【通信原理】数字基带传输系统(二)——数字基带信号 码间干扰 均衡技术 部分响应技术(笔记总结)

第5章 数字基带传输系统 学习笔记

文章目录

5. 无码间干扰基带传输系统的抗噪声性能

前面在不考虑噪声影响时,讨论了无码间串扰的基带传输特性。本节将研究在无码间串扰条件下,由信道噪声引起的误码率。

5.1 分析模型

将发送滤波器和信道简略,只从信道端的输出开始考虑,简化分析模型:

假设加性噪声 n ( t ) n(t) n(t)为零均值高斯白噪声。

在无ISI条件下,抽样时刻的输出为:
x ( k T B + t 0 ) = a k h ( t 0 ) + n R ( k T B + t 0 ) x\left(k T_{B}+t_{0}\right)=a_{k} h\left(t_{0}\right)+n_{R}\left(k T_{B}+t_{0}\right) x(kTB+t0)=akh(t0)+nR(kTB+t0)

x ( k T B + t 0 ) = a k h ( t 0 ) + ∑ n ≠ k a n h [ ( k − n ) T B + t 0 ] + n R ( k T B + t 0 ) ⇓ I S I = ∑ n ≠ k a n h [ ( k − n ) T B + t 0 ] = 0 x ( k T B + t 0 ) = a k h ( t 0 ) + n R ( k T B + t 0 ) \begin{array}{c} x\left(k T_{B}+t_{0}\right)=a_{k} h\left(t_{0}\right)+\sum_{n \neq k} a_{n} h\left[(k-n) T_{B}+t_{0}\right]+n_{R}\left(k T_{B}+t_{0}\right) \\ \Downarrow \mathrm{ISI}=\sum_{n \neq k} a_{n} h\left[(k-n) T_{B}+t_{0}\right]=0 \\ x\left(k T_{B}+t_{0}\right)=a_{k} h\left(t_{0}\right)+n_{R}\left(k T_{B}+t_{0}\right) \end{array} x(kTB+t0)=akh(t0)+∑n=kanh[(k−n)TB+t0]+nR(kTB+t0)⇓ISI=∑n=kanh[(k−n)TB+t0]=0x(kTB+t0)=akh(t0)+nR(kTB+t0)

其中,由于接收滤波器又是一个线性网络,所以 n R ( t ) n_R(t) nR(t)也是零均值高斯噪声

  • 它的功率谱密度为:

P n ( f ) = n 0 2 ∣ G R ( f ) ∣ 2 P_{n}(f)=\frac{n_{0}}{2}\left|G_{\mathrm{R}}(f)\right|^{2} Pn(f)=2n0∣GR(f)∣2

  • 方差(噪声平均功率)为:

σ n 2 = ∫ − ∞ ∞ n 0 2 ∣ G R ( f ) ∣ 2 d f \sigma_{n}^{2}=\int_{-\infty}^{\infty} \frac{n_{0}}{2}\left|G_{\mathrm{R}}(f)\right|^{2} \mathrm{~d} f σn2=∫−∞∞2n0∣GR(f)∣2 df

  • 一维概率密度函数为:

f ( V ) = 1 2 π σ n e − V 2 / 2 σ n 2 f(V)=\frac{1}{\sqrt{2 \pi} \sigma_{n}} \mathrm{e}^{-V^{2} / 2 \sigma_{n}^{2}} f(V)=2π σn1e−V2/2σn2

5.2 双极性信号的抗噪声性能

信号模型

x ( k T B ) = { A + n R ( k T B ) 发"1" − A + n R ( k T B ) 发"0" x(kT_B) = \begin{cases} A + n_R(kT_B) & \text{发"1"} \\ -A + n_R(kT_B) & \text{发"0"} \end{cases} x(kTB)={A+nR(kTB)−A+nR(kTB)发"1"发"0"

我们可以得到

判决规则

设有一判决门限 V d V_d Vd
{ x ( k T B ) > V d 判"1" x ( k T B ) < V d 判"0" \begin{cases} x(kT_B) > V_d & \text{判"1"} \\ x(kT_B) < V_d & \text{判"0"} \end{cases} {x(kTB)>Vdx(kTB)<Vd判"1"判"0"

