Helsinki University of Technology

Samankaltaiset tiedostot
Helsinki University of Technology Laboratory of Telecommunications Technology

Helsinki University of Technology

Digitaalinen signaalinkäsittely Signaalit, jonot

Helsinki University of Technology Laboratory of Telecommunications Technology

Helsinki University of Technology

Helsinki University of Technology

4.3 Signaalin autokorrelaatio

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

ja läpäisyaika lasketaan (esim) integraalilla (5.3.1), missä nyt reitti s on z-akselilla:

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):

Luento 8. Suodattimien käyttötarkoitus

Luento 6 Luotettavuus Koherentit järjestelmät

Otantajakauman käyttö päättelyssä

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Luento 7 Luotettavuus Koherentit järjestelmät

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

TL5362DSK-algoritmit (J. Laitinen) TTE2SN4X/4Z, TTE2SN5X/5Z Välikoe 1, ratkaisut

Tehtäviä neliöiden ei-negatiivisuudesta

EX1 EX 2 EX =

Helsinki University of Technology

9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.

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

Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu

Osa 2: Otokset, otosjakaumat ja estimointi

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims

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

ELEC-C7230 Tietoliikenteen siirtomenetelmät

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

S Laskennallinen systeemibiologia

Helsinki University of Technology

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Matematiikan tukikurssi

Kompleksiluvut signaalin taajuusjakauman arvioinnissa

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

1 Olkoon suodattimen vaatimusmäärittely seuraava:

1 Vastaa seuraaviin. b) Taajuusvasteen

Mat Tilastollisen analyysin perusteet, kevät 2007

Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =

T Signaalinkäsittelyjärjestelmät Kevät 2005

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu

8. laskuharjoituskierros, vko 11, ratkaisut

5. Lineaarisen optimoinnin perusprobleemat

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

3 10 ei ole rationaaliluku.

Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.

T Digitaalinen signaalinkäsittely ja suodatus

Mat Lineaarinen ohjelmointi

Helsinki University of Technology

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Remez-menetelmä FIR-suodinten suunnittelussa

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Ruletti ja Martingaalistrategia

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi

2.2.1 Ratkaiseminen arvausta sovittamalla

Noora Nieminen. Hölderin epäyhtälö

2 u = 0. j=1. x 2 j=1. Siis funktio v saavuttaa suurimman arvonsa jossakin alueen Ω pisteessä x. Pisteessä x = x on 2 v. (x ) 0.

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

Alipäästösuotimen muuntaminen muiksi perussuotimiksi

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Digitaalinen Signaalinkäsittely T0125 Luento

Luento 7. LTI-järjestelmät

5.3 Matriisin kääntäminen adjungaatilla

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

811312A Tietorakenteet ja algoritmit II Algoritmien analyysi

Mat Sovellettu todennäköisyyslasku A

Luento 8. Suodattimien käyttötarkoitus

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Ryhmän osajoukon generoima aliryhmä ja vapaat ryhmät

Sormenjälkimenetelmät

Mat Tilastollisen analyysin perusteet, kevät 2007

Matematiikan tukikurssi

Säätötekniikan ja signaalinkäsittelyn työkurssi

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

TLT-5400 DIGITAALINEN SIIRTOTEKNIIKKA

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

Ehdollinen todennäköisyys

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

Lukujonot Z-muunnos Z-muunnoksen ominaisuuksia Z-käänteismuunnos Differenssiyhtälöt. Z-muunnos. 5. joulukuuta Z-muunnos

Helsinki University of Technology Laboratory of Telecommunications Technology

T Signaalinkäsittelyjärjestelmät Kevät 2004

Suodatus ja näytteistys, kertaus

Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot

S Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov. Kurssin aihealue

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x =

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

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Mat Tilastollisen analyysin perusteet, kevät 2007

Transkriptio:

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 Vastaaotto torstaisi klo 0- Huoe G0, pu. 45 473 Säköposti: timo.laakso@ut.fi Kaavakorjaimet Tällä lueolla tutustumise koteea ovat Lieaarie ollaapakottava korjai (liear zero-forcig equalizer, LE-ZF) Takaisikytketty ollaapakottava korjai (decisio-feedback zero-forcig equalizer, DFE-ZF) Tomliso-Harasima -esikoodaus Seuraavalla lueolla jatketaa aieea Lieaarie eliövirekorjai (liear mea squared error equalizer, LE-MSE) Takaisikytketty eliövirekorjai (decisio-feedback MSE equalizer, DFE-MSE) Myöemmi tarkastellaa korjaimie adaptiivisia toteutuksia 0/4/97 Teletekiika laboratorio Sivu

