通信原理概论复习笔记(1)

1 绪论

消息: 通信系统传输对象, 信息的载体和物理表现形式.
信息: 消息的有效内容和内涵.
信号: 消息的传输载体.

模拟通信: 信源 → \to 调制器 → \to 信道(噪声) → \to 解调器 → \to 信宿.
数字通信: 信源 → \to 信源编码(压缩+数字化) → \to 加密 → \to 信道编码(差错控制+信道复用) → \to 数字调制(信息载波) → \to 信道(噪声+干扰) → \to 数字解调(已调信号卸载信息) → \to 信道译码(最佳接收) → \to 解密 → \to 信源译码 → \to 信宿; 同步.
优点: 抗干扰能力强, 噪声不积累; 传输差错可控; 便于处理, 变换, 存储; 便于复用; 易于集成; 易于加密.
缺点: 需要较大的传输带宽; 对同步要求高.

信道信号特征: 模拟(连续); 数字(离散).
传输方式: 基带(未调制数字信号); 带通(已调信号).
复用方式: 频分; 时分; 码分; 波分; 空分.
传输方向和时间: 单工; 半双工; 全双工.

信息量: I ( x ) = − log ⁡ p ( x ) I(x)=-\log p(x) I(x)=logp(x); 底 2 2 2 为比特(bit), e e e 为奈特(nat), 10 10 10 为哈特莱(Hartley).
信息熵(平均信息量): H ( X ) = − ∫ − ∞ + ∞ f ( x ) log ⁡ f ( x ) d x H(X)=-\int_{-\infty}^{+\infty}f(x)\log f(x)\mathrm{d}x H(X)=+f(x)logf(x)dx.
性能指标: 有效性 - 传输带宽/频带利用率; 可靠性 - 输出信噪比/差错概率.
传输速率: 波特率(码元) R B = 1 T B R_B=\frac{1}{T_B} RB=TB1 (Baud); 比特率(信息) R b = R B H R_b=R_BH Rb=RBH ( M M M 进制等概率时) = R B log ⁡ M =R_B\log M =RBlogM (bps).
频带利用率: η = R B B \eta=\frac{R_B}{B} η=BRB (Baud/Hz); η b = R b B \eta_b=\frac{R_b}{B} ηb=BRb (bps/Hz).
误码率 P e P_e Pe; 误信率(误比特率) P b P_b Pb; 2 2 2 进制时 P b = P e P_b=P_e Pb=Pe; M > 2 M>2 M>2 进制时 P b < P e P_b<P_e Pb<Pe.

卷积定理: f ( t ) ↔ F ( ω ) f(t)\leftrightarrow F(\omega) f(t)F(ω), g ( t ) ↔ G ( ω ) ⟹ f ( t ) ∗ g ( t ) ↔ F ( ω ) G ( ω ) g(t)\leftrightarrow G(\omega)\implies f(t)*g(t)\leftrightarrow F(\omega)G(\omega) g(t)G(ω)f(t)g(t)F(ω)G(ω), f ( t ) g ( t ) ↔ 1 2 π F ( ω ) ∗ G ( ω ) f(t)g(t)\leftrightarrow \frac{1}{2\pi}F(\omega)*G(\omega) f(t)g(t)2π1F(ω)G(ω); ω = 2 π f \omega=2\pi f ω=2πf.

f ( t ) f(t) f(t) F ( ω ) F(\omega) F(ω) f ( t ) f(t) f(t) F ( ω ) F(\omega) F(ω)
δ ( t ) \delta(t) δ(t) 1 1 1 r e c t ( t τ ) {\rm rect}(\frac{t}{\tau}) rect(τt) τ S a ( ω τ 2 ) \tau{\rm Sa}(\frac{\omega\tau}{2}) τSa(2ωτ)
1 1 1 2 π δ ( ω ) 2\pi\delta(\omega) 2πδ(ω) W 2 π S a ( W t 2 ) \frac{W}{2\pi}{\rm Sa}(\frac{Wt}{2}) 2πWSa(2Wt) r e c t ( ω W ) {\rm rect}(\frac{\omega}{W}) rect(Wω)
e j ω 0 t e^{j\omega_0t} ejω0t 2 π δ ( ω − ω 0 ) 2\pi\delta(\omega-\omega_0) 2πδ(ωω0) cos ⁡ ( ω 0 t ) \cos(\omega_0t) cos(ω0t) π [ δ ( ω + ω 0 ) + δ ( ω − ω 0 ) ] \pi[\delta(\omega+\omega_0)+\delta(\omega-\omega_0)] π[δ(ω+ω0)+δ(ωω0)]
s g n ( t ) {\rm sgn}(t) sgn(t) 2 j ω \frac{2}{j\omega} 2 sin ⁡ ( ω 0 t ) \sin(\omega_0t) sin(ω0t) π j [ δ ( ω + ω 0 ) − δ ( ω + ω 0 ) ] \pi j[\delta(\omega+\omega_0)-\delta(\omega+\omega_0)] πj[δ(ω+ω0)δ(ω+ω0)]
j π t \frac{j}{\pi t} πtj s g n ( ω ) {\rm sgn}(\omega) sgn(ω) e − α ∣ t ∣ e^{-\alpha|t|} eαt 2 α α 2 + ω 2 \frac{2\alpha}{\alpha^2+\omega^2} α2+ω22α
u ( t ) u(t) u(t) π δ ( ω ) + 1 j ω \pi\delta(\omega)+\frac{1}{j\omega} πδ(ω)+1 u ( t ) e − α t u(t)e^{-\alpha t} u(t)eαt 1 α + j ω \frac{1}{\alpha+j\omega} α+1
δ T ( t ) = ∑ − ∞ + ∞ δ ( t − n T 0 ) \delta_T(t)=\sum_{-\infty}^{+\infty}\delta(t-nT_0) δT(t)=+δ(tnT0) ω 0 ∑ − ∞ + ∞ δ ( ω − n ω 0 ) \omega_0\sum_{-\infty}^{+\infty}\delta(\omega-n\omega_0) ω0+δ(ωnω0) u ( t ) t e − α t u(t)te^{-\alpha t} u(t)teαt 1 ( α + j ω ) 2 \frac{1}{(\alpha+j\omega)^2} (α+)21
A t 0 ( t 0 2 − ∣ τ ∣ ) \frac{A}{t_0}(t_0^2-|\tau|) t0A(t02τ) A t 0 S a 2 ω t 0 2 At_0{\rm Sa}^2\frac{\omega t_0}{2} At0Sa22ωt0

