《光通信原理》（北京交通大学）第一章笔记

1.1 信息的基本知识

1.1.1 信息的概念

1. 信息是事物的特征、状态和与其他食物的关联。
   信息是能够用来消除不确定性的东西。它是信息获得者从”不知“到”知“的过程中，对事物从不确定到确定的一个度量。信息就是从事物的可能性（不确定性）转换为现实性（确定性）的体现。
2. 可能性与现实性
   事前可能性与事后现实性。
   

1.1.1.2 信息的基本特征：1.共享性、2.可被传递性、3.控制作用、4.可以“衍生”、5.可被存储。

1. 共享性：信息可以从一个承载体传递到另一个承载体，但传递过程不会使原有承载体的信息减少。
2. 可传递性——信息的运动：信息的传递依赖于能量的传递，二者的传递方向是一致的，但并不一定要求一致。
3. 信息的控制作用：自然界的大量存在的随机的、无序的运动，可以在信息的控制下成为可预知的、有序的运动。

1.1.2 信息的度量

• 不确定性和确定性。 信息是从事物的可能性（不确定性）转换为现实性（确定性）的体现。
• 信息量是事物的某个确定状态所派出的可能状态的度量。
• 一个事物出现某个状态的概率越大，则它处在这个状态时所包含的信息量就越少。
  数学描述：
  $$\left\{\begin{array}{c}{x}_1,x_2,x_3,x_4\\ p_1,p_2,p_3,p_4\end{array}\right\}\text{\hspace{1em}(2)}$$出现某个状态时所包含的信息量为：

$$I(x_i)=-log(p_i)$$

如果一个随机事件有2个等概率的可能状态，那么当一个状态出现时，这个时间所处状态包含的信息定义为1比特（bit）。
$$\left\{\begin{array}{cc}{x}_1,& x_2\\ 1/2,& 1/2\end{array}\right\}\text{\hspace{1em}(2)}$$
$p_i$——事前出现某状态的概率
I($x_i$)——事后某状态已经出现时（现实性）的信息

数学描述：
$$I(x_i)=-lo{g}_{2}pi$$
    对于二进制计数系统，每一位只可能有2个状态(0,1), 因此二进制的每一位的出现都包含了1比特的信息。
    对于十进制计数系统，每一位可能有10个状态(0-9)，当其中认可一个状态出现时，这个状态所包含的信息为：
$$I(x_i)=-lo{g}_2(\frac{1}{10})=3.322$$
1.2 信号的概念
什么是信号？
再有信息的客观物理量
1.2.1 信号的物理性
(1)确定信号和随机信号：只有随机信号才是真正的信号
(2)时间性
实时信号——在通信过程中同时产生的信号
实时信号+时间相关
实时信号+时间不相关
非实时信号+时间相关
非实时信号+时间不相关
(3)信号的频谱
$$F(\omega )={\int }_{-\infty }^{+\infty }f(\lambda )e^{j\omega \lambda }d\lambda$$
$$f(\lambda )=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }F(\omega )e^{j\omega \lambda }d\omega$$
只有离散谱中 的冲击函数，才能在频谱仪上观察得到

信号	频谱
周期	离散
非周期	连续
连续	非周期
离散	周期

周期性的连续信号 ---------------------- 非周期的离散频谱
非周期性的连续信号---------------------非周期的连续谱
周期性的离散信号--------------------周期性的线状离散谱
非周期的离散信号------------------周期性的连续谱

随机信号的频谱
不能直接利用傅里叶变换的到；但一个实现有对应的频域数；
考察一个时间段内一个现实的平均功率：
$$\underset{T\to \infty }{\lim }\frac{1}{2T}{\int }_{-T}^{+T}{x}^2(t)dx=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }\underset{T\to \infty }{\lim }\frac{1}{2T}|F_x(\omega ,T){|}^{2}d\omega$$
功率谱密度函数：
$$S(\omega )=\underset{T\to \infty }{\lim }\frac{1}{2T}|F_x(\omega ,T){|}^2$$

如果这个现实是各态遍历的，那么这个现实的平均功率，也就是整个随机过程各个现实的平均功率的数学期望
$$\overline{P}=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }S(\omega )d\omega$$

