通信原理知识总结

背景与预览

该部分内容为本书中后续章节奠定了基础。

通信过程

通信的大体过程如下：

1. 信号的产生 ；
2. 信号描述 ；
3. 信号编码；
4. 已编码信号的传输 ；
5. 信号解码；
6. 信号恢复；
   

通信的两种基本模式：

1. 广播
2. 点对点

主要通信资源

通信系统的两种主要资源：发射功率和信道带宽¹
根据通信信道中两种资源的重要程度可将信道分为两类：功率受限和带宽受限
噪声是通信系统中不可避免的，为此引入参数SNR来衡量噪声的影响
$$SNR=\lg \frac{S_0}{n_{0}B}$$
其中$S_0$表示信号功率，$n_0$表示噪声功率谱密度，$B$表示噪声带宽

信源

信源	范围
话音	300Hz~3.4kHz
音乐	15kHz以上
图像	带宽4.2MHz,NTSC
计算机数据	bps~Mbps

通信网

通信信道

通信信道的特性决定了信息携带的容量和系统的质量，分别对应于 有效性和可靠性²

调制过程

• 连续波调制(CW)
  • 幅度调制(AM)
  • 频率调制(FM)
  • 相位调制(PM)
• 脉冲调制
  • 脉冲幅度调制(PAM)
  • 脉冲持续时间调制(PDM)

模拟和数字通信

香农信息容量定理

信息量定义$$I=lo{g}_2(\frac{1}{p})bit$$

信噪比
$$SNR=\frac{S_0}{n_{0}B}$$

信道容量$$C=B\ast lo{g}_2(1+SNR)b/s$$
$$\underset{B\to \infty }{\lim }C=1.44\frac{S_0}{n_0}$$
信息容量定义为通过信道无差错地传输信息的最大速率。在实际信道中，实际信号速率$R$小于$C$
信息容量定理的意义：

1. 提供了一个在给定信道带宽$B$和接收信噪比的情况下，理论上能达到的数据传输速率。用比值$$\eta =\frac{R}{C}$$来衡量数字通信系统地有效性。$\eta$越接近于1，有效性越好
2. 提供了权衡信道带宽和信噪比的基础
3. 提供了比较两种调制方式的抗噪声性能的理想化框架

一个数字通信问题

第1章 随机过程

知识回顾

随机过程
设 Ω = { ϖ } \Omega=\lbrace {\varpi} \rbrace Ω={ϖ}是随机试验$E$的样本空间，对每个固定的$t\in T,|T|=+\infty$，有$$X=X\left(\varpi ,t\right)\varpi \in \Omega ,t\in T$$令$t$在$T$中变动，得到依赖于$t$的一族随机变量，则称 { X = X ( ϖ , t ) , ϖ ∈ Ω , t ∈ T } \lbrace{X=X\left(\varpi,t\right),\varpi\in\Omega,t\in T\rbrace} {X=X(ϖ,t),ϖ∈Ω,t∈T}为随机过程，记为 { X ( t ) , t ∈ T } \lbrace{X\left(t\right),t\in T\rbrace} {X(t),t∈T}或$X\left(t\right)$,$X\left(\varpi ,t\right)$

随机过程即为定义在同一个$\Omega$上的无穷多个随机变量的集合族

对一个固定的${\varpi }_j$， { X ( ϖ j , t ) , t ∈ T } \lbrace{X\left(\varpi_j,t\right),t\in T\rbrace} {X(ϖj​,t),t∈T}是$t$的普通函数，成为随机过程对应于试验结果${\varpi }_j$的一个样本函数（轨迹）

随机过程的有限维分布函数族
随机过程 { X ( t ) , t ∈ T } \lbrace{X\left(t\right),t\in T\rbrace} {X(t),t∈T}，若固定$t\in T$,$X\left(t\right)$为随机变量
定义1：$\forall x\in R,F\left(x,t\right)=P\left(X\left(t\right)\le x\right)$称为$X\left(t\right)$的分布函数；参数$t$在$T$中变化，则 { F ( x , t ) ∣ t ∈ T } \lbrace{F\left(x,t\right)|t\in T\rbrace} {F(x,t)∣t∈T}称为$X\left(t\right)$的一维分布函数族
定义2：$\forall t_1,t_2\in T$$$F\left(x_1,x_2,t_1,t_2\right)=P\left(X\left(t_1\right)\le x_1,X\left(t_2\right)\le x_2\right)$$称为$X\left(t\right)$的二维分布函数族

随机过程的数字特征
均值函数：$$m_X\left(t\right)=E\left[X\left(t\right)\right]={\int }_{-\infty }^{\infty }x{f}_{X(t)}(x)dx$$
均方值函数：$${\psi }_X^2\left(t\right)=E\left[X^2\left(t\right)\right]$$
方差函数：$$D_X\left(t\right)=E{\left[X\left(t\right)-m_X\left(t\right)\right]}^2$$
均方差函数：$$\sqrt{D_X\left(t\right)}$$
自相关函数：$$R_X\left(s,t\right)=E\left[X\left(s\right)X\left(t\right)\right]={\int }_{-\infty }^{\infty }{\int }_{-\infty }^{\infty }{x}_1{x}_2{f}_{X(t_1),X(t_2)}(x_1,x_2)d{x}_{1}d{x}_2$$ 特别地，$$R_X\left(t,t\right)={\psi }_X^2\left(t\right)$$
协方差函数：$$C_X\left(s,t\right)=cov\left(X\left(s\right),X\left(t\right)\right)=E\left(X\left(s\right)-m_X\left(s\right)\right)\left(X\left(t\right)-m_X\left(t\right)\right)=R_X\left(s,t\right)-m_X\left(s\right)m_X\left(t\right)$$
互相关函数：$$\begin{gathered} R_{XY}(t,u)=E[(X(t)Y(u)] \\ {R}_{YX}(t,u)=E[(Y(t)X(u)] \\ \mathbf{R}(t,u)=\left[\begin{array}{cc}{R}_X(t,u)& R_{XY}(t,u)\\ R_{YX}(t,u)& R_Y(t,u)\end{array}\right] \end{gathered}$$如果$X(t)$和$Y(t)$分别是平稳的且是联合平稳的，则$$\begin{gathered} \mathbf{R}(\tau )=\left[\begin{array}{cc}{R}_X\tau )& R_{XY}(\tau )\\ R_{YX}(\tau )& R_Y(\tau )\end{array}\right] \\ {R}_{XY}(\tau )=R_{YX}(-\tau ) \end{gathered}$$

