
- •1.1. Основные определения
- •1.2. Уровни передачи
- •1.3. Параметры и характеристики первичных сигналов
- •1.4. Обобщенная структурная схема систем электросвязи
- •1.5. Классификация видов электросвязи
- •1.6. Основные сведения о сетях электросвязи
- •1.7. Организации стандартизации в области телекоммуникаций
- •2.1. Представление сигналов и помех
- •2.2. Аналоговые методы модуляции
- •2.3. Цифровые методы модуляции
- •2.4. Сравнение различных видов модуляции
- •3.1. Принципы помехоустойчивого кодирования
- •3.2. Блоковые коды
- •3.3. Основные классы блоковых кодов
- •3.4. Вероятности ошибочного приема сообщения и двоичного символа (бита)
- •3.5. Сверточные коды
- •3.6. Алгоритмы декодирования сверточных кодов
- •3.7. Каскадные коды
- •3.8. Методы перемежения
- •3.9. Автоматический запрос повторной передачи
- •4.1. Основные термины и определения
- •4.2. Общая характеристика методов модуляции с расширением спектра
- •4.3. Псевдослучайные последовательности и их свойства
- •4.4. Помехоустойчивость систем связи, использующих модуляцию с расширением спектра
- •5.1. Система многоканальной связи
- •5.2. Частотное разделение сигналов
- •5.3. Временное разделение каналов
- •5.4. Разделение сигналов по форме
- •5.5. Обеспечение дальности связи
- •6.1. Кабельные и воздушные линии связи на основе металлических проводников
- •6.2. Проблема электромагнитной совместимости
- •6.3. Волоконно-оптические линии связи
- •6.4. Кабельные системы
- •6.5. Радиолинии
- •7.1. Двусторонняя передача сигналов
- •7.2. Каналы связи
- •7.3. Формирование стандартных групповых сигналов
- •7.4. Основные узлы систем передачи
- •7.5. Методы организации двусторонних тактов
- •7.6. Краткая характеристика систем передачи
- •8.1. Дискретизация сигнала во времени
- •8.2. Квантование мгновенных значений сигнала
- •8.3. Кодирование и декодирование сигналов
- •8.4. Преобразование цифрового сигнала в аналоговый
- •8.5. Аналого-цифровой и цифро-аналоговый преобразователи
- •8.6. Методы разностного квантования аналоговых сигналов
- •8.7. Параметрическое компандирование речевых сигналов
- •9.1. Особенности построения цифровых систем передачи
- •9.2. Иерархии цифровых систем передачи
- •9.3. Европейская плезиохронная цифровая иерархия
- •9.4. Синхронная цифровая иерархия
- •9.5. Коды линии
- •9.6. Интерфейс g.703
- •9.7. Волоконно-оптические системы передачи и перспективы их развития
- •10.1. Основные определения
- •10.2. Радиопередающие устройства
- •10.3. Радиоприемные устройства
- •10.4. Антенны и фидеры
- •10.5. Радиорелейные системы передачи
- •10.6. Тропосферные радиорелейные системы передачи
- •10.7. Системы передачи на декаметровых волнах
- •10.8. Системы передачи, использующие ионосферное рассеяние радиоволн и отражение от следов метеоров
- •10.9. Спутниковые системы связи
- •11.1. Нумерация абонентских линий
- •11.2. Основы теории телефонного сообщения
- •11.3. Аппаратура передачи речи
- •11.4. Принципы построения систем коммутации
- •11.5. Коммутационные приборы
- •11.6. Принципы построения коммутационных полей коммутационные блоки и ступени искания
- •11.7. Управляющие устройства атс
- •11.8. Телефонная сигнализация
- •12.1. Профессиональные системы подвижной радиосвязи
- •12.2. Сотовые системы
- •12.3. Системы персонального радиовызова
- •12.4. Системы беспроводных телефонов
2.1. Представление сигналов и помех
ОСНОВНЫЕ СООТНОШЕНИЯ
Приведем основные аналитические соотношения, которые будем использовать в дальнейшем. При рассмотрении этих соотношений будем осуществлять временное и частотное представление функций времени (сигналов).
Для прямого преобразования Фурье (спектральной функции) сигнала s(t)
(2.1)
Для обратного преобразования Фурье –
. (2.2)
В ряде случаев для сокращения выкладок используется комплексное представление действительного сигнала s(t)
, (2.3)
где
– сопряженный с s(t)
сигнал, определяемый на основе
преобразования Гильберта,
. (2.4)
Представление s(t) в комплексной форме (2.3) называют представлением в аналитической форме или аналитическим сигналом.
