fiber. Fig. 3 is a diagram of our experimental setup: optical pulses are fed into Alice’s unbalanced interferometer: Alice’s fainted pulse QPSK signal is produced in its longer arm with an EOM-A as mentioned above, while strong unmodulated pulses pass through the shorter arm, with accurate polarization control.

At the receiver, Bob’s measurements are performed by applying his 2-state phase modulation to the strong pulses in a similar delayed interferometric configuration so that the weak key pulses beat with the high power reference pulses, in order to achieve an acceptable mixing gain; then a balanced photodetection is performed. Fig. 4(a) shows the detected output after 11 km fiber propagation and 4(b) the corresponding histogram.

Fig.3 Delayed homodyne QKD Setup

Fig. 4 (a) Detected Output and (b) Histogram after 11 km fiber propagation

3. Conclusion

We have implemented a fiber-optic coherent homodyne detection system for QPSK modulation scheme in QKD applications using standard telecommunications fibers, which employs p.i.n. photodetectors as an alternative to APD photon counters. We introduced a technique for independent choice of Alice’s base and symbol. We present results on detected outputs and statistics on base coincidence and anticoincidence for two configurations: a self-homodyne and a delayed homodyne scheme. The second scheme reduces impressively the phase stability requirements due to the transmission in the single fiber and provides a much easier and stabler long distance QKD system.

4. References

[1] M. Koashi, “Unconditional Security of Coherent State Quantum Key Distribution with a Strong Reference Phase Pulse”, Phys. Rev. Lett., 93, 120501-1 – 120501-4 (2004).

[2] T. Hirano et al, “Quantum cryptography using pulsed homodyne detection”, Phys. Rev. Lett, A 68, 042331-1 – 042331-7 (2003)

[3] S. Agnolini, P. Gallion, “Quantum Key Distribution Implementations by QPSK Modulation Using a Single Dual Electrode Mach Zehnder Modulator ”, Symposium on Technology Fusion of Optoelectronics and Communications, SFTOC’05, Paper 21S11, May 2005

PoC5

PoC1

PoC2

PoC3

PoC4

实验五：FIR数字滤波器设计与软件实现

实验五：FIR数字滤波器设计与软件实现一、实验指导 1．实验目的（1）掌握用窗函数法设计FIR数字滤波器的原理和方法。（2）掌握用等波纹最佳逼近法设计FIR数字滤波器的原理和方法。（3）掌握FIR滤波器的快速卷积实现原理。（4）学会调用MATLAB函数设计与实现FIR滤波器。 2．实验容及步骤（1）认真复习第七章中用窗函数法和等波纹最佳逼近法设计FIR数字滤波器的原理；（2）调用信号产生函数xtg产生具有加性噪声的信号xt，并自动显示xt及其频谱，如图1所示；图1 具有加性噪声的信号x(t)及其频谱如图（3）请设计低通滤波器，从高频噪声中提取xt中的单频调幅信号，要求信号幅频失真小于0.1dB，将噪声频谱衰减60dB。先观察xt的频谱，确定滤波器指标参数。（4）根据滤波器指标选择合适的窗函数，计算窗函数的长度N，调用MATLAB函数fir1设计一个FIR低通滤波器。并编写程序，调用MATLAB快速卷积函数fftfilt实现对xt的滤波。绘图显示滤波器的频响特性曲线、滤波器输出信号的幅频特性图和时域波形图。（4）重复（3），滤波器指标不变，但改用等波纹最佳逼近法，调用MATLAB函数remezord 和remez设计FIR数字滤波器。并比较两种设计方法设计的滤波器阶数。提示：○1MATLAB函数fir1的功能及其调用格式请查阅教材； ○2采样频率Fs=1000Hz，采样周期T=1/Fs； ○3根据图1(b)和实验要求，可选择滤波器指标参数：通带截止频率fp=120Hz，阻带截

至频率fs=150Hz ，换算成数字频率，通带截止频率p 20.24p f ωπ=T =π，通带最大衰为0.1dB ，阻带截至频率s 20.3s f ωπ=T =π，阻带最小衰为60dB 。 ○ 4实验程序框图如图2所示，供读者参考。图2 实验程序框图 4.思考题 (1)如果给定通带截止频率和阻带截止频率以及阻带最小衰减,如何用窗函数法设计线性相位低通滤波器?请写出设计步骤. (2)如果要求用窗函数法设计带通滤波器,且给定通带上、下截止频率为pl ω和pu ω，阻带上、下截止频率为sl ω和su ω，试求理想带通滤波器的截止频率cl cu ωω和。（3）解释为什么对同样的技术指标，用等波纹最佳逼近法设计的滤波器阶数低？ 5．信号产生函数xtg 程序清单（见教材）二、滤波器参数及实验程序清单 1、滤波器参数选取根据实验指导的提示③选择滤波器指标参数：通带截止频率fp=120Hz ，阻带截至频率fs=150Hz 。代入采样频率Fs=1000Hz ，换算成数字频率，通带截止频率p 20.24p f ωπ=T =π，通带最大衰为0.1dB ，阻带截至频率

数字滤波器的MATLAB设计与实现.