平稳过程

严平稳（狭义平稳）
当$$F_{X\left(t_1+\tau \right),...,X\left(t_k+\tau \right)}\left(x_1,...x_k\right)=F_{X\left(t_1\right),...,X\left(t_k\right)}\left(x_1,...x_k\right)$$对所有$\tau ,k$，和所有可能的观测时间$t_1,...,t_k$都成立时，则称随机过程$X\left(t\right)$是严平稳的
宽平稳（平稳）
满足

1. $\forall t,{\mu }_X\left(t\right)={\mu }_X$
2. $\forall t_1,t_2,R_X\left(t_1,t_2\right)=R_X\left(t_2-t_1\right)$

的随机过程称为平稳过程
严平稳$\nLeftrightarrow$宽平稳
有有限二阶矩的严平稳$\Rightarrow$宽平稳
联合平稳
满足

1. $\forall t,{\mu }_X\left(t\right)={\mu }_X,{\mu }_Y(t)={\mu }_Y$
2. $\forall t_1,t_2,R_{XY}\left(t_1,t_2\right)=R_{XY}\left(t_2-t_1\right)$

的随机过程$X(t)$和$Y(t)$称为是联合平稳的
平稳过程的性质
对于一个平稳过程，我们定义其自相关函数为$$R_X(\tau )=E[X(t+\tau )X(t)]$$

1. $R_X(0)=E[X^2(t)]$
2. $R_X(\tau )=R_X(-\tau )$
3. $|R_X(\tau )|\le R_X(0)$
   证明：$$\begin{gathered} E[(X(t+\tau )\pm X(t){)}^2]\ge 0 \\ E[X^2(t+\tau )]\pm 2E[X(t+\tau )X(t)]+E[X^2(t)]\ge 0 \\ 2R_X(0)\pm 2R_X(\tau )\ge 0 \\ -R_X(0)\le R_X(\tau )\le R_X(0) \end{gathered}$$
   

遍历过程（各态历经）

数学期望（集平均）：随机过程在整个过程上的平均
长期样本平均（时间平均）：随机过程$X(t)$在某一固定时间$t_k$的均值
什么时候能用时间平均代替集平均？

考虑一个观测区间定义在$-T\le t\le T$内的平稳过程$X(t)$的样本函数$x(t)$。$x(t)$的直流成分定义为时间平均$${\mu }_x(T)=\frac{1}{2T}{\int }_{-T}^{T}x(t)dt$$${\mu }_x$为一个随机变量，它的值由观测时间区间和选定的样本函数决定。因为假定$X(t)$是平稳的，所以$$\begin{array}{rl}E[{\mu }_x(T)]& =\frac{1}{2T}{\int }_{-T}^{T}E[x(t)]dt\\ & =\frac{1}{2T}{\int }_{-T}^T{\mu }_{X}dt\\ & ={\mu }_X\end{array}$$因此，时间平均${\mu }_x(T)$代表集平均${\mu }_X$的一个无偏估计。
如果满足下面两个条件，则称$X(t)$是均值遍历的：

• ${\lim }_{T\to \infty }{\mu }_x(T)={\mu }_X$
• ${\lim }_{T\to \infty }var({\mu }_x(T))=0$

此外，自相关函数$R_x(\tau ,t)$是在区间$-T\le t\le T$内观测的样本函数$x(t)$的时间平均。定义样本函数$x(t)$的时间平均自相关函数为$$R_x(\tau ,t)=\frac{1}{2T}{\int }_{-T}^{T}x(t+\tau )x(t)dt$$若满足下面两个条件，则称一个过程$x(t)$是自相关函数遍历的：

• ${\lim }_{T\to \infty }{R}_x(\tau ,T)=R_X(\tau )$
• ${\lim }_{T\to \infty }var[R_x(\tau ,T)]=0$

一个具有遍历性的随机过程一定是平稳的，但反之不一定

随机过程通过一个线性时不变滤波器

假定X(t)是一个平稳过程
$$\begin{gathered} Y(t)={\int }_{-\infty }^{\infty }h({\tau }_1)X(t-{\tau }_1)d{\tau }_1 \\ \begin{array}{rl}{\mu }_Y(t)& =E[Y(t)]\\ & =E[{\int }_{-\infty }^{\infty }h({\tau }_1)X(t-{\tau }_1)d{\tau }_1]\end{array} \end{gathered}$$
如果$E[X(t)]$对所有$t$是有限的，并且系统是稳定的，则可以交换积分和求期望的顺序，从而
$$\begin{array}{rl}{\mu }_Y(t)& ={\int }_{-\infty }^{\infty }h({\tau }_1)E[X(t-{\tau }_1)]d{\tau }_1\\ & ={\int }_{-\infty }^{\infty }h({\tau }_1){\mu }_X(t-{\tau }_1)d{\tau }_1\\ & ={\mu }_X{\int }_{-\infty }^{\infty }h({\tau }_1)d{\tau }_1\\ & ={\mu }_{X}H(0)\end{array}$$这里，$H(0)$是系统的一个零频率（直流）响应。

