基本信息
书名：通信原理(第2版)
定价：28.00元
作者：徐文燕
出版社：北京邮电大学出版社有限公司
出版日期：2012-06-01
ISBN：9787563529421
字数：
页码：
版次：2
装帧：平装
开本：16开
商品重量：0.459kg
编辑推荐
内容提要
本书是针对高等职业教育的要求，结合高职学生的特点和多年来高职教育的实践经验编写而成的。以通信系统必不可少的基本组成开始，按信号在通信系统的流程顺序进行编写，着重介绍数字通信的基本原理，并围绕原理介绍*的通信技术与实现方法。
本书共分为9章：章绪论；第2章模拟调制系统；第3章模拟信号的数字化传输；第4章数字信号的基带传输系统；第5章数字信号的频带传输；第6章信道复用和多址方式；第7章同步技术；第8章差错控制；第9章通信系统的应用举例。
本书的特点是系统性强，内容编排连贯，突出基本概念、基本原理。在编写上力求通俗易懂，除必要的数学推导外，注意讲述物理概念和直观的图形分析，强调应用。
为使读者能更好地理解基本概念和掌握通信系统的分析方法，每章都精选了一些例题和习题，以供学习时参考。
本书可以作为通信、电子信息、电子工程、自动化、计算机等专业高职高专、函授和成人教育的教材，也可供其他学习通信技术的人员参考。
目录
章 绪 论
1.1 通信系统的组成
1.2 通信系统的分类及通信方式
1.3 通信系统的主要性能指标
1.4 信号、信道与噪声
1.5 信道容量
小结
思考题
第2章 模拟调制系统
2.1 调制的作用和分类
2.2 幅度调制
2.3 线性调幅信号的解调
2.4 线性调幅信号的非相干解调
2.5 模拟角调制
小结
思考题
第3章 模拟信号的数字化传输
3.1 抽样定理
3.2 脉冲编码调制
3.3 增量调制
3.4 改进型增量调制
3.5 自适应差分脉冲编码调制
3.6 语音与图像压缩编码简介
小结
思考题
第4章 数字信号的基带传输系统
4.1 数字基带信号的特点
4.2 数字基带信号的频谱分析
4.3 基带传输中的码间串扰与间串扰的基带传输
4.4 部分响应系统
4.5 眼图与均衡
小结
思考题
第5章 数字信号的频带传输
5.1 二进制数字调制原理
5.2 二进制数字调制信号的频谱特性
5.3 二进制数字载波传输系统的抗噪声性能
5.4 二进制数字调制系统的性能比较
5.5 多进制数字调制系统
5.6 现代数字调制技术
小结
思考题
第6章 信道复用和多址方式
6.1 频分复用
6.2 时分复用
6.3 码分复用
6.4 多址通信方式
小结
思考题
第7章 同步技术
7.1 引言
7.2 载波同步技术
7.3 位同步技术
7.4 群同步(帧同步)技术
7.5 网同步技术
小结
思考题
第8章 差错控制
8.1 差错控制编码的基本原理
8.2 差错控制的基本方式
8.3 常用的检错编码方式
8.4 循环码
8.5 卷积码
小结
思考题
第9章 通信系统的应用举例
9.1 光发送机的组成
9.2 光接收机的组成
9.3 光中继器
9.4 线路码型
9.5 光端机的主要指标
小结
思考题
参考文献
作者介绍
文摘
序言
《数字信号处理的艺术》 第一章：数字信号的基础 在本章中，我们将踏入数字信号处理的宏伟殿堂，揭开其神秘面纱。我们将从最基本的概念入手，深入理解什么是数字信号，以及它们与我们生活中接触到的模拟信号有何本质区别。 什么是信号？ 我们将首先定义“信号”这一核心概念，它如同信息的载体，可以是时间的函数，也可以是空间的函数。无论是声音的振动，图像的光线变化，还是股票市场的波动，都可以被看作是信号。我们将探讨不同类型的信号，如连续信号（模拟信号）和离散信号（数字信号），并阐述它们在现实世界中的表现形式。 模拟信号的局限性： 为什么我们需要数字信号？我们将详细分析模拟信号在传输、存储和处理过程中面临的诸多挑战。噪声的干扰、信号衰减、复制失真等问题，都使得模拟信号的精确性和稳定性难以保证。这些局限性为数字信号的出现奠定了基础。 