冲激信号: ∫ − ∞ + ∞ δ ( t ) d t = 1 \int_{-\infty}^{+\infty}\delta(t)\mathrm{d}t=1 +δ(t)dt=1, δ ( t ) = 0 ( t ≠ 0 ) \delta(t)=0\ (t\ne 0) δ(t)=0 (t=0); Δ ( f ) = 1 \Delta(f)=1 Δ(f)=1.
单位阶跃函数: u ( t ) = 0 , t < 0 ; 1 , t ≥ 0 u(t)=0,\ t<0;\ 1,\ t\geq 0 u(t)=0, t<0; 1, t0; u ′ ( t ) = δ ( t ) u'(t)=\delta(t) u(t)=δ(t).
抽样函数: f ( t 0 ) = ∫ − ∞ + ∞ f ( t ) δ ( t − t 0 ) d t f(t_0)=\int_{-\infty}^{+\infty}f(t)\delta(t-t_0)\mathrm{d}t f(t0)=+f(t)δ(tt0)dt, 其中 f ( t ) f(t) f(t) t 0 t_0 t0 处连续.
采样函数: S a ( t ) = s i n c ( t ) = sin ⁡ t t {\rm Sa}(t)={\rm sinc}(t)=\frac{\sin t}{t} Sa(t)=sinc(t)=tsint; δ ( t ) = lim ⁡ t → ∞ k π S a ( k t ) \delta(t)=\lim_{t\to\infty}\frac{k}{\pi}{\rm Sa}(kt) δ(t)=limtπkSa(kt).
冲激响应: h ( t ) h(t) h(t); 输入单位冲激信号的零状态响应.
频率响应: h ( t ) ↔ H ( f ) h(t)\leftrightarrow H(f) h(t)H(f).

能量 E = ∫ − ∞ + ∞ s 2 ( t ) d t E=\int_{-\infty}^{+\infty}s^2(t)\mathrm{d}t E=+s2(t)dt; 平均功率 P = lim ⁡ T → ∞ 1 T ∫ − T 2 T 2 s 2 ( t ) d t P=\lim_{T\to\infty}\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}s^2(t)\mathrm{d}t P=limTT12T2Ts2(t)dt.
能量信号: 0 < E < + ∞ 0<E<+\infty 0<E<+ P = 0 P=0 P=0.
功率信号: 0 < P < + ∞ 0<P<+\infty 0<P<+ E → + ∞ E\to+\infty E+.
周期信号: s ( t ) = s ( t + T ) s(t)=s(t+T) s(t)=s(t+T); 必为功率信号.

能量信号频谱密度/连续谱: S ( f ) = ∫ − ∞ + ∞ s ( t ) e − 2 π j f t d t S(f)=\int_{-\infty}^{+\infty}s(t)e^{-2\pi jft}\mathrm{d}t S(f)=+s(t)e2πjftdt; Fourier 变换; 单位 V/Hz.
能量谱密度: G ( f ) = ∣ S ( f ) ∣ 2 G(f)=|S(f)|^2 G(f)=S(f)2.
能量(Parseval): E = ∫ − ∞ + ∞ s 2 ( t ) d t = ∫ − ∞ + ∞ G ( f ) d f E=\int_{-\infty}^{+\infty}s^2(t)\mathrm{d}t=\int_{-\infty}^{+\infty}G(f)\mathrm{d}f E=+s2(t)dt=+G(f)df; 实信号时 E = 2 ∫ 0 + ∞ G ( f ) d f E=2\int_0^{+\infty}G(f)\mathrm{d}f E=20+G(f)df.
自相关函数: R ( τ ) = ∫ − ∞ + ∞ s ( t ) s ( t + τ ) d t R(\tau)=\int_{-\infty}^{+\infty}s(t)s(t+\tau)\mathrm{d}t R(τ)=+s(t)s(t+τ)dt; R ( − τ ) = R ( τ ) R(-\tau)=R(\tau) R(τ)=R(τ), R ( 0 ) = E R(0)=E R(0)=E; R ( τ ) ↔ ∣ S ( f ) ∣ 2 = G ( f ) R(\tau)\leftrightarrow |S(f)|^2=G(f) R(τ)S(f)2=G(f).
互相关函数: R 12 ( τ ) = ∫ − ∞ + ∞ s 1 ( t ) s 2 ( t + τ ) d t R_{12}(\tau)=\int_{-\infty}^{+\infty}s_1(t)s_2(t+\tau)\mathrm{d}t R12(τ)=+s1(t)s2(t+τ)dt; R 21 ( τ ) = R 12 ( − τ ) R_{21}(\tau)=R_{12}(-\tau) R21(τ)=R12(τ); R 12 ( τ ) ↔ S 1 ∗ ( f ) S 2 ( f ) = S 12 ( f ) R_{12}(\tau)\leftrightarrow S_1^*(f)S_2(f)=S_{12}(f) R12(τ)S1(f)S2(f)=S12(f); S 12 ( f ) S_{12}(f) S12(f) 为互能量谱密度.

