计算机网络——物理层(奈氏准则和香农定理)

计算机网络——物理层(奈氏准则和香农定理)

  • 失真
  • 码间串扰
  • 奈氏准则(奈奎斯特定理)
    • 极限数据率
  • 噪声
  • 信噪比
  • 香农定理
  • 奈氏准则和香农定理的区别

前面我们已经了解一些数据通信的基本知识,没有看过上一篇得小伙伴可以点击这里:

https://blog.csdn.net/qq_67693066/article/details/136685045

今天我们来学习两个准则——奈氏准则和香农定理

失真

失真: 是指信号在传输过程中的衰减或扭曲。当信号通过通信通道或传输媒介时,由于噪声、衰减或反射等因素,信号可能会发生失真。失真导致信号的波形形状发生变化,从而影响数据的准确性和可靠性。
在这里插入图片描述

码间串扰

码间串扰(Inter-Symbol Interference,ISI)是数字通信中常见的一种失真形式,它发生在相邻码元之间的干扰导致信号间隔模糊,从而使接收端难以准确识别每个码元。
在这里插入图片描述

这里注意一下,这里的信号带宽过高过低都不行。过低会导致数据没传过去就消磨干净了,过高会导致码元过于紧密导致无法识别。

奈氏准则(奈奎斯特定理)

奈氏准则,也被称为奈奎斯特定理,是1924年由奈奎斯特推导出的准则。它主要描述了在理想低通(即无噪声、带宽受限)的信道中,为了避免码间串扰,码元的传输速率的上限值。具体地,极限码元传输速率为2WBaud,其中W是理想低通信道的带宽,单位为Hz;Baud是波特

极限数据率

奈氏准则倒是不难,但是这个极限数据率会结合奈氏准则,这个就会和香农定理搞混:

奈氏准则(奈奎斯特定理)为极限数据率提供了一个重要的理论基础。在理想低通(无噪声、带宽有限)的信道中,为了避免码间串扰,极限码元传输速率为2W波特,其中W是信道的带宽。进一步地,如果V表示每个码元离散电平的数目(即码元可以表示的不同状态的数量),则理想低通信道下的极限数据传输速率可以通过公式2Wlog2V来计算,单位为b/s(比特每秒)。这个公式表明,信道的带宽越宽,或者每个码元所能表示的信息量越大,那么数据的极限传输速率就越高。在这里插入图片描述举个例子:
在这里插入图片描述

噪声

噪声是指在信号传输过程中,由于各种原因而产生的干扰或杂音。这些干扰或杂音可能会影响信号的质量和可靠性,导致信息传输错误或失真噪声可能来自多种源头,包括电子设备、传输介质以及自然环境等。为了降低噪声对信号传输的影响,通信系统通常会采用一系列技术,如信号调制、纠错码和滤波器等,以提高信号传输的质量和可靠性。

信噪比

信噪比 SNR或S/N是指一个电子设备或者电子系统中信号与噪声的比例,是用来描述信号中有效成分与噪声成分的比例关系的参数。信噪比的计量单位是dB,其数值越高,代表信号中的噪声越小,信号质量越好。

对于一张图像来说,信噪比高意味着画面干净无噪点,而信噪比低则会使图像粗糙噪声多,画面发灰不通透,对比度不够。同样,对于音频来说,信噪比高意味着音频质量纯净,噪声少。

信噪比广泛应用于许多领域,如生物学、通信科技等,其定义随应用背景的不同而有所变化,但都围绕着有效信息与噪声之间的关系。

香农定理

上面的奈氏准则是建立在无噪声、带宽有限的情况之下。而香农定理是建立在带宽有限,有噪声的前提下:

香农定理:描述了有限带宽、有随机热噪声信道的最大传输速率与信道带宽、信号噪声功率比之间的关系(通过公式C=Wlog2(1+S/N)来计算可得到的链路速度,其中C是链路速度,W是链路带宽,S是平均信号功率,N是平均噪声功率,信噪比(S/N)通常用分贝(dB)表示。)。具体来说,它指出在给定信道条件下存在一个极限数据传输速率
在这里插入图片描述
在这里插入图片描述

举个例子:
在这里插入图片描述

奈氏准则和香农定理的区别

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/749669.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

Android 系统的启动过程

Android 系统的启动流程: RomBoot(只读存储器引导程序):这是设备上电时运行的初始软件。RomBoot执行基本的硬件初始化,确保硬件处于可以运行后续启动阶段的状态。这一阶段非常重要,因为它为整个启动过程奠定…

Educational Codeforces Round 163 (Rated for Div. 2) (A~C)

Educational Codeforces Round 163 (Rated for Div. 2) (A~C) 目录:A B C A题:Special Characters 标签: 暴力枚举(brute force)构造算法(constructive algorithms) 题目大意 构造一个字符串含有n个特殊…

LCD屏的应用

一、LCD屏应用 Linux下一切皆文件,我们的LCD屏再系统中也是一个文件,设备文件:/dev/fb0。 如果要在LCD屏显示数据,那我们就可以把数据写入LCD屏的设备文件。 1.显示颜色块 LCD屏分辨:800*480 像素 32位:说明一个像…

JAVA---学生管理系统

遍历字符串 ArrayList学习:

CCF 202009-3 点亮数字人生(拓扑排序)

题目背景 土豪大学的计算机系开了一门数字逻辑电路课,第一个实验叫做“点亮数字人生”,要用最基础的逻辑元件组装出实际可用的电路。时间已经是深夜了,尽管实验箱上密密麻麻的连线已经拆装了好几遍,小君同学却依旧没能让她的电路正…

