3 物理层 数据通信基础知识 奈氏准则与香农定理 物理层传输介质 信道复用技术

文章目录

      • 1 物理层基本概念
      • 2 数据通信的基础知识
          • 2.1 典型的数据通信系统模型
          • 2.2 与通信相关的几个术语
          • 2.3 有关信道的几个概念
          • 2.4 基带(baseband)信号和带通(band pass)信号
          • 2.5 几种最基本的调制方法
          • 2.6 网卡传送信号时的编码格式
          • 2.7 信道的极限容量
          • 2.8 信道能够通过的频率范围
            • 2.8.1 奈氏准则
            • 2.8.2 香农公式
            • 2.8.3 奈氏准则与香农公式应用范围
      • 3 物理层下传输介质
          • 3.1 导向传输媒体
          • 3.2 非导向传输媒体
          • 3.4 物理层设备---集线器
      • 4 信道复用技术
          • 4.1 频分复用 FDM
          • 4.2 时分复用TDM
          • 4.3 统计时分复用 STDM
          • 4.4 波分复用 WDM

1 物理层基本概念

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。

物理层的主要任务描述为确定与传输媒体的接口的一些特性,即:

  • 机械特性 指明接口所用接线器的形状和尺寸、引线数目和排列、固定和锁定装置等等。
  • 电气特性 指明在接口电缆的各条线上出现的电压的范围(-5V到+5V)。
  • 功能特性 指明某条线上出现的某一电平的电压表示何种意义,例规定-5V表示0,+5V表示1。
  • 过程特性 指明对于不同功能的各种可能事件的出现顺序。

2 数据通信的基础知识

2.1 典型的数据通信系统模型

在这里插入图片描述

发送方的计算机网卡发出数字信号即数据比特流,给调制解调器变成模拟信号,再通过广域网传播,先经过调制解调器将模拟信号转化为数字比特流,再传给接收方计算机

2.2 与通信相关的几个术语

通信的目的是传递消息

  1. 数据(data)——运送消息的实体。
  2. 信号(signal)——数据的电气的或电磁的表现。

“模拟的”(analogous)——代表消息的参数的取值是连续的。
“数字的”(digital)——代表消息的参数的取值是离散的。

  1. 码元(code)——在使用时间域(或简称为时域)的波形表示数字信号时,代表不同离散数值的基本波形。

在数字通信中常常用时间间隔相同的符号来表示一个二进制数字,这样的时间间隔内的信号称为二进制码元。而这个间隔被称为码元长度。1码元可以携带nbit的信息量

2.3 有关信道的几个概念

信道一般表示向一个方向传送信息的媒体。所以咱们说平常的通信线路往往包含一条发送信息的信道和一条接收信息的信道。

  1. 单向通信(单工通信)——只能有一个方向的通信而没有反方向的交互。
  2. 双向交替通信(半双工通信)——通信的双方都可以发送信息,但不能双方同时发送(当然也就不能同时接收)。
  3. 双向同时通信(全双工通信)——通信的双方可以同时发送和接收信息。
2.4 基带(baseband)信号和带通(band pass)信号
  1. 基带信号(即基本频带信号)——来自信源的信号。像计算机输出的代表各种文字或图像文件的数据信号都属于基带信号。
  2. 带通信号——把基带信号经过载波调制后,把信号的频率范围搬移到较高的频段以便在信道中传输(即仅在一段频率范围内能够通过信道)。
  • 因此在传输距离较近时,计算机网络都采用基带传输方式,由于在近距离范围内基带信号的衰减不大,从而信号内容不会发生变化。
  • 因此在传输距离较近时,计算机网络都采用基带传输方式。如从计算机到监视器、打印机等外设的信号就是基带传输的。
2.5 几种最基本的调制方法

基带信号往往包含有较多的低频成分,甚至有直流成分,而许多信道并不能传输这种低频分量或直流分量。为了解决这一问题,就必须对基带信号进行调制(modulation)。

最基本的二元制调制方法有以下几种:

  1. 调幅(AM):载波的振幅随基带数字信号而变化。
  2. 调频(FM):载波的频率随基带数字信号而变化。
  3. 调相(PM) :载波的初始相位随基带数字信号而变化。

在这里插入图片描述

2.6 网卡传送信号时的编码格式
  1. 曼彻斯特编码

在这里插入图片描述
采用曼切斯特编码,一个时钟周期只可表示一个bit,并且必须通过两次采样才能得到一个bit
但它能携带时钟信号,且可表示没有数据传输

  1. 差分曼彻斯特编码

在这里插入图片描述
差分曼彻斯特编码与曼彻斯特编码相同,但抗干扰性能强于曼彻斯特编码

例如:将 1000100111 进行曼彻斯特和差分曼彻斯特编码
在这里插入图片描述

2.7 信道的极限容量

任何实际的信道都不是理想的,在传输信号时会产生各种失真以及带来多种干扰。
码元传输的速率越高,或信号传输的距离越远,在信道的输出端的波形的失真就越严重。

数字信号通过实际的信道:

  1. 有失真,但可识别
    在这里插入图片描述
  2. 失真大,无法识别
    在这里插入图片描述
2.8 信道能够通过的频率范围
2.8.1 奈氏准则
  • 1924 年,奈奎斯特(Nyquist)就推导出了著名的奈氏准则。他给出了在假定的理想条件下,为了避免码间串扰,码元的传输速率的上限值。
  • 在任何信道中,码元传输的速率是有上限的,否则就会出现码间串扰的问题,使接收端对码元的判决(即识别)成为不可能。
  • 如果信道的频带越宽,也就是能够通过的信号高频分量越多,那么就可以用更高的速率传送码元而不出现码间串扰。
2.8.2 香农公式
  • 香农(Shannon)用信息论的理论推导出了带宽受限且有高斯白噪声干扰的信道的极限、无差错 的信息传输速率。
  • 信道的极限信息传输速率 C可表达为 : C = W log2(1+S/N) b/s

W 为信道的带宽(以 Hz 为单位);
S 为信道内所传信号的平均功率;
N 为信道内部的高斯噪声功率。

香农公式表明:

  1. 信道的带宽或信道中的信噪比越大,则信息的极限传输速率就越高。
  2. 只要信息传输速率低于信道的极限信息传输速率,就一定可以找到某种办法来实现无差错的传输。
  3. 若信道带宽 W或信噪比S/N没有上限(当然实际信道不可能是这样的),则信道的极限信息传输速率C也就没有上限。

实际信道上能够达到的信息传输速率要比香农的极限传输速率低不少。

注意:对于频带宽度已确定的信道,如果信噪比不能再提高了,并且码元传输速率也达到了上限值,那么还有办法提高信息的传输速率。这就是用编码的方法让每一个码元携带更多比特的信息量。

2.8.3 奈氏准则与香农公式应用范围

在这里插入图片描述

3 物理层下传输介质

3.1 导向传输媒体
  1. 双绞线
    屏蔽双绞线 STP (Shielded Twisted Pair)
    无屏蔽双绞线 UTP (Unshielded Twisted Pair)
  2. 同轴电缆
    50 Ω 同轴电缆:用于数字传输,由于多用于基带传输,也叫基带同轴电缆
    75 Ω 同轴电缆:用于模拟传输,即宽带同轴电缆

在这里插入图片描述
在这里插入图片描述

  1. 光缆
    在这里插入图片描述
3.2 非导向传输媒体
  1. 无线传输所使用的频段很广。
  2. 短波通信主要是靠电离层的反射,但短波信道的通信质量较差。
  3. 微波在空间主要是直线传播。

地面微波接力通信
卫星通信

3.4 物理层设备—集线器
  1. 工作特点:它在网络中只起到信号放大和重发作用,其目的是扩大网络的传输范围,而不具备信号的定向传送能力
  2. 最大传输距离: 100m
  3. 集线器是一个大的冲突域

