LUKU 8 BINÄÄRISET TIEDONSIIRTOMENETELMÄT A Tietoliikennetekniikka II Osa 2 Kari Kärkkäinen Syksy 2015
|
|
- Jutta Lahtinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 1 LUKU 8 BINÄÄRISET TIEDONSIIRTOMENETELMÄT A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
2 BINÄÄRISET TIEDONSIIRTOMENETELMÄT SISÄLTÖ 2 Digiaalise siirojärjeselmie perusosa ja luokielu Kaaaajuie iedosiiro summauuvaa valkoisa Gaussi kohiaa AWGN sisälävässä kaavassa Biäärie sykroie iedosiiro mielivalaisia kaisapääsöyyppisiä sigaaliaalomuooja käyäe kaaa yypillisimmä 2-ilaise kaoaalomodulaaio ASK, PSK, BPSK/PRK ja FSK Vasaaoime rakee ja virheodeäköisyys Sovieu suodai mached filer, MF vasaaoi MF-vasaaoime virheodeäköisyys Aipodaalie ja orogoaalie sigaloii MF-vasaaoime vaihoehoie oeuus korrelaaorilla Pääökseekokyykse opimaalie aseus Ei-valkoise värillise kohia vaikuus MF-suieluu Kaoaallo sykrooiivirhee ja se vaikuus suoriuskykyy A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
3 BINÄÄRISET TIEDONSIIRTOMENETELMÄT SISÄLTÖ 3 Koherei biäärise sigaloii virheodeäköisyyde kaisarajoiamaomassa siirokaavassa: Ampliudisiiroavaius ampliude-shif keyig, ASK Vaiheesiiroavaius phase-shif keyig, PSK, PRK, BPSK, Kaksivaiheie vaiheesiiroavaius BPSK vaihevirhee vaikuaessa Taajuudesiiroavaius frequecy-shif keyig, FSK Epäkoherei biäärise digiaalise modulaaiomeeelmä: Differeiaalie vaiheesiiroavaius DPSK Epäkoherei FSK ja ASK Biäärise digiaalise modulaaiomeeelmie verailu Sigaloii kaisarajoieussa siirokaavassa ja siiä aiheuuva ISI ier-symbol ierferece Moiie-eeemise vaikuus suoriuskykyy: Symbolie välie keskiäisvaikuus ISI Häipymie fadig A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
4 BINÄÄRISET TIEDONSIIRTOMENETELMÄT SISÄLTÖ 4 Hiaasi muuuva kaava fla fadig ja biäärise modulaaioide suoriuskyky häipyvässä kaavassa. Kaavakorjaime ekvalisaaori ISI: pieeämiseksi: Ekvalisoii ollaapakouskrieerillä Ekvalisoii keskieliövirhee miimoiikrieerillä miimum mea-square error Toisemeeelmä diversiei ja RAKE-ekiikka häipymise vaimeamiseksi Moikaoaalomodulaaio ja OFDM orhogoal frequecydivisio modulaio Yheeveo soveluvisa parausmeeelmisä erilaisii iedosiirokaavii A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
5 5 DIGITAALISTEN TIEDONSIIRTOJÄRJESTELMIEN PERUSKÄSITTEET, LUOKITTELU JA TOIMINNALLISET LOHKOT Mikä peruskäsiee o hyvä ieää, joa ymmärää misä puhuaa? A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
6 TIEDONSIIRTOJÄRJESTELMIEN LUOKITTELU 6 Modulaaiomeeelmä Aalogise Digiaalise Kaoaalomod. DSB, AM, SSB, VSB QDSB, PM, FM Pulssimodulaaio PAM, PWM, PPM Kaoaalomod. ASK, PSK, FSK, QAM MASK, MPSK, MFSK Pulssimodulaaio M, PCM Tarkasellaa ampliudi, vaihee ja aajuude moduloiii perusuvia digiaalisia kaoaalomodulaaioia sekä biäärisiä eä M-ilaisia. Saoma m o y diskreei. Lisäksi digiaalisissa arviaa uusi sykrooiiaso, symbolisykrooii symbolikello pääökseek A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
7 PELKISTETYN JÄRJESTELMÄN OSAT 7 Kue aalogise modulaaio, myös digiaalise modulaaio voidaa ilmaisuperiaaeesa peruseella luokiella kohereeiksi ai epäkohereeiksi sillä peruseella arviaako ilmaisussa digi. demod. vaihekohereia ilmaisukaoaaloa vai ei A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
8 SUUNNITTELUN VAIHEITA 8 Siirojärjeselmä eri piseissä vaikuavie sigaalie maemaaie esiämie. Läheime sigaali eli valiava aalomuodo suielu valiaa modulaaio, erilaise koodaukse. Siirokaava mallius AWGN-kohia lisäksi. Jos mallia ei uea, kaava sokasise omiaisuude o miaava yöläsä ja kallisa. Pyriää hyödyämää ueuja kaavamalleja eri oimiaympärisöissä eeemisgeomeria, aajuusalue. Jo kaksiiekaavamalli aaa käsiykse ilmiöisä. Vasaaoime algorimie suuielu esimoii, ilmaisu, DSP, RF ja implemeoii kovoksi A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
9 ADDITIIVINEN & MULTIPLIKATIIVINEN KOHINA 9 Addiiivie: vasaaoime akiivise ja passiivise elekroiika ermise, rae ja 1/f -kohia, ilmakehä SMilmiö, avaruuskohia, kohia kalaise summauuva häiriö Muliplikaiivie: aiheuuu useisa yypillisesi aikavariaeisa prosesseisa aeie välillä Aeie suuakuvio Heijasus, absorpio, siroa vesi, epäasaie/rakeie maa pia, puu, diffrakio kao, vuorehuipu, refrakio ilmakehä aiekeroime muuokse A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
10 AWGN-KOHINA MATEMAATTISESTI 10 Auokorrelaaio kuvaa sigaali, esim. kohia, ja se viiväsey versio välisä korrelaaioa. Näiä addiiivise valkoise gaussi kohiprosessi omiaisuuksia sovelleaa myöhemmi. Saioäärise sokasise prosessi mm. AWGN -kohia auokorrelaaiofukio ACF ja ehoiheysspekri PSD ova Fourier -muuospareja. AWGN-apauksessa peräkkäise kohiaäyee ova riippumaomia, joe e eivä korreloi, eli ACF o silloi puhdas impulssi korreloi vai τ: ollaviipeellä. Yleiselle sok. prosessille päee: riippumaomuus korreloimaomuus AWGN-prosessille päee lisäksi: riippumaomuus korreloimaomuus, sekä korreloimaomuus riippumaomuus A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
11 AWGN-KOHINA MATEMAATTISESTI 11 AWGN-jäiee ampliudi o ormaalijakauuu, eli kohia odeäköisyysiheysfukio probabiliy desiy fucio, PDF, eli jakauma, o Gaussi kellokäyrä muooie. m = jakauma odousarvo keskiarvo, σ 2 = variassi kuvaa ollakeskiarvoise kohia keskimääräisä ehoa, σ = sadardipoikkeama 2 2 σ { X } E{ X } 2 = E PDF A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
