✨ 本团队擅长数据搜集与处理、建模仿真、程序设计、仿真代码、EI、SCI写作与指导毕业论文、期刊论文经验交流。✅ 专业定制毕设、代码✅如需沟通交流点击《获取方式》1多相非均匀滤波器组与奇型子带交叠信道化为实现3.2GHz带宽内信号的高分辨率频谱监测采用奇型子带交叠结构的信道化设计。将6.4GSPS采样数据通过8路多相分解后每路数据率为800MSPS利用多相离散傅里叶变换滤波器组将宽带频谱均匀划分为2048个子带每个子带宽约1.56MHz。为了获得双精度频谱第一路信道化数据再经过一级快速傅里叶变换得到18.75MHz分辨率谱同时将原始数据进行重采样后送入第二信道化划分更窄的子带并使用2048点FFT最终实现150kHz分辨率频谱。信道化滤波器原型为1024阶的根升余弦阻带衰减80dB利用多相分解后硬件仅需128个乘法器。子带交叠设计采用奇下标调制避免了子带间保护频带浪费实现了均匀无缝覆盖。2重叠保留FFT功率谱估计与频谱聚焦模块在每个子带内采用重叠保留50%的快速傅里叶变换进行功率谱估计每次处理2048点频率分辨率与分析带宽匹配。功率谱计算采用Welch方法对多帧谱进行指数平均时间常数可配置。为支持频谱聚焦功能设计了一个频带合成与聚焦控制模块用户可在上位机指定中心频率和监视带宽FPGA实时根据配置重新排列子带数据通过多相内插合成聚焦频段的时域信号再进行高分辨率FFT等效于在对感兴趣频段进行局部精细分析而不损失整体监测功能。聚焦模式下等效频率分辨率可达1.5kHz整体频谱更新率100Hz。3JESD204B高速接口与双网口数据流输出中频模块输入数据由ADC采样后经JESD204B接口协议接收采用Xilinx JESD IP核配置为8 lane、12.5Gbps线速率。数据预处理阶段完成JESD解帧、通道重排序和直流偏移消除。处理完毕的频谱数据通过独立双路千兆以太网口输出支持UDP包封装和自定义帧头传输速率合计1.8Gbps。上位机接收后实时绘制频谱图和瀑布图。系统整体逻辑资源消耗LUT 18万时序通过约束满足250MHz运行实测动态范围48dB平坦度±2.5dB优于设计指标。import numpy as np from scipy.signal import firwin, freqz import matplotlib.pyplot as plt # 多相滤波器组信道化 class PolyphaseChannelizer: def __init__(self, num_channels2048, taps_per_ch128): self.M num_channels self.L taps_per_ch # 原型滤波器设计 self.prototype firwin(self.M*self.L, 1/(2*self.M), windowhann) # 多相分解 self.poly_filt self.prototype.reshape((self.M, self.L), orderF) def analysis(self, x): # x 为串行输入先多相分解 x_poly x.reshape((-1, self.M)).T # (M, N/M) output np.zeros_like(x_poly) for m in range(self.M): # 多相滤波 for l in range(self.L): output[m] self.poly_filt[m, l] * np.roll(x_poly[m], -l) # 调制奇型子带 phase np.exp(-1j * 2*np.pi * (m-0.5) * np.arange(output.shape[1]) / self.M) output[m] * phase return output # 重叠保留Welch谱估计 def welch_psd(data_segment, fft_size2048, overlap0.5, fs1.0): step int(fft_size * (1-overlap)) psd_accum np.zeros(fft_size) count 0 for i in range(0, len(data_segment)-fft_size, step): frame data_segment[i:ifft_size] * np.hanning(fft_size) spectrum np.fft.fft(frame, fft_size) psd_accum np.abs(spectrum)**2 count 1 psd psd_accum / count psd 10*np.log10(psd / fs) return psd # 频谱聚焦重合成 def spectrum_focus_reassembly(subband_data, center_freq, bandwidth, chan_bw): start_chan int((center_freq - bandwidth/2) / chan_bw) end_chan int((center_freq bandwidth/2) / chan_bw) # 重排子带 focused subband_data[start_chan:end_chan, :] # 多相内插合成 up_rate 16 output_len focused.shape[1] * up_rate synthetic np.zeros(output_len, dtypecomplex) for ch in range(focused.shape[0]): upsampled np.zeros(output_len) upsampled[::up_rate] focused[ch] # 低通插值 synthetic np.convolve(upsampled, firwin(64, 1/up_rate), same) return synthetic # JESD解帧简化 def jesd_frame_unpack(raw_data, lane_count8): samples [] for word in raw_data: for lane in range(lane_count): sample (word (lane*12)) 0xFFF # 12bit ADC samples.append(sample) return np.array(samples)