通信原理期末知识点总结

第 1 章

信息及其度量

消息出现的概率越小,所包含的信息量就越大。

  • 信息:要表示和传送的对象(有效的东西),是包含在消息中的不确定性
  • 消息:是信息的载体(语言、文字、图像等),比如我收到了一个图片消息
  • 信号:是消息传输的承载者(电信号、声信号、光信号等),通信系统中传输的就是信号

通信就是利用信号传输消息中包含的信息

信息的熵:物理意义是统计平均信息量(注意是统计平均)

1、离散消息的信息量

设某离散消息 x x x 发生的概率为 P ( x ) P(x) P(x) ,则它所携带的消息量为
I = l o g a 1 P ( x ) I=log_a\frac{1}{P(x)} I=logaP(x)1
a = e a=e a=e,单位为奈特; a = 10 a=10 a=10,单位为哈特莱; a = 2 a=2 a=2,单位为比特(bit)。

2、离散信源的平均信息量

H ( x ) = − ∑ i = 1 M P ( x i ) l o g 2 P ( x i ) ( b / 符号 ) H(x)=-\sum_{i=1}^{M}P(x_i)log_2P(x_i)(b/\text{符号}) H(x)=i=1MP(xi)log2P(xi)(b/符号)

当每个符号等概率出现时,信源的不确定性最大,信源的熵最大。

M > 2 M>2 M>2 时, P b < P e P_b<P_e Pb<Pe 。因为多进制一个码元发生错误时,它所包含的 l o g 2 M log_2M log2M bit不一定全错。

通信方式

  • 单工:只能单方向进行信息的传输,也就是说,通信双方一个只能进行发送,另一个只能进行接收
  • 半双工:通信双方都能收发消息,但不能同时进行
  • 全双工:通信双方可以同时收发消息

通信系统的一般模型


在这里插入图片描述


信源、发送设备、信道、接收设备、新宿。

第 3 章 随机过程

随机过程

随机过程是随着时间做随机变化的过程,它无法用确切的时间函数来表述。可以从两个角度来理解:

  • 样本函数的集合,样本函数可以理解为随机过程的一次实现。 ξ ( t ) = { x 1 ( t ) , x 2 ( t ) , ⋯   , x n ( t ) } \xi(t)=\left\{x_{1}(t), x_{2}(t), \cdots, x_{n}(t)\right\} ξ(t)={x1(t),x2(t),,xn(t)}
  • 处于不同时刻的随机过程的集合。 ξ ( t 1 ) \xi\left(t_{1}\right) ξ(t1) 是一个随机变量, ξ ( t 1 ) = { x i ( t 1 ) , i = 1 , 2 , ⋯   , n } \xi\left(t_{1}\right)=\left\{x_{i}\left(t_{1}\right), i=1,2, \cdots, n\}\right. ξ(t1)={xi(t1),i=1,2,,n}.。

平稳随机过程

1、定义

1)严平稳:随机过程的任意 n n n 维分布与时间起点无关,即
f n ( x 1 , x 2 , … , x n ; t 1 , t 2 , … , t n ) = f n ( x 1 , x 2 , … , x n ; t 1 + △ , t 2 + △ , … , t n + △ ) f_n(x_1,x_2,\dots,x_n;t_1,t_2,\dots ,t_n) = f_n(x_1,x_2,\dots,x_n;t_1+\triangle ,t_2+\triangle ,\dots ,t_n+\triangle ) fn(x1,x2,,xn;t1,t2,,tn)=fn(x1,x2,,xn;t1+,t2+,,tn+)
2)广义平稳:随机过程 ξ ( t ) \xi(t) ξ(t) 的均值为常数,相关函数仅与时间间隔 τ \tau τ 有关,即
{ a ( t ) = a R ( t 1 , t 1 + τ ) = R ( τ ) \left\{\begin{array}{l} a(t)=a \\ R\left(t_{1}, t_{1}+\tau\right)=R(\tau) \end{array}\right. {a(t)=aR(t1,t1+τ)=R(τ)

严平稳一定是广义平稳的,反之不一定成立。通信系统中遇到的信号及噪声,大多数可以视为广义平稳过程

2、自相关函数的性质

平稳过程 ξ ( t ) \xi(t) ξ(t) 的自相关函数 R ( τ ) = E [ ξ ( t ) ξ ( t + τ ) ] R(\tau)=E[\xi(t)\xi(t+\tau)] R(τ)=E[ξ(t)ξ(t+τ)]具有如下性质:

(1) R ( 0 ) = E [ ξ 2 ( t ) ] R(0)=E\left[\xi^{2}(t)\right] R(0)=E[ξ2(t)] 平均功率

(2) R ( τ ) = R ( − τ ) R(\tau)=R(-\tau) R(τ)=R(τ) 偶函数

(3) ∣ R ( τ ) ∣ ≤ R ( 0 ) |R(\tau)|\le R(0) R(τ)R(0) R ( τ ) R(\tau) R(τ) 的上界显然是 R ( 0 ) R(0) R(0),因为 R ( τ ) R(\tau) R(τ) 和自身的相关性最高。

