Helsinki University of Technology Laboratory of Telecommunications Technology

Samankaltaiset tiedostot
Helsinki University of Technology

Helsinki University of Technology Laboratory of Telecommunications Technology

Helsinki University of Technology

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

Mat Tilastollisen analyysin perusteet, kevät 2007

DISKREETIN MATEMATIIKAN SOVELLUKSIA: KANAVA-EKVALISOINTI TIEDONSIIRROSSA. Taustaa

Kolmivaihejärjestelmän oikosulkuvirran laskemista ja vaikutuksia käsitellään standardeissa IEC-60909, , , 60781, ja

Helsinki University of Technology Laboratory of Telecommunications Technology

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

Diskreetin Matematiikan Paja Ratkaisuja viikolle 5. ( ) Jeremias Berg

Ortogonaalisuus ja projektiot

Kiinteätuottoiset arvopaperit

DEE Lineaariset järjestelmät Harjoitus 2, ratkaisuehdotukset. Johdanto differenssiyhtälöiden ratkaisemiseen

4.7 Todennäköisyysjakaumia

Helsinki University of Technology

9 Lukumäärien laskemisesta

MAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan

Helsinki University of Technology

[ ] [ 2 [ ] [ ] ( ) [ ] Tehtävä 1. ( ) ( ) ( ) ( ) ( ) ( ) 2( ) = 1. E v k 1( ) R E[ v k v k ] E e k e k e k e k. e k e k e k e k.

tasapainotila saavutetaan kun vuo aukon läpi on sama molempiin suuntiin

9. Ominaisarvot. Diagonalisointi

6 Lineaarisen ennustuksen sovelluksia

Luku 2. Jatkuvuus ja kompaktisuus

Projekti 5 Systeemifunktiot ja kaksiportit. Kukin ryhmistä tarkastelee piiriä eri taajuuksilla. Ryhmäni taajuus on

Miehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa

Luku 11. Jatkuvuus ja kompaktisuus

, sanotaan niiden sääntöjen ja menetelmien kokonaisuutta, joilla otos poimitaan määritellystä perusjoukosta.

q =, r = a b a = bq + r, b/2 <r b/2.

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

Digitaalinen signaalinkäsittely Signaalit, jonot

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

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

1. Ominaisarvot. Diagonalisointi

4.3 Signaalin autokorrelaatio

Ennen kuin mennään varsinaisesti tämän harjoituksen asioihin, otetaan aluksi yksi merkintätekninen juttu. Tarkastellaan differenssiyhtälöä

C (4) 1 x + C (4) 2 x 2 + C (4)

Projekti 5 Systeemifunktiot ja kaksiportit. Kukin ryhmistä tarkastelee piiriä eri taajuuksilla. Ryhmäni taajuus on

Luento 5. tietoverkkotekniikan laitos

Tehtävä 11 : 1. Tehtävä 11 : 2

Tehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1

SYMBOLIVIRHETODENNÄKÖISYYDESTÄ BITTIVIRHETODENNÄKÖISYYTEEN

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

(1 + i) + JA. t=1. t=1. (1 + i) n (1 + i) n. = H + k (1 + i)n 1 i(1 + i) n + JA

8. Ortogonaaliprojektiot

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat

i ni 9 = 84. Todennäköisin partitio on partitio k = 6, k k

Tämä merkitsee geometrisesti, että funktioiden f

Laskennallisen kombinatoriikan perusongelmia

DEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

Luento 8. Suodattimien käyttötarkoitus

2 Taylor-polynomit ja -sarjat

Yleinen lineaarinen malli. Yleinen lineaarinen malli. Yleinen lineaarinen malli: Mitä opimme? 2/4. Yleinen lineaarinen malli: Mitä opimme?

Todennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali

V. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M

S Piirianalyysi 2 1. Välikoe

Differentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /

Mat Tilastollisen analyysin perusteet, kevät 2007

Talousmatematiikan verkkokurssi. Koronkorkolaskut

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:

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

Matematiikan tukikurssi

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

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

3. Markovin prosessit ja vahva Markovin ominaisuus

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

Eksponenttifunktio. Johdanto. Määritelmä. Pekka Alestalo Matematiikan ja systeemianalyysin laitos Aalto-yliopisto

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

Uudelleenpainotus ja imputointi Perusteita

EX1 EX 2 EX =

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

MS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I

Helsinki University of Technology

Otantajakauman käyttö päättelyssä

Osa 2: Otokset, otosjakaumat ja estimointi

Tehtäviä neliöiden ei-negatiivisuudesta

Helsinki University of Technology

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

Luento 6 Luotettavuus Koherentit järjestelmät

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

3 10 ei ole rationaaliluku.