误码率分析
  • 发1判0的概率:
    P ( 0 ∣ 1 ) = ∫ − ∞ V d f 1 ( x ) d x = 1 2 + 1 2 erf ( V d − A 2 σ n ) P(0|1) = \int_{-\infty}^{V_d} f_1(x) dx = \frac{1}{2} + \frac{1}{2} \text{erf}\left( \frac{V_d - A}{\sqrt{2}\sigma_n} \right) P(0∣1)=∫−∞Vdf1(x)dx=21+21erf(2 σnVd−A)

  • 发0判1的概率:
    P ( 1 ∣ 0 ) = ∫ V d + ∞ f 0 ( x ) d x = 1 2 − 1 2 erf ( V d + A 2 σ n ) P(1|0) = \int_{V_d}^{+\infty} f_0(x) dx = \frac{1}{2} - \frac{1}{2} \text{erf}\left( \frac{V_d + A}{\sqrt{2}\sigma_n} \right) P(1∣0)=∫Vd+∞f0(x)dx=21−21erf(2 σnVd+A)

  • 总误码率:

P e = P ( 1 ) P ( 0 ∣ 1 ) + P ( 0 ) P ( 1 ∣ 0 ) = P ( 1 ) [ 1 2 + 1 2 erf ⁡ ( V d − A 2 σ n ) ] + P ( 0 ) [ 1 2 − 1 2 erf ⁡ ( V d + A 2 σ n ) ] P_{e}=P(1) P(0 \mid 1)+P(0) P(1 \mid 0)=P(1)\left[\frac{1}{2}+\frac{1}{2} \operatorname{erf}\left(\frac{V_{d}-A}{\sqrt{2} \sigma_{n}}\right)\right]+P(0)\left[\frac{1}{2}-\frac{1}{2} \operatorname{erf}\left(\frac{V_{d}+A}{\sqrt{2} \sigma_{n}}\right)\right] Pe=P(1)P(0∣1)+P(0)P(1∣0)=P(1)[21+21erf(2 σnVd−A)]+P(0)[21−21erf(2 σnVd+A)]

最佳判决门限

V d ∗ = σ n 2 2 A ln ⁡ P ( 0 ) P ( 1 ) V_d^* = \frac{\sigma_n^2}{2A} \ln \frac{P(0)}{P(1)} Vd∗=2Aσn2lnP(1)P(0)

推导:

已知: P e = P ( 1 ) ⋅ ∫ − ∞ V d f 1 ( x ) d x + P ( 0 ) ⋅ ∫ V d + ∞ f 0 ( x ) d x P_{e} =P(1) \cdot \int_{-\infty}^{V_{d}} f_{1}(x) \mathrm{d} x+P(0) \cdot \int_{V_{d}}^{+\infty} f_{0}(x) \mathrm{d} x Pe=P(1)⋅∫−∞Vdf1(x)dx+P(0)⋅∫Vd+∞f0(x)dx当 P ( 1 ) P(1) P(1)、 P ( 0 ) P(0) P(0)、 f 1 ( x ) f_1(x) f1(x)、 f 0 ( x ) f_0(x) f0(x)已知的情况下 P e P_e Pe是一个关于 V d V_d Vd的式子。求 P e P_e Pe关于 V d V_d Vd的偏导,令其为0,即可求解。
∂ P e ∂ V d = 0 P ( 1 ) f 1 ( V d ∗ ) − P ( 0 ) f 0 ( V d ∗ ) = 0 \frac{\partial P_{e}}{\partial V_{d}}=0 \quad P(1) f_{1}\left(V_{d}^{*}\right)-P(0) f_{0}\left(V_{d}^{*}\right)=0 ∂Vd∂Pe=0P(1)f1(Vd∗)−P(0)f0(Vd∗)=0

特殊情况:等概时( P ( 0 ) = P ( 1 ) = 1 / 2 P(0)=P(1)=1/2 P(0)=P(1)=1/2): V d ∗ = 0 V_d^* = 0 Vd∗=0

此时的总误码率为:
P e = 1 2 erfc ( A 2 σ n ) P_e = \frac{1}{2} \text{erfc}\left( \frac{A}{\sqrt{2}\sigma_n} \right) Pe=21erfc(2 σnA)

5.3 单极性信号的抗噪声性能

信号模型

x ( k T B ) = { A + n R ( k T B ) 发"1" n R ( k T B ) 发"0" x(kT_B) = \begin{cases} A + n_R(kT_B) & \text{发"1"} \\ n_R(kT_B) & \text{发"0"} \end{cases} x(kTB)={A+nR(kTB)nR(kTB)发"1"发"0"

