bandwidth // Prosiding Konferensi Internasional CLEO'00. 2000, makalah CMB2, R.7. 13. Matuschek N.,. Kdrtner F.X dan Keller U. Exact coupled-mode theory for multilayer interference coatings with arbitrary strong index modulations” IEEE J. Quantum Electron. 1997 Jil. 33, tidak. 3: R.295-302.
Diterima ke dewan redaksi 11/12/2005
Pengulas: Dr. Phys.-Math. ilmu, prof. Svich V.A.
Yakushev Sergey Olegovich f-ta ET KNURE. Minat ilmiah Kata kunci: sistem dan metode pembentukan pulsa ultrashort dan metode simulasinya; penguat optik semikonduktor pulsa optik ultrapendek. Hobi: olahraga. Alamat: Ukraina, 61166, Kharkiv, Lenin Ave., 14.
Shulika Aleksey Vladimirovich, asisten Departemen Pendidikan Jasmani, KNURE. Minat penelitian: fisika struktur berdimensi rendah, efek transfer pembawa muatan dalam struktur hetero berdimensi rendah, simulasi komponen fotonik aktif dan pasif. Hobi: bepergian. Alamat: Ukraina, 61166, Kharkiv, Lenin Ave., 14, [email dilindungi]
UDC621.396.2.: 621.316.2"
ESTIMASI RESPON IMPULSE SALURAN KOMUNIKASI BERDASARKAN STATISTIK ORDE TINGGI
TIKHONOV V.A., SAVCHENKO I.V.___________________
Sebuah metode komputasi yang efisien untuk memperkirakan respons impuls dari saluran komunikasi menggunakan fungsi momen orde ketiga diusulkan. Kompleksitas komputasi dari metode yang diusulkan dibandingkan dengan metode yang menggunakan kumulan orde keempat untuk memperkirakan respons impuls. Terlihat bahwa dengan adanya noise Gaussian dan non-Gaussian, metode yang diusulkan memberikan akurasi estimasi yang lebih tinggi.
1. Perkenalan
Gangguan intersymbol (ISI) yang terjadi selama transmisi kecepatan tinggi sinyal digital, bersama dengan gangguan pita sempit dari sistem digital serupa yang beroperasi pada kabel kabel telepon yang berdekatan, faktor utama yang mengurangi keandalan transmisi informasi dalam sistem xDSL. Metode koreksi ISI yang optimal dari sudut pandang meminimalkan probabilitas kesalahan, berdasarkan aturan kemungkinan maksimum, serta metode yang menggunakan algoritme Viterbi untuk estimasi kemungkinan urutan maksimum, memerlukan estimasi respons impuls saluran komunikasi.
Untuk tujuan ini, statistik tingkat tinggi dapat digunakan. Dengan demikian, metode identifikasi buta dijelaskan dengan memperkirakan respons impuls saluran dari sinyal yang diterima menggunakan kumulan orde empat. Saat ini 3 0
Lysak Vladimir Valerievich, Ph.D. Fisika-Matematika. Sains, Seni. pr Departemen Pendidikan Jasmani untuk Elektronika KNURE. Kepentingan ilmiah: sistem transmisi data serat optik, kristal fotonik, sistem pembangkit pulsa ultrashort, metode untuk memodelkan perilaku dinamis laser semikonduktor berdasarkan struktur berskala nano. Mahasiswa, anggota IEEE LEOS sejak tahun 2002. Hobi: olah raga, jalan-jalan. Alamat: Ukraina, 61166, Kharkiv, Lenin Ave., 14, [email dilindungi] kharkov.ua
Sukhoivanov Igor Alexandrovich, Doctor of Phys.-Math. Sains, Profesor Departemen Pendidikan Jasmani dan Etika KNURE. Kepala laboratorium ilmiah dan pendidikan internasional "Photonics". Anggota Kehormatan dan Kepala Perhimpunan Teknik Laser dan Optoelektronik Cabang Ukraina dari International Institute of Electronics Engineers (IEEE LEOS). Minat ilmiah: teknologi serat optik, laser dan amplifier berukuran kuantum semikonduktor, kristal fotonik, dan metode untuk pemodelannya. Hobi: bepergian. Alamat: Ukraina, 61166, Kharkiv, Lenin Ave., 14, [email dilindungi]
Dalam makalah ini, diusulkan untuk menggunakan fungsi momen orde ketiga untuk memperkirakan respons impuls. Pendekatan ini memungkinkan untuk meningkatkan akurasi perkiraan respons impuls dari saluran komunikasi, dan karenanya efisiensi penekanan interferensi antarsimbol di hadapan noise aditif Gaussian dan non-Gaussian. Metode yang diusulkan memiliki lebih sedikit kompleksitas komputasi dibandingkan dengan tetap mempertahankan keakuratan identifikasi di hadapan kebisingan Gaussian. Kondisi untuk menerapkan metode yang diusulkan adalah non-Gaussianity dari sinyal uji pada input x[t] dan output y[t] dari saluran komunikasi, yang harus memiliki fungsi momen orde ketiga selain nol.
Tujuan dari penelitian ini adalah untuk mengembangkan metode untuk meningkatkan akurasi estimasi respons impuls saluran komunikasi di hadapan noise Gaussian dan non-Gaussian, mengurangi biaya komputasi.
Tugasnya adalah: pembuktian kemungkinan menggunakan fungsi momen orde ketiga untuk menghitung respons impuls diskrit dari saluran komunikasi; memperoleh ekspresi yang menghubungkan fungsi momen orde ketiga dengan diskrit respon impuls; perbandingan keefektifan penggunaan metode yang diusulkan dan metode berdasarkan penggunaan kumulan orde keempat untuk memperkirakan respons impuls.
2. Estimasi respons impuls saluran komunikasi dari fungsi kumulan orde keempat
Dimungkinkan untuk memperkirakan karakteristik saluran komunikasi dari sinyal yang diterima menggunakan statistik tingkat tinggi. Secara khusus, respon impuls dari sistem linear, time-invariant dengan
waktu diskrit dapat diperoleh dari fungsi kumulan urutan keempat dari sinyal yang diterima, asalkan input salurannya non-Gaussian.
3. Estimasi respons impuls saluran komunikasi dari fungsi momen orde ketiga
Biarkan sinyal z[t] menjadi jumlah dari sinyal yang ditransmisikan y[t] yang diubah oleh saluran dengan waktu diskrit dan memori L+1 dan derau Gaussian putih aditif (AWGN) n[t]:
z[t] = y[t] + n[t] =2hix + n[t].
Untuk AWGN, koefisien kurtosis dan fungsi kumulan orde keempat sama dengan nol. Oleh karena itu, fungsi kumulan orde keempat dari sinyal yang diterima z[t] ditentukan hanya oleh fungsi kumulan dari sinyal yang ditransmisikan yang diubah oleh saluran y[t]. Fungsi kumulan orde keempat dari proses terpusat nyata y[t] dinyatakan dalam bentuk fungsi momen
X4y(y[t],y,y,y) =
E(y[t] yy y) -
E(y[t] y)E(y y) - (1)
E(y[t] y)E(yy) -
E(y[t]y)E(yy),
di mana E(-) adalah operasi rata-rata matematika.
Suku pertama pada (1) adalah fungsi momen orde keempat, dan suku sisanya adalah hasil kali fungsi korelasi untuk beberapa shift tetap.
Dalam metode identifikasi buta, untuk memperkirakan respons impuls saluran komunikasi, sinyal biner yang berguna diproses, yang tidak memiliki koneksi statistik. Ini memiliki distribusi yang seragam dengan kumulan orde keempat non-nol satu kali % 4X. Kemudian transformasi fungsi kumulan orde keempat oleh sistem linier dengan respons impuls diskrit ht diberikan oleh
Х4x Z htht+jht+vht+u
Dapat ditunjukkan bahwa dalam hal ini respons impuls saluran komunikasi ditentukan melalui nilai fungsi kumulan dari sinyal keluaran z[t] 6:
di mana p = 1,.., L . Di sini, nilai fungsi kumulatif urutan keempat % 4z diperkirakan dari sampel urutan sinyal yang diterima z[t] menurut (1).
Mari kita pertimbangkan kasus ketika ada noise non-Gaussian tambahan pada keluaran saluran dengan distribusi kepadatan probabilitas yang seragam. Fungsi kumulan orde keempat dari interferensi tersebut tidak sama dengan nol. Oleh karena itu, fungsi kumulatif orde empat dari sinyal berguna yang diterima z[t] akan mengandung komponen interferensi. Oleh karena itu, ketika memperkirakan respons impuls dari saluran komunikasi menggunakan ekspresi (2) untuk rasio sinyal-ke-noise yang kecil, tidak mungkin untuk mencapai akurasi perkiraan yang tinggi.
