模拟幅度调制系统抗噪声性能仿真分析

1、引言

1.1 研究目的

1.分析滤波器、乘法器两个模块对于信号的影响。
2.分析AM、DSB-SC、SSB三种模拟幅度调制器及相干解调器
3.使用matlab对其进行仿真

1.2 研究方法

1.理论分析
2.matlab仿真验证

2、乘法器与滤波器

2.1 乘法器

如果乘法器模块输入两个信号，x₁(t)和x₂(t) ，乘法器的作用就是将这两个信号相乘得到输出信号y(t) ，如图2.1所示。

$$图2.1乘法器模块框图$$

2.2 滤波器

作为一种重要的线性系统，滤波器模块在通信系统中起着非常重要的作用。图1.2中给出了滤波器模块的模型图，其中x(t) 和X(f) 分别为输入信号的波形和频谱，h(t)和H(f)分别为滤波器的时域冲激响应和频域传递函数，y(t)和Y(f)分别为滤波器输出信号的波形和频谱。

$$图2.2滤波器模块框图$$
下面我们来看滤波器在通信系统中的两个应用，分别塑造信号的频谱与波形。

2.2.1 塑造信号的频谱

由于输出信号频谱等于输入信号频谱与滤波器频域传递函数相乘，即Y(f)=X(f)H(f)。利用滤波器，通过设计H(f)，我们可以按照需求来塑造滤波器输出信号的频谱。

2.2.2 塑造信号的波形

前面我们提到输出信号波形等于输入信号波形与滤波器冲激函数的卷积，即$y(t)=x(t)\ast h(t)$。
注意如果滤波器的输入信号为冲激信号，那么输出信号就为滤波器的冲激响应。也就是说，通过改变滤波器的冲激响应，在通信系统中就可以获得不同的传输波形。

2.3 白噪声通过乘法器与滤波器

这里我们给出随机信号与载波信号相乘，以及通过滤波器h(t)的情况，分别如图1.3(a)以及(b)所示。

$$图2.3乘法器和滤波器模拟框图$$

2.3.1 白噪声通过乘法器

设n(t)为白噪声，其自相关函数与功率谱密度互为傅立叶变换，即
$$R_N(\tau )\leftrightarrow P_N(f)$$
将n(t)与载波信号$c(t)=cos2\pi f_{c}t$，如图2.3(a)所示，即乘法器输出为$n_d(t)=n(t)cos2\pi f_{c}t$，其功率谱密度为
$$P_{N_d}(f)=\frac{1}{4}[\delta (f-f_c)+\delta (f+f_c)]$$
若确定信号m(t)与载波相乘，其频谱密度为
$$M(f)=\frac{1}{2}[M(f-f_c)+M(f+f_c)]$$
二者相同之处是有频谱搬移，不同的是，功率谱密度系数为$\frac{1}{4}$而非$\frac{1}{2}$，可以理解为功率谱密度为功率量纲，因此是频谱密度(电压)的平方。

2.3.2 白噪声通过滤波器

设n(t)为白噪声，其自相关函数与功率谱密度互为傅立叶变换，即
$$R_N(\tau )\leftrightarrow P_N(f)$$
将n(t)通过冲激响应h(t)，频率传递函数为H(f)的滤波器，如上图(b)所示，即滤波器输出为$n_0(t)=n(t)\ast h(t)$，其功率谱密度为
$$P_{N_0}(f)=P_N(f)\mid H(f){\mid }^2$$
这里的∣H(f)∣²称为功率传递函数。

【白噪声通过理想低通滤波器】
设理想低通滤波器频率传递函数为
$$H(f)=\{\begin{array}{ll}{K}_0{e}^{-j2\pi ft},& |f|<f_m\\ 0,& 其他\end{array}$$
则有功率传递函数为
$$|H(f){|}^2=\{\begin{array}{ll}{K}_0^2,& |f|<f_m\\ 0,& 其他\end{array}$$
显然，可以得到滤波器输出噪声功率谱密度为
$$P_{N_0}(f)=P_N(f)|H(f){|}^2=\{\begin{array}{ll}\frac{n_0}{2}{K}_0^2,& |f|<f_m\\ 0,& 其他\end{array}$$
由于$P_{N_0}(f)=\frac{n_0}{2}{K}_0^2\mathrm{R}\mathrm{e}\mathrm{c}\mathrm{t}(\frac{f}{2f_m})$可以得到n₀(t) 的自相关函数为
$$R_{N_0}(\tau )=n_0{f}_m{K}_0^{2}Sa(2\pi f_m\tau )$$
n₀​(t)自相关函数与功率谱密度函数示意图如下图所示，被称为理想低通白噪声。其平均功率$P_{N_0}={\int }_{-\infty }^{\infty }{P}_N(f)df=n_0{K}_0^2{f}_m$。

【白噪声通过理想带通滤波器】
设理想带通滤波器频率传递函数为
$$H(f)=\{\begin{array}{ll}{K}_0{e}^{-j2\pi ft},& f_l\le |f|\le f_h\\ 0,& 其他\end{array}$$
则有功率传递函数为
$$|H(f){|}^2=\{\begin{array}{ll}{K}_0^2,& f_l\le |f|\le f_h\\ 0,& 其他\end{array}$$
显然，可以得到滤波器输出噪声功率谱密度为
$$P_{N_0}(f)=P_N(f)|H(f){|}^2=\{\begin{array}{ll}\frac{n_0}{2}{K}_0^2,& f_l\le |f|\le f_h\\ 0,& 其他\end{array}$$
由于$P_{N_0}(f)=\frac{n_0}{2}{K}_0^2\mathrm{R}\mathrm{e}\mathrm{c}\mathrm{t}(\frac{f}{2f_m})$可以得到n₀(t) 的自相关函数为
$$R_{N_0}(\tau )=n_0{f}_m{K}_0^{2}Sa(2\pi f_m\tau )$$
n₀​(t)功率谱密度函数示意图如下图所示，被称为理想低通白噪声。其平均功率$P_{N_0}={\int }_{-\infty }^{\infty }{P}_N(f)df=n_0{K}_0^2(f_h-f_l)$。

