Basic Knowledge
1. 信道编码,映射及调制:
q[l]代表原始二进制码流,c[v]则为经过信道编码后的信息,m[k]则为编码后信息经过mapping后得到的信息。
a) 信道编码: 信道编码通过在发送的数据中添加冗余信息,使得接收端可以检测并纠正传输过程中出现的错误,从而提高数据传输的可靠性
原有长度为K的二进制编码,经过信道编码后长度变为n,因此编码速率为:
R
c
=
1
n
l
d
(
2
K
)
=
K
n
[
b
i
t
C
o
d
e
s
y
m
b
o
l
]
R_c=\frac{1}{n}ld(2^K)=\frac{K}{n}\ \ \ \ \ \ \ \ \ [\frac{bit}{Codesymbol}]
Rc=n1ld(2K)=nK [Codesymbolbit]
编码冗余:
ρ
c
=
1
n
(
l
d
(
M
c
n
)
−
l
d
(
2
K
)
)
=
l
d
(
M
c
)
−
R
c
[
b
i
t
C
o
d
e
s
y
m
b
o
l
]
\rho_c=\frac{1}{n}(ld(M_c^n)-ld(2^K))=ld(M_c)-R_c \ \ \ \ \ \ \ \ \ [\frac{bit}{Codesymbol}]
ρc=n1(ld(Mcn)−ld(2K))=ld(Mc)−Rc [Codesymbolbit]
理解编码后为什么总信息量变为
l
d
(
M
c
)
:
ld(M_c):
ld(Mc):
在未编码的情况下,每个symbol只有两个可能的状态,通常用二进制的0和1表示。因此,一个symbol可以携带的信息量是1 bit。
编码后的情况假设我们有种不同的符号,这意味着每个符号可以代表
M
c
M_c
Mc种不同的状态。信息量的计算公式是基于信息论中的“自信息”概念,定义为某个事件发生的概率的负对数。对于等概率的
M
M
M种符号,每个符号出现的概率是
1
M
c
\frac{1}{M_c}
Mc1
自信息(信息量)的计算公式为:
I
(
x
)
=
−
l
o
g
2
P
(
x
)
I(x)=-log_2P(x)
I(x)=−log2P(x)
对于等概率情况,
P
(
x
)
=
1
M
c
P(x)=\frac{1}{M_c}
P(x)=Mc1,因此:
I
(
x
)
=
−
l
o
g
2
(
1
M
c
)
=
l
o
g
2
M
c
I(x)=-log_2(\frac{1}{M_c})=log_2M_c
I(x)=−log2(Mc1)=log2Mc
例子:
奇偶校验码(Parity Code):奇偶校验码是一种简单的错误检测编码,它通过在数据中添加一个奇偶校验位来检测单个比特错误。
b)映射:
映射将编码后的符号序列
c
[
v
]
c[v]
c[v]转换为对应的信号编号
m
[
k
]
m[k]
m[k]。这一步骤是将离散的符号转换为可以调制和传输的信号。这些信号编号通常对应于不同的调制状态或幅度,相位等特性。
映射冗余:
ρ
M
=
l
d
(
M
)
−
L
V
l
d
(
M
c
)
\rho_M=ld(M)-\frac{L}{V}ld(M_c)
ρM=ld(M)−VLld(Mc)
c)调制:
调制将离散的数字信号
m
[
k
]
m[k]
m[k]转换为连续的模拟信号
s
H
F
(
t
)
s_{HF}(t)
sHF(t)(如 ,使其能够通过模拟信道(如无线电波、电话线等)进行传输。
s
H
F
(
t
)
=
∑
k
=
−
∞
∞
s
m
[
k
]
(
t
−
k
T
)
s_{HF}(t)=\sum_{k=-\infty}^{\infty}s_{m[k]}(t-kT)
sHF(t)=k=−∞∑∞sm[k](t−kT)
例子:
Digital rate after modulation:
R
=
R
C
⋅
L
V
R=R_C\cdot \frac{L}{V}
R=RC⋅VL
调制必须信号满足时间正交条件:
φ
s
i
,
s
l
(
k
T
)
=
∫
−
∞
+
∞
s
i
(
t
+
k
T
)
s
l
∗
(
t
)
d
t
=
{
0
f
u
¨
r
∀
k
∈
Z
∖
{
0
}
E
i
l
f
u
¨
r
k
=
0
\varphi_{s_i,s_l}(kT) = \int_{-\infty}^{+\infty} s_i(t + kT) s_l^*(t) \, dt = \begin{cases} 0 & \text{für } \forall k \in \mathbb{Z} \setminus \{0\} \\ E_{il} & \text{für } k = 0 \end{cases}