随机过程的平均功率等于它的功率谱密度函数的积分。

1.2.2 信号的信息性

(1)数字信号和模拟信号
数字信号 原始信息的状态集合是离散集合
模拟信号 原始信息的状态机和是连续信号

连续的模拟信号 语音信号
离散的模拟信号 由CCD摄像机采集未经编码的信号
连续的数字信号 FSK信号
离散的数字信号 通常的数字信号序列

(信息的时间特性)
实时，非实时，时间相关，时间无关

流量：信息流在单位时间的信息量
信息流：平稳性和突发性

1.3 数字信号

1.3.1 一般概念

数字信号是载有数字信息的信号。
当采用二进制数字时，数字信息就是一个随机的二进制数字序列。

• 随机变量只能取数字0和1；
• 一个有序的序列。定义某个数字为起始位，这个序列是可数的。
  数字信号是一个随机的二进制数字信息序列承载在一个物理量（比如波形）上。

$$s(t)=\sum _{n=-\infty }^{+\infty }{a}_{n}f(t-nT)$$
——数字信号的基本表达式

1.3.2 码元函数-数字信号的屋里特征

码元函数$f(t)$:一个旨在$\frac{-T}{2}<t<\frac{T}{2}$内有定义的、光功率（或者光强）随时间变化的函数
非归零NRZ码，归零RZ码，高斯脉冲，双曲正割函数（光学孤子）
占空比：$\tau$/T
消光比：$\eta$ = $10\lg \frac{P_1}{P0}$
对于任意一个光学通信，消光比要大于20db
数字信号可以看做是一系列相同波形的、周期性但随机出现的，码元所构成的码流。

1.3.3 数字信号的频谱-离散谱

当n=1时，码元周期所对应频率分量（时钟频率）的大小分别为：

• 占空比为100%的脉冲信号在周期信号频率点无频谱分量。
• 占空比为50%的脉冲信号在周期信号频率点的分量最大。
• 占空比小宇50%时，其频谱中有含脉冲信号周期信号频率点在内的多种线谱。

1.3.4 眼图

可以利用眼图的张开程度，来观察波形失真的情况。

1.3.5 同步

• 全网的同步概念
• • 全网的时钟频率相同（时钟同步）
• • 全网的时刻一致（帧同步）
• 同步方式和异步方式
• • 同步方式：时钟同步，帧同步
• • 异步方式：时钟同步，帧可以不同步

1.3.6 帧定位方法

1.信号（物理）方法
在发送数据流的同时，另发送一个帧定位信号。

• RS-232-C接口
  2.信息方法
  定义一个特定的字符串（起始字段）作为起始定位标识，而后的其他字符组合成的字符串（净载荷）不允许与之相同。

1.3.7 包

包，也称为分组，帧。包是一串连续有限的比特码流。
目的：在保证可靠性的前提下提高实时性。

• 检错、重传，不丢失信息
• 可靠性与实时性 找到折衷或平衡

包的大小对传输质量、效率有很大影响
固定时隙 信元 HDLC 以太网帧 IP包

1.4 噪声

噪声是通信系统的主要敌人

1.4.1 干扰

干扰有时也称为串扰。干扰指的是有一定规律的不含信息的信号，或它虽然含有信息但不是通信系统所要传达的信息。
外部干扰：空间干扰——广播干扰，雷电干扰，电气化铁路，临近设备
引线干扰（电源线或其他引线）——50Hz工频干扰，人体触摸电路板时的干扰
内部干扰：系统内部各部分之间的相互干扰，发射/接收机

1.4.2 狭义噪声

狭义噪声是一种完全无规则的“信号“，它不含任何信息，一般来自于系统内部。

• 加性噪声 无论通信系统中的有用信号是否存在，它都存在，二者是叠加关系
  热噪声，晶体三极管和有源器件散弹噪声
  光电器件的量子噪声
  白噪声，高斯白噪声，三角噪声
• 乘性噪声 只有信号存在时噪声才存在

加性噪声 无论通信系统中的有用信号是否存在，它都存在，二者是叠加关系
$$p(t)=p_0(t)+N(t)$$
$$v^2(t)=v_0^2(t)+N(t)$$
热噪声、晶体三极管和有源器件散弹噪声、光电器件的量子噪声