误码率分析
  • 发1判0的概率:
    P ( 0 ∣ 1 ) = 1 2 + 1 2 erf ( V d − A 2 σ n ) P(0|1) = \frac{1}{2} + \frac{1}{2} \text{erf}\left( \frac{V_d - A}{\sqrt{2}\sigma_n} \right) P(0∣1)=21+21erf(2 σnVd−A)
  • 发0判1的概率:
    P ( 1 ∣ 0 ) = 1 2 − 1 2 erf ( V d 2 σ n ) P(1|0) = \frac{1}{2} - \frac{1}{2} \text{erf}\left( \frac{V_d}{\sqrt{2}\sigma_n} \right) P(1∣0)=21−21erf(2 σnVd)
最佳判决门限

V d ∗ = A 2 + σ n 2 A ln ⁡ P ( 0 ) P ( 1 ) V_d^* = \frac{A}{2} + \frac{\sigma_n^2}{A} \ln \frac{P(0)}{P(1)} Vd∗=2A+Aσn2lnP(1)P(0)

等概时: V d ∗ = A / 2 V_d^* = A/2 Vd∗=A/2

总误码率(等概时)
P e = 1 2 erfc ( A 2 2 σ n ) P_e = \frac{1}{2} \text{erfc}\left( \frac{A}{2\sqrt{2}\sigma_n} \right) Pe=21erfc(22 σnA)

5.4 性能对比

比较项目 双极性信号 单极性信号
数学表达式 x ( k T B ) = { A + n R ( k T B ) 发"1" − A + n R ( k T B ) 发"0" x(kT_B) = \begin{cases} A + n_R(kT_B) & \text{发"1"} \\ -A + n_R(kT_B) & \text{发"0"} \end{cases} x(kTB)={A+nR(kTB)−A+nR(kTB)发"1"发"0" x ( k T B ) = { A + n R ( k T B ) 发"1" n R ( k T B ) 发"0" x(kT_B) = \begin{cases} A + n_R(kT_B) & \text{发"1"} \\ n_R(kT_B) & \text{发"0"} \end{cases} x(kTB)={A+nR(kTB)nR(kTB)发"1"发"0"
最佳判决门限 V d ∗ = σ n 2 2 A ln ⁡ P ( 0 ) P ( 1 ) V_d^* = \frac{\sigma_n^2}{2A} \ln \frac{P(0)}{P(1)} Vd∗=2Aσn2lnP(1)P(0) V d ∗ = A 2 + σ n 2 A ln ⁡ P ( 0 ) P ( 1 ) V_d^* = \frac{A}{2} + \frac{\sigma_n^2}{A} \ln \frac{P(0)}{P(1)} Vd∗=2A+Aσn2lnP(1)P(0)
等概时门限 V d ∗ = 0 V_d^* = 0 Vd∗=0 V d ∗ = A 2 V_d^* = \frac{A}{2} Vd∗=2A
误码率 (发"1"判"0") $$P(0 1) = \frac{1}{2} + \frac{1}{2} \text{erf}\left( \frac{V_d - A}{\sqrt{2}\sigma_n} \right)$$
误码率 (发"0"判"1") $$P(1 0) = \frac{1}{2} - \frac{1}{2} \text{erf}\left( \frac{V_d + A}{\sqrt{2}\sigma_n} \right)$$
总误码率 (一般情况) P e = P ( 1 ) [ 1 2 + 1 2 erf ⁡ ( V d − A 2 σ n ) ] + P ( 0 ) [ 1 2 − 1 2 erf ⁡ ( V d + A 2 σ n ) ] P_e = P(1)\left[\frac{1}{2}+\frac{1}{2} \operatorname{erf}\left(\frac{V_{d}-A}{\sqrt{2} \sigma_{n}}\right)\right]+P(0)\left[\frac{1}{2}-\frac{1}{2} \operatorname{erf}\left(\frac{V_{d}+A}{\sqrt{2} \sigma_{n}}\right)\right] Pe=P(1)[21+21erf(2 σnVd−A)]+P(0)[21−21erf(2 σnVd+A)] P e = P ( 1 ) [ 1 2 + 1 2 erf ⁡ ( V d − A 2 σ n ) ] + P ( 0 ) [ 1 2 − 1 2 erf ⁡ ( V d 2 σ n ) ] P_e = P(1)\left[\frac{1}{2}+\frac{1}{2} \operatorname{erf}\left(\frac{V_{d}-A}{\sqrt{2} \sigma_{n}}\right)\right]+P(0)\left[\frac{1}{2}-\frac{1}{2} \operatorname{erf}\left(\frac{V_{d}}{\sqrt{2} \sigma_{n}}\right)\right] Pe=P(1)[21+21erf(2 σnVd−A)]+P(0)[21−21erf(2 σnVd)]
总误码率 (等概情况) P e = 1 2 erfc ( A 2 σ n ) P_e = \frac{1}{2} \text{erfc}\left( \frac{A}{\sqrt{2}\sigma_n} \right) Pe=21erfc(2 σnA) P e = 1 2 erfc ( A 2 2 σ n ) P_e = \frac{1}{2} \text{erfc}\left( \frac{A}{2\sqrt{2}\sigma_n} \right) Pe=21erfc(22 σnA)
直流分量 无直流分量 有直流分量
  • 相同 A / σ n A/\sigma_n A/σn:双极性系统的误码率低于单极性系统

