- •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.