迷人的DDS数字下变频（YUNSWJ 仿真版）

亲爱的看官，昨天后半夜没忍住，写了一个高速 ADC，其实表面参数之外，还有很多值得研究的东西，比如这么大的采样率，后面究竟在处理什么？

且看这个东西，DDC！

且看这个东西，DDC！

学名叫： 数字下变频（Digital Down Conversion, DDC）

这个 ADC 相当于一个很快的采样器，把“全频段”的高频信号直接采下来（几十 GHz 的卫星信号）；得到的数据量特别大（每秒数十亿个点），而且里面只有你感兴趣的一小段频率。

那数字下变频 就像一个“放大镜 + 剪刀”：

放大镜 → 把你要的那段频率搬到“基带”（0 Hz 附近），方便处理。

剪刀 → 把多余的部分滤掉，只保留有用的那点带宽，并且把采样率降低（抽 decimation），减轻后面 FPGA/CPU 的负担。

一个处理单元

一个处理单元

数字下变频 DDC = 数控振荡器 (NCO) + 数乘器 + 低通滤波器 + 抽取器 的组合。混频 (Mixing)

用一个 数控振荡器 (NCO) 产生正弦/余弦序列；输入信号 × NCO → 得到 I (同相分量) 和 Q (正交分量)，也就是把目标频段搬到基带。

低通滤波 (Filtering)：把搬到基带后的目标频段保留下来，其他频率分量滤掉。

抽取 (Decimation)

采样率按整数比（比如 ÷4、÷128、÷2048）降低；这样输出的数据量大大减少，但信息仍然完整。

为什么要用 DDC？

最重要的还是减轻数据压力，例如 ADC 是 12.8 GSps，但你只关心 10 MHz 信号 → 经过 DDC 抽取后输出速率可能只剩几 MSps。其中抽取滤波器相当于集成平均，能压低噪声底，变相的提高信噪比

另外是：多通道监视：一个 ADC 里可以开多个 DDC 通道，同时盯不同频点。（例如 SATCOM 上行链路）

就是这个地面发给卫星的链路

就是这个地面发给卫星的链路

还有就是灵活性：NCO 可以快速改频，实现软件无线电 (SDR) 或跳频通信。

数字下变频就是把高速 ADC 采集的宽带信号，在芯片里直接完成“频移 → 滤波 → 降采样”，让有用的窄带信号以更低速率输出，方便后端处理。

非战斗人员离场！数字下变频（DDC）的数学推导

大多数人来说，以上内容已经够用，但是作为一个信号 er，那这只是一个开胃小菜～

连续到离散

设连续时间输入 采样于频率 （采样间隔 ），得到

假定目标是把围绕某个射频 的窄带信号搬到基带（0 Hz）附近。

复数本振（NCO）与正交解调

数控振荡器（NCO）产生复指数

对实信号 做复数混频（等价于 I/Q 解调）：

若 中含有以 为中心的目标分量，则混频后该分量被平移到 （基带邻近），而远离 的分量会被移到高频。

频移原理：若 的频谱为 ，则 的频谱为 ，即整体向负方向平移 。

低通滤波（LPF）

为只保留目标近基带带宽 的分量，对 进行低通滤波：

其中 为低通 FIR（或 CIC+FIR 等）脉冲响应。理想采样系统要求：

通带截止 ；

阻带起始 在欲抽取前的镜像与混叠边界内；

阻带衰减满足系统动态范围（SFDR、ENOB）需求。

抽取（降采样）

再以整数因子 抽取（只保留每 个样本中的一个）：

抽取后新采样率 。为避免抽取引起频谱混叠，LPF 的通/阻带需满足

其中 为过渡带+设计裕量。

处理增益（Processing Gain）：对以白噪声为主的系统，降采样相当于减少噪声带宽，SNR 理想提升约

多相结构（简述）

若使用 FIR 滤波器 直接“滤后抽”计算量较大，可用多相实现：

把 按模 拆成 支路，仅在输出采样点计算，有效减少乘加量。

与 CIC 的关系

CIC 滤波器在硬件中常用于大倍率抽取，其幅频响应（离散域）：

为级数、 为抽取比。CIC 通带起伏较大，通常后级再接补偿 FIR。

Python 仿真

目标： 演示

1. 复数 NCO 混频把 搬到 ，
2. 低通滤波抑制干扰，
3. 抽取降低采样率并体现处理增益。

主要参数(下面有打印结果）：

, 样本数

载频 ；目标偏移

干扰偏移 （混频后落在 18 MHz，LPF 应抑制）

FIR 低通：截止 ， taps

抽取

STDOUT/STDERR
=== Measured Tone Frequencies ===
Dominant freq in I (pre-mix) ~ 98.000 MHz, peak -11.6 dBFS
Dominant freq after mixing (real) ~ 98.000 MHz, peak -11.6 dBFS
Dominant freq after LPF (real) ~ 2.000 MHz, peak -11.6 dBFS
Dominant freq after decimation (I) ~ 2.000 MHz, peak -10.7 dBFS

=== Processing Gain (SNR) ===
SNR before LPF/decim (mix only): 0.74 dB
SNR after LPF+decim:              5.95 dB
Theoretical processing gain ~ 10*log10(M=20) = 13.01 dB

image-20250907154330259

image-20250907154330259

image-20250907154340956

image-20250907154349577

image-20250907154401592

image-20250907154410252

image-20250907154418650

混频后基带主频：约 2.000 MHz（与 一致）

抽取后仍为 2.000 MHz

SNR（简化估计）：

混频后未滤波：约 0.74 dB

LPF + 抽取后：约 5.95 dB

理论处理增益 （实测 < 理论：受干扰/窗函数/有限阶 FIR/简单估算方式影响，属正常）.

但是这个仿真不好，重新画一下，数据太多了：

image-20250907154724846

image-20250907154732943

image-20250907154739589

image-20250907154745798

image-20250907154752877

仿真缩短到 16k 点 并使用更小的 FFT 长度，绘图尺寸也减小了，频谱和时域曲线现在更加清晰易读。

5 张图：

1. 输入 RF 频谱
2. 混频后基带（实部）频谱
3. 低通滤波后频谱
4. 抽取后的 I 通道频谱
5. 抽取后 I/Q 时域片段（200 个采样点）

“滤波前后”放在同一张图上

“滤波前后”放在同一张图上

蓝色曲线 → 滤波前（混频后，2 MHz 目标信号 + 18 MHz 干扰同时存在）

橙色曲线 → 滤波后（只保留了目标 2 MHz 信号，干扰已被显著抑制）;这样就能直观地看到 DDC 的低通滤波器把目标带宽提取出来的效果。

抽取前后的频谱

抽取前后的频谱

蓝色：抽取前，采样率 200 MHz，频轴范围宽。

橙色：抽取后，采样率 10 MHz，频轴压缩到低频范围。

可以看到：目标 2 MHz 信号 保留下来，而整体数据量减少了 20 倍，说明 DDC 成功完成了 带宽压缩 + 数据降采样。

处理增益（SNR 改善）

处理增益（SNR 改善）

SNR before: 0.71 dB
SNR after : 6.03 dB
Theory PG  : +13.01 dB (white-noise)

已加入 处理增益（SNR 改善） 的可视化柱状图：

左：仅混频（未滤波/未抽取）

中：低通 + 抽取后（实测）

右：理论值（在白噪声假设下 ，与“前”的 SNR 相加做对比）