4 信道复用技术

复用(multiplexing)是通信技术中的基本概念。

在这里插入图片描述

4.1 频分复用 FDM
  1. 用户在分配到一定的频带后,在通信过程中自始至终都占用这个频带。
  2. 频分复用的所有用户在同样的时间占用不同的带宽资源(请注意,这里的“带宽”是频率带宽而不是数据的发送速率)。

发送端
在这里插入图片描述

接收端
在这里插入图片描述

4.2 时分复用TDM
  1. 时分复用则是将时间划分为一段段等长的时分复用帧(TDM帧)。每一个时分复用的用户在每一个 TDM 帧中占用固定序号的时隙。
  2. 每一个用户所占用的时隙是周期性地出现(其周期就是TDM帧的长度)。
  3. TDM 信号也称为等时(isochronous)信号。
  4. 时分复用的所有用户是在不同的时间占用同样的频带宽度。

在这里插入图片描述
发送端按照规律放,接收端按照规律取

在这里插入图片描述

在这里插入图片描述

4.3 统计时分复用 STDM

在这里插入图片描述

4.4 波分复用 WDM

波分复用就是光的频分复用。
在这里插入图片描述

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/482185.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

向真实世界应用进军:持续自监督学习的挑战

来源:图灵人工智能编译:OGAI编辑:陈彩娴在 Yann Lecun 等人的推动下,自监督学习成为了深度学习领域最受瞩目的技术之一。互联网世界源源不断产生的数据流无疑是充分发挥自监督学习能力的最佳土壤。然而,将自监督学习应…

人类“超级大脑”背后的规模法则

来源:集智俱乐部作者:郭瑞东 编辑:邓一雪摘要不同动物的大脑具有不同形状和大小。大自然赋予像人类这样脑容量大的灵长类动物比例较大的大脑皮层。然而,比较研究表明,分配给大脑白质连接(大脑区域间长距离沟…

Meta AI 宣布对人脑和语言处理进行长期研究

来源:ScienceAI编辑:绿萝人类的大脑长期以来一直是一个难题——它是如何发展的,它如何继续进化,它被开发和未开发的能力。人工智能 (AI) 和机器学习 (ML) 模型也是如此。正如人类大脑创建的 AI 和 ML 模型日益复杂一样&#xff0c…

10年100亿!“新基石研究员”项目正式发布

来源: 中国科学报文:《中国科学报》记者 赵广立4月30日,《中国科学报》获悉,一项总投入达100亿元、面向基础研究领域的社会资助项目——“新基石研究员项目”正式发布。在国家有关部门的指导下,“新基石研究员项目”由…

代表地球文明精髓的E=mc²,为什么被称为“死亡方程式”

来源:大数据文摘有这样一条方程式,原腾讯副总裁吴军博士说,如果地球毁灭,要在一张名片上写下地球文明的全部精髓,他会写下三个公式,其中就包含这个方程式;搜狐CEO张朝阳专门开了堂线下物理课&am…

北交桑基韬:“超”人的机器学习,非语义特征的得与失

来源:AI科技评论作者:桑基韬整理:维克多人工智能目前最大的“拦路虎”是不可信赖性,以深度学习为基础的算法,在实验室环境下可以达到甚至超过人类的水平,但在很多实际应用场景下的性能无法保证,…

手把手教你搭建一个中式菜谱知识图谱可视化系统

手把手教你搭建一个中式菜谱知识图谱可视化系统中式菜谱知识图谱1、系统功能2、先来看看效果实体间关联关系及实体信息显示不同类型实体开关显示搜索功能展示3、系统实现流程3.1 数据爬取3.2 D3可视化中式菜谱知识图谱 今天分享一个自己从数据爬取到d3可视化的中式菜谱知识图谱…

AI数字人未来十大展望

来源 :商汤智能产业研究院编辑 :刘振航从电影中逼真的CG人物,到能够与我们面对面进行互动的智能服务助手,数字人会经历几级进化?数字人正在从有颜无智的“CG数字模特”,进化为可提高生产力、驱动创新服务的…