数字滤波器的MATLAB设计与实现数字滤波器的MATLAB设计与实现类别：电子综合引言随着信息时代和数字世界的到来，数字信号处理已成为今一门极其重要的学科和技术领域。数字信号处理在通信、语音、图像、自动控制、雷达、军事、航空航天、医疗和家用电器等众多领域得到了广泛的应用。在数字信号处理应用中，数字滤波器十分重要并已获得广泛应用。 1 数字滤波器的设计1.1 数字滤波器设计的基本步骤数字滤波器根据其冲激响应函数的时域特性，可分为两种，即无限长冲激响应（IIR）滤波器和有限长冲激响应（FIR）滤波器。IIR滤波器的特征是，具有无限持续时间冲激响应。种滤波器一般需要用递归模型来实现，因而有时也称之为递归滤波器。FIR滤波器的冲激响应只能延续一定时间，在工程实际中可以采用递归的方式实现，也可以采用非递归的方式实现。数字滤波器的设计方法有多种，如双线性变换法、窗函数设计法、插值逼近法和Chebyshev逼近法等等。随着MATLAB软件尤其是MATLAB的信号处理工作箱的不断完善，不仅数字滤波器的计算机辅助设计有了可能，而且还可以使设计达到最优化。数字滤波器设计的基本步骤如下：（1）确定指标在设计一个滤波器之前，必须首先根据工程实际的需要确定滤波器的技术指标。在很多实际应用中，数字滤波器常常被用来实现选频操作。因此，指标的形式一般在频域中给出幅度和相位响应。幅度指标主要以两种方式给出。第一种是绝对指标。它提供对幅度响应函数的要求，一般应用于FIR滤波器的设计。第二种指标是相对指标。它以分贝值的形式给出要求。在工程实际中，这种指标最受欢迎。对于相位响应指标形式，通常希望系统在通频带中人有线性相位。运用线性相位响应指标进行滤波器设计具有如下优点：①只包含实数算法，不涉及复数运算；②不存在延迟失真，只有固定数量的延迟；③长度为N 的滤波器（阶数为N-1），计算量为N/2数量级。因此，本文中滤波器的设计就以线性相位FIR滤波器的设计为例。（2）逼近确定了技术指标后，就可以建立一个目标的数字滤波器模型。通常采用理想的数字滤波器模型。之后，利用数字滤波器的设计方法，设计出一个实际滤波器模型来逼近给定的目标。（3）性能分析和计算机仿真上两步的结果是得到以差分或系统函数或冲激响应描述的滤波器。根据这个描述就可以分析其频率特性和相位特性，以验证设计结果是否满足指标要求；或者利用计算机仿真实现设计的滤波器，再分析滤波结果来判断。 1.2 滤波器的MATLAB设计（1）MATLAB MATLAB是一套用于科学计算的可视化高性能语言与软件环境。它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个界面友好的用户环境。它的信号处理工具箱包含了各种经典的和现代的数字信号处理技术，是一个非常优秀的算法研究与辅助设计的工具。在设计数字滤波器时，通常采用MATLAB来进行辅助设计和仿真。（2）FIR滤波器的MATLAB设计下面以设计线性相位FIR滤波器为例介绍具体的设计方法。线性相位FIR滤波器通常采用窗函数法设计。窗函数法设

QPSK调制解调完整程序(配有自己的注释)

QPSK调制解调完整程序（配有注释） clc; clear all; %假定接收端已经实现载波同步，位同步（盲信号解调重点要解决的问题：载波同步（costas环（未见到相关代码）），位同步（Gardner算法（未见相关代码）），帧同步） % carrier frequency for modulation and demodulation fc=5e6; %QPSK transmitter data=5000 ; %码数率为5MHZ %原码个数 rand_data=randn(1,5000); for i=1:data if rand_data(i)>=0.5 rand_data(i)=1; else rand_data(i)=0; end end %seriel to parallel %同时单极性码转为双极性码 for i=1:data if rem(i,2)==1 if rand_data(i)==1 I(i)=1; I(i+1)=1; else I(i)=-1; I(i+1)=-1; end else if rand_data(i)==1 Q(i-1)=1; Q(i)=1; else Q(i-1)=-1; Q(i)=-1; end end end % zero insertion ，此过程称为成形。成形的意思就是实现由消息到波形的转换，以便发射，脉冲成形应该是在基带调制之后。 zero=5; %sampling rate 25M HZ ,明白了，zero为过采样率。它等于采样率fs/码速率。