3、AM幅度调制及相干解调

3.1 调制器

AM调制器模型如图3.1所示，显然有
$$s_{AM}(t)=A_c[1+m(t)]cos2\pi f_{c}t(式3-1)$$
进一步，我们定义调幅指数
$${\beta }_{AM}=max\mid m(t)\mid (式3-2)$$

$$图3.1AM调制器模拟框图$$
我们来看三种不同的调幅指数取值情况，即β_AM<1、β_AM=1以及β_AM>1 的情况，如图3.2所示，其中(a)、(b)分别为基带信号和载波信号波形；(c )、(d)、(e)、(f)中调幅指数β_AM分别等于0.5、1、2和5。

$$图3.2不同调幅指数时的AM系信号波形$$
根据(式3-1)，我们可以得到AM信号的频谱密度为
$$S_{AM}(f)=\frac{A_c}{2}[M(f-f_c)+M(f+f_c)]+\frac{A_c}{2}[\delta (f-f_c)+\delta (f+f_c)](式3-3)$$
其示意图如图3.3所示，这里M(f)为基带信号频谱，这里假定其最大频率(带宽)为B，显然AM信号包含两个部分，一是离散载波，在f_c处的冲激；二是边带信号，包括上边带(大于f_c)和下边带(小于f_c)。由于包含上下两个边带，已调的AM信号带宽为2B，因此我们称AM为双边带信号。

$$图3.3AM信号频谱密度示意图$$

3.2 相干解调器

1）AM相干解调器模型如图3.4所示，显然有
$$s_d(t)=A_c{s}_{AM}(t)cos2\pi f_{c}t(式3-4)$$

$$图3.4AM相干解调器模拟框图$$
根据(式3-4)，我们可以得到$S_d(f)$信号的频谱密度为
$$S_d(f)=\frac{A_c}{4}[M(f-2f_c)+M(f+2f_c)]+\frac{A_c}{2}M(f)+\frac{A_c}{4}[\delta (f-2f_c)+\delta (f+2f_c)]+\frac{A_c}{2}\delta (f)(式3-5)$$
2）事实上，AM调制的最大优点是接收机简单，可以采用包络检波法。这里我们不拟详述AM包络检波的详细过程，只在图3中给出示意，不难看出，二极管、电容和电阻即可构成包络检波器，通过电容充放电就可以跟随已调信号包络变化，而这里的包络，即(式3-1)中的信号幅度$A_c[1+m(t)]$。

$$图3.5AM包络检波过程$$
当AM信号的调幅指数β_AM>1时，包络检波会发生错误，如图3.6所示。此时，由于$1+m(t)$可能小于零，导致包络检波输出$\mid 1+m(t)\mid$与之不等，故无法正确恢复出m(t)。

$$图3.6调幅指数大于1时包络检波出现错误$$

3.2.1 相干解调器各点信号的功率谱密度及功率

$s_{AM}$：
定义$P_{s_{AM}}(f)$为$s_{AM}(t)$的功率谱密度，则
$$P_{s_{AM}}(f)=\underset{T\to \infty }{\lim }\frac{1}{T}|S_{A{M}_T}(f){|}^2$$
式中$S_{A{M}_T}(f)$为$s_{A{M}_T}(t)$的傅里叶变换，而$s_{A{M}_T}(t)$称为截断信号它是从$s_{AM}(t)$上截取的[-T,T]段(在区间外补零)。
定义$P_{AM}$为$s_{AM}(t)$的功率,则
$$P_{AM}={\int }_{-\infty }^{\infty }{P}_{s_{AM}}(f)df$$
$s_d$：
定义$P_{s_d}(f)$为$s_d(t)$的功率谱密度，则
$$P_{s_d}(f)=\underset{T\to \infty }{\lim }\frac{1}{T}|S_{d_T}(f){|}^2$$
式中$S_{d_T}(f)$为$s_{d_T}(t)$的傅里叶变换，而$s_{d_T}(t)$称为截断信号它是从$s_d(t)$上截取的[-T,T]段(在区间外补零)。
定义$P_d$为$s_d(t)$的功率,则
$$P_d={\int }_{-\infty }^{\infty }{P}_{s_d}(f)df$$

AM相干解调器其余各点功率谱密度及功率的计算同上。

3.2.2 相干解调器输入输出的信噪比

$$图3.7加入白噪声的AM调幅模拟框图$$
输入信号：
定义$S_{in}$为输入信号$s(t)$的平均功率，则
$$S_{in}=<s^2(t)>=\frac{A_c^2}{2}[1+\overline{m^2(t)}]$$
定义$N_{in}$为输入噪声$n(t)$的平均功率，则
$$N_{in}=E[n^2(t)]=n_0{B}_{AM}=2n_{0}B$$

$<s^2(t)>为s^2(t)的归一化功率，E[n^2(t)]$为$n^2(t)$的期望，$B_{AM}$为AM调制信号的带宽，B为$m(t)$的带宽。

$$(SNR{)}_{in}=\frac{S_{in}}{N_{in}}=\frac{1}{4}\frac{A_c^2[1+\overline{m^2(t)}]}{n_{0}B}$$
输出信号：
定义$S_{out}$为输出信号$s_0(t)$的平均功率，则
$$S_{out}=<s_0^2(t)>=\frac{A_c^2}{4}\overline{m^2(t)}$$
定义$N_{out}$为输出噪声$n_0(t)$的平均功率，则
$$N_{out}=E[n_0^2(t)]=\frac{1}{4}{n}_0{B}_{DSB-SC}=\frac{1}{2}{n}_{0}B=\frac{1}{4}{N}_{in}$$
$$(SNR{)}_{out}=\frac{S_{out}}{N_{out}}=\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$$