    直观理解:双极性信号噪声容限更大,故抗噪声性能更强

  • 当符号先验等概时,单极性信号的最佳判决门限会随着信道特性变化而变化;双极性信号的最佳判决门限不随信道特性变化

  • 抗噪声性能:双极性优于单极性(噪声容限更大)

6. 眼图

  • 眼图的概念

    将接收滤波器的输出信号连接到示波器的垂直输入端,同时调整水平扫描周期为码元周期 T B T_B TB,在示波器上显示的图形称为眼图。

  • 眼图的作用

    • 定性估计系统性能优劣
    • 反映码间干扰和噪声的强弱
    • 指导接收滤波器的调整
  • 眼图的特征参数

  1. 最佳抽样时刻:眼睛张开最大的时刻
  2. 判决门限:眼图中央的横轴位置
  3. 噪声容限:抽样时刻信号峰-峰值的一半
  4. 抽样失真:抽样时刻迹线的垂直宽度(反映噪声影响)
  5. 过零点失真:过零点变动范围(影响定时提取精度)
  6. 对定时误差的灵敏度:"眼框"斜率越大,对定时误差越敏感
  • 眼图与信号类型的关系

    • 二进制双极性波形:一个码元周期内看到一只眼睛
    • M进制双极性波形 :一个码元周期内看到 ( M − 1 ) (M-1) (M−1) 只眼睛
    • AMI码或HDB₃码:三电平,眼图中间有代表连0的水平线
    • 扫描周期为 n T B nT_B nTB :看到并排的 n n n 只眼睛
  • 最佳眼图特征

    • "眼睛"张开大且端正 → ISI小
    • 迹线清晰 → 噪声小
    • 总结:单眼皮大眼睛------最佳眼图

7. 均衡技术

这是一种改善系统性能的措施

7.1 均衡的目的

减小或消除码间干扰(ISI),校正系统传输特性。

均衡的目的是为了减小码间干扰。因为数字基带系统由三部分组成:发滤波器、信道和收滤波器。信道特性的变化以及收发滤波器的设计不良,都使得整个系统的传输特性很难直接满足无码间干扰条件。因此,我们需要一种方法使系统经过处理后满足无码间干扰条件。均衡的思想就是在基带系统和抽样判决器之间串联一个均衡器。

在基带系统和抽样判决器之间级联均衡器。均衡器为可调或不可调的滤波器,用于校正或补偿系统特性,减小码间干扰

7.2 均衡方法分类

  • 频域均衡

    通过频率校正使均衡后系统特性满足奈奎斯特第一准则:
    H ( ω ) ⋅ T ( ω ) = H ′ ( ω ) H(\omega) \cdot T(\omega) = H'(\omega) H(ω)⋅T(ω)=H′(ω)

    满足:
    ∑ i H ′ ( ω + 2 π i T B ) = T B ∣ ω ∣ ≤ π T B \sum_i H'\left( \omega + \frac{2\pi i}{T_B} \right) = T_B \quad |\omega| \leq \frac{\pi}{T_B} i∑H′(ω+TB2πi)=TB∣ω∣≤TBπ

  • 时域均衡

    使有码间干扰的冲激响应波形 h ( t ) h(t) h(t)变换后无码间干扰:
    h ( t ) ∗ h T ( t ) = h ′ ( t ) h(t) * h_T(t) = h'(t) h(t)∗hT(t)=h′(t)