数字信号的诞生： 采样、量化与编码是数字信号产生的三个关键步骤。我们将深入剖析每一个环节。 采样： 模拟信号是如何被“离散化”的？我们将介绍采样定理（奈奎斯特定理），理解采样频率与信号带宽之间的关系，以及采样不当可能导致的混叠现象。我们还会讨论不同的采样方法，如均匀采样和非均匀采样。 量化： 采样后的连续幅度值如何被转化为离散的数值？我们将讲解量化器的原理，包括量化电平、量化间隔和量化误差。理解量化误差对信号保真度的影响至关重要，我们将探讨各种量化技术，如均匀量化、非均匀量化（如μ-law和A-law编码），以及如何选择合适的量化器以平衡精度和数据速率。 编码： 将量化后的数值转化为二进制序列。我们将介绍二进制编码的基本原理，以及不同编码格式在数据表示上的差异。 离散时间信号与离散频率信号： 一旦信号被数字化，它就进入了离散时间域。我们将学习如何表示和分析离散时间信号，包括其基本性质（如周期性、奇偶性）和常见的信号类型（如单位冲激信号、单位阶跃信号、指数信号）。同时，我们也将引入离散频率的概念，为后续的傅里叶分析奠定基础。 数字信号的处理流程： 整个数字信号处理过程，从输入到输出，会经过哪些阶段？我们将勾勒出一个典型的数字信号处理系统的框图，包括信号采集、预处理、核心处理和输出等环节，为后续章节的学习做好铺垫。 第二章：离散时间系统的数学模型 本章将聚焦于描述和分析数字信号处理系统的核心工具——离散时间系统。我们将建立起严谨的数学框架，理解这些系统是如何对数字信号进行操作的。 什么是离散时间系统？ 我们将定义离散时间系统，它接受离散时间信号作为输入，并产生离散时间信号作为输出。我们将探讨系统的分类，如线性系统与非线性系统，时不变系统与时变系统，因果系统与非因果系统，稳定系统与不稳定系统。这些性质对于理解系统的行为至关重要。 差分方程： 许多离散时间系统都可以用差分方程来描述。我们将学习如何建立和求解线性常系数差分方程，理解其输入-输出关系。我们将介绍齐次解和特解的概念，以及如何利用初始条件来获得系统的特定响应。 卷积： 卷积是离散时间系统分析中最强大的工具之一。我们将深入理解离散卷积的定义和计算方法。 单位冲激响应： 系统的单位冲激响应（Impulse Response, h[n]）是描述线性时不变（LTI）系统特性的关键。我们将阐述为什么单位冲激响应能够完全表征一个LTI系统，以及如何通过输入信号与单位冲激响应的卷积来获得系统的输出。 卷积的计算： 我们将学习多种计算卷积的方法，包括图解法、公式法和表格法，并提供实际算例来加深理解。 系统函数的概念（Z变换）： 为了更便捷地分析LTI系统，特别是处理卷积运算，我们引入Z变换。 Z变换的定义与性质： 我们将详细介绍Z变换的定义，包括单边Z变换和双边Z变换。我们将推导并掌握Z变换的各种重要性质，如线性性、时移性、卷积性质、微分性质等。 收敛域（ROC）： Z变换的收敛域是理解变换唯一性的关键。我们将讲解收敛域的定义，以及它如何影响逆Z变换的唯一性。 系统函数 H(z)： 通过Z变换，一个LTI系统的差分方程可以转化为代数方程。系统的传递函数（或称系统函数）H(z)是输入信号的Z变换与输出信号的Z变换之比。我们将学习如何从差分方程推导出系统函数，以及如何利用系统函数分析系统的稳定性、因果性以及频率响应。 离散傅里叶级数（DFS）与离散傅里叶变换（DFT）： 当我们考虑周期信号在离散时间域的表示时，会用到离散傅里叶级数（DFS）。而对于非周期信号，我们则使用离散傅里叶变换（DFT）。 DFT的定义与性质： 我们将详细介绍DFT的定义，理解它如何将一个有限长度的离散时间信号分解为一系列复指数序列的叠加。我们将学习DFT的性质，如线性性、时域/频域的移位性、共轭对称性、帕塞瓦尔定理等。 DFT在信号分析中的作用： DFT是分析离散信号频谱特性的基本工具，它能够揭示信号中包含的各种频率分量。 第三章：频率域分析：傅里叶变换在数字信号处理中的应用 本章将深入探讨傅里叶变换在数字信号处理中的强大应用。