Untuk meningkatkan akurasi estimasi respons impuls diskrit saluran komunikasi dengan adanya noise non-Gaussian, dalam makalah ini diusulkan untuk menghitung nilai pembacaan respons impuls dari fungsi momen orde ketiga. Fungsi momen orde ketiga dari proses nyata y[t] didefinisikan sebagai
m3y=shzu=
E(y[t]yy). W
Transformasi fungsi momen orde ketiga oleh sistem linier dengan respons impuls diskrit ht, menurut , ditentukan oleh ekspresi
m3y = Z Z Z (hkhlhn x
k=-w 1=-sesuatu n=-sesuatu
xWx ).
Jika sinyal uji x[t] adalah derau putih non-Gaussian dengan kemiringan tidak nol, maka
m3x=
Ш3Х 55, (5)
di mana m3x adalah momen sentral dari urutan ketiga sinyal pada input saluran.
Mengganti ekspresi (5) menjadi ekspresi (4), kami memperoleh
m3y = Z Z Zhkh1hn х k=-<х 1=-<х n=-<х)
x m3x5 5 =
M3x Zhkhk+jhk+v.
Mempertimbangkan bahwa fungsi momen orde ketiga dari interferensi non-Gaussian dengan distribusi seragam sama dengan nol, kami memperoleh
m3z=m3y=
M3x Z hkhk+jhk+v (6)
Biarkan pergeseran j = v = -L. Kemudian, di bawah tanda penjumlahan (6), produk dari koefisien respons impuls dari filter yang direalisasikan secara fisik akan berbeda dari nol hanya untuk k = L , yaitu
m3z[-L,-L] = m3xhLh0 . (7)
Dengan pergeseran j = L, v = p di bawah tanda penjumlahan (6), perkalian koefisien respons impuls akan berbeda dari nol hanya pada k = 0. Oleh karena itu,
m3z = m3xh0hLhp. (8)
Menggunakan ekspresi (8), dengan mempertimbangkan (7), kami memperoleh sampel respons impuls diskrit melalui nilai fungsi momen:
m3z _ m3x h0hLhp _ m3z[_L,_L] m3xhLh° h0
Sampel fungsi momen orde ketiga m3z diperkirakan dengan merata-ratakan sampel urutan sinyal yang diterima z[t] menurut (3).
Metode untuk memperkirakan respons impuls saluran komunikasi, berdasarkan perhitungan fungsi momen orde ketiga dan fungsi kumulan orde keempat, dapat digunakan ketika sinyal uji non-Gaussian dengan kurtosis non-nol dan koefisien skewness digunakan . Dianjurkan untuk menggunakannya dalam kasus derau Gaussian, di mana fungsi momen orde ketiga dan fungsi kumulan orde keempat sama dengan nol. Namun, metode yang diusulkan dalam artikel tersebut memiliki kompleksitas komputasi yang jauh lebih rendah. Ini dijelaskan oleh fakta bahwa untuk memperkirakan satu nilai fungsi kumulan orde empat menurut (1), diperlukan untuk melakukan operasi perkalian dan penjumlahan 3N + 6N + 13. Pada saat yang sama, untuk memperkirakan satu nilai dari fungsi momen orde ketiga, menurut (3), hanya perlu melakukan operasi perkalian dan penjumlahan 2N + 1. Di sini N adalah jumlah sampel sinyal uji. Perhitungan lainnya yang dilakukan menurut (2) dan (9) akan memerlukan jumlah operasi yang sama untuk kedua metode.
4. Analisis hasil simulasi
Keuntungan dari metode yang diusulkan untuk memperkirakan respons impuls saluran komunikasi dengan adanya gangguan Gaussian dan non-Gaussian dikonfirmasi oleh hasil eksperimen yang dilakukan dengan metode pemodelan statistik. Ketidakefisienan metode penyamaan buta di hadapan kebisingan Gaussian dijelaskan oleh fakta bahwa kapan
identifikasi buta menggunakan sinyal yang didistribusikan secara ekuivalen. Urutan pseudo-acak dua tingkat memiliki faktor kurtosis 1 dan kumulan orde keempat -2. Setelah memfilter dengan saluran komunikasi pita sempit, sebagian sinyal dinormalisasi; koefisien kurtosisnya mendekati kebisingan Gaussian, yaitu nol. Nilai kumulan orde keempat mendekati nilai kumulan orde keempat sinyal Gaussian, yang juga sama dengan nol. Oleh karena itu, pada rasio sinyal/(derau Gaussian) yang rendah dan dalam kasus di mana kumulan urutan keempat dari sinyal dan derau sedikit berbeda, identifikasi yang akurat tidak mungkin dilakukan.
Eksperimen telah mengonfirmasi bahwa pada rasio signal-to-noise yang rendah, metode identifikasi buta tidak efektif. Melalui model saluran komunikasi dengan respons impuls diskrit yang diberikan, koefisiennya adalah 0,2000, 0,1485, 0,0584, 0,0104, sinyal dilewatkan dalam bentuk urutan acak semu dua tingkat dengan panjang 1024 sampel. Derau Gaussian berkorelasi dan AWGN ditambahkan ke sinyal keluaran saluran. Karakteristik frekuensi-amplitudo (AFC, Karakteristik respons amplitudo - ARC) dari model saluran komunikasi diwakili oleh kurva 1 pada gambar. 1.
Beras. 1. Respons frekuensi sebenarnya dan perkiraan respons frekuensi model saluran komunikasi, PSD gangguan Gaussian
Di sini dan di bawah, sumbu absis menunjukkan nilai frekuensi yang dinormalisasi f" = (2f) / ^, di mana ^ adalah frekuensi pengambilan sampel. Kepadatan spektral daya (PSD) dari derau berkorelasi yang diperoleh dengan menggunakan filter pembentukan autoregresif adalah ditunjukkan pada Gambar. 1 kurva 2 Menurut (2), respons impuls diskrit dari saluran komunikasi diperkirakan pada rasio signal-to-noise dan signal-to-noise yang sama dengan 15 dB, serta pada signal-to-noise yang lebih rendah. -noise dan rasio signal-to-noise, masing-masing sama dengan 10 dB dan 3. dB Noise dan interferensi adalah Gaussian Perkiraan respons frekuensi saluran komunikasi yang sesuai dengan respons impuls diskrit yang ditemukan ditunjukkan pada Gambar. 1 (kurva 3 dan 4).
Dalam makalah ini, ditunjukkan bahwa untuk mengidentifikasi saluran komunikasi menggunakan kumulan orde keempat pada rasio signal-to-noise yang rendah, uji sinyal non-Gaussian dapat digunakan, koefisien kurtosisnya, bahkan setelah normalisasi oleh saluran komunikasi , sangat berbeda dari nol. Saat memodelkan, sinyal uji dengan distribusi gamma dengan parameter bentuk c=0.8 dan parameter skala b=2 digunakan. Koefisien kurtosis sinyal pada input saluran adalah 7,48, dan pada saluran output adalah 3,72.
Pada ara. Kurva 1 dan 2 pada Gambar. 2 menunjukkan respons frekuensi model saluran komunikasi dan PSD dari interferensi yang berkorelasi. Rasio sinyal/kebisingan dan sinyal/kebisingan masing-masing adalah 10 dB dan 3 dB. Kebisingan dan gangguan adalah Gaussian. Perkiraan respons frekuensi saluran komunikasi, ditemukan dari perkiraan respons impuls diskrit (2), ditunjukkan pada gambar. 2 (kurva 3).
Beras. 2. Respons frekuensi sebenarnya dan perkiraan respons frekuensi model saluran komunikasi, PSD gangguan Gaussian
Di hadapan gangguan Gaussian dan AWGN di saluran komunikasi, diusulkan untuk menggunakan metode identifikasi yang lebih efisien secara komputasi berdasarkan penggunaan fungsi momen orde ketiga. Dalam hal ini, koefisien asimetri dari sinyal uji pada output saluran komunikasi harus nol, mis. berbeda dari koefisien kemiringan kebisingan Gaussian. Untuk eksperimen statistik, sinyal uji dengan distribusi gamma dengan parameter bentuk c=0.1 dan parameter skala b=2 digunakan. Koefisien asimetri sinyal pada input saluran adalah 6,55, dan pada saluran output adalah 4,46.