【MySQL基础】MySQL基础操作三

文章目录 🍉1.联合查询🥝笛卡尔积 🍉2.内连接🥝查询单个数据🥝查询多个数据 🍉3.外连接🍉4.自连接🍉5.合并查询 🍉1.联合查询 🥝笛卡尔积 实际开发中往往数…

【软件测试】软件测试的基本概念和开发模型

1. 前言 在进行软件测试的学习之前,我们要了解软件测试一些基本概念. 这些基本概念将帮助我们更加明确工作的目标以及软件测试到底要做什么. 2. 软件测试的基本概念 软件测试的基本概念有3个,分别是需求,测试用例和BUG. 2.1 需求 这里的需求还可以分为 用户需求和软件需求,用…

python 第三方库(PyPinyin\shortuuid\json)

PyPinyin库 简介 PyPinyin库是一个支持中文转拼音输出的Python第三方库,它可以根据词组智能匹配最正确的拼音,并且支持多音字,简单的繁体, 注音,多种不同拼音/注音风格的转换。 安装 (framework-learn) C:\Users\zzg>pip …

python类对象

类提供了把数据和功能绑定在一起的方法。创建新类时创建了新的对象 类型,从而能够创建该类型的新 实例。实例具有能维持自身状态的属性,还具有能修改自身状态的方法(由其所属的类来定义)。 和其他编程语言相比,Python…

QT for Mcu的学习建议

QT for MCU(微控制器单元)是一个相对较新的领域,它允许在资源受限的微控制器上运行Qt框架,从而为嵌入式设备带来丰富的用户界面和跨平台的开发体验。以下是一些建议,可以帮助你开始学习Qt for MCU: 理解Qt…

从遍历上来说,list是单向的,vector是双向的。这句话对吗

从遍历的角度来说: 对于list来说,虽然它是双向链表,每个节点都包含指向前一个节点和后一个节点的指针,但在实际遍历时,我们通常只能沿着一个方向(比如从头到尾或从尾到头)进行遍历,因…

图像去噪--(1)

系列文章目录 文章目录 系列文章目录前言一、图像噪声1.1 噪声定义1.2 基本特征 二、按照噪声概率分布分类1.高斯噪声2.泊松噪声 三、去噪算法3.1 线性滤波3.1.1 高斯滤波3.1.2 均值滤波 3.2 非线性滤波3.2.1 中值滤波3.2.2 双边滤波 四、深度学习总结 前言 一、图像噪声 1.1 …

条款09:绝不在析构和构造中调用virtual函数

1.为什么 #include<iostream> using namespace std;class Transaction//交易信息类 {Transaction();virtual void logTransaction()const 0;//交易日志 };Transaction::Transaction() {logTransaction(); }class BuyTransaction : public Transaction//买入操作 {virtu…

Springboot全局异常处理

Springboot全局异常处理 一、不使用全局异常处理器二、全局异常处理器1.自定义常量&#xff08;返回状态码&#xff09;2.手动抛出异常3.编写全局异常处理器4.测试结果 三、全局异常处理方式二1.定义状态码常量2. 定义基础接口&#xff08;面向接口编程&#xff09;3.定义枚举类…

湖南麒麟SSH服务漏洞

针对湖南麒麟操作系统进行漏洞检测时&#xff0c;会报SSH漏洞风险提醒&#xff0c;具体如下&#xff1a; 针对这些漏洞&#xff0c;可以关闭SSH服务&#xff08;前提是应用已经部署完毕不再需要通过SSH远程访问传输文件的情况下&#xff0c;此时可以通过VNC远程登录方法&#x…

JMeter基础 — JMeter聚合报告详解

提示&#xff1a;聚合报告组件的使用和察看结果树组件的使用方式相同。本篇文章主要是详细的介绍一下聚合报告组件内容&#xff0c;不做示例演示。 1、聚合报告介绍 在使用JMeter进行性能测试时&#xff0c;聚合报告(Aggregate Report)可以说是必用的监听器。 &#xff08;1&…

Internet协议的安全性

Internet协议的安全性 文章目录 Internet协议的安全性1. 网络层1. IP*62. ARP*33. ICMP * 3 2. 传输层协议1. TCP1. * SYN-Flood攻击攻击检测* 防御 2. TCP序号攻击攻击 3. 拥塞机制攻击 2. UDP 3. 应用层协议1. DNS攻击*3防范*3: 2. FTP3. TELNET: 改用ssh4. 电子邮件1. 攻击2…

【Javascript编程实操06】1、反转数组和字符串 2、将二维数组转一维数组

前言 1、反转数组和字符串 代码&#xff1a; 实现效果&#xff1a; 2、将二维数组转一维数组 代码&#xff1a; 实现效果&#xff1a; 总结 前言 本次主要是针对Javascript阶段的字符串与数组的实操练习&#xff0c;共有2个实操&#xff0c;大家可以在实操的过程中更加深…

什么时候去检测大数据信用风险比较合适?

什么时候去检测大数据信用风险比较合适?在当今这个数据驱动的时代&#xff0c;大数据信用风险检测已经成为个人的一项重要需求。本文将从贷前检测、信息泄露检测和定期检测三个方面&#xff0c;阐述何时进行大数据信用风险检测较为合适。 一、贷前检测 大数据信用风险检测在贷…

Docker使用(二)Docker安装和常见典型操作

Docker使用(二)Docker安装和常见典型操作 二、软件安装 1、Docker安装 &#xff08;1&#xff09;环境准备 [rootlocalhost ~]# uname -r 3.10.0-327.el7.x86_64 # cat /etc/os-release &#xff08;2&#xff09;卸载旧版本 $ sudo yum remove docker \ ​ docker-cli…