本文介绍了利用ADS软件对数字调制通信系统的仿真工作，通过在ADS软件中，对采样数、时间、以及噪声等调整，确定系统中影响通信质量因素，从而提高通信系统的设计水平。

被调信号f(t)电压为=-cos（100t+）,载波信号电压为=cos800t，则调幅信号y(t)表达式为：（t）=（1+cos100t）cos800t，为其调幅度。从所学相关知识可以分析得，调幅信号y(t)的波形是载波振幅随着调制信号的大小而变化的，y(t)的频谱是从50Hz处搬移到载波两侧，即400Hz两侧，对称排列的上、下边频（350Hz，450Hz），它们均与载波频谱相距50Hz，且两者的幅度应该相等

用于AD9834波形发生器(DDS)的幅度控制电路，学科竞赛时参考资料

quiverwcolorbar 通过根据矢量幅度为箭头分配颜色，为原始 quiver 函数添加了功能。 相应的颜色条跨越数据集的最小值和最大值，或者可以由用户指定。 对颜色条边界的任何更改都会相应地更改矢量颜色。 句法： quiverwcolorbar(x,y,u,v,scale,'bounds',[colormin colormax]) 输入： x, y: 向量位置u、v：矢量方向（东西、南北） scale：用于设置向量长度的标量值'bounds'：用于指定颜色条轴最小值和最大值的可选设置 例子： x = rand(1,50).*100; y = rand(1,50).*100; u = rand(1,50) .* 10; v = rand(1,50) .* 10; 规模= 0; 数字; quiverwcolorbar(x',y',u',v',scale); ％相比于： 数字; qu

函数 VFIELD_COLOR 用颜色图定义的颜色绘制二维速度向量。 句法： VFIELD_COLOR(X,Y,U,V,SCALE,CMAP) 输入： X、Y 箭头原点、ND 阵列U、V 电流分量、ND 阵列SCALE 标量值设置矢量长度CMAP 颜色图，N x 3 RGB 值数组 例子： 图像 = 零（100）； x = (rand(1,50) .* 80) + 10; y = (rand(1,50) .* 80) + 10; u = rand(1,50) .* 100; v = rand(1,50) .* 100; cmap = 喷气机（64）； 规模 = 10; vfield_color（图像，x，y，u，v，比例，cmap） 另见箭袋、羽毛、VFIELD ** 当前的实现不返回由 vfield 创建的图形对象的句柄。

完整代码，可直接运行

ft_spect（2.0 版）计算具有所需频率分辨率的输入信号的幅度和相位谱，并过滤相位谱以抑制浮动舍入误差。 注意#1：ft_spect 不能消除频谱泄漏。 注意#2：离散傅立叶变换 (DFT) 将输入信号视为周期信号的一个周期，并根据输入信号的长度对该周期信号的频谱进行离散化。 对于采样频率为 Fs 的信号，在 T=NΔt 的时间内，频率区间（又称频率分辨率，意思是区分 f1 和 f2 的频率）间隔 Δf=1/T=Fs/N； 因此，DFT的频率分辨率仅取决于输入信号（T）的长度。 但是，零填充不会增加频率分辨率，也不会显示有关频谱的更多信息； 它只在 bin 之间插入幅度。 为了提高频谱分辨率，需要较长的测量时间，因为DFT将输入信号视为周期信号的一个周期；因此DFT将输入信号视为周期信号的一个周期。 因此，重复输入信号是可以接受的，并且不会产生任何伪影。 但是，在这种情况下，输

matlab提取文件要素代码 EEGLAB事件相关的PACTools 事件相关的PACTools（PACTools）是一个EEGLAB插件，用于计算单个主题数据中的相位-幅度耦合。 除了计算PAC的传统方法外，该插件还包括互信息相位幅度耦合方法（MIPAC）的即时和事件相关实现（请参阅Martinez-Cancino等人2019）。 该工具箱由位于加利福尼亚州拉霍亚市UCSD的Swartz计算神经科学中心的EEGLAB团队开发和维护。 目录 神经科学中的相位振幅耦合 跨频耦合（CFC）可以指代振荡现象的频率，相位和幅度之间的任何可能的相互作用（ Sotero，2016 ）。 该领域中的大多数实验工作都集中在三种类型的CFC上：幅度-幅度耦合（AAC）或协调制，包括双相干的相位-相位耦合（PPC）和相位-幅度耦合（PAC）。 其中，PAC越来越引起人们的关注，因为越来越多的证据表明PAC在脑信息处理中的潜在作用及其在包括癫痫在内的病理条件下的变化（ López-Azcárate等，2010; De Hemptinne等，2013 ）。 在PAC中，信号内较高频带的瞬时幅度由相同（或不同）

傅里叶幅度频谱平滑功能 smoothSpectra 为傅立叶幅度谱 (FAS) 提供各种不同的窗口平滑选项，包括 boxcar、triangle、Parzen、Hann、Hanning、Hamming、Gaussian。 默认窗口函数是 Konno-Ohmachi（参见 Konno 和 Ohmachi（1998），第 234 页），它在对数空间中对称。 平滑是通过将窗函数与 FAS 卷积来执行的。 demo.m 文件中提供了三个示例。 用法： [smoothFAS] = smoothSpectra(Y,varargin) 静态输入： Y = 傅立叶振幅向量（1xn 或 nx1） 有效的 PROP_NAME / PROP_VAL 对： ----------------------------------------- 'w' --> (1x1)-[数字]-[默认值：40] 'b'

语音处理指定了一个由 Lawrence Rabiner 教授（罗格斯大学和加州大学圣巴巴拉分校）、Ronald Schafer 教授（斯坦福大学）、Kirty Vedula 和 Siva Yedithi（罗格斯大学）组成的团队。 此练习是一组语音处理练习之一，旨在补充LR Rabiner和RW Schafer编写的教科书“数字语音处理的理论和应用”中的教材。 此 MATLAB 练习说明了长时间信号相位和幅度对语音信号清晰度的相对重要性。