数字通信第三章——有记忆信号传输方式

一、什么是有记忆调制

\quad 连续发送的信号间具有相关性,引入相关性能使得发送信号频谱与信道的频谱特征相适应。可以通过编码来引入相关性。有记忆调制分为有记忆线性调制和有记忆非线性调制。

二、有记忆线性调制

\quad 三种基带信号:

  • NRZ(非归零):二进制1用幅度为A的矩形脉冲表示,0用幅度为-A的矩形脉冲,没有引入记忆
  • NRZI(非归零反转):也叫差分编码,发送1时幅度电平发生转换,发送0时与上一时刻一样,引入了记忆
  • 延迟调制(密勒码)
    \quad 转移矩阵:由信号间转移概率构成的矩阵。转移概率 P i j P_{ij} Pij表示当先前发送信号波形 s i ( t ) s_i(t ) si(t)之后,发送当前波形 s j ( t ) s_j(t) sj(t)的概率.如下图所示:
    数字通信第三章——有记忆信号传输方式_第1张图片

\quad 信号相关性的描述方法一般有状态图、转移矩阵和网格图三种。下图为NRZI信号对应的描述:
数字通信第三章——有记忆信号传输方式_第2张图片
\quad 下图为延迟调制对应的三种描述:
数字通信第三章——有记忆信号传输方式_第3张图片

三、有记忆非线性调制

\quad 这一节主要介绍CPFSK和CPM两种有记忆非线性调制方式。

连续相位FSK

\quad 无记忆FSK:用不同的频率携带要发送的数字信号,各频率间相互独立。由此特点可以得到无记忆FSK的缺点:存在频率突发式切换,造成频谱旁瓣增加,需要较大的传输带宽。解决方法就是:引入记忆,使载波相位连续变化,即CPFSK。
\quad CPFSK:以PAM信号 d ( t ) = ∑ n I n g ( t − n T ) d(t)=\sum_n I_ng(t-nT) d(t)=nIng(tnT)来对载波进行频率调制,从而获得等效低通波形 v ( t ) = 2 ε T e j [ 4 π T f d ∫ d ( τ ) d τ + ϕ 0 ] v(t)=\sqrt{\frac{2ε}{T}}e^{j[4\pi Tf_d \int d(\tau)d\tau+\phi_0]} v(t)=T2ε ej[4πTfdd(τ)dτ+ϕ0],相应的已调信号波形为 s ( t ) = 2 ε T c o s [ 2 π f c t + ϕ ( t , I ) + ϕ 0 ] s(t)=\sqrt{\frac{2ε}{T}}cos[2\pi f_ct+\phi(t,I)+\phi_0] s(t)=T2ε cos[2πfct+ϕ(t,I)+ϕ0],其中 ϕ ( t , I ) = 4 π T f d ∫ d ( τ ) d τ \phi(t,I)=4\pi Tf_d \int d(\tau)d\tau ϕ(t,I)=4πTfdd(τ)dτ
尽管d(t)具有不连续性,但d(t)的积分是连续的——连续相位。
\quad 接下来对 ϕ ( t , I ) \phi(t,I) ϕ(t,I)进行进一步的探究:
数字通信第三章——有记忆信号传输方式_第4张图片

连续相位调制CPM:CPFSK推广到一般情况

CPM的特例:最小移频键控MSK

四、数字调制信号的功率谱

\quad 选择调制技术时,必须考虑信道带宽的约束和带宽效率。如果求出随机过程的功率谱密度,就可以确定信号所需的信道带宽.
\quad 假设已调信号为 s ( t ) = R e { v ( t ) e j 2 π f c t } s(t)=Re\{v(t)e^{j2\pi f_ct}\} s(t)=Re{v(t)ej2πfct},其自相关函数为 ϕ s s ( τ ) = R e { ϕ v v ( τ ) e j 2 π f c t } \phi_{ss}(\tau)=Re\{\phi_{vv}(\tau)e^{j2\pi f_ct}\} ϕss(τ)=Re{ϕvv(τ)ej2πfct},其功率谱密度即为自相关函数的傅里叶变换,可以推得 Φ s s ( f ) = 1 2 [ Φ v v ( f − f c ) + Φ v v ( − f − f c ) ] \Phi_{ss}(f)=\frac{1}{2}[\Phi_{vv}(f-f_c)+\Phi_{vv}(-f-f_c)] Φss(f)=21[Φvv(ffc)+Φvv(ffc)]因此,求已调信号的功率谱,只要确定等效低通信号v(t)的自相关函数和功率谱即可
\quad 等效低通信号为 v ( t ) = ∑ n = − ∞ n = ∞ I n g ( t − n T ) v(t)=\sum_{n=-\infty}^{n=\infty} I_ng(t-nT) v(t)=n=n=Ing(tnT) I n I_n In的自相关函数为 ϕ i i ( m ) = 1 2 E [ I n ∗ I n + m ] \phi_{ii}(m)=\frac{1}{2}E[I_n^*I_{n+m}] ϕii(m)=21E[InIn+m] v ( t ) v(t) v(t)的自相关函数密度为 Φ v v ( f ) = 1 T ∣ G ( f ) ∣ 2 Φ i i ( f ) \Phi_{vv}(f)=\frac{1}{T}|G(f)|^2\Phi_{ii}(f) Φvv(f)=T1G(f)2Φii(f),其中 G ( f ) = F [ g ( t ) ] , Φ i i ( f ) = ∑ m = − ∞ ∞ ϕ i i ( m ) e − j 2 π f m T G(f)=F[g(t)],\Phi_{ii}(f)=\sum_{m=-\infty}^{\infty}\phi_{ii}(m)e^{-j2\pi fmT} G(f)=F[g(t)],Φii(f)=m=ϕii(m)ej2πfmT
\quad 上述式子说明了 v ( t ) v(t) v(t)的功率谱密度由两个因素决定:

  • 调制用的基本脉冲 g ( t ) g(t) g(t),较平滑的 g ( t ) g(t) g(t)导致更紧凑的功率谱密度
  • 信息序列 I n {I_n} In的功率谱密度,取决于信息序列的相关特性,控制它可以得到不同的PSD

\quad TIPS:对于任意信息序列的自相关 ϕ i i ( m ) \phi_{ii}(m) ϕii(m) :相应的功率谱密度 ϕ i i ( m ) \phi_{ii}(m) ϕii(m)是以 1 T \frac{1}{T} T1为周期的频率函数。

\quad 当消息符号为实数,且互不相关时,可以得到化简后的功率谱 Φ v v ( f ) = σ i 2 T ∣ G ( f ) ∣ 2 + μ i 2 T 2 ∑ m = − ∞ ∞ ∣ G ( m / T ) ∣ 2 δ ( f − m / T ) \Phi_{vv}(f)=\frac{\sigma_i^2}{T}|G(f)|^2+\frac{\mu_i^2}{T^2}\sum_{m=-\infty}^{\infty}|G(m/T)|^2\delta(f-m/T) Φvv(f)=Tσi2G(f)2+T2μi2m=G(m/T)2δ(fm/T)进一步的特性分析见下图:
数字通信第三章——有记忆信号传输方式_第5张图片

你可能感兴趣的:(数字通信)