文章目录
1、为何要分析数字系统的误码率?
从《现代通信原理8.3:数字通信系统常用性能指标》中我们知道,系统的误码率定义为错误的码元个数除以传输的总码元个数。例如,如果传送了100万个码元,其中有54个码元出错,我们可以得到误码率为 5.4 × 1 0 − 5 5.4\times 10^{-5} 5.4×10−5。、
显然,尽管上述计算方法可以获得误码率,但我们必须先要有了通信系统,不论是实际工作的通信系统,还是仿真系统,进行了随机试验,比如确实发送1百万个码元,对错误码元进行测试统计,才能够得到结果。
这就带来两个问题。一方面,我们在设计一个新的系统时,可能会希望首先知道它的误码率如何,确定它能够满足自己的需要的时候,才会对其进行仿真或者实现。第二方面,即使我们有了这样的实际系统或者仿真系统,测试误码率的实际结果可能会花费大量时间。因为误码率结果只有在测试样本足够大的前提下,才可能较为准确(就像我们需要把硬币扔足够多次,其正面向上的概率才能够非常接近0.5一样)。
因此,我们希望是否能够通过理论分析的方法,来获得误码率的结果。这个结果实际上是码元错误的概率,而上述测试得到的结果会无限接近这个概率。因而,对各类系统的误码性能进行理论分析,是非常重要且活跃的研究领域。
2、采用低通滤波器接收时的的频带无限二进制基带传输系统误码性能分析
2.1 二进制基带传输系统误码性能分析模型
下面我们来看二进制基带系统的误码率分析模型,如图1所示,事实上也就是数字基带传输系统模型,我们希望能够得到 { b n } \{b_n\} { bn}与 { b ^ n } \{\hat b_n\} { b^n}的差错概率。
首先想要强调下这里我们所讨论的系统的特点:
- 二进制系统:发送波形为 s 1 ( t ) s_1(t) s1(t)和 s 2 ( t ) s_2(t) s2(t);
- 信道带宽无穷大:
- AWGN信道:
- 接收滤波器为低通滤波器:
在《现代通信原理9.2:数字基带传输系统模型》中,我们谈到,发射机发送的信号,经过信道之后到达接收端。这里考虑带宽无限信道,则接收信号为
r ( t ) = s ( t ) + n w ( t ) . (1) \tag{1} r(t)=s(t)+n_w(t). r(t)=s(t)+nw(t).(1)该信号进入接收机,经过的第一个模块是接收滤波器,接收滤波器输出信号为
y ( t ) = r ( t ) ∗ g R ( t ) . (2) \tag{2} y(t)=r(t)*g_R(t). y(t)=r(t)∗gR(t).(2)
下面我们来回答《现代通信原理9.2:数字基带传输系统模型》中提出的问题,接收滤波器的作用是什么呢?
回忆下在模拟系统中,进入接收机之后的第一个模块,也是滤波器。它的主要作用是尽量限制进入接收机的噪声功率,这样可以使得接收信号的信噪比尽量大,波形失真尽量小。
那么在数字系统里面,是否也是这样的思路呢?后面我们再来深入讨论。在这个部分,我们还是先从这个角度入手。也就是说,接收滤波器的第一个作用,是让有用信号能够无失真地通过的前提下,尽量限制噪声功率,因此这里我们把接收滤波器设计为低通滤波器。
如前所述,为了尽量限制进入接收机噪声功率,这里我们将接收滤波器设计为理想低通滤波器,其功率传递函数如图2(b)所示,带宽为 B B B。下面我们来看(1)中的有用信号与AWGN经过滤波器之后会发生什么样的变化。
- 高斯白噪声
首先我们来看噪声部分。加性高斯白噪声 n w ( t ) n_w(t) nw(t)功率谱密度如图2(a)所示,经过接收滤波器之后,变为低通AWGN,双边功率谱密度如图2©所示,其功率为 P n = N 0 B P_n=N_0B Pn=N0B。
图2 噪声通过低通滤波器 - 有用信号
下面我们来看 r ( t ) r(t) r(t)中有用部分信号。
前面我们谈到,这里考虑信道为带宽无限的,在这种情况下,我们一般会采用方波。
这里我们来看两个例子,即双极性不归零方波与单极性不归零方波,其示意图分别如图3(a)和(d)所示。需要注意的是,事实上这种波形所占据的频带是无穷大的(其分析详见《现代通信原理9.3:数字基带信号功率谱密度》,因此通过图2(b)中的低通接收滤波器,信号波形会有失真。为了简化分析,这里我们假定接收滤波器带宽 B B B足够宽,波形失真可以忽略不计。
从图1来看,接收滤波器输出信号可以表示为
y ( t ) = s ( t ) + n ( t ) , y(t)=s(t)+n(t), y(t)=s(t)+n(t),这里的 n ( t ) = n w ( t ) ∗ g R ( t ) n(t)=n_w(t)*g_R(t) n(t)=nw(t)∗gR(t),由于接收滤波器采用带宽为 B B B的理想低通滤波器,因此其功率谱密度 P N ( f ) P_N(f) PN(f)如图2(c )所示。