for i=1:zero*data % 采样点数目=过采样率*原码数目 if rem(i,zero)==1 Izero(i)=I(fix((i-1)/zero)+1); Qzero(i)=Q(fix((i-1)/zero)+1); else Izero(i)=0; Qzero(i)=0; end end %pulse shape filter，接着，将进行低通滤波，因为随着传输速率的增大，基带脉冲的频谱将变宽 %如果不滤波（如升余弦滤波）进行低通滤波，后面加载频的时候可能会出现困难。 %平方根升余弦滤波器 % psf=rcosfir(rf,n_t,rate,fs,'sqrt') rate:过采样率，rf:滚降因子，n_t:滤波器阶数，fs:采样率 %用在调制或发送之前，用在解调或接受之后，用来降低过采样符号流带宽并不引发ISI（码间串扰） NT=50; N=2*zero*NT; % =500 fs=25e6; rf=0.1; psf=rcosfir(rf,NT,zero,fs,'sqrt');% psf大小为500 Ipulse=conv(Izero,psf); Qpulse=conv(Qzero,psf); %为什么数字信号传输也要过采样，成形滤波？ %答：过采样的数字信号处理起来对低通滤波器的要求相对较低，如果不过采样，滤波的时候滤波器需要很陡峭，指标会很严格 %成形滤波的作用是保证采样点不失真。如果没有它，那信号在经过带限信道后，眼图张不开，ISI非常严重。成形滤波的位置在基带调制之后。 %因为经成形滤波后，信号的信息已经有所损失，这也是为避免ISI付出的代价。换句话说，成形滤波的位置在载波调制之前，仅挨着载波调制。 %即：（发送端）插值（采样）-成形-滤波（LPF)-加载频(载波调制)-加噪声至（接收端）乘本振-低通-定时抽取-判决。 %modulation for i=1:zero*data+N %采样点数目改变（因为卷积的缘故） t(i)=(i-1)/(fs); %这里因为假设载频与码速率大小相等，所以用载频fc 乘以过采样率=采样率。 Imod(i)=Ipulse(i)*sqrt(2)*cos(2*pi*fc*t(i)); Qmod(i)=Qpulse(i)*(-sqrt(2)*sin(2*pi*fc*t(i))); end sum=Imod+Qmod;

自适应滤波器的dsp实现

学号: 课程设计学院专业年级姓名论文题目指导教师职称成绩 2013年 1 月 10 日

目录摘要 (1) 关键词 (1) Abstract (1) Key words (1) 引言 (1) 1 自适应滤波器原理 (2) 2 自适应滤波器算法 (3) 3 自适应滤波算法的理论仿真与DSP实现 (5) 3.1 MATLAB仿真 (5) 3.2 DSP的理论基础 (7) 3.3 自适应滤波算法的DSP实现 (9) 4 结论 ............................................... 错误！未定义书签。致谢 ................................................. 错误！未定义书签。参考文献 ............................................. 错误！未定义书签。

自适应滤波器算法的DSP实现学生姓名：学号：学院：专业：指导教师：职称：摘要：本文从自适应滤波器的基本原理、算法及设计方法入手。本设计最终采用改进的LMS算法设计FIR结构自适应滤波器，并采用MATLAB进行仿真，最后用DSP 实现了自适应滤波器。关键词：DSP（数字信号处理器）；自适应滤波器；LMS算法；FIR结构滤波器 DSP implementation of the adaptive filter algorithm Abstract：In this article, starting from the basic principles of adaptive filter and algorithms and design methods. Eventually the design use improved the LMS algorithm for FIR adaptive filter,and use MATLAB simulation, adaptive filter using DSP. Key words：DSP；adaptive filter algorithm；LMS algorithm；FIR structure adaptive filter 引言滤波是电子信息处理领域的一种最基本而又极其重要的技术。在有用信号的传输过程中，通常会受到噪声或干扰的污染。利用滤波技术可以从复杂的信号中提取所需要的信号，同时抑制噪声或干扰信号，以便更有效地利用原始信号。滤波器实际上是一种选频系统，它对某些频率的信号予以很小的衰减，让该部分信号顺利通过；而对其他不需要的频率信号则予以很大的衰减，尽可能阻止这些信号通过。在电子系统中滤波器是一种基本的单元电路，使用很多，技术也较为复杂，有时滤波器的优劣直接决定产品的性能，所以很多国家非常重视滤波器的理论研究和产品开发[1]。近年来，尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求己知信号和噪声的统计特性，如自适应滤波。自适应滤波器是统计信号处理的一个重要组成部分。在实际应用中，由于没有充足的信息来设计固定系数的数字滤波器，或者设计规则会在滤波器正常运行时改变，因此我们需要研究自适应滤波器。凡是需要处理未知统计环境下运算结果所产生的信

(完整word版)基于巴特沃斯的低通滤波器的设计原理

课程设计报告 ——基于虚拟仪器的幅频特性自动测试系统的实现 2010年12月25日一、实验内容基于虚拟仪器的幅频特性自动测试系统的实现二、实验目的 1、通过对滤波器的设计，充分了解测控电路中学习的各种滤波器的工作原理以及工作机制。学习幅频特性曲线的拟合，学会基本MATLAB操作。 2、进一步掌握虚拟仪器语言LabVIEW设计的基本方法、常用组件的使用方法和设计全过程。以及图形化的编程方法；学习非线性校正概念和用曲线拟合法实现非线性校正；练习正弦波、方波、三角波产生函数的使用方法；掌握如何使用数据采集卡以及EIVIS产生实际波形信号。了解图形化的编程方法；练习DIO函数的