(4) R ( ∞ ) = E 2 [ ξ ( t ) ] = a 2 R(\infty)=E^{2}[\xi(t)]=a^{2} R()=E2[ξ(t)]=a2 直流功率

(5) R ( 0 ) − R ( ∞ ) = σ 2 R(0)-R(\infty)=\sigma^{2} R(0)R()=σ2 交流功率

3、功率谱密度和维纳-辛钦定理

确定信号往往用频谱密度来表示,但是随机过程的频谱特性会用功率谱密度(PSD)描述。

维纳-辛钦定理:平稳过程的自相关函数 R ( τ ) R ( \tau ) R(τ) 与其功率谱密度 P ξ ( ω ) P _ { \xi } ( \omega ) Pξ(ω) 是一对傅里叶变换对,即

{ P ξ ( ω ) = ∫ − ∞ ∞ R ( τ ) e − j ω τ d τ R ( τ ) = 1 2 π ∫ − ∞ ∞ P ξ ( ω ) e j ω τ d ω  或  { P ξ ( f ) = ∫ − ∞ ∞ R ( τ ) e − j 2 π f τ d τ R ( τ ) = ∫ − ∞ ∞ P ξ ( f ) e j 2 π f τ d f \left\{\begin{array} { l } { P _ { \xi } ( \omega ) = \int _ { - \infty } ^ { \infty } R ( \tau ) \mathrm { e } ^ { - \mathrm { j } \omega \tau } \mathrm { d } \tau } \\ \\ { R ( \tau ) = \frac { 1 } { 2 \pi } \int _ { - \infty } ^ { \infty } P _ { \xi } ( \omega ) \mathrm { e } ^ { \mathrm { j } \omega \tau } \mathrm { d } \omega } \end{array} \text { 或 } \left\{\begin{array}{l} P_{\xi}(f)=\int_{-\infty}^{\infty} R(\tau) \mathrm{e}^{-\mathrm{j} 2 \pi f \tau} \mathrm{d} \tau \\ \\ R(\tau)=\int_{-\infty}^{\infty} P_{\xi}(f) \mathrm{e}^{\mathrm{j} 2 \pi f \tau} \mathrm{d} f \end{array}\right.\right. Pξ(ω)=R(τ)ejωτdτR(τ)=2π1Pξ(ω)ejωτdω   Pξ(f)=R(τ)ej2πfτdτR(τ)=Pξ(f)ej2πfτdf

PSD 具有非负性, P ξ ( f ) ⩾ 0 P_{\xi}(f) \geqslant 0 Pξ(f)0和实偶性 P ξ ( f ) = P ξ ( − f ) P_{\xi}(f)=P_{\xi}(-f) Pξ(f)=Pξ(f)

4、平稳随机过程通过线性系统

(1) E [ ξ 0 ( t ) ] = a ⋅ H ( 0 )  (常数)  E\left[\xi_{0}(t)\right]=a \cdot H(0) \text { (常数) } E[ξ0(t)]=aH(0) (常数 H ( 0 ) H(0) H(0)是对直流信号的增益

(2) P 0 ( f ) = ∣ H ( f ) ∣ 2 P i ( f ) P_{0}(f)=|H(f)|^{2} P_{i}(f) P0(f)=H(f)2Pi(f)   输出平稳随机过程的功率谱密度

5. 各态历经性

通俗地说,就是指经历各种状态,在通信理论中,对于一个平稳随机过程,如果统计平均值等于时间平均值,统计自相关函数等于时间自相关函数则称之为各态历经性的平稳随机过程。

第 4 章 信道

信道分类

信道可以分为狭义信道和广义信道

  • 狭义信道:信号的物理传输媒质,可分为无线信道和有线信道
  • 广义信道:包括调制器,解调器,天线这些收发装置

在这里插入图片描述

信道容量

1、连续信道容量

香农公式
C t = B log ⁡ 2 ( 1 + S N ) = B log ⁡ 2 ( 1 + S n 0 B ) ( b / s ) C_{\mathrm{t}}=B \log _{2}\left(1+\frac{S}{N}\right)=B \log _{2}\left(1+\frac{S}{n_{0} B}\right) \quad(b / s) Ct=Blog2(1+NS)=Blog2(1+n0BS)(b/s)

  • 提高信噪比 S / N S/N S/N,可增大信道容量
  • n 0 → 0 n_0\rightarrow 0 n00,则 C → 0 C\rightarrow 0 C0,说明无扰信道容量为无穷大
  • C C C 随着 B B B 适当增大而增大,但不能无限增大,即
    当 B → ∞ 时, C → 1.44 S n 0 当 B \rightarrow \infty时,C\rightarrow 1.44\frac{S}{n_0} B时,C1.44n0S
2、离散信道容量

从信息量的概念可以得知,发送 x i x_i xi 收到 y j y_j yj 所获得的信息量 = = = 发送 x i x_i xi 前对 x i x_i xi 的不确定度 − - 接受 y j y_j yj 后对 x i x_i xi 的不确定度。

