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

Samankaltaiset tiedostot
Signaaliavaruuden kantoja äärellisessä ajassa a

ELEC-C7230 Tietoliikenteen siirtomenetelmät

Suodatus ja näytteistys, kertaus

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

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

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

SIGNAALITEORIAN KERTAUSTA OSA 2

MS-C1420 Fourier-analyysi osa I

Luento 2. Jaksolliset signaalit

Numeeriset menetelmät

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

MS-C1420 Fourier-analyysi osa I

Kapeakaistainen signaali

MS-C1420 Fourier-analyysi osa I

Radioamatöörikurssi 2016

SIGNAALITEORIAN KERTAUSTA 1

Signaalit ja järjestelmät aika- ja taajuusalueissa

VAIHEKOHERENTIT BINÄÄRISET KANTOAALTOMODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET

Signaalimallit: sisältö

Digitaalinen tiedonsiirto ja siirtotiet. OSI-kerrokset

ELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä

SIGNAALITEORIAN JATKOKURSSI 2003

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)

JATKUVAN AWGN-KANAVAN KAPASITEETTI SHANNON-HARTLEY -LAKI

MS-C1420 Fourier-analyysi osa II

MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

MS-C1420 Fourier-analyysi osa II

ELEC-C7230 Tietoliikenteen siirtomenetelmät

MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

MONITILAISET TIEDONSIIRTOMENETELMÄT TÄRKEIMPIEN ASIOIDEN KERTAUS A Tietoliikennetekniikka II Osa 18 Kari Kärkkäinen Syksy 2015

S Tietoliikennetekniikan perusteet. Jukka Manner Teknillinen korkeakoulu

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

1 Vastaa seuraaviin. b) Taajuusvasteen

Digitaalinen tiedonsiirto ja siirtotiet

Numeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42

8. Avoimen kuvauksen lause

521357A TIETOLIIKENNETEKNIIKKA I

Laitteita - Yleismittari

Luento 4 Fourier muunnos

Dynaamiset regressiomallit

Radioamatöörikurssi 2017

MULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM. Tietoliikennetekniikka I A Kari Kärkkäinen Osa 22 1 (16)

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

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

u = 2 u (9.1) x + 2 u

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

WIMAX-järjestelmien suorituskyvyn tutkiminen

6.1 Autokovarianssifunktion karakterisaatio aikatasossa

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

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

T DSP: GSM codec

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

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

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

SIGNAALITEORIAN KERTAUSTA OSA 1

Luku 4 - Kuvien taajuusanalyysi

Kompleksianalyysi, viikko 6

Dynaamisten systeemien identifiointi 1/2

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z

Värähdysliikkeet. q + f (q, q, t) = 0. q + f (q, q) = F (t) missä nopeusriippuvuus kuvaa vaimenemista ja F (t) on ulkoinen pakkovoima.

8. Avoimen kuvauksen lause

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Kompleksianalyysi, viikko 4

Luento 2. S Signaalit ja järjestelmät 5 op TKK Tietoliikenne Laboratorio 1. Jean Baptiste Joseph Fourier ( )

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

Ongelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida?

Jaksollisen signaalin spektri

6.2.3 Spektrikertymäfunktio

Tietoliikennesignaalit & spektri

12. Luento. Luento 12 Modulaatio. Oppenheim luku 8 soveltuvin osin. Koherentti ja epäkoherentti analoginen modulaatio Digitaalinen modulaatio

Kotitehtävät 1-6: Vastauksia

Laplace-muunnos: määritelmä

4.0.2 Kuinka hyvä ennuste on?

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Osittaisdifferentiaaliyhtälöt

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MULTIPLEKSOINTIMENETELMÄT FDM, TDM, CDM JA QM

Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

2. Fourier-sarjoista. Aaltoliikkeen ja lämmöjohtumisen matemaattinen tarkastelu

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

Helsinki University of Technology

ELEC C4140 Kenttäteoria (syksy 2015)

Sovellettu todennäköisyyslaskenta B

3.3 Funktion raja-arvo

Sarjat ja integraalit

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

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

Laplace-muunnos. 8. marraskuuta Laplace-muunnoksen määritelmä, olemassaolo ja perusominaisuudet Differentiaaliyhtälöt Integraaliyhtälöt

MS-A010{3,4,5} (ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 11: Lineaarinen differentiaaliyhtälö

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Taustatietoja ja perusteita

HILBERTIN AVARUUKSISTA

c) 22a 21b x + a 2 3a x 1 = a,

Alla olevassa kuvassa on millisekunnin verran äänitaajuisen signaalin aaltomuotoa. Pystyakselilla on jännite voltteina.