Estimasi respons frekuensi model saluran komunikasi, ditemukan dari estimasi (9) respons impuls diskrit, ditunjukkan pada gambar. 2 (kurva 4). Analisis grafik pada gambar. Gambar 2 menunjukkan bahwa akurasi estimasi respon frekuensi menggunakan fungsi kumulan orde empat dan fungsi momen orde tiga kurang lebih sama.
Kami juga mempertimbangkan kasus kehadiran white noise secara simultan dengan distribusi Gaussian dan non-Gaussian di saluran komunikasi. Dalam pemodelan statistik, sinyal uji dengan gamma
distribusi, dengan parameter bentuk c=1 dan parameter skala b=2. Koefisien kurtosis sinyal pada keluaran saluran adalah 2,9, sedangkan koefisien kurtosis interferensi dengan distribusi kerapatan probabilitas yang seragam adalah -1,2. Koefisien asimetri sinyal pada output saluran sama dengan 1,38, dan estimasi koefisien asimetri interferensi mendekati nol.
Kurva 1 pada gambar. 3 menunjukkan respons frekuensi model saluran komunikasi, dan kurva 2 dan 3 menunjukkan perkiraan respons frekuensi saluran komunikasi menggunakan kumulan urutan keempat (2) dan fungsi momen urutan ketiga (9). Rasio signal-to-noise adalah 10 dB, dan rasio signal-to-noise adalah 3 dB.
Beras. 3. Respons frekuensi sebenarnya dan perkiraan respons frekuensi model saluran komunikasi
Seperti dapat dilihat dari grafik yang disajikan pada Gambar. 3, ketika menggunakan metode berdasarkan perhitungan kumulan urutan keempat untuk mengidentifikasi saluran komunikasi, interferensi dengan koefisien kurtosis bukan nol pada rasio signal-to-noise yang kecil secara signifikan mengurangi akurasi identifikasi. Pada saat yang sama, ketika fungsi momen orde ketiga digunakan untuk mengidentifikasi saluran komunikasi, interferensi dengan koefisien asimetri nol tidak akan secara signifikan mempengaruhi akurasi estimasi respons impuls pada rasio sinyal-ke-noise yang rendah.
5. Kesimpulan
Untuk pertama kalinya, sebuah metode untuk memperkirakan respons impuls saluran komunikasi menggunakan fungsi momen orde ketiga diusulkan. Terlihat bahwa penggunaan metode identifikasi yang diusulkan dapat secara signifikan mengurangi pengaruh interferensi non-Gaussian pada akurasi perkiraan respons impuls saluran. Dengan noise Gaussian di saluran komunikasi, metode yang diusulkan, dibandingkan dengan metode untuk memperkirakan respons impuls oleh kumulan orde empat, memiliki kompleksitas komputasi yang jauh lebih rendah dan dapat digunakan dalam kasus penggunaan sinyal uji non-Gaussian.
Kebaruan ilmiah dari penelitian, yang hasilnya disajikan dalam artikel, terletak pada kenyataan bahwa untuk pertama kalinya
ekspresi untuk menghitung koefisien respons impuls diskrit dari saluran komunikasi dari nilai fungsi momen orde ketiga diberikan.
Signifikansi praktis dari hasil yang diperoleh terletak pada kenyataan bahwa metode identifikasi yang diusulkan memberikan peningkatan akurasi perkiraan respons impuls saluran komunikasi dengan adanya interferensi, serta penindasan intersymbol intersymbol yang lebih efektif menggunakan Viterbi algoritma dan metode lain yang memerlukan penilaian awal tentang karakteristik saluran komunikasi saluran.
Referensi: 1. R. Fischer, W. Gerstacker, dan J. Huber. Dynamics Limited Precoding, Shaping, dan Blind Equalization untuk Transmisi Digital Cepat melalui Jalur Twisted Pair. IEEE Journal on Selected Areas in Communications, SAC-13: 1622-1633, Desember 1995. 2. G.D. Forney. Estimasi Urutan Kemungkinan Maksimum dari Urutan Digital di Kehadiran Intersymbol Interference. IEEE Tr. ITU, 363-378, 1972. 3. Forney G.D. Algoritma Viterbi. Prosiding IEEE, vol. 61, tidak. 3 Maret 1978, hlm. 268-278. 4. Omura J. Desain Penerima Optimal untuk Kode Konvolusi dan Saluran dengan Memori Melalui Konsep Teoritis Kontrol,
memberitahukan. Sc., Vol. 3. P.243-266. 5. Prokis J. Komunikasi digital: TRANS. dari bahasa Inggris. / Ed. DD. Klovsky. M: Radio dan komunikasi, 2000. 797 hal. 6. Malakhov A.N. Analisis kumulatif dari proses non-Gaussian acak dan transformasinya. M.: Sov. radio, 1978. 376 hal. 7. Tikhonov V.A., Netrebenko K.V. Estimasi Parametrik Spektra Orde Tinggi dari Proses Non-Gaussian // ACS dan Instrumen Otomasi. 2004. Masalah. 127.S.68-73.
Diterima ke dewan redaksi 27/06/2005
Peninjau: Dr.tech. Sains Velichko A.F.
Tikhonov Vyacheslav Anatolievich, Ph.D. teknologi. Sains, Associate Professor dari Departemen RES KNURE. Minat penelitian: radar, pengenalan pola, model statistik. Alamat: Ukraina, 61726, Kharkiv, Lenin Ave., 14, tel. 70215-87.
Savchenko Igor Vasilievich, mahasiswa pasca sarjana, asisten departemen RES KNURE. Kepentingan ilmiah: metode koreksi interferensi antarsimbol, spektrum orde tinggi, proses non-Gaussian, teori prediksi linier, pengkodean koreksi kesalahan. Alamat: Ukraina, 61726, Kharkiv, Lenin Ave., 14, tel. 70-215-87.
Goryachkin O.V.
Artikel tersebut membahas masalah sebenarnya dari identifikasi buta saluran komunikasi. Untuk memecahkan masalah
representasi polinomial dari kumulan urutan acak dengan panjang terbatas digunakan.
Pendekatan ini memungkinkan untuk menggunakan metode geometri aljabar dan aljabar komutatif untuk membangun algoritma identifikasi buta. Sejumlah algoritme identifikasi buta dijelaskan yang menggunakan properti manifold dari nilai korelasi yang diberikan. Hasil pemodelan dan analisis komparatif dari efektivitas algoritma yang diusulkan disajikan. Terlihat bahwa algoritme yang didasarkan pada penggunaan transformasi korelasi bukan nol memberikan karakteristik kekebalan kebisingan yang lebih baik daripada algoritme faktorisasi spektral yang diketahui.
TIFIKATIO BLI D IDE TELEKOMUNIKASI CHAEL DENGAN PENGGUNAAN AFFI E
VARIETAS POLI OMIAL CUMULA TS
Oleg V. Goriachkin Di makalah masalah identifikasi buta saluran telekomunikasi dibahas. Untuk solusi dari masalah identifikasi buta, digunakan persamaan yang menghubungkan dengan momen polinomial. Dalam kasus ini kita dapat menggunakan metode kuat dari aljabar komutatif. Dalam makalah beberapa algoritma identifikasi buta berdasarkan analisis varietas afin independensi dari kumulan polinomial diusulkan.1. Pendahuluan Dalam beberapa tahun terakhir, ada minat besar pada apa yang disebut"masalah buta". Secara umum, tugas pemrosesan buta dapat dirumuskan sebagai pemrosesan digital dari sinyal yang tidak diketahui yang telah melewati saluran atau media linier dengan karakteristik yang tidak diketahui dengan latar belakang derau aditif. Identifikasi buta adalah kebalikan dari masalah identifikasi sistem klasik, di mana sinyal yang diamati dan sinyal input dianggap diberikan. Meningkatnya kegiatan penelitian pada “blind problem” tampaknya disebabkan oleh potensi penerapannya pada sistem komunikasi radio bergerak yang saat ini sedang gencar dikembangkan. Dalam sistem ini, distorsi yang disebabkan oleh interferensi multipath mempengaruhi kualitas transmisi dan throughputnya. Biasanya, penerima dari sistem tersebut memerlukan pengetahuan tentang parameter saluran atau transmisi beberapa sinyal uji untuk mengkompensasi distorsi.