使用方法；学习如何使用数据采集卡以及EIVIS产生和接受实际的数字信号。 3、掌握自主化学习的方法以及工程设计理念等技能。三、实验原理滤波器是具有频率选择作用的电路或运算处理系统。滤波处理可以利用模拟电路实现，也可以利用数字运算处理系统实现。滤波器的工作原理是当信号与噪声分布在不同频带中时，可以在频率与域中实现信号分离。在实际测量系统中，噪声与信号的频率往往有一定的重叠，如果重叠不严重，仍可利用滤波器有效地抑制噪声功率，提高测量精度。任何复杂地滤波网络，可由若干简单地、相互隔离地一阶与二阶滤波电路级联等效构成。一阶滤波电路只能构成低通和高通滤波器，而不能构成带通和带阻。可先设计一个一阶滤波电路来熟悉电路设计思路以及器件使用要求和软件地进一步学习。滤波器主要参数介绍： ①通带截频f p=w p/(2π)为通带与过渡带边界点的频率，在该点信号增益下降到一个人为规定的下限。 ②阻带截频f r=w r/(2π)为阻带与过渡带边界点的频率，在该点信号衰耗(增益的倒数)下降到一人为规定的下限。 ③转折频率f c=w c/(2π)为信号功率衰减到1/2(约3dB)时的频率，在很多情况下，常以f c作为通带或阻带截频。 ④固有频率f0=w0/(2π)为电路没有损耗时，滤波器的谐振频率，复杂电路往往有多个固有频率。有源滤波器地设计，主要包括确定传递函数，选择电路结构，选择有源器件

QPSK调制解调的simulink仿真

QPSK 调制解调的simulink 仿真与性能分析一、设计目的和意义学会使用MATLAB 中的simulink 仿真软件，了解其各种模块的功能，用simulink 实现QPSK 的调制和仿真过程，得到调制信号经高斯白噪声信道，再通过解调恢复原始信号，绘制出调制前后的频谱图，分析QPSK 在高斯信道中的性能，计算传输过程中的误码率。通过此次设计，在仿真中形象的感受到QPSK 的调制和解调过程，有利于深入了解QPSK 的原理。同时掌握了simulink 的使用，增强了我们学习通信的兴趣，培养通信系统的仿真建模能力。二、设计原理（一）QPSK 星座图 QPSK 是Quadrature Phase Shift Keying 的简称，意为正交移相键控，是数字调制的一种方式。它规定了四种载波相位，分别为0, 2π, π,32π (或者4 π，34π，54π，74π)，星座图如图1（a ）、（b ）所示。图1 QPSK 星座图（二）QPSK 的调制因为输入信息是二进制序列，所以需要将二进制数据变换成四进制数据，才能和四进制的载波相位配合起来。采取的办法是将二进制数字序列中每两个序列分成一组，共四种组合（00,01,10,11），每一组称为双比特码元。每一个双比特码元是由两位二进制（a ）（b ）

信息比特组成，它们分别代表四进制四个符号中的一个符号。QPSK 每次调制可传输两个信息比特。图2的（a ）、(b)、(c)原理框图即为QPSK 的三种调制方式，本次课程设计主要采用的是正交调制方式。（三）QPSK 的解调 QPSK 信号可以用两个正交的载波信号实现相干解调，它的相干解调器如图3所示，正交路分别设置两个匹配滤波器，得到I （t ）和Q （t ），经电平判决和并转串即可恢复出原始信息。（a ）正交调制法（b ）相位选择法（c ）脉冲插入法图2 QPSK 的主要调制方式

数字滤波器的设计及实现

数字滤波器的设计及实现【一】设计目的 1. 熟悉IIR 数字滤波器和FIR 数字滤波器的设计原理和方法； 2. 学会调用MATLAB 信号处理工具箱中的滤波器设计函数设计各种IIR 和FIR 数字滤波器，学会根据滤波要求确定滤波器指标参数； 3. 掌握用IIR 和FIR 数字滤波器的MA TLAB 实现方法，并能绘制滤波器的幅频特性、相频特性； 4. 通过观察滤波器的输入、输出信号的时域波形及其频谱，建立数字滤波的概念。【二】设计原理抑制载波单频调幅信号的数学表达式为 []))(2cos())(2cos(2 1)2cos()2cos()(000t f f t f f t f t f t s c c c ++-==ππππ （2.1）其中，)2cos(t f c π称为载波，c f 为载波频率，)2cos(0t f π称为单频调制信号，0f 为调制正弦波信号频率，且满足0c f f >。由（2.1）式可见，所谓抑制载波单频调制信号，就是两个正弦信号相乘，它有2个频率成分：和频c f +0f ，差频c f -0f ，这两个频率成分关于载波频率c f 对称。所以，1路抑制载波单频调幅信号的频谱图是关于载波频率c f 对称的两根谱线。复合信号st 产生函数mstg 清单： function st=mstg %产生信号序列st ，并显示st 的时域波形和频谱 %st=mstg 返回三路调幅信号相加形成的混合信号，长度N=800 N=800; %信号长度N 为800 Fs=10000;T=1/Fs;Tp=N*T; %采样频率Fs=10kHz ，Tp 为采样时间 t=0:T:(N-1)*T;k=0:N-1;f=k/Tp; fc1=Fs/10; %第1路调幅信号载波频率fc1=1000Hz fm1=fc1/10; %第1路调幅信号的调制信号频率fm1=100Hz fc2=Fs/20; %第2路调幅信号载波频率fc2=500Hz fm2=fc2/10; %第2路调幅信号的调制信号频率fm2=50Hz fc3=Fs/40; %第3路调幅信号载波频率fc3=250Hz fm3=fc3/10; %第3路调幅信号的调制信号频率fm3=25Hz xt1=cos(2*pi*fm1*t).*cos(2*pi*fc1*t); %产生第1路调幅信号 xt2=cos(2*pi*fm2*t).*cos(2*pi*fc2*t); %产生第2路调幅信号 xt3=cos(2*pi*fm3*t).*cos(2*pi*fc3*t); %产生第3路调幅信号 st=xt1+xt2+xt3; %三路信号相加，得到复合信号

