调制深度,峰均值功率比,脉冲整形等因素对于调制损耗的影响...

在这里插入图片描述
我们知道光发射机中一个非常重要的参数是发射功率。如果光发射机处于无源光网络(PON),没有后续放大器的情况,发射功率很大程度上决定了发射机可以传输的距离 (功率预算,power budget);如果光发射机后续有放大器,发射功率则决定了发射端的带内光信噪比(in-band OSNR),对于一定光接收机的OSNR要求,决定了信噪比预算 (OSNR budget)的多少。这些都是一个光传输系统中至关重要的参数。发射机的发射功率与片上损耗与激光的输出功率直接相关。在其他损耗已经确定的情况下,调制损耗(modulation loss) 是我们需要根据综合需求而调整的参数,来调整发射功率的大小。

题目中提到了调制深度(modulation depth),峰均值功率比(peak-to-average power ratio, PAPR),脉冲整形(pulse shaping)都会对调制损耗有影响。那么它们分别都是怎样影响调制损耗的呢?首先我们先要知道为什么会有调制损耗。

以相干调制系统中来举例,调制器偏置在Null的位置,当输入的射频信号为红色的正弦波时,输出光信号为蓝色的正弦波。我们可以看出,当射频信号幅度非常小,甚至接近于零时,是没有输出光信号的。这个时候调制损耗趋于无穷大。这是因为相干系统中的偏置点在Null的位置,本身没有输出的光信号。光信号的输出一定是由于有射频信号的输入引起的。我们把从Null点到Peak点的电压称为VπV_{\pi}VπVπV_{\pi}Vπ的大小调制器一个很重要的性质,通常而言,在其他情况相同时,小VπV_{\pi}Vπ的调制器意味着更低的损耗,更容易达到更大的3 dB 带宽,从而是更优的调制器。输入射频信号的峰峰值为VppV_{pp}Vpp。调制深度的定义为Vpp/VπV_{pp} / V_{\pi}Vpp/Vπ。在实际情况中,为了保持调制器的正弦函数的近似线性性质,调制深度通常是小于1的。很容易看到,在调制深度小于1时,调制深度的大小是直接影响调制损耗的。为了不让调制损耗过大,通常又不会选择太小的调制深度。

峰均值功率比是一段信号的性质。假设输入信号是一段整数周期的正弦波,那么这段信号的峰均值功率比是2,或者3 dB。调制深度是一个峰值比调制器参数的概念,而真正的功率是随时间的平均,所以真正计算损耗的时候需要从峰值功率转化到平均功率。

调制深度(modulation depth )

  1. 定义:
    在双边带调幅方式情况下,必须加以限制的峰值幅偏值。通常为已调波的最大振幅与最小振幅之差对载波最大振幅与最小振幅之和的比,用百分数表示。
    设调幅信号的最大振幅为Emax1E_{max}^1Emax1,包络最小振幅为Emin1E_{min}^1Emin1, 载波信号的最大振幅为Emax2E_{max}^2Emax2,最小振幅为Emin1E_{min}^1Emin1,则调制深度为: m=(Emax1−Emin1)/(Emax2+Emin2)m=(E_{max}^1 - E_{min}^1)/(E_{max}^2+E_{min}^2)m=(Emax1Emin1)/(Emax2+Emin2)
    在激光领域里,调制深度是指脉冲注入可饱和吸收体时反射率的最大变化量,或吸收体可饱和吸收所损耗的光的总量,即可被强脉冲能量漂白的能力。它主要取决于吸收体的材料、厚度以及可饱和吸收镜的具体结构。
  2. 其他解释和举例:
    1)调制深度,也叫调制度,modulation depth,指的是调制波的幅度与载波幅度的比值,常用百分数表示,即:
    p(t)=(A+m(t))∗cos(2∗π∗f∗t);p(t) = (A + m(t))*cos(2*\pi*f*t);p(t)=(A+m(t))cos(2πft);
    则:md=peak(m(t))/A;(md = peak(m(t)) / A; (%)md=peak(m(t))/A;
    或者 md=(pmax−pmin)/(pmax+pmin)md = (p_{max}-p_{min}) / (p_{max}+p_{min})md=(pmaxpmin)/(pmax+pmin);
    有时也会用dB表示调制深度,此时,指的是调制波的波峰到波谷下降的dB值。
    2)PWM调制深度,专指脉冲宽度的调制,一般其峰值不变,只是其每一个脉冲的开通和关断的时间比例可以从百分之1到百分之99,说其调制深度最大,假如从百分之30到百分之80就可以调制深度比较小。其调制度越大,脉冲串输出滤波后其线性电压变化也越大。在直流电机调速系统的应用正是借用这一特性。