4、DSB-SC幅度调制及相干解调

4.1 调制器

DSB-SC调制器模型如图4.1所示，显然有
$$s_{DSB}(t)=A_{c}m(t)cos2\pi f_{c}t(式4-1)$$

$$图4.1DSB-SC调制器模拟框图$$
根据(式4-1)，我们可以得到DSB信号的频谱密度为
$$S_{DSB}(f)=\frac{A_c}{2}[M(f-f_c)+M(f+f_c)](式4-2)$$
其示意图如图4.2所示，这里M(f)为基带信号频谱，这里假定其最大频率(带宽)为B，显然DSB信号包含两个部分，一是离散载波，在f_c处的冲激；二是边带信号，包括上边带(大于f_c)和下边带(小于f_c)。由于包含上下两个边带，已调的DSB信号带宽也为2B，因此我们称DSB为双边带信号。

$$图4.2DSB信号频谱密度示意图$$

4.2 相干解调器

DSB-SC相干解调器模型如图4.3所示，显然有
$$s_d(t)=A_c{S}_{DSB}(t)cos[2\pi (f_c+\Delta f)t+\Delta \theta ](式4-3)$$

$$图4.3DSB-SC相干解调器模拟框图$$

4.2.1 相干解调器各点信号的功率谱密度及功率

$s_{DSB}$：
定义$P_{s_{DSB}}(f)$为$s_{DSB}(t)$的功率谱密度，则
$$P_{s_{DSB}}(f)=\underset{T\to \infty }{\lim }\frac{1}{T}|S_{DS{B}_T}(f){|}^2$$
式中$S_{DS{B}_T}(f)$为$s_{DS{B}_T}(t)$的傅里叶变换，而$s_{DS{B}_T}(t)$称为截断信号它是从$s_{DSB}(t)$上截取的[-T,T]段(在区间外补零)。
定义$P_{DSB}$为$s_{DSB}(t)$的功率,则
$$P_{DSB}={\int }_{-\infty }^{\infty }{P}_{s_{DSB}}(f)df$$
$s_d$：
定义$P_{s_d}(f)$为$s_d(t)$的功率谱密度，则
$$P_{s_d}(f)=\underset{T\to \infty }{\lim }\frac{1}{T}|S_{d_T}(f){|}^2$$
式中$S_{d_T}(f)$为$s_{d_T}(t)$的傅里叶变换，而$s_{d_T}(t)$称为截断信号它是从$s_d(t)$上截取的[-T,T]段(在区间外补零)。
定义$P_d$为$s_d(t)$的功率,则
$$P_d={\int }_{-\infty }^{\infty }{P}_{s_d}(f)df$$

DSB-SC相干解调器其余各点功率谱密度及功率的计算同上。

4.2.2 相干解调器输入输出的信噪比

$$图4.4加入白噪声的DSB-SC调幅模拟框图$$
输入信号：
定义$S_{in}$为输入信号$s(t)$的平均功率，则
$$S_{in}=\overline{s^2(t)}=\frac{A_c^2}{2}\overline{m^2(t)}$$
定义$N_{in}$为输入噪声$n(t)$的平均功率，则
$$N_{in}=E[n^2(t)]=n_0{B}_{DSB-SC}=2n_{0}B$$

$E[n^2(t)]$为$n^2(t)$的期望，$B_{DSB-SC}$为DSB-SC调制信号的带宽，B为$m(t)$的带宽。

$$(SNR{)}_{in}=\frac{S_{in}}{N_{in}}=\frac{1}{4}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$$
输出信号：
定义$S_{out}$为输出信号$s_0(t)$的平均功率，则
$$S_{out}=E[s_0^2(t)]=\frac{A_c^2}{4}\overline{m^2(t)}=\frac{1}{2}{S}_{in}$$
定义$N_{out}$为输出噪声$n_0(t)$的平均功率，则
$$N_{out}=E[n_0^2(t)]=\frac{1}{4}{n}_0{B}_{DSB-SC}=\frac{1}{2}{n}_{0}B=\frac{1}{4}{N}_{in}$$
$$(SNR{)}_{out}=\frac{S_{out}}{N_{out}}=\frac{\frac{1}{2}{S}_{in}}{\frac{1}{4}{N}_{in}}=\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}=2(SNR{)}_{in}$$

5、SSB幅度调制及相干解调

AM调制和DSB-SC调制都属于双边带调制，因此已调信号带宽为基带信号带宽的两倍。那么，我们有没有可能使得调制之后的信号，带宽与基带信号相同呢？这就是所谓的单边带(single sideband, SSB)调制。如图5所示，DSB-SC信号可以看作是下边带信号(LSSB）与上边带信号(USSB)的叠加。

$$图5.1双边带信号与下边带以及上边带信号$$

5.1 调制器

1、滤波法产生SSB信号
那么如何产生SSB信号呢？从图5.1中不难看出，我们可以采用滤波的方法，从双边带信号中将下边带以及上边带信号分离出来。图5.2中(a)为SSB调制器，其中$h_{SSB}(t)$可以为下边带滤波器(图b）或者上边带滤波器(图c)，因此单边带信号的波形表达式为
$$s_{SSB}(t)=A_{c}m(t)cos2\pi f_{c}t\ast h_{SSB}(t)(式5-1)$$
其傅里叶变换为
$$S_{SSB}(f)=\frac{A_c}{2}[M(f-f_c)+M(f+f_c)]H_{SSB}(f)(式5-2)$$

$$图5.2SSB调制器模型$$

图5.3为用滤波法产生下边带(图a)以及上边带(图b)信号示意图。

$$图5.3滤波器产生单边带信号示意图$$
2、相移法产生SSB信号
显然，滤波法是从信号的频谱特性出发，从双边带信号中去掉上或者下边带频率成分，从而产生单边信号。那么是否还有其它方法可以产生单边带信号呢？
我们先来看下边带信号，图5.3(b)中的下边带滤波器可以表示为
$$H_{LSSB}=\frac{1}{2}[sgn(f+f_c)-sgn(f-f_c)](式5-3)$$
将(式5-3)带入(式5-2)得到下边带信号频谱密度为
$\begin{array}{rl}{S}_{LSSB}(f)& =\frac{A_c}{2}[M(f-f_c)+M(f+f_c)]H_{LSSB}(f)\\ & =\frac{A_c}{4}[M(f-f_c)+M(f+f_c)]+\frac{A_c}{4}[M(f-f_c)sgn(f+f_c)-M(f+f_c)sgn(f-f_c)](式5-4)\end{array}$
我们可以求得(式5-4)的傅里叶反变换为
$$s_{LSSB}(t)=\frac{A_c}{2}[m(t)cos2\pi f_{c}t+\hat{m}(t)sin2\pi f_{c}t](式5-5)$$
同理，上边带信号时域表达式为
$$s_{USSB}(t)=\frac{A_c}{2}[m(t)cos2\pi f_{c}t-\hat{m}(t)sin2\pi f_{c}t](式5-6)$$
下边带信号的傅立叶变换如图4所示。从图中不难看出，$m(t)sin2\pi f_{c}t$是将上边带频率部分反相，与双边带信号叠加后，上边带部分被正负抵消，因而被消除掉，只保留下边带部分。