φsi,sl(kT)=∫−∞+∞si(t+kT)sl∗(t)dt={0Eilfu¨r ∀k∈Z∖{0}fu¨r k=0
d)等效编码及调制:
接收到的信号由于各种原因(例如信号失真、彩色噪声干扰,或者发送端的脉冲成型)导致信号元素不再满足时间正交性。(彩色噪声是指噪声信号在不同频率上的功率谱密度不均匀。这意味着噪声的某些频率分量比其他频率分量更强或更弱。)
例子1:
s
0
(
t
)
和
s
1
(
t
)
s_0(t)和s_1(t)
s0(t)和s1(t)不满足时间正交原因如下:
处理:将原有的
s
o
(
t
)
s_o(t)
so(t),
s
1
(
t
)
s_1(t)
s1(t)组合为若干个新的
s
i
(
t
)
s_i(t)
si(t)且满足时间正交的信号的叠加
例子2:
原本时间长度为
T
T
T的信号,受到干扰后信号长度拓展为
3
T
3T
3T
s
i
(
t
)
=
±
g
(
t
)
±
g
(
t
−
T
)
±
g
(
t
−
2
T
)
s_i(t)=\pm g(t)\pm g(t-T)\pm g(t-2T)
si(t)=±g(t)±g(t−T)±g(t−2T)
s
i
(
t
)
长度为
T
s_i(t)长度为T
si(t)长度为T
脉冲调制
1. 基本概念:脉冲幅度调制(PAM)是一种调制技术,通过改变脉冲信号的幅度来表示不同的数字数据。在PAM系统中,每个脉冲的幅度与要传输的数据成比例。具体来说,数字信息通过一系列幅度不同的脉冲来传输。
s
(
t
)
=
∑
k
=
−
∞
∞
a
m
[
k
]
g
(
t
−
k
T
)
s(t)=\sum_{k=-\infty}^{\infty}a_{m[k]}g(t-kT)
s(t)=k=−∞∑∞am[k]g(t−kT)
其中
g
(
t
)
g(t)
g(t)为基脉冲
例子:
2. 脉冲幅度调制(PAM)信号的平均功率谱密度
对于离散稳态过程
a
[
k
]
a[k]
a[k],其自相关函数为:
ϕ
a
a
[
κ
]
=
E
{
a
[
k
+
κ
]
a
∗
[
k
]
}
\phi_{aa}[\kappa] = \mathbb{E}\{a[k + \kappa] a^*[k]\}
ϕaa[κ]=E{a[k+κ]a∗[k]}
由此可以看到对于稳态过程,其自相关函数只与相对时延
κ
\kappa
κ有关。
对应频域分量:
Φ
a
a
(
e
j
2
π
F
)
=
∑
k
=
−
∞
+
∞
ϕ
a
a
[
k
]
⋅
e
−
j
2
π
k
F
\Phi_{aa}(e^{j2\pi F}) = \sum_{k=-\infty}^{+\infty} \phi_{aa}[k] \cdot e^{-j2\pi k F}
Φaa(ej2πF)=k=−∞∑+∞ϕaa[k]⋅e−j2πkF
但PAM信号:
s
(
t
)
=
∑
k
=
−
∞
∞
a
[
k
]
g
(
t
−
k
T
)
s(t)=\sum_{k=-\infty}^{\infty}a{[k]}g(t-kT)
s(t)=k=−∞∑∞a[k]g(t−kT)
不属于稳态过程,因此其自相关函数与时间
t
t
t有关:
ϕ
(
t
,
τ
)
=
ϵ
(
s
(
t
+
τ
)
s
∗
(
t
)
)
\phi(t,\tau)=\epsilon(s(t+\tau)s^*(t))
ϕ(t,τ)=ϵ(s(t+τ)s∗(t))
幸运的是其属于循环稳态过程,即:
ϕ
(
t
,
τ
)
=
ϕ
(
t
+
k
T
,
τ
)
\phi(t,\tau)=\phi(t+kT,\tau)
ϕ(t,τ)=ϕ(t+kT,τ)
稳态信号与循环稳态信号:
稳态信号:
考虑一个稳态信号
s
(
t
)
=
A
cos
(
2
π
f
0
t
+
ϕ
)
s(t) = A \cos(2 \pi f_0 t + \phi)
s(t)=Acos(2πf0t+ϕ),其中
A
A
A 和
ϕ
\phi
ϕ是常数。
自相关函数:
R
x
(
τ
)
=
E
[
s
(
t
)
s
(
t
+
τ
)
]
R_x(\tau) = E[s(t) s(t + \tau)]
Rx(τ)=E[s(t)s(t+τ)]
R
x
(
τ
)
=
E
[
A
cos
(
2
π
f
0
t
+
ϕ
)
⋅
A
cos
(
2
π
f
0
(
t
+
τ
)
+
ϕ
)
]
R_x(\tau) = E[A \cos(2 \pi f_0 t + \phi) \cdot A \cos(2 \pi f_0 (t + \tau) + \phi)]