通信原理实验 QPSK调制解调实验

HUNAN UNIVERSITY 课程实验报告题目：十QPSK调制解调实验指导教师：学生姓名：学生学号：专业班级：

实验10 QPSK调制解调实验一、实验目的 1. 掌握QPSK调制解调的工作原理及性能要求；了解IQ调制解调原理及特性 2. 进行QPSK调制、解调实验，掌握电路调整测试方法了解载波在QPSK相干及非相干时的解调特性二、实验原理 1、QPSK调制原理 QPSK又叫四相绝对相移调制，它是一种正交相移键控。QPSK利用载波的四种不同相位来表征数字信息。由于每一种载波相位代表两个比特信息，因此，对于输入的二进制数字序列应该先进行分组，将每两个比特编为一组，然后用四种不同的载波相位来表征。用调相法产生QPSK调制原理框图如图所示，QPSK的调制器可以看作是由两个BPSK调制器构成，输入的串行二进制信息序列经过串行变换，变成两路速率减半的序列，电平发生器分别产生双极性的二电平信号I（t）和Q（t），然后对Acosωt和Asinωt进行调制，相加后即可得到QPSK信号。二进制码经串并变换后的码型如图所示，一路为单数码元，另外一路为偶数码元，这两个支路互为正交，一个称为同相支路，即I支路；另外一路称为正交支路，即Q支路

2、QPSK解调原理由于QPSK可以看作是两个正交2PSK信号的合成，故它可以采用与2PSK信号类似的解调方法进行解调，即由两个2PSK信号相干解调器构成，其原理框图如图三、实验步骤在实验箱上正确安装基带成形模块（以下简称基带模块）、IQ调制解调模块（以下简称IQ模块）、码元再生模块（以下简称再生模块）和PSK载波恢复模块。 1、QPSK调制实验 a、关闭实验箱总电源，用台阶插座线完成连接 * 检查连线是否正确，检查无误后打开电源。 b、按基带成形模块上“选择”键，选择QPSK模式（QPSK指示灯亮）。 c、用示波器观察基带模块上“NRZ-I,I-OUT,NRZ-Q,Q-OUT”的信号;并分别与“NRZ IN”信号进行对比，观察串并转换情况。 NRZ-I 与NRZ IN I-OUT与NRZ IN NRZ-Q 与NRZ IN Q-OUT与NRZ IN d、观测IQ调制信号矢量图。

word完整版自适应滤波器原理带图带总结word版推荐文档

第二章自适应滤波器原理 2.1 基本原理 2.1.1 自适应滤波器的发展在解决线性滤波问题的统计方法中，通常假设已知有用信号及其附加噪声的某些统计参数(例如，均值和自相关函数) ，而且需要设计含噪数据作为其输入的线性滤波器，使得根据某种统计准则噪声对滤波器的影响最小。实现该滤波器优化问题的一个有用方法是使误差信号(定义为期望响应与滤波器实际输出之差)的均方值最小化。对于平稳输入，通常采用所谓维纳滤波器( Wiener filter) 的解决方案。该滤波器在均方误差意义上使最优的。误差信号均方值相对于滤波器可调参数的曲线通常称为误差性能曲面。该曲面的极小点即为维纳解。维纳滤波器不适合于应对信号和/或噪声非平稳问题。在这种情况下，必须假设最优滤波器为时变形式。对于这个更加困难的问题，十分成功的一个解决方案使采用卡尔曼滤波器 (Kalman filter )。该滤波器在各种工程应用中式一个强有力的系统。维纳滤波器的设计要求所要处理的数据统计方面的先验知识。只有当输入数据的统计特性与滤波器设计所依赖的某一先验知识匹配时，该滤波器才是最优的。当这个信息完全未知时，就不可能设计维纳滤波器，或者该设计不再是最优的。而且维纳滤波器的参数是固定的。在这种情况下，可采用的一个直接方法是“估计和插入过程”。该过程包含两个步骤，首先是“估计”有关信号的统计参数，然后将所得到的结果“插入( plug into)”非递归公式以计算滤波器参数。对于实时运算，该过程的缺点是要求特别精心制作，而且要求价格昂贵的硬件。为了消除这个限制，可采用自适应滤波器(adaptive filter)。采用这样一种系统，意味着滤波器是自设计的，即自适应滤波器依靠递归算法进行其计算，这样使它有可能在无法获得有关信号特征完整知识的环境下，玩完满地完成滤波运算。该算法将从某些预先确定的初始条件集出发，这些初始条件代表了人们所知道的上述环境的任何一种情况。我们还发现，在平稳环境下，该运算经一些成功迭代后收敛于某种统计意义上的最优维纳解。在非平稳环境下，该算法提供了一种跟踪能力，即跟踪输入数据统计特性随时间的变化，只要这种变化时足够缓慢的。 40年代，N.维纳用最小均方原则设计最佳线性滤波器，用来处理平稳随机