12 AWGN-KOHINA MATEMAATTISESTI 12 Jakauma iegraali P{X x} = F X x o kumulaiivie kerymäfukio cumulaive disribuio fucio, CDF. F X = 0, F X m = 0.5, F X + = 1 2 σ { 2 X } E{ X } 2 = E A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
13 SIIRTOKANAVIEN PELKISTETTYJÄ MALLEJA S AWGN: voi myös olla värillisä o-whie-kohiaa. Aikaivariai ai aikavariai lieaarie FIR-suodai appikeroime joko kiieiä ai muuuvia A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie 13., vaim s r = + = α α + = + = d s c c s r τ τ τ, ; ; ; 1 1 s a r a c d s c c s r L k k k L k k k + = = + = + = = = τ τ τ δ τ τ τ τ τ Aikavariai kaava impulssivase
14 SIIRTOKANAVIEN PELKISTETTYJÄ MALLEJA S Miksi käyeää lieaarisia kaavamalleja? Epälieaarise kaavamalli ova hakalia aalysoida. Epälieaarise väärisymä ova hakalia kompesoida. Radiokaava moiiekaavaa o periaaeessa lieaarie, joe FIR-suodaimallia voidaa sovelaa. Miksi käyeää Gaussi kohiamallia AWGN? Lämpökohiaa voidaa kuvaa addiiivisea valkoisea Gaussi kohiaa AWGN. Ei-Gaussise kohia ova hakalampia aalysoida. Gaussi jakauma maemaaisesi käevä. Gaussi kohia o vaikuukselaa pahi. Samalla avalla jakauueide riippumaomie sigaalie summa jakauma o keskeise raja-arvolausee ceral limi heorem, CLT peruseella Gaussie Gaussi approksimaaio, vaikka yksiäise sigaalie jakauma eivä olisikaa Gaussisia. Käyäössä arviaa adapiivisia vasaaoimia, koska kaava o aikavariai vasaaoi mukauuu kaava muuoksii A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
15 DIGITAALISEN TIEDONSIIRRON PERUSKÄSITTEITÄ 15 Lähde, modulaaori, demodulaaori ja symboli-ilmaisi deecor välämäömiä osia. Virheekorjausa kaaa aia käyää. Aalogisissa järjeselmissä ilmaisu oeui demodulaaori. Uua o pääökseekopiiri ilmaisime sykrooii vr. PLL. Digiaalie sigaali o aia aalogie ee ilmaisua! Jos kelloa ei arvia, kyseessä asykroie, muue sykroie. Lisäksi jako kohereeihi ja epäkohereeihi meeelmii. Jos saoma aalogie, ehdää esim. A/D-muuos PCM-koodaus A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
16 DIGITAALISEN TIEDONSIIRRON PERUSKÄSITTEITÄ 16 Jos biejä läheeää yksi kerrallaa kaoaalomoduloiua, kyseessä o biäärie digiaalie modulaaiomeeelmä. Esim. ASK, PSK, PRK/BPSK, DPSK, FSK Jos läheeää M-kokoiseksi aakkosoksi symboleiksi ryhmielyjä biejä M=2 k, k=biie lkm. symbolissa, puhuaa M -ilaisesa, - kaaisesa ai -asoisesa M-ary digiaalisesa meeelmäsä. MASK PAM, MPSK, QPSK M=4, OQPSK, MSK, GMSK, QAM, MFSK Muisillisella modulaaiolla läheeävä symboli riippuu aiemmisa esim. jakuvavaiheise CPM ja CPFSK -meeelmä. Tässä kurssissa arkasellaa vai muisiomia biäärisiä ja M-ilaisia A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
17 DIGITAALISEN TIEDONSIIRRON PERUSKÄSITTEITÄ 17 Moiilaise modulaaioide arkoiuksea o joko paraaa kaisa käyö ehokkuua esim. QAM, sillä kaava kaisaleveys määrää suurimma symboli vaihoopeude sigaloiiopeude, ai vaihoehoisesi voidaa pieeää arviavaa läheysehoa esim. MFSK samaa suoriuskykyy pääsemiseksi kaisa käyö ehokkuude musauksella. Jos M o suuri, voidaa esim. QAM- modulaaiolla yhdellä symbolilla useia biejä aikayksikössä sigaloiiaikavälillä verraua esim. biäärisee BPSK-meeelmää. Esimerkkiä QAM-modulaaiosa o digi-tv-läheys DVB, 256-QAM, ai ilaajajohomodeemi A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
18 DIGITAALISEN TIEDONSIIRRON PERUSKÄSITTEITÄ 18 M-asoisia QAM-yyppisiä meeelmiä käyeää ku käyeävissä oleva kaisaleveys o piei esim. puhelikaavassa ja samalla biiopeus o suuri esim. Digi-TV. Tällöi puhuaa kaisarajoieuisa siirojärjeselmisä. Biäärisiä meeelmiä esim. BPSK ai orogoaalisia M-asoisia esim. MFSK sovelleaa, ku eho o puolesaa rajau saelliiiieoliikee. Tällöi puhuaa ehorajoieuisa siirojärjeselmisä. Järjeselmäyyppie eroo vaikuaa mm. symboleia maemaaisesi kuvaavie sigaalivekorie euklidie eäisyys. Lisäksi o sekä eho- eä kaisarajoieuja järjeselmiä esim. TCMmodulaaio A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
19 DIGITAALISEN TIEDONSIIRRON PERUSKÄSITTEITÄ 19 Aalogise siirojärjeselmie suoriuskykyä verraii ilmaisime jälkeisellä sigaali-kohiasuheella SNR D ilmaisime ulo SNR T : fukioa. Digiaalisia meeelmiä verraaa kaava sigaalikohiasuhee E B /N 0 E B = bii eergia [J] ai E S /N 0 fukioa E S = symboli eergia [J], N 0 = kohia ehoiheys [W/s]: Biivirheodeäköisyydellä P B, P E, BEP Symbolivirheodeäköisyydellä P S, SEP. Joskus käyeää myös saa- ja lohkovirheodeäköisyyä A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
20 KAISTA- VS. TEHORAJOITETUT JÄRJESTELMÄT Läheyseho ja kaava kaisaleveys iedosiirro perusresurssi! 20 Shao-Harley laki: S C c = B log N Käyeää paljo kaisaa ja vähä ehoa Käyeää vähä kaisaa ja paljo ehoa A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
21 JÄRJESTELMIEN EVOLUUTIO S 21 Nomadic = liikkuva/siiryvä Wirelie = lakasiiro Wireless = lagao siiro A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
22 JÄRJESTELMIEN EVOLUUTIO S 22 Nomadic = liikkuva/siiryvä Wirelie = lakasiiro Wireless = lagao siiro A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
23 23 MODULOITUJEN SIGNAALIEN SYMBOLIEN, PULSSIEN VEKTORIESITYKSET I & Q -TASOSSA Mie moduloidu sigaali voidaa esiää havaiollisesi? A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
24 SIGNAALIVEKTORIT JA EUKLIDINEN ETÄISYYS A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie 24 { } = + = + = = a cos si cos x x x x R R s x x s I Q Q I c c Q c I θ θ ω ω ω { } { } { } cos a si cos r r c c s s c c s c c ψ ω ψ ω ω + = = + = = θ R x I x Q I Q Kue sigaaleilla, myös kohialla o vekorikompoei c ja s kaafukioide φ 1 kosii ja φ 2 sii suuaa. Esiysä saoaa kapeakaisaiseksi kohiamalliksi. I = kosiisuuaie kompoei, Q = siisuuaie kompoei
25 KAPEAKAISTAINEN KOHINAMALLI S 25 Kohiasigaalissa apahuu sauaisia ampliudi- ja vaihemuuoksia aajuude f 0 ympärillä, koska ampliudi ja vaihe sokokasisia sauaismuuujia kyseessä ei siis ole siiaalo, vaikka ehkä silä äyääki. AWGN-kohiamallissa ampliudi o ormaalijakauuu ja vaihe asa jakauuu [0,2π] A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
26 SIGNAALIVEKTORIT JA EUKLIDINEN ETÄISYYS 26 Miä lähempää sigaalivekori ova oisiaa, ai miä suurempi o kohia variassi eho, siä herkemmi ehdää vääriä symbolipääöksiä. Jos oimiaa ehorajoieusi, valiuje sigaalivekorie euklidise eäisyyde o olava suuri. Vasaavasi kaisarajoieussa järjeselmässä, ku vekori ova aluksi lähellä oisiaa, äyyy eäisyyä kasvaaa läheysehoa suureamalla vekori S i piuus/ampliudi kasvaa luoeavie symbolipääöse ekemiseksi kohia variassi säilyy vakioa. 2 σ { 2 N } E{ N} 2 = E A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
27 SIGNAALIVEKTORIT JA EUKLIDINEN ETÄISYYS 27 Vekoriavaruus voidaa yleisää M > 3 ulouvuudelle. Niiä ei voi eää esiää graafisesi. Ova kuieki olemassa maemaaisea absrakioa, joka voidaa oeuaa ieoliikeeekisesi. Kaafukio ψ i, i = 1,2,3 voidaa oeuaa esimerkiksi eriaajuise orogoaalise kosii-sigaalie avulla, jolloi kaoaaloaajuuksie välillä o symboliopeuee sopivasi verraollie aajuusero A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
28 VIRHELASKENNAN PERUSKÄSITTEITÄ 28 Ku miaaa joku oeueu järjeselmä suoriuskykyä, puhuaa bii- ai symbolivirhesuheesa, eli vasaaoeuje virheellise biie/symbolie suheesa läheeyje määrää. Virhesuhde läheee eoriassa virheodeäköisyyde arvoa joillaki lähöoleuksilla, ku läheeyje symbolie määrä läheee ääreöä. Bii- ai symbolivirheodeäköisyys o siis eoreeisesi ieyillä alkuoleuksilla esim. AWGN-kaava laskeava suure ja virhesuhde o miaavissa oleva suure A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
29 VIRHELASKENNAN PERUSKÄSITTEITÄ 29 Teoreeisesi laskeu arvo Erilaisia miausuloksia/realisaaioia Moe Carlo simuloiilla uoeua: sauaislukugeeraaori uoaa sauaisia biejä, joide virheeöä siirymisä moioroidaa simuloidu vasaaoime lähdössä Ilmaisu jälkee A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
30 VIRHELASKENNAN PERUSKÄSITTEITÄ 30 Toimiaessa 1,6 db pieemmällä SNR-arvolla, P E ei voi saavuaa arvoa 0, ja lähesyäessä olla-snr-arvoa - db virhe. arvo saavuaa luvu ½. Toimiaessa 1,6 db Suuremmalla SNR-arvolla, P E voi saavuaa arvo A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
31 VIRHELASKENNAN PERUSKÄSITTEITÄ 31 Virheodeäköisyyksisä puhuaessa o huomioiava missä piseessä digiaalisessa siirokejussa siä arkasellaa: ee vai jälkee kaavadekoodaukse Pelkkää modulaaiomeeelmä valiaa liiyvä kaava P B -arvo o yypillisesi paljo suurempi kui esim. akaisilomielu ja virheekorjaukse jälkeie arvo. Sovelluskohde määrää P B -vaaimukse siirokeju lopussa. Esim. puheesiirrossa riiää, jos lopullie P B o keraluokassa 10 3, mua daasiiro saaaa edellyää esim. arvoa Modulaaiomeeelmä ja kaava uoama kaava P B ee virheekorjausa voi olla jopa 10 2 yksi bii sadasa virheellie A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
32 VIRHELASKENNAN PERUSKÄSITTEITÄ 32 Kaava huooumie vasaa P E -käyrä siirymisä oikealle. Jos siirrossa esim. symbolie välisä keskiäisvaikuusa ISI, suoriuskykyä ei ehkä saada paraeua pelkäsää SNR-arvoa läheysehoa kasvaamalla, jolloi suoriuskyvy meeys o palauumao ilma älykkäämpiä ilmaisukeioja. Sellaie keio o esim. kaavakorjaime ekvalisaaori käyö. Suoriuskyky ei eää parae, vaikka läheysehoa lisääisii palauumao suoriuskykyromahdus A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
33 VIRHELASKENNAN PERUSKÄSITTEITÄ 33 P E käyrä voimakas epälieaarisuus aiheuaa ao. auluko virheide esiiymisahdi muuokse vakioläheysopeudella 10 5 bi/s A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
34 YLEINEN SIIRTOJÄRJESTELMÄN LOHKOKAAVIO A Tieoliikeeekiikka II Osa 2 Kari Kärkkäie
LUKU 7 KOHINAN VAIKUTUS ANALOGISTEN MODULAATIOIDEN SUORITUSKYKYYN A Tietoliikennetekniikka I Osa 24 Kari Kärkkäinen Kevät 2015
1 LUKU 7 KOHINAN VAIKUUS ANALOGISEN MODULAAIOIDEN SUORIUSKYKYYN 51357A ieoliikeeekiikka I Osa 4 Kari Kärkkäie Kevä 15 LUKU 7 KOHINA ANALOGISISSA MODULAAIOISSA Johdao aalyysieeelii Sigaali-kohiasuhee ääriäie
LisätiedotLUKU 6 KOHINAN VAIKUTUS ANALOGISTEN MODULAATIOIDEN SUORITUSKYKYYN
LUKU 6 KOHINN VIKUUS NLOGISEN MOULIOIEN SUORIUSKYKYYN ieoliikeeekiikka I 5359 Kari Kärkkäie Osa 6 Luku 6 Kohia vaikuus aalogisii odulaaioihi Johdao aalyysieeelii Sigaali-kohiasuhee ääriäie Kaaaajuie järjeselä
LisätiedotKULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN
1 KULMMODULOITUEN SIGNLIEN SPEKTRIN LSKEMINEN Mie laskea eroaa lieaarise odulaaioide apauksesa? Milä spekri äyää epälieaarise prosessi jälkee? 51357 Tieoliikeeekiikka I Osa 15 Kari Kärkkäie Kevä 015 SPEKTRIN
LisätiedotKULMAMODULOITUJEN SIGNAALIEN SPEKTRIN LASKEMINEN
KULMMODULOITUJEN SIGNLIEN SPEKTRIN LSKEMINEN 1 (3) (3) Spekri laskeie siisaoalle Kulaoduloidu sigaali spekri johaie o yöläsä epälieaarisuudesa johue (epälieaarise aalyysi ova yleesä hakalia). Se voidaa
LisätiedotKANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
KJUI BIÄÄRI SIIROJÄRJSLMÄ WG-KVSS Kaajaajui siiro iformaaio siiro johdossa sllaisaa ilma kaoaalo- ai pulssimodulaaioa 536 ioliikkiikka II Osa 3 Kari Kärkkäi Syksy 5 JÄRJSLMÄMLLI Bii kso. Symboli {} ja
LisätiedotLuento 3. Fourier-sarja
Fourier-muuos Rayleigh eoreema Spekriiheys Lueo 3 4..7 Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla
LisätiedotLuento 3. Fourier-sarja
Fourier muuos Rayleigh eoreema Spekriiheys Lueo 3 4..6 Fourier-sarja Fourier-sarja avulla pysyii esiämää jaksollie sigaali, joka jaksoaika o. Fourier-sarja Fourier-kompoei Eäpä aperiodise sigaali, joilla
LisätiedotKYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN
YYSILMIÖ J SILÄ VÄLYMIE YYSE SIIRO LJEUS HYVÄSI ÄYÄE ieoliikenneekniikka I 559 ari ärkkäinen Osa 5 4 MILLOI? Milloin ja missä kynnysilmiö esiinyy? un vasaanoimen ulon SR siis esi-ilmaisusuodaimen lähdössä
LisätiedotKojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeeorologia Sami Haapaala syksy 03 Fysiika laios, Ilmakehäieeide osaso Mialaieide dyaamise omiaisuude Dyaamise uusluvu määriävä mie mialaie käyäyyy syöeide muuuessa Apua käyeää differeiaaliyhälöiä,
LisätiedotVAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET
1 VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Millaiset aaltomuodot s 1 (t) ja s (t) valitaan erilaisten kantoaatomodulaatioiden toteuttamiseksi? SYMBOLIAALTOMUODOT
LisätiedotLineaaristen järjestelmien teoriaa II
Lieaarise järjeselmie eoriaa II Ohjaavuus Tarkkailavuus havaiavuus Lisää sabiilisuudesa Tilaesimoii, Kalma-suodi TKK/Syseemiaalyysi laboraorio Mielekiioisia kysymyksiä Oko syseemi rakeeelaa sellaie, eä
LisätiedotKOHINAN JA VAIHEVIRHEEN VAIKUTUS VAIHEKOHERENTEILLA JÄRJESTELMILLÄ
KOHINAN JA VAIHVIRHN VAIKUTUS VAIHKOHRNTILLA JÄRJSTLMILLÄ Mie vaihee epävaruu vaikuaa kohereia ilaiua? Mikä o piloiigaali? 557A Tieoliikeeekiikka I Oa 6 Kari Kärkkäie Kevä 05 VAIHVIRHN YLINN ANALYYSI QSB
LisätiedotYKSISIVUKAISTAMODULAATIO (SSB)
YKSISIVUKAISTAODULAATIO SSB ien kaisaa voi sääsää verrauna DSB- a A-modulaaioihin? ikä on Hilber-munnin? 5357A Tieoliikenneekniikka I Osa 9 Kari Kärkkäinen Kevä 05 YKSISIVUKAISTAODULAATION IDEA DSB & A-inormaaio
LisätiedotJuuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.
Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 Keraus K. A: III, B: I, C: II ja IV Kuvaaja: I II III IV Juuri Tehävie rakaisu Kusausosakeyhiö Oava päiviey 9.8.8 K. a) lim ( ) Nimiäjä ( ) o aia
Lisätiedot( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:
ELEC-A700 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS 3 Sivu /8. arkasellaan oheisa järjeselmää bg x Yksikköviive + zbg z bg z d a) Määriä järjeselmän siirofunkio H Y = X b) Määriä järjeselmän
LisätiedotKOHINA KULMAMODULAATIOISSA
OHI ULMMOULIOISS ioliikkiikka I 559 ai äkkäi Osa 4 7 ulaoulaaio ouloii kohia vallissa iskiiaaoi koosuu ivaaoisa ja vhokäyäilaisisa. ivaaoi suaa -sigaali vaihkula uuosopua aajuu uuosa kskiaajuu C ypäillä.
LisätiedotSIGNAALITEORIAN KERTAUSTA 2. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 3
SIGNAALITEORIAN KERTAUSTA 2 Tieoliikenneekniikka I 521359A Kari Kärkkäinen Osa 3 Konvoluuio ja kerolasku ajassa ja aajuudessa Kanaaajuussignaali baseband sanomasignaali sellaisenaan ilman modulaaioa Kaisanpääsösignaali
Lisätiedot12. Luento. Modulaatio
Analoginen modulaaio Digiaalinen modulaaio. Lueno..7 Modulaaio Modulaaiossa siirreään moduloivan signaalin spekri kanoaallon aajuusalueelle, joko sien eä spekrin muoo säilyy lineaarisessa modulaaiossa,
LisätiedotS Signaalit ja järjestelmät Tentti
S-7. Signaali ja järjeselmä eni..6 Vasaa ehävään, ehävisä 7 oeaan huomioon neljä parhaien suorieua ehävää.. Vasaa lyhyesi seuraaviin osaehäviin, käyä arviaessa kuvaa. a) Mikä kaksi ehoa kanaunkioiden φ
LisätiedotKANTOAALTOMODULOIDUN KAISTANPÄÄSTÖSIGNAALIN (BANDPASS) JA KANTATAAJUISEN (BASEBAND) SIGNAALIN AMPLITUDISPEKTRIT
KANOAALOMODULOIDUN KAISANPÄÄSÖSINAALIN BANDPASS JA KANAAAJUISEN BASEBAND SINAALIN AMPLIUDISPEKRI 536A ieoliienneeniia II Osa 5 Kari Käräinen Sysy 05 EHOIHEYSSPEKRI & KAISANLEVEYS Edellä arasellu modulaaio
LisätiedotLuento 11. Stationaariset prosessit
Lueno Soasisen prosessin ehosperi Signaalin suodaus Kaisarajoieu anava 5..6 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan
Lisätiedot12. Luento. Modulaatio
Analoginen modulaaio Digiaalinen modulaaio. Lueno 5..6 Modulaaio Modulaaiossa siirreään moduloivan signaalin spekri moduloidun signaalin aajuusalueelle, joko sien eä spekrin muoo säilyy lineaarisessa modulaaiossa,
Lisätiedot( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.