说到脉冲整形,就得提起信号进入数模转化器之前经历的模块。下面的流程图是一个简单的描述。通常比特会根据调制格式被转化成符号(symbol),经历一个过采样的过程,然后经过发射端的幅度和相位的预补偿来均衡数模转换器和之后的驱动器和调制器的幅度损耗和群延迟。然后经过脉冲整形来与接收端共同形成一个matched filter来减少码间串扰 (inter-symbol interference, ISI)。常用的matched filter有升余弦滚降滤波器(raise cosine, RC filter)或平方根升余弦滚降(root raised cosine, RRC filter)。平方根升余弦滚降要求在接收端也有一个同样的滤波器来形成matched filter。
在这里插入图片描述

如果没有脉冲整形,时域的拖尾衰减是一个sinc函数,以1/t的幅度衰减,而RC filter是以1/t3的速度衰减。脉冲整形是利用一些多余带宽换取更少的ISI的方案。然而脉冲整形会改变信号的峰均值功率比,所以也改变了调制损耗。下面两张图是假设波特率为60 GBd的信号的两种滤波器的波形。
在这里插入图片描述
综合以上因素,我们可以得出一条普适的调制损耗的公式:
在这里插入图片描述

下面是我仿真了QPSK和16QAM两种格式不同调制深度,不同脉冲整形条件下的调制损耗。
在这里插入图片描述

注意到QPSK在没有脉冲整形时的峰均值功率比是1,而16QAM在没有脉冲整形时的峰均值功率比是1.8,所以QPSK整体比16QAM的调制损耗小。在没有整形时的调制损耗均比有脉冲整形时的调制损耗小。在信号PAPR较大时,RRC滤波器的调制损耗比RC 滤波器的损耗小。

我们的仿真里都是理想情况,并没有考虑到驱动器的非线性效应,噪声,发射端的群延迟,多径,以及脉冲整形前对于这些效应补偿力度的大小所造成的影响。这篇文章里的仿真给出一个基本的参考。对于更复杂的效应,我们则要细分具体的情况去分析讨论。

原文链接:https://blog.csdn.net/weixin_26882891/article/details/112718915
http://www.aikelabs.com/wiki/645.htm

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/345334.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

移动流量转赠给好友_私域流量的五大认知误区

各大品牌主对于私域流量存在的认知误区 ,你是否也这样认为?目前看起来,私域流量好像只要前期投入,后期就可以为自身带来源源不断的流量,但是私域流量真的像看起来那么美吗?其实不是的,我们对于私…

MATLAB 显示输出数据的三种方式

1. 改变数据格式 当数据重复再命令行窗口时,整数以整形形式显示,其他值将以默认格式显示。MATLAB的默认格式是精确到小数点后4位。如果一个数太大或太小,那么将会以科学记数法的形式显示。比如: >> x100.11x 100.1100>…

Matlab 语句

1. 显示输出数据的三种方式 1.1 改变数据格式 当数据重复再命令行窗口时,整数以整形形式显示,其他值将以默认格式显示。MATLAB的默认格式是精确到小数点后4位。如果一个数太大或太小,那么将会以科学记数法的形式显示。比如: &g…

Probability, Matringale,Markov Chain, MCMC

一、基本知识 1. 条件概率 条件概率是指在某件事情已经发生的前提下,另一件事情在此基础上发生的概率,举例来说P(A丨B)表示B发生的基础上,A也发生的概率,基本公式为: 2. 条件期望 在上述概率下的期望我们称之为条…

html 按钮 按下 状态_科普|你身边的手动火灾报警按钮,您了解吗?

手动火灾报警按钮手动火灾报警按钮,是火灾报警系统中的一个设备类型,当建筑发生火灾时在火灾探测器没有探测到火灾的时候人员手动按下手动火灾报警按钮,报告火灾信号,向建筑所属消防控制室报火警。正常情况下当手动火灾报警按钮报…

马尔可夫蒙特卡罗 MCMC 原理及经典实现

我们在做机器学习、深度学习或自然语言处理等项目时,经常采用什么方法采样呢?大家马上会想到吉布斯 Gibbs 采样,今天我们来分享一种比较实用的采样方法:马尔可夫蒙特卡罗方法,吉布斯采样是其中的一种。 Markov chain …

les物流执行系统_【精益运营】立足智慧物流 推进仓储智能化稳步升级

近年来,“智能制造”成为制造行业的热门词汇,也成为引领物流行业发展的风向标。今年在两会中,“智能”一词首次写入报告,为传统行业改造升级、实现协同共享带来了新的发展机遇。早在2017年12月,根据公司对VMI业务整合工…