考虑$Y(t)$的自相关函数。
$$\begin{array}{rl}{R}_Y(t,u)& =E[Y(t)Y(u)]\\ & =E[{\int }_{-\infty }^{\infty }h({\tau }_1)X(t-{\tau }_1)d{\tau }_1{\int }_{-\infty }^{\infty }h({\tau }_2)X(u-{\tau }_2)d{\tau }_2]\end{array}$$
假设$E[X^2(t)]$对所有$t$是有限的，并且系统是稳定的，则可以交换积分和求期望的顺序，则
$$\begin{array}{rl}{R}_Y(t,u)& ={\int }_{-\infty }^{\infty }d{\tau }_{1}h({\tau }_1){\int }_{-\infty }^{\infty }d{\tau }_{2}h({\tau }_2)E[X(t-{\tau }_1)X(u-{\tau }_2)]\\ & ={\int }_{-\infty }^{\infty }d{\tau }_{1}h({\tau }_1){\int }_{-\infty }^{\infty }d{\tau }_{2}h({\tau }_2)R_X(t-{\tau }_1,u-{\tau }_2)\\ & ={\int }_{-\infty }^{\infty }{\int }_{-\infty }^{\infty }h({\tau }_1)h({\tau }_2)R_X(\tau -{\tau }_1+{\tau }_2)d{\tau }_{1}d{\tau }_2\end{array}$$

结论：如果一个稳定的线性时不变滤波器输入的是一个平稳随机过程，那么它的输出也是一个平稳随机过程

在上式中令$\tau =0$,则
$$E[(Y^2(t)]=R_Y(0)={\int }_{-\infty }^{\infty }{\int }_{-\infty }^{\infty }h({\tau }_1)h({\tau }_2)R_X({\tau }_1+{\tau }_2)d{\tau }_{1}d{\tau }_2$$结果为一个常数

功率谱密度

$$\begin{gathered} h({\tau }_1)={\int }_{-\infty }^{\infty }H(f)exp(j2\pi f{\tau }_1)df \\ \begin{array}{rl}E[Y^2(t)]& ={\int }_{-\infty }^{\infty }{\int }_{-\infty }^{\infty }[{\int }_{-\infty }^{\infty }H(f)exp(j2\pi f{\tau }_1)df]h({\tau }_2)R_X({\tau }_2-{\tau }_1)d{\tau }_{1}d{\tau }_2\\ & ={\int }_{-\infty }^{\infty }dfH(f){\int }_{-\infty }^{\infty }d{\tau }_{2}h({\tau }_2){\int }_{-\infty }^{\infty }{R}_X({\tau }_2-{\tau }_1)exp(j2\pi f{\tau }_1)d{\tau }_1\end{array} \end{gathered}$$令$\tau ={\tau }_1-{\tau }_2$，则
$$E[Y^2(t)]={\int }_{-\infty }^{\infty }dfH(f){\int }_{-\infty }^{\infty }d{\tau }_{2}h({\tau }_2)exp(j2\pi f{\tau }_2){\int }_{-\infty }^{\infty }{R}_X(\tau )exp(-j2\pi f\tau )d\tau$$其中，$$H^{\ast }(f)={\int }_{-\infty }^{\infty }d{\tau }_{2}h({\tau }_2)exp(j2\pi f{\tau }_2)$$是滤波器频率响应的复共轭，则
$$E[Y^2(t)]={\int }_{-\infty }^{\infty }df|H(f){|}^2{\int }_{-\infty }^{\infty }{R}_X(\tau )exp(-j2\pi f\tau )d\tau$$
令$$S_X(f)={\int }_{-\infty }^{\infty }{R}_X(\tau )exp(-j2\pi f\tau )d\tau$$定义为平稳随机过程$X(t)$的功率谱密度或功率谱,则
$$E[Y^2(t)]={\int }_{-\infty }^{\infty }|H(f){|}^2{S}_X(f)df$$
功率谱密度的特性
$$\begin{gathered} S_X(f)={\int }_{-\infty }^{\infty }{R}_X(\tau )exp(-j2\pi f\tau )d\tau \\ {R}_X(\tau )={\int }_{-\infty }^{\infty }{S}_X(f)exp(j2\pi f\tau )df \end{gathered}$$

• 性质1$$S_x(0)={\int }_{-\infty }^{\infty }{R}_X(\tau )d\tau$$
• 性质2$$E[X^2(t)]=R_X(0)={\int }_{-\infty }^{\infty }{S}_X(f)df$$
• 性质3$$S_X(f)\ge 0$$
• 性质4$$S_X(f)=S_X(-f)$$
• 性质5 功率谱密度标准化后，具有概率密度函数的性质$$p_X(f)=\frac{S_X(f)}{{\int }_{-\infty }^{\infty }{S}_X(f)df}$$

输入和输出随机过程功率谱密度的关系
$$S_Y(f)=|H(f){|}^2{S}_X(f)$$

高斯过程

$$Y={\int }_0^{T}g(t)X(t)dt$$

如果加权函数$g(t)$使得随机变量$Y$的均方值有限，并且对于每一个$g(t)$，随机变量$Y$都是高斯分布的，即$X(t)$的所有线性泛函都是高斯随机变量，则称$X(t)$为高斯过程。

如果概率密度函数有如下形式，则称随机变量$Y$是高斯分布的：$$f_Y(y)=\frac{1}{\sqrt{2\pi }{\sigma }_Y}exp[-\frac{(y-{\mu }_Y{)}^2}{2{\sigma }_Y^2}]$$高斯过程的优点：