$$图5.4相移法产生下边带信号频谱示意图$$
根据(式5-5)和(式5-6)，可以画出像移法模型如图5.5所示

$$图5.5相移法产生单边带信号模型$$

5.2 相干解调器

SSB相干解调器模型如图5.2.1所示，显然有
$$s_d(t)=A_c{s}_{SSB}(t)cos2\pi f_{c}t(式5-7)$$

$$5.6SSB相干解调器模拟框图$$

5.2.1 相干解调器各点信号的功率谱密度及功率

$s_{SSB}$：
定义$P_{s_{SSB}}(f)$为$s_{SSB}(t)$的功率谱密度，则
$$P_{s_{SSB}}(f)=\underset{T\to \infty }{\lim }\frac{1}{T}|S_{SS{B}_T}(f){|}^2$$
式中$S_{SS{B}_T}(f)$为$s_{SS{B}_T}(t)$的傅里叶变换，而$s_{SS{B}_T}(t)$称为截断信号它是从$s_{SSB}(t)$上截取的[-T,T]段(在区间外补零)。
定义$P_{SSB}$为$s_{SSB}(t)$的功率,则
$$P_{SSB}={\int }_{-\infty }^{\infty }{P}_{s_{SSB}}(f)df$$
$s_d$：
定义$P_{s_d}(f)$为$s_d(t)$的功率谱密度，则
$$P_{s_d}(f)=\underset{T\to \infty }{\lim }\frac{1}{T}|S_{d_T}(f){|}^2$$
式中$S_{d_T}(f)$为$s_{d_T}(t)$的傅里叶变换，而$s_{d_T}(t)$称为截断信号它是从$s_d(t)$上截取的[-T,T]段(在区间外补零)。
定义$P_d$为$s_d(t)$的功率,则
$$P_d={\int }_{-\infty }^{\infty }{P}_{s_d}(f)df$$

SSB相干解调器其余各点功率谱密度及功率的计算同上。

5.2.2 相干解调器输入输出信号的信噪比

$$图5.7加入白噪声的SSB调幅模拟框图$$
输入信号：
定义$S_{in}$为输入信号$s(t)$的平均功率，则
$$S_{in}=<s^2(t)>=\frac{A_c^2}{4}\overline{m^2(t)}$$
定义$N_{in}$为输入噪声$n(t)$的平均功率，则
$$N_{in}=E[n^2(t)]=n_0{B}_{SSB}=n_{0}B$$

$<s^2(t)>为s^2(t)的归一化功率，E[n^2(t)]$为$n^2(t)$的期望，$B_{SSB}$为SSB调制信号的带宽，B为$m(t)$的带宽。

$$(SNR{)}_{in}=\frac{S_{in}}{N_{in}}=\frac{1}{4}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$$
输出信号：
定义$S_{out}$为输出信号$s_0(t)$的平均功率，则
$$S_{out}=<s_0^2(t)>=\frac{A_c^2}{16}\overline{m^2(t)}=\frac{1}{4}{S}_{in}$$
定义$N_{out}$为输出噪声$n_0(t)$的平均功率，则
$$N_{out}=E[n_0^2(t)]=\frac{1}{4}{n}_0{B}_{DSB-SC}=\frac{1}{4}{n}_{0}B=\frac{1}{4}{N}_{in}$$
$$(SNR{)}_{out}=\frac{S_{out}}{N_{out}}=\frac{\frac{1}{4}{S}_{in}}{\frac{1}{4}{N}_{in}}=\frac{1}{4}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}=(SNR{)}_{in}$$

6、AM,DSB-SC,SSB抗干扰性能比较

由以上分析可得出三种调幅方法的抗噪声性能比较，如下表:

	$s(t)$	$BW$	$S_{in}$	$(SNR{)}_{in}$	$(SNR{)}_{out}$	$G$
Baseband	$\frac{\sqrt{2}}{2}{A}_{c}m(t)$	$B$	$\frac{1}{2}{A}_c^2\overline{m^2(t)}$	$\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	$\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	1
AM	$A_c[1+m(t)]cos{\omega }_{c}t$	$2B$	$\frac{1}{2}{A}_c^2[1+\overline{m^2(t})]$	$\frac{1}{4}\frac{A_c^2[1+\overline{m^2(t)}]}{n_{0}B}$	$\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	$\frac{2m^2(t)}{1+m^2(t)}$
DSB-SC	$A_{c}m(t)cos{\omega }_{c}t$	$2B$	$\frac{1}{2}{A}_c^2\overline{m^2(t)}$	$\frac{1}{4}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	$\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	$2$
SSB	$\frac{\sqrt{2}}{2}{A}_c[m(t)cos{\omega }_{c}t+\hat{m}(t)sin{\omega }_{c}t]$	$B$	$\frac{1}{2}{A}_c^2\overline{m^2(t)}$	$\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	$\frac{1}{2}\frac{A_c^2\overline{m^2(t)}}{n_{0}B}$	1

表中$G=\frac{(SNR{)}_{out}}{(SNR{)}_{in}}，B为m(t)的带宽$

7、MATLAB仿真实现

仿真参数设置

%------------------
%系统参数设置
%-----------------
T_start=0;%开始时间
T_stop=1;%截止时间
T=T_stop-T_start;%仿真持续时间
T_sample=0.001;%采样间隔
f_sample=1/T_sample; % 采样速率
N_sample=T/T_sample;% 采样点数

%-----------------
%参数设置
%-----------------
fm=10;
fc=100;
Ac=1;

power_dB=-1;
n=1:N_sample;
f_res=f_sample/N_sample;%频率分辨率
f_max=f_res*N_sample/2;%最大频率
m=cos(2*pi*fm*n*T_sample);%基带信号
c=Ac*cos(2*pi*fc*n*T_sample);%载波信号

