FM/AM收音机原理
收音机这东西很早就开始用了,但一直都没有了解过它的原理,听说是很简单。下面记录一些笔记。
1. 基本概念
收音机是一种小型的无线电接收机,主要用于接受无线电广播节目,收听无线电发射台。首先说一下收音机的种类,按解调方式和波长可以分为以下几类:
调幅收音机(AM):
- 长波收音机(LW,Long Wave)
- 中波收音机(MW,Medium Wave)
- 短波收音机(SW,Short Wave)
调频收音机(FM)
我们一般用的收音机都是FM收音机,FM收音机可以接收的波段一般是在87.5-108MHz(读做百万赫兹)。
稍微好一点的也可以接收AM的,AM一般可以接收到的波段为530-1710KHz(读做千赫兹),这个波段一般都是国外的广播电台。
为了更加深入的理解,我们首先解释一下AM,FM这两个名词:
AM:Amplitude Modulation 调幅
AM通过改变输出信号的幅度,来实现传送信息的目的,调整让电磁波的振幅随着声波的振幅强弱而改变(振幅随时间变化)。
可以用下图表示:

调幅就是通常说的中波,范围在503-1060KHz。一般中波广播(MW:Medium Wave)采用的是调幅(Amplitude Modulation)的方式,所以大家慢慢的就用AM来表示MW。实际上MW只是诸多利用AM调制方式的一种广播。像在高频(3-30MHz)中的国际短波广播所使用的调制方式也是AM,甚至比调频广播更高频率的航空导航通讯(116-136MHz)也是采用AM的方式。
FM:Frequency Modulation 调频
FM是一种以载波的瞬时频率变化来表示信息的调制方式。调整让电磁波的频率随着声波的振幅强弱而改变(频率随时间改变)。

我们习惯上用FM来指一般的调频广播(76-108MHz,在我国为87.5-108MHz,日本为76-90MHz,MHz读为百万赫兹),事实上FM只是一种调制方式,即使在短波范围内的27-30MHz之间,做为业余电台、太空、人造卫星通讯应用的波段,也有采用调频(FM)方式的。
下面的图体现出了这两者的区别:

最上面是声波信号,当声波信号加强时,AM会增大振幅,FM则会加强频率,反之减少。
2. 工作原理
这一部分主要涉及以下几个概念:声波,电磁波,载波。
声波:人耳可以听见的声音叫声波,人耳可以听见的声波的频率范围在20Hz-20,000Hz。声波在空气中传播衰减很大,传输的距离很近。
无线电波:无线电波的频率远远高于人耳可听见的频率范围,传播的介质是电磁场。传输距离远。
载波:人们为了使声音传的更远,就让声波信号搭上了无线电波信号这班“快车”,在专业术语中我们把这个“快车”称为载波,那么又有一个问题需要我们考虑,我们是如果搭这班“快车”的呢,通常有两种方式可以采用,一个是调幅(AM),另一个就是调频(FM)。
广播一般都是由各个电台负责发出的,我们用自己的收音机接收电台发出的信号,然后转换通过喇叭输出声音。下面就分别说一下发送和接收:
发送:
广播员负责产生声波(讲话改变空气中的压力(密度)产生),经过电声器件转换成声频电信号,并由声频放大器放大,振荡器产生高频等幅振荡信号。调制器使高频等幅振荡信号被声频信号所调制,已调制的高频振荡信号经放大后送入发射天线,转换成无线电波辐射出去。
接收:
无线广播的接收是由收音机实现的,收音机的接收天线收到空中的电波,调谐电路选中所需频率的信号,检波器钭高频信号还原成声频信号(即解调),解调后得到的声频信号再经过放大获得足够的推动功率,最后经过电声转换还原出广播内容。
最后附上一些参考资料:
FM维基百科:
http://zh.wikipedia.org/zh-cn/%E9%A2%91%E7%8E%87%E8%B0%83%E5%88%B6
AM维基百科:
http://zh.wikipedia.org/zh-cn/%E8%AA%BF%E5%B9%85
收音机的原理:
http://www.phy.ntnu.edu.tw/demolab/html.php?html=everydayPhysics/radio
FM/AM收音机原理的更多相关文章
- 深入FM和FFM原理与实践
FM和FFM模型是最近几年提出的模型,凭借其在数据量比较大并且特征稀疏的情况下,仍然能够得到优秀的性能和效果的特性,屡次在各大公司举办的CTR预估比赛中获得不错的战绩.美团点评技术团队在搭建DSP的过 ...
- FM的推导原理--推荐系统
FM:解决稀疏数据下的特征组合问题 Factorization Machine(因子分解机) 美团技术团队的文章,觉得写得很好啊:https://tech.meituan.com/deep-unde ...
- FM/FFM原理
转自https://tech.meituan.com/deep-understanding-of-ffm-principles-and-practices.html 深入FFM原理与实践 del2z, ...
- 基于iTop4412的FM收音机系统设计(一)
说明:第一版架构为:APP+JNI(NDK)+Driver(linux),优点是开发简单,周期短,也作为自己的毕业设计 现在更新第二版,FM服务完全植入Android系统中,成为系统服务,架构为:AP ...
- 分解机(Factorization Machines)推荐算法原理
对于分解机(Factorization Machines,FM)推荐算法原理,本来想自己单独写一篇的.但是看到peghoty写的FM不光简单易懂,而且排版也非常好,因此转载过来,自己就不再单独写FM了 ...
- 深入理解FFM原理与实践
原文:http://tech.meituan.com/deep-understanding-of-ffm-principles-and-practices.html 深入理解FFM原理与实践 del2 ...
- 万字长文,详解推荐系统领域经典模型FM因子分解机
在上一篇文章当中我们剖析了Facebook的著名论文GBDT+LR,虽然这篇paper在业内广受好评,但是毕竟GBDT已经是有些老旧的模型了.今天我们要介绍一个业内使用得更多的模型,它诞生于2010年 ...
- 一次对路边饮用水RFID供应机的跑路玩法
"如何成为一个合格的硬件白帽子? 答案: 一个有聪明大脑的你 要有归纳类比和善于用GOOGLE的能力(百度?放弃吧) 善于翻阅和查询相关开发文档和强大的跑路能力." WARNING ...
- M1卡破解(自从学校升级系统之后,还准备在研究下)【转】
本文转载自: M1卡说明及使用proxmark3破解方法 看了网上写的一些关于M1卡的文章,多数有些误导之嫌.首先谈谈M1卡的规格,M1卡的容量为1KB,好多网上写8KB,这里其实是有个误区,应该是8 ...
随机推荐
- sencha touch 扩展篇之使用sass自定义主题样式 (上)使用官方的api修改主题样式
大家知道,sencha touch是通过我们写的js代码来动态渲染单页面生成一个个div+css的html页面来模拟app应用,那么既然是div+css结构的,我们就可以通过修改css样式来自定义我们 ...
- 170608、Spring 事物机制总结
spring两种事物处理机制,一是声明式事物,二是编程式事物 声明式事物 1)Spring的声明式事务管理在底层是建立在AOP的基础之上的.其本质是对方法前后进行拦截,然后在目标方法开始之前创建或者加 ...
- 常用meta标签及说明
1.charset 定义文档的字符编码 例如: <meta charset="UTF-8"> 2. name 把 content 属性关联到一个名称,其属性有 ...
- phpcms输出logo下拉实例
{pc:content action=" siteid="$siteid" order="listorder ASC"} {loop $data $k ...
- 浙江工业大学校赛 画图游戏 BugZhu抽抽抽!!
BugZhu抽抽抽!! Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) Tota ...
- 字符串函数---atof()函数详解
atof()函数 atof(),是C 语言标准库中的一个字符串处理函数,功能是把字符串转换成浮点数,所使用的头文件为<stdlib.h>.该函数名是 “ascii to floating ...
- Google Now 'not available in your country'
Google Now 'not available in your country' Don't know how to cope with this problem.
- Oracle HA 之 SERVICE和DRM实战
第一部分:service实战 --oracle 11gR2中创建service的方法:db console和srvctl两种方法. --db console创建service方法-略 --srvctl ...
- 利用gulp解决微信浏览器缓存问题
做了好多项目,这次终于要解决微信浏览器缓存这个令人头疼的问题了.每次上传新的文件,在微信浏览器中访问时,总要先清除微信的缓存,实在麻烦,在网上搜罗了很多解决办法,终于找到了方法:利用gulp解决缓存问 ...
- toml-lang - Tom's Obvious, Minimal Language
Tom's Obvious, Minimal Languagehttps://github.com/toml-lang/toml