Untuk saluran dengan parameter variabel, kehilangan efisiensi dapat menjadi signifikan. Misalnya, dalam sistem komunikasi seluler, waktu yang digunakan untuk mentransmisikan sinyal uji dapat memakan waktu hingga 30% dari total waktu transmisi. Contoh lain adalah jaringan komputer, di mana koneksi antara terminal dan komputer pusat dibuat secara asinkron, sehingga dalam beberapa kasus, mempelajari penerima tidak dimungkinkan. Di luar bidang komunikasi, estimasi kanal buta diterapkan di berbagai bidang:
kompensasi distorsi yang disebabkan oleh efek propagasi dalam sistem navigasi radar dan radio, koreksi distorsi linier dalam sistem pencitraan, pemrosesan sinyal seismik dalam geofisika, kompensasi distorsi dalam sistem pengenalan suara.
Masalah penting dalam memecahkan masalah identifikasi buta adalah identifikasi sistem. Identifikasi sistem buta dipahami sebagai kemungkinan memulihkan fungsi transfer dan/atau respons impuls (IR) sistem dengan akurasi hingga faktor kompleks hanya dari sinyal keluaran. Untuk saluran dengan satu input dan satu output, kondisi identifikasi diformulasikan dalam konteks identifikasi statistik. Identifikasi statistik mengasumsikan adanya serangkaian implementasi sinyal keluaran tertentu, selama pembentukan yang IR salurannya konstan. Dalam hal ini, sistem dapat diidentifikasi jika terdapat proses acak non-stasioner atau non-Gaussian pada input.
Untuk pertama kalinya, algoritme untuk penyamaan buta langsung dari saluran komunikasi, menggunakan sifat sinyal informasi non-Gaussian dalam sistem digital dengan modulasi amplitudo, tampaknya diusulkan oleh Sato pada tahun 1975. . Algoritma Sato kemudian digeneralisasikan oleh Godard pada tahun 1980. untuk kasus modulasi fase amplitudo gabungan (juga dikenal sebagai "algoritma modul konstanta"). Sampai saat ini, sejumlah besar algoritma untuk identifikasi buta dan koreksi saluran komunikasi diketahui menggunakan berbagai kriteria adaptasi untuk penyeimbang linier, yang digabungkan dalam literatur ke dalam kelas algoritma gradien stokastik atau algoritma Basgang. Keterbatasan dasar dari algoritma ini adalah konvergensi yang relatif lambat, persyaratan untuk kondisi awal yang andal, kompleksitas komputasi yang tinggi karena adanya prosedur untuk optimasi nonlinear dari koefisien equalizer, dan kekebalan noise yang rendah.
Kelas lain dari algoritma identifikasi buta, yang dikembangkan baru-baru ini, adalah algoritma yang menggunakan aturan kemungkinan maksimum. Algoritme ini memberikan efisiensi asimtotik dan konsistensi dari perkiraan yang diperoleh, memiliki kekebalan kebisingan yang lebih tinggi, namun kompleksitas komputasi dan maksimum lokal adalah dua masalah utama mereka.
Sangat menggoda untuk pengembangan penduga buta adalah metode momen, yang intinya adalah mengganti persamaan yang menghubungkan sinyal pada input dan output sistem dengan persamaan yang menghubungkan fungsi momen yang sesuai. Estimasi yang diperoleh dalam metode momen bukanlah yang terbaik di antara semua estimasi dalam hal efisiensi asimtotiknya, namun, pendekatan ini, sebagai aturan, memungkinkan seseorang untuk mendapatkan estimasi saluran eksplisit, melewati prosedur pengoptimalan nonlinier. Keuntungan penting dari metode ini dalam konteks "masalah buta" adalah tidak adanya persyaratan untuk pengetahuan apriori tentang distribusi probabilitas sinyal informasi dan kebisingan. Diketahui bahwa fungsi kovarians dari proses stasioner pada keluaran sistem linear tidak mengandung informasi tentang fase dari fungsi transfernya, dan identifikasi hanya dimungkinkan untuk kelas sistem yang sempit dengan fase minimum. Secara historis, hal ini menyebabkan minat, pertama-tama, pada statistik tingkat tinggi dan, karenanya, pada model sinyal input non-Gaussian. Penggunaan statistik urutan ke-2 untuk identifikasi saluran buta, mungkin untuk model sinyal input atau output non-stasioner dan dalam kasus tertentu dari sinyal (siklostasioner) yang berkorelasi secara berkala. Kemungkinan identifikasi tersebut untuk saluran telekomunikasi dalam kasus umum untuk input non-stasioner ditunjukkan pada. Sebagai aturan, spektrum kumulatif (atau "polyspectra") digunakan untuk membuat perkiraan dalam metode momen, karena dalam kasus ini persamaan untuk saluran yang tidak diketahui dapat ditulis dalam bentuk aljabar sederhana. Dalam makalah ini, kami mengembangkan pendekatan baru untuk sintesis algoritma untuk identifikasi buta statistik, berdasarkan representasi polinomial dari momen urutan acak.
Untuk sistem dengan jeda pasif, model saluran komunikasi dapat digambarkan dengan kombinasi linier polinomial berderajat positif Pertimbangkan polinomial acak sebagai medan acak kompleks yang didefinisikan pada bidang kompleks. Dalam hal ini, seseorang dapat menentukan fungsi momen dan kumulan dari bidang acak ini, yang akan menjadi polinomial dalam banyak variabel. Biarkan x C n menjadi vektor acak kompleks yang dijelaskan oleh kerapatan probabilitas f x (x1,..., xn) yang didefinisikan dalam k=k1+k2+…+kR, m=m1+m2+…+mR vektor acak x variabel R polinomial sebagai berikut :
Jelas, himpunan momen polinomial (2) yang didefinisikan dengan cara ini, dengan mempertimbangkan masalah momen yang terkenal, sepenuhnya menentukan fungsi kerapatan probabilitas dan fungsi karakteristik dari vektor acak kompleks yang dibentuk oleh nilai R dari polinomial acak x(z) C di titik (z1,..., z R ).
Momen polinomial tidak mengubah jumlah polinomial acak independen, sehingga seringkali lebih mudah menggunakan korelasi umum atau kumulan nilai polinomial acak. Kumulan polinomial dari polinomial acak akan dilambangkan dengan huruf "K". Persamaan yang menghubungkan kumulan polinomial pada input dan output dari sistem yang diidentifikasi dengan jeda pasif (3) dapat ditulis dalam bentuk berikut 2. Identifikasi saluran IR dengan manifold dari korelasi yang diberikan.
Artikel ini membahas pendekatan untuk memecahkan masalah identifikasi buta sistem dengan jeda pasif. Perhatikan bahwa, berbeda dengan sistem dengan pulsa uji, jeda pasif membutuhkan waktu 2 kali lebih sedikit.
Biarkan x R n menjadi vektor acak yang dijelaskan oleh kepadatan probabilitas f x (x1,..., xn) di R n. Misalkan x(z) pada ring C adalah polinomial acak berderajat n 1 yang diberikan oleh vektor acak x R n. Biarkan x(z1) dan x(z 2) menjadi dua nilai berbeda dari polinomial acak x(z).
Mari kita tentukan semua nilai yang mungkin z1 z 2 di mana x(z1) dan x(z 2) memiliki nilai fungsi korelasi tertentu dengan menyelesaikan sistem persamaan polinomial dalam bentuk Manifold afin V2x,0 (t) didefinisikan dengan cara ini untuk setiap t dalam C 2 akan disebut manifold sebagai korelasi (bukan-nol) tertentu dari polinomial acak x(z), dan dalam kasus t = 0, manifold dekorelasi, atau manifold nol korelasi. Jika kita memilih m bilangan kompleks yang berbeda (c0,..., cm 1 ), sehingga setiap pasangan bilangan ini V2x,0 (t), maka kita dapat mendefinisikan pemetaan linier yang sesuai dari vektor x R n ke dalam vektor y C m. Definisi manifold dekorelasi (4) dapat dengan mudah digeneralisasikan ke pengertian umum . Biarkan x1 (z), x2 (z),..., xn (z) menjadi kumpulan polinomial acak independen.
Biarkan Vkx,1m (t1),Vkx,2 (t 2),...,Vk,n (t n) yang bersesuaian dengannya menjadi manifold dari korelasi yang diberikan.
