当前位置: 首页 > news >正文

数字通信复习

1 OFDM系统掌握要点

例题1

 

 

子载波数目128

需要掌握的计算

add cyclic prefix and parallele-to-serial converter:添加循环前缀和并串转换器,

D/A:数模转换

例题2

2 无线信道模型掌握要点

路径损耗

定义:电磁波在传输的时候随着传输距离的增加,接收信号的功率是自然的降低。

路径损耗是一个确定的量,只要距离确定,路径损耗就能确定。

衰落的慢,属于大尺度衰落

阴影衰落

电磁波在传输的时候受到大的建筑物、数目的阻隔出现的衰落

随机变化,

变化的幅度比较慢,大尺度衰落

多径衰落

发送的信号经过多条路径到达接收端,出现多径衰落

变化幅度快,属于小尺度衰落

路径损耗

阴影衰落

模型因障碍物而衰减
由于随机数和障碍物类型导致的随机性
通常遵循对数正态分布,功率的dB值正态分布μ=0(路径损耗中捕获的平均值),4<o'<12(经验

多径扩展

Bc:信道相干带宽

多普勒效应扩展

快衰落和慢衰落

主流就是多载波调制技术

3 分集部分掌握要点

1 基本概念

使用多元天线的增益

分集增益

前提:信道间一定要独立

利用多条独立的路径传输相同的数据,这样当一个信号出现深衰落时,另一个信道不会出现深度衰落(图一)

2 两大类分集增益的方式

一类是接收分集,接收端用多个天线接收

乘上不同的系数进行合并

图中三种合并方式

选择合并

比较每个信道的增益,选择最大增益的做接收。最简单

最大比合并

每个支路上的加权系数,系数跟信道的增益有关系,增益越大系数越大

等增益合并

所有支路上的系数都是1

另一类是发送分集

多个发射天线,功率在它们之间分配
适用于传输站点功能更强的系统(例如:celular)
实施取决于渠道知识
利用发射机信道知识(CSIT),性能类似于接收机分集(相同的阵列/分集增益)
在没有信道知识的情况下,可以通过Alamout方案获得分集增益(但不是阵列增益):在空间和时间上传输(2个连续符号)

把一个信号St,每一个乘上不同的加权系数,存到不同的信道上传输

发射机信道未知Alamouti方案

发送分集,发送端不知道信道状态信息,也是可以来做分集的,这时候需要用到空时间编码技术

第一个信号周期,

天线1可以发送信号1

天线2可以发送信号2

第二个信号周期

天线1发送负的信号2的共轭

天线2发送信号1的共轭

每个发射器都有能量E/2

也能获得分集增益

空时编码获得分集增益的时候,不需要发送端知道信道状态信息的。

需要让发送端知道发送端信道状态信息的情况:1 注水功率分配。2 自适应调制。3 波束成形、与编码技术.

4 mimo检测器要点

线性接收机

我们对线性接收机这一类感兴趣,它通过将接收到的信号y与适当的选择向量相关来计算第一个数据流的决策统计量

迫零检测器:抑制来自其他信号上的干扰

匹配接收机/最大比合并接收机

设计思想:最大化信噪比,不考虑其他天线对当前天线的影响,只是最大化信噪比

以上两种都不是最优的

最佳的线性检测方式是最小误差均方准则

最大化信干噪比检测

优于迫零检测器和匹配接收机/最大比合并接收机

横坐标:信噪比

纵坐标:传输速率与理论上的mimo信道的容量之比

5 数字调制掌握要点

平均功率:所有点到坐标系原点的距离的平方和的平均值

平均能量:所有点的模的平方和

信号星座和决策区域MPSK

信号星座和决策区域MPAM

脉冲整形

T是码元周期,直接往里带,就能算出对应的奇函数

总结

6 无线信道容量掌握要点

有几个理论上的结论是要搞清楚的

第一种情况

接收端知道CSI

C:遍历信道容量

标题:仅限平坦衰落信道接收器CSI的容量

信道侧信息(CSl)是信道功率增益
衰减值仅在接收器处已知
发射机和接收机已知的衰落统计
香农容量(Ergodie容量)

这是平均容量,低于平均容量时

C:算的是遍历信道容量

是衰落信道的遍历信道容量,发送端不做注水功率分配时候的信道容量

不等式右边是加性高斯白噪声对应的信道容量是大的

第二种情况

收发两端均已知CSI

做注水功率分配时的信道容量

低信噪比的时候是可以改善信道容量的,大信噪比时候达不到AWGN(加性高斯白噪声)的信道容量

标题:平坦衰落信道发射机和接收机CSl的容量

发射功率可以调整

下图的公式是香农信道容量

最佳功率分配公式

标题:最佳功率分配:注水算法

最佳功率分配的公式

作业题

例题:9.9

7 自适应调制掌握要点

http://www.xdnf.cn/news/925579.html

相关文章:

  • RAG检索系统的两大核心利器——Embedding模型和Rerank模型
  • ELF文件,静态链接(Linux)
  • 算法练习-回溯
  • 指针与函数参数传递详解 —— 值传递与地址传递的区别及应用
  • Postman测试学习(1)
  • ABAP EXCEL导入换行符
  • A Survey on the Memory Mechanism of Large Language Model based Agents
  • 【Go语言基础【12】】指针:声明、取地址、解引用
  • 策略模式实战:Spring中动态选择商品处理策略的实现
  • 软件测试—学习Day10
  • 开疆智能Ethernet/IP转Modbus网关连接MAG8000电池流量计配置案例
  • python版若依框架开发:集成Dash应⽤
  • 将 Elastic 的数据摄取转向 OpenTelemetry
  • SWE-Dev:开启自主特征驱动软件开发新纪元,重新定义大模型编码能力边界
  • 理解 RAG_HYBRID_BM25_WEIGHT:打造更智能的混合检索增强生成系统
  • 【Go核心编程】第十三章:接口与多态——灵活性的艺术
  • FUSSNet复现
  • vue注册自定义指令
  • 黄柏基因组-小檗碱生物合成的趋同进化-文献精读142
  • h5 安卓手机去掉滚动条问题
  • compose 组件 ---无ui组件
  • 基于TarNet、CFRNet与DragonNet的深度因果推断模型全解析
  • Python基于Django的文件销毁系统【附源码、文档说明】
  • Qwen 大模型-对话模板中system与user的区别解析
  • 并发编程实战(生产者消费者模型)
  • conda环境配置(二) —— 报错
  • QuickJS 如何发送一封邮件 ?
  • 区块链技术概述
  • Global Security Market知识点总结:主经纪商业务
  • 提高Python编程效率的工具推荐