    其中:
    h ′ ( k T B ) = { 1 k = 0 0 k ≠ 0 h'(kT_B) = \begin{cases} 1 & k=0 \\ 0 & k\neq 0 \end{cases} h′(kTB)={10k=0k=0

7.3 时域均衡原理

横向滤波器结构

时域均衡器通常采用横向滤波器实现,其冲击响应为:
h T ( t ) = ∑ n = − ∞ + ∞ C n δ ( t − n T B ) h_T(t) = \sum_{n=-\infty}^{+\infty} C_n \delta(t - nT_B) hT(t)=n=−∞∑+∞Cnδ(t−nTB)

冲激响应的表达式可等效为一个由无限多的横向排列延时单元 T B T_B TB和加权系数 C n C_n Cn组成的系统,称为横向滤波器

对应的传递函数:
T ( ω ) = ∑ n = − ∞ + ∞ C n e − j ω n T B T(\omega) = \sum_{n=-\infty}^{+\infty} C_n e^{-j\omega nT_B} T(ω)=n=−∞∑+∞Cne−jωnTB

依赖 H ( ω ) H(\omega) H(ω)确定均衡器抽头系数 C n C_n Cn, 可实现无ISI传输。 证明略

由此,我们可以知道,当输入信号为 x ( t ) x(t) x(t)时,输出信号为:
y ( t ) = x ( t ) ∗ h T ( t ) = ∑ n = − ∞ + ∞ C n x ( t − n T B ) y(t)=x(t)*h_T(t)=\sum_{n=-\infty}^{+\infty}{C_nx(t-nT_B)} y(t)=x(t)∗hT(t)=n=−∞∑+∞Cnx(t−nTB)

有限长横向滤波器

无限多抽头的横向滤波器可以完全消除码间干扰,但物理不可实现,受体积、成本、抽头系数精度调整等制约。实际中采用 2 N + 1 2N+1 2N+1 抽头的横向滤波器:

  • 冲激响应: e ( t ) = ∑ i = − N N C i δ ( t − i T B ) e(t) = \sum_{i=-N}^{N} C_i \delta(t - iT_B) e(t)=∑i=−NNCiδ(t−iTB)
  • 输出信号: y ( t ) = ∑ i = − N N C i x ( t − i T B ) y(t) = \sum_{i=-N}^{N} C_i x(t - iT_B) y(t)=∑i=−NNCix(t−iTB)
  • 抽样值: y k = ∑ i = − N N C i x k − i y_k = \sum_{i=-N}^{N} C_i x_{k-i} yk=∑i=−NNCixk−i
    • y 0 y_0 y0:本码元抽样值
    • y k y_k yk:码间干扰ISI

有限长横向滤波器可以减小但不能完全消除ISI。

7.4 均衡效果衡量准则

  • 峰值失真准则

D = 1 y 0 ∑ k ≠ 0 ∣ y k ∣ D = \frac{1}{y_0} \sum_{k \neq 0} |y_k| D=y01k=0∑∣yk∣

​ 式中,除 k = 0 k=0 k=0以外的各值的绝对值之和反映了码间串扰的最大值。 y 0 y_0 y0是有用信号样值,所以峰值失真 D D D是码间串扰最大可能值(峰值)与有用信号样值之比

  • 均方失真准则

e 2 = 1 y 0 2 ∑ k ≠ 0 y k 2 e^2 = \frac{1}{y_0^2} \sum_{k \neq 0} y_k^2 e2=y021k=0∑yk2

​ 其物理意义与峰值失真相似。

  • 总结
    • 峰值失真或均方失真越小,均衡效果越好,当峰值失真或均方失真为0时,无码间干扰。
    • 注意:以上两种准则都是根据均衡器输出的单个脉冲响应来规定的。另外,还有必要指出,在分析横向滤波器时,我们均把时间原点(t=0)假设在滤波器中心点处(即 C 0 C_0 C0处)。如果时间参考点选择在别处,则滤波器输出的波形形状是相同的,所不同的仅仅是整个波形的提前或推迟。

7.5 迫零均衡算法(ZF)

均衡器的设计目标就是按照某种算法或者准则,求出均衡器的抽头系数,使本码元之外的所有样值 y k y_k yk为0或者趋近于0, 从而消除或减小码间干扰

  • 算法思想

    调整抽头系数,迫使本码元前后各 N N N 个抽样值为零。

  • 抽头系数求解

    当初始失真 D 0 < 1 D_0 < 1 D0<1 时,抽头系数满足:

y k = { 0 k = ± 1 , ± 2 , ⋯   , ± N 1 k = 0 y_k = \begin{cases} 0 & k = \pm 1, \pm 2, \cdots, \pm N \\ 1 & k = 0 \end{cases} yk={01k=±1,±2,⋯,±Nk=0