Z-siirtofuktioista Tarkastellaa yleistä stabiilia ratioaalista z-siirtofuktiota H(z) joka voi olla esim. kaava diskreettiaikaie malli. O usei yödyllistä esittää se seuraavalaisea ajotelmaa L H( z) = B z H ( z) H ( z) Hzero( z) ( 44. ) mi missä B o vakiokerroi L o vakioviive, H mi o miimivaieie tekijä H max o maksimivaieie tekijä ja H zero sisältää yksikköympyrällä olevat ollat. max 0/4/97 Teletekiika laboratorio Sivu 3...Z-siirtofuktioista Miimivaieie tekijä o muotoa M ( cz Hmi () z = ' c, d < (. 45) ( dz N k k eli ollat ja avat ovat yksikköympyrä sisäpuolella. Maksimivaieise tekijä ollat ja avat ovat vastaavasti yksikköympyrä ulkopuolella, eli I ( fz H ( k max z ) = = ' f, g < ( 47. ) J k k ( gz 0/4/97 Teletekiika laboratorio Sivu 4

...Z-siirtofuktioista ja yksikköympyräollatermi o muotoa K ( ) H ( z ) = zero ekz, e = (. ) k 46 Heijastettu siirtofuktio: Jos sekvessi k z-muuos o M muotoa ( cz r Hz ( ) = Az ( 33. ) N dz ( ii sekvessi -k * (peilattu ja kojugoitu - tämä o kompleksiarvoise sekvessi sovitettu suodtai!) z-muuos o M ( cz r H ( / z) = Az ( 5. ) N ( dz 0/4/97 Teletekiika laboratorio Sivu 5...Z-siirtofuktioista Z-siirtofuktiosta päästää taajuustaso esityksee (spektrii) pysymällä yksikköympyrällä z=e (ω kulmataajuus, T äyteväli): He ( ) = Hz ( ) z e j ω = T Heijastetu siirtofuktio spektri saadaa suoraa kojugoimalla alkuperäise sekvessi spektri: eli pätee H ( / z ) = H ( e ) z= e H( z) H ( / z ) = H( e ) z= e 0/4/97 Teletekiika laboratorio Sivu 6

Teospektri siirtofuktioesitys Tarkastellaa amplitudiltaa ormaalijakautuutta mutta värillistä koiaa k jolla o (z-taso) teospektri S (z). Teospektri o aia ei-egatiivie yksikköympyrällä z=e jω : S ( e ) = H( e ) z-taso teospektri voidaa aia esittää ajotelmaa S ( z) = A G ( z) G ( / z ) missä A o skaalausvakio ja G (z) o miimivaieie: G ( cz () z = ' c, d < ( dz 0/4/97 Teletekiika laboratorio Sivu 7 k k Värillie koia G (z) o lisäksi mooie, eli se sarjakeitelmä termi z -0 kerroi o skaalattu ykköseksi G (z): avat ja ollat ovat yksikköympyrä sisällä ja suodita vastaava stabiili impulssivaste o kausaalie. G * (/z * ): stabiili impulssivaste o tämä peilikuva ja siis atikausaalie. Yksikköympyrällä pätee lisäksi jω jω S ( e ) = A G ( e ) Oletetaa että ollia ei ole yksikköympyrällä. Tällöi myös /G (z) o kausaalie ja stabiili. 0/4/97 Teletekiika laboratorio Sivu 8

Teospektri muokkaus x k H(z) k y k Ku diskreetti sigaali x k (teospektri S x (z) ) suodatetaa lieaarisella suotimella H(z) (impulssivaste, suotime ulostulo spektri o S ( z) = H( z) H ( / z ) S ( z) y S ( e ) = H( e ) S ( e ) y Ku alutaa muokata sigaali teospektriä, o löydettävä (joki) siirtofuktio H(z) joka jotaa aluttuu spektrii Lyeysmerkitä: H( z) H ( / z ) H( z) x x 0/4/97 Teletekiika laboratorio Sivu 9 Valkaistu sovitettu suodati Suoritetaa edellä käsitelly värillise koiasekvessi k valkaisu: Suodatetaa miimivaieisella tekijällä /A z G z :lla Suodatetu koia k teospektriksi saadaa S ( e ) S( e ) = S e j T ( ) = = ω AG e j T ( ) ω AG( e ) Spektri o siis vakio eli koia o valkoista, iikui pitiki. 0/4/97 Teletekiika laboratorio Sivu 0