功率信号频谱/离散谱: C n = 1 T ∫ − T 2 T 2 e − 2 π j n f t s ( t ) d t C_n=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}e^{-2\pi jnft}s(t)\mathrm{d}t Cn=T12T2Te2πjnfts(t)dt; Fourier 级数; C ( n f ) : = C n C(nf):=C_n C(nf):=Cn 为复振幅, 模长为振幅, 角度为初相; f f f 为基频, n f nf nf 为谐频; 单位 V.
周期信号: s ( t ) = ∑ n = − ∞ + ∞ C n e 2 π j n f t , f = 1 T s(t)=\sum_{n=-\infty}^{+\infty}C_ne^{2\pi jnft},\ f=\frac{1}{T} s(t)=n=+Cne2πjnft, f=T1; Fourier 级数.
离散功率谱: P = 1 T 0 ∫ − T 0 2 T 0 2 s 2 ( t ) d t = ∑ − ∞ + ∞ ∣ C n ∣ 2 P=\frac{1}{T_0}\int^\frac{T_0}{2}_{-\frac{T_0}{2}}s^2(t)\mathrm{d}t=\sum^{+\infty}_{-\infty}|C_n|^2 P=T012T02T0s2(t)dt=+Cn2.
连续功率谱/功率谱密度: P ( f ) = ∑ − ∞ + ∞ ∣ C ( f ) ∣ 2 δ ( f − n f 0 ) P(f)=\sum^{+\infty}_{-\infty}|C(f)|^2\delta(f-nf_0) P(f)=+C(f)2δ(fnf0).
功率: P = ∫ − ∞ + ∞ P ( f ) d f P=\int_{-\infty}^{+\infty}P(f)\mathrm{d}f P=+P(f)df.
自相关函数: R ( τ ) = lim ⁡ T → ∞ 1 T ∫ − T 2 T 2 s ( t ) s ( t + τ ) d t R(\tau)=\lim_{T\to\infty}\frac{1}{T}\int_{-\frac{T}{2}}^\frac{T}{2}s(t)s(t+\tau)\mathrm{d}t R(τ)=limTT12T2Ts(t)s(t+τ)dt; R ( − τ ) = R ( τ ) R(-\tau)=R(\tau) R(τ)=R(τ), R ( 0 ) = P R(0)=P R(0)=P; R ( τ ) ↔ P ( f ) R(\tau)\leftrightarrow P(f) R(τ)P(f).
特别为周期信号时 R ( τ ) ↔ P ( f ) R(\tau)\leftrightarrow P(f) R(τ)P(f).
互相关函数: R 12 ( τ ) = lim ⁡ T → ∞ 1 T ∫ − T 2 T 2 s 1 ( t ) s 2 ( t + τ ) d t R_{12}(\tau)=\lim_{T\to\infty}\frac{1}{T}\int_{-\frac{T}{2}}^\frac{T}{2}s_1(t)s_2(t+\tau)\mathrm{d}t R12(τ)=limTT12T2Ts1(t)s2(t+τ)dt; R 21 ( τ ) = R 12 ( − τ ) R_{21}(\tau)=R_{12}(-\tau) R21(τ)=R12(τ).
同周期时: R 12 ( τ ) = 1 T ∫ − T 2 T 2 s 1 ( t ) s 2 ( t + τ ) d t R_{12}(\tau)=\frac{1}{T}\int_{-\frac{T}{2}}^\frac{T}{2}s_1(t)s_2(t+\tau)\mathrm{d}t R12(τ)=T12T2Ts1(t)s2(t+τ)dt.

随机过程: 样本函数的集合; 随机变量的时间函数.
n n n 维分布函数: F n ( { x 1 } i = 1 n ; { t i } t = 1 n ) = P { { ξ ( t i ) ≤ x i } i = 1 n } F_n(\{x_1\}_{i=1}^n;\ \{t_i\}_{t=1}^n)=P\{\{\xi(t_i)\leq x_i\}_{i=1}^n\} Fn({x1}i=1n; {ti}t=1n)=P{{ξ(ti)xi}i=1n}.
n n n 维概率密度函数: f n ( { x 1 } i = 1 n ; { t i } t = 1 n ) = ∂ F n ( { x 1 } i = 1 n ; { t i } t = 1 n ) ∏ i = 1 n ∂ x i f_n(\{x_1\}_{i=1}^n;\ \{t_i\}_{t=1}^n)=\frac{\partial F_n(\{x_1\}_{i=1}^n;\ \{t_i\}_{t=1}^n)}{\prod_{i=1}^n\partial x_i} fn({x1}i=1n; {ti}t=1n)=i=1nxiFn({x1}i=1n; {ti}t=1n).
数学期望(统计平均): E [ ξ ( t ) ] : = ∫ − ∞ + ∞ x f 1 ( x , t ) d x : = a ( t ) E[\xi(t)]:=\int_{-\infty}^{+\infty}xf_1(x,t)\mathrm{d}x:=a(t) E[ξ(t)]:=+xf1(x,t)dx:=a(t).
方差: D [ ξ ( t ) ] : = E [ ξ ( t ) − a ( t ) ] 2 = E [ ξ 2 ( t ) ] − a 2 ( t ) D[\xi(t)]:=E[\xi(t)-a(t)]^2=E[\xi^2(t)]-a^2(t) D[ξ(t)]:=E[ξ(t)a(t)]2=E[ξ2(t)]a2(t).
自相关函数: R ( t 1 , t 2 ) : = E [ ξ ( t 1 ) ξ ( t 2 ) ] R(t_1,t_2):=E[\xi(t_1)\xi(t_2)] R(t1,t2):=E[ξ(t1)ξ(t2)].
互相关函数: R ξ η ( t 1 , t 2 ) : = E [ ξ ( t 1 ) η ( t 2 ) ] R_{\xi\eta}(t_1,t_2):=E[\xi(t_1)\eta(t_2)] Rξη(t1,t2):=E[ξ(t1)η(t2)].
协方差: B ( t 1 , t 2 ) : = E [ ξ ( t 1 ) − a ( t 1 ) ] [ ξ ( t 2 ) − a ( t 2 ) ] = R ( t 1 , t 2 ) − a ( t 1 ) a ( t 2 ) B(t_1,t_2):=E[\xi(t_1)-a(t_1)][\xi(t_2)-a(t_2)]=R(t_1,t_2)-a(t_1)a(t_2) B(t1,t2):=E[ξ(t1)a(t1)][ξ(t2)a(t2)]=R(t1,t2)a(t1)a(t2).