【AM模拟幅度调制】

$$图7.1加入白噪声的AM调幅模拟框图$$

%-----------------
%加入白噪声的AM相干解调
%-----------------

%相干解调器的输入
n_i=wgn(1,N_sample,power_dB);%高斯白噪声
s_AM_i=(m+1).*c;
N_i=abs(fft(n_i));%求n_i傅里叶变换的绝对值
S_AM_i=abs(fft(s_AM_i));

%通过带通滤波器
n_AM=conv2(n_i,BPF,'same');%BPF为在fdatool中设计的带通滤波器
s_AM=conv2(s_AM_i,BPF,'same');
N_AM=abs(fft(n_AM));
S_AM=abs(fft(s_AM));

%通过乘法器
n_AM_d=n_AM.*c;
s_AM_d=s_AM.*c;
N_AM_d=abs(fft(n_AM_d));
S_AM_d=abs(fft(s_AM_d));

%通过低通滤波器
n_AM_0=conv2(n_AM_d,LPF,'same');%BPF为在fdatool中设计的低通滤波器
s_AM_0=conv2(s_AM_d,LPF,'same');
N_AM_0=abs(fft(n_AM_0));
S_AM_0=abs(fft(s_AM_0));

%时域及频域波形绘制
figure(1);
%信号的时域和频域波形
subplot(4,2,1);plot(s_AM_i);title('s_{AM}_i的时域波形');
S_AM_i_rearrange=[S_AM_i(N_sample/2+1:N_sample-1),S_AM_i(1:N_sample/2)];%调整波形的位置
subplot(4,2,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_AM_i_rearrange(1:N_sample-1));title('S_{AM}_i的频域波形');
subplot(4,2,3);plot(s_AM);title('s_{AM}的时域波形');
S_AM_rearrange=[S_AM(N_sample/2+1:N_sample-1),S_AM(1:N_sample/2)];
subplot(4,2,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_AM_rearrange(1:N_sample-1));title('S_{AM}的频域波形');
subplot(4,2,5);plot(s_AM_d);title('s_{AM}_d的时域波形');
S_AM_d_rearrange=[S_AM_d(N_sample/2+1:N_sample-1),S_AM_d(1:N_sample/2)];
subplot(4,2,6);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_AM_d_rearrange(1:N_sample-1));title('S_{AM}_d的频域波形');
subplot(4,2,7);plot(s_AM_0);title('s_{AM}_0的时域波形');
S_AM_0_rearrange=[S_AM_0(N_sample/2+1:N_sample-1),S_AM_0(1:N_sample/2)];
subplot(4,2,8);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_AM_0_rearrange(1:N_sample-1));title('S_{AM}_0的频域波形');
figure(2);%噪声的时域和频域波形
subplot(4,2,1);plot(n_i);title('n_i的时域波形');
N_AM_rearrange=[N_AM(N_sample/2+1:N_sample-1),N_AM(1:N_sample/2)];
subplot(4,2,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_AM_rearrange(1:N_sample-1));title('N_{AM}的频域波形');
subplot(4,2,3);plot(n_AM);title('n_{AM}的时域波形');
N_i_rearrange=[N_i(N_sample/2+1:N_sample-1),N_i(1:N_sample/2)];
subplot(4,2,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_i_rearrange(1:N_sample-1));title('N_{AM}_i的频域波形');
subplot(4,2,5);plot(n_AM_d);title('n_{AM}_d的时域波形');
N_AM_d_rearrange=[N_AM_d(N_sample/2+1:N_sample-1),N_AM_d(1:N_sample/2)];
subplot(4,2,6);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_AM_d_rearrange(1:N_sample-1));title('N_{AM}_d的频域波形');
subplot(4,2,7);plot(n_AM_0);title('n_{AM}_0的时域波形');
N_AM_0_rearrange=[N_AM_0(N_sample/2+1:N_sample-1),N_AM_0(1:N_sample/2)];
subplot(4,2,8);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_AM_0_rearrange(1:N_sample-1));title('N_{AM}_0的频域波形');

%------------------------
%计算白噪声的功率谱密度及平均功率
%------------------------
PSD_N_i=abs(fft(n_i)).^2*T_sample/T/f_sample;
PSD_N_i_rearrange=[PSD_N_i(N_sample/2+1:N_sample-1),PSD_N_i(1:N_sample/2)];
figure(3);
subplot(4,1,1);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_i_rearrange(1:N_sample-1));title('n_i的功率谱密度');
P_N_i=sum(PSD_N_i)/length(PSD_N_i)*f_sample;

PSD_N_AM=abs(fft(n_AM)).^2*T_sample/T/f_sample;
PSD_N_AM_rearrange=[PSD_N_AM(N_sample/2+1:N_sample-1),PSD_N_AM(1:N_sample/2)];
subplot(4,1,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_AM_rearrange(1:N_sample-1));title('n_{AM}的功率谱密度');
P_N_AM=sum(PSD_N_AM)/length(PSD_N_AM)*f_sample;

PSD_N_AM_d=abs(fft(n_AM_d)).^2*T_sample/T/f_sample;
PSD_N_AM_d_rearrange=[PSD_N_AM_d(N_sample/2+1:N_sample-1),PSD_N_AM_d(1:N_sample/2)];
subplot(4,1,3);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_AM_d_rearrange(1:N_sample-1));title('n_{AM}_d的功率谱密度');
P_N_AM_d=sum(PSD_N_AM_d)/length(PSD_N_AM_d)*f_sample;