Легко
проверить, что
,
.
Следовательно, если имеется сигнал
сложной формы
(2.5)
то сопряженный ему сигнал
.
Таким образом, каждая гармоническая составляющая сопряженного сигнала повернута на угол /2 относительно соответствующей составляющей исходного сигнала s(t).
Применив (2.2) к , получим преобразование Фурье сопряженного сигнала
(2.6)
Спектральная
функция комплексного сигнала
(2.7)
Следовательно, для получения спектральной функции комплексного сигнала необходимо удвоить спектральную функцию исходного сигнала s(t) при > 0 и приравнять ее нулю при < 0. Сигнал s(t), спектральная функция которого равна нулю за пределами некоторой полосы частот, так что
(2.8)
называется полосовым.
Для полосовых сигналов используется представление
(2.9)
где
– огибающая полосового сигнала s(t);
– полная фаза. (2.10)
Если
,
то сигнал (2.10) называют узкополосным в
спектральном смысле. Его можно представить
в комплексной форме (2.3) как
, (2.11)
где
(2.12)
– комплексная огибающая (комплексная амплитуда) сигнала.
Узкополосный сигнал можно рассматривать в виде суммы двух квадратурных составляющих:
(2.13)
где
,
, (2.14)
с помощью которых определяется мгновенная частота
. (2.15)
Между
преобразованиями сигналов
и
имеет место соотношение
(2.16)
Представление узкополосных сигналов через комплексную огибающую можно распространить и на так называемые узкополосные системы. Узкополосными системами называются такие системы, отклик которых на произвольный входной сигнал s(t) является узкополосным сигналом.
Пусть
линейная узкополосная система с
постоянными параметрами имеет импульсную
характеристику h(t)
и частотную передаточную функцию
.
Импульсную характеристику h(t)
можно также представить в комплексной
форме:
.
Ей соответствует частотная передаточная
функция
,
где
согласно (2.7) есть частотная передаточная
функция идеального фильтра верхних
частот, пропускающего все «положительные»
частоты.
Таким
образом, отклик узкополосной системы
в комплексной форме
на входной сигнал s(t)
может быть получен как выходной сигнал
последовательно включенных рассматриваемой
узкополосной системы и фильтра верхних
частот с частотной передаточной функцией
.
Поскольку все операции являются
линейными, то порядок их выполнения
может быть произвольным, как показано
на рис.2.1.
Рис. 2.1. Три эквивалентные схемы представления аналитического сигнала, соответствующего отклику линейной системы с постоянными параметрами
В
варианте (рис.2.1, в) линейная
система имеет комплексную импульсную
характеристику
,
поэтому ее отклик на комплексный сигнал
определяется выражением
. (2.17)
Если
и
выразить через комплексные огибающие
(2.12), то
, (2.18)
– комплексная
огибающая импульсной характеристики.
Из (2.18) следует, что отклик узкополосной линейной системы с постоянными параметрами представляет собой узкополосный сигнал с комплексной огибающей
. (2.19)
Рис. 2.2. Частотная передаточная функция узкополосной линейной системы (а) и ее низкочастотного эквивалента (б)
Таким
образом, комплексная огибающая отклика
узкополосной системы может быть найдена
как результат обработки комплексной
огибающей входного сигнала эквивалентной
низкочастотной линейной системой с
комплексной импульсной характеристикой
и частотной передаточной функцией
,
как показано на рис.2.2.
Заметим,
что если
симметрична относительно частоты
,
то низкочастотный эквивалент
узкополосной линейной системы имеет
действительную импульсную характеристику.
ДИСКРЕТНОЕ ПРЕДСТАВЛЕНИЕ НЕПРЕРЫВНЫХ СИГНАЛОВ
Реальные сигналы, присутствующие в устройствах и системах связи, являются на определенных интервалах непрерывными функциями времени. Однако при анализе часто удобно использовать их представление в виде выборочных мгновенных значений, т.е. в виде рядов по системам ортонормальных функций, коэффициентами при которых являются выборочные значения.
Пусть
имеется n независимых
сигналов
.
Независимость сигналов означает, что
ни один из этих сигналов не может быть
представлен в виде линейной комбинации
остальных (n – 1)
сигналов, т.е. не существует постоянных
a1,
a2,
…, an
(не равных нулю), таких, что
. (2.20)
Эти сигналы образуют базис.