严格平稳: 一维分布和概率密度时间无关, 二维分布只与时间间隔 τ \tau τ 有关.
广义平稳: 均值与时间无关 E [ ξ ( t ) ] = a E[\xi(t)]=a E[ξ(t)]=a, 自相关函数只与时间间隔有关 R ( t 1 , t 2 ) = R ( τ ) R(t_1,t_2)=R(\tau) R(t1,t2)=R(τ).
各态遍历性/历经性: 平稳且时间平均等于统计平均 a = a ˉ : = x ( t ) ‾ : = lim ⁡ T → ∞ 1 T ∫ − T 2 T 2 x ( t ) d t a=\bar{a}:=\overline{x(t)}:=\lim_{T\to\infty}\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}x(t)\mathrm{d}t a=aˉ:=x(t):=limTT12T2Tx(t)dt, R ( τ ) = R ( τ ) ‾ : = x ( t ) x ( t + τ ) ‾ : = lim ⁡ T → ∞ 1 T ∫ − T 2 T 2 x ( t ) x ( t + τ ) d t R(\tau)=\overline{R(\tau)}:=\overline{x(t)x(t+\tau)}:=\lim_{T\to\infty}\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}x(t)x(t+\tau)\mathrm{d}t R(τ)=R(τ):=x(t)x(t+τ):=limTT12T2Tx(t)x(t+τ)dt.
自相关函数: R ( τ ) = E [ ξ ( t ) ξ ( t + ξ ) ] R(\tau)=E[\xi(t)\xi(t+\xi)] R(τ)=E[ξ(t)ξ(t+ξ)]; R ( τ ) = R ( − τ ) R(\tau)=R(-\tau) R(τ)=R(τ); ∣ R ( τ ) ∣ ≤ R ( 0 ) = E [ ξ 2 ( t ) ] |R(\tau)|\leq R(0)=E[\xi^2(t)] R(τ)R(0)=E[ξ2(t)] 平均功率和上界; R ( ∞ ) = E 2 [ ξ ( t ) ] = a 2 R(\infty)=E^2[\xi(t)]=a^2 R()=E2[ξ(t)]=a2 直流功率; R ( 0 ) − R ( ∞ ) = σ 2 R(0)-R(\infty)=\sigma^2 R(0)R()=σ2 交流功率(方差).
功率谱密度: 所有样本功率谱的统计平均 P ξ ( f ) : = E [ P f ( f ) ] = lim ⁡ T → ∞ E [ F T ( f ) ] 2 T P_\xi(f):=E[P_f(f)]=\lim_{T\to\infty}\frac{E[F_T(f)]^2}{T} Pξ(f):=E[Pf(f)]=limTTE[FT(f)]2; P ξ ( f ) ≥ 0 P_\xi(f)\geq 0 Pξ(f)0, P ξ ( − f ) = P ξ ( f ) P_\xi(-f)=P_\xi(f) Pξ(f)=Pξ(f), R ( 0 ) = ∫ − ∞ + ∞ P ξ ( f ) d f R(0)=\int_{-\infty}^{+\infty}P_\xi(f)\mathrm{d}f R(0)=+Pξ(f)df.
Wiener-Khinchine: R ( τ ) ↔ P ξ ( f ) R(\tau)\leftrightarrow P_\xi(f) R(τ)Pξ(f).

Gauss: n n n 维分布只依赖于各项均值, 方差, 归一化协方差; 广义平稳时严格平稳; 不同时刻不相关时统计独立; 线性变换后仍为 Gauss 过程.
概率密度函数: f ( x ) = 1 2 π σ exp ⁡ { − ( x − a ) 2 2 σ 2 } f(x)=\frac{1}{\sqrt{2\pi}\sigma}\exp\{-\frac{(x-a)^2}{2\sigma^2}\} f(x)=2π σ1exp{2σ2(xa)2}; f ( a + x ) = f ( a − x ) f(a+x)=f(a-x) f(a+x)=f(ax); ∫ − ∞ a f ( x ) d x = ∫ a + ∞ f ( x ) d x = 1 2 \int_{-\infty}^a f(x)\mathrm{d}x=\int_a^{+\infty} f(x)\mathrm{d}x=\frac{1}{2} af(x)dx=a+f(x)dx=21.
误差函数: e r f ( x ) = 2 π ∫ 0 x e − t 2 d t {\rm erf}(x)=\frac{2}{\sqrt{\pi}}\int_0^x e^{-t^2}\mathrm{d}t erf(x)=π 20xet2dt; e r f ( 0 ) = 0 {\rm erf}(0)=0 erf(0)=0, e r f ( + ∞ ) = 1 {\rm erf}(+\infty)=1 erf(+)=1, e r f ( − x ) = − e r f ( x ) {\rm erf}(-x)=-{\rm erf}(x) erf(x)=erf(x), 单调递增; x ≪ 1 x\ll 1 x1 e r f ( x ) ≈ 2 x π {\rm erf}(x)\approx\frac{2x}{\sqrt{\pi}} erf(x)π 2x.
补误差函数: e r f c ( x ) = 1 − e r f ( x ) {\rm erfc}(x)=1-{\rm erf}(x) erfc(x)=1erf(x); x ≫ 1 x\gg 1 x1 e r f c ( x ) ≈ e − 2 x 2 x π {\rm erfc}(x)\approx\frac{e^{-2x^2}}{x\sqrt{\pi}} erfc(x)xπ e2x2.
分布函数: F ( x ) = 1 2 + 1 2 e r f ( x − a 2 σ ) F(x)=\frac{1}{2}+\frac{1}{2}{\rm erf}(\frac{x-a}{\sqrt{2}\sigma}) F(x)=21+21erf(2 σxa).

线性系统输入输出
时域 ν i ( t ) \nu_i(t) νi(t)卷积 ν o ( t ) = ν i ( t ) ∗ h ( t ) : = ∫ − ∞ + ∞ ν i ( τ ) h ( t − τ ) d τ \nu_o(t)=\nu_i(t)*h(t):=\int_{-\infty}^{+\infty}\nu_i(\tau)h(t-\tau)\mathrm{d}\tau νo(t)=νi(t)h(t):=+νi(τ)h(tτ)dτ
频域 V i ( f ) V_i(f) Vi(f) V o ( f ) = H ( f ) V i ( f ) V_o(f)=H(f)V_i(f) Vo(f)=H(f)Vi(f)
概率分布平稳/高斯平稳/高斯
数学期望 E [ ξ i ( t ) ] = a E[\xi_i(t)]=a E[ξi(t)]=a$E[\xi_0(t)]=aH(0)\$ H ( 0 ) = ∫ − ∞ + ∞ h ( τ ) d τ H(0)=\int_{-\infty}^{+\infty}h(\tau)\mathrm{d}\tau H(0)=+h(τ)dτ 为直流增益
自相关函数 R i ( τ ) R_i(\tau) Ri(τ) R o ( τ ) = ∫ − ∞ + ∞ ∫ − ∞ + ∞ h ( α ) h ( β ) R i ( τ + α − β ) d α d β R_o(\tau)=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}h(\alpha)h(\beta)R_i(\tau+\alpha-\beta)\mathrm{d}\alpha\mathrm{d}\beta Ro(τ)=++h(α)h(β)Ri(τ+αβ)dαdβ
功率谱密度 P i ( f ) P_i(f) Pi(f) P o ( f ) = ∣ H ( f ) ∣ 2 P i ( f ) P_o(f)=|H(f)|^2P_i(f) Po(f)=H(f)2Pi(f)

