मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स कॅल्क्युलेटर

✖मॉड्युलेटरची अॅम्प्लिट्यूड सेन्सिटिव्हिटी हे मॉड्युलेटरचे स्थिर व्हेरिएबल आहे.ⓘ मॉड्युलेटरची मोठेपणा संवेदनशीलता [K_a]			+10% -10%
✖मॉड्युलेटिंग सिग्नलचे मोठेपणा म्हणजे सिग्नलचे त्याच्या समतोल किंवा विश्रांती स्थितीतून जास्तीत जास्त विस्थापन, मूळ सिग्नलच्या मोठेपणाच्या युनिट्समध्ये मोजले जाते.ⓘ मॉड्युलेटिंग सिग्नलचे मोठेपणा [A_m]			+10% -10%

✖मॉड्युलेशन इंडेक्स मॉड्युलेशनची पातळी दर्शवितो ज्यामध्ये वाहक लहर येते.ⓘ मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स [μ]

⎘ कॉपी

👎

सुत्र

✖

मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स

सुत्र

`"μ" = "K"_{"a"}*"A"_{"m"}`

उदाहरण

`"0.306"="0.05"*"6.12V"`

कॅल्क्युलेटर

LaTeX

रीसेट करा

👍

डाउनलोड करा अॅनालॉग कम्युनिकेशन्सची मूलभूत तत्त्वे सूत्रे PDF PDF Image

मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स उपाय

चरण 0: पूर्व-गणन सारांश

फॉर्म्युला वापरले जाते

मॉड्युलेशन इंडेक्स = मॉड्युलेटरची मोठेपणा संवेदनशीलता*मॉड्युलेटिंग सिग्नलचे मोठेपणा
μ = K_a*A_m
हे सूत्र 3 व्हेरिएबल्स वापरते

व्हेरिएबल्स वापरलेले

मॉड्युलेशन इंडेक्स - मॉड्युलेशन इंडेक्स मॉड्युलेशनची पातळी दर्शवितो ज्यामध्ये वाहक लहर येते.
मॉड्युलेटरची मोठेपणा संवेदनशीलता - मॉड्युलेटरची अॅम्प्लिट्यूड सेन्सिटिव्हिटी हे मॉड्युलेटरचे स्थिर व्हेरिएबल आहे.
मॉड्युलेटिंग सिग्नलचे मोठेपणा - (मध्ये मोजली व्होल्ट) - मॉड्युलेटिंग सिग्नलचे मोठेपणा म्हणजे सिग्नलचे त्याच्या समतोल किंवा विश्रांती स्थितीतून जास्तीत जास्त विस्थापन, मूळ सिग्नलच्या मोठेपणाच्या युनिट्समध्ये मोजले जाते.

चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा

मॉड्युलेटरची मोठेपणा संवेदनशीलता: 0.05 --> कोणतेही रूपांतरण आवश्यक नाही
मॉड्युलेटिंग सिग्नलचे मोठेपणा: 6.12 व्होल्ट --> 6.12 व्होल्ट कोणतेही रूपांतरण आवश्यक नाही

चरण 2: फॉर्म्युलाचे मूल्यांकन करा

फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे

μ = K_a*A_m --> 0.05*6.12

मूल्यांकन करत आहे ... ...

μ = 0.306

चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा

0.306 --> कोणतेही रूपांतरण आवश्यक नाही

अंतिम उत्तर

0.306 <-- मॉड्युलेशन इंडेक्स

(गणना 00.009 सेकंदात पूर्ण झाली)

आपण येथे आहात -

होम » अभियांत्रिकी » इलेक्ट्रॉनिक्स » अॅनालॉग कम्युनिकेशन्स » अॅनालॉग कम्युनिकेशन्सची मूलभूत तत्त्वे » मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स

जमा

ने निर्मित अक्षदा कुलकर्णी

राष्ट्रीय माहिती तंत्रज्ञान संस्था (एनआयआयटी), नीमराणा

अक्षदा कुलकर्णी यांनी हे कॅल्क्युलेटर आणि 500+ अधिक कॅल्क्युलेटर तयार केले आहेत!