​ 写成矩阵形式:
X C = Y \mathbf{X} \mathbf{C} = \mathbf{Y} XC=Y

​ 其中 Y = [ 0 , ⋯   , 0 , 1 , 0 , ⋯   , 0 ] T \mathbf{Y} = [0, \cdots, 0, 1, 0, \cdots, 0]^T Y=[0,⋯,0,1,0,⋯,0]T(仅第 N + 1 N+1 N+1 个元素为1)。

  • 特点
    • 可完全消除 2 N 2N 2N 个抽样点上的ISI
    • 未考虑噪声影响,可能放大噪声(特别是信道深衰落时)

8. 部分响应技术

8.1 设计目标

  • 提高频带利用率(达到理论极限2 Baud/Hz)
  • 改善频谱特性
  • 加快响应波形尾部衰减,降低对定时要求

8.2 设计思想

有控制地在某些抽样时刻引入确知的码间干扰,在接收端根据已知规则消除ISI。

8.3 第I类部分响应系统

设计思路

我们已经熟知,波形"sinx/x"拖尾严重。但通过观察sinx/x波形,我们发现相距一个码元间隔的两个sinx/x波形的"拖尾"刚好正负相反,利用这样的波形组合肯定可以构成"拖尾"衰减很快的脉冲波形,依据这个思路,将两个相距 T B T_B TB 的 Sa ( π t / T B ) \text{Sa}(\pi t/T_B) Sa(πt/TB) 波形相加,得到新的响应波形:
g ( t ) = sin ⁡ ( π t / T B ) π t / T B + sin ⁡ [ π ( t − T B ) / T B ] π ( t − T B ) / T B g(t) = \frac{\sin(\pi t/T_B)}{\pi t/T_B} + \frac{\sin[\pi (t-T_B)/T_B]}{\pi (t-T_B)/T_B} g(t)=πt/TBsin(πt/TB)+π(t−TB)/TBsin[π(t−TB)/TB]

抽样特性:
g ( k T B ) = { 1 k = 0 , 1 0 其他整数 k g(kT_B) = \begin{cases} 1 & k=0,1 \\ 0 & \text{其他整数 } k \end{cases} g(kTB)={10k=0,1其他整数 k

实现方法:相关编码
频谱特性
  • 系统带宽: B = 1 / ( 2 T B ) = f N B = 1/(2T_B) = f_N B=1/(2TB)=fN
  • 频带利用率: η = R B / B = 2 \eta = R_B/B = 2 η=RB/B=2 Baud/Hz
  • 幅频特性: ∣ G ( ω ) ∣ = 2 T B cos ⁡ ( ω T B / 2 ) |G(\omega)| = 2T_B \cos(\omega T_B/2) ∣G(ω)∣=2TBcos(ωTB/2), ∣ ω ∣ ≤ π / T B |\omega| \leq \pi/T_B ∣ω∣≤π/TB
预编码与模2判决

为避免差错传播,采用预编码:

  • 预编码: b k = a k ⊕ b k − 1 b_k = a_k \oplus b_{k-1} bk=ak⊕bk−1
  • 相关编码: C k = b k + b k − 1 C_k = b_k + b_{k-1} Ck=bk+bk−1(算术加)
  • 模2判决: a k = [ C k ] mod 2 a_k = [C_k]_{\text{mod } 2} ak=[Ck]mod 2

判决规则:

  • C k = ± 2 C_k = \pm 2 Ck=±2 → 判"0"
  • C k = 0 C_k = 0 Ck=0 → 判"1"

8.4 第IV类部分响应系统

基本原理

当前码元只对下一个码元产生干扰:
g ( t ) = sin ⁡ ( π t / T B ) π t / T B − sin ⁡ [ π ( t − 2 T B ) / T B ] π ( t − 2 T B ) / T B g(t) = \frac{\sin(\pi t/T_B)}{\pi t/T_B} - \frac{\sin[\pi (t-2T_B)/T_B]}{\pi (t-2T_B)/T_B} g(t)=πt/TBsin(πt/TB)−π(t−2TB)/TBsin[π(t−2TB)/TB]