我们将理解信号的频率特性是如何通过傅里叶变换来揭示的，以及这些信息如何指导我们进行信号分析和系统设计。 傅里叶级数（FS）与傅里叶变换（FT）： 我们将回顾连续时间信号的傅里叶级数和傅里叶变换，理解它们将信号分解为不同频率正弦波成分的能力。 离散时间傅里叶变换（DTFT）： 对于无限长离散时间信号，我们使用离散时间傅里叶变换（DTFT）。我们将学习DTFT的定义，理解它如何给出信号在连续频率上的频谱。我们将分析DTFT的性质，以及它与连续时间傅里叶变换之间的联系。 离散傅里叶变换（DFT）的实际意义： 在实际应用中，我们通常处理的是有限长度的信号，并且需要进行计算。DFT正是为此而生。我们将再次强调DFT的定义，并深入探讨它在从时域到频域转换中的核心作用。 频谱分析： DFT能够将一个离散时间信号的时域表示转换为其频域表示。我们将学习如何解释DFT的输出，理解频谱图的含义，识别信号中的主频率成分、谐波以及噪声。 频谱泄漏（Spectral Leakage）： 由于DFT是对有限信号进行采样和截断，会导致频谱泄漏现象。我们将详细解释频谱泄漏的原因，并探讨如何通过选择合适的窗口函数（如汉宁窗、海明窗、布莱克曼窗等）来减小频谱泄漏，提高频谱分析的准确性。 周期延拓（Periodicity）： DFT的频域结果是周期性的，时域信号的截断相当于在另一域进行了周期延拓。我们将理解这种周期性的数学含义。 快速傅里叶变换（FFT）： 尽管DFT在理论上非常重要，但直接计算DFT的复杂度很高（O(N^2)）。快速傅里叶变换（FFT）算法极大地提高了DFT的计算效率（O(N log N)）。 FFT算法的原理： 我们将简要介绍FFT算法的基本思想，如蝶形运算和分治策略，并理解其如何将一个N点的DFT分解为若干个更小的DFT。虽然我们将不深入推导具体的FFT算法（如Cooley-Tukey算法），但会强调其在实际应用中的重要性，它使得大规模的数字信号处理成为可能。 功率谱密度（PSD）： 我们将学习如何利用DFT来估计信号的功率谱密度，了解信号的功率在不同频率上的分布。这对于噪声分析、信号识别等应用非常重要。 应用举例： 在本章的最后，我们将通过具体的例子，如音频信号的频谱分析、图像的频率域处理、通信信号的调制解调等，来展示傅里叶变换在数字信号处理中的实际应用场景，加深对理论知识的理解。 第四章：滤波器设计与实现 滤波器是数字信号处理中最重要的组成部分之一，它们能够选择性地允许或抑制特定频率范围的信号。本章将深入探讨滤波器的设计原理和实现方法。 滤波器的基本概念： 我们将从滤波器的基本定义出发，理解滤波器的作用——改变信号的频率成分。我们将介绍滤波器的分类： 按频率响应分类： 低通滤波器（LPF）、高通滤波器（HPF）、带通滤波器（BPF）、带阻滤波器（BSF）以及全通滤波器。我们将详细解释每种滤波器的频率响应特性，以及它们在信号处理中的应用。 按实现方式分类： 称数字滤波器和无限冲击响应（IIR）数字滤波器。 无限冲击响应（IIR）滤波器： IIR滤波器的特点： IIR滤波器通常使用反馈结构，其单位冲激响应是无限长的。它们通常可以用较低的阶数实现对幅度响应的精确控制，因此在计算效率上具有优势。 IIR滤波器设计方法： 我们将介绍几种经典 IIR 滤波器设计方法，如巴特沃斯（Butterworth）、切比雪夫（Chebyshev）和椭圆（Elliptic）滤波器。我们将理解不同设计方法在通带纹波、阻带衰减和过渡带宽度等性能指标上的权衡。 双线性变换法： 这是将模拟滤波器原型设计转化为数字滤波器设计的一种常用方法。我们将学习双线性变换的原理，以及如何利用它将已有的模拟滤波器设计转换为数字域。 有限冲击响应（FIR）滤波器： FIR滤波器的特点： FIR滤波器不使用反馈，其单位冲激响应是有限长的。FIR滤波器总是稳定且具有线性相位响应的潜力，这在许多应用中非常重要（例如，保持信号波形不失真）。 FIR滤波器设计方法： 窗函数法： 这是最简单且广泛使用的FIR滤波器设计方法。