1. 易于分析
2. 适用于物理现象所产生的随机过程

中心极限定理
令$X_i(i=1,2,...,N)$为一组满足如下要求的随机变量：

1. $X_i$是统计独立的
2. $X_i$具有相同的概率分布，均值为${\mu }_X$，方差为${\sigma }_X^2$

这些$X_i$可以组成一组独立同分布的随机变量。
令$$Y_i=\frac{1}{{\sigma }_X}(X_i-{\mu }_X)i=1,2,...,N$$于是有$$\begin{array}{rl}E(Y_i)& =0\\ var[Y_I]& =1\end{array}$$定义随机变量$$V_N=\frac{1}{\sqrt{N}}\sum _{i=1}^N{Y}_i$$
中心极限定理表明，$V_N$的概率分布在$N$趋于无穷时的极限逼近于标准高斯分布$\mathcal{N}(0,1)$

高斯过程的近似

• 性质1 高斯过程$X(t)$通过一个稳定线性滤波器，那么滤波器的输出$Y(t)$也是高斯型的，其中$$Y(t)={\int }_0^{T}h(t-\tau )X(\tau )d\tau 0\le t<\infty$$
• 性质2 略
• 性质3 如果高斯过程是平稳的，那么也一定是严平稳的
• 性质4 略

噪声

散弹噪声
$$X(t)=\sum _{k=-\infty }^{\infty }h(t-{\tau }_k)$$其中$h(t-{\tau }_k)$为${\tau }_k$时刻产生的电流脉冲，则$X(t)$为一个平稳随机过程，称为散弹噪声。
热噪声

白噪声
样本函数为$w(t)$的白噪声的功率谱密度为$$S_W(f)=\frac{N_0}{2}$$
只要系统输入端的噪声带宽比系统带宽大得多，就可以认为系统是白噪声的。
窄带噪声
通信系统接收机的预处理装置采用窄带滤波器，其带宽正好足够使接收信号的调制成分无失真地通过，同时又能限制多余的噪声通过。滤波器输出端的噪声称为窄带噪声。

基于同相和正交分量地窄带噪声表示法
考虑带宽为$2B$，中心频率为$f_c$的窄带噪声$n(t)$
$$n(t)=n_I(t)cos(2\pi f_{c}t)-n_Q(t)sin(2\pi f_{c}t)$$其中$n_I(t)$为$n(t)$的同相分量，$n_Q(t)$为$n(t)$的正交分量。

窄带噪声的同相和正交分量具有如下特性：

1. $n_I(t)$和$n_Q(t)$具有零均值

2. 如果$n(t)$是高斯型的，则$n_I(t)$和$n_Q(t)$也是高斯型的

3. 如果$n(t)$是平稳的，则$n_I(t)$和$n_Q(t)$也是平稳的

4. $n_I(t)$和$n_Q(t)$具有相同的功率谱密度$$S_{N_I}(f)=S_{N_Q}(f)=f(n)=\{\begin{array}{ll}{S}_N(f-f_c)+S_N(f+f_c),& \text{if }-B\le f\le B\\ 0,& \text{其他 }\end{array}$$其中，假设$S_N(f)$占用了频率间隔$f_c-B\le |f|\le f_c+B$且$f_c>B$

5. $n_I(t)$和$n_Q(t)$具有相同的方差，其值等于$n(t)$的方差

6. $n_I(t)$和$n_Q(t)$的互功率谱密度为纯虚函数$$\begin{array}{rl}{S}_{N_I{N}_Q}(f)& =-S_{N_Q{N}_I}(f)\\ & =\{\begin{array}{ll}j[S_N(f+f_c)-S_N(f-f_c)],& \text{if }-B\le f\le B\\ 0,& \text{其他 }\end{array}\end{array}$$

7. 假定$n(t)$是高斯型的，并且其功率谱密度$S_N(t)$关于中心频率$f_c$对称，那么$n_I(t)$和$n_Q(t)$就是统计独立的

基于包络和相位的窄带噪声表示法
$$n(t)=r(t)cos[2\pi f_{c}t+\psi (t)]$$
其中，幅度和相位分别为$$\begin{array}{rl}r(t)& =[n_I^2(t)+n_Q^2(t){]}^{\frac{1}{2}}\\ \psi (t)& =ta{n}^{-1}[\frac{n_Q(t)}{n_I(t)}]\end{array}$$令$N_I$和$N_Q$分别表示通过观测由样本函数$n_I(t)$和$n_Q(t)$表示的随机过程所得到的随机变量。$N_I$和$N_Q$为独立的高斯随机变量，其均值为零，方差为${\sigma }^2$，于是联合概率密度函数为$$f_{N_I,N_Q}(n_I,n_Q)=\frac{1}{2\pi {\sigma }^2}exp(-\frac{n_I^2+n_Q^2}{2{\sigma }^2})d{n}_{I}d{n}_Q$$定义变换：$$\begin{array}{rl}{n}_I& =rcos\psi \\ n_Q& =rsin\psi \end{array}$$从极限意义上，下图中两个阴影面积等同，即$$d{n}_{I}d{n}_Q=rdrd\psi$$
令$R$和$\Psi$分别表示通过观测由样本函数$r(t)$和$\psi (t)$表示的随机过程所得到的随机变量，则随机变量$R$和$\Psi$落在阴影部分的概率为$$\frac{r}{2\pi {\sigma }^2}exp(-\frac{r^2}{2{\sigma }^2})drd\psi$$即$R$和$\Psi$的联合概率密度为$$f_{R,\Psi }(r,\psi )=\frac{r}{2\pi {\sigma }^2}exp(-\frac{r^2}{2{\sigma }^2})$$其中概率密度函数与角度$\Psi$无关，说明随机变量$R$和$\Psi$是统计独立的。可将$f_{R,\Psi }(r,\psi )$表示为$f_R(r)$和$f_{\Psi }(\psi )$的乘积。$$\begin{array}{rl}& f_{\Psi }(\psi )=\{\begin{array}{ll}\frac{1}{2\pi },& 0\le \psi \le 2\pi \\ 0,& \text{其他}\end{array}\\ & f_R(r)=\{\begin{array}{ll}\frac{r}{{\sigma }^2}exp(-\frac{r^2}{2{\sigma }^2}),& r\ge 0\\ 0,& \text{其他}\end{array}\text{式（1）}\end{array}$$具有式(1)所示的概率密度的随机变量称为是瑞利分布的
令$$\begin{array}{rl}v& =\frac{r}{\sigma }\\ f_V(v)& =\sigma f_R(r)\end{array}$$得到瑞利分布的标准化形式：$$f_V(v)=\{\begin{array}{ll}vexp(-\frac{v^2}{2}),& v\ge 0\\ 0,& \text{其他}\end{array}$$