Kemudian varietas yang dihasilkan dari perkalian polinomial yang bersesuaian dideskripsikan dengan ekspresi berikut Jika hanya ada varietas dekorelasi yang sangat umum tentang statistik urutan informasi. Karena statistik kebisingan diketahui, ekspresi (3) dapat ditulis dalam bentuk Ini adalah fakta yang diketahui, yang merupakan konsekuensi dari teorema Hilbert pada generasi ideal yang terbatas, bahwa setiap variasi dapat direpresentasikan sebagai gabungan dari suatu yang terbatas. jumlah varietas yang tidak dapat direduksi, dan terlebih lagi, representasi seperti itu unik jika Vkh, m (0) Vkx, m (0) dan sebaliknya. Jelas, jika representasi (6) unik, maka manifold Vkh, m (0) sepenuhnya mencirikan respons impuls saluran dan manifold dapat, dan kita tidak memerlukan pengetahuan apriori tentang momen urutan informasi. Namun, dekomposisi seperti itu merupakan masalah yang sangat sulit di bidang bilangan kompleks. Oleh karena itu, kami akan menggunakan perbedaan dimensi manifold yang dihasilkan oleh saluran IR dan urutan informasi. Jelaslah bahwa manifold adalah manifold nol, manifold Vkx, m (0) biasanya memiliki dimensi 1, dan dalam kasus tertentu dari sampel urutan informasi yang independen dan terdistribusi secara identik, itu adalah kumpulan kurva di C R. Menganalisis dekomposisi (6), dengan mempertimbangkan dimensinya, kita dapat memisahkan manifold yang tidak diketahui dengan memilih bagian yang berbeda. Itu. algoritma identifikasi buta (A1) pada R=2 direduksi menjadi urutan tindakan berikut:
1. Berdasarkan implementasi M dari sinyal keluaran, kami memperkirakan kovarians polinomialnya 2. Hitung vektor yang mengandung akar polinomial dalam satu variabel 3. Bentuk vektor rh yang mengandung L akar terdekat di bidang C dengan Jika kita memiliki apriori informasi tentang statistik sinyal input, maka untuk membangun algoritma identifikasi buta, kita dapat langsung menggunakan struktur manifold dari korelasi polinomial acak yang diberikan. Misalkan x(z) ke ring C adalah polinomial acak berderajat n 1, diberikan oleh vektor Gaussian acak x C n dengan ekspektasi matematis nol, komponen independen dan varians komponen 2, kemudian manifold dari korelasi yang diberikan dari nilai-nilai polinomial acak Pertimbangkan sekarang kasus ketika titik-titik dipilih sehingga korelasi berpasangan komponen tidak sama dengan nol, tetapi tidak sama satu sama lain, mis. mungkin milik manifold yang berbeda dari korelasi yang diberikan. Biarkan koordinatnya menjadi ( 1,..., n 1) akar dari polinomial P (x). Jika t 0, maka dapat ditunjukkan bahwa setiap kombinasi pasangan dari akar-akar ini adalah V1,x (0). Ini berarti bahwa nilai kumulan campuran kedua memiliki bentuk Jadi, kita dapat membuat pemetaan linier dari vektor x C n ke dalam vektor komponen di luar diagonal. Ini berarti bahwa algoritma estimasi saluran adalah algoritma untuk menemukan vektor eigen yang sesuai dengan nilai eigen maksimum.
Itu. algoritma identifikasi buta (A2) direduksi menjadi urutan tindakan berikut:
1. Transformasi korelasi pasangan dari sinyal yang diamati di mana: Vn1 (1,..., n1) - (n 1) n matriks Vandermonde; y k - vektor ke-k dari sampel sinyal yang diamati.
2. Estimasi matriks kovarians sampel 3. Perhitungan vektor eigen dari matriks R = ri, j ti, j, 4. Perhitungan respon impuls saluran di mana simbol "#" adalah inversi Moore-Penrose.
3. Hasil pemodelan matematis Untuk mengevaluasi keefektifan pendekatan yang diusulkan, mari kita pertimbangkan karakteristik algoritma dibandingkan dengan pendekatan terkenal berdasarkan polispektra. Seperti yang ditunjukkan, persamaan aljabar untuk momen spektral orde ke-2 di mana H (m) adalah fungsi alih saluran, n = 0,..., momen orde kedua di (19) ditentukan dalam bentuk urutan dan noise, dan momen spektral dari urutan pembacaan pada output saluran dievaluasi secara langsung oleh realisasi yang diamati. Algoritma untuk menyelesaikan persamaan (13) sehubungan dengan fungsi transfer saluran yang tidak diketahui dapat diperoleh dari asumsi bahwa persamaan ini valid untuk estimasi Fyy (n, m). Algoritme faktorisasi spektral (A3) meminimalkan kuadrat rata-rata kesalahan antara solusi analitik dan sampel dari persamaan (13) dengan syarat bahwa energi fungsi transfer dinormalisasi menjadi satu dan, tentu saja, tunduk pada kondisi Fxx ( m) 0. Diketahui bahwa solusi dalam hal ini adalah vektor eigen dari matriks Hermitian yang sesuai dengan nilai eigen maksimum. Gambar 1 menunjukkan hasil pemodelan operasi algoritma A3. Kesalahan relatif dihitung menggunakan rumus Q = E h h h. Respon impuls diambil sama untuk semua percobaan h = (0.7,1.0,0.7). Gambar 2 menunjukkan hasil pemodelan matematika dari algoritma untuk identifikasi buta saluran A1 pada dua bagian manifold dekorasi V2y0 v (0) C 2. Bagian diambil pada bidang di C. Kekebalan kebisingan dari algoritma ini lebih rendah dari A3 untuk rasio signal-to-noise kecil, tetapi cenderung nol dengan sampel tetap. Keuntungan penting dari algoritma ini adalah tidak adanya persyaratan untuk mengetahui statistik urutan informasi, serta tingkat konvergensi yang tinggi. Jadi, dengan nilai rasio signal-to-noise A yang tinggi, ini memberikan kesalahan yang dapat diterima saat menggunakan hanya beberapa implementasi (=3…5).
Gambar 3 menunjukkan hasil pemodelan algoritma A2. Kekebalan kebisingan dari algoritma ini lebih tinggi daripada A3 pada tingkat konvergensi yang kira-kira sama. Kekebalan kebisingan yang lebih tinggi dicapai di sini dengan menggunakan transformasi korelasi bukan nol, yang memastikan kondisionalitas yang baik dari matriks R, berbeda dengan algoritme faktorisasi spektral, di mana kondisi Fxx (m) 0 umumnya tidak terpenuhi dalam kasus yang dipertimbangkan. Dalam hal kompleksitas komputasi, semua algoritma yang dipertimbangkan pada prinsipnya setara.
4. Kesimpulan Penggunaan representasi polinomial dari vektor acak dalam masalah identifikasi buta telah memungkinkan untuk menemukan sejumlah algoritma baru untuk identifikasi buta saluran komunikasi berdasarkan penggunaan metode aljabar komutatif dan geometri aljabar.
Terlihat bahwa manifold yang dihasilkan oleh kumulan polinomial memiliki sejumlah sifat unik. Misalnya, manifold korelasi nol yang dihasilkan oleh urutan acak dan saluran deterministik dapat dipisahkan menurut dimensinya, yaitu. adalah mungkin untuk mengidentifikasi saluran secara membabi buta tanpa adanya informasi apriori tentang statistik urutan informasi. Terlihat bahwa algoritme yang didasarkan pada penggunaan transformasi korelasi bukan nol memberikan karakteristik kekebalan noise yang lebih baik daripada algoritme faktorisasi spektral.
BIBLIOGRAFI
1. Tugnait J.T., Tong L., Ding Z. Estimasi dan pemerataan saluran pengguna tunggal // Majalah Pemrosesan Sinyal IEEE. - 2000. - Hal.17-28.2. Tong L., Perreau S. Identifikasi buta multisaluran: Dari metode subruang ke kemungkinan maksimum // Prosiding IEEE. – Vol.86. - No.10. - 1998. - P.1951-1968.
3. Prokis J. Komunikasi digital. Per dari bahasa Inggris. / ed. DD. Klovsky. - M. Radio dan komunikasi.
- 2000. - 800-an.
4. Nikias HL, Raguver M.R. Estimasi Bispektral yang Diterapkan pada Pemrosesan Sinyal Digital // TIIER. - 1987. - T.75. - Nomor 7. – C.5-30.
5. Goriachkin O.V., Klovsky D.D. Identifikasi Saluran Buta dengan Proses Input Non-Stasiun // Prosiding Multikonferensi Dunia tentang Systemics, Cybernetics and Informatics, 22-25 Juli 2001, Orlando, Florida, USA. - Vol.XVIII. -P.386-388.
6. Goryachkin O.V. Penggunaan representasi polinomial dalam masalah identifikasi statistik buta saluran komunikasi // Pengumpulan laporan sesi ilmiah ke-57 RNTORES yang dinamai menurut namanya. A.S. Popova, Moskow, 2002. - P.73-76.