...Valkaistu sovitettu suodati Oletetaa että värillise koia kaavassa läetetää sigaalisekvessi x k. Sigaali spektri o koiavalkaisusuodatukse jälkee X() z AG () z Koska sigaali o yt valkaistussa koiassa, optimaalie ML-vastaaottosuodi (ydelle pulssille) o sovitettu suodati. Tämä impulssivaste saadaa peilaamalla (ja kojugoimalla), ja sitä vastaa kojugaattispektri: X ( / z ) AG( / z) z z 0/4/97 Teletekiika laboratorio Sivu...Valkaistu sovitettu suodati Toteutuksessa suotimet voidaa ydistää: X ( / z ) = AG( z) AG( / z) X ( / z ) S () z eli sovitettu suodati ormalisoidaa koia teospektrillä. Tämä o aluttu valkaistu sovitettu suodati (Witeed Matced Filter, WMF) WMF:ää voidaa käyttää paitsi Viterbi-algoritmi myös korjaimie esiasteea 0/4/97 Teletekiika laboratorio Sivu

Nollaapakottava korjai Nollaapakottava korjaime idea o yksikertaie: valitaa sellaie vastaaottosuodati joka kumoaa kaava aieuttama lieaarise vääristymä ja pakottaa keskiäisvaikutukse ollaksi Suodattimessa voidaa käyttää WMF-suodita esiasteea, tai olla käyttämättä. Katsotaa molemmat tapaukset. Oletukset: diskreetti sigaali (äytteytys symbolitaajuudella) ekvivaletti diskreetti kaava o kausaalie ekvivaletti diskreetti koia o valkoista Gaussi koiaa 0/4/97 Teletekiika laboratorio Sivu 3...Nollaapakottava korjai (t) WMF TC (t) x(t)=a k δ(t-kt s ) y(t) R (t)= TC (-t) z(t) t=kt s AG ( / * z ) G () z Kuva rakee (LM 0-3: mukaa) sisältää S () z ydistety läetys- ja kaavasuotime TC (t) = T (t)*c(t) AWGN-koialätee (t) sovitetu suotime R (t) = TC (-t) diskreeti valkaisusuotime / A G * (/z * ) kaavakorjaime (jälkiosa) / G (z) 0/4/97 Teletekiika laboratorio Sivu 4

...Nollaapakottava korjai (t) TC (t) t=kt s /H TC (z) x(t)=a k δ(t-kt s ) y(t) Korjai Edellie kuva o sekava, koska WMF-esiaste sotkee asioita! Tässä yksikertaisempi rakeekuva, jossa o: ydistetty läetys- ja kaavasuodi TC (t) = T (t)*c(t) AWGN-koialäde (t) kaavakorjai /H TC (z), joka o äytteistety läetys- ja kaavasuotime kääteissuodi 0/4/97 Teletekiika laboratorio Sivu 5...Nollaapakottava korjai k H () TC z x k =a k δ k Molemmat edelliset osittai jatkuva-aikaiset järjestelmämallit voidaa pelkistää ylläoleva diskrettii mallii (modifioitu kuvasta LM 0-3) joka sisältää diskreeti AWGN-koialätee k koiavärjäyssuotime /H TC (z), joka o suoraa korjaime siirtofuktio 0/4/97 Teletekiika laboratorio Sivu 6