正弦信号加窄带噪声
正弦信号上叠加噪声的一个样本函数可表示为$$\begin{array}{rl}x(t)& =Acos(2\pi f_{c}t)+n(t)\\ & =n_I^{\prime }(t)cos(2\pi f_{c}t)-n_Q(t)sin(2\pi f_{c}t)\end{array}$$其中，$$n_I^{\prime }(t)=A+n_I(t)$$假设$n(t)$是均值为零，方差为${\sigma }^2$的高斯过程，则

1. $n_I^{\prime }(t)$和$n_Q(t)$为高斯型，并且是统计独立的
2. $n_I^{\prime }(t)$的均值为$A$，$n_Q(t)$的均值为零
3. $n_I^{\prime }(t)$和$n_Q(t)$的方差都是${\sigma }^2$

随机变量$N_I^{\prime }$和$N_Q$的联合密度函数为
$$f_{N_I^{\prime },N_Q}(n_I^{\prime },n_Q)=\frac{1}{2\pi {\sigma }^2}exp(-\frac{(n_I^{\prime }-A{)}^2+n_Q^2}{2{\sigma }^2})$$令$r(t)$表示$x(t)$的包络，$\psi (t)$表示其相位，则 r ( t ) = { [ n I ′ ( t ) ] 2 + n Q 2 ( t ) } 1 2 ψ ( t ) = t a n − 1 [ n Q ( t ) n I ′ ( t ) ] \begin{aligned}r(t)&=\lbrace{[n'_I(t)]^2+n_Q^2(t)\rbrace}^{\frac1 2}\\\psi(t)&=tan^{-1}[\frac{n_Q(t)}{n'_I(t)}]\end{aligned} r(t)ψ(t)​={[nI′​(t)]2+nQ2​(t)}21​=tan−1[nI′​(t)nQ​(t)​]​由此得到$$f_{R,\Psi }(r,\psi )=\frac{r}{2\pi {\sigma }^2}exp(-\frac{r^2+A^2-2Arcos\psi }{2{\sigma }^2})$$可看出，随机变量$R$和$\Psi$是相关的。
$$\begin{array}{rl}{f}_R(r)& ={\int }_0^{2\pi }{f}_{R,\Psi }(r,\psi )d\psi \\ & =\frac{r}{{\sigma }^2}exp(-\frac{r^2+A^2}{2{\sigma }^2})I_0(\frac{Ar}{{\sigma }^2})\end{array}$$其中，根据第一类零阶修正贝塞尔函数的积分式$$I_0(x)=\frac{1}{2\pi }{\int }_0^{2\pi }exp(xcos\psi )d\psi$$令$$\begin{array}{rl}v& =\frac{r}{\sigma }\\ a& =\frac{A}{\sigma }\\ f_V(v)& =\sigma f_R(r)\end{array}$$
可得到莱斯分布的标准化形式：$$f_V(v)=vexp(-\frac{v^2+a^2}{2})I_0(av)$$

1. 当$a=0$时，莱斯分布退化为瑞利分布
2. 当$a$足够大时，包络分布近似于围绕$v=a$的高斯分布，$\sigma$为噪声$n(t)$平均功率的平方根

连续波调制

幅度调制

$$s(t)=A_c[1+k_{a}m(t)]cos(2\pi f_{c}t)$$
条件：

1. $|k_{a}m(t)|<1\text{for all t}$
2. $f_c\gg W$ ,其中，$W$是$m(t)$的最高频率分量，称为信号带宽。
   

幅度调制的优缺点
优点： 实现方式简单
缺点： 浪费带宽和功率

线性调制方案

$$s(t)=s_I(t)cos(2\pi f_{c}t)-s_Q(t)sin(2\pi f_{c}t)$$
线性调制的三种分类：

1. $DSB-SC(Doublesideband-suppressedcarrier)$:只传送上边带和下边带
2. $SSB(Singlesidebandmodulation)$:只传送上边带或下边带
3. $VSB(Vestigialsideband)$：只传送某一边带的残余和另一边带相应修改的部分

$DSB-SC$
$$s(t)=A_{c}m(t)cos(2\pi f_{c}t)$$

相干检测

相干检测是指本地振荡器信号和乘积调制器中$s(t)$所用的载波$c(t)$在频率和相位上是完全相干或同步的。
$$\begin{array}{rl}v(t)& =A_c^{\prime }cos(2\pi f_{c}t+\varphi )s(t)\\ & =A_c{A}_c^{\prime }cos(2\pi f_{c}t)cos(2\pi f_{c}t+\varphi )m(t)\\ & =\frac{1}{2}{A}_c{A}_c^{\prime }cos(4\pi f_c{t}_{\varphi })m(t)+\frac{1}{2}{A}_c{A}_c^{\prime }cos\varphi m(t)\end{array}$$