7. Cox D., Little J., O "Shi D. Cita-cita, varietas dan algoritme. Diterjemahkan dari bahasa Inggris / diedit oleh V.L. Popov. - M .: Mir. - 2000. - 687p.
8. Malakhov A.N. Analisis kumulatif dari proses non-Gaussian acak dan transformasinya. - M .: “Burung hantu. Radio". - 1978. - 376s.
9. Auzinger W., Stetter H.J. Algoritme eliminasi untuk perhitungan semua nol dari sistem persamaan polinomial multivariat // Birkhauser Verlag, Proc. Magang. Konf. pada Matematika Numerik., Vol.86 dari Int. Seri Matematika Numerik. - 1988.-R.12-30.
10. Goryachkin O.V. Algoritma untuk mengidentifikasi fungsi transfer saluran radio // Prosiding konferensi ilmiah internasional ke-4 "Pemrosesan sinyal digital dan penerapannya", Moskow, 2002. - T.1. -P.176-179.
11. Grellier O., Comon P., Mourrain B., Trebuchet P. Identifikasi saluran buta analitik // Transaksi IEEE pada Pemrosesan Sinyal. - Vol.50. -2002. - Nomor 9.
12. Sato Y. Metode pemerataan pemulihan sendiri untuk sistem modulasi amplitudo bertingkat // IEEE Trans. tentang Komunikasi. - 1975. - vol. 23,- P.679-682.
13. Godard D.N. Pemerataan yang pulih sendiri dan pelacakan operator dalam sistem komunikasi data dua dimensi // IEEE Trans. pada komunikasi. - 1980. - vol.28. - Nomor 11. – P.1867Kramer G. Metode matematika statistik. Per. dari bahasa Inggris. - M. - 1975. - 745s.
15. Goryachkin O.V. Representasi polinomial dan identifikasi buta sistem // Fisika proses gelombang dan sistem rekayasa radio. - 2002. - V.5. - Nomor 4. - S.53-60.
16. Goryachkin O.V. Metode pemrosesan sinyal buta dan penerapannya dalam rekayasa radio dan sistem komunikasi. - M .: Radio dan komunikasi, 2003. - 230 hal.
17. Goryachkin O.V. Metode identifikasi buta dan aplikasinya // Keberhasilan radioelektronika modern. - 2004. - No.3. - Hlm.3-23.
18. Goryachkin O.V. Identifikasi buta dalam sistem transmisi radio // Elektrosvyaz. - 2004. - No.6. - P.21-23.
19. Goryachkin O.V. Statistik polinomial dan penerapannya dalam masalah identifikasi buta sistem teknik radio // Doklady akademii nauk RF. - 2004. - T.396. - Nomor 4. -P.477-479.
Gbr.1. Kesalahan identifikasi relatif Q, algoritma A4, tergantung pada rasio signal-to-noise, untuk jumlah implementasi yang berbeda =20 ("+"), = Gbr.2. Kesalahan identifikasi relatif Q dari algoritma A1 bergantung pada rasio signal-to-noise, untuk variasi =0.01 (“+”), =0.03 (“o”), =0. Gbr.3. Kesalahan identifikasi relatif Q dari algoritma A2, tergantung pada rasio signal-to-noise, untuk jumlah implementasi yang berbeda = 20 ("+"), = Goryachkin Oleg Valerievich, lahir tahun 1965, Doktor Ilmu Teknik, Kepala Departemen Teori Dasar Teknik Radio dan Komunikasi PGATI Penulis lebih dari 90 karya ilmiah. Minat penelitian: pemrosesan sinyal digital dalam rekayasa radio dan sistem komunikasi, metode radiofisika penginderaan jauh Bumi, radar dengan sintesis bukaan antena, identifikasi buta sistem, statistik terapan.
^ 3.7. Identifikasi karakteristik saluran
Identifikasi karakteristik objek apa pun memperoleh model matematisnya dari respons yang direkam secara eksperimental terhadap tindakan input yang diketahui. Filter linier sering digunakan sebagai model, yang dijelaskan dengan berbagai cara: dengan fungsi transfer H(S), respons impuls H(T), persamaan diferensial atau selisih dalam bentuk biasa atau matriks. Parameter filter ditentukan dengan seleksi atau sebagai hasil penyelesaian persamaan berdasarkan data eksperimen. Kriteria kecukupan model paling sering adalah varian kesalahan minimum e(T) = z(T) – y*(T), Di mana z(T) Dan y*(T) - memberi sinyal pada output saluran dan filter (Gbr. 17).
Pertimbangkan metode korelasi untuk mengidentifikasi respons impuls dari filter yang mensimulasikan saluran. Sinyal keluaran y*(T) dari filter adalah konvolusi dari sinyal input X(T) dan respons impuls H(T):
Misalkan, untuk penyederhanaan, respons impuls dijelaskan oleh tiga sampel, yaitu keluaran saringan
Beras. 17 mengilustrasikan pembentukan sinyal ini dengan penjumlahan, dengan bobot yang sama dengan nilai sampel sinyal input, digeser dalam waktu oleh respons impuls diskrit filter. Komponen disorot k th sampel dari variabel output. Varian kesalahan
Kondisi varians minimum
Dapat disajikan sebagai berikut
 |
Di mana
System(), ditulis dalam bentuk umum menghubungkan respons impuls saluran dengan fungsi autokorelasi dari sinyal input dan fungsi korelasi silang dari sinyal input dan output.
Untuk mendapatkan model objek yang memadai, sinyal X(T) harus wideband dan tidak berkorelasi dengan interferensi N(T). Urutan pseudo-acak digunakan sebagai sinyal seperti itu. Fungsi autokorelasinya berbentuk pulsa pendek dan, seperti fungsi autokorelasi derau putih, kira-kira dapat direpresentasikan sebagai R X(τ) ≈ 0,5 N 0 δ(τ). Dalam hal ini, persamaan (17) disederhanakan:
 | (18) |
dan estimasi respons impuls direduksi menjadi penentuan fungsi korelasi R zx (τ).
Solusi dari sistem (16) diperumit oleh fakta bahwa ia sering kali “terkondisi buruk”: beberapa persamaan berubah menjadi hampir bergantung secara linear. Dalam hal ini, sedikit perubahan dalam koefisien persamaan yang ditemukan secara eksperimental - nilai diskrit dari fungsi korelasi mengarah pada solusi yang berbeda secara fundamental, termasuk yang tidak memiliki makna fisik. Situasi ini tipikal untuk masalah "terbalik", ketika model matematis suatu objek ditentukan oleh sinyal input dan outputnya (masalah "langsung" - penentuan reaksi suatu objek dengan karakteristik yang diketahui terhadap sinyal input yang diberikan diselesaikan tanpa kerumitan apa pun ). Untuk mendapatkan model yang dapat direalisasikan secara praktis, bentuk persamaan dinamika atau karakteristik model ditetapkan berdasarkan pertimbangan fisik, dan nilai numerik dari parameter model, yang paling memadai untuk objek, adalah dipilih dengan cara yang berbeda, membandingkan perilaku objek dan model. Identifikasi ini disebut "parametrik". Metode identifikasi "non-parametrik" yang dianggap tidak menggunakan informasi apriori apa pun tentang jenis karakteristik objek.
1. Apa indikator utama kualitas saluran transmisi data. Apa itu volume saluran.
2. Bagaimana penggunaan pengkodean koreksi kesalahan mempengaruhi efisiensi spektral dan energi saluran.
3. Apa yang dinyatakan teorema Nyquist dan Kotelnikov.
4. Bayangkan respons terhadap gelombang persegi saluran yang merupakan filter low-pass, filter pita lebar, dan filter pita sempit.
5. Bagaimana koefisien pemulusan filter Nyquist mempengaruhi respons impuls saluran.
6. Faktor apa yang menentukan kemungkinan kesalahan simbolik.
7. Apa hubungan antara rasio signal-to-noise dan biaya energi spesifik.
8. Bagaimana peningkatan volume alfabet simbol saluran memengaruhi ketergantungan probabilitas kesalahan simbol pada rasio sinyal-ke-noise dan pada biaya energi spesifik dalam fase amplitudo dan manipulasi frekuensi.
