Skip to content
TheChatArchiveThe Chat Archive
gpt-4o-2024-08-06· OpenAIAi2 WildChat-4.8M (AI2)

дан код для частотной модуляции сигнала. основываясь на него, сделай демодуляцию…

  1. User

    дан код для частотной модуляции сигнала. основываясь на него, сделай демодуляцию частотного сигнала import math import matplotlib.pyplot as plt import random

    Генерация случайной последовательности битов

    bit_sequence = [random.choice([0, 1]) for _ in range(10)]

    sample_rate = 18000 # Частота дискретизации carrier_frequency_base = 900 # Базовая несущая частота для бита 0 frequency_multiplier = 2 # Множитель изменения частоты для бита 1 symbol_frequency = 900 # частота следования time_step = 1 / sample_rate #шаг по времени между отсчётами samples_per_symbol = sample_rate // symbol_frequency #количество отсчётов за один сисмвол

    modulated_signal = [] #перебор каждого бита последовательности for bit in bit_sequence: #выбор частоты в зависимости от знаечния бита if bit == 0: carrier_frequency = carrier_frequency_base else: carrier_frequency = carrier_frequency_base * frequency_multiplier

    генерация отсчета в виде синусоиды с конкр частотой для конкр бита

    for i in range(samples_per_symbol):
        modulated_signal.append(math.sin(2 * math.pi * carrier_frequency * i * time_step))
    

    Построение графика модулированного сигнала

    fig, ax = plt.subplots(figsize=(10, 4)) ax.plot(modulated_signal, color='b', linewidth=1.5) ax.set_title(f"Модулированный сигнал: {bit_sequence}", fontsize=12) ax.set_xlabel("Отсчёты", fontsize=10) ax.set_ylabel("Амплитуда", fontsize=10) ax.grid(True) plt.tight_layout() plt.show()

    print("Сгенерированная последовательность битов:", bit_sequence)

  2. Assistant

    Для выполнения демодуляции частотно-модулированного сигнала, вам необходимо распознать присутствие разных частот, которые соответствуют "0" и "1", в модулированном сигнале. Один из способов добиться этого заключается в использовании быстрого преобразования Фурье (БПФ). Мы будем оценивать мощность на определенных частотах, чтобы определить, какой бит был передан.

    Вот как это можно сделать:

    import math
    import matplotlib.pyplot as plt
    import numpy as np
    import random
    
    # Генерация случайной последовательности битов
    bit_sequence = [random.choice([0, 1]) for _ in range(10)]
    
    sample_rate = 18000  # Частота дискретизации
    carrier_frequency_base = 900  # Базовая несущая частота для бита 0
    frequency_multiplier = 2  # Множитель изменения частоты для бита 1
    symbol_frequency = 900  # частота следования
    time_step = 1 / sample_rate #шаг по времени между отсчётами
    samples_per_symbol = sample_rate // symbol_frequency #количество отсчётов за один символ
    
    modulated_signal = []
    #перебор каждого бита последовательности
    for bit in bit_sequence:
        #выбор частоты в зависимости от значения бита
        if bit == 0:
            carrier_frequency = carrier_frequency_base
        else:
            carrier_frequency = carrier_frequency_base * frequency_multiplier
        # генерация отсчета в виде синусоиды с конкретной частотой для конкретного бита
        for i in range(samples_per_symbol):
            modulated_signal.append(math.sin(2 * math.pi * carrier_frequency * i * time_step))
    
    # Демодуляция сигнала
    demodulated_bits = []
    for i in range(0, len(modulated_signal), samples_per_symbol):
        symbol = modulated_signal[i:i + samples_per_symbol]
        # Выполнение БПФ для символа
        fft_result = np.fft.fft(symbol)
        # Получаем частоты, их величины и находим максимальное значение
        frequencies = np.fft.fftfreq(samples_per_symbol, time_step)
        magnitudes = np.abs(fft_result)
        
        # Находим частоту с максимальной амплитудой
        peak_frequency = frequencies[np.argmax(magnitudes[:len(magnitudes)//2])]
        
        # Сравниваем с базовой и умноженной частотами
        if abs(peak_frequency - carrier_frequency_base) < abs(peak_frequency - (carrier_frequency_base * frequency_multiplier)):
            demodulated_bits.append(0)
        else:
            demodulated_bits.append(1)
    
    # Построение графика модулированного сигнала
    fig, ax = plt.subplots(figsize=(10, 4))
    ax.plot(modulated_signal, color='b', linewidth=1.5)
    ax.set_title(f"Модулированный сигнал: {bit_sequence}", fontsize=12)
    ax.set_xlabel("Отсчёты", fontsize=10)
    ax.set_ylabel("Амплитуда", fontsize=10)
    ax.grid(True)
    plt.tight_layout()
    plt.show()
    
    print("Сгенерированная последовательность битов:", bit_sequence)
    print("Демодулированная последовательность битов:", demodulated_bits)
    

    В этом коде:

    • Мы делим весь модулированный сигнал на части, каждая из которых соответствует одному биту (символу).
    • Применяем БПФ к каждому символу для анализа частотных составляющих.
    • Извлекаем частоты с наибольшим значением амплитуды и сопоставляем их обратно в биты, исходя из того, какая частота имеет наибольшую амплитуду.