FIR数字滤波器设计与实现

FIR 数字滤波器设计与实现一.摘要：数字滤波器是一种具有频率选择性的离散线性系统，在信号数字处理中有着广泛的应用。其中FIR 滤波器是一种常用的滤波器，它在保证幅度特性满足技术要求的同时，很容易做到严格的线性相位特性，在语音分析、图像处理、雷达监测等对信号相位要求高的领域有着广泛的应用，能实现IIR 滤波器不能实现的许多功能。二.关键词：FIR 窗函数系统函数MATLAB 三.内容提要：数字滤波器的功能就是把输入序列通过一定的运算变换成输出序列，因此数字滤波器的结构系统中就必须包括一定数量和性能的运算器件和运算单元，而运算器件和运算单元的配置必须由数字滤波器的结构特点和性能特点来决定，因此在进行FIR 数字滤波器的设计之前，有必要介绍和总结FIR 数字滤波器的基本结构和相关特性（包括频响曲线（幅度和相位），单位冲激响应等），在介绍完其基本结构和相关特性后，就进行FIR 数字滤波器的设计和实现。（一）FIR 滤波器的基本结构在讨论任何一种滤波器时，都要着重分析其系统函数，FIR 滤波器的系统函数为： n N n z n h z H ∑-==1 0)()(。从该系统函数可看出，FIR 滤波器有以下特点： 1)系统的单位冲激响应h(n)在有限个n 值处不为零； 2)系统函数H(z)在|z|>0处收敛，极点全部在z=0处(稳定系统)； 3)结构上主要是非递归结构，没有输出到输入的反馈，但有些结构中(例如频率抽样结构)也包含有反馈的递归部分。 1.FIR 滤波器实现的基本结构有： 1）横截型（卷积型、直接型） a.一般FIR 滤波器的横截型(直接型、卷积型)结构：若给定差分方程为：。则可以直接由差分方程得出FIR 滤波器结构如下图所示：这就是FIR 滤波器的横截型结构，又称直接型或卷积型结构。 b .线性相位FIR 滤波器的横截型结构

BPSK和QPSK调制解调原理及MATLAB程序

2.1 PSK调制方式 PSK原理介绍（以2-PSK为例）移相键控(PSK)又称为数字相位调制,二进制移相键控记作2PSK。绝对相移是利用载波的相位(指初相)直接表示数字信号的相移方式。二进制相移键控中,通常用相位0 和π来分别表示“0”或“1”。2PSK 已调信号的时域表达式为s2psk(t)=s(t)cosωct, 2PSK移相键控中的基带信号与频移键控和幅度键控是有区别的,频移键控和幅度键控为单极性非归零矩形脉冲序列,移相键控为为双极性数字基带信号,就模拟调制法而言,与产生2ASK 信号的方法比较,只是对s(t)要求不同,因此2PSK 信号可以看作是双极性基带信号作用下的DSB 调幅信号。在二进制数字调制中，当正弦载波的相位随二进制数字基带信号离散变化时，则产生二进制移相键控(2PSK)信号。通常用已调信号载波的 0°和 180°分别表示二进制数字基带信号的 1 和 0。二进制移相键控信号的时域表达式为 e2PSK(t)=[ n n a g(t-nT s)]cosw c t 其中, an与2ASK和2FSK时的不同，在2PSK调制中，an应选择双极性。 1, 发送概率为P an= -1, 发送概率为1-P 若g(t)是脉宽为Ts, 高度为1的矩形脉冲时，则有 cosωct, 发送概率为P e2PSK(t)= -cosωct, 发送概率为1-P 由上式(6.2-28)可看出，当发送二进制符号1时，已调信号e2PSK(t)取0°相位，发送二进制符号0时，e2PSK(t)取180°相位。若用φn表示第n个符号的绝对相位，则有 0°, 发送 1 符号 φn= 180°, 发送 0 符号由于在2PSK信号的载波恢复过程中存在着180°的相位模糊，所以2PSK信