我们将学习如何截断理想滤波器的单位冲激响应，并利用不同的窗函数（如矩形窗、汉宁窗、海明窗、布莱克曼窗）来设计FIR滤波器。我们将分析不同窗函数对滤波器性能的影响。 频率采样法： 这种方法直接在频域上指定滤波器的频率响应，然后通过逆DFT获得滤波器的系数。 最优逼近法（Parks-McClellan算法）： 这种算法能够设计出在通带和阻带上具有等波纹特性的最优FIR滤波器，通常能用较低的阶数获得更好的性能。我们将理解其基本思想，即通过迭代优化滤波器系数来最小化最大误差。 滤波器实现： 直接型结构： 我们将学习如何直接根据差分方程或系统函数实现FIR和IIR滤波器，并分析其结构特点。 规范型结构（例如，级联型、并联型）： 对于高阶滤波器，为了提高数值稳定性或减少计算量，我们通常会采用规范型结构。我们将介绍这些结构的实现方式。 数字滤波器在通信系统中的作用： 我们将简要提及数字滤波器在通信系统中的重要应用，例如信道选择、噪声抑制、信号整形等，为后续更深入的通信原理学习打下基础。 第五章：多速率信号处理 本章将探讨多速率信号处理，这是一种处理不同采样率信号的技术，在通信、音频和图像处理等领域具有广泛的应用。 采样率的变化： 为什么我们需要改变采样率？我们将讨论在信号传输、存储和处理过程中，采样率不匹配可能带来的问题，以及如何通过改变采样率来解决这些问题。 降采样（Decimation）： 原理： 降采样是指降低信号的采样率。我们将讲解降采样的基本操作：保留每M个样本，丢弃其余样本。 理想降采样： 在理想情况下，降采样可以通过先对信号进行低通滤波（截止频率为原始采样率的1/2M）再进行抽取来实现，以避免混叠。 实际降采样： 在实际应用中，我们将讨论如何选择合适的低通滤波器来减小信号失真。 升采样（Interpolation）： 原理： 升采样是指提高信号的采样率。我们将讲解升采样的基本操作：在原始样本之间插入L-1个零，然后再通过一个低通滤波器进行插值。 理想升采样： 理想升采样可以通过先插入零（扩展）再进行低通滤波来实现，滤波器的截止频率为原始采样率的1/2。 实际升采样： 我们将讨论如何在实际中设计插值滤波器，以获得平滑的插值结果。 多速率信号处理系统： 抽取滤波器（Downsampling Filter）： 用于降采样的低通滤波器。 插值滤波器（Upsampling Filter）： 用于升采样的低通滤波器。 多速率处理的应用： 信道复用与解复用： 在通信系统中，将多个低速率信号合并为一个高速率信号传输，然后在接收端再分离。 信号压缩： 降低信号的采样率可以减少数据量，从而实现信号压缩。 改变数字信号的比特深度： 软件无线电（SDR）： 在软件无线电中，多速率处理技术用于灵活地处理不同带宽和采样率的通信信号。 Polyphase Filter Bank： 我们将简要介绍Polyphase filter bank的概念，这是一种高效的多速率信号处理结构，能够将滤波器设计和实现得更加灵活和高效。 第六章：自适应信号处理 本章将介绍自适应信号处理，它研究的是能够在未知或变化的信号环境下自动调整自身参数以达到某种优化目标的信号处理技术。 自适应滤波器： 什么是自适应滤波器？ 自适应滤波器能够根据输入信号的统计特性和预期的输出信号（或误差信号）来自动更新其滤波器系数。 自适应滤波器的工作原理： 它通过一个学习算法来最小化某个性能函数，例如均方误差（Mean Squared Error, MSE）。 性能函数： 均方误差（MSE）： 这是最常用的性能函数，表示实际输出与期望输出之间的误差平方的期望值。 最小均方误差（LMS）算法： LMS算法是一种简单且广泛使用的自适应算法。我们将理解LMS算法的基本思想：利用当前样本的误差来更新滤波器系数，使其朝着减小MSE的方向调整。我们将推导LMS算法的更新公式，并讨论其收敛性。 归一化最小均方（NLMS）算法： NLMS算法是对LMS算法的一种改进，通过对步长进行归一化，使其对输入信号的幅度变化不那么敏感，从而提高收敛速度和稳定性。 