白噪声：频谱很宽的噪声。在所考虑的频段内，噪声功率近似均匀分布。例如：无信号时电视机上的若干“雪花”点
高斯白噪声：对于每一个频率分量的噪声，其功率分布，近似为高斯分布。
三角噪声：在所考虑的频段内，近似为三角形分布。低频大，高频小。

加性噪声：电阻的热噪声

    由电子的非定向运动叠加在定向运动上的一种起伏或波动，它在频率上均匀分布，其功率谱密度为：
$$4kTR$$
k为玻尔兹曼系数
T为温度
R为电阻（直流平均电阻）
在给定带宽内的总噪声：$V^2=4kTRB$
B为带宽
在外路最佳匹配的条件下，输出的噪声功率为$P=V^2/4R=kTB$

乘性噪声

只有信号存在时噪声才存在，当输入信号没有时，噪声也就没有了，它可表示为：$$N(t)=k{P}_0(t)$$
当信号的幅度大到一定程度时，会引起非线性失真，使原有信号产生新的频率分量，相当于引入了噪声。乘性噪声是有当信号强度大到一定程度时才存在。
非线性失真噪声
$$y(t)=k_{0}x(t)+k_{1}x(t{)}^2$$
$$x(t)=sin({\omega }_t)+sin({\omega }_{2}t)$$
可能出现(1)直流分量,(2)基波；(3)二次谐波(二倍频，混合波)除基波外，其他的都是噪声。在无线电接收机中，当信号较强时出现。
  量化噪声时在取样量化过程中，量化信号与真是信号之间产生的误差。这个误差相当于一个噪声。

1.4.3 噪声的表示

• 描述噪声的主要指标有：噪声平均功率、方差、信噪比（输入信噪比，输出信噪比）、噪声指数。

1. 噪声的统计特征
2. 信噪比
3. 噪声指数

• 1 噪声的统计特征
  噪声在数学上可以用一个随机函数（随机过程）$X(t)$来描述，它的值事先不能预知。在给定时刻$t$，都是一个随机变量，因此可以用一个分布函数或者概率密度函数$f(x,t)$描述。
  均值（数学期望）
  $E[X(x,t)]={\int }_{-\infty }^{+\infty }xf(x,t)dx$
  数学期望不随时间t变化，是一个常数。这个常数经过一段时间的测量就可以大体得到，因此可以计算到无用信号或者干扰当中去。这样，通常可以认为噪声的平均值为0。

特征值

• 方差
  $D[X(x,t)]=E[X-E(X){]}^2=E(X^2)-[E(X){]}^2$
• 由于把平均值不计算为噪声，所以，方差（或者均方差）才能作为噪声的度量。
  功率谱密度
  -设随机函数$X(t)$的一个现实$x(t)$对应频域函数
  $$F_x(\omega ）=={\int }_{-\infty }^{+\infty }x(t)e^{-j\omega t}dx$$
  -只有形式上的意义，实际上无法进行积分运算
  -帕塞瓦尔(Parseval)公式
  $${\int }_{-\infty }^{+\infty }{x}^2(t)dt=\frac{1}{2\pi }\int +\infty -\infty |F_x(\omega ){|}^{2}d\omega$$
  功率谱密度
  $$\overline{P}=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }S(\omega )d\omega$$
  $${\sigma }^2=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }S(\omega )d\omega$$
  噪声功率的大小是它的功率谱密度的频域积分
  
  光噪声
• 光子数噪声
  光子数的随机起伏是光强度噪声的本质。
• 光子数本身就对应功率，所以光噪声对应这个光功率的平方。
  $${\sigma }^2=<n^2>-<n{>}^2$$
  2.信噪比
• 噪声对于通信的影响，取决于噪声与信号的相对大小，所以我们常常用信噪比这个量来度量噪声的严重程度
• 点噪声
  $$SNR=\frac{P_{Signal}}{P_{Noise}}$$
  $$SNR=\frac{v^2}{{\sigma }^2}$$
  $$SNR=\frac{v^2}{S(\omega )B}$$
• 转换成电信号以后的信噪比
• $$SNR=\frac{{\overline{P}}^2}{{\sigma }^2(hv{)}^2{B}^2}=\frac{{\overline{P}}^2}{S(\omega )(hv{)}^2{B}^2}=\frac{<n{>}^2}{{\sigma }^2}$$
• $$OSNR=\frac{\overline{P}}{\sigma Bhv}=\frac{<n>}{\sigma }$$