发送 x i x_i xi 收到 y j y_j yj 所获得的信息量 = − log ⁡ 2 P ( x i ) − log ⁡ 2 P ( x i / y j ) =-\log _{2} P\left(x_{i}\right)- \log _{2} P\left(x_{i} / y_{j}\right) =log2P(xi)log2P(xi/yj) ,对所有的 x i x_i xi y j y_j yj 取统计平均:

 平均信息量 / 符号  = − ∑ i = 1 n P ( x i ) log ⁡ 2 P ( x i ) − [ − ∑ j = 1 m P ( y j ) ∑ i = 1 n P ( x i / y j ) log ⁡ 2 P ( x i / y j ) ] = H ( x ) − H ( x / y ) \begin{aligned} \text { 平均信息量 / 符号 }= & -\sum_{i=1}^{n} P\left(x_{i}\right) \log _{2} P\left(x_{i}\right)- \\ & {\left[-\sum_{j=1}^{m} P\left(y_{j}\right) \sum_{i=1}^{n} P\left(x_{i} / y_{j}\right) \log _{2} P\left(x_{i} / y_{j}\right)\right] } \\ = & H(x)-H(x / y) \end{aligned}  平均信息量 / 符号 ==i=1nP(xi)log2P(xi)[j=1mP(yj)i=1nP(xi/yj)log2P(xi/yj)]H(x)H(x/y)

∑ i = 1 n P ( x i / y j ) log ⁡ 2 P ( x i / y j ) \sum_{i=1}^{n} P\left(x_{i} / y_{j}\right) \log _{2} P\left(x_{i} / y_{j}\right) i=1nP(xi/yj)log2P(xi/yj) 为接受某个确定的 y j y_j yj 已知后, x i x_i xi 的平均信息量。 H ( x / y ) H(x/y) H(x/y) 被视为因为信道噪声而损失的平均信息量。

C t = max ⁡ P ( x ) { r [ H ( x ) − H ( x / y ) ] } ( b / s ) C_{\mathrm{t}}=\max _{P(x)}\{r[H(x)-H(x / y)]\}\quad(\mathrm{b} / \mathrm{s}) Ct=P(x)max{r[H(x)H(x/y)]}(b/s)
其中 r r r 为每秒钟信道传输的符号数。

信道中噪声

人为噪声、自然噪声:

  • 人类活动所产生的对通信造成干扰的各种噪声
  • 自然噪声:自然界存在的各种电磁波源所产生的噪声,比如由于分子的热运动造成的热噪声。

脉冲噪声、窄带噪声、欺负噪声:

  • 脉冲噪声(impulse noise) 是突发性地产生的,幅度很大,其持续时间比间隔时间短得多。电火花就是一种典型的脉冲噪声。
  • 窄带噪声(narrow band noise) 可以看作是一种非所需的连续的已调正弦波,或简单地看作是一个振幅恒定的单一频率的正弦波。
  • 起伏噪声(fluctuation noise)是遍布在时域频域内的随机噪声,包括热噪声、电子管内产生的散弹噪声(shot noise) 和宇宙噪声等都属于起伏噪声。

第 5 章 模拟调制系统

线性调制

1、AM

s A M ( t ) = [ A 0 + m ( t ) ] cos ⁡ ω c t = A 0 cos ⁡ ω c t + m ( t ) s_{A M}(t)=\left[A_{0}+m(t)\right] \cos \omega_{c} t=A_{0} \cos \omega_{c} t+m(t) sAM(t)=[A0+m(t)]cosωct=A0cosωct+m(t)
S A M ( ω ) = π A 0 [ δ ( ω + ω c ) + δ ( ω − ω c ) ] ⏟ 载波项 + 1 2 [ M ( ω + ω c ) + M ( ω − ω c ) ] ⏟ 双边带项 S_{AM}(\omega)=\underbrace{\pi A_{0}\left[\delta\left(\omega+\omega_{c}\right)+\delta\left(\omega-\omega_{c}\right)\right]}_\text{载波项}+\underbrace{\frac{1}{2}\left[M\left(\omega+\omega_{c}\right)+M\left(\omega-\omega_{c}\right)\right]}_\text{双边带项} SAM(ω)=载波项 πA0[δ(ω+ωc)+δ(ωωc)]+双边带项 21[M(ω+ωc)+M(ωωc)]

P A M = A 0 2 2 + m 2 ( t ) 2 ‾ = P o + P s P_{\mathrm{AM}}=\frac{A_{0}^{2}}{2}+\overline{\frac{m^{2}(t)}{2}}=P_{\mathrm{o}}+P_{\mathrm{s}} PAM=2A02+2m2(t)=Po+Ps
η A M = P s P A M = P s P c + P s = m 2 ( t ) ‾ A 0 2 + m 2 ( t ) ‾ \eta_{\mathrm{AM}}=\frac{P_{\mathrm{s}}}{P_{\mathrm{AM}}}=\frac{P_{\mathrm{s}}}{P_{\mathrm{c}}+P_{\mathrm{s}}}=\frac{\overline{m^{2}(t)}}{A_{0}^{2}+\overline{m^{2}(t)}} ηAM=PAMPs=Pc+PsPs=A02+m2(t)m2(t)
B A M = 2 f H B_{AM}=2f_H BAM=2fH