TLT-5400 DIGITAALINEN SIIRTOTEKNIIKKA

MS-A0402 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I

± r = 1e 2 2 ±

Luento 7. LTI-järjestelmät

Luento 5. Diskreetti Fourier muunnos (DFT)

Mat Tilastollisen analyysin perusteet, kevät 2007

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johdatus lukuteoriaan Harjoitus 1 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

Luento 7 Luotettavuus Koherentit järjestelmät

Koska elektronin oletetaan olevan perustilassa sen ionisaatioenergia on 13,6 ev:

HARMONINEN VÄRÄHTELIJÄ

1 Olkoon suodattimen vaatimusmäärittely seuraava:

MS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I

Rekursioyhtälön ratkaisu ja anisogamia

5. Lineaarisen optimoinnin perusprobleemat

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

STOKASTISET DIFFERENTIAALIYHTÄLÖT 7

Sattuman matematiikkaa III

Joulukuun vaativammat valmennustehtävät ratkaisut

Transkriptio:

Helsii Uiversity of Tecology Laboratory of Telecommuicatios Tecology S-38. Sigaaliäsittely tietoliieteessä I Sigal Processig i Commuicatios ( ov) Sysy 998 4. Lueto: Kaavaorjaimet I prof. Timo Laaso Vastaaotto torstaisi lo 0- Huoe G0, pu. 45 473 Säöposti: timo.laaso@ut.fi Misi lieaarisia aavaorjaimia? Viimesi äsiteltii optimaalista sevessi vastaaottoa (MLSD) ja se (approsimatiivista) toteutusta Viterbialgoritmilla MLSD ja Viterbi ovat epälieaarisia datariippuvia algoritmeja Viterbi-algoritmi äyttö o uitei aalaa u Kaava impulssivaste o pitä (omplesisuus) Kaava muuttuu opeasti (aava estimoiti vaieaa, eiä pysy samaa sevessi pituude aja) Optimaalie lieaarie vastaaoti (orjai) o usei elpompi toteuttaa ja taaa riittävä yvä suoritusyvy 3.0.998 Teleteiia laboratorio Sivu Kaavaorjaimet Tällä lueolla tutustumise oteea ovat Lieaarie ollaapaottava orjai (liear zero-forcig equalizer, LE-ZF) Taaisiytetty ollaapaottava orjai (decisio-feedbac zero-forcig equalizer, DFE-ZF) Tomliso-Harasima -esioodaus Seuraavalla lueolla jatetaa aieea Lieaarie eliövireorjai (liear mea squared error equalizer, LE-MSE) Taaisiytetty eliövireorjai (decisio-feedbac MSE equalizer, DFE-MSE) Myöemmi tarastellaa orjaimie adaptiivisia toteutusia 3.0.998 Teleteiia laboratorio Sivu 3 Z-siirtofutioista Tarastellaa yleistä stabiilia ratioaalista z-siirtofutiota H(z) joa voi olla esim. aava disreettiaiaie malli. O usei yödyllistä esittää se seuraavalaisea ajotelmaa L H( z) = B z H ( z) H ( z) Hzero( z) ( 44. ) mi missä B o vaioerroi L o vaioviive H mi o miimivaieie teijä H max o masimivaieie teijä ja H zero sisältää ysiöympyrällä olevat ollat. max 3.0.998 Teleteiia laboratorio Sivu 4