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä

Transkriptio:

ELEC-C7230 Tietoliikenteen siirtomenetelmät Luento 4: Digitaaliset modulaatiokonstellaatiot, symbolijonolähetteet Olav Tirkkonen, Jari Lietzen Aalto, Tietoliikenne- ja tietoverkkotekniikan laitos A! Modulaatioiden luokittelu Pulssi vs. kantoaaltomodulaatio Liittyy korkeataajuisen signaalin modulointiin Lineaarinen vs. epälineaarinen Liittyy kantataajuussignaaliin Analoginen vs. digitaalinen Liittyy tiedon esitysmuotoon 2 (25)

A! Pulssi- vs kantoaaltomodulaatio Kantoaaltomodulaatiossa matalataajuinen kantataajuussignaali moduloi korkeataajuista kantoaaltoa esim. amplitudi-modulaatio Pulssimodulaatiossa informaatio pakataan korkeataajuisen pulssin läsnäoloon/-olemattomuuteen tai pulssin muotoon (amplitudi tai ajoitus) esim. impulssiradio jotkut ISDN & Ethernet johtokoodit 3 (25) A! Lineaarinen vs.epälineaarinen modulaatio Lineaarinen: kantafunktionta kertova symboli riippuu vain lähetettävästä informaatiosta, ei edellisistä symboleista signaali on superpositio (summa) riippumattomien symbolien lähetteistä Epälineaarinen: lähetettävä symboli riippuu lähetettävästä informaatiosta, sekä edellisistä symboleista 4 (25)

A! Analoginen vs. digitaalinen modulaatio Esimerkki 2D signaaliavaruudessa Edellytetään, että aaltomuodon normi on yksi, s 2 1 + s2 2 =1 Analoginen: jatkuvat arvot, mielivaltaiset s 1,s 2 sallittu. Digitaalinen: diskreetit arvot, esim. vain arvot s j {±1/ 2} Tässä esimerkissä ympyrällä olevan :n analogisen aaltomuodon sijaan on vain 4 mahdollista digitaalista aaltomuotoa. 5 (25) A! Digitaaliset modulatiokonstellaatiot: Signaaliavaruuden symbolit a a [7.9] 6 (25)

A! Mitä modulaatio on? Modulaatiomenetelmän täydellinen määrittelly sisältää 1. Miten matalataajuinen signaali moduloi korkeataajuista signaalia 2. Tiedon kantafunktoista φ n (t) Kuinka signaalit käytävät (kantataajuus)kaistaa Valitut kantafunktiot määrittelevät signaaliavaruuden kannan. 3. Symbolikuvaus: kuinka informaatio kuvataan signaaliavaruuden koordinaateille s n Digitaalinen tiedonsiirto: äärellinen joukko aaltomuotoja äärellinen määrä M kompleksilukuja s m C signaaliavaruudessa M-arvoinen (M-ary) modulaatio Lineaarinen modulaatio: informaatiota kuvataan riippumattomasti kullekin s m Konstellaatio (eli aakkosto) C M = {s m } M m=1 Informaatiobitit kuvataan näille kompleksiluvuille: log 2 M bittiä määrittelee yhden M :stä konstellaatiopisteestä ja aaltomuodosta log 2 M bits symbol index m {1, 2,...,M} s m C M C 7 (25) A! Symbolikonstellaatio Signaaliavaruudessa informaatio kuvataan kompleksiluvuille s n jotka kertovat ortogonaalisia aaltomuotoja s n :n reaali- ja imaginaariosat I- & Q-haarat Kompleksisen kertoimen s n sallittujen arvojen joukkoa kutsutaan modulaatioaakkostoksi tai konstellaatioksi Voidaan piirtää 2D signaaliavaruudessa konstellaatiodiagrammaksi Konstellaatiosta riippuen moduloidaan pelkästään amplitudia pelkästään vaihetta amplitudia ja vaihetta yhdessä 8 (25)

A! Kompleksiarvoiset konstellaatiot 9 (25) A! Pulse Amplitude Modulation Informaatio kuvattu signaalin amplitudille (ja binääriselle vaiheelle). Pulse Amplitude Modulation (PAM) Signaalilla on vain In-phase -komponentti (I-haara) tehoton, jos kantoaaltosignaali, ja enemmän kuin yksi bitti 2-PAM: 1 bitti, 4-PAM: 2 bittiä, 8-PAM: 3 bittiä, 10 (25)

