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。
966
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