自适应滤波器的应用： 噪声消除（Noise Cancellation）： 利用一个参考噪声信号来抵消主信号中的噪声。例如，在麦克风降噪、音频信号增强等场景。 回声消除（Echo Cancellation）： 在电话通信中，消除发送端传输到接收端的本地回声。 信道均衡（Channel Equalization）： 在通信信道中，补偿信号失真，减小符号间干扰（ISI）。 预测（Prediction）： 根据过去的信号样本来预测未来的信号值。 谱估计（Spectral Estimation）： 利用自适应滤波器来估计信号的功率谱密度。 自适应信号处理的挑战与前景： 我们将讨论自适应信号处理在实际应用中可能遇到的挑战，如计算复杂度、收敛速度、稳定性等，并展望其在人工智能、机器学习等领域的未来发展。 第七章：数字信号处理在通信系统中的应用概览 本章将对数字信号处理技术在现代通信系统中的关键应用进行一个全面的概览，展示其在信息传输过程中扮演的核心角色。 调制与解调（Modulation and Demodulation）： 数字调制的原理： 如何将数字信息（比特流）映射到模拟载波信号的不同参数上（幅度、频率、相位）。我们将介绍常见的数字调制技术，如ASK（幅度键控）、FSK（频率键控）、PSK（相位键控）以及QAM（正交幅度调制）。 数字解调的原理： 在接收端如何从接收到的模拟信号中恢复出原始的数字信息。 数字信号处理的作用： 数字信号处理在实现高效、可靠的数字调制解调过程中起着至关重要的作用，例如通过滤波器进行信号整形、通过匹配滤波器进行最佳接收等。 信道编码与解码（Channel Coding and Decoding）： 纠错码（Error-Correcting Codes）： 为了在存在噪声和干扰的信道上传输可靠的信息，需要引入冗余信息。我们将介绍纠错码的基本概念，以及它如何检测和纠正传输错误。 卷积码与Turbo码/LDPC码： 简单介绍一些重要的信道编码技术，以及数字信号处理在这些编码的实现和解码（例如，Viterbi算法）中的作用。 数字滤波在通信中的作用： 抗混叠滤波器： 在模拟信号转换为数字信号之前，为了防止混叠，需要使用低通滤波器。 信道滤波器： 用于选择特定通信信道上的信号，抑制其他信道的干扰。 匹配滤波器： 在最佳接收时，用于最大化信噪比。 噪声抑制滤波器： 移除或减弱信号中的噪声成分。 信号整形滤波器： 改善基带信号的频谱特性，减小符号间干扰。 多路复用与解复用（Multiplexing and Demultiplexing）： 频分复用（FDM）和时分复用（TDM）： 数字信号处理技术是实现高效FDM和TDM的关键。 正交频分复用（OFDM）： OFDM作为一种重要的多载波调制技术，在现代无线通信（如4G、5G）中得到广泛应用，其核心就是数字信号处理。 均衡技术（Equalization）： 符号间干扰（ISI）： 由于信道的非理想特性，导致前一个符号的能量干扰到当前符号。 均衡器的作用： 数字信号处理技术（如自适应均衡器）用于补偿信道的失真，减小ISI，提高通信系统的误码率性能。 软件无线电（Software Defined Radio, SDR）： SDR的概念： 将传统的硬件无线电功能通过软件来实现，从而实现高度的灵活性和可重构性。 数字信号处理在SDR中的核心地位： SDR严重依赖于高性能的数字信号处理器（DSP）和算法，以处理复杂的调制解调、信道编码、滤波等任务。 同步技术（Synchronization）： 载波同步和定时同步： 在接收端恢复发送端的载波频率和相位，以及信号的采样定时。数字信号处理在这些同步过程的设计和实现中发挥着关键作用。 这本书的内容涵盖了数字信号处理的理论基础、核心算法、滤波器设计以及在通信领域的广泛应用。通过深入学习，读者将能够全面掌握数字信号处理的知识体系，并能够将其应用于解决实际的工程问题。