2、DSB

s D S B ( t ) = m ( t ) cos ⁡ ( w c t ) s_{DSB}(t)=m(t)\cos(w_ct) sDSB(t)=m(t)cos(wct)
S D S B = 1 2 [ M ( ω + ω c ) + M ( ω − ω c ) ] S_{DSB}=\frac{1}{2}\left[M\left(\omega+\omega_{c}\right)+M\left(\omega-\omega_{c}\right)\right] SDSB=21[M(ω+ωc)+M(ωωc)]
η D S B = 100 % \eta_{DSB}=100\% ηDSB=100%

实际上主要作为SSB和VSB的技术基础

3、SSB

s S S B ( t ) = 1 2 m ( t ) cos ⁡ ω c t ∓ 1 2 m ^ ( t ) sin ⁡ ω c t s_{\mathrm{SSB}}(t)=\frac{1}{2} m(t) \cos \omega_{\mathrm{c}} t \mp \frac{1}{2} \hat{m}(t) \sin \omega_{\mathrm{c}} t sSSB(t)=21m(t)cosωct21m^(t)sinωct
式中:”+“对应下边带,“-”代表上边带; m ^ ( t ) \hat{m}(t) m^(t) m ( t ) m(t) m(t)的希尔伯特变换。


希尔伯特变换
s ^ ( t ) = H { s } = h ( t ) ∗ s ( t ) = ∫ − ∞ ∞ s ( τ ) h ( t − τ ) d τ = 1 π ∫ − ∞ ∞ s ( τ ) t − τ d τ \widehat{s}(t)=\mathcal{H}\{s\}=h(t) * s(t)=\int_{-\infty}^{\infty} s(\tau) h(t-\tau) d \tau=\frac{1}{\pi} \int_{-\infty}^{\infty} \frac{s(\tau)}{t-\tau} d \tau s (t)=H{s}=h(t)s(t)=s(τ)h(tτ)dτ=π1tτs(τ)dτ
sgn ⁡ w = { 1 w > 0 − 1 w < 0 \operatorname{sgn} w=\left\{\begin{array}{ll} 1 \quad &w>0\\ -1\quad &w<0 \end{array}\right. sgnw={11w>0w<0
H ( w ) = − j sgn ⁡ ( w ) \mathcal{H}(w)=-j\operatorname{sgn}(w) H(w)=jsgn(w)

4、VSB

VSB既解决了DSB信号占用频带宽的缺点,又解决了SSB信号实现上的困难

H ( ω − ω c ) + H ( ω + ω c ) =  常数  , ∣ ω ∣ ⩽ ω H H\left(\omega-\omega_{c}\right)+H\left(\omega+\omega_{\mathrm{c}}\right)=\text { 常数 },|\omega| \leqslant \omega_{H} H(ωωc)+H(ω+ωc)= 常数 ,ωωH
滤波器满足的特性:在载频两侧在调制信号频率范围内互补对称
f H < B V S B < 2 f H f_H<B_{VSB}<2f_H fH<BVSB<2fH

非线性调制

s F M ( t ) = A cos ⁡ [ w c t + K f ∫ m ( τ ) d ⁡ τ ] s_{FM}(t)=A\cos[w_ct+K_f\int m(\tau)\operatorname d\tau] sFM(t)=Acos[wct+Kfm(τ)dτ]
s P M ( t ) = A cos ⁡ [ w c t + K p m ( τ ) ] s_{PM}(t)=A\cos[w_ct+K_p m(\tau)] sPM(t)=Acos[wct+Kpm(τ)]

1、单音调频

设单音调制信号为 m ( t ) = A m cos ⁡ w m t m(t)=A_m\cos w_mt m(t)=Amcoswmt
s F M ( t ) = A cos ⁡ [ w c t + m f sin ⁡ w m t ] s_{FM}(t)=A\cos[w_ct+m_f\sin w_mt] sFM(t)=Acos[wct+mfsinwmt]
式中
m f = K f A m ω m = Δ ω ω m = Δ f f m m_{f}=\frac{K_{f} A_{m}}{\omega_{m}}=\frac{\Delta \omega}{\omega_{m}}=\frac{\Delta f}{f_{m}} mf=ωmKfAm=ωmΔω=fmΔf
m f m_{f} mf 称为调频指数,表示最大相位偏移。 Δ f \Delta f Δf是最大频偏。
窄带调频和宽带调频

2、频谱和带宽

B F M = 2 ( m f + 1 ) f m = 2 ( Δ f + f m ) B_{FM}=2(m_f+1)f_m=2(\Delta f+f_m) BFM=2(mf+1)fm=2(Δf+fm)

