计算机网络2之物理层

1.基本概念

1.1 接口特性

物理层解决如何在连接各种计算机的传输媒体上传输数据比特流，而不是指具体的传输媒体。
主要任务：确定与传输媒体接口有关的一些特性，也就是定义标准。
1.机械特性：定义物理连接的特性，规定物理连接时所采用的规格、接口形状、引线数目、引脚数量。比如我们常见的连接路由器的网线水晶头，或者插板上的两孔、三孔。
2.电气特性：规定传输二进制位时，线路上信号的电压范围、阻抗匹配、传输速率和距离限制等。举个例子：信号的电平用+10V~+15V表示二进制0，用-15V ~-10V表示二进制1。
3.功能特性：指明某条线上出现的某一电平表示何种意义，接口部件的信号线的用途，举个例子：描述一个物理层接口引脚处于高电平时的含义时。
4.规程特性：定义各条物理线路的工作规程和时序关系。

2.数据通信

2.1 相关术语

信号：数据的电气/电磁的表现，是数据在传输过程中的存在形式。比如：数字信号、模拟信号。
信源：产生和发送信号的源头。
信宿：接受数据的终点。
信道：信号的传输媒介。

2.2 三种通信方式

从通信双方信息的交互方式来看。
1.单工通信：只有一个方向的通信而没有反方向的交互，仅需要一条信道。例子：广播
2.半双工通信：又称双向交替通信，通信的双方都可以发送或接收信息，但任何一方都不能同时发送和接收，需要两条信道。例子：对讲机，对讲机只能一个说，一个听。
3.全双工通信：又称双向同时通信，通信双方可以同时发送和接收信息，也需要两条信道。例子：打电话，想怎么说怎么说。

2.3 相关术语

2.3.1 码元

定义：指用一个固定时长的信号波形（数字脉冲），代表不同离散数值的基本波形，是数字通信中数字信号的计量单位。说了一大堆，记住一句话就行了，一个码元就是一个脉冲信号。¹
1码元=1脉冲信号=n比特数据，1个脉冲信号有可能携带1bit数据，也有可能携带2bit数据、4bit数据！你发送一个脉冲信号，如果就可以携带4bit数据，肯定发送速率更快啊！为什么是这样呢？
码元也是可以编码的，比如说，二进制编码时，只有两种不同的码元，一种代表0状态，另一种代表1状态。同样的，4进制码元，码元的离散状态有4个，也就是4种高低不同的信号波形（也就是脉冲），00、01、10、11。这时候就说一个码元带有两个bit数据。

2.3.2 数据传输速率

关于码元你肯定还意犹未尽，接着看。
数据传输速率分为两种，码元传输速率和信息传输速率。
码元传输速率：又称波形速率，因为它本来就是脉冲。定义就是单位时间内数字通信系统所传输的码元个数（或者脉冲个数），单位是波特（Baud）。单片机常说的串口通信波特率就是这个码元速率。
信息传输速率：又称比特率。表示单位时间内传输的二进制码元个数（比特数），单位是b/s。
综上：1个码元携带1bit数据时，比特率=波特率

3.奈氏准则和香农定理

3.1 失真

3.1.1 概念

失真，简单来说就是原始数据经过发送之后发生了较大变化（与原始数据相比）。
影响失真程度的因素：1.码元传输速率；2.信号传输距离；3.噪声干扰。

3.1.2 失真的一种现象——码间串扰

上图中，4000Hz的信号。你会想到什么？码元速率！！ 我们2.3中将的码元，是不是就是脉冲信号。而4000Hz的信号波形，是不是就相当于一个个脉冲，而振动频率又这么高，就是说发送一个脉冲之后立马又发一个，也是码元速率非常高。因此，在接收端，就区分不出来这个波形的差异，这就叫做码间串扰。定义是：接收端收到的信号波形失去了码元之间清晰界限的现象。
举个例子：一群人在你面前走，如果走的慢，你能够数清人数；还是同样一群人，在你面前跑，而且跑的很快，是不是就很难数清了。

3.2 奈氏准则

奈氏准则：在理想低通（无噪声，宽带受限）条件下，为了避免码间串扰，极限码元传输速率为2W Baud，W是信道带宽，单位Hz（注意：带宽的另一个单位是b/s）。简单来说就是：限速，不让你跑这么快。
注意：
1.奈氏准则给出了码元传输速率的限制，但没有对信息传输速率给出限制。请看下文，香农定理。
2.想提高数据的传输率，而且还不受奈氏准则的限制，一方面要提高信道的带宽（通过的信号高频分量越高），另一方面必须设法使每个码元能携带更多个bit的信息，也就是提高码元的编码进制。

3.3 香农定理

3.3.1 信噪比

信噪比=信号的平均功率/噪声的平均功率，记为S/N，单位：分贝（dB）

3.3.2 香农定理

定义：在带宽受限且有噪声的信道中，为了不产生误差，信息的传输速率有上限值。
注意：信息传输速率单位：b/s，这这这这不就是传送比特流吗。

---

1. 码元参见知乎一篇文章
   链接: https://www.zhihu.com/question/280404107/answer/964379530. ↩︎