Nollaapakotuskorjaime omiaisuuksia Korjaime lädössä sigaaliäytteet ovat samat kui läettimessä (ei ISIä). Koiaspektri o sesijaa muuttuut: S V () z N0 N0 = = S () z H () z TC (Huom. tässä reaaliarvoie koia toisi kui kirjassa => kakkoe äviää) Mitä tapatuu ku läeti-kaava taajuusvasteessa o ollia (tai muute vaa voimakasta vaimeusta)? Lieaarise ollaapakottava korjaime ogelma o juuri koia vavistumie 0/4/97 Teletekiika laboratorio Sivu 7 Esimerkki LM 0-5 Tarkastellaa jatkuva-aikaista vastaaotettua pulssia at () t = σ ae u() t TC Esimerkistä 7-0. Diskreeti sekvessi autokorrelaatiofuktioksi saadaa k ρ ( k) = σ α, α = e Tämä z-muuoksella saadaa pulssi teospektriksi at S () z = H () z = TC σ ( α ) ( αz )( αz) 0/4/97 Teletekiika laboratorio Sivu 8

...Esimerkki LM 0-5 Kääteissuotime teospektri o siis S () z = z z z z = + ( α )( α ) α α( + ) σ ( α ) σ ( α ) ( 0. 3) Koia variassi saadaa teospektri itegraalia (= aritm. keskiarvo!) N0 α σv = N0 S + ( z) = A σ α Mitä tapatuu ku parametri α läestyy ykköstä? 0/4/97 Teletekiika laboratorio Sivu 9 Esimerkki LM 0-6 Nyt oletetaa kaavassa vääristyeeksi pulssimuodoksi TC (t) = 0 (t) + a 0 (t - T) (Esimerkistä 7-). Nyt kaava o kaksitappie FIR ja se teospektri o ( + αz )( + αz) S() z = σ( + α ) eli edellise kaava kääteisarvo. Kääteissuotime teospektri o yt muotoa S z = + α () σ ( + αz )( + αz) (HUOM! Kirja kaavassa merkkivire!) Koia variassi o: N0 α σv = N S + 0 () z = A σ α Eli sama kui edellä! Jotopäätökset? Napa tai olla kaavassa ytä aitallie korjaime kaalta! 0/4/97 Teletekiika laboratorio Sivu 0

Päätöstakaisikytketty korjai Edellä tarkasteltii lieaarista ollaapakottavaa korjaita. Se perusogelma o koiavavistus joka jotuu tarvittavasta kääteissiirtofuktiosta (rekursiivie osa) Uude raketee löytämiseksi muokataa rekursiivista osaa seuraavasti: = G () z ( G ()) z Tämä voidaa toteuttaa takaisikytketäraketeella joka takaisikytketäsilmukassa o siirtofuktio (-G (z)). Modifioitu rakee o esitetty Kuvassa 0-4a: 0/4/97 Teletekiika laboratorio Sivu...Päätöstakaisikytketty korjai LM Kuva 0-4(a,b): Päätöstakaisikytkety korjaime joto k G (z) -G (z) k G (z) -G (z) 0/4/97 Teletekiika laboratorio Sivu

...Päätöstakaisikytketty korjai precursor ISI ρ (k) - 0 k postcursor ISI g,k - 0 postcursor ISI k Kuva 0-4a rakeetta voidaa tulkita ii että esimmäie loko suodattaa tulevia symboliäytteitä ja poistaa iistä ISIä (precursor ISI, esi-isi ). Jälkimmäie loko poistaa vaoje symbolie aieuttamaa ISIä (postcursor ISI, jälki- ISI ) - ja vavistaa samalla koiaa! 0/4/97 Teletekiika laboratorio Sivu 3...Päätöstakaisikytketty korjai Postcursor-osa perustaa ISI poisto precursor-osa atamii pemeisii päätöksii jotka sisältävät koiaa => kokeillaa päätökseteo varetamista takaisikytketäsilmuka sisälle! Rakee o stabiili ja kausaalie koska G (z) o miimivaieie (ku ei ollia yksikköympyrällä). Ei viiveetötä takaisikytketäsilmukkaa, koska G (z) o mooie ja (- G (z)) sisältää site aia yde viivee 0/4/97 Teletekiika laboratorio Sivu 4

...Päätöstakaisikytketty korjai Saatu rakee o päätöstakaisikytketty korjai (Decisio- Feedback Equalizer, DFE), joka perusidea esitti Austi 967 (ks. Kuva 0-4b) DFE-ZF: toimita: Koiato tapaus: ei muutosta li. korjaime toimitaa Koiaie tapaus: päätökseteko leikkaa koia ja elimioi se vavistumise takaisikytketäsilmukassa 0/4/97 Teletekiika laboratorio Sivu 5...Päätöstakaisikytketty korjai DFE-raketee suorituskyky määräytyy päätökseteo iputi koiateosta, joka o sama kui precursor-osa (WMF) ulostulokoia: σ v = N A 0 DFE-korjai sijoittuu suorituskyvyltää lieaarise korjaime ja Viterbi-ilmaisime (MLSD) välii. Toteutus ei ole juuri LEkorjaita moimutkaisempi mutta suorituskyky o läellä MLSD:tä 0/4/97 Teletekiika laboratorio Sivu 6