PSD_N_AM_0=abs(fft(n_AM_0)).^2*T_sample/T/f_sample;
PSD_N_AM_0_rearrange=[PSD_N_AM_0(N_sample/2+1:N_sample-1),PSD_N_AM_0(1:N_sample/2)];
subplot(4,1,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_AM_0_rearrange(1:N_sample-1));title('n_{AM}_0的功率谱密度');
P_N_AM_0=sum(PSD_N_AM_0)/length(PSD_N_AM_0)*f_sample;

fprintf('白噪声各点的平均功率\n');
fprintf('n_i=%f n=%f n_d=%f n_0=%f\n',P_N_i,P_N_AM,P_N_AM_d,P_N_AM_0);
%求输入输出信噪比
S_AM_in=sum(s_AM.^2)/length(s_AM)*f_sample;
N_AM_in=sum(n_AM.^2)/length(n_AM)*f_sample;
SNR_AM_in=S_AM_in/N_AM_in;
S_AM_d_out=sum(s_AM_d.^2)/length(s_AM_d)*f_sample;
N_AM_d_out=sum(n_AM_d.^2)/length(n_AM_d)*f_sample;
SNR_AM_out=S_AM_d_out/N_AM_d_out;
G_AM=SNR_AM_out/SNR_AM_in;

fprintf('输入信噪比\n');
fprintf('S_AM_in=%f  , N_AM_in=%f  , SNR_AM_in=%f\n',S_AM_in,N_AM_in,SNR_AM_in);
fprintf('输出信噪比\n');
fprintf('S_AM_0_out=%f, N_AM_0_out=%f, SNR_AM_out=%f\n',S_AM_0_out,N_AM_0_out,SNR_AM_out);
fprintf('G_AM=SNR_AM_out/SNR_AM_in=%f\n',G_AM);

$$图7.1.1AM调制信号波形$$

$$图7.1.2AM调制噪声波形$$

$$图7.1.3AM调制噪声功率谱密度$$

$$7.1.4AM调制其他输出$$

【DSB-SC模拟幅度调制】

$$图7.2加入白噪声的DSB-SC调幅模拟框图$$

%-----------------
%加入白噪声的DSB-SC相干解调
%-----------------

%相干解调器的输入
n_i=wgn(1,N_sample,power_dB);%高斯白噪声
s_DSB_i=m.*c;
N_i=abs(fft(n_i));%求n_i的傅里叶变换的绝对值
S_DSB_i=abs(fft(s_DSB_i));

%通过带通滤波器
n_DSB=conv2(n_i,BPF,'same');%BPF为在fdatool中设计的带通滤波器
s_DSB=conv2(s_DSB_i,BPF,'same');
N_DSB=abs(fft(n_DSB));
S_DSB=abs(fft(s_DSB));

%通过乘法器
n_DSB_d=n_DSB.*c;
s_DSB_d=s_DSB.*c;
N_DSB_d=abs(fft(n_DSB_d));
S_DSB_d=abs(fft(s_DSB_d));

%通过低通滤波器
n_DSB_0=conv2(n_DSB_d,LPF,'same');%BPF为在fdatool中设计的低通滤波器
s_DSB_0=conv2(s_DSB_d,LPF,'same');
N_DSB_0=abs(fft(n_DSB_0));
S_DSB_0=abs(fft(s_DSB_0));

%时域及频域波形绘制
figure(1);%信号的时域及频域波形
subplot(4,2,1);plot(s_DSB_i);title('s_{DSB}_i的时域波形');
S_DSB_i_rearrange=[S_DSB_i(N_sample/2+1:N_sample-1),S_DSB_i(1:N_sample/2)];
subplot(4,2,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_DSB_i_rearrange(1:N_sample-1));title('S_{DSB}_i的频域波形');
subplot(4,2,3);plot(s_DSB);title('s_{DSB}的时域波形');
S_DSB_rearrange=[S_DSB(N_sample/2+1:N_sample-1),S_DSB(1:N_sample/2)];
subplot(4,2,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_DSB_rearrange(1:N_sample-1));title('S_{DSB}的频域波形');
subplot(4,2,5);plot(s_DSB_d);title('s_{DSB}_d的时域波形');
S_DSB_d_rearrange=[S_DSB_d(N_sample/2+1:N_sample-1),S_DSB_d(1:N_sample/2)];
subplot(4,2,6);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_DSB_d_rearrange(1:N_sample-1));title('S_{DSB}_d的频域波形');
subplot(4,2,7);plot(s_DSB_0);title('s_{DSB}_0的时域波形');
S_DSB_0_rearrange=[S_DSB_0(N_sample/2+1:N_sample-1),S_DSB_0(1:N_sample/2)];
subplot(4,2,8);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_DSB_0_rearrange(1:N_sample-1));title('S_{DSB}_0的频域波形');
figure(2);%噪声的时域及频域波形
subplot(4,2,1);plot(n_i);title('n_i的时域波形');
N_i_rearrange=[N_i(N_sample/2+1:N_sample-1),N_i(1:N_sample/2)];
subplot(4,2,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_i_rearrange(1:N_sample-1));title('N_{DSB}_i的频域波形');
subplot(4,2,3);plot(n_DSB);title('n_{DSB}的时域波形');
N_DSB_rearrange=[N_DSB(N_sample/2+1:N_sample-1),N_DSB(1:N_sample/2)];
subplot(4,2,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_DSB_rearrange(1:N_sample-1));title('N_{DSB}的频域波形');
subplot(4,2,5);plot(n_DSB_d);title('n_{DSB}_d的时域波形');
N_DSB_d_rearrange=[N_DSB_d(N_sample/2+1:N_sample-1),N_DSB_d(1:N_sample/2)];
subplot(4,2,6);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_DSB_d_rearrange(1:N_sample-1));title('N_{DSB}_d的频域波形');
subplot(4,2,7);plot(n_DSB_0);title('n_{DSB}_0的时域波形');
N_DSB_0_rearrange=[N_DSB_0(N_sample/2+1:N_sample-1),N_DSB_0(1:N_sample/2)];
subplot(4,2,8);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_DSB_0_rearrange(1:N_sample-1));title('N_{DSB}_0的频域波形');

%------------------------
%计算白噪声的功率谱密度及平均功率
%------------------------
PSD_N_i=abs(fft(n_i)).^2*T_sample/T/f_sample;%功率谱密度
figure(3);
PSD_N_i_rearrange=[PSD_N_i(N_sample/2+1:N_sample-1),PSD_N_i(1:N_sample/2)];
subplot(4,1,1);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_i_rearrange(1:N_sample-1));title('n_i的功率谱密度');
P_N_i=sum(PSD_N_i)/length(PSD_N_i)*f_sample;%平均功率