窄带: Δ f ≪ f c \Delta f\ll f_c Δffc, f c ≫ 0 f_c\gg 0 fc0; 可视为包络和相位随机缓变的正弦波, 即 ξ ( t ) = a ξ ( t ) cos ⁡ [ ω c t + φ ξ ( t ) ] \xi(t)=a_\xi(t)\cos[\omega_c t+\varphi_\xi(t)] ξ(t)=aξ(t)cos[ωct+φξ(t)], 其中 a ξ ( t ) > 0 a_\xi(t)>0 aξ(t)>0 为随机包络, φ ξ ( t ) \varphi_\xi(t) φξ(t) 为随机相位, ω c \omega_c ωc 为正弦波中心角频率; 展开后 ξ ( t ) = ξ c ( t ) cos ⁡ ω c t − ξ s ( t ) sin ⁡ ω c t \xi(t)=\xi_c(t)\cos\omega_c t-\xi_s(t)\sin\omega_c t ξ(t)=ξc(t)cosωctξs(t)sinωct, 其中 ξ c ( t ) = a ξ ( t ) cos ⁡ φ ξ ( t ) \xi_c(t)=a_\xi(t)\cos\varphi_\xi(t) ξc(t)=aξ(t)cosφξ(t) 为同向分量, ξ s ( t ) = a ξ ( t ) sin ⁡ φ ξ ( t ) \xi_s(t)=a_\xi(t)\sin\varphi_\xi(t) ξs(t)=aξ(t)sinφξ(t) 为正交分量.
Gauss 平稳时, 同向分量和正交分量也 Gauss 平稳; 同时均值为 0 0 0 时, 同向分量和正交分量独立同分布且均值为 0 0 0.
包络一维分布为 Rayleigh 分布 f ( a ξ ) = a ξ σ ξ 2 exp ⁡ { − a ξ 2 2 σ ξ 2 } ( a ξ ≥ 0 ) f(a_\xi)=\frac{a_\xi}{\sigma_\xi^2}\exp\{-\frac{a_\xi^2}{2\sigma_\xi^2}\}\ (a_\xi\geq 0) f(aξ)=σξ2aξexp{2σξ2aξ2} (aξ0), 相位一维分布为均匀分布 f ( φ ξ ) = 1 2 π ( 0 ≤ φ ξ ≤ 2 π ) f(\varphi_\xi)=\frac{1}{2\pi}\ (0\leq\varphi_\xi\leq 2\pi) f(φξ)=2π1 (0φξ2π), 统计独立.

正弦波加窄带 Gauss 噪声: r ( t ) = A cos ⁡ ( ω c t + θ ) + n ( t ) r(t)=A\cos(\omega_c t+\theta)+n(t) r(t)=Acos(ωct+θ)+n(t); 类似地 r ( t ) = z c ( t ) cos ⁡ ω c t − z s ( t ) sin ⁡ ω c t r(t)=z_c(t)\cos\omega_c t-z_s(t)\sin\omega_c t r(t)=zc(t)cosωctzs(t)sinωct, 其中 z c ( t ) = A cos ⁡ θ + n c ( t ) z_c(t)=A\cos\theta+n_c(t) zc(t)=Acosθ+nc(t), z s ( t ) = A sin ⁡ θ + n s ( t ) z_s(t)=A\sin\theta+n_s(t) zs(t)=Asinθ+ns(t), 包络 z ( t ) = z c 2 ( t ) + z s 2 ( t ) z(t)=\sqrt{z_c^2(t)+z_s^2(t)} z(t)=zc2(t)+zs2(t) .
包络一维分布为广义 Rayleigh 分布(Rice 分布) f ( z ) = z σ n 2 exp ⁡ { − 1 2 σ n 2 ( z 2 + A 2 ) } I 0 ( A z σ n 2 ) f(z)=\frac{z}{\sigma_n^2}\exp\{-\frac{1}{2\sigma_n^2}(z^2+A^2)\}I_0(\frac{Az}{\sigma_n^2}) f(z)=σn2zexp{2σn21(z2+A2)}I0(σn2Az); 其中 I 0 ( x ) I_0(x) I0(x) 为 Bessel 函数, x ≥ 0 x\geq 0 x0 时单调递增且 I 0 ( 0 ) = 1 I_0(0)=1 I0(0)=1; A → 0 A\to 0 A0 即信噪比 γ = A 2 2 σ ξ 2 → 0 \gamma=\frac{A^2}{2\sigma_\xi^2}\to 0 γ=2σξ2A20 时退化为 Rayleigh 分布; 信噪比 γ \gamma γ 较大时近似为 Gauss 分布.