增益比值 dB 以及 dBw-dBmv 等之详解

dB 分贝(工程应用),dB(Decibel,分贝)是一个纯计数单位,本意是表示两个量的比值大小,没有单位。在工程应用中经常看到貌似不同的定义方式(仅仅是看上去不同)。…

带有Spring Boot 2支持的Apache Camel 2.22发布

今天,我们发布了最新的Apache Camel 2.22.0版本 ,这是第一个正式完全支持Spring Boot 2的版本。这是一项重大的工作,因为针对像Apache Camel这样的大型框架将Spring Boot v1升级到v2付出了很多努力–感谢骆驼队和他们的贡献。 对Spring Boot …

java 分布式事务_Java核心知识 Spring原理十五 JPA 原理

1. 事务事务是计算机应用中不可或缺的组件模型,它保证了用户操作的原子性 ( Atomicity )、一致性( Consistency )、隔离性 ( Isolation ) 和持久性 ( Durabilily )。2. 本地事务紧密依赖于底层资源管理器(例如数据库连接 ),事务处理局限在当前事务资源内…

Latex中定理、引理、证明、假设、空白行的编写

1. 引理 \newtheorem{lemma}{Lemma}[section] \begin{lemma} \label{lemma1}\end{lemma}编译效果: 2. 定理 \newtheorem{thm}{\bf Theorem}[section] \begin{thm}\label{thm1} Suppose system (\ref{l1}) satisfies Assumption (\ref{mim1}), the closed-loop s…

Latex设置字体大小

全局模式 \documentclass[12pt]{article} 在文档的开头,有设置整个文章的字体大小,如:12pt。 局部模式 设置字体大小的命令从小到大为: \tiny \scriptsize \footnotesize \small \normalsize \large \Large \LARGE \huge \Huge…

c 结构体在声明时赋值_C/C++编程笔记:C++入门知识,C++多态性和虚函数解析

本篇要学习的内容和知识结构概览多态性编译时的多态性称为静态联编. 当调用重载函数时, 在编译期就确定下来调用哪个函数.运行时的多态性称为动态联编. 在运行时才能确定调用哪个函数, 由虚函数来支持.静态联编中的赋值兼容性及名字支配规律派生一个类的原因并非总是为了添加新…

concurrent vs. simultaneous

Both the words mean “occurring at the same time”, but “concurrent” represents the events that occur over a period of time whereas “simultaneous” represents the events that occur at a point in time. https://www.perfmatrix.com/concurrent-users-vs-simul…

使用Spring Boot和GraphQL构建安全的API

“我喜欢编写身份验证和授权代码。” 〜从来没有Java开发人员。 厌倦了一次又一次地建立相同的登录屏幕? 尝试使用Okta API进行托管身份验证,授权和多因素身份验证。 GraphQL是Facebook在2012年开发的一种数据查询语言,用于解决REST API和传…

ue4材质节点大全_转载于知乎:UE4 多象限(UDIM)贴图在UE4中的应用

各位小伙伴早上好啊!真的又隔了很久才再次见面。。这次是工作上一个同事在网上看到了一篇有意思的文章分享给我,觉得这种方式确实挺有意思,反正我是之前没有这么去考虑过。希望能够给大家带来一点启发!!此文章转载于知乎:UE4 多象限(UDIM)贴图…

Latex各种命令、符号、公式、数学符号、排版等

本文仅供学习参考使用,一切版权和解释权均归原作者所有,转载地址:http://blog.csdn.net/garfielder007/article/details/51646604 数学符号详细内容见:http://mohu.org/info/symbols/symbols.htm 直接查看链接 http://www.mohu.o…

app inventor调用图像识别_+AI场景,3步懂图像识别产品

本文重点讲述基于成熟的第三方AI平台阿里、某度、腾讯、谷歌等等中选择一个可供使用的SDK基于Python语言实现图像识别功能的GUI界面,从而一观图像识别车型、图像识别文本产品的实现过程。我们正处于各种图像识别的场景里,你去某些生鲜超市不用手机可以实…

适用于Java EE / Jakarta EE开发人员的Micronaut

城镇中有一个名为Micronaut的新微服务框架。 在本文中,我将从Java EE / Jakarta EE的角度讨论如何冒险使用Micronaut框架。 我是Java EE开发人员,因此使用诸如Eclipse MicroProfile之类的解决方案开发微服务更接近我的专业知识,但是Micronaut…

塔罗牌第五张是什么牌_塔罗牌四季牌阵:冬至将至,快来看看未来这三个月运势如何?...

塔罗牌四季牌阵,是一个神奇的牌阵,因为一年之中只有占卜四次的机会。塔罗牌四季牌阵最初从塔罗师 Marcia Masino 的《Best Tarot Practices》,作为占卜接下来三个月也就是一个季度整体运势的一种特殊牌阵,只能在每年四个季节转变的…