3、功率

P F M = P c = 1 2 A 2 P_{FM}=P_c=\frac{1}{2}A^2 PFM=Pc=21A2

抗噪声性能

1、线性系统

①相干解调
n i ( t ) cos ⁡ ω c t = [ n c ( t ) cos ⁡ ω c t − n s ( t ) sin ⁡ ω c t ] cos ⁡ ω c t = 1 2 n c ( t ) + 1 2 [ n c ( t ) cos ⁡ 2 ω c t − n s ( t ) sin ⁡ 2 ω c t ] \begin{aligned} n_{\mathrm{i}}(t) \cos \omega_{\mathrm{c}} t & =\left[n_{\mathrm{c}}(t) \cos \omega_{\mathrm{c}} t-n_{\mathrm{s}}(t) \sin \omega_{\mathrm{c}} t\right] \cos \omega_{\mathrm{c}} t \\ & =\frac{1}{2} n_{\mathrm{c}}(t)+\frac{1}{2}\left[n_{\mathrm{c}}(t) \cos 2 \omega_{\mathrm{c}} t-n_{\mathrm{s}}(t) \sin 2 \omega_{\mathrm{c}} t\right] \end{aligned} ni(t)cosωct=[nc(t)cosωctns(t)sinωct]cosωct=21nc(t)+21[nc(t)cos2ωctns(t)sin2ωct]

n o ( t ) = 1 2 n c ( t ) , N o = n o 2 ( t ) ‾ = 1 4 n c 2 ( t ) ‾ n_{\mathrm{o}}(t)=\frac{1}{2} n_{\mathrm{c}}(t), N_{\mathrm{o}}=\overline{n_{\mathrm{o}}^{2}(t)}=\frac{1}{4} \overline{n_{\mathrm{c}}^{2}(t)} no(t)=21nc(t),No=no2(t)=41nc2(t)
N 0 = 1 4 N i = 1 4 n 0 B N_{0}=\frac{1}{4} N_{\mathrm{i}}=\frac{1}{4} n_{0} B N0=41Ni=41n0B
G D S B = S o / N o S i / N i = 2 , G S S B = S o / N o S i / N i = 1 G_{\mathrm{DSB}}=\frac{S_{\mathrm{o}} / N_{\mathrm{o}}}{S_{\mathrm{i}} / N_{\mathrm{i}}}=2, \quad G_{\mathrm{SSB}}=\frac{S_{\mathrm{o}} / N_{\mathrm{o}}}{S_{\mathrm{i}} / N_{\mathrm{i}}}=1 GDSB=Si/NiSo/No=2,GSSB=Si/NiSo/No=1

SSB有和噪声相同的表达形式,在相干解调中,信号和噪声的正交分量均被抑制,信噪比没有改善。

②包络检波
G A M = S o / N 0 S i / N i = 2 m 2 ( t ) ‾ A 0 2 + m 2 ( t ) ‾ ≤ 2 3 G_{\mathrm{AM}}=\frac{S_{\mathrm{o}} / N_{0}}{S_{\mathrm{i}} / N_{\mathrm{i}}}=\frac{2 \overline{m^{2}(t)}}{A_{0}^{2}+\overline{m^{2}(t)}}\le \frac{2}{3} GAM=Si/NiSo/N0=A02+m2(t)2m2(t)32

2、非线性系统

假设输入调频信号为
s F M ( t ) = A cos ⁡ [ w c t + K f ∫ m ( τ ) d ⁡ τ ] s_{FM}(t)=A\cos[w_ct+K_f\int m(\tau)\operatorname d\tau] sFM(t)=Acos[wct+Kfm(τ)dτ]
则输入信噪比为
S i N i = A 2 / 2 n 0 B F M = A 2 2 n 0 B F M \frac{S_{\mathrm{i}}}{N_{\mathrm{i}}}=\frac{A^{2} / 2}{n_{0} B_{\mathrm{FM}}}=\frac{A^{2}}{2 n_{0} B_{\mathrm{FM}}} NiSi=n0BFMA2/2=2n0BFMA2

解调器的输出信号为
s o ( t ) = K d K f m ( t ) s_o(t)=K_dK_fm(t) so(t)=KdKfm(t)
在解调器输入信噪比足够大时,信号和噪声可以分开来计算,可以得到解调器输出信噪比为

S o N 0 = 3 A 2 K f 2 m 2 ( t ) ‾ 8 π n 0 f m 3 \frac{S_{o}}{N_{0}}=\frac{3 A^{2} K_{f}^{2} \overline{m^{2}(t)}}{8 \pi n_{0} f_{m}^{3}} N0So=8πn0fm33A2Kf2m2(t)
S 0 N 0 = 3 m f 2 ( m f + 1 ) S i N i \frac{S_{0}}{N_{0}}=3 m_{f}^{2}\left(m_{f}+1\right) \frac{S_{i}}{N_{\mathrm{i}}} N0S0=3mf2(mf+1)NiSi
G F M = 3 m f 2 ( m f + 1 ) G_{\mathrm{FM}}=3 m_{f}^{2}\left(m_{f}+1\right) GFM=3mf2(mf+1)