白噪声: 功率谱密度服从均匀分布; P ξ ( ω ) = n 0 2 P_\xi(\omega)=\frac{n_0}{2} Pξ(ω)=2n0, R τ = n 0 2 δ ( t ) R_{\tau}=\frac{n_0}{2}\delta(t) Rτ=2n0δ(t), P = R ( 0 ) = ∞ P=R(0)=\infty P=R(0)=; 统计独立, 即仅在 τ = 0 \tau=0 τ=0 时相关.
Gauss 白噪声: 不同时刻上互不相关且统计独立.
低通 (lowpass) 白噪声: P n ( f ) = n 0 2 ( ∣ f ∣ ≤ f H ) P_n(f)=\frac{n_0}{2}\ (|f|\leq f_H) Pn(f)=2n0 (ffH); R ( τ ) = n 0 f H S a ( 2 π f H τ ) R(\tau)=n_0f_H{\rm Sa}(2\pi f_H\tau) R(τ)=n0fHSa(2πfHτ).
带通 (bandpass) 白噪声: P n ( f ) = n 0 2 ( f c − B 2 ≤ ∣ f ∣ ≤ f c + B 2 ) P_n(f)=\frac{n_0}{2}\ (f_c-\frac{B}{2}\leq|f|\leq f_c+\frac{B}{2}) Pn(f)=2n0 (fc2Bffc+2B); H ( f ) = 1 ( f c − B 2 ≤ ∣ f ∣ ≤ f c + B 2 ) H(f)=1\ (f_c-\frac{B}{2}\leq|f|\leq f_c+\frac{B}{2}) H(f)=1 (fc2Bffc+2B); R ( τ ) = n 0 B S a ( π B τ ) cos ⁡ 2 π f c τ R(\tau)=n_0B{\rm Sa}(\pi B\tau)\cos 2\pi f_c\tau R(τ)=n0BSa(πBτ)cos2πfcτ; 平均功率 N : = P [ n ( t ) ] = n 0 B N:=P[n(t)]=n_0B N:=P[n(t)]=n0B, 其中 B B B 为噪声等效带通.

无线信道: 利用电磁波.
地波: 低频(2MHz 以下); 绕射.
天波: 高频(2MHz~30MHz); 电离层反射; 有无法到达的寂静区.
视线: 超高频(30MHz 以上); 穿透电离层; h = D 2 8 r ≈ D 2 50 h=\frac{D^2}{8r}\approx\frac{D^2}{50} h=8rD250D2.
增加视线传播距离途径: 微波中继; 卫星中继; 电离层散射; 对流层散射; 流星余迹散射.
接收功率: P R = λ 2 P T G T G R 16 π 2 d 2 P_R=\frac{\lambda^2P_TG_TG_R}{16\pi^2d^2} PR=16π2d2λ2PTGTGR, 其中 P r P_r Pr 为发射功率, G T G_T GT 为发射天线增益, G R G_R GR 为接收天线增益, d d d 为传播距离, λ \lambda λ 为波长(m).
传播损耗: L f r = P T P R = 16 π 2 d 2 λ 2 G T G R L_{fr}=\frac{P_T}{P_R}=\frac{16\pi^2d^2}{\lambda^2G_TG_R} Lfr=PRPT=λ2GTGR16π2d2; 发射功率与接收功率之比.
有线信道: 对称电缆(双绞线); 同轴电缆; 光纤.

调制信道: e 0 ( t ) = f [ e i ( t ) ] + n ( t ) e_0(t)=f[e_i(t)]+n(t) e0(t)=f[ei(t)]+n(t); 其中 n ( t ) n(t) n(t) 为加性噪声; f [ e i ( t ) ] = k ( t ) ∗ e i ( t ) f[e_i(t)]=k(t)*e_i(t) f[ei(t)]=k(t)ei(t), k ( t ) k(t) k(t) 为乘性干扰; H ( ω ) = ∣ H ( ω ) ∣ e φ ( ω ) j H(\omega)=|H(\omega)|e^{\varphi(\omega)j} H(ω)=H(ω)eφ(ω)j, ∣ H ( ω ) ∣ |H(\omega)| H(ω) 为幅频特性, φ ( ω ) \varphi(\omega) φ(ω) 为相频特性.
恒惨信道: 传输特性随时间不变或缓变; 无失真时, ∣ H ( ω ) ∣ = K |H(\omega)|=K H(ω)=K 为固定衰减, φ ( ω ) = t d ω \varphi(\omega)=t_d\omega φ(ω)=tdω 为固定时延, 群时延 τ ( ω ) = d ϕ ( ω ) d ω = t d \tau(\omega)=\frac{\mathrm{d}\phi(\omega)}{\mathrm{d}\omega}=t_d τ(ω)=dωdϕ(ω)=td; 冲激响应 h ( t ) = K δ ( t − t d ) h(t)=K\delta(t-t_d) h(t)=(ttd).
频幅失真: 波形失真 → \to 信噪比 S N = S n 0 B {\rm SN}=\frac{S}{n_0B} SN=n0BS 下降, 信道容量减小; 码间串扰 → \to 误码率增大.
相频失真: 视频信号影响大, 语音信号影响小; 码间串扰 → \to 误码率增大.
随参信道: 传输特性随时间随机快变; 衰减随时间变化, 时延随时间变化; 多径传播(接收合成) → \to Rayleigh 型衰落(包络缓变), 频率弥散, 频率选择性衰落.
A cos ⁡ ω 0 t → R ( t ) = X c ( t ) cos ⁡ ω 0 t − X s ( t ) sin ⁡ ω 0 t = V ( t ) cos ⁡ [ ω 0 t + φ ( t ) ] A\cos\omega_0 t\to R(t)=X_c(t)\cos\omega_0 t-X_s(t)\sin\omega_0 t=V(t)\cos[\omega_0 t+\varphi(t)] Acosω0tR(t)=Xc(t)cosω0tXs(t)sinω0t=V(t)cos[ω0t+φ(t)].
减小选择性衰落: Δ f = 1 τ m \Delta f=\frac{1}{\tau_m} Δf=τm1; 带宽 B s = ( 1 3 ∼ 1 5 ) Δ f B_s=(\frac{1}{3}\sim\frac{1}{5})\Delta f Bs=(3151)Δf, 即码元宽度 T s = ( 3 ∼ 5 ) τ m T_s=(3\sim 5)\tau_m Ts=(35)τm.
编码信道: 二进制无记忆; 转移概率; P ( 0 / 0 ) = 1 − P ( 1 / 0 ) P(0/0)=1-P(1/0) P(0/0)=1P(1/0), P ( 1 / 1 ) = 1 − P ( 0 / 1 ) P(1/1)=1-P(0/1) P(1/1)=1P(0/1); P e = P ( 0 ) P ( 1 / 0 ) + P ( 1 ) P ( 0 / 1 ) P_e=P(0)P(1/0)+P(1)P(0/1) Pe=P(0)P(1/0)+P(1)P(0/1).