Rx(τ)=E[Acos(2πf0t+ϕ)⋅Acos(2πf0(t+τ)+ϕ)]
使用三角恒等式:
cos
(
A
)
cos
(
B
)
=
1
2
[
cos
(
A
+
B
)
+
cos
(
A
−
B
)
]
\cos(A) \cos(B) = \frac{1}{2} [\cos(A + B) + \cos(A - B)]
cos(A)cos(B)=21[cos(A+B)+cos(A−B)]
我们得到:
R
x
(
τ
)
=
A
2
⋅
1
2
E
[
cos
(
4
π
f
0
t
+
2
π
f
0
τ
+
2
ϕ
)
+
cos
(
2
π
f
0
τ
)
]
R_x(\tau) = A^2 \cdot \frac{1}{2} E[\cos(4 \pi f_0 t + 2 \pi f_0 \tau + 2 \phi) + \cos(2 \pi f_0 \tau)]
Rx(τ)=A2⋅21E[cos(4πf0t+2πf0τ+2ϕ)+cos(2πf0τ)]
由于
cos
(
4
π
f
0
t
+
2
π
f
0
τ
+
2
ϕ
)
\cos(4 \pi f_0 t + 2 \pi f_0 \tau + 2 \phi)
cos(4πf0t+2πf0τ+2ϕ)在一个周期内的均值为零,只剩下:
R
x
(
τ
)
=
A
2
⋅
1
2
cos
(
2
π
f
0
τ
)
R_x(\tau) = A^2 \cdot \frac{1}{2} \cos(2 \pi f_0 \tau)
Rx(τ)=A2⋅21cos(2πf0τ)
由此可见自相关函数
R
x
(
τ
)
R_x(\tau)
Rx(τ) 仅依赖于时间差
τ
\tau
τ,而与绝对时间
t
t
t 无关。
循环稳态信号:
s
(
t
)
=
∑
k
=
−
∞
∞
a
[
k
]
g
(
t
−
k
T
)
s(t) = \sum_{k=-\infty}^{\infty} a[k] g(t - kT)
s(t)=k=−∞∑∞a[k]g(t−kT)
ϕ
a
a
[
κ
]
=
E
{
a
[
k
+
κ
]
a
∗
[
k
]
}
\phi_{aa}[\kappa] = E\{a[k + \kappa] a^*[k]\}
ϕaa[κ]=E{a[k+κ]a∗[k]}
自相关函数:
R
s
(
t
,
τ
)
=
E
[
s
(
t
)
s
∗
(
t
+
τ
)
]
R_s(t, \tau) = E[s(t) s^*(t+\tau)]
Rs(t,τ)=E[s(t)s∗(t+τ)]
R
s
(
t
,
τ
)
=
E
[
(
∑
k
=
−
∞
∞
a
[
k
]
g
(
t
−
k
T
)
)
(
∑
l
=
−
∞
∞
a
[
l
]
g
∗
(
t
+
τ
−
l
T
)
)
]
R_s(t, \tau) = E \left[ \left( \sum_{k=-\infty}^{\infty} a[k] g(t - kT) \right) \left( \sum_{l=-\infty}^{\infty} a[l] g^*(t + \tau - lT) \right) \right]
Rs(t,τ)=E[(k=−∞∑∞a[k]g(t−kT))(l=−∞∑∞a[l]g∗(t+τ−lT))]
展开后:
R
s
(
t
,
τ
)
=
∑
k
=
−
∞
∞
∑
l
=
−
∞
∞
E
[
a
[
k
]
a
∗
[
l
]
]
g
(
t
−
k
T
)
g
∗
(
t
+
τ
−
l
T
)
R_s(t, \tau) = \sum_{k=-\infty}^{\infty} \sum_{l=-\infty}^{\infty} E \left[ a[k] a^*[l] \right] g(t - kT) g^*(t + \tau - lT)
Rs(t,τ)=k=−∞∑∞l=−∞∑∞E[a[k]a∗[l]]g(t−kT)g∗(t+τ−lT)
R
s
(
t
,
τ
)
=
∑
k
=
−
∞
∞
∑
l
=
−
∞
∞
ϕ
a
a
[
k
−
l
]
g
(
t
−
k
T
)
g
∗
(
t
+
τ
−
l
T
)
R_s(t, \tau) = \sum_{k=-\infty}^{\infty} \sum_{l=-\infty}^{\infty} \phi_{aa}[k-l] g(t - kT) g^*(t + \tau - lT)
Rs(t,τ)=k=−∞∑∞l=−∞∑∞ϕaa[k−l]g(t−kT)g∗(t+τ−lT)