自适应滤波器的设计与实现毕业论文

自适应滤波器的设计与实现毕业论文目录第一章前言 (1) 1.1 自适应滤波器简介 (1) 1.2 选题背景及研究意义 (1) 1.3 国外研究发展现状 (2) 第二章自适应滤波器的基础理论 (4) 2.1 滤波器概述 (4) 2.1.1 滤波器简介 (4) 2.1.2 滤波器分类 (4) 2.1.3 数字滤波器概述 (4) 2.2 自适应滤波器基本理论 (7) 2.3 自适应滤波器的结构 (9) 第三章自适应滤波器递归最小二乘算法 (11) 3.1 递归最小二乘算法 (11) 3.1.1 递归最小二乘算法简介 (11) 3.1.2 正则方程 (11) 3.1.3 加权因子和正则化 (16) 3.1.4 递归计算 (18) 3.2递归最小二乘(RLS)算法的性能分析 (22) 第四章基于MATLAB自适应滤波器仿真 (23) 4.1 正弦波去噪实验 (23) 4.2 滤波器正则化参数的确定 (28) 4.2.1 高信噪比 (28) 4.2.2 低信噪比 (31) 4.2.3 结论 (33) 4.3 输入信号不同对滤波效果的影响 (33)

4.3.1 输入信号为周期信号 (33) 4.3.2 输入信号为非周期信号 (38) 第五章结论与展望 (44) 5.1 结论 (44) 5.2 对进一步研究的展望 (44) 参考文献 (45) 致谢 (46) 附录 (46) 声明 (58)

第一章前言 1.1自适应滤波器简介自适应滤波器属于现代滤波的畴，它是40年代发展起来的自适应信号处理领域的一个重要应用，自适应信号处理主要是研究结构可变或可调整的系统，可以通过自身与外界的接触来改善自身对信号处理的性能，通常这类系统是时变的非线性系统，可以自动适应信号传输的环境和要求，无须详细的知道信号的结构和实际知识，无须精确设计处理系统本身。自适应系统的非线性特性主要是由系统对不同的信号环境实现自身参数的调整来确定的。自适应系统的时变特性主要是由其自适应响应或自适应学习过程来确定的，当自适应过程结束和系统不再进行时，有一类自适应系统可成为线性系统，并称为线性自适应系统，因为这类系统便于设计且易于数学处理，所以实际应用广泛。本文研究的自适应滤波器就是这类滤波器。自适应滤波器是相对固定滤波器而言的，固定滤波器属于经典滤波器，它滤波的频率是固定的，自适应滤波器的频率则是自动适应输入信号而变化的，所以其适用围更广。在没有任何信号和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器参数来自动调节现时刻的滤波器参数，以适应信号和噪声未知或随机变化的统计特性，从而实现最优滤波。1.2选题背景及研究意义伴随着移动通信事业的飞速发展，自适应滤波技术应用的围也日益扩大。早在20世纪40年代，就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性(自相关函数或功率谱)，用线性最小均方误差估计准则设计的最佳滤波器，称为维纳滤波器。这种滤波器能最大程度地滤除干扰噪声，提取有用信号。但是，当输入信号的统计特性偏离设计条件，则它就不是最佳的了，这在实际应用中受到了限制。到60年代初，由于空间技术的发展，出现了卡尔曼滤波理论，即利用状态变量模型对非平稳、多输入多输出随机序列作最优估计。现在，卡尔曼滤波器已成功地应用到许多领域，它既可对平稳的和非平稳的随机信号作线性最佳滤波，也可作非线性滤波。实质上，维纳滤波器是卡尔曼滤波器的一个特例。在设计卡尔曼滤波器时，必须知道产生输入过程的系统的状态方程和测量方程，即要求对信号和噪声的统计特性有先验知识，但在实际中，往往难以预知这些统计特性，因此实现不了真正的最佳滤波。 Widrow.B等于1967年提出的自适应滤波理论，可使自适应滤波系统的参数自动地调整而

FIR数字滤波器设计与软件实现

实验二：FIR数字滤波器设计与软件实现一、实验指导 1．实验目的（1）掌握用窗函数法设计FIR数字滤波器的原理和方法。（2）掌握用等波纹最佳逼近法设计FIR数字滤波器的原理和方法。（3）掌握FIR滤波器的快速卷积实现原理。（4）学会调用MATLAB函数设计与实现FIR滤波器。 2．实验内容及步骤（1）认真复习第七章中用窗函数法和等波纹最佳逼近法设计FIR数字滤波器的原理；（2）调用信号产生函数xtg产生具有加性噪声的信号xt，并自动显示xt及其频谱，如图1所示；图1 具有加性噪声的信号x(t)及其频谱如图（3）请设计低通滤波器，从高频噪声中提取xt中的单频调幅信号，要求信号幅频失真小于0.1dB，将噪声频谱衰减60dB。先观察xt的频谱，确定滤波器指标参数。

（4）根据滤波器指标选择合适的窗函数，计算窗函数的长度N，调用MATLAB函数fir1设计一个FIR低通滤波器。并编写程序，调用MATLAB快速卷积函数fftfilt实现对xt的滤波。绘图显示滤波器的频响特性曲线、滤波器输出信号的幅频特性图和时域波形图。（4）重复（3），滤波器指标不变，但改用等波纹最佳逼近法，调用MATLAB函数remezord和remez设计FIR数字滤波器。并比较两种设计方法设计的滤波器阶数。提示：○1MATLAB函数fir1的功能及其调用格式请查阅教材； ○2采样频率Fs=1000Hz，采样周期T=1/Fs； ○3根据图1(b)和实验要求，可选择滤波器指标参数：通带截止频率fp=120Hz，阻带截至频率fs=150Hz，换算成数字频率，通带截止频率 p 20.24 p f ωπ =T=π，通带最大衰为0.1dB，阻带截至频率 s 20.3 s f ωπ =T=π，阻带最小衰为60dB。 ○4实验程序框图如图2所示，供读者参考。