科斯塔接收机

正交载波复用(QAM)

$$s(t)=A_c{m}_1(t)cos(2\pi f_{c}t)+A_c{m}_2(t)sin(2\pi f_{c}t)$$

SSB调制

VSB调制

1. 与$f_c$等距离的任意两个频率点的幅度相应$|H(f)|$之和为1
2. 相位相应$arg(H(f)$是线性的，即$$H(f-f_c)+H(f+f_c)=1-W\le f_c\le W$$

传输带宽$B_{\tau }=W+f_v$，其中$W$为消息带宽，$f_v$为残留边带宽度

VSB已调信号的时域表达式为$$s(t)=\frac{1}{2}{A}_{c}m(t)cos(2\pi f_{c}t)\pm \frac{1}{2}{A}_c{m}^{\prime }(t)sin(2\pi f_{c}t)$$发送上边带的残留部分时取加号，发送下边带的残留部分时取减号。
将消息信号$m(t)$通过频率响应$H_Q(f)$得到$m^{\prime }(t)$，其中$$H_Q(f)=j[H(f-f_c)-H(f+f_c)]-W\le f\le W$$

频率搬移

频分复用

角度调制

$$s(t)=A_{c}cos[{\theta }_i(t)]$$
瞬时频率$$\begin{array}{rl}{f}_i(t)& =\underset{\Delta t\to 0}{\lim }{f}_{\Delta t}(t)\\ & =\underset{\Delta t\to 0}{\lim }[\frac{{\theta }_i(t+\Delta t)-{\theta }_i(t)}{2\pi \Delta t}]\\ & =\frac{1}{2\pi }\frac{d{\theta }_i(t)}{dt}\end{array}$$角度调制信号可理解为一个旋转矢量。对未调载波，$${\theta }_i(t)=2\pi f_{c}t+{\varphi }_c$$
两种常用的角度调制方式：

• 相位调制(PM)
  $$\begin{gathered} {\theta }_i(t)=2\pi f_{c}t+k_{p}m(t) \\ s(t)=A_{c}cos[2\pi f_{c}t+k_{p}m(t)] \end{gathered}$$
• 频率调制(FM)
  $$\begin{gathered} f_i(t)=f_c+k_{f}m(t) \\ {\theta }_i(t)={\int }_0^t{f}_i(\tau )d\tau \\ s(t)=A_{c}cos[2\pi f_{c}t+2\pi k_f{\int }_0^{t}m(\tau )d\tau ] \end{gathered}$$

频率调制

$$m(t)=A_{m}cos(2\pi f_{m}t)$$
瞬时频率$$\begin{array}{rl}{f}_i(t)& =f_c+k_f{A}_{m}cos(2\pi f_{m}t)\\ & =f_c+\Delta fcos(2\pi f_{m}t)\end{array}$$其中，$\Delta f=k_f{A}_m$称为频偏
$$\begin{array}{rl}{\theta }_i(t)& ={\int }_0^t{f}_i(\tau )d\tau \\ & =2\pi f_{c}t+\frac{\Delta f}{f_m}sin(2\pi f_{m}t)\end{array}$$
FM的调制指数$$\beta =\frac{\Delta f}{f_m}$$$\beta$表示FM信号的相偏，单位为弧度。
$$s(t)=A_{c}cos[2\pi f_{c}t+\beta sin(2\pi f_{m}t)]$$

• 窄带FM：$\beta <1rad$
• 宽带FM：$\beta >1rad$

窄带FM
$$\begin{array}{rl}s(t)& =A_{c}cos(2\pi f_{c}t)cos[\beta sin(2\pi f_{m}t)]-A_{c}sin(2\pi f_{c}t)sin[\beta sin(2\pi f_{m}t)]\\ & \simeq A_{c}cos(2\pi f_{c}t)-\beta A_{c}sin(2\pi f_{c}t)sin(2\pi f_{m}t)\end{array}$$

当$\beta \le 0.3rad$时，可有效消除残留AM和谐波PM造成的影响。
s ( t ) ≃ A c c o s ( 2 π f c t ) + 1 2 β A c { c o s [ 2 π ( f c + f m ) t ] − c o s [ 2 π ( f c − f m ) t ] } s(t)\simeq A_ccos(2\pi f_ct)+\frac 1 2\beta A_c\{cos[2\pi (f_c+f_m)t]-cos[2\pi (f_c-f_m)t]\} s(t)≃Ac​cos(2πfc​t)+21​βAc​{cos[2π(fc​+fm​)t]−cos[2π(fc​−fm​)t]}
s A M ( t ) = A c c o s ( 2 π f c t ) + 1 2 μ A c { c o s [ 2 π ( f c + f m ) t ] + c o s [ 2 π ( f c − f m ) t ] } s_{AM}(t)= A_ccos(2\pi f_ct)+\frac 1 2\mu A_c\{cos[2\pi (f_c+f_m)t]+cos[2\pi (f_c-f_m)t]\} sAM​(t)=Ac​cos(2πfc​t)+21​μAc​{cos[2π(fc​+fm​)t]+cos[2π(fc​−fm​)t]}
与AM信号相同，窄带FM信号的传输带宽也为$2f_m$