द्वारे सत्यापित टीम सॉफ्टसविस्टा

सॉफ्टसव्हिस्टा कार्यालय (पुणे), भारत

टीम सॉफ्टसविस्टा यानी हे कॅल्क्युलेटर आणि 1100+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

< 24 अॅनालॉग कम्युनिकेशन्सची मूलभूत तत्त्वे कॅल्क्युलेटर

प्रतिमा नाकारण्याचे प्रमाण

जा प्रतिमा नाकारण्याचे प्रमाण = (प्रतिमा वारंवारता/सिग्नल वारंवारता प्राप्त झाली)-(सिग्नल वारंवारता प्राप्त झाली/प्रतिमा वारंवारता)

कमाल आणि किमान मोठेपणाच्या संदर्भात मॉड्यूलेशन इंडेक्स

जा मॉड्युलेशन इंडेक्स = (एएम वेव्हचे कमाल मोठेपणा-एएम वेव्हचे किमान मोठेपणा)/(एएम वेव्हचे कमाल मोठेपणा+एएम वेव्हचे किमान मोठेपणा)

ट्यून केलेल्या सर्किटचा गुणवत्ता घटक

जा ट्यून केलेल्या सर्किटचा गुणवत्ता घटक = (2*pi*रेझोनंट वारंवारता*अधिष्ठाता)/प्रतिकार

विकृती कमी रेषेचा फेज कॉन्स्टंट

जा विकृती कमी रेषेचा फेज कॉन्स्टंट = कोनात्मक गती*sqrt(अधिष्ठाता*क्षमता)

पॉवरच्या संदर्भात मॉड्यूलेशन इंडेक्स

जा मॉड्युलेशन इंडेक्स = sqrt(2*((एएम वेव्हची सरासरी एकूण शक्ती/एएम वेव्हची सरासरी वाहक शक्ती)-1))

नकार प्रमाण

जा नकार प्रमाण = sqrt(1+(ट्यून केलेल्या सर्किटचा गुणवत्ता घटक^2*प्रतिमा नाकारण्याचे प्रमाण^2))

सुपरहेटेरोडाइन रिसीव्हरची चक्रीय वारंवारता

जा चक्रीय वारंवारता = 1/(2*pi*sqrt(अधिष्ठाता*क्षमता))

सुपरहेटेरोडाइन रिसीव्हरचे इमेज फ्रिक्वेन्सी रिजेक्शन रेशो

जा इमेज फ्रिक्वेन्सी रिजेक्शन रेशो = sqrt(1+(गुणवत्ता घटक)^2*(कपलिंग फॅक्टर)^2)

ट्यून केलेल्या सर्किटची बँडविड्थ

जा ट्यून केलेले सर्किट बँडविड्थ = रेझोनंट वारंवारता/ट्यून केलेल्या सर्किटचा गुणवत्ता घटक

मॉड्युलेशन इंडेक्सच्या संदर्भात ट्रान्समिशन कार्यक्षमता

जा एएम वेव्हची ट्रान्समिशन कार्यक्षमता = मॉड्युलेशन इंडेक्स^2/(2+मॉड्युलेशन इंडेक्स^2)

मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स

जा मॉड्युलेशन इंडेक्स = मॉड्युलेटरची मोठेपणा संवेदनशीलता*मॉड्युलेटिंग सिग्नलचे मोठेपणा

विकृती कमी रेषेचा फेज वेग

जा विकृती कमी रेषेचा फेज वेग = 1/sqrt(अधिष्ठाता*क्षमता)

वाहक सिग्नलचे मोठेपणा

जा वाहक सिग्नलचे मोठेपणा = (एएम वेव्हचे कमाल मोठेपणा+एएम वेव्हचे किमान मोठेपणा)/2