9. Apa perbedaan antara konsep kecepatan teknis dan informasi saluran transmisi data
10. Berapa bandwidth saluran
11. Apa hubungan antara efisiensi spektral maksimum yang mungkin dari saluran dan biaya energi spesifik.
12. Berapa nilai teoritis dari batas bawah biaya energi spesifik.
13. Apakah mungkin untuk mengirimkan pesan dengan benar dengan kemungkinan kesalahan yang tinggi dalam menentukan simbol saluran
14. Bagaimana perkiraan jumlah informasi per satu karakter alfabet sumber?
15. Apa itu pengkodean yang efisien, apa kelebihan dan kekurangannya
16. Bagaimana hilangnya daya sinyal selama transmisi di ruang bebas
17. Bagaimana angka kebisingan dan temperatur efektif kebisingan ditentukan
18. Fenomena apa yang diamati dalam saluran multipath
19. Parameter apa yang menjadi ciri saluran multipath
20. Apa hubungan antara time spread dan channel frequency response
21. Jelaskan konsep fading selektif amplitudo dan frekuensi, pergeseran Doppler dan hamburan.
22. Dalam kondisi apa penyebaran spektrum meningkatkan kekebalan noise dari saluran multipath
23. Menjelaskan konsep identifikasi parametrik
Metode transmisi data multichannel
Transmisi data multichannel adalah transmisi data secara simultan dari banyak sumber informasi melalui satu jalur komunikasi, juga disebut multiple, atau multiple, akses saluran, multiplexing, multiplexing, pemisahan saluran.
Cara utama untuk memisahkan saluran adalah sebagai berikut.
pembagian frekuensi (akses penggandaan pembagian frekuensi, FDMA): setiap pelanggan memiliki rentang frekuensinya sendiri.
perpisahan sementara (pembagian waktu gandakan akses, TDMA): pelanggan secara berkala dialokasikan slot waktu untuk mengirimkan pesan.
Pembagian kode (pembagian kode akses gandakan, CDMA): setiap pelanggan sistem komunikasi spektrum tersebar diberi kode pseudo-random (pseudonoise - PN).
Dalam sistem yang sama, metode yang berbeda untuk mendistribusikan saluran komunikasi antar pelanggan dapat digunakan secara bersamaan Saluran komunikasi terpisah dapat ditugaskan secara permanen ke pelanggan tertentu, atau disediakan berdasarkan permintaan. Penggunaan saluran publik yang disediakan untuk komunikasi sesuai kebutuhan (prinsip trunking) secara dramatis meningkatkan throughput sistem dengan peningkatan jumlah saluran. Sistem dengan penugasan saluran dinamis disebut sistem demand-assignment multiple access (DAMA). Untuk mengurangi kemungkinan konflik yang terjadi ketika beberapa pelanggan mengakses saluran pada saat yang sama, digunakan algoritme kontrol akses saluran khusus.
Kami akan mempertimbangkan prinsip pemisahan saluran dalam sistem digital menggunakan contoh spesifik.
^ 4.1. Pemisahan saluran sementara
dalam sistem komunikasi kabel
Dalam sistem dengan multiplexing waktu, sumber dan penerima informasi dihubungkan secara bergantian ke saluran komunikasi (jalur grup) dengan sakelar di sisi pengirim dan penerima. Satu periode sakelar adalah siklus (bingkai, bingkai), di mana semua sumber terhubung ke saluran satu kali. Data sumber ditransmisikan selama "slot waktu", "jendela". Bagian dari jendela dalam siklus dicadangkan untuk transmisi informasi layanan dan sinyal sinkronisasi untuk pengoperasian sakelar.
Misalnya, dalam sistem telepon digital Eropa, data dari 30 pelanggan merupakan aliran data digital primer yang dibagi menjadi beberapa frame. Satu frame dengan durasi 125 µs berisi 32 jendela waktu, dimana 30 jendela dicadangkan untuk mentransmisikan pesan pelanggan, 2 jendela digunakan untuk mentransmisikan sinyal kontrol (Gbr. 18, A). Dalam satu jendela, 8 bit pesan ditransmisikan. Pada kecepatan pengambilan sampel sinyal audio 8 kHz (periode pengambilan sampel 125 µs), kecepatan data dalam aliran utama adalah 8000 ∙ 8 ∙ 32 = 2,048 Mbps.
Empat aliran digital primer digabungkan menjadi satu aliran sekunder, 4 aliran sekunder digabungkan menjadi aliran dengan kecepatan 34 Mbps, dll. hingga 560 Mbps untuk transmisi serat. Peralatan yang menyediakan kombinasi aliran dan pemisahannya di ujung penerima disebut "muldex" (multiplexer - demultiplexer).
Aliran digital ditransmisikan melalui jalur komunikasi dengan kode saluran yang tidak memiliki komponen konstan dan menyediakan sinkronisasi sendiri. Untuk mengelompokkan banyak utas, multipleks melakukan operasi berikut:
Terjemahan kode saluran di setiap aliran input ke dalam kode BVN dengan representasi simbol biner oleh sinyal unipolar,
Polling berurutan dari semua saluran input selama satu bit dan pembentukan aliran gabungan simbol biner dalam kode BVN unipolar (Gbr. 18, B, momen jajak pendapat ditandai dengan titik),
Representasi simbol biner dari aliran gabungan dalam kode saluran. Selain itu, kata-kata pembingkaian dimasukkan ke dalam aliran gabungan.
Kecepatan transmisi di aliran yang berbeda sedikit berbeda. Untuk mencocokkan kecepatan, penyimpanan antara data dari setiap aliran dilakukan hingga saat pembacaan oleh pulsa tersinkronisasi. Frekuensi pembacaan data di aliran agak lebih tinggi daripada frekuensi kedatangannya. Sistem serupa dengan penyatuan aliran non-sinkron disebut hierarki digital plesiochronous. Ada sistem yang lebih kompleks dengan hierarki digital sinkron.
^ 4.2. Pembagian kanal frekuensi-waktu dalam sistem komunikasi GSM
Dalam sistem komunikasi selular standar GSM, pelanggan (mobile station MS) bertukar pesan melalui base station (BS). Sistem ini menggunakan frekuensi dan waktu pembagian saluran. Rentang frekuensi dan jumlah saluran frekuensi tergantung pada modifikasi sistem. Skema pemisahan saluran dalam sistem GSM-900 ditunjukkan pada gambar. 19.
Transmisi dari BS ke MS pada saluran "langsung" (downlink, maju, downlink, jatuh) dan dari MS ke BS pada saluran "mundur" (uplink, mundur, uplink, naik) dilakukan pada frekuensi yang berbeda , dipisahkan oleh interval 45 MHz. Setiap saluran frekuensi menempati bandwidth 200 kHz. Sistem diberi rentang 890-915 MHz (124 saluran balik) dan 935-960 MHz (124 saluran langsung). Pada frekuensi yang sama, 8 kanal time-multiplex beroperasi secara bergantian, masing-masing dalam satu jendela waktu dengan durasi 576,9 μs. Jendela membentuk frame, multiframe, superframe, dan hyperframe.
Durasi panjang hyperframe (3,5 jam) ditentukan oleh persyaratan perlindungan kriptografi. Superframe memiliki durasi yang sama dan berisi 26 multiframe (26x51 frame) untuk transmisi sinkronisasi atau 51 multiframe (51x26 frame) untuk transmisi suara dan data. Semua bingkai berisi 8 jendela dan memiliki durasi yang sama (sekitar 4,6 ms). Sistem menggunakan windows dari beberapa jenis dengan durasi yang sama.
Transmisi di semua jendela dalam satu frame dilakukan pada frekuensi yang sama. Saat berpindah ke bingkai lain, frekuensinya dapat berubah secara tiba-tiba. Ini dilakukan untuk meningkatkan kekebalan kebisingan.
Semua informasi yang ditransmisikan, tergantung pada jenisnya (perintah ucapan, data, kontrol dan sinkronisasi), didistribusikan melalui saluran logis yang berbeda dan ditransmisikan dalam "bagian" terpisah di jendela yang berbeda - saluran fisik. Data dari saluran logis yang berbeda dapat ditransmisikan dalam satu jendela. Berbagai jenis jendela digunakan untuk menyampaikan berbagai jenis informasi. Interval penjaga diperkenalkan di antara jendela untuk menghilangkan tumpang tindih sinyal dari pelanggan yang berbeda. Panjang interval penjaga menentukan ukuran maksimum sel (sel).
Saluran logis dibagi menjadi saluran komunikasi dan kontrol.
