目录
20.2 匹配滤波器(The Matched Filter)
20.2.1 准备工作;Cauchy-Schwarz不等式(Preliminaries; the Cauchy-Schwarz inequality)
20.2.2 单个调制脉冲的信噪比(SNR of a single modulated pulse)
20.3.2 问题的答案(Questions answered)
20.3.4根升余弦(RRC)滤波器(Root-Raised-Cosine filters)
前言
本笔记是基于北京都柏林学院2022年EEEN3005J Communication Theory课程课件总结出的笔记。任课教师为Dr Deepu John。
Chapter 20 Matched Filtering
20.1 动机(Motivation)
让我们重温第19.1.1节中讨论的示例二进制PAM接收机,但这会增加一些噪声,如图20.1.1所示。如果我们应用我们的简单决策规则:
然后,我们在所示位置得到一个位错误(ˆb2=−1,其中应为+1)
当然,我们本可以做得更好,因为(相当)清楚的是,如果我们在符号间隔上取一个信号的平均值,并在我们的决策规则中使用它,那么我们就会得到正确的结果-这表明了一种替代的接收机结构,如图20.1.2所示,我们可能期望它工作得更好。决策规则现在变为:
20.1.1 线性模型(Linear model)
如图20.1.2所示,在T秒内平均其输入的设备可以用数学方法写成:
(暂时忽略因果关系)。
我们可以将限制改为±∞ 通过引入一个新函数h(τ),如下所示:
其中:
但方程20.1.1只是输入r(t)和脉冲响应h(t)的滤波器的输出,脉冲响应h(t)是长度为t的矩形脉冲。因此,我们有图20.1.3所示的线性模型。
20.1.2 问题(Questions)
好的,我们认为我们有一个线性接收机,它应该比我们之前的尝试工作得更好,但我们仍然有以下问题:
1、实际上更好吗?
2、这个矩形过滤器是最佳选择吗?
3、上面考虑的例子是带有矩形脉冲成形滤波器p(t)的PAM信号,但如果使用不同的p(t),例如升高的余弦脉冲,会怎么样?
4、如果噪音不是白色的怎么办?
我们现在试图回答这些问题。
20.2 匹配滤波器(The Matched Filter)
20.2.1 准备工作;Cauchy-Schwarz不等式(Preliminaries; the Cauchy-Schwarz inequality)
Cauchy-Schwartz不等式是一个涉及内积的非常普遍的不等式,从简单的几何证明(三角形不等式)到更奇异的域都有许多应用。我们将使用它的一个特定版本,将其应用于平方可积复值函数,我们现在声明:
定理: 给定一个实变量的任意两个复函数,称它们为和
,我们有以下不等式:
重要的是,等式在时成立
本质上,不等式表明,LHS上的积分有一个由RHS上的乘积给出的最大值,它告诉我们在什么条件下函数最大化。
在许多优化问题中,我们希望最大化一些数量,例如,我们将选择什么样的接收滤波器响应,以最大化接收机信噪比。这个不等式不仅告诉我们最大信噪比是多少,而且告诉我们如何得到它!
20.2.2 单个调制脉冲的信噪比(SNR of a single modulated pulse)
想象一下,使用脉冲成形滤波器p(t)在噪声信道上传输了1个信息符号(称为b0),即接收信号为:
其中,w(t)是加性宽带噪声。
使用前一节中提出并如图20.1.3所示的线性接收机,我们可以将接收滤波器的输出写入:
其中和
是信号滤波后的信号和(窄带)噪声分量。我们可以把这些写在频域中
其中,和
分别是窄带和宽带噪声分量的功率谱密度(PSD)。
在我们建议的接收机中,我们希望在时间t=0时对y(t)进行采样,即获得y(0),并仅基于此值进行决策。因此,我们希望选择滤波器h(t)(或等效的h(f)),以便在该时刻最大化信噪比(SNR)。为此,我们将遵循以下步骤:
1、根据和
推导所需信号部分
的功率表达式
2、推导时间t=0时噪声功率的表达式,即。
3、计算信噪比,并使用Cauchy-Schwarz不等式将其最大化
4、导出最大化发生的条件-这将产生最佳接收滤波器的表达式。
所需信号的功率
我们知道G(f)=P(f)H(f)。应用傅里叶逆变换,我们得到:
请注意,这已经“看起来”像柯西-施瓦兹不等式的LHS。。。
时间t=0时的噪声功率
让我们先找到。这就是噪声信号的功率,通过在整个频率范围内积分,从PSD中获得:
这与t无关,所以在t=0时也是如此。
时间t=0时的信噪比(SNR at time t = 0)
我们寻求的信噪比如下所示:
我们希望将Cauchy-Schwarz不等式应用于分子,使两个结果乘积项中的一项(见等式20.2.1)与分母相消,因此:
因此,我们现在可以将SNR重写为:
我们在第二行应用了Cauchy-Schwarz不等式,通过设计,部分分子与分母相消。这就产生了最大可能信噪比的简单表达式
请注意,此最大SNR仅取决于传输系统和附加噪声的PSD(但仅在使用正确的接收滤波器时才能实现)。
信噪比最大化的条件(Condition for SNR maximization)
Cauchy-Schwarz不等式也告诉我们最大化发生的时间,即的情况:
这是一个难以置信的简单结果!
