- •1)Классификация каналов электросвязи
- •2) Линейные и нелинейные модели каналов.
- •3)Классификация каналов связи
- •4) Понятие непрерывного, дискретного и непрерывно-дискретного канала связи.
- •5) Детерминированные и случайные каналы.
- •6. Преобразование энергетических характеристик детерминированных сигналов.
- •4.3.7. Аддитивные помехи в канале
- •8.Идеальный непрерывный канал без помех. Канал с аддитивным гауссовским шумом
- •9.Непрерывный канал. Канал с неопределённой фазой сигнала и аддитивным шумом. Однолучевой канал с замираниями.
- •10.Канал с межсимвольной интерференцией и аддитивным шумом. Чем определяется память канала с мси?
- •11.Дискретный симметричный канал без памяти. Канал со стиранием.
- •12.Дискретные каналы с памятью.
- •13.Модели непрерывных каналов, заданные дифференциальными уравнениями.
- •Прием сигналов.
- •1.Задачи синтеза оптимальных демодуляторов. Критерии качества и правила приема дискретных сообщений.
- •2.Оптимальные алгоритмы приема при полностью известных сигналах(когерентный прием).
- •3.Оптимальный приемник с согласованным фильтром
- •4.Помехоустойчивость оптимального когерентного приема.
- •5.Какое правило приема преимущественно применяют в технике связи и почему?
- •6.Что понимают под согласованным фильтром? в какой момент времени на выходе сф обеспечивается максимальное отношение сигнал / шум и чему оно равно?
- •7.Какие основные блоки содержит корреляционная схема оптимального когерентного приема в канале с аддитивным стационарным бгш?
- •8 Обработка сигналов в каналах с межсимвольной интерференцией
- •9 Приём сигналов с неопределённой фазой (некогерентный приём)
- •11. Прием дискретных сообщений в каналах с сосредоточенными по спектру и импульсными помехами
- •7.4.1. Общая характеристика сосредоточенных по спектру и импульсных помех
- •13 В чем смысл разнесенного приема сигналов и какие виды разнесения вы знаете?
- •10 Приём дискретных сообщений в условиях флуктуациифаз и амплитуд сигналов
- •Кодирование
- •1)Классификация методов кодирования. Конструктивные методы кодирования источников сообщений.
- •2) Вероятность ошибки оптимального декодирования для кодов с фиксированной длиной блоков (экспоненты вероятностей ошибок)
- •3)Коды с гарантированным обнаружением и исправлением ошибок
- •4)Линейные двоичные коды для обнаружения и исправления ошибок. Важные подклассы линейных двоичных кодов.
- •5)Какие классы кодов (по назначению) вы знаете? в чем заключается метод укрупнения алфавита?
- •6. Конструктивные алгоритмы исправления ошибок линейными кодами.
- •7.Пояснить различие между равномерным и неравномерным кодированием. Дайте определение префиксного кода.
- •8.Пояснить различие между линейным и нелинейным кодом. Дайте определение систематического кода.
- •9.Что такое избыточность помехоустойчивого кода? Что такое относительная скорость помехоустойчивого кода?
- •10.Что такое расстояние по Хэммингу и ее кодовой комбинации?
- •Что такое минимальное расстояние кода? Как упрощается процедура отыскания минимального расстояния для линейного кода?
- •Как связаны минимальное расстояние кода, число исправляемых и число обнаруживаемых ошибок?
- •Что такое декодирование по максимуму правдоподобия и по минимуму Хемминговского расстояния? Когда эти правила совпадают?
- •14.В чем состоит табличным метод кодирования, декодирования с обнаружением ошибок, декодирования с исправлением ошибок? Почему табличные процедуры не пригодны для длинных кодов?
- •15. Итеративные и каскадные коды
- •16. Системы с обратной связью
- •Система с обратной связью может достаточно полно характеризоваться двумя величинами:
- •Помимо описанных здесь трёх основных протоколов функционирования системы рос существует также много других вариантов1).
- •17. Как использовать помехоустойчивый код в системах с обратной связью?
- •Критерии помехоустойчивости приема непрерывных сообщений.
- •Оптимальная оценка отдельных параметров сигнала.
- •3. Оптимальная демодуляция непрерывных сигналов.
- •§ 8.2 Задачи оптимальной оценки одного параметра.
Оптимальная оценка отдельных параметров сигнала.
Задача оценки параметров сигнала возникает во многих практических случаях. Так, часто требуется определить (измерить) частоту или фазу сигнала, оценить амплитуду сигнала при его передаче по каналу и т.д.. В телеметрии и телеуправлении необходимо оценивать большое число параметров, характеризующих состояние объекта. Таким объектом может быть технологический процесс, нефтепровод, летательный аппарат, экипаж и т. п. В этом случае передаваемыми сообщениями являются контролируемые параметры, представляющие собой случайные величины, не зависящие от времени. Модуляция при этом сводится к установлению некоторого параметра λ сигнала s(t) в соответствии с переданным сообщением, а демодуляция - к выявлению (оценке) этого параметра с возможно большей точностью.
Когда оценивают один параметр сигнала заданной формы, задачу ставят следующим образом. Пусть принимаемое на интервале (0,Т) колебание Z(t) представляет собой аддитивную смесь сигнала s(t, λ), зависящего от одного неизвестного параметра λ, с шумом N(t):
Z(t) = s(t, λ) + N(t), 0 < t< Т. (8.5)
Полагаем, что параметр λ имеет постоянное значение на интервале наблюдения (0,Т) и известна априорная плотность вероятности этого параметра а(λ). Требуется определить оператор системы, гарантирующий получение наилучшей оценки параметра и рассчитать точность этой оценки.