...Z-siirtofutioista Miimivaieie teijä o muotoa M ( cz = Hmi( z) = ' c, d < ( 45. ) ( dz N = eli ollat ja avat ovat ysiöympyrä sisäpuolella. Masimivaieise teijä ollat ja avat ovat vastaavasti ysiöympyrä ulopuolella, eli I ( fz H ( max z ) = = ' f, g < ( 47. ) J ( gz = 3.0.998 Teleteiia laboratorio Sivu 5...Z-siirtofutioista ja ysiöympyräollatermi o muotoa K ( ) Hzero( z) = e z, e = ( 46. ) = Heijastettu siirtofutio: Jos sevessi z-muuos o M muotoa ( cz r = H( z) = Az ( 33. ) N dz ( = ii sevessi - * (peilattu ja ojugoitu - tämä o omplesi arvoise sevessi sovitettu suodati!) z-muuos o ( ) M cz r = H ( / z ) = Az ( 5. ) N ( dz = 3.0.998 Teleteiia laboratorio Sivu 6 3...Z-siirtofutioista Z-siirtofutiosta päästää taajuustaso esitysee (spetrii) pysymällä ysiöympyrällä z=e (ω ulmataajuus, T äyteväli): He ( ) = Hz ( ) z= e j ω T Heijastetu siirtofutio spetri saadaa suoraa ojugoimalla aluperäise sevessi spetri: H ( / z ) = H ( e ) z= e eli pätee H( z) H ( / z ) = H( e ) j T z= e ω 3.0.998 Teleteiia laboratorio Sivu 7 Teospetri siirtofutioesitys Tarastellaa amplitudiltaa ormaalijaautuutta mutta värillistä oiaa jolla o (z-taso) teospetri S (z). Teospetri o aia ei-egatiivie ysiöympyrällä z=e jω : S ( e ) = H( e ) z-taso teospetri voidaa aia esittää ajotelmaa S ( z) = A G ( z) G ( / z ) missä A o saalausvaio ja G (z) o miimivaieie: ( cz = G ( z) = ' c, d < ( dz = 3.0.998 Teleteiia laboratorio Sivu 8 4

Värillie oia Teospetri muoaus G (z) o lisäsi mooie, eli se sarjaeitelmä termi z -0 erroi o saalattu yösesi G (z): avat ja ollat ovat ysiöympyrä sisällä ja suodita vastaava stabiili impulssivaste o ausaalie. G * (/z * ): stabiili impulssivaste o tämä peiliuva ja siis atiausaalie. Ysiöympyrällä pätee lisäsi jω jω S ( e ) = A G ( e ) Oletetaa että ollia ei ole ysiöympyrällä. Tällöi myös /G (z) o ausaalie ja stabiili. 3.0.998 Teleteiia laboratorio Sivu 9 x H(z) Ku disreetti sigaali x (teospetri S x (z) ) suodatetaa lieaarisella suotimella H(z) (impulssivaste, suotime ulostulo spetri o Sy( z) = H( z) H ( / z ) Sx( z) Sy ( e ) = H( e ) Sx ( e ) Ku alutaa muoata sigaali teospetriä, o löydettävä (joi) siirtofutio H(z) joa jotaa aluttuu spetrii Lyeysmeritä: H( z) H ( / z ) H( z) 3.0.998 Teleteiia laboratorio Sivu 0 y 5 Valaiseva suodati Suoritetaa edellä äsitelly värillise oiasevessi valaisu: Suodatetaa miimivaieisella teijällä /A G :lla Suodatetu oia teospetrisi saadaa S S ( e ) ( e ) = S e j T ( ) = = ω e j T ( ) ω ( e ) Spetri o siis vaio eli oia o valoista, iiui pitii Myös masimivaieisella teijällä suodattamie ataa sama teospetri, osa teospetri ei uomioi sigaali vaietta. 3.0.998 Teleteiia laboratorio Sivu x(t)=a δ(t-t s ) TC (t) Valaistu sovitettu suodati (WMF) (t) y(t) MF R (t)= TC (-t) t=t s z(t) Sovitetu suotime (MF) ulostulooia valaisu: Koia teospetri o TC S ( z) = H ( z) S ( z) = A G ( z) G ( / z ) N * ( / z) Suodatetaa masimivaieteijä ääteissiirtofutiolla (syy orjaitoteutusessa, palataa myöemmi!) WF = ( / z ) 3.0.998 Teleteiia laboratorio Sivu 0 WF 6