信道加性噪声 n ( t ) n(t) n(t): Gauss 白噪声; P n ( f ) = n 0 2 P_n(f)=\frac{n_0}{2} Pn(f)=2n0, R n ( τ ) = n 0 2 δ ( t ) R_n(\tau)=\frac{n_0}{2}\delta(t) Rn(τ)=2n0δ(t), f n ( ν ) = 1 2 π σ n exp ⁡ { − ν 2 2 σ n 2 } f_n(\nu)=\frac{1}{\sqrt{2\pi}\sigma_n}\exp\{-\frac{\nu^2}{2\sigma_n^2}\} fn(ν)=2π σn1exp{2σn2ν2}.
热噪声: 电阻性元器件中电子热运动产生, 起伏噪声; 均匀分布在 0 ∼ 1 0 12 0\sim 10^{12} 01012 Hz 范围; Gauss 白噪声; 电压有效值 V = 4 k T R B V=\sqrt{4kTRB} V=4kTRB (V), 其中 Boltzmann 常数 k = 1.38 × 1 0 − 23 k=1.38\times 10^{-23} k=1.38×1023 (J/K).
窄带 Gauss 噪声: n ( t ) n(t) n(t) 通过 BPF (带通滤波器); 等效带宽 B n = ∫ 0 + ∞ P n ( f ) d f P n ( f 0 ) B_n=\frac{\int_0^{+\infty}P_n(f)\mathrm{d}f}{P_n(f_0)} Bn=Pn(f0)0+Pn(f)df, 即通过带宽为 B n B_n Bn 的矩形滤波器和实际接收滤波器的噪声功率相等; 平均功率 N = ∫ − ∞ + ∞ P n ( f ) d f N=\int_{-\infty}^{+\infty}P_n(f)\mathrm{d}f N=+Pn(f)df.

信道容量: 无差错传输时最大平均信息速率.
无噪声信息熵: H ( x ) = − ∫ − ∞ + ∞ p ( x ) log ⁡ 2 p ( x ) d x H(x)=-\int_{-\infty}^{+\infty}p(x)\log_2 p(x)\mathrm{d}x H(x)=+p(x)log2p(x)dx.
信道噪声损失信息熵 (条件熵): H ( x ∣ y ) = − ∫ − ∞ + ∞ p ( y ) d y ∫ − ∞ + ∞ p ( x ∣ y ) log ⁡ 2 p ( x ∣ y ) d x H(x|y)=-\int_{-\infty}^{+\infty}p(y)\mathrm{d}y\int_{-\infty}^{+\infty}p(x|y)\log_2 p(x|y)\mathrm{d}x H(xy)=+p(y)dy+p(xy)log2p(xy)dx.
信息传输速率: R = r [ H ( x ) − H ( x ∣ y ) ] R=r[H(x)-H(x|y)] R=r[H(x)H(xy)] (bps), r r r 为符号速率.
信道容量: C t = max ⁡ R C_t=\max R Ct=maxR (bps), 即 C = max ⁡ P ( X ) [ H ( x ) − H ( x ∣ y ) ] C=\max_{P(X)}[H(x)-H(x|y)] C=maxP(X)[H(x)H(xy)] (b/符号).
Shannon: C = B log ⁡ 2 ( 1 + S N ) C=B\log_2(1+\frac{S}{N}) C=Blog2(1+NS) (bps), 其中 S S S 为信号平均功率 (W), B B B 为带宽 (Hz), N = n 0 B N=n_0B N=n0B 为噪声功率, n 0 n_0 n0 为噪声单边功率谱密度, S N \frac{S}{N} NS 为信噪比; 信噪比与带宽给定时信息传输速率理论极限.
结论: R b ≤ C R_b\leq C RbC 时总能找到信道编码方式实现无差错传输; R b > C R_b>C Rb>C 时则不能实现无差错传输; 增加 S S S 或减小 n 0 n_0 n0 时可增加 C C C, 特别 S → ∞ S\to\infty S n 0 → 0 n_0\to 0 n00 C → ∞ C\to\infty C; 增加 B B B 时可增加 C C C, 但 B → ∞ B\to\infty B C → log ⁡ 2 e S n 0 ≈ 1.44 S n 0 C\to\log_2 e\frac{S}{n_0}\approx 1.44\frac{S}{n_0} Clog2en0S1.44n0S; 给定 C C C 时, S N \frac{S}{N} NS B B B 反向变动 (可互换).

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/web/62532.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

ASPICE评估如何优化软件开发、测试和部署流程

ASPICE&#xff08;Automotive SPICE&#xff0c;即汽车软件过程改进及能力评定&#xff09;评估在提高软件开发、测试、部署的速度和质量方面发挥着重要作用。以下是ASPICE评估如何具体提高这些环节的具体方式&#xff1a; 一、提高软件开发效率 标准化流程&#xff1a;ASPIC…

【OpenCV】Canny边缘检测

理论 Canny 边缘检测是一种流行的边缘检测算法。它是由 John F. Canny 在 1986 年提出。 这是一个多阶段算法&#xff0c;我们将介绍算法的每一个步骤。 降噪 由于边缘检测易受图像中的噪声影响&#xff0c;因此第一步是使用 5x5 高斯滤波器去除图像中的噪声。我们在前面的章…

Ubuntu 安装 web 服务器

安装 apach sudo apt install apache2 -y 查看 apach2 版本号 apache2 -v 检查是否启动服务器 sudo service apache2 status 检查可用的 ufw 防火墙应用程序配置 sudo ufw app list 关闭防火墙 sudo ufw disable 更改允许通过端口流量 sudo ufw allow Apache Full 开启…

如何落地文件即服务?--- 基于makeself封装服务并启动

我通常想能不能给客户一个文件&#xff0c;然后客户通过执行这个简单的指令就可以吧&#xff0c;一个服务在本地起来&#xff1f; 这是一种文件即服务的思想&#xff0c;不知道你有没有类似的想法&#xff0c;当我发现https://makeself.io/ &#xff0c;我觉得它能很好的解决我…

mysql集群MHA方式部署

1. 基本信息 部署机器角色部署路径192.168.242.71MySQL-Mater MHA-NodeMySQL: /alidata1/mysql-5.7.43192.168.242.72MySQL-Slave MHA-NodeMHA-Node: /alidata1/admin/tools/mha4mysql-node-0.58192.168.242.73MySQL-Slave MHA-Node192.168.242.74MHA-ManagerMHA-Manager: …