A! Phase-shift Keying Phase-shift Keying (PSK): moduloidaan vain vaihetta. PSK on I-Q modulaatio, käytetään kantoaallon I- ja Q-haaraa PSK-symboleilla on sekä reaali- että imaginaariosat PSK ei muuta amplitudia tehoton, jos enemmän kuin 2 bittiä miellyttävät spektrinkäyttöominaisuudet Binary PSK (BPSK): 1 bitti, Quadriphase PSK (QPSK): 2 bittiä, 8-PSK: 3 bittiä, 16-PSK: 4 bittiä BPSK = 2-PAM 11 (25) A! Kvadratuuriamplitudimodulaatio Moduloidaan sekä I- että Q-haaran amplitudia I-Q modulaatio moduloi reaalisen signaalin amplitudia sekä vaihetta tehokas modulaatio Quadrature Amplitude Modulation (QAM) 4-QAM: 2 bittä, 16-QAM: 4 bittiä, 64-QAM: 6 bittiä 4-QAM = QPSK Monet konstellaatiot mahdollisia, jotkut näitä parempia, mutta vaikeasti toteutettavissa. 12 (25)

A! PAM vs. PSK vs. QAM Verrataan modulaatioden suorituskykyä bittivirheen suhteen. Keskimääräinen lähetysteho annettu. Jos enemmän kuin yksi bitti per symboli: PSK ja QAM aina parempia kuin PAM Jos enemmän kuin kaksi bittiä per symboli: QAM aina parempi kuin PSK Syy: minimietäisyys kahden ulottuvuuden käyttäminen aina parempi kuin yhden. 13 (25) A! Konstellaatiot yhteenveto Olemme kuvanneet bittejä signaaliavaruuden konstellaatioille. Kompleksiarvoiset konstellaatiopisteet edustavat kompleksiarvoisia aaltomuotoja ekvivalentissa kantataajuusesityksessä. Digitaalista modulaatiota voidaan tehdä amplitudissa (PAM) vaiheessa (PSK) sekä amplitudissa että vaiheessa (QAM) Meillä saattaa olla vielä jotakin ymmärrettävää pulssinmuokkauksessa & yksittäisten symboleiden T :n mittaisten jaksojen jatkamisessa useamman symbolin lähetteiksi 14 (25)

A! Symbolijonolähetteet 15 (25) A! Äärellinen vs. ääretön ajanjakso Äärellinen ajanjakso T =[ T/2,T/2]. Kantafunktioiden joukkoja: Trigonometrinen kanta Eksponentiaalinen Fourier-kanta TDM/CDM kannat Valitaan N kantafunktiota kantataajuussignaalilla N kompleksiarvoista ulottuvuutta jaksossa T. Fourier-analyysin kannalta funktio ajassa T vastaa T -jaksollista funktiota. Mitkä ovat vastaavat rakenteet äärettömässä ajassa (, )? 16 (25)

A! Jatko alueelta T äärettömyyteen (, ) Otetaan signaali g T (t) äärellisessä ajassa T Jatketaan se reaaliakselin (, ) signaaliksi, joka häviää T :n ulkopuolella: Jatkettu signaali on s(t) =ft rect (t)s T (t) missä jaksollinen signaali s T kerrotaan kanttiaaltoikkunalla ft rect Tulkinta: T on symbolijakso. 17 (25) A! Kanttipulssi Kanttipulssin muotoinen ikkunafunktio: ft rect (t) = 1 2 T (sign (T 2 t) + sign ( T 2 + t)) = 1 (H (t + T 2) H (t T 2)) = T missä H(t) = { 1 if t 0 0 if t<0 { 0 if t >T/2 if t T/2 1 T on askelfunktio Diracin delta-funktion integraali. Kanttiaalto luo terävät symbolirajat Askelfunktioiden Fourier analyysi Äärettömän nopeat muutokset signaalissa levittävät taajuuden äärettömyyteen. 18 (25)

A! Symbolijonokanta Jaetaan IR jonoksi symbolijaksoja: IR = m= [mt T/2,mT + T/2) Otetaan jokaiselle symbolijaksolle ikkunafunktio ft rect (t mt ) täydellinen ortonormaalinen kanta {φ k (t)} k=1 Esimerkiksi trigonometrinen, tai CDM/FDM kanta Saadaan ortonormaali kanta {ϕ m,k (t)} m Z,k Z+ IR:n äärellisenergisille signaaleille. Kantafunktiot ovat ϕ m,k (t) =ft rect (t mt )φ k (t) jokainen indeksipari (m, k) antaa yhden kantafunktion, esim. k:s eskponentiaalien Fourier-aalto ikkunoituna aikaväliin [mt T/2,mT + T/2) Rajoittamalla k =1,...N antaa äärellisulotteisen signaaliavaruuden jokaisella symbolijaksolla T. 19 (25) A! Symbolijonokanta II Funktiot ϕ m,k (t) ovat triviaalisti ortonormaalisia: Tarkastellaan kahta funktiota ϕ m,k (t) and ϕ m,k (t) jos m m, sisätulo häviää jaksot, joissa funktiot nollasta poikkeavia, eivät mene päällekäin jos m = m, sisätulo häviää, jos k k on käytetty äärellisen jakson T kahta ortonormaalia funktiota. jos m = m ja k = k, sisätulo on yksi. Mielivaltainen äärellisenerginen IR:n funktio g(t) voidaan kehittää tässä kannassa koska g:llä on äärellinen energia, sen rajoittuma mihin tahansa symbolijaksoon [mt T/2,mT + T/2) on äärellisenerginen, ja voidaan esittää tuon jakson kannassa. 20 (25)