第 6 章 数字基带系统


在基带系统无码间串扰的情况下,基带系统的最高频带利用率为

在这里插入图片描述

η = R B / B = 2 ( B a u d / H z ) \eta=R_{\mathrm{B}} / B=2 \quad(\mathrm{Baud} / \mathrm{Hz}) η=RB/B=2(Baud/Hz)

多进制调制可以提高传输速率,但是单位比特的信噪比降低,误码率提高。




眼图


在这里插入图片描述

最佳抽样时刻、判决门限、噪声容限、过零点失真等信息。

用一个示波器跨接在抽样判决器的输入端,然后调整示波器水平扫描周期,使其与接受码元的周期同步。此时可以从示波器显示的图像上,观察到码间干扰和信道噪声等因素的影响。

过零点失真:指的是信号在信号横轴附近交点的位置的一个变化范围,该范围越大,也说明我们信号抖动越大,该参数对于需要对信号零交点平均位置提取定时信息的系统有较大的影响,比如说一些差分信号,时钟等


基带信道传输编码

传输编码要求,不含直流分量,低频分量尽量少;包含丰富的定时信息;功率谱主瓣宽度窄,以节省传输带宽。

  • AMI码、HDB3、CMI码等

第 7 章 数字带通系统

误码率公式相干解调非相干解调
2ASK 1 / 2 erfc ⁡ ( r 4 ) 1/2\operatorname{erfc}(\sqrt{\frac{r}{4}}) 1/2erfc(4r ) 1 / 2 e − r / 4 1/2e^{-r/4} 1/2er/4
2FSK 1 / 2 erfc ⁡ ( r 2 ) 1/2\operatorname{erfc}(\sqrt{\frac{r}{2}}) 1/2erfc(2r ) 1 / 2 e − r / 2 1/2e^{-r/2} 1/2er/2
2PSK 1 / 2 erfc ⁡ ( r ) 1/2\operatorname{erfc}(\sqrt{r}) 1/2erfc(r )
2DPSK erfc ⁡ ( r ) \operatorname{erfc}(\sqrt{r}) erfc(r ) 1 / 2 e − r 1/2e^{-r} 1/2er(差分相干解调)

备注:
e r f ( x ) = 2 π ∫ 0 x e − t 2 d t erf(x)=\frac{2}{\sqrt{\pi}}\int_{0}^{x}e^{-t^2} dt erf(x)=π 20xet2dt
由于我们知道 e r f ( ∞ ) = 1 erf(\infty)=1 erf()=1,所以我们可以得到
e r f c ( x ) = 1 − e r f ( x ) = 2 π ∫ x ∞ e − t 2 d t erfc(x)=1-erf(x)=\frac{2}{\sqrt{\pi}}\int_{x}^{\infty}e^{-t^2} dt erfc(x)=1erf(x)=π 2xet2dt

考试的时候可以使用科学计算器计算出来。


2PSK调制技术


2PSK比较特殊,无法用非相干解调;2DPSK可以使用相关解调—码反变换或者差分相干解调(一种非相干解调方法)。


第 8 章 数字信号的最佳接受


数字系统的最佳接受准则:错误概率最低。有两种接受准则,最大先验概率准则和最大后验概率准则,在高斯白噪声的情况下是等价的

匹配的含义:滤波器对特定信号匹配,使得有用信号在滤波器输出的特定时刻达到峰值

匹配的原理:利用许瓦兹不等式,两个波形形状相同时内积最大。卷积是信号镜像后与冲激响应的内积,因此匹配滤波器的冲激响应是信号的镜像;简单理解为,输出信号是它的自相关函数,抽样点时,自相关函数对应的 τ \tau τ 为0,值最大。

第 10 章 信源编码

PAM:脉冲振幅调制,是得到的模拟信号;
PCM:脉冲编码调制,是将模拟信号变为二进制信号。

增量调制

  • 一般噪声:在量化时抽样值与量化电平的误差产生的
  • 过载量化噪声:台阶信号的变化速度赶不上模拟信号的变化速度造成的

第 11 章 差错控制编码

信源编码与信道编码的作用

信源编码是压缩冗余度以得到信息的有效表示,提高传输时的信息传输率。

信道编码是增加冗余度以增加信息传输的可靠性,提高抗干扰能力。

差错控制基本概念

1、编码类型

线性码:监督码元和信息码元的关系是由一组线性方程确定的。线性码可以分成分组码和非分组码。

分组码:分组码中每一码组的监督位仅与本组中的信息元有关。卷积码就是一种非分组码。分组码又分为系统码和非系统码。

系统码:编码后信息码元保持不变,监督码元附加在信息码元后面。

2、最小码距和纠检错能力
  1. 检错 e e e 个错码,要求
    d 0 ≥ e + 1 d_0\ge e+1 d0e+1
  2. 纠正 t t t 个错码,要求
    d 0 ≥ 2 t + 1 d_0\ge 2t+1 d02t+1
  3. 纠正 t t t 个错码同时可检错 e e e 个错码,要求
    d 0 ≥ e + t + 1 , e > t d_0\ge e+t+1, \quad e>t d0e+t+1,e>t

