Cela a à voir avec la fréquence d'échantillonnage et la relation entre l'horloge d'échantillonnage (l'oscillateur local ou LO) et la fréquence du signal d'intérêt.
Le taux de fréquence de Nyquist est le double de la fréquence (ou bande passante) la plus élevée dans les spectres échantillonnés (pour éviter le repliement) des signaux en bande de base. Mais en pratique, étant donné les signaux de longueur finie, et donc les signaux non mathématiquement parfaitement limités en bande (ainsi que le besoin potentiel de filtres non muraux en briques physiquement réalisables), la fréquence d'échantillonnage pour le DSP doit être supérieure à deux fois la fréquence de signal la plus élevée. . Ainsi, doubler le nombre d'échantillons en doublant la fréquence d'échantillonnage (2X LO) serait encore trop faible. Le quadruplement de la fréquence d'échantillonnage (4X LO) vous mettrait bien au-dessus de la fréquence de Nyquist, mais l'utilisation de cette fréquence d'échantillonnage beaucoup plus élevée serait plus coûteuse en termes de composants de circuit, de performances ADC, de taux de données DSP, de mégaflops requis, etc.
L'échantillonnage IQ se fait donc souvent avec un oscillateur local à (ou relativement proche) la même fréquence que le signal ou la bande de fréquence d'intérêt, ce qui est évidemment une fréquence d'échantillonnage beaucoup trop faible (pour les signaux en bande de base) selon Nyquist. Un échantillon par cycle d'ondes sinusoïdales pourrait être tous aux passages par zéro, ou tous aux sommets, ou à n'importe quel point entre les deux. Vous n'apprendrez presque rien d'un signal sinusoïdal ainsi échantillonné. Mais appelons cela, par lui-même presque inutile, l'ensemble d'échantillons le I d'un ensemble d'échantillons IQ.
Mais que diriez-vous d'augmenter le nombre d'échantillons, non pas simplement en doublant la fréquence d'échantillonnage, mais en prenant un échantillon supplémentaire un peu après le premier à chaque cycle. Deux échantillons par cycle un peu éloignés permettraient d'estimer la pente ou la dérivée. Si un échantillon était à un passage par zéro, l'échantillon supplémentaire ne le serait pas. Il serait donc beaucoup mieux de déterminer le signal échantillonné. Deux points, plus la connaissance du fait que le signal d'intérêt est à peu près périodique à la fréquence d'échantillonnage (en raison de la limitation de bande) est généralement suffisant pour commencer à estimer les inconnues d'une équation d'onde sinusoïdale canonique (amplitude et phase).
Mais si vous vous éloignez trop du deuxième échantillon, à mi-chemin entre le premier ensemble d'échantillons, vous vous retrouvez avec le même problème que l'échantillonnage 2X (un échantillon peut être à un passage à zéro positif, l'autre à un négatif, vous indiquant rien). C'est le même problème que 2X étant un taux d'échantillonnage trop faible.
Mais quelque part entre deux échantillons du premier set (le set "I"), il y a un point faible. Pas redondant, comme avec l'échantillonnage en même temps, et pas uniformément espacé (ce qui équivaut à doubler la fréquence d'échantillonnage), il y a un décalage qui vous donne un maximum d'informations sur le signal, avec le coût étant un retard précis pour l'échantillon supplémentaire à la place d'un taux d'échantillonnage beaucoup plus élevé. Il s'avère que ce retard est de 90 degrés. Cela vous donne un ensemble d'échantillons «Q» très utile qui, avec l'ensemble «I», vous en dit beaucoup plus sur un signal que l'un ou l'autre seul. Peut-être assez pour démoduler AM, FM, SSB, QAM, etc., etc. lors d'un échantillonnage complexe ou IQ à la fréquence porteuse, ou très proche, au lieu d'être beaucoup plus élevé que 2X.
Ajoutée:
Un décalage exact de 90 degrés pour le deuxième ensemble d'échantillons correspond également parfaitement à la moitié des vecteurs de base des composants dans un DFT. Un ensemble complet est requis pour représenter entièrement les données non symétriques. L'algorithme FFT plus efficace est très couramment utilisé pour faire beaucoup de traitement du signal. D'autres formats d'échantillonnage non-IQ peuvent nécessiter soit un prétraitement des données (par exemple, un ajustement pour tout déséquilibre IQ de phase ou de gain), soit l'utilisation de FFT plus longues, ce qui peut potentiellement être moins efficace pour une partie du filtrage ou de la démodulation couramment effectuée dans des environnements typiques. Traitement SDR des données IF.
Ajoutée:
Notez également que la bande passante en cascade d'un signal SDR IQ, qui peut sembler large bande, est généralement légèrement plus étroite que le QI ou la fréquence d'échantillonnage complexe, même si la fréquence centrale pré-complexe-hétérodyne peut être beaucoup plus élevée que la fréquence d'échantillonnage du QI. . Ainsi, le taux de composante (2 composants par complexe unique ou échantillon IQ), qui est le double du taux IQ, finit par être supérieur à deux fois la bande passante d'intérêt, respectant ainsi l'échantillonnage de Nyquist.
Ajoutée:
Vous ne pouvez pas créer vous-même le deuxième signal en quadrature en retardant simplement l'entrée, car vous recherchez le changement entre le signal et le signal 90 degrés plus tard. Et ne verra aucun changement si vous utilisez les deux mêmes valeurs. Seulement si vous échantillonnez à deux moments différents, légèrement décalés.