python3で『QPSK変調＆復調』

 興味の無い方には全く役に立たないでしょう。

SDRによる無線処理が必要な方の為に参考資料として

Webに出しておきます。

python3で『BPSK変調＆復調』

興味の無い方には全く役に立たないでしょう。

SDRによる無線処理が必要な方の為に参考資料として

Webに出しておきます。

python3で『PSK変調』と『ダイレクトコンバージョン』

 以下『Phase Shift Keying』のサンプルコードです。

誰かの役に立てば幸いなり。

＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃

import numpy as np

from scipy import signal as sg

from scipy.fftpack import fft,ifft,fftshift,fftfreq

import matplotlib.pyplot as plt

fb = 440 #baseband

fc = 10000 #carrier

fs = 44100 #sampling freq

A = 1 #amp

t = 3 #time

alpha = np.pi/4 

beta = np.pi/6

dat = np.arange(0,t,1/fs)

pt = 2*np.pi*dat

#sin(alpha)cos(beta)

sig = A * np.sin(fb * pt + alpha)

carrier = A * np.cos(fc * pt + beta)

# modulated signal

wave = A * np.cos((fc*pt) + beta + sig)

#plt.plot(sig[0:100])

#plt.plot(carrier[0:100])

#plt.plot(wave[0:100])

#plt.show()

#AWGN noise add 

#Add AWGN noise to the transmitted signal

nMean = 0 #noise mean

nSigma = 0.1 #noise sigma

n = np.random.normal(nMean, nSigma, len(dat))

noisy = wave + n  #noisy received signal

#plt.plot(wave[0:100])

#plt.plot(noisy[0:100])

#plt.show()

#analytic signal

asig = sg.hilbert(noisy)

# instaneous phase

phase = np.unwrap(np.angle(asig))

#demodulation

#

offset = 2 * np.pi * fc * dat + beta

want = phase - offset

#noise reduction

#low pass filter

# num must be odd number. num up more smooth

num = 7

nyq = fs/2

cutoff = (fc/2) / nyq

lpf = sg.firwin(num,cutoff)

signal = sg.lfilter(lpf,1,want)

plt.plot(signal[:300])

plt.plot(sig[:300])

plt.show()

python3で『FM変調』と『ダイレクトコンバージョン』

WFM変復調。IQ復調とFIRフィルターを使用。

import numpy as np

from scipy import signal as sg

from scipy.fftpack import fft,ifft,fftshift,fftfreq

import matplotlib.pyplot as plt

fb = 440 #baseband

fc = 10000 #carrier

fs = 44100 #sampling freq

A = 1 #amp

t = 3 #time

m = 10 #Frequency shift m > 1 wideFM

dat = np.arange(0,t,1/fs)

pt = 2*np.pi*dat

#sin(alpha)cos(beta)

sig = np.sin(fb * pt)

carrier = np.cos(fc * pt)

#

wave = A * np.cos((fc*pt) + m * np.sin(fb*pt))

#plt.plot(sig[0:100])

#plt.plot(carrier[0:100])

#plt.plot(wave[0:500])

#plt.show()

#解析的信号 hilbert transform 

'''

#AWGN noise add 

#Add AWGN noise to the transmitted signal

nMean = 0 #noise mean

nSigma = 0.1 #noise sigma

n = np.random.normal(nMean, nSigma, len(dat))

noisy = wave + n  #noisy received signal

#plt.plot(wave[0:100])

#plt.plot(noisy[0:100])

#plt.show()

'''

#analytic signal

hil = sg.hilbert(wave)

asig = wave + (hil * 1j)

Q=np.real(asig)

I=np.imag(asig)

#plt.plot(I[0:100])

#plt.plot(Q[0:100])

#plt.show()

amp = np.abs(asig)

# under the same mean

phase = np.unwrap(np.angle(asig))

freq = np.diff(phase)/(2*np.pi)*fs

#demodulation

want= np.sin(fb * pt)

# normalize

nyq = fs/2 

Nf = (freq - fc)/ nyq 

#low pass filter

# num must be odd number

num = 15

cutoff = (fc/2) / nyq

lpf = sg.firwin(num,cutoff)

signal = sg.lfilter(lpf,1,Nf)

#　Amplitude correction

signal = (signal * 5)

plt.plot(signal[0:500])

plt.plot( want[0:500])

plt.show()

python3で『AM変調』と『ダイレクトコンバージョン』

個人的備忘録

『ヒルベルト変換』が今ひとつ『腑に落ちない』感じ。処理的には

いささか乱暴ですが『ヒルベルト変換』を『ローパスフィルター』と

考えて複素信号解析を行えば見えてくるかも。以下はAM変調コード

のサンプル。

Python3 でWavファイルを書き出す

Numpy　で作った　Wavファイル　を書き出す。

今後はこの信号データを使用してIQ変調復調を行う予定

Python3 で Sine波データ作ってみる

『無線信号』の『デジタル変調』『デジタル復調』を目標とする

まずは肝心の『信号』が必要なのでこれを作成する。

今後は以下の環境を前提にすすめる。

1. Ubuntu
2. Python3

上記環境にて以下のファイルを適当に名前をつけて実行。

今回は『441Hz.py』として保存、実行。