知识图谱最新权威综述论文解读:开篇部分

论文地址:http://arxiv.org/abs/2002.00388 这篇综述是数据科学权威 Philip S. Yu 团队对知识图谱领域的最新综述论文,论文从知识图谱的发展历史、知识表示学习、知识获取、知识应用、未来研究方向等方面描述了知识图谱的全局。 首先,咱们先…

耗资52亿美元,历时15年,人类有史以来建造的最复杂机器

来源:世界先进制造技术论坛欧洲大型强子对撞机是现在世界上最大、能量最高的粒子加速器,是一种将质子加速对撞的高能物理设备,英文名称为LHC。LHC是人类迄今建造的最大最复杂的科学设备,它的建设历时15年,耗资52亿美元…

贝叶斯深度学习:一个统一深度学习和概率图模型的框架

来源:AI科技评论 作者:王灏整理:维克多人工智能(AI)的进展显示,通过构建多层的深度网络,利用大量数据进行学习,可以获得性能的显著提升。但这些进展基本上是发生在感知任务中&#…

知识图谱最新权威综述论文解读:知识表示学习部分

知识图谱最新权威综述论文解读:知识表示学习部分知识图谱表示学习1 表示空间1.1 Point-wise空间1.2 复数向量空间​1.3 高斯分布1.4 流形和群2 打分函数2.1 基于距离的打分函数​2.2 语义匹配模型:​3 编码模型3.1 线性/双线性模型3.2 张量分解模型3.3 神…

对知识图谱的告白:斯坦福大学CS520课程介绍

斯坦福大学CS520知识图谱系列课程,从这个课程的编号就足以看出对计算机科学的告白。 相信大家对斯坦福大学的计算机学科公开课一点也不陌生,对很多人来说,面向计算机视觉的CS231n和面向自然语言处理的CS224n几乎成为了入门人工智能领域以及C…

脑计算将何去何从?

来源:内容由半导体行业观察(ID:icbank)编译:nature.摘要类脑计算新技术有望通过完全不同的方式处理信息,能效极高,并能处理我们加速产生的大量非结构化和嘈杂的数据。为了实现这一承诺&#xff…

知识图谱最新权威综述论文解读:知识图谱补全部分

上期我们介绍了2020年知识图谱最新权威综述论文《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》的知识表示学习部分,本期我们将一起学习这篇论文的知识图谱补全部分。 论文地址: https://arxiv.org/pdf/2002.00388.p…

神经元的集体行为:大尺度脑活动的动力学模型

来源:集智俱乐部(https://mp.weixin.qq.com/s/X88lG7rFhIFlpCJ2jVMLtg) 作者:彭崧峻 校对:梁金编辑:邓一雪封面:Sergey Fedotov排版:光影导语 / Introduction大脑由神经元组成&…

知识图谱最新权威综述论文解读:实体发现

上期我们介绍了2020年知识图谱最新权威综述论文《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》的知识图谱补全部分,本期我们将一起学习这篇论文的实体发现部分。 论文地址: https://arxiv.org/pdf/2002.00388.pdf​…

Jurassic-X: 让神经模型学会符号推理

来源:前沿科技解读:Antonio编辑:陈彩娴近期,一家以色列NLP研究机构AI21 Labs开发了一个名叫Jurassic-X的算法系统,它基于该实验室提出来的MRKL(它与miracle谐音)系统。Jurassic-X的前身是对标GP…

知识图谱最新权威综述论文解读:关系抽取

上期我们介绍了2020年知识图谱最新权威综述论文《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》的知识图谱实体发现部分,本期我们将一起学习这篇论文的关系抽取部分。 论文地址: https://arxiv.org/pdf/2002.00388.p…

斯坦福大学CS520知识图谱系列课程学习笔记:第一讲什么是知识图谱

随着知识图谱在人工智能各个领域的广泛使用,知识图谱受到越来越多AI研究人员的关注和学习,已经成为人工智能迈向认知系统的关键技术之一。之前,斯坦福大学的面向计算机视觉的CS231n和面向自然语言处理的CS224n成为了全球非常多AI研究人员的入…