A! Esimerkki: kaksi jaksoa { 5(t 1) Kehitä funktio f(t) = 2 (t 1) 4 if 1 t 3 0 otherwise T =2mittaisten jaksojen kantafunktioissa Kaksi jaksoa: [ 1, 1) ja [1, 3), Fourier-kanta kummallakin jaksolla. 21 (25) A! Lineaarinen kantataajuuslähete Otetaan N kantafunktiota kussakin symbolijaksossa Tehdään symbolijonoista signaali N g(t) = s m,k ϕ m,k (t) = ft rect (t mt ) m Z m Z N s m,k φ k (t) k=1 k=1 Digitaalinen informaatio kuvataan M-arvoisiin symboleihiin s m,k C. Lähetettävät bitit ryhmitellään ensin N log 2 M bitiksi. Ryhmät lähetetään sarjassa, yksi ryhmä symbolijaksossa. Symbolijaksossa lähetetään N log 2 M bittiä rinnan N:llä aaltomuodolla kukin aaltomuoto moduloidaan lineaarisesti C-arvoisella symbolila, valitaan log 2 M:llä bitillä konstellaatiopiste. 22 (25)

A! Lähete stokastisena prosessina b Symbolijaksossa m lähetetään signaaliavaruusvektori s(m) C N diskreettiaikainen stokastinen prosessi {s(m)} Kantataajuusmodulaatio jatkuva-aikainen stokastinen prosessi g(t) Prosessi on stationaarinen ja ergodinen: Odotusarvo: E G,α {g(t + α)} = T 0 E G{g(t + α)}dα = vakio Autokorrelaatio: R g (τ) =E G,α {g(t+α)g (t+α+τ)} = lim T E Huom: g on näytefunktio prosessista. { 1 T T /2 T /2 Tehospektritiheys: autokorrelaation Fourier-muunnos S g (f) = R g (τ)e 2πjfτ dτ odotusarvo yli satunnaisuuden otettiin jo autokorrelaatiofunktiossa b [9.1, 9.2, 9.3] g(t )g (t + τ)dt } 23 (25) A! Lineaarisen modulaation autokorrelaatio c Satunnaisprosessi g(t) = N m Z k=1 s m,kϕ m,k (t) Lineaarisella modulaatiolla symbolit ovat riippumattomat, E { } s k,m s k,m = Es δ k,k δ m,m. Oletetaan, että symbolin odotusarvo häviää: E {s k,m } =0; Konstellaation massakeskipiste (MK) on siis origossa Suorituskyky riippuu konstellaatiopisteiden erotuksista, ei MK:sta Valitsemalla MK nollaksi minimoidaan energia, muuttamatta suorituskykyä Autokorrelaatiofunktio on (katso luennon lisämateriaali) R g (τ) = E S T N ϕ 0,k (t) ϕ 0,k(t + τ)dt. k=1 Summa yhden symboli-intervallin aaltomuotojen autokorrelaatiofunktioista Prosessin satunnaisuus oli signaliavaruuden symboleissa s m,k Odotusarvo autokorrelaatiossa otettiin näiden yli. c vrt. [Example 9.6; Example 9.7] 24 (25)

A! Lineaarisen modulaation tehospektritiheys Tehospektritiheys (PSD) saadaan suoraan: S g (f) = E s T G 0,k (f) 2 missä G 0,k (f) on funktion ϕ 0,k = f T (t)φ k (t) Fourier-muunnos Jos käytetään vain yhtä kantafunktiota symbolijaksossa (N =1), S g (f) = E s T F T(f) 2 missä F T (f) on ikkunafunktion f T (t) Fourier-muunnos Lineaarisella modulaatiolla symbolit ovat riippumattomat. PSD palautui aaltomuodon F-muunnoksen itseisarvon neliöksi PSD riipuu konstellaatiosta vain E S :n kautta! k 25 (25)