通过将
l
=
k
+
κ
l = k + \kappa
l=k+κ 代入上式,可以简化为:
R
s
(
t
,
τ
)
=
∑
k
=
−
∞
∞
∑
κ
=
−
∞
∞
ϕ
a
a
[
κ
]
g
(
t
−
k
T
)
g
∗
(
t
+
τ
−
(
k
+
κ
)
T
)
R_s(t, \tau) = \sum_{k=-\infty}^{\infty} \sum_{\kappa=-\infty}^{\infty} \phi_{aa}[\kappa] g(t - kT) g^*(t + \tau - (k + \kappa)T)
Rs(t,τ)=k=−∞∑∞κ=−∞∑∞ϕaa[κ]g(t−kT)g∗(t+τ−(k+κ)T)
进一步简化后,我们得到:
R
s
(
t
,
τ
)
=
∑
κ
=
−
∞
∞
ϕ
a
a
[
κ
]
∑
k
=
−
∞
∞
g
(
t
−
k
T
)
g
∗
(
t
+
τ
−
(
k
+
κ
)
T
)
R_s(t, \tau) = \sum_{\kappa=-\infty}^{\infty} \phi_{aa}[\kappa] \sum_{k=-\infty}^{\infty} g(t - kT) g^*(t + \tau - (k + \kappa)T)
Rs(t,τ)=κ=−∞∑∞ϕaa[κ]k=−∞∑∞g(t−kT)g∗(t+τ−(k+κ)T)
此表达式显示了自相关函数不仅依赖于时间差
τ
\tau
τ,还依赖于时间
t
t
t 和
T
T
T 的周期性。
具体例子:
考虑信号
s
(
t
)
=
∑
k
=
−
∞
∞
a
[
k
]
g
(
t
−
k
T
)
s(t) = \sum_{k=-\infty}^{\infty} a[k] g(t - kT)
s(t)=∑k=−∞∞a[k]g(t−kT),其中
g
(
t
)
=
cos
(
2
π
f
0
t
)
g(t) = \cos(2\pi f_0 t)
g(t)=cos(2πf0t),
a
[
k
]
a[k]
a[k] 是一个二进制码流,取值 0 或 1。
自相关函数
R
s
(
t
,
τ
)
R_s(t, \tau)
Rs(t,τ) 定义为:
R
s
(
t
,
τ
)
=
E
[
s
(
t
)
s
∗
(
t
+
τ
)
]
R_s(t, \tau) = E[s(t) s^*(t + \tau)]
Rs(t,τ)=E[s(t)s∗(t+τ)]
代入
s
(
t
)
s(t)
s(t) 的表达式,我们得到:
R
s
(
t
,
τ
)
=
E
[
(
∑
k
=
−
∞
∞
a
[
k
]
cos
(
2
π
f
0
(
t
−
k
T
)
)
)
(
∑
l
=
−
∞
∞
a
[
l
]
cos
(
2
π
f
0
(
t
+
τ
−
l
T
)
)
)
]
R_s(t, \tau) = E \left[ \left( \sum_{k=-\infty}^{\infty} a[k] \cos(2\pi f_0 (t - kT)) \right) \left( \sum_{l=-\infty}^{\infty} a[l] \cos(2\pi f_0 (t + \tau - lT)) \right) \right]
Rs(t,τ)=E[(k=−∞∑∞a[k]cos(2πf0(t−kT)))(l=−∞∑∞a[l]cos(2πf0(t+τ−lT)))]
展开后:
R
s
(
t
,
τ
)
=
∑
k
=
−
∞
∞
∑
l
=
−
∞
∞
E
[
a
[
k
]
a
[
l
]
]
cos
(
2
π
f
0
(
t
−
k
T
)
)
cos
(
2
π
f
0
(
t
+
τ
−
l
T
)
)
R_s(t, \tau) = \sum_{k=-\infty}^{\infty} \sum_{l=-\infty}^{\infty} E \left[ a[k] a[l] \right] \cos(2\pi f_0 (t - kT)) \cos(2\pi f_0 (t + \tau - lT))
Rs(t,τ)=k=−∞∑∞l=−∞∑∞E[a[k]a[l]]cos(2πf0(t−kT))cos(2πf0(t+τ−lT))
对于二进制码流
a
[
k
]
a[k]
a[k],我们有:
E
[
a
[
k
]
]
=
p
E[a[k]] = p
E[a[k]]=p
E
[
a
[
k
]
a
[
l
]
]
=
{
p
if
k
=
l
p
2
if
k
≠
l