系统结构
  • 预编码: b k = a k ⊕ b k − 2 b_k = a_k \oplus b_{k-2} bk=ak⊕bk−2
  • 相关编码: C k = b k − b k − 2 C_k = b_k - b_{k-2} Ck=bk−bk−2
  • 模2判决: a k = [ C k ] mod 2 a_k = [C_k]_{\text{mod } 2} ak=[Ck]mod 2
频谱特性
  • 系统带宽: B = 1 / ( 2 T B ) = f N B = 1/(2T_B) = f_N B=1/(2TB)=fN
  • 频带利用率: η = 2 \eta = 2 η=2 Baud/Hz
  • 幅频特性: ∣ G ( ω ) ∣ = 2 T B sin ⁡ ( ω T B ) |G(\omega)| = 2T_B \sin(\omega T_B) ∣G(ω)∣=2TBsin(ωTB), ∣ ω ∣ ≤ π / T B |\omega| \leq \pi/T_B ∣ω∣≤π/TB
  • 特点:无直流分量,低频分量小

8.5 部分响应的一般形式

时域表达式

g ( t ) = ∑ m = 1 N R m sin ⁡ [ π ( t − ( m − 1 ) T B ) / T B ] π [ t − ( m − 1 ) T B ] / T B g(t) = \sum_{m=1}^{N} R_m \frac{\sin[\pi (t - (m-1)T_B)/T_B]}{\pi [t - (m-1)T_B]/T_B} g(t)=m=1∑NRmπ[t−(m−1)TB]/TBsin[π(t−(m−1)TB)/TB]

频域表达式

G ( ω ) = { T B ∑ m = 1 N R m e − j ω ( m − 1 ) T B ∣ ω ∣ ≤ π / T B 0 ∣ ω ∣ > π / T B G(\omega) = \begin{cases} T_B \sum_{m=1}^{N} R_m e^{-j\omega (m-1)T_B} & |\omega| \leq \pi/T_B \\ 0 & |\omega| > \pi/T_B \end{cases} G(ω)={TB∑m=1NRme−jω(m−1)TB0∣ω∣≤π/TB∣ω∣>π/TB

系统结构
  • 预编码: a k = R 1 b k + R 2 b k − 1 + ⋯ + R N b k − ( N − 1 ) a_k = R_1 b_k + R_2 b_{k-1} + \cdots + R_N b_{k-(N-1)} ak=R1bk+R2bk−1+⋯+RNbk−(N−1)(模L加)
  • 相关编码: C k = R 1 b k + R 2 b k − 1 + ⋯ + R N b k − ( N − 1 ) C_k = R_1 b_k + R_2 b_{k-1} + \cdots + R_N b_{k-(N-1)} Ck=R1bk+R2bk−1+⋯+RNbk−(N−1)(算术加)
  • 模L判决: a k = [ C k ] mod L a_k = [C_k]_{\text{mod } L} ak=[Ck]mod L

对于L进制输入,第I、IV类部分响应信号的电平数为 2 L − 1 2L-1 2L−1。

2判决

为避免差错传播,采用预编码:

  • 预编码: b k = a k ⊕ b k − 1 b_k = a_k \oplus b_{k-1} bk=ak⊕bk−1
  • 相关编码: C k = b k + b k − 1 C_k = b_k + b_{k-1} Ck=bk+bk−1(算术加)
  • 模2判决: a k = [ C k ] mod 2 a_k = [C_k]_{\text{mod } 2} ak=[Ck]mod 2

判决规则:

  • C k = ± 2 C_k = \pm 2 Ck=±2 → 判"0"
  • C k = 0 C_k = 0 Ck=0 → 判"1"

8.4 第IV类部分响应系统

基本原理

当前码元只对下一个码元产生干扰:
g ( t ) = sin ⁡ ( π t / T B ) π t / T B − sin ⁡ [ π ( t − 2 T B ) / T B ] π ( t − 2 T B ) / T B g(t) = \frac{\sin(\pi t/T_B)}{\pi t/T_B} - \frac{\sin[\pi (t-2T_B)/T_B]}{\pi (t-2T_B)/T_B} g(t)=πt/TBsin(πt/TB)−π(t−2TB)/TBsin[π(t−2TB)/TB]