PSD_N_DSB=abs(fft(n_DSB)).^2*T_sample/T/f_sample;
PSD_N_DSB_rearrange=[PSD_N_DSB(N_sample/2+1:N_sample-1),PSD_N_DSB(1:N_sample/2)];
subplot(4,1,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_DSB_rearrange(1:N_sample-1));title('n_{DSB}的功率谱密度');
P_N_DSB=sum(PSD_N_DSB)/length(PSD_N_DSB)*f_sample;

PSD_N_DSB_d=abs(fft(n_DSB_d)).^2*T_sample/T/f_sample;
PSD_N_DSB_d_rearrange=[PSD_N_DSB_d(N_sample/2+1:N_sample-1),PSD_N_DSB_d(1:N_sample/2)];
subplot(4,1,3);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_DSB_d_rearrange(1:N_sample-1));title('n_{DSB}_d的功率谱密度');
P_N_DSB_d=sum(PSD_N_DSB_d)/length(PSD_N_DSB_d)*f_sample;

PSD_N_DSB_0=abs(fft(n_DSB_0)).^2*T_sample/T/f_sample;
PSD_N_DSB_0_rearrange=[PSD_N_DSB_0(N_sample/2+1:N_sample-1),PSD_N_DSB_0(1:N_sample/2)];
subplot(4,1,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_DSB_0_rearrange(1:N_sample-1));title('n_{DSB}_0的功率谱密度');
P_N_DSB_0=sum(PSD_N_DSB_0)/length(PSD_N_DSB_0)*f_sample;

fprintf('白噪声各点的平均功率\n');
fprintf('n_i=%f n=%f n_d=%f n_0=%f\n',P_N_i,P_N_DSB,P_N_DSB_d,P_N_DSB_0);

%求输入输出信噪比
S_DSB_in=sum(s_DSB.^2)/length(s_DSB)*f_sample;
N_DSB_in=sum(n_DSB.^2)/length(n_DSB)*f_sample;
SNR_DSB_in=S_DSB_in/N_DSB_in;
S_DSB_0_out=sum(s_DSB_0.^2)/length(s_DSB_0)*f_sample;
N_DSB_0_out=sum(n_DSB_0.^2)/length(n_DSB_0)*f_sample;
SNR_DSB_out=S_DSB_0_out/N_DSB_0_out;
G_DSB=SNR_DSB_out/SNR_DSB_in;

fprintf('输入信噪比\n');
fprintf('S_DSB_in=%f N_DSB_in=%f SNR_DSB_in=%f\n',S_DSB_in,N_DSB_in,SNR_DSB_in);
fprintf('输出信噪比\n');
fprintf('S_DSB_0_out=%f N_DSB_0_out=%f SNR_DSB_out=%f\n',S_DSB_0_out,N_DSB_0_out,SNR_DSB_out);
fprintf('G_AM=SNR_AM_out/SNR_AM_in=%f\n',G_DSB);

$$图7.2.1DSB-SC调制信号波形$$

$$7.2.2DSB-SC调制信号波形$$

$$图7.2.3DSB-SC调制噪声功率谱密度$$

$$图7.2.4DSB-SC调制其他输出$$

【SSB模拟幅度调制】

$$图7.3加入白噪声的SSB调幅模拟框图$$

%-----------------
%加入白噪声的SSB相干解调
%-----------------

%相干解调器的输入
n_i=wgn(1,N_sample,power_dB);%高斯白噪声
s_DSB=m.*c;
s_SSB_i=conv2(s_DSB,LPF0,'same');%使用滤波法由DSB信号产生SSB信号，LPF0为在fdatool中设计的低通滤波器
N_i=abs(fft(n_i));%求n_i傅里叶变换的绝对值
S_SSB_i=abs(fft(s_SSB_i));

%通过带通滤波器
n_SSB=conv2(n_i,BPF,'same');%BPF为在fdatool中设计的带通滤波器
s_SSB=conv2(s_SSB_i,BPF,'same');
N_SSB=abs(fft(n_SSB));
S_SSB=abs(fft(s_SSB));

%通过乘法器
n_SSB_d=n_SSB.*c;
s_SSB_d=s_SSB.*c;
N_SSB_d=abs(fft(n_SSB_d));
S_SSB_d=abs(fft(s_SSB_d));

%通过低通滤波器
n_SSB_0=conv2(n_SSB_d,LPF,'same');%BPF为在fdatool中设计的低通滤波器
s_SSB_0=conv2(s_SSB_d,LPF,'same');
N_SSB_0=abs(fft(n_SSB_0));
S_SSB_0=abs(fft(s_SSB_0));

%时域及频域波形绘制
figure(1);%信号的时域及频域波形
subplot(4,2,1);plot(s_SSB_i);title('s_{SSB}_i的时域波形');
S_SSB_i_rearrange=[S_DSB_i(N_sample/2+1:N_sample-1),S_DSB_i(1:N_sample/2)];
subplot(4,2,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_SSB_i_rearrange(1:N_sample-1));title('S_{SSB}_i的频域波形');
subplot(4,2,3);plot(s_SSB);title('s_{SSB}的时域波形');
S_SSB_rearrange=[S_SSB(N_sample/2+1:N_sample-1),S_SSB(1:N_sample/2)];
subplot(4,2,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_SSB_rearrange(1:N_sample-1));title('S_{SSB}的频域波形');
subplot(4,2,5);plot(s_SSB_d);title('s_{SSB}_d的时域波形');
S_SSB_d_rearrange=[S_SSB_d(N_sample/2+1:N_sample-1),S_SSB_d(1:N_sample/2)];
subplot(4,2,6);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_SSB_d_rearrange(1:N_sample-1));title('S_{SSB}_d的频域波形');
subplot(4,2,7);plot(s_SSB_0);title('s_{SSB}_0的时域波形');
S_SSB_0_rearrange=[S_SSB_0(N_sample/2+1:N_sample-1),S_SSB_0(1:N_sample/2)];
subplot(4,2,8);plot((-N_sample/2+1:N_sample/2-1)*f_res,S_SSB_0_rearrange(1:N_sample-1));title('S_{SSB}_0的频域波形');
figure(2);%噪声的时域及频域波形
subplot(4,2,1);plot(n_i);title('n_i的时域波形');
N_i_rearrange=[N_i(N_sample/2+1:N_sample-1),N_i(1:N_sample/2)];
subplot(4,2,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_i_rearrange(1:N_sample-1));title('N_{SSB}_i的频域波形');
subplot(4,2,3);plot(n_SSB);title('n_{SSB}的时域波形');
N_SSB_rearrange=[N_SSB(N_sample/2+1:N_sample-1),N_SSB(1:N_sample/2)];
subplot(4,2,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_SSB_rearrange(1:N_sample-1));title('N_{SSB}的频域波形');
subplot(4,2,5);plot(n_SSB_d);title('n_{SSB}_d的时域波形');
N_SSB_d_rearrange=[N_SSB_d(N_sample/2+1:N_sample-1),N_SSB_d(1:N_sample/2)];
subplot(4,2,6);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_SSB_d_rearrange(1:N_sample-1));title('N_{SSB}_d的频域波形');
subplot(4,2,7);plot(n_SSB_0);title('n_{SSB}_0的时域波形');
N_SSB_0_rearrange=[N_SSB_0(N_sample/2+1:N_sample-1),N_SSB_0(1:N_sample/2)];
subplot(4,2,8);plot((-N_sample/2+1:N_sample/2-1)*f_res,N_SSB_0_rearrange(1:N_sample-1));title('N_{SSB}_0的频域波形');