E[a[k] a[l]] = \begin{cases} p & \text{if } k = l \\ p^2 & \text{if } k \neq l \end{cases}
E[a[k]a[l]]={pp2if k=lif k=l
其中
p
p
p 是
a
[
k
]
a[k]
a[k] 取值为 1 的概率。
代入上述期望值,我们得到:
R
s
(
t
,
τ
)
=
∑
k
=
−
∞
∞
E
[
a
[
k
]
]
cos
(
2
π
f
0
(
t
−
k
T
)
)
cos
(
2
π
f
0
(
t
+
τ
−
k
T
)
)
+
∑
k
≠
l
E
[
a
[
k
]
a
[
l
]
]
cos
(
2
π
f
0
(
t
−
k
T
)
)
cos
(
2
π
f
0
(
t
+
τ
−
l
T
)
)
R_s(t, \tau) = \sum_{k=-\infty}^{\infty} E[a[k]] \cos(2\pi f_0 (t - kT)) \cos(2\pi f_0 (t + \tau - kT)) + \sum_{k \neq l} E[a[k] a[l]] \cos(2\pi f_0 (t - kT)) \cos(2\pi f_0 (t + \tau - lT))
Rs(t,τ)=k=−∞∑∞E[a[k]]cos(2πf0(t−kT))cos(2πf0(t+τ−kT))+k=l∑E[a[k]a[l]]cos(2πf0(t−kT))cos(2πf0(t+τ−lT))
使用三角恒等式:
cos
(
A
)
cos
(
B
)
=
1
2
[
cos
(
A
+
B
)
+
cos
(
A
−
B
)
]
\cos(A) \cos(B) = \frac{1}{2} [\cos(A+B) + \cos(A-B)]
cos(A)cos(B)=21[cos(A+B)+cos(A−B)]
展开后:
R
s
(
t
,
τ
)
=
∑
k
=
−
∞
∞
p
1
2
[
cos
(
2
π
f
0
(
2
t
+
τ
−
2
k
T
)
)
+
cos
(
2
π
f
0
τ
)
]
+
∑
k
≠
l
p
2
1
2
[
cos
(
2
π
f
0
(
2
t
+
τ
−
(
k
+
l
)
T
)
)
+
cos
(
2
π
f
0
(
τ
−
(
k
−
l
)
T
)
)
]
R_s(t, \tau) = \sum_{k=-\infty}^{\infty} p \frac{1}{2} \left[ \cos(2\pi f_0 (2t + \tau - 2kT)) + \cos(2\pi f_0 \tau) \right] + \sum_{k \neq l} p^2 \frac{1}{2} \left[ \cos(2\pi f_0 (2t + \tau - (k+l)T)) + \cos(2\pi f_0 (\tau - (k-l)T)) \right]
Rs(t,τ)=k=−∞∑∞p21[cos(2πf0(2t+τ−2kT))+cos(2πf0τ)]+k=l∑p221[cos(2πf0(2t+τ−(k+l)T))+cos(2πf0(τ−(k−l)T))]
我们关注主要项,简化后:
R
s
(
t
,
τ
)
=
p
2
cos
(
2
π
f
0
τ
)
+
p
2
∑
k
=
−
∞
∞
cos
(
2
π
f
0
(
2
t
+
τ
−
2
k
T
)
)
R_s(t, \tau) = \frac{p}{2} \cos(2\pi f_0 \tau) + \frac{p}{2} \sum_{k=-\infty}^{\infty} \cos(2\pi f_0 (2t + \tau - 2kT))
Rs(t,τ)=2pcos(2πf0τ)+2pk=−∞∑∞cos(2πf0(2t+τ−2kT))
由于第二项在有限周期内求和结果对整个自相关函数影响较小,我们可以简化为:
R
s
(
t
,
τ
)
=
p
2
cos
(
2
π
f
0
τ
)
+
p
2
G
(
t
,
τ
)
R_s(t, \tau) = \frac{p}{2} \cos(2\pi f_0 \tau) + \frac{p}{2} G(t, \tau)
Rs(t,τ)=2pcos(2πf0τ)+2pG(t,τ)
这里
G
(
t
,
τ
)
G(t, \tau)
G(t,τ) 是一个周期性函数,表示信号随时间
t
t
t 的变化。这个结果表明,信号
s
(
t
)
s(t)
s(t) 是一个循环稳态信号,其自相关函数
R
s
(
t
,
τ
)
R_s(t, \tau)
Rs(t,τ) 与时间