Предположим,
что сигнал s(t) может быть представлен
в виде линейной комбинации n
независимых сигналов
:
. (2.21)
Если
каждый сигнал может быть представлен
в виде (2.21), то мы имеем n-мерное
пространство сигналов. Множество
сигналов
называется ортонормальным, если
выполняется условие
(2.22)
Для ортонормального множества коэффициенты sk в (2.21) определяются как
. (2.23)
При выбранном множестве базисных сигналов сигнал s(t) может быть представлен набором чисел (s1, s2, …, sn) или точкой в n-мерном пространстве. Теперь сигнал s(t) может рассматриваться как вектор s = (s1, s2, …, sn). Примером дискретного представления сигналов может служить представление в виде ряда В.А. Котельникова
(2.24)
где sinc(x) = sin(x)/x, В – верхняя частота спектра сигнала s(t).
Здесь в качестве ортонормальных функций выбраны функции
.
Легко проверить, что
(2.25)
При этом
(2.26)
(2.27)
Таким
образом, любой сигнал s(t)
с ограниченным спектром может быть
представлен точкой в пространстве
сигналов с координатами (…, sk‑1,
…, s‑2,
s‑1,
s0,
s1,
s2,
…, sk,
…), sk
– значение k-го отсчета,
деленное на
.
Рассмотрим теперь четыре сигнала:
.
Если
в качестве ортонормальных функций
выбрать функции
,
,
то эти сигналы могут быть представлены
в виде векторов
,
,
,
и размерность пространства сигналов
равна двум.
Если
в пространстве сигналов сигналы s1(t)
и s2(t)
представлены векторами s1 = (s11, s12, …, s1n)
и s1 = (s21, s22, …, s2n),
причем
,
,
то
. (2.28)
Таким образом, интеграл от произведения двух сигналов есть скалярное произведение векторов в пространстве сигналов, и взаимной ортогональности двух функций времени соответствует ортогональность векторов при их дискретном представлении.
Для сигнала s(t) энергия Es определяется выражением
. (2.29)
Из соотношения (2.28) следует, что
. (2.30)
где |s|2 – квадрат длины вектора s.
Следовательно, энергия сигнала равна квадрату длины соответствующего вектора в пространстве сигналов.
Итак, размерность пространства сигналов равна максимальному количеству независимых векторов в этом пространстве. В n-мерном пространстве может быть не более, чем n независимых векторов. Если найдено множество из n независимых ректоров, то можно с помощью процедуры Грама-Шмидта построить другое множество из n независимых векторов, которые являются взаимно ортогональными и образуют координатную систему.
ГАУССОВСКИИ СЛУЧАЙНЫЙ ПРОЦЕСС
Случайный процесс (t) называется гауссовским, если совокупность случайных величин (t1), (t2), … (tn), определенных для моментов времени t1, t2, … tn, является совместно гауссовской, т.е. имеем совместную функцию плотности распределения вероятности (ФПРВ), определяемую выражением
, (2.31)
где K – ковариационная матрица,
, (2.32)
– ковариация
случайных величин i
и j,
– математическое ожидание случайной
величины i
|K| – определитель
матрицы K, Kij
алгебраическое дополнение элемента
в матрице K. Заметим,
что
– дисперсия случайной величины i
.
Гауссовский случайный процесс не только представляет весьма удобную модель случайных процессов, которые встречаются в реальных ситуациях, но и обладает рядом свойств, позволяющих упростить получение некоторых математических, важных с практической точки зрения, результатов.
Из (2.31) следует, что гауссовский случайный процесс полностью определяется корреляционной функцией
, (2.33)
и
математическим ожиданием
,
так как
.
Гауссовский случайный процесс называется стационарным, если выполняются условия
для всех t. (2.34)
Условия (2.34) являются условиями стационарности в широком смысле, поэтому для гауссовского случайного процесса они являются условиями строгой стационарности.
Для
стационарного гауссовского случайного
процесса ковариация
определяется следующим выражением:
. (2.35)
Другим важным свойством гауссовского случайного процесса является то, что отклик линейной системы на воздействие в виде гауссовского случайного процесса также гауссовский случайный процесс.
Пусть на входе линейной системы с импульсной характеристикой h(t) имеется гауссовский случайный процесс (t). Тогда случайный процесс на выходе системы
. (2.36)
Поскольку (t) – гауссовский процесс, то все случайные величины (t-k) являются совместно гауссовскими (по определению). Следовательно, случайные величины (t1), (t2), … (tn), определенные для моментов времени t1, t2, … tn, есть линейные комбинации совместно гауссовских случайных величин и также являются совместно гауссовскими. Таким образом, случайный процесс (t) является гауссовским.