Из-за шума в канале и случайного характера параметра λ точное измерение его невозможно. Можно лишь указать его приближённую оценку.
<Качество оценки параметра, называемой точечной, обычно проверяется на выполнение трёх условий:
-состоятельности, состоящего в том, что оценка сходится по вероятности к оцениваемому параметру λ при неограниченном увеличении времени анализа (или объёма выборки), т.е.
при ξ > 0 . При этом, естественно, дисперсия ошибки стремится к нулю:
-несмещённости оценки, состоящего в том, что условное МО ошибки при всех λ должно равняться нулю: ;
-эффективности оценки, состоящего в том, что дисперсия ошибки D(E) должна, при заданном времени анализа или объёме выборки быть минимальной в классе всех возможных оценок: .>
Очевидно, вся информация о переданном параметре (сообщении) λ после приёма колебания (8.5) содержится в апостериорном распределении w(λ|z), которое согласно формуле Байеса (5.5)
(8.6)
На основании анализа апостериорного распределения (8.6) принимается решение об оценке передаваемого параметра λ. При больших отношениях сигнал-шум апостериорная плотность вероятности имеет наибольший максимум в окрестности истинного значения параметра λ. Это обстоятельство указывает на то, что в качестве оценки целесообразно взять то значение , которое обращает в максимум функцию w(λ|z).
Во многих практических случаях априорная плотность вероятности w(λ) оказывается неизвестной и её полагают равномерной: w(λ) =const на всём возможном интервале . При этом координата максимума апостериорной вероятности будет совпадать с соответствующей координатой условного распределения w(λ|z), которое определяет функцию правдоподобия. В этом случае правило максимума апостериорной плотности вероятности переходит в правило максимального правдоподобия. Здесь оценка параметра определяется из условия
(8.7)
Оценку параметра, получаемую по этому критерию, называют максимально правдоподобной. Уравнение правдоподобия (8.7) можно записать в эквивалентном виде:
(8.8)
поскольку ln х — монотонная функция своего аргумента и, следовательно, корни (8.7) и (8.8) совпадают. Оценка определяется тем корнем уравнения (8.8), который соответствует максимуму функции правдоподобия. Другим весьма распространённым критерием оценки параметров сигнала является оценка по минимуму среднеквадратической ошибки. При этом критерий минимизируется по :
(8.9)
Оптимальная оценка находится из условия .
После дифференцирования выражения (8.9) по с учётом того, что , получаем , откуда
(8.10)
т.е. оптимальной оценкой параметра является в данном случае математическое ожидание апостериорного распределения.
Критерий среднеквадратической ошибки является частным случаем более общего критерия, когда минимизируется МО некоторой функции потерь ,т.е.
Оценку, минимизирующую эту величину, называют байесовской оценкой, а критерий, основанный на минимизации (8.11)-
критерием среднего риска. При критерий минимума среднего риска (8.11) переходит в критерий среднеквадратической ошибки (8.9). В этом случае байесовская оценка определяется выражением (8.10).
Если w(λ|z), симметрична относительно , что имеет место при большом отношении сигнал-шум, то критерий максимума апостериорной вероятности и максимума функции правдоподобия совпадает с критерием минимума среднеквадратической ошибки.
Если значение параметра λ постоянно на интервале наблюдения и принятое колебание представляет собой аддитивную смесь (8.5) полезного сигнала s(t, λ) и БГШ N(t) со спектральной плотностью N0/2, то вектор z, определяющий принимаемое колебание в функциональном пространстве, является случайным гауссовским вектором, среднее значение которого s(t, λ), а дисперсия совпадает с дисперсией шума.
(8.12)
где с — постоянный коэффициент, а согласно (8.6) и (8.12)
(8.13)
где k - некоторая постоянная, которая может быть вычислена из условия нормирования . Упростим это выражение, преобразовав показатель экспоненты
В правой части этого равенства первый экспоненциальный множитель не зависит от λ и его можно включить в постоянную. Второй множитель равен exp(-E/N0), где Е - энергия сигнала. В тех случаях, когда параметр λ неэнергетический, т.е. энергия сигнала не зависит от λ, этот член также можно включить в постоянную k. При этом условии последнее выражение можно записать так:
w(z| λ) = kw(λ) exp(q(λ)), (8.14)
где (8.15)
Нетрудно убедиться, что для сигнала s(t), зависящего от нескольких параметров, функция правдоподобия w(z| λ) и апостериорная плотность вероятности w(z| λ) будут определяться аналогичными выражениями, в которых
λ=( λ1, λ2, …, λn)
Отсюда следует, что при известной априорной плотности вероятности определение апостериорной плотности вероятности сводится к вычислению функции q(λ). Эта функция с точностью до коэффициента равна скалярному произведению пришедшего сигнала с ожидаемым вариантом сигнала s(t, λ). Её часто называют корреляционным интегралом. Она определяет те существенные операции, которые нужно выполнить над z(t), чтобы извлечь всю доступную информацию о переданном сообщении λ. Оптимальный приёмник максимального правдоподобия воспроизводит то сообщение λ, для которого функция q(λ) максимальна.