t
t
t 相关。
ϕ
ˉ
s
s
(
τ
)
=
1
T
∫
0
T
E
{
s
(
t
+
τ
)
s
∗
(
t
)
}
d
t
=
1
T
∫
0
T
E
{
∑
k
∑
l
α
[
k
]
α
∗
[
l
]
g
(
t
+
τ
−
k
T
)
g
∗
(
t
−
l
T
)
}
d
t
=
1
T
∫
0
T
∑
k
∑
l
E
{
α
[
k
]
α
∗
[
l
]
}
g
(
t
+
τ
−
k
T
)
g
∗
(
t
−
l
T
)
d
t
=
1
T
∫
0
T
∑
κ
∑
l
E
{
α
[
k
]
α
∗
[
k
−
κ
]
}
g
(
t
+
τ
−
k
T
)
g
∗
(
t
−
(
k
−
κ
)
T
)
d
t
\bar{\phi}_{ss}(\tau) = \frac{1}{T} \int_{0}^{T} \mathbb{E} \{ s(t + \tau)s^{*}(t) \} \, dt = \frac{1}{T} \int_{0}^{T} \mathbb{E} \left\{ \sum_{k} \sum_{l} \alpha[k] \alpha^{*}[l] g(t + \tau - kT) g^{*}(t - lT) \right\} \, dt \\ = \frac{1}{T} \int_{0}^{T} \sum_{k} \sum_{l} \mathbb{E} \left\{ \alpha[k] \alpha^{*}[l] \right\} g(t + \tau - kT) g^{*}(t - lT) \, dt \\ = \frac{1}{T} \int_{0}^{T} \sum_{\kappa} \sum_{l} \mathbb{E} \left\{ \alpha[k] \alpha^{*}[k - \kappa] \right\} g(t + \tau - kT) g^{*}(t - (k - \kappa)T) \, dt
ϕˉss(τ)=T1∫0TE{s(t+τ)s∗(t)}dt=T1∫0TE{k∑l∑α[k]α∗[l]g(t+τ−kT)g∗(t−lT)}dt=T1∫0Tk∑l∑E{α[k]α∗[l]}g(t+τ−kT)g∗(t−lT)dt=T1∫0Tκ∑l∑E{α[k]α∗[k−κ]}g(t+τ−kT)g∗(t−(k−κ)T)dt
把
ϕ
a
a
[
κ
]
=
E
{
a
[
k
+
κ
]
a
∗
[
k
]
\phi_{aa}[\kappa] = E \{ a[k + \kappa] a^*[k]
ϕaa[κ]=E{a[k+κ]a∗[k]代入式子中:
1
T
∑
κ
ϕ
a
a
[
κ
]
∑
k
∫
0
T
g
(
t
+
τ
−
k
T
)
g
∗
(
t
−
(
k
−
κ
)
T
)
d
t
\frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \sum_k \int_0^T g(t + \tau - kT) g^*(t - (k - \kappa)T) dt
T1κ∑ϕaa[κ]k∑∫0Tg(t+τ−kT)g∗(t−(k−κ)T)dt
因为
∑
k
∫
0
T
f
(
t
−
k
T
)
d
t
=
∫
−
∞
∞
f
(
t
)
d
t
\sum_k \int_0^T f(t - kT) dt = \int_{-\infty}^{\infty} f(t) dt
∑k∫0Tf(t−kT)dt=∫−∞∞f(t)dt:
1
T
∑
κ
ϕ
a
a
[
κ
]
∫
−
∞
∞
g
(
t
+
τ
)
g
∗
(
t
+
κ
T
)
d
t
\frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \int_{-\infty}^{\infty} g(t + \tau) g^*(t + \kappa T) dt \\
T1κ∑ϕaa[κ]∫−∞∞g(t+τ)g∗(t+κT)dt
把
φ
g
g
(
τ
)
=
g
(
t
)
∗
g
∗
(
−
t
)
=
∫
−
∞
∞
g
(
t
+
τ
)
g
∗
(
t
)
d
t
\varphi_{gg}(\tau) = g(t) * g^*(-t) = \int_{-\infty}^{\infty} g(t + \tau) g^*(t) dt
φgg(τ)=g(t)∗g∗(−t)=∫−∞∞g(t+τ)g∗(t)dt代入式子中:
ϕ
~
s
s
(
τ
)
=
1
T
∑
κ
ϕ
a
a
[
κ
]
φ