Если имеется полное множество ортонормальных базисных функций {k(t)}, то в пространстве сигналов реализация х(t) гауссовского случайного процесса может быть представлен в виде ряда
, (2.37)
где
.
Заметим,
что случайный процесс (t)
состоит из множества реализаций x(t).
Поэтому для каждой реализации имеется
собственный коэффициент. Отсюда следует,
что значения коэффициентов (x1,
x2, …
xn)
– это значения случайных величин (1,
2,
… n),
полученные для определенной реализации
с функцией плотности распределения
вероятности
.
Рассмотрим
в качестве примера гауссовский случайный
процесс h(t)
в виде белого шума со спектральной
плотностью N0/2
и корреляционной функцией
,
– дельта-функция. Представим n(t)
в виде ряда
Так как белый шум имеет неограниченную полосу, то размерность пространства сигналов также неограниченна.
Покажем, что n1, n2, … – независимые случайные величины с дисперсией N0/2. Действительно,
,
Так как
,
то, используя правило интегрирования с -функцией, получаем
(2.38)
Следовательно случайные величины ni и nj некоррелированны, а поскольку они являются гауссовскими, то и независимы.
Если ограничиться представлением белого шума в виде конечного ряда, т.е. ограничить размерность пространства сигналов, то функция плотности распределения вероятности совокупности случайных величин n1, n2, … nN будет определяться следующим выражением:
(2.39)
Из (2.39) следует, что ФПРВ белого гауссовского шума зависит только от длины шумового вектора х в пространстве сигналов и поэтому обладает свойством сферической симметрии.
УЗКОПОЛОСНЫЙ СЛУЧАЙНЫЙ ПРОЦЕСС
Рассмотрим
теперь действительный, стационарный в
широком смысле случайный процесс n(t)
и комплексный процесс
.
Существуют следующие формы представления
этих процессов:
, (2.40)
, (2.41)
, (2.42)
, (2.43)
где
–
комплексная огибающая случайного
процесса n(t).
Спектральная
плотность процесса
может быть легко определена, если учесть,
что он формируется на выходе линейной
системы с постоянными параметрами и
частотной передаточной функцией 2U(f).
Поэтому получаем
, (2.44)
Из выражения (2.44) следует, что спектральная плотность комплексного процесса равна учетверенной односторонней спектральной плотности действительного процесса n(t).
Корреляционная функция комплексной огибающей равна
, (2.45)
где (..) – символ комплексного сопряжения. Следовательно, спектральная плотность
, (2.46)
и совпадает со спектральной плотностью комплексного процесса, перенесенной в начало координат. Это отражено на рис.2.3.
Можно показать, что авто- и взаимно-корреляционные функции квадратурных составляющих nI(t) и nQ(t) удовлетворяют следующим соотношениям:
, (2.47)
Рис. 2.3. Представление спектральных плотностей узкополосного процесса типа белого шума n(t): a – спектральная плотность исходного процесса n(t); б – спектральная плотность комплексного процесса ; в – спектральная плотность комплексной огибающей ; г – спектральная плотность квадратурных составляющих nI(t) и nQ(t)
, (2.48)
Таким образом,
, (2.49)
Из представленных результатов вытекают следующие выводы:
1.Так
как
есть действительная величина, то из
(2.49) следует, что
, (2.50)
Это означает, что для любого момента времени t процессы nI(t) и nQ(t) являются некоррелированными, а в случае гауссовского случайного процесса и статистически независимыми.
2. Из выражений (2.44), (2.45), (2.48), (2.49) следует, что
, (2.51)
, (2.52)
Это означает, что средние мощности процессов nI(t) и nQ(t) равны средней мощности исходного процесса n(t).
3.
Если спектральная плотность исходного
процесса n(t)
симметрична относительно частоты
f0, то из
(2.46) следует, что спектральная плотность
комплексной огибающей
является четной функцией, а ее
корреляционная функция
действительной при всех значениях .
Согласно (2.49) и (2.50)
, (2.53)
что означает некоррелированность, а для гауссовских процессов и независимость квадратурных составляющих nI(t) и nQ(t). В этом случае справедливо соотношение
, (2.54)
Пусть
х(t) – действительный
узкополосный сигнал,
– спектральная плотность комплексной
огибающей. Согласно (2.44) и (2.46)
,
С учетом того, что должна быть четной функцией частоты, получаем
, (2.55)
Выражение (2.55) позволяет определить спектральную плотность действительного сигнала по известной спектральной плотности его комплексной огибающей.