Vireide eteemie Edellie tarkastelu pätee tarkasti ottae vai sillä oletuksella, että kaikki päätökset ovat oikeita ja takaisikytketäosa poistaa postcursor-isi ideaalisesti. Jos vireitä sattuu, vireet eteevät ja aieuttavat uusia vireitä - loputtomii????? Voidaa osoittaa (LM Appedix 0-A), että vireide eteemie loppuu aia ku tedää N (rekursio asteluku) oikeaa päätöstä peräkkäi, ja että äi tapatuu keskimääri K symboli kuluessa. K: keskimääräiseksi arvoksi voidaa jotaa N K = ( ) 0/4/97 Teletekiika laboratorio Sivu 7...Vireide eteemie Keskimääräiseksi viretodeäköisyydeksi saadaa tällöi P e N = P, 0 e eli verrattua ideaalisee tilateesee (viree eteemistä ei uomioida) viret o N -kertaie. Pieillä N: arvoilla tällä ei ole suurta merkitystä. 0/4/97 Teletekiika laboratorio Sivu 8

DFE-korjaime käyttö DFE-korjai o käytössä moissa sovelluksissa, mm. modeemeissa, koska se parataa selvästi lieaarise korjaime suorituskykyä miimaalisi lisäkustauksi. Ku vireide eteemie voidaa pitää kurissa (riittävä lyyt rekursiosuodati ja piei viret), se käyttö o varteeotettava vaitoeto. O kuiteki syytä uomata, että DFE vaatii välittömät päätökset takaisikytketäsilmukassa. Tämä estää käytäöllisesti katsoe kokoaa vireekorjaava koodaukse käytö, sillä koodaukse purku vaatii yleesä usea symbolijakso viivee. Ku DFE:tä käytetää, pitää siis pitää uoli siitä että sillä aikaasaatu symboliviret o riittävä - koodauksella sitä ei eää voi parataa. 0/4/97 Teletekiika laboratorio Sivu 9 Tomliso-Harasima -esikoodaus Ilma vireide eteemistä ja koodausogelmia DFE olisi iateellie korjai. Mite ämä ogelmat voitaisii poistaa? Ratkaisu: siirretää rekursiivie osa läettimee jossa o vireetö tieto läetettävistä symboleista (LM Fig. 0-9a): k G (z) -G (z) 0/4/97 Teletekiika laboratorio Sivu 30

TH -esikoodaukse edut Esikoodaukse etuja: Ku oletetaa WMF-esiaste, vastaaottime päätökseteossa koia o valkoista ja koiavavistus o poissa. Tämä jotuu siitä että tarvittava sigaali esikorostus tedää jo läettimessä ee kui koia summautuu kaavaa Ei vireide eteemistä => pieempi viret kui DFE:llä Uusia ogelmia: Esikorjaime kertoimet (jotka riippuvat kaavasta) o estimoitava vastaaottimessa ja läetettävä läettimee Esisuodatus yleesä kasvattaa sigaali amplitudia => vaadittava läetysteo kasvaa! 0/4/97 Teletekiika laboratorio Sivu 3 TH -esikoodaukse toteutus TH-esikoodaukse läetysteo-ogelma voidaa ratkaista modulo-koodauksella (tarkemmi kirjassa LM ss. 460-464) TH-esikoodaus sopii käytettäväksi ku kaava muuttuu riittävä itaasti (estimoiti ja lertoimie läetys madollista) alutaa parataa DFE: suorituskykyä vireekorjaavalla koodauksella Yksi esimerkki TH-esikoodaukse soveltamisesta ovat V.34- tyyppiset pueliverko modeemit. Niissä o esikoodaukse lisäksi käytössä adaptiivie lieaarie korjai vastaaottime puolella, joka seuraa opeita kaava vaiteluita. 0/4/97 Teletekiika laboratorio Sivu 3