汉明码

1、定义

一个 ( n , k ) (n,k) (n,k) 的线性分组码,若希望用 r = n − k r=n-k r=nk 个监督码元构造出 r r r 个监督关系式来指出一位错码的位置,则 r r r 必须满足

2 r − 1 ≥ n 或者 2 r ≥ k + r + 1 2^r-1\ge n \quad \text{或者}\quad 2^r\ge k+r+1 2r1n或者2rk+r+1

当上式取等号时,即 n = 2 r − 1 n=2^r-1 n=2r1 时,此时构成的线性分组码 ( n , k ) = ( 2 r − 1 , 2 r − 1 − r ) (n,k)=(2^r-1,2^r-1-r) (n,k)=(2r1,2r1r) 就是汉明码。所以说汉明码是可以检错一位错码,同时监督位最少,码率最高的线性分组码。

2、生成矩阵 G G G

A = [ a k − 1 , a k − 2 , . . . , a 0 ] ⋅ G A=[a_{k-1},a_{k-2},...,a_0]\cdot G A=[ak1,ak2,...,a0]G
典型生成矩阵 G = [ I k Q ] G=[I_k Q] G=[IkQ]

3、监督矩阵

H ⋅ A T = H ⋅ [ a n − 1 a n − 2 ⋮ a 0 ] = 0 H\cdot A^T=H\cdot \left[\begin{array}{c} a_{n-1}\\a_{n-2}\\\vdots \\ a_0 \end{array}\right]=0 HAT=H an1an2a0 =0
典型监督矩阵 H = [ P I r ] H=[P I_r] H=[PIr]


循环码

1、生成多项式的性质

g ( x ) g(x) g(x) 是唯一一个 ( n − k ) (n-k) (nk) 次的多项式

g ( x ) g(x) g(x) 的常数项不为0

g ( x ) g(x) g(x) x n + 1 x^n+1 xn+1 的一个因式


2、生成多项式 G G G

G ( x ) = [ x k − 1 g ( x ) x k − 2 g ( x ) ⋮ x g ( x ) g ( x ) ] G\left ( x \right ) =\left[\begin{array}{c} x^{k-1} g(x) \\ x^{k-2} g(x) \\ \vdots \\ x g(x) \\ g(x) \end{array}\right] G(x)= xk1g(x)xk2g(x)xg(x)g(x)

3、系统循环码的编解码

A ( x ) = x n − k m ( x ) + r ( x ) A(x)=x^{n-k}m(x)+r(x) A(x)=xnkm(x)+r(x)
式中, m ( x ) m(x) m(x) 是信息码多项式, r ( x ) r(x) r(x) g ( x ) g(x) g(x) x m − k m ( x ) x^{m-k}m(x) xmkm(x) 的余式。 x n − k x^{n-k} xnk m ( x ) m(x) m(x) 的目的实在信息码元上附加 n − k n-k nk 个“0”,预留给监督码元。


交织技术

交织技术是改变数据流的传输顺序,将突发的错误随机化,提高纠错编码的有效性。


第 13 章 同步原理

同步分类

  • 载波同步,在相干解调时,要求载波同步信号要与发送信号同频同相
  • 码元同步,在抽样判决处,要求同步信息频率与码元速率相同的定时脉冲
  • 群同步,获取每帧的起止标志,以便对接收码元能正确分组
  • 网同步,是使通信网中各站点时钟保持同步