%------------------------
%计算白噪声的功率谱密度
%------------------------
PSD_N_i=abs(fft(n_i)).^2*T_sample/T/f_sample;%计算n_i功率谱密度
PSD_N_i_rearrange=[PSD_N_i(N_sample/2+1:N_sample-1),PSD_N_i(1:N_sample/2)];
figure(3);
subplot(4,1,1);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_i_rearrange(1:N_sample-1));title('n_i的功率谱密度');
P_N_i=sum(PSD_N_i)/length(PSD_N_i)*f_sample;%计算n_i平均功率

PSD_N_SSB=abs(fft(n_SSB)).^2*T_sample/T/f_sample;
PSD_N_SSB_rearrange=[PSD_N_SSB(N_sample/2+1:N_sample-1),PSD_N_SSB(1:N_sample/2)];
subplot(4,1,2);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_SSB_rearrange(1:N_sample-1));title('n_{SSB}的功率谱密度');
P_N_SSB=sum(PSD_N_SSB)/length(PSD_N_SSB)*f_sample;

PSD_N_SSB_d=abs(fft(n_SSB_d)).^2*T_sample/T/f_sample;
PSD_N_SSB_d_rearrange=[PSD_N_SSB_d(N_sample/2+1:N_sample-1),PSD_N_SSB_d(1:N_sample/2)];
subplot(4,1,3);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_SSB_d_rearrange(1:N_sample-1));title('n_{SSB}_d的功率谱密度');
P_N_SSB_d=sum(PSD_N_SSB_d)/length(PSD_N_SSB_d)*f_sample;

PSD_N_SSB_0=abs(fft(n_SSB_0)).^2*T_sample/T/f_sample;
PSD_N_SSB_0_rearrange=[PSD_N_SSB_0(N_sample/2+1:N_sample-1),PSD_N_SSB_0(1:N_sample/2)];
subplot(4,1,4);plot((-N_sample/2+1:N_sample/2-1)*f_res,PSD_N_SSB_0_rearrange(1:N_sample-1));title('n_{SSB}_0的功率谱密度');
P_N_SSB_0=sum(PSD_N_SSB_0)/length(PSD_N_SSB_0)*f_sample;

fprintf('白噪声各点的平均功率\n');
fprintf('P_N_SSB_i=%f, P_N_SSB=%f, P_N_SSB_d=%f, P_N_SSB_0=%f\n',P_N_i,P_N_SSB,P_N_SSB_d,P_N_SSB_0);

%求输入输出信噪比
S_SSB_in=sum(s_SSB.^2)/length(s_SSB)*f_sample;
N_SSB_in=sum(n_SSB.^2)/length(n_SSB)*f_sample;
SNR_SSB_in=S_SSB_in/N_SSB_in;
S_SSB_0_out=sum(s_SSB_0.^2)/length(s_SSB_0)*f_sample;
N_SSB_0_out=sum(n_SSB_0.^2)/length(n_SSB_0)*f_sample;
SNR_SSB_out=S_SSB_0_out/N_SSB_0_out;
G_SSB=SNR_SSB_out/SNR_SSB_in;

fprintf('输入信噪比\n');
fprintf('S_SSB_in=%f   , N_DSB_in=%f   , SNR_DSB_in=%f\n',S_SSB_in,N_SSB_in,SNR_SSB_in);
fprintf('输出信噪比\n');
fprintf('S_SSB_0_out=%f, N_DSB_0_out=%f, SNR_DSB_out=%f\n',S_SSB_0_out,N_SSB_0_out,SNR_SSB_out);
fprintf('G_AM=SNR_AM_out/SNR_AM_in=%f\n',G_SSB);

$$图7.3.1SSB调制信号波形$$

$$图7.3.2SSB调制信号波形$$

$$图7.3.3SSB调制噪声功率谱密度$$

$$图7.3.4SSB调制其他输出$$
仿真结果与理论分析结果大致相同，验证了理论，不过由于matlab无法产生理想高斯白噪声和滤波器，有时仿真结果与理论值会有较大差异；
另外在matlab仿真时，采样点数的选择对波形会有较大影响，且使用滤波器的频率应与采样频率大致相同。

8、总结

1.通过这次分析中，我对AM,DSB-SC,SSB三种模拟幅度调制了解的更深了。
2.在matlab仿真过程中发现了一些matlab的局限性，和理论不相符，例如产生的高斯白噪声的功率运行几次会有较大变化。
3.这次分析通过CSDN 博客编写，学会了CSDN博客的一些语法。

9、参考文献

[1].通信原理(第二版)—李晓峰，清华大学出版社
[2].现代通信原理3.3：两个重要的信号处理模块-乘法器与滤波器
[3].现代通信原理4.3：白噪声
[4].现代通信原理6.1 常规调幅调制(AM)与抑制载波双边带(DSB-SC)调制
[5].现代通信原理6.2：单边带(SSB)调制