【C++】8___继承

目录 一、基本语法 二、继承方式 三、对象模型 四、继承中的构造与析构的顺序 五、继承中同名成员处理 六、多继承语法 七、菱形继承 一、基本语法 好处&#xff1a;减少重复的代码 语法&#xff1a; class 子类 &#xff1a; 继承方式 父类 子类 也称为 派生类 父类…

Netty客户端接收不到服务端发送的数据问题

文章目录 前言问题描述相关代码解决方法 前言 环境 JDK&#xff1a;64位 jdk1.8.0_201 Netty&#xff1a;4.1.39.Final 问题描述 项目中使用Netty接受客户端的消息&#xff0c;客户端为硬件设备&#xff0c;在接受数据后发送数据到服务端。 同时因为客户端没有联网&#xff…

IDEA方法注释模板设置

目录 创建模板 新建模板&#xff1a;命名为* 设置模板内容-IDEA格式模板 设置模板应用场景 设置参数 创建模板 /**Enter这里我们也按照这种习惯来设置IDEA的方法注释&#xff1a;File-->Settings-->Editor-->Live Templates 先新建模板组&#xff0c;然后在模板组中…

vscode 配置C/C++环境控制台参数

您可以通过以下步骤在VS Code中配置C/C环境的控制台参数&#xff1a; 1&#xff0c;打开VS Code并进入您的C/C项目 2&#xff0c;点击左侧的"调试"图标&#xff0c;然后点击顶部的齿轮图标&#xff0c;选择“launch.json”。 3&#xff0c;在"launch.json&qu…

深度学习笔记之BERT(五)TinyBERT

深度学习笔记之TinyBERT 引言回顾&#xff1a;DistilBERT模型TinyBERT模型结构TinyBERT模型策略Transformer层蒸馏嵌入层蒸馏预测层蒸馏 TinyBERT模型的训练效果展示 引言 上一节介绍了 DistilBERT \text{DistilBERT} DistilBERT模型&#xff0c;本节将继续介绍优化性更强的知…

正则表达式——参考视频B站《奇乐编程学院》

智能指针 一、背景&#x1f388;1.1. 模式匹配&#x1f388;1.2. 文本替换&#x1f388;1.3. 数据验证&#x1f388;1.4. 信息提取&#x1f388;1.5. 拆分字符串&#x1f388;1.6. 高级搜索功能 二、原料2.1 参考视频2.2 验证网址 三、用法3.1 限定符3.1.1 ?3.1.2 *3.1.3 3.1.…

appium学习之二:adb命令

1、查看设备 adb devices 2、连接 adb connect IP:端口 3、安装 adb install xxx.apk 4、卸载 adb uninstall 【包名】 5、把对应目录下的1.txt文件传到手机sdcard下 adb push 1.txt /sdcard 6、进入对应的设备里 adb shell 7、切入sdcard目录 cd /sdcard 8、ls 查…

Tablesaw封装Plot.ly实现数据可视化

上文介绍tablesaw的数据处理功能&#xff0c;本文向你展示其数据可视化功能&#xff0c;并通过几个常用图表示例进行说明。 Plot.ly包装 可视化是数据分析的重要组成部分&#xff0c;无论你只是“查看”新数据集还是验证机器学习算法的结果。Tablesaw是一个开源、高性能的Java…

Python实现中国象棋

探索中国象棋 Python 代码实现&#xff1a;从规则逻辑到游戏呈现 中国象棋&#xff0c;这款源远流长的棋类游戏&#xff0c;承载着深厚的文化底蕴与策略智慧。如今&#xff0c;借助 Python 与 Pygame 库&#xff0c;我们能够在数字世界中复刻其魅力&#xff0c;深入探究代码背后…

互联网、物联网的相关标准

互联网的相关标准 网络通信协议&#xff1a; HTTP&#xff08;Hypertext Transfer Protocol&#xff09;&#xff1a;用于在网络中传输文本、图像、音频和视频等数据的协议。它基于请求-响应模型&#xff0c;客户端发送请求给服务器&#xff0c;服务器返回响应。HTTPS&a…

学习Ajax (概述,应用场景,使用jQury 实现ajax)

目录 前言 概述 什么是Ajax? 同步交互与异步交互的区别是什么呢&#xff1f; 应用场景 场景1 在搜索框搜索 资源 场景2 登录业务的对用户名处理 AJAX的优缺点 优点&#xff1a; 缺点&#xff1a; 使用jQury 实现ajax 使用步骤 1 引入jQury 文件 2 使用Ajax 函数…

网迅通推出新一代智能家居拓展网关

Zigbee 型智能家居拓展网关 产品概述 A、概述 Zigbee 是一种短距离、低功耗的无线通信技术名称。其特点是近距离、低复杂度、低功耗、低数据速率、低成本。ZigBee 模块是一种物联网无线数据终端&#xff0c;利用 ZigBee 网络为用户提供无线数据传输功能。该产品采用高性能的…

ArcGIS字符串补零与去零

我们有时候需要 对属性表中字符串的补零与去零操作 我们下面直接视频教学 下面看视频教学 ArcGIS字符串去零与补零 推荐学习 ArcGIS全系列实战视频教程——9个单一课程组合 ArcGIS10.X入门实战视频教程&#xff08;GIS思维&#xff09; ArcGIS之模型构建器&#xff08;Mod…

NIFI使用

1 从Kafka接收消息&#xff0c;存储到数据库中。 &#xff08;1&#xff09; ConsumerKafka processor &#xff08;2&#xff09;Execute Scripts Processor 我这里是使用JS脚本进行处理。 还有很多其他语言的脚本。 var flowFile session.get(); if (flowFile ! null) {v…

linux系统使用nginx代理mysql数据库

##使用nginx代理mysql数据库 ##安装nginx ./configure --prefix/home/yym/nginx/nginx-install/ --with-http_addition_module --with-http_realip_module --with-stream make && make install ##nginx配置文件 stream { upstream mysqlserver { serv…