g
g
(
τ
−
κ
T
)
\begin{align*} \tilde{\phi}_{ss}(\tau) &= \frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \varphi_{gg}(\tau - \kappa T) \end{align*}
ϕ~ss(τ)=T1κ∑ϕaa[κ]φgg(τ−κT)
频域:
Φ
ˉ
s
s
(
f
)
=
F
τ
{
ϕ
~
s
s
(
τ
)
}
=
F
τ
{
1
T
∑
κ
ϕ
a
a
[
κ
]
φ
g
g
(
τ
−
κ
T
)
}
=
1
T
∑
κ
ϕ
a
a
[
κ
]
⋅
F
τ
{
φ
g
g
(
τ
−
κ
T
)
}
=
1
T
∑
κ
ϕ
a
a
[
κ
]
⋅
F
τ
{
φ
g
g
(
τ
)
}
⋅
e
−
j
2
π
f
κ
T
=
1
T
∑
κ
ϕ
a
a
[
κ
]
⋅
∣
G
(
f
)
∣
2
⋅
e
−
j
2
π
f
κ
T
=
1
T
Φ
a
a
(
e
j
2
π
f
T
)
⋅
∣
G
(
f
)
∣
2
\begin{align*} \bar{\Phi}_{ss}(f) &= \mathcal{F}_{\tau} \left\{ \tilde{\phi}_{ss}(\tau) \right\} \\ &= \mathcal{F}_{\tau} \left\{ \frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \varphi_{gg}(\tau - \kappa T) \right\} \\ &= \frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \cdot \mathcal{F}_{\tau} \left\{ \varphi_{gg}(\tau - \kappa T) \right\} \\ &= \frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \cdot \mathcal{F}_{\tau} \left\{ \varphi_{gg}(\tau) \right\} \cdot e^{-j2\pi f \kappa T}\\ &= \frac{1}{T} \sum_{\kappa} \phi_{aa}[\kappa] \cdot|G(f)|^2\cdot e^{-j2\pi f \kappa T}\\ &= \frac{1}{T} \Phi_{aa}(e^{j2\pi fT}) \cdot |G(f)|^2 \end{align*}
Φˉss(f)=Fτ{ϕ~ss(τ)}=Fτ{T1κ∑ϕaa[κ]φgg(τ−κT)}=T1κ∑ϕaa[κ]⋅Fτ{φgg(τ−κT)}=T1κ∑ϕaa[κ]⋅Fτ{φgg(τ)}⋅e−j2πfκT=T1κ∑ϕaa[κ]⋅∣G(f)∣2⋅e−j2πfκT=T1Φaa(ej2πfT)⋅∣G(f)∣2
所以基脉冲
g
(
t
)
g(t)
g(t)的最小带宽必须满足大于等于
1
T
\frac{1}{T}
T1,才能保证
Φ
a
a
(
e
j
2
π
f
T
)
\Phi_{aa}(e^{j2\pi fT})
Φaa(ej2πfT)在这个频率范围内存在一个完整周期。
对于等概率分布的
a
m
a_m
am,
P
(
a
m
)
=
1
M
P(a_m)=\frac{1}{M}
P(am)=M1:
ϕ
a
a
[
k
]
=
{
σ
a
2
+
∣
m
a
∣
2
,
f
u
¨
r
k
=
0
∣
m
a
∣
2
,
f
u
¨
r
k
∈
Z
∖
{
0
}
\phi_{aa}[k] = \begin{cases} \sigma_a^2 + |m_a|^2, & \text{für } k = 0 \\ |m_a|^2, & \text{für } k \in \mathbb{Z} \setminus \{0\} \end{cases}
ϕaa[k]={σa2+∣ma∣2,∣ma∣2,fu¨r k=0fu¨r k∈Z∖{0}
当
k
=
0
k = 0
k=0 时,自相关函数为:
ϕ
a
a
[
0
]
=
E
{
a
[
i
]
a
∗
[
i
]
}
=
E
{
∣
a
[
i
]
∣
2
}
\phi_{aa}[0] = E \{ a[i] a^*[i] \} = E \{ |a[i]|^2 \}
ϕaa[0]=E{a[i]a∗[i]}=E{∣a[i]∣2}
