news 2026/3/30 4:26:35

傅里叶变换(三)调制与载波

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
傅里叶变换(三)调制与载波

调制(modified)是指一个信号控制或改变另一个信号。比如……想象一下你有一个载波(carrier wave),规律稳定的振荡,然后你根据另一个信号改变它的特性。

所以,“f(t)f(t)f(t)sin⁡(ωt)\sin(\omega t)sin(ωt)调制”意味着:

  • sin⁡(ωt)\sin(\omega t)sin(ωt)像纯正弦波一样规律地振荡

  • f(t)f(t)f(t)控制着该正弦波的振幅(高度)

在每个时刻ttt,将它们相乘:f(t)⋅sin⁡(ωt)f(t) \cdot \sin(\omega t)f(t)sin(ωt)

如果f(t)f(t)f(t)是常数(例如,f(t)=1f(t) = 1f(t)=1),则只会得到纯正弦波sin⁡(ωt)\sin(\omega t)sin(ωt),一个规则的正弦波。

但如果f(t)f(t)f(t)变化,变大或变小,那么正弦波的振幅也会相应地增大或减小。正弦波被f(t)f(t)f(t)“塑形”或“调制”。

载波其实就是一个基本的、规律的振荡信号。就像纯正弦波:sin⁡(ωt)\sin(\omega t)sin(ωt)。它通过改变自身的特性来“承载”信息。

你可以这样理解:无线电广播就利用了载波。有一个以特定频率(比如 101.5 FM)振荡的基础信号,然后通过调制,改变它的振幅或频率,来编码音乐或语音。不过,就我们讨论傅里叶变换而言,你其实不必纠结于“载波”这个技术术语。

关键在于:“调制”的意思就是“乘以”或“通过某种方式整形”。

所以f(t)⋅sin⁡(ωt)f(t) \cdot \sin(\omega t)f(t)sin(ωt),函数f(t)f(t)f(t)决定了正弦波在每个时刻的幅度大小。

ttt−∞-\infty变化到∞\infty时,点f(t)e−iωtf(t)e^{-i\omega t}f(t)et在复平面上会呈现出一些奇特的路径。实部是f(t)cos⁡(ωt)f(t)\cos(\omega t)f(t)cos(ωt),虚部是f(t)sin⁡(ωt)f(t)\sin(\omega t)f(t)sin(ωt)

因此,投影到实轴上:得到f(t)f(t)f(t)cos⁡(ωt)\cos(\omega t)cos(ωt)调制,根据fff的不同,它看起来可能是螺旋状或振荡状。

投影到虚轴上:f(t)f(t)f(t)sin⁡(ωt)\sin(\omega t)sin(ωt)调制,呈现出“栅栏”状。

好,精彩的部分来了:

给波形添加信息(调制):

你取一个载波,比如以某个高频ωc\omega_cωc振荡的sin⁡(ωct)\sin(\omega_c t)sin(ωct),然后根据你的信号f(t)f(t)f(t)对其进行调制。

对于幅度调制(调幅广播):将它们相乘:f(t)⋅sin⁡(ωct)f(t) \cdot \sin(\omega_c t)f(t)sin(ωct)

现在载波的振幅由你的信息信号f(t)f(t)f(t)控制。

获取信息(解调):

这就是傅里叶变换的用武之地!

当你接收到调制信号时,你可以使用傅里叶变换来查看“其中包含哪些频率?”变换会显示特定频率的峰值,而从这些峰值中,你可以提取原始信息f(t)f(t)f(t)

这就像:载波是一个高频容器,你的信息通过对其进行整形而承载其中,而傅里叶变换则让你能够窥探容器内部,了解其中的内容。

这正是无线电的工作原理!你的音乐信号调制一个频率为(例如)101.5 MHz 的载波。无线电接收器使用类似傅里叶变换的运算来提取该频率,从而还原你的音乐。

为什么傅里叶变换如此强大?它是解锁隐藏在振荡信号中的信息的关键!

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/18 12:58:13

基于微信小程序的设备报修系统的设计与实现(毕设源码+文档)

背景 本课题聚焦基于微信小程序的设备报修系统的设计与实现,旨在解决传统设备报修流程繁琐、报修响应滞后、维修进度不透明、故障数据管理分散等痛点,依托微信小程序的轻量化、高触达优势,构建集故障申报、维修派单、进度追踪、数据统计于一体…

作者头像 李华
网站建设 2026/3/25 12:16:01

使用TensorRT优化微软Phi-2模型推理表现

使用TensorRT优化微软Phi-2模型推理表现 在当前大语言模型(LLM)加速落地的浪潮中,一个看似矛盾的趋势正日益凸显:我们既追求更强的语言理解能力,又要求更低的部署成本和更快的响应速度。以微软推出的 Phi-2 为例&…

作者头像 李华
网站建设 2026/3/26 13:50:02

TensorRT缓存机制原理及其对冷启动影响分析

TensorRT缓存机制原理及其对冷启动影响分析 在构建高并发、低延迟的AI推理服务时,一个看似不起眼却极具破坏力的问题常常浮现:为什么第一个用户请求总是特别慢? 这个问题背后,往往藏着“冷启动”的影子。尤其是在使用NVIDIA Ten…

作者头像 李华
网站建设 2026/3/14 23:38:58

基于python的演唱会抢票系统_1u38746x

目录 具体实现截图项目介绍论文大纲核心代码部分展示可定制开发之亮点部门介绍结论源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作 具体实现截图 本系统(程序源码数据库调试部署讲解)同时还支持Python(flask,django…

作者头像 李华
网站建设 2026/3/25 1:54:19

MD5不能处理数组

因为MD5不能处理数组会返回null ,所以当MD5的比较双方出现数组, 例如 MD5(a[]1)MD5(b[]2),从理论上来讲,二者并不相等,可因为MD5不能处理数组 所以结果为nullnull,结果为真 因此构造payload:?a[]1&b[]2

作者头像 李华
网站建设 2026/3/27 14:13:06

超跌系数公式 通达信

{}N:5; RSV:(CLOSE-LLV(LOW,5))/(HHV(HIGH,5)-LLV(LOW,5))*100; K:SMA(RSV,3,1); D:SMA(K,3,1); J:3*K-2*D; MON:C; CD:100*(1-MA(MON,N)/MON); CDM:MA(CD,3); CDMM:MA(CDM,3); DRAWICON(CROSS(CD,CDM) AND REF(CD,1)<0 AND J<20 ,CD,1);

作者头像 李华