इंटरमीडिएट वारंवारता

जा इंटरमीडिएट वारंवारता = (स्थानिक दोलन वारंवारता-सिग्नल वारंवारता प्राप्त झाली)

प्रतिमा वारंवारता

जा प्रतिमा वारंवारता = सिग्नल वारंवारता प्राप्त झाली+(2*इंटरमीडिएट वारंवारता)

किमान मोठेपणा

जा एएम वेव्हचे किमान मोठेपणा = वाहक सिग्नलचे मोठेपणा*(1-मॉड्युलेशन इंडेक्स^2)

कमाल मोठेपणा

जा एएम वेव्हचे कमाल मोठेपणा = वाहक सिग्नलचे मोठेपणा*(1+मॉड्युलेशन इंडेक्स^2)

मॉड्युलेशन इंडेक्स

जा मॉड्युलेशन इंडेक्स = मॉड्युलेटिंग सिग्नलचे मोठेपणा/वाहक सिग्नलचे मोठेपणा

वाहक वारंवारता

जा वाहक वारंवारता = मॉड्युलेटिंग सिग्नलची कोनीय वारंवारता/(2*pi)

विचलन प्रमाण

जा विचलन प्रमाण = कमाल वारंवारता विचलन/कमाल मॉड्युलेटिंग वारंवारता

क्रेस्ट फॅक्टर

जा क्रेस्ट फॅक्टर = सिग्नलचे सर्वोच्च मूल्य/सिग्नलचे RMS मूल्य

वाहक उर्जा

जा वाहक शक्ती = (वाहक सिग्नलचे मोठेपणा^2)/(2*प्रतिकार)

सुपरहेटेरोडाइन रिसीव्हरच्या गुणवत्तेची आकृती

जा गुणवत्तेची आकृती = 1/आवाज आकृती

सुपरहेटेरोडाइन रिसीव्हरचा आवाज आकृती

जा आवाज आकृती = 1/गुणवत्तेची आकृती

मोठेपणा संवेदनशीलतेच्या संदर्भात मॉड्यूलेशन इंडेक्स सुत्र

मॉड्युलेशन इंडेक्स = मॉड्युलेटरची मोठेपणा संवेदनशीलता*मॉड्युलेटिंग सिग्नलचे मोठेपणा
μ = K_a*A_m

मॉड्युलेशन इंडेक्सला भिन्न मूल्ये निर्दिष्ट केल्यावर ते कसे बदलते?

मॉड्यूलेशन इंडेक्स किंवा मॉड्यूलेशन खोली बहुतेक टक्केवारीमध्ये दर्शविली जाते ज्याला टक्केवारी ऑफ मॉड्युलेशन म्हणतात. आम्हाला मॉड्युलेशनची टक्केवारी मिळेल, फक्त मॉड्युलेशन इंडेक्स मूल्य 100 सह गुणाकार करून. परिपूर्ण मॉड्युलेशनसाठी मॉड्यूलेशन अनुक्रमणिकेचे मूल्य 1 असले पाहिजे, म्हणजेच मॉड्युलेशनची टक्केवारी 100% असावी. उदाहरणार्थ, जर हे मूल्य 1 पेक्षा कमी असेल, म्हणजेच मॉड्यूलेशन निर्देशांक 0.5 असेल तर काही अंतरानंतर मॉड्युलेटेड आउटपुटमध्ये पीक बदल होतील. त्याला अंडर-मॉड्युलेशन असे म्हणतात. अशा लहरीला अंडर-मॉड्युलेटेड वेव्ह असे म्हणतात. जर मॉड्यूलेशन इंडेक्सचे मूल्य 1 पेक्षा जास्त असेल, म्हणजेच 1.5 किंवा त्यापेक्षा जास्त असेल तर तरंग ओव्ह-मॉड्यूलेटेड वेव्ह असेल. आउटपुटला एक फेज उलटा अनुभवतो.

होम

फुकट पीडीएफ

🔍 शोधा

श्रेण्या

Let Others Know

✖

Facebook

Twitter

Copied!