y ( t ) y(t) y(t)经过抽样器,若在每个码元的 t 0 t_0 t0时刻抽样,这里 0 ≤ t 0 ≤ T s 0\le t_0\le T_s 0≤t0≤Ts,则在第 n n n个码元周期,可以得到判决变量为
y n = y ( n T s + t 0 ) , y_n=y(nT_s+t_0), yn=y(nTs+t0),在判决模块中,判决变量与判决门限 V T V_T VT进行比较,就可以得到恢复的信息比特 b ^ n \hat b_n b^n。下面,我们分别讨论双极性和单极性两种情况。
2.2 双极性系统误码率
2.2.1 判决变量的概率密度函数
下面我们来对双极性系统误码率进行分析。由于 y ( t ) = s ( t ) + n ( t ) y(t)=s(t)+n(t) y(t)=s(t)+n(t),我们考虑当前码元 [ 0 , T s ] [0,T_s] [0,Ts],通过抽样,在码元波形的 t 0 t_0 t0时刻抽出一个随机变量 y y y作为判决变量,即
y = y ( t 0 ) = s ( t 0 ) + n ( t 0 ) , 0 ≤ t ≤ T s , (7) \tag{7} y=y(t_0)=s(t_0)+n(t_0),\quad 0\le t\le T_s, y=y(t0)=s(t0)+n(t0),0≤t≤Ts,(7)由于为双极性信号,从图3(a)-( c)可以得到
y = { A + n , 发 " 1 " − A + n , 发 " 0 " (8) \tag{8} y=\left\{\begin{aligned} A+n,\quad 发"1"\\ -A+n, \quad 发"0" \end{aligned}\right. y={
A+n,发"1"−A+n,发"0"(8)其中, n = n ( t 0 ) n=n(t_0) n=n(t0)为随机过程 n ( t ) n(t) n(t)上的一个随机变量,且有 n ∼ N ( 0 , σ n 2 ) n\sim {\mathcal N}(0,\sigma_n^2) n∼N(0,σn2),从图2(c ),我们已知其功率为 σ n 2 = N 0 B \sigma_n^2=N_0B σn2=N0B。因此,我们可以得到判决变量 y y y的概率分布为:
发 " 1 " : y ∼ N ( A , σ n 2 ) 发 " 0 " : y ∼ N ( − A , σ n 2 ) (9) \tag{9} \begin{aligned} 发"1":&y\sim {\mathcal N}(A,\sigma_n^2)\\ 发"0":&y\sim {\mathcal N}(-A,\sigma_n^2) \end{aligned} 发"1":发"0":y∼N(A,σn2)y∼N(−A,σn2)(9)因此,我们可以得到发"0"以及发"1"时,判决变量的条件概率密度函数分别为
p ( y ∣ " 0 " ) = 1 2 π σ n 2 e − ( y + A ) 2 2 σ n 2 p ( y ∣ " 1 " ) = 1 2 π σ n 2 e − ( y − A ) 2 2 σ n 2 (10) \tag{10} p(y|"0")=\frac{1}{\sqrt{2\pi \sigma_n^2}}e^{-\frac{(y+A)^2}{2\sigma_n^2}}\\ p(y|"1")=\frac{1}{\sqrt{2\pi \sigma_n^2}}e^{-\frac{(y-A)^2}{2\sigma_n^2}} p(y∣"0")=2πσn21e−2σn2(y+A)2p(y∣"1")=2πσn21e−2σn2(y−A)2(10)其示意图如图4(a)所示,可以看出,两条概率密度函数曲线形状相同,均值分别为 − A -A −A和 A A A。
2.2.2 错误概率推导
下面我们来求错误概率。图4(a)中, V T V_T VT为判决门限,判决准则如下:
b ^ n = { 1 , y > V T 0 , y ≤ V T (11) \tag{11} \hat b_n=\left\{\begin{aligned} 1,\quad y>V_T\\ 0, \quad y\le V_T \end{aligned}\right. b^n={
1,y>VT0,y≤VT(11)因此,如果发送的 b n = 1 b_n=1 bn=1,但 y ≤ V T y\le V_T y≤VT,则出现误码。显然,从图4(a)来看,阴影部分的面积, P r ( y ≤ V T ∣ " 1 " ) {\rm Pr}(y\le V_T|"1") Pr(y≤