ELEC-A7 Signaali ja järjeselmä Laskuharjoiukse LASKUHARJOIUS Sivu 1/11 1. Johda anneun pulssin Fourier-muunnos ja hahmoele ampliudispekri. Käyä esim. derivoinieoreemaa, ja älä unohda 1. derivaaan epäjakuvuuskohia!
Lisätiedot7.1. Suurimman uskottavuuden estimointimenetelmä: Johdanto
Ma-1.361 Tilasollie pääely 7. Suurimma uskoavuude meeelmä ja asympooie eoria Tilasollie pääely 7. Suurimma uskoavuude meeelmä ja asympooie eoria 7.1. Suurimma uskoavuude esimoiimeeelmä: Johdao Aikasarja,
LisätiedotLuento 9. Epälineaarisuus
Lueno 9 Epälineaarisuus 8..6 Epälineaarisuus Tarkasellaan passiivisa epälineaarisa komponenia u() y() f( ) Taylor-sarjakehielmä 3 y f( x) + f '( x) ( x x) + f ''( x) ( x x) + f ''( x) ( x x) +...! 3! 4!
LisätiedotJATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI
1 JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI Miten tiedonsiirrossa tarvittavat perusresurssit (teho & kaista) riippuvat toisistaan? SHANNONIN 2. TEOREEMA = KANAVAKOODAUS 2 Shannonin 2. teoreema
LisätiedotYKSISIVUKAISTAMODULAATIO (SSB)
YKSISIVUKISTODULTIO SSB Tieoliikenneekniikka I 5359 Kari Kärkkäinen Osa 6 0 Yksisivukaisamodulaaion idea DSB:ssa inormaaio on redundanisesi kaheen keraan, s. LSB & USB. Toisen kaisan läheys riiää, olloin
LisätiedotTiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus
Tieonhakumeneelmä Helsingin yliopiso / TKTL.4.04 Toennäköisyyeen perusuva rankkaus Tieonhakumeneelmä Toennäköisyyspohjainen rankkaus Dokumenien haussa ongelmana on löyää käyäjän kyselynä ilmaiseman ieoarpeen
LisätiedotLUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 2015
1 LUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS 51357A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 015 Kantatajuisen järjestelmän lähdön (SNR) D = P T /(N 0 W) käytetään referenssinä verrattaessa eri kantoaaltomodulaatioita
LisätiedotPuolijohdekomponenttien perusteet A Ratkaisut 2, Kevät 2017
OY/PJKOMP R 017 Puolijohdekomoeie erusee 571A Rakaisu, Kevä 017 1. Massavaikuuslai mukaisesi eemmisö- ja vähemmisövarauksekuljeajie ulo o vakio i, joka riiuu uolijohdemaeriaalisa ja lämöilasa. Kuvasa 1
LisätiedotJohda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
/ Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,
LisätiedotLuento 11. Stationaariset prosessit
Lueno Soasisen prosessin ehosperi Saunnaissignaalin suodaus 5..7 Saionaarise prosessi Auoorrelaaio φ * * (, ) ( ) ( ) ( ) ( ), { } { } jos prosessi on saionaarinen auoorrelaaio ei riipu ajasa vaan ainoasaan
LisätiedotBINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015
BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 536A Tietoliienneteniia II Osa Kari Käräinen Sysy 5 Kantataajuusjärjestelmä lähettää ±A -tasoisia symboleita T:n välein. Optimaalinen vastaanotin
LisätiedotYhden selittäjän lineaarinen regressiomalli
Moimuuujameeelmä Yhde seliäjä lieaarie regressiomalli Moimuuujameeelmä: Yhde seliäjä lieaarie regressiomalli Ilkka Melli. Yhde seliäjä lieaarie regressiomalli, se esimoii ja esaus.. Yhde seliäjä lieaarie
LisätiedotMallivastaukset KA5-kurssin laskareihin, kevät 2009
Mallivasaukse KA5-kurssin laskareihin, kevä 2009 Harjoiukse 8 (viikko 14) Tehävä 1 LAD-käyrä siiryy ylöspäin. Ulkomaisen hinojen nousessa oman maan reaalinen vaihokurssi heikkenee 1 vaihoase vahvisuu IS-käyrä
LisätiedotPUOMIN NOSTOLIIKKEEN MALLINNUKSESTA
PUOMIN NOSOLIIKKEEN MALLINNUKSESA H. MARJAMÄKI, J. MÄKINEN amperee ekillie yliopiso PL 589, 33 AMPERE s-posi: heikki.marjamaki@u.fi s-posi: jari.m.makie@u.fi IIVISELMÄ Koeerakeuksessa käyeää rusaasi osopuomeja,
LisätiedotMONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 18 Kari Kärkkäinen Syksy 2015
1 MONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS 2 M-tilaisilla yhdellä symbolilla siirtyy k = log 2 M bittiä. Symbolivirhetn. sasketaan ensin ja sitten kuvaussäännöstä riippuvalla muunnoskaavalla
LisätiedotXII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA
II ADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA Laskenaaajuus akiivisuus Määrieäessä radioakiivisen näyeen akiivisuua (A) uloksena saadaan käyeyn miausyseemin anama laskenaaajuus (). = [II.I] jossa =
LisätiedotTelecommunication engineering I A Exercise 3
Teleouao egeerg I 5359A xere 3 Proble elaodulaaor lohkokaavo o eey oppkrja kuvaa 3.63. Pulodulaaor ääuloa o aoagaal ja reeregaal erou d. Tää gaal kerroaa pulgeeraaor gaallla rajouke, el erouke erk elväe,
LisätiedotKULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA
1 KULMMOULOITUJEN SIGNLIEN ILMISU ISKRIMINTTORILL Millaisia keinoja on PM & FM -ilmaisuun? 51357 Tieoliikenneekniikka I Osa 17 Kai Käkkäinen Kevä 015 ISKRIMINTTORIN TOIMINTKÄYRÄ J -YHTÄLÖ FM-signaalin
Lisätiedot4.3 Signaalin autokorrelaatio
5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.
LisätiedotLUKU 6 TÄRKEIMPIEN ASIOIDEN KERTAUS
LUKU 6 TÄRKEIMPIEN ASIOIDEN KERTAUS 1 (8) Kantatajuisen järjestelmän lähdön (SNR) D = P T /N 0 W käytetään referenssinä verrattaessa eri kantoaaltomodulaatioita keskenään. Analyysissä oletettiin AWGN-kanava,
Lisätiedot7. Luento. Luento 7 Modulaatio Oppenheim luku 8 soveltuvin Koherentti ja epäkoherentti analoginen modulaatio
7. Lueno Lueno 7 Modulaaio Oppenheim luku 8 soveluvin Kohereni ja epäkohereni analoginen modulaaio osin Digiaalinen modulaaio Konsillaio (Lueno & ) Modulaaio Modulaaiossa siirreään moduloivan signaalin
LisätiedotLuento 11. tietoverkkotekniikan laitos
Lueno Lueno Sokasise signaali ja prosessi II. Sokasise prosessi Pruju Saionaarisuus, ergodisuus Auo ja risikorrelaaio ehospekri.3 Kohinan suodaaminen Sokasinen raja arvo ja derivaaa Winer Khinchin eoreema.3
Lisätiedotx v1 y v2, missä x ja y ovat kokonaislukuja.