宽带FM
对FM信号
$$s(t)=A_{c}cos[2\pi f_{c}t+\beta sin(2\pi f_{m}t)]$$考虑任意大小的$\beta$
假设与FM信号的带宽相比，$f_c$足够大，则
$$\begin{array}{rl}s(t)& =Re[A_{c}exp(j2\pi f_{c}t+j\beta sin(2\pi f_{m}t))]\\ & =Re[\tilde{s}(t)exp(j2\pi f_{c}t)]\end{array}$$其中，$$\tilde{s}(t)=A_{c}exp[j\beta sin(2\pi f_{m}t)]$$这样，$\tilde{s}(t)$就是一个周期信号，则$$\tilde{s}(t)=\sum _{n=-\infty }^{\infty }{c}_{n}exp(j2\pi n{f}_{m}t)$$其中，$$\begin{array}{rl}{c}_n& =f_m{\int }_{-\frac{1}{2}{f}_m}^{\frac{1}{2}{f}_m}\tilde{s}(t)exp(-j2\pi n{f}_{m}t)dt\\ & =f_m{A}_c{\int }_{-\frac{1}{2}{f}_m}^{\frac{1}{2}{f}_m}exp(j\beta sin(2\pi f_{m}t)-j2\pi n{f}_{m}t)dt\end{array}$$令$x=2\pi f_{m}t$，则$$c_n=\frac{A_c}{2\pi }{\int }_{-\pi }^{\pi }exp[j(\beta sinx-nx)]dx$$第一类贝塞尔函数$$J_n(\beta )=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }exp[j(\beta sinx-nx)]dx$$因此，$$c_n=A_c{J}_n(\beta )$$则，$$s(t)=A_c\sum _{n=-\infty }^{\infty }{J}_n(\beta )cos[2\pi (f_c+n{f}_m)t]$$$$S(f)=\frac{A_c}{2}\sum _{n=-\infty }^{\infty }{J}_n(\beta )[\delta (f-f_c-n{f}_m)+\delta (f+f_c+n{f}_m)]$$

贝塞尔函数的性质：

1. $J_n(\beta )=(-1{)}^n{J}_{-n}(\beta )$
2. 当$\beta$很小时，有$$\begin{gathered} \{\begin{array}{l}{J}_0(\beta )\approx 1\\ J_1(\beta )\approx \frac{\beta }{2}\\ J_n(\beta )\approx 0,n>2\end{array} \\ \sum _{n=-\infty }^{\infty }{J}_n^2(\beta )=1 \end{gathered}$$

结论如下：

1. FM信号的频谱含有载波分量和无穷多个边频分量$f_m,2f_m,...,$边频分量以载频为中心对称分布。而AM系统中只产生一对边频
2. 对$\beta <1$的特殊情况，FM信号由载频和位于$f_c\pm f_m$处的一对边频组成，相当于窄带FM
3. 载波分量的幅度随$J_0(\beta )$变化，即FM信号中载波分量的幅度由调制指数$\beta$确定，这个性质的含义是：FM信号是恒包络的。因此，FM信号在$1\Omega$电阻上产生的功率为恒定值：
   $$P=\frac{1}{2}{A}_c^2\sum _{n=-\infty }^{\infty }{J}_n^2(\beta )=\frac{1}{2}{A}_c^2$$

FM信号的传输带宽
对频率为$f_m$的单音频调制信号产生的FM信号的传输带宽可定义为如下近似规则：$$B_T\approx 2\Delta f+2f_m=2\Delta f(1+\frac{1}{\beta })$$该经验关系称为卡逊准则。
另一种定义带宽的方法，要求边频的幅度超过未调载波幅度的1%，则传输带宽为$2n_{max}{f}_m$，$n_{max}$为满足$|J_n(\beta )>0.01|$的最大整数$n$。

对于更为普遍的最高频率分量为W的任意调制信号$m(t)$将频偏$\Delta f$与W的比值定义为偏移率D，其中$\Delta f$对应于调制信号$m(t)$的最大可能幅度，用D代替$\beta$，w代替$f_m$，运用上面两种方法。从实际看，卡逊准则得到的带宽小于FM系统所需要的带宽，由标准曲线得到的带宽为保守值，因此，实际应用中可以接受的传输带宽位于这两个值之间。

FM信号的产生
间接FM
FM信号的解调
使用鉴频器的直接解调方法

$$\begin{gathered} H_1(f)=\{\begin{array}{l}j2\pi a(f-f_c+\frac{B_T}{2}),f_c-\frac{B_T}{2}\le f\le f_c+\frac{B_T}{2}\\ j2\pi a(f+f_c-\frac{B_T}{2}),-f_c-\frac{B_T}{2}\le f\le -f_c+\frac{B_T}{2}\\ 0,\text{其他}\end{array} \\ \sum _{n=-\infty }^{\infty }{J}_n^2(\beta )=1 \end{gathered}$$
可用频率响应为${\tilde{H}}_1(f)$的低通滤波器代替频率响应为$H_1(f)$的带通滤波器：