Saluran koneksi (TCH - saluran lalu lintas) mengirimkan ucapan dan data dengan kecepatan dari 2,4 hingga 22,8 kbps. Sistem ini menggunakan encoder sumber tipe PRE-LPC (encoder linier dengan prediktor berdenyut reguler). Tingkat suara standarnya dari 13 kbps ditingkatkan menjadi 22,8 kbps sebagai hasil dari pengkodean saluran.
Saluran kontrol dibagi menjadi 4 jenis.
Saluran Kontrol Siaran mengirimkan dari sinyal jam BS dan perintah kontrol yang diperlukan untuk semua MS untuk operasi normal. Setiap MS menerima dari BS:
Sinyal sinkronisasi untuk mengatur frekuensi pembawa melalui saluran FCCH (saluran koreksi frekuensi - saluran sinkronisasi pembawa),
Jumlah frame saat ini pada saluran SCH (saluran sinkronisasi - saluran sinkronisasi MS dalam waktu),
Nomor identifikasi BS dan kode yang menentukan urutan frekuensi pembawa melompati saluran BCCH (saluran kontrol siaran - saluran untuk mengirimkan perintah untuk mengontrol proses pengiriman pesan).
Saluran kontrol umum (CCCH - saluran kontrol umum) digunakan saat menjalin komunikasi antara BS dan MS dengan urutan sebagai berikut:
BS memberi tahu MS panggilan melalui PCH - paging channel,
Permintaan MS dari BS, melalui saluran RACH (saluran akses acak - saluran akses paralel acak), nomor saluran fisik untuk terhubung ke jaringan,
Masalah BS ke MS, melalui AGCH (saluran hibah akses), izin untuk menggunakan saluran komunikasi (TCH) atau saluran kontrol individu khusus.
Saluran kontrol individu khusus (SDCCH - saluran kontrol khusus yang berdiri sendiri) digunakan untuk mengirimkan dari MS ke BS permintaan untuk jenis layanan dan untuk mengirimkan dari BS ke MS nomor saluran fisik yang ditugaskan ke MS dan fase awal urutan pseudo-random yang menentukan program frekuensi hopping untuk MS ini.
Saluran kontrol gabungan (ACCH - saluran kontrol terkait) digunakan untuk mengirimkan perintah kontrol ketika MS berpindah ke sel lain (saluran FACCH - saluran kontrol terkait cepat) dan untuk mengirim informasi tentang tingkat sinyal yang diterima dari MS ke BS (melalui SACCH saluran - saluran kontrol terkait lambat).
Di jendela tipe NB "normal", informasi yang dikirimkan ditempatkan -114 bit. Urutan pelatihan 26-bit yang diketahui penerima digunakan untuk memperkirakan respons impuls saluran komunikasi untuk menyetel equalizer penerima,
Menyamakan karakteristik saluran komunikasi, serta untuk menilai kualitas komunikasi dan menentukan waktu tunda sinyal. Kombinasi ujung TB (tail bits) ditempatkan pada batas jendela, pada ujung jendela terdapat guard interval GP (guard period) dengan durasi 30,46 μs. Bit SF (steering flag) menunjukkan jenis informasi.
Jendela tipe FB dirancang untuk menyesuaikan frekuensi MC. 142 bit nol ditransmisikan pada gelombang pembawa yang tidak termodulasi. Jendela berulang jenis ini merupakan saluran logis pengaturan frekuensi dari FCCH.
Jendela tipe SB dirancang untuk menyinkronkan MS dan BS dalam waktu. Jendela berulang membentuk saluran sinkronisasi logis SCH. 78 bit informasi berisi nomor bingkai dan kode identifikasi BS.
Windows tipe AB dirancang untuk mendapatkan izin untuk mengakses MS ke BS. Urutan bit sinkronisasi yang dikirimkan oleh MS mengonfigurasi BS untuk membaca urutan 36 bit berikutnya yang berisi permintaan layanan dengan benar. Interval penjaga di jendela AB telah ditingkatkan untuk mengakomodasi ukuran sel yang besar.
^ 4.3. Pembagian kode saluran
dalam sistem komunikasi IS-95.
Sistem dialokasikan pita frekuensi 869-894 MHz untuk transmisi sinyal melalui saluran maju dan 824-849 MHz untuk transmisi mundur. Interval frekuensi antara saluran maju dan mundur adalah 45 MHz. Pengoperasian saluran langsung pada satu frekuensi pembawa selama transmisi ucapan diilustrasikan pada Gambar. 21.
Urutan karakter biner dari channel encoder dikonversi sebagai berikut:
– “scrambled” – modulo 2 yang dijumlahkan dengan kode individual dari pelanggan kepada siapa pesan dikirimkan (PSP “panjang”),
– meringkas dengan urutan Walsh. Urutan Orthogonal Walsh, sama untuk semua BS, membagi satu saluran frekuensi menjadi 64 saluran independen,
– dibagi oleh komutator (CM) menjadi dua aliran quadrature SAYA Dan Q.
Simbol-simbol dalam aliran ini memodulasi komponen quadrature dari gelombang pembawa. Untuk memisahkan sinyal dari stasiun yang berbeda, simbol dalam aliran quadrature dijumlahkan dengan "pendek" PRS- SAYA dan PSP- Q– pengidentifikasi BS.
Sistem ini menggunakan peralatan penyandian data terpadu. Penerima GPS digunakan untuk menyinkronkan semua BS dalam waktu. Simbol dasar PSP mengikuti dengan kecepatan 1,2288 MSym/s. Long PRP dengan periode 41 hari dibentuk oleh register yang berisi 42 bit. Kode individu pelanggan adalah fragmen dari PRS panjang yang berbeda pada fase awal. PRP pendek dengan durasi 2/75 detik dibentuk oleh register geser yang berisi 15 bit, dan berbeda dalam BS yang berbeda oleh pergeseran individu relatif terhadap momen awal interval waktu dua detik.
Saat menjumlahkan dengan urutan keluaran pembuat enkode, yang memiliki frekuensi 19,2 kbit / s, PRS panjang ditipiskan untuk menyamakan kecepatan urutan yang dijumlahkan: setiap simbol ke-64 diambil darinya. Saat menjumlahkan urutan yang diterima dengan kata kode Walsh, satu simbol urutan diubah menjadi 64 chip Walsh, sehingga sakelar menerima aliran digital dengan kecepatan 1,2288 MS/s. PSP pendek memiliki tingkat simbol yang sama. Oleh karena itu, untuk penggunaan rentang frekuensi yang paling efisien, menurut teorema Nyquist dan Kotelnikov, spektrum urutan simbol pada input modulator bandpass di pemancar harus dibatasi pada frekuensi 1,2288/2 MHz. Untuk tujuan ini, filter low-pass dipasang pada input modulator dengan batas band pass dan delay 590 kHz dan 740 kHz.
Setiap BS memodulasi sinyal SRP pendek, yang dikeluarkan melalui saluran "pilot" khusus. MS, menggeser PRS pendek tepat waktu, menemukan BS dengan sinyal pilot terkuat dan menerima dari BS melalui saluran sinkronisasi data yang diperlukan untuk komunikasi, khususnya, nilai waktu sistem untuk mengatur kode panjangnya. Setelah menyetel kode panjang, MS dapat menerima pesan yang dikirimkan kepadanya atau memulai prosedur untuk mengakses BS atas inisiatifnya sendiri. Selama operasi, MS memantau level sinyal pilot dan, ketika sinyal yang lebih kuat terdeteksi, beralih ke BS lain.
Data yang perlu ditransmisikan dengan kecepatan tinggi dibagi menjadi beberapa paket dan ditransmisikan secara bersamaan melalui saluran frekuensi yang berbeda.
Di saluran mundur (Gbr. 22), daya pemancar dan rasio signal-to-noise lebih rendah daripada di saluran maju. Untuk meningkatkan kekebalan kebisingan, kecepatan encoder konvolusional dikurangi menjadi k/n= 1/3, encoder mengeluarkan data pada 28,8 kbps. Spektrum aliran digital ini diperluas: setiap paket data 6-bit diganti dengan salah satu dari 64 simbol Walsh yang diulang sebanyak 4 kali. Nomor simbol ditentukan oleh isi paket data.
Setelah ekspansi, urutan simbol dijumlahkan modulo 2 dengan bandwidth panjang pelanggan dan dibagi oleh saklar menjadi dua urutan: in-phase ( SAYA) dan kuadratur ( Q), yang setelah penjumlahan dengan PSP- pendek SAYA dan PSP- Q, memodulasi osilasi pembawa fase dan quadrature. Untuk mengurangi lompatan fase, urutan modulasi quadrature digeser dalam waktu setengah durasi simbol dasar.
Memuat...