一、什么是有记忆调制
\quad 连续发送的信号间具有相关性,引入相关性能使得发送信号频谱与信道的频谱特征相适应。可以通过编码来引入相关性。有记忆调制分为有记忆线性调制和有记忆非线性调制。
二、有记忆线性调制
\quad 三种基带信号:
- NRZ(非归零):二进制1用幅度为A的矩形脉冲表示,0用幅度为-A的矩形脉冲,没有引入记忆
- NRZI(非归零反转):也叫差分编码,发送1时幅度电平发生转换,发送0时与上一时刻一样,引入了记忆
- 延迟调制(密勒码)
\quad 转移矩阵:由信号间转移概率构成的矩阵。转移概率 P i j P_{ij} Pij表示当先前发送信号波形 s i ( t ) s_i(t ) si(t)之后,发送当前波形 s j ( t ) s_j(t) sj(t)的概率.如下图所示:
\quad
信号相关性的描述方法一般有状态图、转移矩阵和网格图三种。下图为NRZI信号对应的描述:
\quad
下图为延迟调制对应的三种描述:
三、有记忆非线性调制
\quad 这一节主要介绍CPFSK和CPM两种有记忆非线性调制方式。
连续相位FSK
\quad
无记忆FSK:用不同的频率携带要发送的数字信号,各频率间相互独立。由此特点可以得到无记忆FSK的缺点:存在频率突发式切换,造成频谱旁瓣增加,需要较大的传输带宽。解决方法就是:引入记忆,使载波相位连续变化,即CPFSK。
\quad
CPFSK:以PAM信号
d
(
t
)
=
∑
n
I
n
g
(
t
−
n
T
)
d(t)=\sum_n I_ng(t-nT)
d(t)=∑nIng(t−nT)来对载波进行频率调制,从而获得等效低通波形
v
(
t
)
=
2
ε
T
e
j
[
4
π
T
f
d
∫
d
(
τ
)
d
τ
+
ϕ
0
]
v(t)=\sqrt{\frac{2ε}{T}}e^{j[4\pi Tf_d \int d(\tau)d\tau+\phi_0]}
v(t)=T2εej[4πTfd∫d(τ)dτ+ϕ0],相应的已调信号波形为
s
(
t
)
=
2
ε
T
c
o
s
[
2
π
f
c
t
+
ϕ
(
t
,
I
)
+
ϕ
0
]
s(t)=\sqrt{\frac{2ε}{T}}cos[2\pi f_ct+\phi(t,I)+\phi_0]
s(t)=T2εcos[2πfct+ϕ(t,I)+ϕ0],其中
ϕ
(
t
,
I
)
=
4
π
T
f
d
∫
d
(
τ
)
d
τ
\phi(t,I)=4\pi Tf_d \int d(\tau)d\tau
ϕ(t,I)=4πTfd∫d(τ)dτ。
尽管d(t)具有不连续性,但d(t)的积分是连续的——连续相位。
\quad
接下来对
ϕ
(
t
,
I
)
\phi(t,I)
ϕ(t,I)进行进一步的探究:
连续相位调制CPM:CPFSK推广到一般情况
CPM的特例:最小移频键控MSK
四、数字调制信号的功率谱
\quad
选择调制技术时,必须考虑信道带宽的约束和带宽效率。如果求出随机过程的功率谱密度,就可以确定信号所需的信道带宽.
\quad
假设已调信号为
s
(
t
)
=
R
e
{
v
(
t
)
e
j
2
π
f
c
t
}
s(t)=Re\{v(t)e^{j2\pi f_ct}\}
s(t)=Re{v(t)ej2πfct},其自相关函数为
ϕ
s
s
(
τ
)
=
R
e
{
ϕ
v
v
(
τ
)
e
j
2
π
f
c
t
}
\phi_{ss}(\tau)=Re\{\phi_{vv}(\tau)e^{j2\pi f_ct}\}
ϕss(τ)=Re{ϕvv(τ)ej2πfct},其功率谱密度即为自相关函数的傅里叶变换,可以推得
Φ
s
s
(
f
)
=
1
2
[
Φ
v
v
(
f
−
f
c
)
+
Φ
v
v
(
−
f
−
f
c
)
]
\Phi_{ss}(f)=\frac{1}{2}[\Phi_{vv}(f-f_c)+\Phi_{vv}(-f-f_c)]
Φss(f)=21[Φvv(f−fc)+Φvv(−f−fc)]因此,求已调信号的功率谱,只要确定等效低通信号v(t)的自相关函数和功率谱即可!
\quad
等效低通信号为
v
(
t
)
=
∑
n
=
−
∞
n
=
∞
I
n
g
(
t
−
n
T
)
v(t)=\sum_{n=-\infty}^{n=\infty} I_ng(t-nT)
v(t)=∑n=−∞n=∞Ing(t−nT),
I
n
I_n
In的自相关函数为
ϕ
i
i
(
m
)
=
1
2
E
[
I
n
∗
I
n
+
m
]
\phi_{ii}(m)=\frac{1}{2}E[I_n^*I_{n+m}]
ϕii(m)=21E[In∗In+m]。
v
(
t
)
v(t)
v(t)的自相关函数密度为
Φ
v
v
(
f
)
=
1
T
∣
G
(
f
)
∣
2
Φ
i
i
(
f
)
\Phi_{vv}(f)=\frac{1}{T}|G(f)|^2\Phi_{ii}(f)
Φvv(f)=T1∣G(f)∣2Φii(f),其中
G
(
f
)
=
F
[
g
(
t
)
]
,
Φ
i
i
(
f
)
=
∑
m
=
−
∞
∞
ϕ
i
i
(
m
)
e
−
j
2
π
f
m
T
G(f)=F[g(t)],\Phi_{ii}(f)=\sum_{m=-\infty}^{\infty}\phi_{ii}(m)e^{-j2\pi fmT}
G(f)=F[g(t)],Φii(f)=∑m=−∞∞ϕii(m)e−j2πfmT。
\quad
上述式子说明了
v
(
t
)
v(t)
v(t)的功率谱密度由两个因素决定:
- 调制用的基本脉冲 g ( t ) g(t) g(t),较平滑的 g ( t ) g(t) g(t)导致更紧凑的功率谱密度
- 信息序列 I n {I_n} In的功率谱密度,取决于信息序列的相关特性,控制它可以得到不同的PSD
\quad TIPS:对于任意信息序列的自相关 ϕ i i ( m ) \phi_{ii}(m) ϕii(m) :相应的功率谱密度 ϕ i i ( m ) \phi_{ii}(m) ϕii(m)是以 1 T \frac{1}{T} T1为周期的频率函数。
\quad
当消息符号为实数,且互不相关时,可以得到化简后的功率谱
Φ
v
v
(
f
)
=
σ
i
2
T
∣
G
(
f
)
∣
2
+
μ
i
2
T
2
∑
m
=
−
∞
∞
∣
G
(
m
/
T
)
∣
2
δ
(
f
−
m
/
T
)
\Phi_{vv}(f)=\frac{\sigma_i^2}{T}|G(f)|^2+\frac{\mu_i^2}{T^2}\sum_{m=-\infty}^{\infty}|G(m/T)|^2\delta(f-m/T)
Φvv(f)=Tσi2∣G(f)∣2+T2μi2m=−∞∑∞∣G(m/T)∣2δ(f−m/T)进一步的特性分析见下图: