Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a. Kuvaa diskreetin ajan signaaliavaruussymbolit jatkuvaan aikaan

Samankaltaiset tiedostot
Suodatus ja näytteistys, kertaus

ELEC-C7230 Tietoliikenteen siirtomenetelmät

A! Modulaatioiden luokittelu. Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet. ELEC-C7230 Tietoliikenteen siirtomenetelmät

Signaaliavaruuden kantoja äärellisessä ajassa a

Helsinki University of Technology

Signaalit ja järjestelmät aika- ja taajuusalueissa

Digitaalinen tiedonsiirto ja siirtotiet

Digitaalinen tiedonsiirto ja siirtotiet. OSI-kerrokset

Numeeriset menetelmät

Signaalimallit: sisältö

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

Missä mennään. systeemi. identifiointi. mallikandidaatti. validointi. malli. (fysikaalinen) mallintaminen. mallin mallin käyttötarkoitus, reunaehdot

Helsinki University of Technology

Dynaamisten systeemien identifiointi 1/2

Kuva 3.1: Näyte Gaussisesta valkoisest kohinasta ε t N(0, 1) Aika t

Spektri- ja signaalianalysaattorit

Kapeakaistainen signaali

SIGNAALITEORIAN KERTAUSTA OSA 2

JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI

1 Vastaa seuraaviin. b) Taajuusvasteen

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Signaalien datamuunnokset

spektri taajuus f c f c W f c f c + W

Jaksollisen signaalin spektri

Kompleksianalyysi, viikko 6

Signaalien datamuunnokset. Digitaalitekniikan edut

VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET

ELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä

Muuntavat analogisen signaalin digitaaliseksi Vertaa sisääntulevaa signaalia referenssijännitteeseen Sarja- tai rinnakkaismuotoinen Tyypilliset

Kvanttifysiikan perusteet 2017

ELEC-C7230 Tietoliikenteen siirtomenetelmät

Luento 8. Suodattimien käyttötarkoitus

4.0.2 Kuinka hyvä ennuste on?

BINÄÄRISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 11 Kari Kärkkäinen Syksy 2015

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

Petri Kärhä 04/02/04. Luento 2: Kohina mittauksissa

IIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.

Satunnaismuuttujien muunnokset ja niiden jakaumat

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)

TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen

Luento 2. Jaksolliset signaalit

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Luku 4 - Kuvien taajuusanalyysi

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

LUKU 7 TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka I Osa 30 Kari Kärkkäinen Kevät 2015

Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH

Käytännön radiotekniikkaa: Epälineaarinen komponentti ja signaalien siirtely taajuusalueessa (+ laboratoriotyön 2 esittely)

9. Tila-avaruusmallit

Dynaamiset regressiomallit

P (X B) = f X (x)dx. xf X (x)dx. g(x)f X (x)dx.

S Elektroniset mittaukset ja elektroniikan häiriökysymykset. 2 ov

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

Ohjelmistoradio tehtävät 4. P1: Ekvalisointi ja demodulaatio. OFDM-symbolien generoiminen

TL5231, Signaaliteoria (S2004) Matlab-harjoituksia

Aikariippuva Schrödingerin yhtälö

järjestelmät Luento 8

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Luento 7. LTI-järjestelmät

Kompleksiluvut signaalin taajuusjakauman arvioinnissa

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Luento 3: Liikkeen kuvausta, differentiaaliyhtälöt

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Helsinki University of Technology

Tietoliikennesignaalit & spektri

Digitaalinen signaalinkäsittely Johdanto, näytteistys

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Luento 4 Fourier muunnos

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1

riippumattomia ja noudattavat samaa jakaumaa.

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)

Osittaisdifferentiaaliyhtälöt

4.1 Diskreetin satunnaismuuttujan odotusarvo

SIGNAALITEORIAN KERTAUSTA 1

Tilat ja observaabelit

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

6.1 Autokovarianssifunktion karakterisaatio aikatasossa

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

MS-C1420 Fourier-analyysi osa I

MEI Kontinuumimekaniikka

MS-C1420 Fourier-analyysi osa I

MONITIE-ETENEMISEN AIHEUTTAMA HÄIRIÖ

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla

Kohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

TAAJUUDEN SIIRTO JA SEKOITUS VÄLITAAJUUSVASTAANOTIN & SUPERHETERODYNEVASTAANOTTO

1 Olkoon suodattimen vaatimusmäärittely seuraava:

MS-C1420 Fourier-analyysi osa II

Satunnaismuuttujat Satunnaismuuttuja kuvaa kokeen tuloksen reaaliakselille Satunnaismuuttuja on siis funktio X(s) joka saa reaalisia arvoja Koe s

T SKJ - TERMEJÄ

Transkriptio:

ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 5: Kantataajuusvastaanotin AWGNkanavassa I: Suodatus ja näytteistys a Olav Tirkkonen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos a [10.1-10.6.3] A! Kantataajuussignaali Kantataajuuden signaalimalli Tx ulosmeno x(t): jatkuvan ajan analoginen kantataajuussignaali Kuvaa diskreetin ajan signaaliavaruussymbolit jatkuvaan aikaan Rx sisäänmeno y(t): jatkuvan ajan analoginen kantataajuussignaali Välissä efektiivinen kanava: modulaatio, RF-komponentit ja fysikaalinen siirtotie. 2 (25)

A! Kantataajuuden AWGN-kanava I Yksinkertaisin kanavamalli jatkuva-aikaiselle kantataajuussignaalille. 3 (25) A! Kantataajuuden AWGN-kanava II Siirtotien malli: Vastaanottimen komponentit lisäävät heikkotehoiseen signaaliin valkoisen kohinaprosessin Signaalimalli: y(t) =x(t)+n(t) vastaanotettu signaali = lähetetty signaali + kohinaprosessi vastaanotin tietää mahdolliset lähetetyt aaltomuodot, kohina muuttuu infinitesimaalisesta hetkestä toiseen Huomaa: kantatuujuussignaali on kompleksiarvoinen: y(t),x(t),n(t) C 4 (25)

A! Kohinaprosessi Reaaliarvoinen valkoinen kohinaprosessi (AWGN) b Additive: häiritsee signaalia superpositiona White: tehospektritiheys (PSD) on vakio, P (f) =N 0 /2 Gaussian: prosessista otetut näytteet noudattavat jakaumaa 1 p(n) = e n2 /N 0 πn 0 odotusarvo on nolla: E {n} =0 varianssi: E { n 2 } = N 0 /2 Huomaa: käsitettä näyte ei ole vielä määritelty b [Lathi; Section 10.5] 5 (25) A! Kohinaprosessi II Kirjaimellisesti tulkittuna kohinaprosessi ei ole integroituva ei ole fysikaalinen kohinan lähdettä sitovat fysiikan lait, äärettömiä taajuuksia ei ole olemassa on muodollinen väline, jolla vastaanotinta voidaan analysoida AWGN prosessin n(t) autokorrelaatiofunktio määritelmän mukaan PSD:n Fourier-muunnos: E {n(t) n(t )} = R(t t )= δ(t t ) on Diracin delta-funktio N 0 2 e2πjf(t t ) = N 0 2 δ(t t ) jos t t, integraali oskilloi, integraali kunkin jakson yli häviää jos t = t, integroidaan vakiota reaaliakselin yli, tulos on 6 (25)

A! Jatkuva-aika diskreetti aika Digitaalinen tiedonsiirto: lähetin (Tx) pakkasi tietoa diskreettiaikaiseen signaaliavaruusesitykseen Siirtotielle lähetettiin jatkuva-aikaisia aaltoja Kantataajuusvastaanottimessa on siirryttävä takaisin diskreettiin aikaan signaalin tulkintaa varten. Vastaanottimessa (Rx) on suodatettava ja näytteistettävä 7 (25) A! Tietoisku: Analoginen suodatus Analoginen suodatus = integrointia impulssivasteen yli Tarkemmin: konvolutiivista integrointia. 8 (25)

A! Vastaanotin, yksi lähetetty symboli Lähetetty signaali x(t) =xφ(t). Vastaanottaja haluaa tietää x:n Vastaanotto: Hankkiudu eroon t-riippuvuudesta integrointi tietyllä ajoituksella suodatus + näytteistys Riittää tarkastella integrointia vastaanotinaaltomuotoa ψ(t) vastaan Vastaanotettu signaali suodatuksen jälkeen: y ψ y(t)ψ(t)dt T = x φ(t)ψ(t)dt } T {{} haluttu signaali + n(t)ψ(t)dt } T {{} =n ψ, kohinanayte Suorituskykyä luonnehtii signaalikohinasuhde, Signal-to-Noise-power Ratio (SNR) Skaalaus ψ aψ: haluttu signaali ja n ψ skaalautuvat a:lla ψ:n normalisaatio ei vaikuta suorituskykyyn 9 (25) A! Kompleksiarvoinen kohinaprosessi Jos kantataajuus on kompleksiarvoinen Kohinaprosessin reaaliosa häiritsee kantoaallon I-haaraa Kohinaprosessin imaginaariosa häiritsee Q-haaraa Kohinanäytteet ovat kompleksiarvoisia n ψ = n I +jn Q, n I,n X IR Kohina on Gaussista Jos kantataajuussignaal & kohinaprosessi IR Näyteet n I IR otetaan reaaliarvoisesta Gaussin jakaumasta Jos kantataajuussignaal & kohinaprosessi C Näyteet n ψ C otetaan kompleksiarvoisesta (2D) Gaussin jakaumasta Tästä lähtien kantataajuussignaali oletetaan C. 10 (25)

A! Kohinanäytteet Kohinanäytteet n ψ keskiarvo ja kovarianssi E {n ψ } = E {n(t)} ψ(t) dt = 0 T E { } n ψ n ψ = ψ(t) ψ (t )E{n(t)n (t )} dt dt }{{} =N 0 δ(t t ) = N 0 ψ (t) ψ(t)dt = N 0 ψ 2 = N 0 Kohinanäytteen varianssi (=kohinanäytteen energia) ei riipu vastaanottosuotimen muodosta ψ, vain sen normista ψ:n normi ei vaikuta vastaanottoon voidaan valita ψ =1 Vastaanottimessa on siis joku suodatin (taajuustasossa), joka aikatasossa vastaa aikatason aaltomuotoa ψ vastaan integrointia Saadaan vastaanotinnäyte, summa lähetetyn signaalin näytteestä ja kohinanäytteestä 11 (25) A! Kompleksiarvoiset Gaussiset kohinanäytteet Reaali- ja imaginaariosat normaalijakautuneet, varianssi σ 2 = N 0 /2: p(n X )= 1 e n2 X /N 0, X = I,Q πn0 Reaali- ja imaginaariosat riippumattomat, yhteisjakauma: p(n ψ )=p(n I )p(n Q )= 1 e (n2 I +n2 Q )/N 0 = 1 e n ψ 2 /N 0. πn 0 πn 0 Kompleksiarvoisen kohinanäytteen varianssi on reaali- ja imaginaariosien varianssien summa: E { n ψ 2} =E { } { } n 2 I +E n 2 N 0 Q = 2 + N 0 2 = N 0. Jos kantataajuussignaali reaaliarvoinen, siihen kohdistuisi reaaliarvoinen kohina n I, varianssi N 0 /2 varianssi on N 0 /2 per ulottuvuus. N 0 on kohinan tehospektritiheys, yksikkö [W/Hz] kohinanäytteen energia, yksikkö [J/(s Hz) = J] 12 (25)

A! Missä päin vastaanotinta ollaan? Suodatettu ja näytteistetty vastaanotettu signaali on y ψ = x ψ + n ψ, missä x ψ = x φ(t)ψ(t)dt on halutun signaalin komponentti, ja n ψ on kohinanäyte. Vastaanotinnäyte y ψ on analoginen ja diskreettiaikainen. 13 (25) A! Signaalikohinasuhde Halutun signaaliosan energia (varianssi) E { x ψ 2} =E { x 2} φ(t)ψ(t)dt merkitään E { x 2} = E x, signaaliavaruussymbolin energia. Kohinanäytteen energia (varianssi) oli E { n ψ 2} = N 0 ψ 2 pidetään ψ mukana, eikä oleteta, että ψ normalisoitu. Kantataajuussignaalin AWGN-kanavaa kuvaa signaalikohinasuhde (Signal-to-Noise Ratio, SNR) γ = E { x ψ 2} E { n ψ 2 } = E x N 0 2 φ(t)ψ(t)dt 2 ψ 2 Diskreetissä ajassa tämä on kahden energian suhde. 14 (25)

A! SNR:n maksimointi Halutaan maksimoida SNR vastaanotin (Rx)-suodatuksen jälkeen Muistetaan Cauchy-Schwartz -epäyhtälö: 2 φ(t)ψ(t)dt φ(t) 2 dt ψ(t ) 2 dt = φ 2 ψ 2 joka pätee, sillä aaltomuotojen avaruus on vektoriavaruus. φ(t)ψ(t)dt on φ:n ja ψ :n sisätulo Epäyhtälö ( ) pätee yhtäsuuruutena (=) jos ja vain jos 2 φ(t)ψ(t)dt = φ 2 ψ 2 ψ(t) =aφ (t) jollakin vakiolla a. 15 (25) A! SNR:n maksimointi II Käytetään Cauchy-Scwartzia SNR:ään: γ = E x φ(t)ψ(t)dt 2 N 0 ψ 2 = E x φ(t)ψ(t)dt 2 N 0 ψ 2 E x φ 2 ψ 2 = E x φ 2 = E s N 0 ψ 2 N 0 N 0 SNR maksimaalinen jos ψ(t) =aφ (t). lähetetyn symbolin energia on E s = E x φ 2. SNR-optimaalinen vastaanotin korreloi lähetetyllä aaltomuodolla Oletetaan, että vastaanottaja tuntee φ:n. Tätä kutsutaan sovitetuksi suotimeksi (matched filter, MF) Intuitio: Sovitettu suodatin kombinoi optimaalisesti signaalin lähetykseen käytetyn tehon. Kohina on satunnaista, mutta tehon odotusarvo vakio Vastaanotettuun signaaliin hetkellä t luotetaan suhteessa amplitudiin φ(t). Mitä suurempi halutun signaalin amplitudi, sitä enemmän luotat Rx-signaaliin. 16 (25)

A! Kantataajuusvastaanotin useamman lähetteen superpositiolle Tehdään sama kuin yllä, mutta usealla lähetetyllä signaalilla. 17 (25) A! Vastaanotin, monta symbolia Lähetetty signaali äärelinen superpositio (ei välttämättä ortogonaalisista) signaaleista: x(t) = N m=1 x mφ m (t) Korreloi suodattimilla: ψ k (t) y k = y(t)ψ k (t)dt N x m m=1 φ m (t)ψ k (t)dt } {{ } h mk + = h kk x k + m k x m h mk + n k n(t)ψ k (t)dt } {{ } n k Symbolit saattavat interferoida keskenään. Inter-Symbol Interferenssi (ISI) 18 (25)

A! Signaalin ja interferenssin teho Jos estimoimme x k :n suoraan y k :sta, interferenssi häiritsee estimointia. halutun signaalikomponentin energia S =E { h kk x k 2} =E { x k 2} h kk 2 = E x h kk 2 Muiden vastaanotetun signaalin komponenttien energia { 2} N = E x m h mk + n k = N 0 + h mk 2 E { x m 2} m k m k = N 0 + E x h mk 2 N 0 + I m k jos symbolit x m riippumattomia, ja keskiarvo nolla. Tässä I = E x h mk 2 m k on symboleiden m k aiheuttama interferenssi, joka häiritsee x k :n vastaanottamista. 19 (25) A! SIR ja SINR Halutun signaalikomponentin energia: S kun vastaanotetaan tiettyä symbolia x k Termisen kohinaprosessin näytteen energia : N 0 Syntyy vastaanottimen raudassa Interferenssinäytteen energia: I Johtuu siitä, että siirtotietä käytetään muuhunkin kuin x k :n lähettämiseen. Kanavaa kuvaavat Signal-to-Interference-plus-Noise Ratio (SINR) SINR = Signal-to-Interference Ratio (SIR) SIR = S I Huomaa: I h mk 2, missä h mk = φ m ψ k dt ψ k :t voidaan valita maksimoimaan SINR. Nyqvistin kriteeri ISI:ttömyydelle: h mk = δ mk y k ei riipu x m,m k:sta, SINR:istä tulee SNR S I+N 0 20 (25)

A! Korrelaattoripankki Nyt oleta: lähetetty signaali ortogonaalisessa kannassa. x(t) = N m=1 x mφ m (t) informaatio on kuvattu koordinaateille x m Korreloidaan ortogonaalisilla kantafunktioilla: y k = T y(t)φ k(t)dt N x m m=1 φ m (t)φ k(t)dt } T {{} =δ mk + T n(t)φ k(t)dt x k + n k Saadaan signaaliavaruuden koordinaatit (kompleksiarvoiset symbolit), kohinan turmelemina Ei Inter-Symboli Interferenssiä (ISI): y k ei riipu x m,m k:sta (!) 21 (25) A! ISI:ttömyys symbolijonolle Symbolijono: φ m (t) =f t (t mt ), ψ k (t) =f r (t kt) Huomaa: oletamme täydellisen synkronisuuden vastaanottimessa Oletetaan että pulssit ovat parillisia (yleensä ovat): f r (t) =f r ( t) ISI:ttömyys: ( ) f t (t mt )f r (t kt)dt = f r (k m)t t ft (t)dt (f r f t ) ( (k m)t ) ) = δ mk Ei ISI:ä: Tx & Rx aaltomuotojen pitää hävitä kaikilla symbolijakson kokonaislukusiirroksilla. Nollasiirroksella pitäisi olla nollasta poikkeava arvo. Tämä pätee, esim. jos Tx & Rx-pulssit ovat kanttipulsseja 22 (25)

A! Useampi kohinanäyte Kuten aiemmin, E {n k } =0. Kohinan kovarianssi on E {n m n k} = ψ m (t) ψk(t )E{n(t)n (t )} dt dt }{{} =N 0 δ(t t ) = N 0 ψ m (t) ψk(t)dt Jos ψ m (t) ψk (t)dt =0kaikilla m k korreloitumattmat (valkoiset) kohinanäytteet n k häiritsevät symboleita x k : E {n m n k } = N 0 δ mk Tämä tapahtuu, jos vastaanotinsuotimet (impulssivasteet) ψ k ovat ortogonaalisia funktioita. Kukin kohinanäyte jakautunut kuten p(n m )= 1 πn 0 e n m 2 /N 0 23 (25) A! Sovitettujen suodatinten pankki Nyt ei korreloida, vaan suodatetaan aidosti Käytetään suodatinta, jonka impulssivaste on h k (t) =φ k (T/2 t) Aikaulottuvuudessa suodatin toimii konvoluution kautta. Suotimen ulostulo ajanhetkellä t: z k (t) = t T/2 r(t )h k (t t )dt = t Suotimen ulostulo ajanhetkellä T/2 on z k (T/2) = T/2 T/2 Sama kuin korrelaatiovastaanottimella. T/2 r(t )φ k(t/2 t + t )dt r(t )φ k(t )dt = y k 24 (25)

A! Korrelaattori vs. sovitettu suodatin Vastaanotin diskretoi ajan (näytteistää), ja tulkitsee symbolit x m. Korrelaatiovastaanottimessa aika ensin diskretoidaan valitsemalla integroinnin aloitusaika, minkä jälkeen integroidaan määrätty aika. Suodinvastaanottimessa signaali ensin suodatetaan, ja aika diskretoidaan ottamalla suotimen ulostulosta näyte sopivalla hetkellä. Jos korreloidaan φ k (t):tä vastaan, tai käytetään suodatinta, jonka impulssivaste on φ k (T/2 t), saadaan sama tulos. Jos vastaanotin korreloi tai suodattaa lähetetyllä signaalimuodolla, vastaanotinta kutsutaan sovitetuksi suotimeksi (matched filter, MF) voidaan suorittaa riippumattomasti per ortogonaalinen aaltomuoto 25 (25)