Моделирование систем связи
Шифратор – это устройство, предназначенное для криптографического преобразования входного потока и получения на выходе нового потока (защита данных).
Кодер источника – это устройство, которое устраняет информационную избыточность сообщения (сжимает).
Помехоустойчивый кодер – это устройство, вводящее избыточность в сообщения.
Модулятор – это устройство, которое формирует комплексный информационных символ (лучший способ для канала связи).
Передатчик – это устройство, выполняющее преобразование потока символа в передаваемый сигнал.
На рис.14 представлен пример схемы системы связи.
Рис.14 – Пример схемы системы связи
Чтобы проверить работу системы связи, нужно провести подсчет ошибок.
Для полного исследования системы связи, нужно моделировать ее всю, даже с модели канала. Но это будет очень сложная программа, которая долго считает.
Моделируют только передатчик, канал связи и приемник. Далее схему усложняют до тех пор, пока не будет достигнут предел.
При моделировании нужно учитывать не только характеристики каждого блока, но и реальную модель канала и всю доступную информацию о канале связи.
При моделировании оптической связи нужно учитывать волокно.
5 Лекция (30.10.2024)
Процесс – это действие, которое развивается по времени. Процессы делятся на неслучайные (детерминированные) и случайные.
Детерминированные процессы определены заранее.
Случайный процесс – это процесс, значение которого в будущем нельзя предсказать.
Основной задачей построение модели является предсказание случайного процесса в будущем.
В технических системах параметры самой системы меняется со временем.
Модель случайного процесса – это функциональная зависимость, показывающая, как текущее значение случайного процесса зависит от его прошлого значения, а также от случайных воздействий.
Xn = X(nT)
Гипотеза Лапласова детерминизма (предопределенность) основана на том, что будущее можно предсказать, если иметь абсолютную полную информацию о движении всех частиц во Вселенной.
Виды моделей случайных процессов:
Винеровский процесс: X(n) = X(n-1) + sigma
Sign образует последовательность независимых случайных величин.
Значение параметра сигмы си в квадрате должно быть известно
В технике связи есть фазовое дрожание сигнала, где Xn – будущее, Xn-1 – прошлое
Модель авторегрессии 1-го порядка: Xn =R*Xn-1 + сигма си
Если Xn равна 0, то процесс становится не случайным. Если параметр дисперсии маленький, то случайные «добавки» тоже маленькие. Недостаток модели авторегрессии 1-го порядка заключается в том, что будущее значение процесса зависит только от одного прошлого значения.
Модели авторегрессии 2-го порядка
Xn = R1 * Xn-1 + R2* Xn-2
Если R2 = 0, то получаем авторегрессию 1-го порядка
Модели авторегрессии порядка P
Модели авторегрессии порядка P имеет P+1 параметр и все эти значения параметров должны нам быть известны.
Идентификация модели (обучение модели) – это выбор параметров модели. При выборе моделей высокого порядка P точность модели увеличивается, но сложность возрастает.
При построении моделей случайных процессов нужно искать компромисс между сложностью и точностью. Нужно учитывать сложность самой модели, но и сложность измерения параметров модели.
Модели авторегрессии-скользящего среднего
Модель более точная, но, в свою очередь, и более сложная.