系统结构
  • 预编码: b k = a k ⊕ b k − 2 b_k = a_k \oplus b_{k-2} bk=ak⊕bk−2
  • 相关编码: C k = b k − b k − 2 C_k = b_k - b_{k-2} Ck=bk−bk−2
  • 模2判决: a k = [ C k ] mod 2 a_k = [C_k]_{\text{mod } 2} ak=[Ck]mod 2
频谱特性
  • 系统带宽: B = 1 / ( 2 T B ) = f N B = 1/(2T_B) = f_N B=1/(2TB)=fN
  • 频带利用率: η = 2 \eta = 2 η=2 Baud/Hz
  • 幅频特性: ∣ G ( ω ) ∣ = 2 T B sin ⁡ ( ω T B ) |G(\omega)| = 2T_B \sin(\omega T_B) ∣G(ω)∣=2TBsin(ωTB), ∣ ω ∣ ≤ π / T B |\omega| \leq \pi/T_B ∣ω∣≤π/TB
  • 特点:无直流分量,低频分量小

8.5 部分响应的一般形式

时域表达式

g ( t ) = ∑ m = 1 N R m sin ⁡ [ π ( t − ( m − 1 ) T B ) / T B ] π [ t − ( m − 1 ) T B ] / T B g(t) = \sum_{m=1}^{N} R_m \frac{\sin[\pi (t - (m-1)T_B)/T_B]}{\pi [t - (m-1)T_B]/T_B} g(t)=m=1∑NRmπ[t−(m−1)TB]/TBsin[π(t−(m−1)TB)/TB]

频域表达式

G ( ω ) = { T B ∑ m = 1 N R m e − j ω ( m − 1 ) T B ∣ ω ∣ ≤ π / T B 0 ∣ ω ∣ > π / T B G(\omega) = \begin{cases} T_B \sum_{m=1}^{N} R_m e^{-j\omega (m-1)T_B} & |\omega| \leq \pi/T_B \\ 0 & |\omega| > \pi/T_B \end{cases} G(ω)={TB∑m=1NRme−jω(m−1)TB0∣ω∣≤π/TB∣ω∣>π/TB

系统结构
  • 预编码: a k = R 1 b k + R 2 b k − 1 + ⋯ + R N b k − ( N − 1 ) a_k = R_1 b_k + R_2 b_{k-1} + \cdots + R_N b_{k-(N-1)} ak=R1bk+R2bk−1+⋯+RNbk−(N−1)(模L加)
  • 相关编码: C k = R 1 b k + R 2 b k − 1 + ⋯ + R N b k − ( N − 1 ) C_k = R_1 b_k + R_2 b_{k-1} + \cdots + R_N b_{k-(N-1)} Ck=R1bk+R2bk−1+⋯+RNbk−(N−1)(算术加)
  • 模L判决: a k = [ C k ] mod L a_k = [C_k]_{\text{mod } L} ak=[Ck]mod L

对于L进制输入,第I、IV类部分响应信号的电平数为 2 L − 1 2L-1 2L−1。

由于字数限制,第二部分在博客

笔记总结内容来自:通信原理 主讲:张锦皓 https://www.bilibili.com/video/BV1wA4y1f7Co?vd_source=a9099c2bbd4e16de0bbe08d30051754a

相关推荐
奥特曼_ it5 小时前
【数据分析+机器学习】基于机器学习的招聘数据分析可视化预测推荐系统(完整系统源码+数据库+开发笔记+详细部署教程)✅
笔记·数据挖掘·数据分析
四维碎片6 小时前
QSettings + INI 笔记
笔记·qt·算法
zzcufo6 小时前
多邻国第5阶段17-18学习笔记
笔记·学习
BlackWolfSky7 小时前
鸿蒙中级课程笔记4—应用程序框架进阶1—Stage模型应用组成结构、UIAbility启动模式、启动应用内UIAbility
笔记·华为·harmonyos
中屹指纹浏览器7 小时前
指纹浏览器性能优化实操——多实例并发与资源占用管控
经验分享·笔记
了一梨8 小时前
SQLite3学习笔记5:INSERT(写)+ SELECT(读)数据(C API)
笔记·学习·sqlite
jrlong9 小时前
DataWhale大模型基础与量化微调task5学习笔记(第 3 章:大模型训练与量化_模型量化实战)
笔记·学习
Sarvartha9 小时前
Routing(路由与分支)学习笔记
笔记·学习
Yu_Lijing9 小时前
《图解HTTP》笔记与读后感(上)
网络·笔记·网络协议·http
Gain_chance9 小时前
23-学习笔记尚硅谷数仓搭建-ODS层业务全量表、增量表结构设计及数据装载脚本
数据仓库·hive·笔记·学习