$${\tilde{H}}_1(f-f_c)=2H_1(f),f>0$$则
$${\tilde{H}}_1(f)=\{\begin{array}{ll}j4\pi a(f+\frac{B_T}{2}),& -\frac{B_T}{2}\le f\le \frac{B_T}{2}\\ 0,& \text{其他}\end{array}$$
由前面知道，$$s(t)=A_{c}cos[2\pi f_{c}t+2\pi k_f{\int }_0^{t}m(\tau )d\tau ]$$$s(t)$的复包络$$\tilde{s}(t)=A_{c}exp[j2\pi k_f{\int }_0^{t}m(\tau )d\tau ]$$则$$\begin{array}{rl}{\tilde{S}}_1(f)& =\frac{1}{2}{\tilde{H}}_1(f)\tilde{S}(f)\\ & =\{\begin{array}{ll}j2\pi a(f+\frac{B_T}{2})\tilde{S}(f),& -\frac{B_T}{2}\le f\le \frac{B_T}{2}\\ 0,& \text{其他}\end{array}\end{array}$$
$$\begin{array}{rl}{\tilde{s}}_1(t)& =a[\frac{d\tilde{s}(t)}{dt}+j\pi B_T\tilde{s}(t)]\\ & =j\pi B_{T}a{A}_c[1+\frac{2k_f}{B_T}m(t)]exp[j2\pi k_f{\int }_0^{t}m(\tau )d\tau ]\end{array}$$于是$$\begin{array}{rl}{s}_1(t)& =Re[{\tilde{s}}_1(t)exp(2\pi f_{c}t)]\\ & =\pi B_{T}a{A}_c[1+\frac{2k_f}{B_T}m(t)]cos[2\pi f_{c}t+2\pi k_f{\int }_0^{t}m(\tau )d\tau +\frac{\pi }{2}]\end{array}$$若选择$$|\frac{2k_f}{B_T}m(t)|<1\text{对所有t}$$则可用包络检波器恢复出幅度的变化量，进而恢复出原始消息信号，但存在偏差项。包络检波器的输出为$$|{\tilde{s}}_1(t)|=\pi B_{T}a{A}_c[1+\frac{2k_f}{B_T}m(t)]$$令$${\tilde{H}}_2(f)={\tilde{H}}_1(-f)$$同理可得$$|{\tilde{s}}_2(f)|=\pi B_{T}a{A}_c[1-\frac{2k_f}{B_T}m(t)]$$则$$s_o(f)=|{\tilde{s}}_1(t)|-|{\tilde{s}}_2(t)|=4\pi a{A}_c{k}_{f}m(t)$$
FM立体声复用

FM系统中的非线性影响

考虑一个传输特性如下的通信信道：
$$v_o(t)=a_1{v}_i(t)+a_2{v}_i^2(t)+a_3{v}_i^3(t)$$FMx信号的定义为$$v_i(t)=A_{c}cos[2\pi f_{c}t+\varphi (t)]$$其中，$$\varphi (t)=2\pi k_f{\int }_0^{t}m(\tau )d\tau$$则$$\begin{array}{rl}{v}_o(t)& =a_1{A}_{c}cos[2\pi f_{c}t+\varphi (t)]+a_2{A}_{c}co{s}^2[2\pi f_{c}t+\varphi (t)]+a_3{A}_{c}co{s}^3[2\pi f_{c}t+\varphi (t)]\\ & =\frac{1}{2}{a}_2{A}_c^2+(a_1{A}_c+\frac{3}{4}{a}_3{A}_c^3)cos[2\pi f_{c}t+\varphi (t)]+\frac{1}{2}{a}_2{A}_c^{2}cos[4\pi f_{c}t+2\varphi (t)]+\frac{1}{4}{a}_3{A}_c^{3}cos[6\pi f_{c}t+3\varphi (t)]\end{array}$$根据卡逊准则，将载频为$f_c$和$2f_c$的FM信号分开的必要条件是$$2f_c-(2\Delta f+W)>f_c+\Delta f+W$$，即$$f_c>3\Delta f+W$$于是，经过带宽为$2\Delta f+2W$，中心频率为$f_c$的带通滤波器后，信道的输出为$$v_o^{\prime }(t)=(a_1{A}_c+\frac{3}{4}{a}_3{A}_c^3)cos[2\pi f_{c}t+\varphi (t)]$$可见，FM信号经过幅度非线性的信道与适当的滤波器后，唯一受到的影响就是信号幅度发生了改变。

超外差接收机

连续波调制系统中的噪声

信噪比：基本定义
输入信噪比$(SNR{)}_I$等于已调信号$s(t)$的平均功率和滤波后的噪声$n(t)$的平均功率之比。
输出信噪比$(SNR{)}_O$等于接收机输出端测得的解调后的消息信号的平均功率和噪声平均功率之比。
信道信噪比$(SNR{)}_C$等于接收机输入端测得的已调信号的平均功率和消息带宽内噪声平均功率之比。
$$解调增益=\frac{(SNR{)}_O}{(SNR{)}_C}$$解调增益越大越好。

相干检测线性接收机中的噪声

当抑制载波时，使用相干检测，此时接收机是线性的；当幅度调制中包含了载波时，使用包络检波，此时接收机是非线性的。本节研究噪声对线性接收机的影响。

滤波后信号$x(t)$的DSB-SC分量为$$s(t)=C{A}_{c}cos(2\pi f_{c}t)m(t)$$其中$A_{c}cos(2\pi f_{c}t)$为正弦载波，$m(t)$为消息信号，C为系统的比例因子，其作用是保证信号分量$s(t)$与加性噪声分量$n(t)$的单位相同。
假定$m(t)$是零均值平稳过程的样本函数，$m(t)$的功率谱密度被限制在最高频率W以内，W为消息带宽。则消息的平均功率密度为$$P={\int }_{-W}^W{S}_M(f)df$$
对于随机调制过程，可将DSB-SC已调信号分量$s(t)$的平均功率记为$\frac{C^2{A}_c^{2}P}{2}$。若噪声的功率谱密度为$\frac{N_0}{2}$，则消息带宽内的平均噪声功率等于$W{N}_0$，因而，DSB-SC调制系统中信道信噪比为$$(SNR{)}_{C,DSB}=\frac{C^2{A}_c^{2}P}{2W{N}_0}$$

---

1. 研究通信系统的主线之一 ↩︎

2. 研究通信系统的主线之二 ↩︎