它指出,如果知道发射脉冲形状和噪声的PSD,则可以唯一地(在比例因子内)计算最佳接收滤波器。
这一结果是所有数字通信的基础,许多从业者既不欣赏也不完全理解这一结果。
20.3 AWGN信道(AWGN channel)
AWGN频道非常重要,它有自己的部分!
与上述一般推导的唯一区别是,宽带噪声PSD为:
因此,最佳过滤器为:
其中比例吸收了恒定的噪声系数。
通过对两侧进行傅里叶逆变换,我们可以得出以下时域关系:
因此,非常简单的结果是,接收滤波器就是发送滤波器的时间反转共轭滤波器!i.e. .Rx滤波器与Tx滤波器匹配。
20.3.1 Rx = Tx filter
作为另一种特殊情况,考虑通常的情况,如果发送滤波器的脉冲响应是实的且关于t=0对称(记住,sinc和升余弦滤波器都是脉冲响应关于t=0对称的示例,并且对于任何线性相位滤波器都是如此)。
在这种情况下,Rx滤波器作为Tx滤波器的时间反转共轭,实际上与Tx滤波器相同(在恒定比例因子内)!
20.3.2 问题的答案(Questions answered)
我们现在可以回答第20.1.2节中提出的问题:
1、【这种线性接收机】真的更好吗?
答:是的,因为之前的方法没有使用匹配的滤波器,所以不是最佳的,所以这个Rx更好。
2、这个矩形过滤器是最佳选择吗?
ANS:在那个例子中,Tx脉冲是矩形的,所以如果噪声是AWGN,那么是的,矩形Rx滤波器是最好的。
3、上面考虑的例子是带有矩形脉冲成形滤波器p(t)的PAM信号,但如果使用不同的p(t),例如升高的余弦脉冲,会怎么样?
回答:如果噪声为AWGN,则让:
4、 如果噪音不是白色的怎么办?
ANS:如果噪声的PSD为,则设
,并使用傅里叶逆变换计算Rx滤波器的脉冲响应。
20.3.3 因果关系(Causality)
在上述证明中,因果关系被完全忽略,即Rx和Tx滤波器的响应可能在时间t<0时开始,这在实践中是不可能的。为了克服这一问题,我们只需在发射机和接收机滤波器中添加足够的延迟,并以等于Tx和Tx滤波器延迟之和的延迟对接收滤波器的输出进行采样;问题已解决!,但如果我们忽略因果关系,数学就容易多了。
20.3.4根升余弦(RRC)滤波器(Root-Raised-Cosine filters)
让我们考虑一下我们的完整系统,包括图20.3.1所示的Tx和Rx滤波器。
假设AWGN和实值对称Tx脉冲成形滤波器,则Rx滤波器,即它们相同。请注意,在图20.3.1中,我们要求在采样设备之后进行无ISI操作,在此之前,每个发送的符号不仅被Tx脉冲成形滤波器过滤,而且还被Rx匹配滤波器过滤-
的组合响应。
但奈奎斯特第一准则(NFC)要求一系列脉冲无ISI,前提是它们满足某些频域要求,我们之前仅将其应用于Tx滤波器,但事实上,我们应该将其应用于组合Rx和Tx滤波器,在这种情况下为。因此,我们应该设计P(f),使
是无ISI的,而不是P(f)本身,这样匹配后的滤波在理想采样点就不会有ISI。
可能是最常见的(2G、3G、4G、蜂窝系统等)选择是使成为第19.3.3节中定义的升余弦,因此P(f)是平方根升余弦(RRC)。
注意,RRC滤波器不是无ISI滤波器-它不符合Nyquist的无ISI传输的第一个标准,因此信道中的信号中存在ISI,但在匹配滤波后,组合响应是无ISI的。因此,Rx RRC滤波器消除ISI,并作为最大化SNR的匹配滤波器。