QPSK调制解调完整程序(配有自己的注释)知识分享

Q P S K调制解调完整程序(配有自己的注释)

end end % zero insertion ，此过程称为成形。成形的意思就是实现由消息到波形的转换，以便发射，脉冲成形应该是在基带调制之后。 zero=5; %sampling rate 25M HZ ,明白了，zero为过采样率。它等于采样率fs/码速率。 for i=1:zero*data % 采样点数目=过采样率*原码数目 if rem(i,zero)==1 Izero(i)=I(fix((i-1)/zero)+1); Qzero(i)=Q(fix((i-1)/zero)+1); else Izero(i)=0; Qzero(i)=0; end end %pulse shape filter，接着，将进行低通滤波，因为随着传输速率的增大，基带脉冲的频谱将变宽 %如果不滤波（如升余弦滤波）进行低通滤波，后面加载频的时候可能会出现困难。 %平方根升余弦滤波器 % psf=rcosfir(rf,n_t,rate,fs,'sqrt') rate:过采样率，rf:滚降因子，n_t:滤波器阶数，fs:采样率 %用在调制或发送之前，用在解调或接受之后，用来降低过采样符号流带宽并不引发ISI（码间串扰） NT=50; N=2*zero*NT; % =500 fs=25e6; rf=0.1; psf=rcosfir(rf,NT,zero,fs,'sqrt');% psf大小为500

自适应滤波器的设计(终极版)

目录摘要…………………..………………………………………………………..….............I 第1章绪论....................................................................................................................错误!未定义书签。 1.1引言……………………………………………...…..…………...……………...错误!未定义书签。 1.2课题研究意义和目的 (1) 1.3国内外研究发展状况 (2) 1.4本文研究思路与主要工作 (4) 第2章自适应滤波器理论基础 (5) 2.1自适应滤波器简介 (5) 2.2自适应滤波器的原理 (5) 2.3自适应滤波算法 (7) 2.4TMS320VC5402的简介 (8) 第3章总体方案设计 (10) 3.1无限冲激响应（IIR）滤波器 (10) 3.2有限冲激响应（FIR）滤波器 (11) 3.3电路设计 (11) 4基于软件设计及仿真 (17) 4.3 DSP的理论基础 (17) 4.4自适应滤波算法的DSP实现 (18) 5总结 (21) 参考文献 (22) 致谢 (23) 附录自适应滤波源代码 (24)

第1章绪论 1.1引言随着微电子技术和计算机技术的迅速发展，具备了实现自适应滤波器技术的各种软硬件条件，有关自适应滤波器的新算法、新理论和新的实施方法不断涌现，对自适应滤波的稳定性、收敛速度和跟踪特性的研究也不断深入，这一切使该技术越来越成熟，并且在系统辨识、通信均衡、回波抵消、谱线增强、噪声抑制、系统模拟语音信号处理、生物医学电子等方面都获得了广泛应用口。自适应滤波器实现的复杂性通常用它所需的乘法次数和阶数来衡量，而DSP强大的数据吞吐量和数据处理能力使得自适应滤波器的实现更容易。目前绝大多数的自适应滤波器应用是基于最新发展的DSP 来设计的．滤波技术是信号处理中的一种基本方法和技术，尤其数字滤波技术使用广泛，数字滤波理论的研究及其产品的开发一直受到很多国家的重视。从总的来说滤波可分为经典滤波和现代滤波。经典滤波要求已知信号和噪声的统计特性，如维纳滤波和卡尔曼滤波。现代滤波则不要求己知信号和噪声的统计特性，如自适应滤波。自适应滤波的原理就是利用前一时刻己获得的滤波参数等结果，自动地调节现时刻的滤波参数，从而达到最优化滤波。自适应滤波具有很强的自学习、自跟踪能力，适用于平稳和非平稳随机信号的检测和估计。自适应滤波一般包括3个模块：滤波结构、性能判据和自适应算法。其中，自适应滤波算法一直是人们的研究热点，包括线性自适应算法和非线性自适应算法，非线性自适应算法具有更强的信号处理能力，但计算比较复杂，实际应用最多的仍然是线性自适应滤波算法。线性自适应滤波算法的种类很多，有LMS自适应滤波算法、R路自适应滤波算法、变换域自适应滤波算法、仿射投影算法、共扼梯度算法等。 1.2课题研究意义和目的自适应滤波理论与技术是现代信号处理技术的重要组成部分，对复杂信号的处理具有独特的功能，对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一。自适应滤波器与普通滤波器不同，它的冲激响应或滤波参数是随外部环境的变化而变化的，经过一段自动调节的收敛时间达到最佳滤波的要求。自适应滤波器本身有一个重要的自适应算法，这个算法可以根据输入、输出及原参量信号按照一定准则修改滤波参量，以使它本身能有效的跟踪外部环境的变化。因此，自适应数字系