Digiaalinen videonkäsiel Harjoius, vasaukse ehäviin 4-0 Tehävä 4. Emämariisi a: V A 0 V B 0 Hila saadaan kanavekorien (=emämariisin sarakkee) avulla. Kunkin piseen paikka hilassa on kokonaisluvulla kerroujen
LisätiedotLuento 9. Epälineaarisuus
Lueno 9 Epälineaarisuus 9..7 Epälineaarisuus Tarkasellaan passiivisa epälineaarisa komponenia u() y() f( ) Taylor-sarjakehielmä 3 y f( x) + f '( x) ( x x) + f ''( x) ( x x) + f ''( x) ( x x) +...! 3! 4!
Lisätiedot521361A TIETOLIIKENNETEKNIIKKA II
1 521361A TIETOLIIKENNETEKNIIKKA II KURSSI DIGITAALISEN TIEDONSIIRRON PERUSTEISTA KARI KÄRKKÄINEN Tietoliikennetekniikan osasto, huone TS439 kk@ee.oulu.fi, puh: 029 448 2848, http://www.ee.oulu.fi/~kk/
Lisätiedotz = Amplitudi = itseisarvo ja vaihe = argumentti (arg). arg Piirretään vielä amplitudi- ja vaihespektri:
Määriä suraavi komplksiluku/siaali ampliudi- a vaiharvo. Piirrä b-kohdassa ampliudi a vaih aauud fukioa ampliudi- a vaihspkri. 6p 8 a z 7, z 8 a z. { } b z cos. Ampliudi isisarvo a vaih arumi ar. a z 7
LisätiedotKonvoluution laskeminen vaihe vaiheelta Sivu 1/5
S-72. Signaali ja järjeselmä Laskuharjoiukse, syksy 28 Konvoluuion laskeminen vaihe vaiheela Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali,
Lisätiedota) Ortogonaalinen, koska kantafunktioiden energia 1
S-7.060 Signaali ja järjeselmä Teni 14.5.001 1. Vasaa lyhyesi seuraaviin saehäviin, käyä arviaessa kuvaa. a) Mikä minaisuuksisa rgnaalinen ja rnrmaalinen kuvaa paremmin Furier-sarjaa ja miksi? b) Esiä
LisätiedotDynaaminen optimointi ja ehdollisten vaateiden menetelmä
Dynaaminen opimoini ja ehdollisen vaaeiden meneelmä Meneelmien keskinäinen yheys S yseemianalyysin Laboraorio Esielmä 10 - Peni Säynäjoki Opimoiniopin seminaari - Syksy 2000 / 1 Meneelmien yhäläisyyksiä
LisätiedotBINÄÄRINEN SYNKRONINEN TIEDONSIIRTO KAISTARAJOITTAMATTOMILLA MIELIVALTAISILLA PULSSIMUODOILLA SOVITETTU SUODATIN JA SEN SUORITUSKYKY AWGN-KANAVASSA
BINÄÄRINN SYNKRONINN IDONSIIRO KAISARAJOIAMAOMILLA MILIVALAISILLA PULSSIMUODOILLA SOVIU SUODAIN JA SN SUORIUSKYKY AWGN-KANAVASSA Millaiia aalomuooja perupuleja yypilliei käyeään? 536A ieoliikenneekniikka
LisätiedotTKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta
KK ieoliikennelaboraorio 7.2.27 Seppo Saasamoinen Sivu /5 Konvoluuion laskeminen vaihe vaiheela Konvoluuion avulla saadaan laskeua aika-alueessa järjeselmän lähösignaali, kun ulosignaali ja järjeselmän
LisätiedotSYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN
SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN Miten modulaation P S P B? 536A Tietoliienneteniia II Osa 4 Kari Käräinen Sysy 05 SEP VS. BEP D-SIGNAALIAVARUUDESSA Kullein modulaatiolle johdetaan
Lisätiedot521330A TIETOLIIKENNETEKNIIKKA KURSSI ANALOGISEN JA DIGITAALISEN TIEDONSIIRRON TEORIASTA JA TOTEUTUSMENETELMISTÄ
1 521330A TIETOLIIKENNETEKNIIKKA KURSSI ANALOGISEN JA DIGITAALISEN TIEDONSIIRRON TEORIASTA JA TOTEUTUSMENETELMISTÄ KARI KÄRKKÄINEN CWC Radioteknologiat, huone TS439, puh: 029 448 2848 Kari.Karkkainen@oulu.fi,
Lisätiedot521330A TIETOLIIKENNETEKNIIKKA
1 521330A TIETOLIIKENNETEKNIIKKA KURSSI ANALOGISEN JA DIGITAALISEN TIEDONSIIRRON MENETELMISTÄ KARI KÄRKKÄINEN Tietoliikennetekniikan osasto, huone TS439 kk@ee.oulu.fi, puh: 029 448 2848, http://www.ee.oulu.fi/~kk/
LisätiedotMallivastaukset KA5-kurssin laskareihin, kevät 2009
Mallivasaukse KA5-kurssin laskareihin, kevä 2009 Harjoiukse 2 (viikko 6) Tehävä 1 Sovelleaan luenokalvojen sivulla 46 anneua kaavaa: A A Y Y K α ( 1 α ) 0,025 0,5 0,03 0,5 0,01 0,005 K Siis kysyy Solowin
LisätiedotANALOGISET PULSSIMODULAATIOT PAM, PWM JA PPM
1 ANALOGISET PULSSIMODULAATIOT PAM, PWM JA PPM Millä eri tavoilla ignaalinäyteet voidaan eittää & koodata? PULSSIMODULAATIOMENETELMIEN LUOKITTELU Modulaatioenetelät Analogiet Digitaaliet Kantoaaltoodulaatiot
LisätiedotANALOGISEN VÄRITELEVISION RAKENNE JA TOIMINTA
ANALOGISEN VÄRITELEVISION RAKENNE JA TOIMINTA Tieoliikenneekniikka I 521359A Kari Kärkkäinen Osa 8 1 23 Videosignaalin VSB-odulaaio analogisessa TV-järj. Värielevision videosignaalin siirrossa käyeään
LisätiedotINTERFERENSSIN VAIKUTUS LINEAARISISSA MODULAATIOISSA
1 INTERFERENSSIN VIKUTUS LINERISISS MOULTIOISS Men yksaajunen häökanoaalo haaa lasua? 521357 Teolkenneeknkka I Osa 18 Ka Käkkänen Kevä 2015 KERTUST 2 Kanoaaloodulaaolle: os[2πf φ] Lneaanen odulaao Vahee
LisätiedotLuento 2. Järjestelmät aika-alueessa Konvoluutio-integraali. tietoverkkotekniikan laitos
Lueno 2 Järjeselmä aika-alueessa Konvoluuio-inegraali Lueno 2 Lueno 2 Järjeselmä aika alueessa; Konvoluuio inegraali 2.1 Järjeselmien perusominaisuude Oppenheim 1.5. 1.6 Muisillise ja muisioma järjeselmä
Lisätiedot>LTI-järjestelmä. >vaihespektri. >ryhmäviive
TL53, Signaalioria (J. Laiinn) 9..4 TTESN, TTESN5X, TTESN5Z Väliko, rakaisu Täydnnä ohisn kuvaan > - ai < -mrkiy kohda. Miä arkoiaan idonsiirokanavan kvalisoinnilla? Esiä lausk kvalisaaorin siirofunkioll,
LisätiedotANALOGISET PULSSIMODULAATIOT PAM, PWM JA PPM
ANALOGISET PULSSIMODULAATIOT PAM, PWM JA PPM 1 16) Puliodulaatioenetelien luokittelu Modulaatioenetelät Analogiet Digitaaliet Kantoaaltoodulaatiot DSB, AM, SSB, VSB, QDSB, FM, PM Puliodulaatiot PAM, PWM,
LisätiedotDigitaalinen signaalinkäsittely Signaalit, jonot
Digitaalie sigaalikäsittely Sigaalit, joot Teemu Saarelaie, teemu.saarelaie@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Sigal Processig: A Practical Approach H.Huttue, Sigaalikäsittely meetelmät, Opitomoiste,
LisätiedotSuodatus ja näytteistys, kertaus
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 6: Kantataajuusvastaanotin AWGN-kanavassa II: Signaaliavaruuden vastaanotin a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.6.3-10.6.6;
LisätiedotMULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 22 1 (16)
MULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM Tietoliikennetekniikka I 521357A Kari Kärkkäinen Osa 22 1 (16) Multipleksointimenetelmät Usein on tarve yhdistää eri lähteistä tulevia toisistaan riippumattomia
LisätiedotRahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista
Rahoiusriski ja johdannaise Mai Esola lueno Sokasisisa prosesseisa . Markov ominaisuus Markov -prosessi on sokasinen prosessi, missä ainoasaan muuujan viimeinen havaino on relevani muuujan seuraavaa arvoa
Lisätiedotẍ(t) q(t)x(t) = f(t) 0 1 z(t) +.
Diffrniaaliyhälö II, harjoius 3, 8 228, rakaisu JL, kuusi sivua a On muunnava linaarinn oisn kraluvun diffrniaaliyhälö ẍ qx f yhäpiäväksi nsimmäisn kraluvun linaarisksi kahdn skalaariyhälön sysmiksi Rak
LisätiedotLuento 4. Fourier-muunnos
Lueno 4 Erikoissignaalien Fourier-muunnokse Näyeenoo 4..6 Fourier-muunnos Fourier-muunnos Kääneismuunnos Diricle n edo Fourier muunuvalle energiasignaalille I: Signaali on iseisesi inegroiuva v ( d< II:
LisätiedotVAIHELUKKOTEKNIIKKA JA TAKAISINKYTKETYT DEMODULAATTORIT KULMAMODULAATION ILMAISUSSA
VIHELUOTENII J TISINYTETYT DEMODULTTORIT ULMMODULTION ILMISUSS Vaihohoinn ilmaisumnlmä kulmamoulaaioill? 5357 Tioliiknnkniikka I Osa 9 ari ärkkäinn ä 05 VIHELUO PLL FM & PM -ILMISINPIIRINÄ Ellä on arkaslu
LisätiedotLuento 7 Järjestelmien ylläpito
Luno 7 Järjslmin ylläpio Ahi Salo Tknillinn korkakoulu PL, 5 TKK Järjslmin ylläpidosa Priaallisia vaihohoja Uusiminn rplacmn Ennalahkäisvä huolo mainnanc Korjaaminn rpair ❶ Uusiminn Vioiun komponni korvaaan
LisätiedotDiskreetillä puolella impulssi oli yksinkertainen lukujono:
DEE-00 ineaarise järjeselmä Harjoius 5, rakaisuehdoukse [johdano impulssivaseeseen] Jakuva-aikaisen järjeselmän impulssivase on vasaavanlainen järjeselmäyökalu kuin diskreeillä puolellakin: impulssivase
LisätiedotPK-YRITYKSEN ARVONMÄÄRITYS. KTT, DI TOIVO KOSKI elearning Community Ltd
PK-YRITYKSEN ARVONMÄÄRITYS KTT, DI TOIVO KOSKI elearning Communiy Ld Yriyksen arvonmääriys 1. Yriyksen ase- eli subsanssiarvo Arvioidaan yriyksen aseen vasaavaa puolella olevan omaisuuden käypäarvo, josa
LisätiedotS Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov. Kurssin aihealue
S-108.180 Elektroiset mittaukset ja elektroiika häiriökysymykset ov Kurssi aihealue Kurssi suorittamie Hyväksytty tetti (määrää arvosaa), 5 tehtävää Hyväksytysti suoritetut labrat, 4 kpl Mittausvahvistimet
LisätiedotELEC-A7200 Signaalit ja järjestelmät 5 op
Luennoisija Prof. Riku Jäni Pääassiseni Seppo Saasamoinen S-posi: riku.jani@aalo.fi Puh. 5 597 8588 E9 Vasaanoo ma klo 9- S-posi: seppo.saasamoinen@aalo.fi Puh. 5 365 376 hps://noppa.aalo.fi/noppa/kurssi/elec-a7/eusivu
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät
ELEC-C7230 Tietoliikenteen siirtomenetelmät Laskuharjoitus 8 - ratkaisut 1. Tehtävässä on taustalla ajatus kantoaaltomodulaatiosta, jossa on I- ja Q-haarat, ja joka voidaan kuvata kompleksiarvoisena kantataajuussignaalina.
LisätiedotSopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen
Soimukseneon dynamiikka: johdano ja haiallinen valikoiuminen Ma-2.442 Oimoinioin seminaari Elise Kolola 8.4.2008 S yseemianalyysin Laboraorio Esielmä 4 Elise Kolola Oimoinioin seminaari - Kevä 2008 Esiyksen
LisätiedotHelsinki University of Technology
Helsiki Uiversity of Techology Laboratory of Telecommuicatios Techology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy 997 9. Lueto: Kaava kapasiteetti ja ODM prof.
Lisätiedot1 Excel-sovelluksen ohje
1 (11) 1 Excel-sovelluksen ohje Seuraavassa kuvaaan jakeluverkonhalijan kohuullisen konrolloiavien operaiivisen kusannusen (SKOPEX 1 ) arvioimiseen arkoieun Excel-sovelluksen oimina, mukaan lukien sovelluksen
LisätiedotMULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM
MULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM 1 (17) Multipleksointimenetelmät Usein on tarve yhdistää riippumattomista eri lähteistä tulevia signaaleja multipleksoinnin keinoin, jotta ne voidaan lähettää
LisätiedotTaustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka
IMA- Exurso: Kompleksluvu ja radosgnaal / KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT Tausaa IMA- Exurso: Kompleksluvu ja radosgnaal / Kakk langaon vesnä ja radoeolkenne (makapuhelme, WLAN, ylesrado
Lisätiedot5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE
Värähelymeaiia 5. 5 YHDEN VAPAUSASTEEN YLEINEN PAKOTETTU LIIKE 5. Johao Luvussa 4 araselii yhe vapausasee syseemii harmoisesa heräeesä aiheuuvaa vasea ja havaiii se riippuva pääasiassa syseemi vaimeusesa
LisätiedotLUKU 3 TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka I Osa 23 Kari Kärkkäinen Kevät 2015
1 LUKU 3 TÄRKEIMPIEN ASIOIDEN KERTAUS Modulaatiossa kantoaallon jotain parametria (amplitudi, vaihe ja taajuus) muutetaan yksi-yhteen periaatteella sanoman m(t) ohjaamana. Modulointia käytetään tiedonsiirtoon,
LisätiedotHelsinki University of Technology
Helsiki Uiversity of Tecology Laboratory of Telecommuicatios Tecology S-38. Sigaalikäsittely tietoliiketeessä I Sigal Processig i Commuicatios ( ov) Syksy 997 4. Lueto: Kaavakorjaimet I prof. Timo Laakso
Lisätiedot2. Systeemi- ja signaalimallit
2. Syseemi- ja signaalimalli Malliyyppejä: maemaainen malli: muuujien välise suhee kuvau maemaaisesi yhälöin lohkokaaviomalli: syseemin oiminojen looginen jako lohkoihin, joiden välisiä vuorovaikuuksia
LisätiedotEPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET
EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET Mite epäkoheettius vaikuttaa suoituskykyy ja jäjestelmä toteutettavuutee? 536A Tietoliikeetekiikka II Osa 6 Kai Käkkäie Syksy 5 DIFFERENTIAALINEN
LisätiedotKVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA
KVANTIOINTIKOHINA JA KANAVAN AWGN- KOHINA PULIKOODIMODULAATIOA Teolkenneeknkka I 5359A Kar Kärkkänen Osa 6 5 Kvansonkohna PCM-järjeselmässä PCM:ssa on kaks vrhelähdeä:. kvansonkohna,. kanavan kohnan aheuama
LisätiedotW dt dt t J.
DEE-11 Piirianalyysi Harjoius 1 / viikko 3.1 RC-auon akku (8.4 V, 17 mah) on ladau äyeen. Kuinka suuri osa akun energiasa kuluu ensimmäisen 5 min aikana, kun oleeaan mooorin kuluavan vakiovirran 5 A? Oleeaan
LisätiedotTasaantumisilmiöt eli transientit
uku 12 Tasaanumisilmiö eli ransieni 12.1 Kelan kykeminen asajännieeseen Kappaleessa 11.2 kykeiin reaalinen kela asajännieeseen ja ukiiin energian varasoiumisa kelan magneeikenään. Tilanne on esiey uudelleen
Lisätiedot5. Vakiokertoiminen lineaarinen normaaliryhmä
1 MAT-145 LAAJA MATEMATIIKKA 5 Tampereen eknillinen yliopiso Riso Silvennoinen Kevä 21 5. Vakiokeroiminen lineaarinen normaaliryhmä Todeaan ensin ilman odisuksia (ulos on syvällinen) rakaisujen olemassaoloa
LisätiedotTekes tänään (ja huomenna?) Pekka Kahri Palvelujohtaja, Tekes Fortune seminaari 21.8.2013
Tekes änään (ja huomenna?) Pekka Kahri Palvelujohaja, Tekes Forune seminaari 21.8.2013 Rahoiamme sellaisen innovaaioiden kehiämisä, joka ähäävä kasvun ja uuden liikeoiminnan luomiseen Yriysen kehiysprojeki
LisätiedotANALOGISEN VÄRITELEVISION RAKENNE JA TOIMINTA
1 ANALOGISEN VÄRITELEVISION RAKENNE JA TOIMINTA Miä oiinoja & lohkoja elevisiojärjeselä sisälää? 521357A Tieoliikenneekniikka I Osa 11 Kari Kärkkäinen Kevä 2015 VIDEOSIGNAALIN VSB-MODULAATIO 2 Analogisen
Lisätiedot12. ARKISIA SOVELLUKSIA
MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina
Lisätiedot521357A TIETOLIIKENNETEKNIIKKA I
1 521357A TIETOLIIKENNETEKNIIKKA I KURSSI ANALOGISEN TIEDONSIIRRON PERUSTEISTA KARI KÄRKKÄINEN Tietoliikennetekniikan osasto, huone TS439 kk@ee.oulu.fi, puh: 029 448 2848, http://www.ee.oulu.fi/~kk/ https://noppa.oulu.fi/noppa/kurssi/521357a/etusivu
LisätiedotNämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan
Mitä pitäisi vähintään osata Tässäkäydään läpi asiat jotka olisi hyvä osata Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan osattavan 333 Kurssin sisältö Todennäköisyyden, satunnaismuuttujien
LisätiedotToistoleuanvedon kilpailusäännöt
1.0 Yleisä Toisoleuanvedossa kilpailija suoriaa häjaksoisesi mahdollisimman mona leuanveoa omalla kehonpainollaan. Kilpailijalla on käössään ksi kilpailusuorius sekä asauloksen sauessa mahdollise uusinakierrokse
LisätiedotKapeakaistainen signaali
Tiedonsiirrossa sellaiset signaalit ovat tyypillisiä, joilla informaatio jakautuu kapealle taajuusalueelle jonkun keskitaajuuden ympäristöön. Tällaisia signaaleja kutustaan kapeakaistaisiksi signaaleiksi
LisätiedotA! Modulaatioiden luokittelu. Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet. ELEC-C7230 Tietoliikenteen siirtomenetelmät
ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos A! Modulaatioiden
LisätiedotRatkaisu. Virittäviä puita on kahdeksan erilaista, kun solmut pidetään nimettyinä. Esitetään aluksi verkko kaaviona:
Diskreei maemaiikka, sks 00 Harjoius 0, rakaisuisa. Esi viriävä puu suunaamaomalle verkolle G = (X, E, Ψ), kun X := {,,, }, E := { {, }, {, }, {, }, {, }, {, }}, ja Ψ on ieninen kuvaus. Rakaisu. Viriäviä
LisätiedotEPÄLINEAARISET KULMAMODULAATIOT VAIHEMODULAATIO (PM) JA TAAJUUSMODULAATIO (FM)
1 EPÄLINERISET KULMMODULTIOT VIHEMODULTIO PM J TJUUSMODULTIO FM Mien PM a FM eroava oisisaan? Millainen on kapeakaisainen kulmamodulaaori? 521357 Tieoliikenneekniikka I Osa 14 Kari Kärkkäinen Kevä 2015
Lisätiedot