载波同步

载波同步的方法有插入导频法和直接提取法

相位模糊:这是由于平方后产生的载波频率是原始载波频率的两倍,故需要使用二分频电路,由于分频起点的不确定性,导致了相位模糊。

码元同步

  • 外同步法需要在信号外加含有定时信息的导频
  • 自同步法从信息码元中提取出位定时信息

群同步

了使接收码元能够正确分组。又叫帧同步,常见的同步方式有两种

  • 集中插入法:寻找一组在信息码中很少出现的特殊码组,将同步码插在信息码前面,常用巴克码
  • 分散插入法:将同步码等间隔得插在信息码中。有点是不会影响信息码元的连续性,缺点是需要较长的时间建立同步。
  • 4
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
⼤数据期末知识点总结 ⼤数据特点: ⼤数据特点: 五个主要技术特点:5V Volume(⼤体量):即可从数百TB到数⼗数百PB、甚⾄EB规模。 Variety(多样性):即⼤数据包括各种格式和形态的数据。 Velocity(时效性):即很多⼤数据需要在⼀定的时间限度下得到及时处理。 Veracity(准确性):即处理的结果要保证⼀定的准确性。 Value(⼤价值):即⼤数据包含很多深度的价值,⼤数据分析挖掘和利⽤带来巨⼤的商业价值。 ⼤数据概念: ⼤数据概念: ⼤数据是指数据规模⼤,尤其指因为数据形式多样、⾮结构化特征明显,导致数据存储、处理和挖掘异常困难的那类数据集。 ⼤数据性质: ⼤数据性质: ⾮结构性,不完备性,时效性,安全性,可靠性 ⼤数据技术概述: ⼤数据技术概述: ⼤数据及时是指从数据采集、清洗、集成、分析与解释,进⽽从各种各样的巨量数据中快速获得有价值信息的全部技术。 ⼤数据趋势: ⼤数据趋势: ⼤数据细分市场、⼤数据推动企业发展、⼤数据分析的新⽅法出现、⼤数据与云计算⾼度融合、⼤数据⼀体化设备陆续出现、⼤数据安全⽇ 益受到重视。 ⼤数据应⽤实例: ⼤数据应⽤实例: ⽹络⼤数据、⾦融⼤数据、企业⼤数据、政府管理⼤数据、安全⼤数据。 在医疗⾏业中医疗保健内容的预测分析、早产婴⼉的预测分析、精确确诊的预测分析 在能源⾏业中:智能电⽹、风⼒系统依靠⼤数据技术对⽓象数据进⾏分析 在通信⾏业中:通过分析客户的资料分析客户需求 交通⾏业中:车辆的运输管理,解决道路拥堵 零售业中:收集社交信息,分析消费者⽔平 科学研究四个范式: 科学研究四个范式: 第⼀范式: 第⼀范式: 概念:科学实验主要描述⾃然现象,以观察和实验为依据的研究,也可称为经验范式。 内容:实验是⼈们为实验预定⽬的,在⼈⼯控制条件下,通过⼲预和控制科研对象⽽观察和探索科研对象的规律和机制的⼀种研究⽅法, 特征:纯化观察对象条件、强化观察对象、可重复性 第⼆范式: 第⼆范式: 概念:以建模和归纳为基础的理论学科和分析范式,⼜称为理论范式。 内容:是对某种经验现象或事实的科学解说和系统解释,他是由⼀系列特定的概念、原理、命题以及对他们的严密论证组成的知识体系。 特征:抽象性、逻辑性、系统性 第三范式: 第三范式: 概念:是以模拟复杂现象为基础的计算科学范式⼜称模拟范式 内容:模拟有三种⽅法 数学模型⽅法 模拟程序⽅法 物理模型⽅法 特征:⾼度抽象 ⾼度精确 具有普遍意义 第四范式: 第四范式: 概念:以考察为基础,联合理论、实验、和模拟⼀体的数据密集计算的范式 内容:数据被捕获或者由模拟器⽣成,利⽤软件处理,信息和知识存储在计算机中国,科学家使⽤数据管理和统计学⽅法分析数据 特征:处理对象是数据,是围绕数据展开的计算;计算的含义是从数据获取到管理再到分析、理解的整个过程;其⽬的是推动技术前沿发 展,⽬标是依赖传统的单⼀数据源和准静态数据库⽆法实现的应⽤。 可伸缩性: 可伸缩性: ⼜称可扩展性,是指通过扩展系统规模来提⾼性能并处理更⼤数量的⽤户和通过扩展系统规模提⾼系统的容错能⼒等 横⾏扩展: 横⾏扩展: 向逻辑单元之外的扩展,增加更多逻辑单元的资源,并使他们像⼀个单元⼀样⼯作。 CAP定理: 定理: ⼀个分布式系统不可能同时满⾜⼀致性、可⽤性和分区容错性三个系统需求,最多只能同时满⾜俩个系统需求。在考虑满⾜系统需求时,要 根据实际需要来选择关注点,进⽽采⽤相应的策略。 函数式编程优点: 函数式编程优点: 逻辑可证、模块化、组件化、易于调试、易于测试、更⾼的⽣产率 函数式编程的特征: 函数式编程的特征: 没有副作⽤、⽆状态编程、只有输⼊值与输出值 Mapreduce是⾕歌针对⼤规模群组中的海量数据处理⽽提出的分布式编程模型 Hadoop 是⼀个⽤于收集、共享和分析来⾃⽹络的⼤量结构化、半结构化和⾮结构化数据的平台。 Hadoop优点:⽅便、健壮、横向可扩展、简单。 Hadoop与sql数据库⽐较:横向扩展代替纵向扩展、键值对代替关系表、函数式编程代替声明式查询、离线批量处理代替在线处理 流式数据的特征:实时性,易失性,突发性,⽆序性,⽆限性,可靠性 流式计算性能指标:计算⽅式,常驻空间,时效性,有序性,数据量,数据速率,是否可重现,移动对象,数据精确度 Storm:任务拓扑=有向⽆环图(Spout、Bolt)Spout读取数据(元组)——》Blot。节点:Nimbus Supervisor。特征:编程模型简单 (Spout,Blot),多语⾔⽀持,作业级容错,⽔平可拓展,快速消息计算。Zookeeper:存储信息,1任务拓扑,任务分配,任务执⾏状 态,2从节点状态,⼯作进程状态,⼼跳信息,3集群状态配置信息 Nimbus master资源分配,任务调度,状态监控,故障

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

WHS-_-2022

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值