信号
a
[
i
]
a[i]
a[i] 的方差和均值关系如下:
σ
a
2
=
E
{
∣
a
[
i
]
−
m
a
∣
2
}
\sigma_a^2 = E \{ |a[i] - m_a|^2 \}
σa2=E{∣a[i]−ma∣2}
将其展开可以得到:
σ
a
2
=
E
{
∣
a
[
i
]
∣
2
−
2
Re
(
a
[
i
]
m
a
∗
)
+
∣
m
a
∣
2
}
\sigma_a^2 = E \{ |a[i]|^2 - 2 \operatorname{Re}(a[i] m_a^*) + |m_a|^2 \}
σa2=E{∣a[i]∣2−2Re(a[i]ma∗)+∣ma∣2}
由于
m
a
m_a
ma 是常数,可以将其从期望中提取出来:
σ
a
2
=
E
{
∣
a
[
i
]
∣
2
}
−
2
Re
(
m
a
E
{
a
[
i
]
}
)
+
∣
m
a
∣
2
\sigma_a^2 = E \{ |a[i]|^2 \} - 2 \operatorname{Re}(m_a E \{ a[i] \}) + |m_a|^2
σa2=E{∣a[i]∣2}−2Re(maE{a[i]})+∣ma∣2
因为
m
a
m_a
ma 是信号的均值,所以:
E
{
a
[
i
]
}
=
m
a
E \{ a[i] \} = m_a
E{a[i]}=ma
因此可以得到:
σ
a
2
=
E
{
∣
a
[
i
]
∣
2
}
−
2
∣
m
a
∣
2
+
∣
m
a
∣
2
\sigma_a^2 = E \{ |a[i]|^2 \} - 2 |m_a|^2 + |m_a|^2
σa2=E{∣a[i]∣2}−2∣ma∣2+∣ma∣2
简化后为:
E
{
∣
a
[
i
]
∣
2
}
=
σ
a
2
+
∣
m
a
∣
2
E \{ |a[i]|^2 \} = \sigma_a^2 + |m_a|^2
E{∣a[i]∣2}=σa2+∣ma∣2
对于独立同分布的信号
a
m
a_m
am,不同时间点的信号是独立的。
因此,当
k
≠
0
k \neq 0
k=0时,有:
ϕ
a
a
[
k
]
=
E
{
a
m
[
i
+
k
]
}
⋅
E
{
a
m
∗
[
i
]
}
\phi_{aa}[k] = E \{ a_m[i + k] \} \cdot E \{ a_m^*[i] \}
ϕaa[k]=E{am[i+k]}⋅E{am∗[i]}
由于
a
m
a_m
am 是独立同分布的信号,其均值为
m
a
m_a
ma,所以:
E
{
a
m
[
i
+
k
]
}
=
m
a
E \{ a_m[i + k] \} = m_a
E{am[i+k]}=ma
E
{
a
m
∗
[
i
]
}
=
m
a
∗
E \{ a_m^*[i] \} = m_a^*
E{am∗[i]}=ma∗
因此,可以得到:
ϕ
a
a
[
k
]
=
m
a
⋅
m
a
∗
=
∣
m
a
∣
2
\phi_{aa}[k] = m_a \cdot m_a^* = |m_a|^2
ϕaa[k]=ma⋅ma∗=∣ma∣2
最终推导结果:
Φ
a
a
(
F
)
=
σ
a
2
+
{
∣
m
a
∣
2
1
T
∑
ℓ
=
−
∞
+
∞
δ
(
F
−
ℓ
T
)
}
\Phi_{aa}(F) = \sigma_a^2 + \left\{ |m_a|^2 \frac{1}{T} \sum_{\ell=-\infty}^{+\infty} \delta\left(F - \frac{\ell}{T}\right) \right\}
Φaa(F)=σa2+{∣ma∣2T1ℓ=−∞∑+∞δ(F−Tℓ)}
Φ
ˉ
s
s
(
f
)
=
σ
a
2
∣
G
(
f
)
∣
2
T
+
∣
m
a
∣
2
∣
G
(
f
)
∣
2
T
2
∑
ℓ
=
−
∞
+
∞
δ
(
f
−
ℓ
T
)
\bar{\Phi}_{s s}(f)=\sigma_{a}^{2} \frac{|G(f)|^{2}}{T}+\left|m_{a}\right|^{2} \frac{|G(f)|^{2}}{T^{2}} \sum_{\ell=-\infty}^{+\infty} \delta\left(f-\frac{\ell}{T}\right)
Φˉss(f)=σa2T∣G(f)∣2+∣ma∣2T2∣G(f)∣2ℓ=−∞∑+∞δ(f−Tℓ)
因此若幅度系数的均值不为零,则在符号频率 1/T 的间隔处会出现离散谱线,这会导致大部分能量分散到我们不关心的频率上。