Nollaapaottava orjai Nollaapaottava orjaime idea o ysiertaie: valitaa sellaie vastaaottosuodati joa umoaa aava aieuttama lieaarise vääristymä ja paottaa esiäisvaiutuse ollasi Suodattimessa voidaa äyttää WMF-suodita esiasteea, tai olla äyttämättä. Katsotaa molemmat tapauset. Oletuset: disreetti sigaali (äytteytys symbolitaajuudella) evivaletti disreetti aava o ausaalie evivaletti disreetti oia o valoista Gaussi oiaa 3.0.998 Teleteiia laboratorio Sivu 3...Nollaapaottava orjai (t) WMF * ( / z) TC (t) R (t)= TC (-t) t=t s x(t)=a δ(t-t s ) y(t) z(t) S () z Kuva raee (LM 0-3: muaa) sisältää ydistety läetys- ja aavasuotime TC (t) = T (t)*c(t) AWGN-oialätee (t) sovitetu suotime R (t) = TC (-t) (reaaliarvoie!) disreeti valaisusuotime / A G * (/z * ) aavaorjaime jäliosa / G (z) G( z) 3.0.998 Teleteiia laboratorio Sivu 4 7...Nollaapaottava orjai...nollaapaottava orjai (t) TC (t) t=t s /H TC (z) H z TC( ) x(t)=a δ(t-t s ) y(t) Korjai x =a δ Edellie uva o seava, osa WMF-esiaste moimutaistaa asioita! Tässä ysiertaisempi raeeuva, jossa o: ydistetty läetys- ja aavasuodi TC (t) = T (t)*c(t) AWGN-oialäde (t) aavaorjai /H TC (z), joa o äytteistety läetys- ja aavasuotime ääteissuodi Molemmat edelliset osittai jatuva-aiaiset järjestelmämallit voidaa pelistää ylläoleva disreettii mallii (modifioitu uvasta LM 0-3) joa sisältää disreeti AWGN-oialätee oiavärjäyssuotime /H TC (z), joa o suoraa orjaime siirtofutio 3.0.998 Teleteiia laboratorio Sivu 5 3.0.998 Teleteiia laboratorio Sivu 6 8

Nollaapaotusorjaime omiaisuusia Korjaime lädössä sigaaliäytteet ovat samat ui läettimessä (ei ISIä). Koiaspetri o sesijaa muuttuut: N0 N0 SV () z = = S () z H () z (Huom. tässä reaaliarvoie oia toisi ui irjassa => aoe äviää) Mitä tapatuu u läeti-aava taajuusvasteessa o ollia (tai muute vai voimaasta vaimeusta)? Lieaarise ollaapaottava orjaime ogelma o juuri oia vavistumie TC Esimeri LM 0-5 Tarastellaa jatuva-aiaista vastaaotettua pulssia at () t = σ ae u() t TC (Esimeristä 7-0). Disreeti sevessi autoorrelaatiofutiosi saadaa ρ ( ) = σ α, α = e Tämä z-muuosella saadaa pulssi teospetrisi σ ( α ) S() z = HTC() z = ( αz )( αz) at 3.0.998 Teleteiia laboratorio Sivu 7 3.0.998 Teleteiia laboratorio Sivu 8 9...Esimeri LM 0-5 Kääteissuotime teospetri o siis S z z z z z = = + ( α )( α ) α α( () + ) σ ( α ) σ ( α ) 3.0.998 Teleteiia laboratorio Sivu 9 ( 0. 3) Koia variassi saadaa teospetri itegraalia (= aritm. esiarvo!) N 0 + α σ v = N0 S ( z) = A σ α Mitä tapatuu u parametri α läestyy yöstä? Esimeri LM 0-6 Nyt oletetaa aavassa vääristyeesi pulssimuodosi TC (t) = 0 (t) + α 0 (t - T) (Esimeristä 7-; pulssi 0 (t) eergia = σ 0 ). Nyt aava o asitappie FIR ja se teospetri o ( + αz )( + αz) S () z = σ ( + α ) eli edellise aava ääteisarvo. Kääteissuotime teospetri o yt muotoa S z = + α () σ ( + αz )( + αz) (HUOM! Kirja aavassa merivire!) Koia variassi o: N 0 + α σv = N0 S () z = A σ α Eli sama ui edellä! Jotopäätöset? Napa tai olla aavassa ytä aitallie orjaime aalta! 3.0.998 Teleteiia laboratorio Sivu 0 0

Päätöstaaisiytetty orjai Edellä tarasteltii lieaarista ollaapaottavaa orjaita. Se perusogelma o oiavavistus joa jotuu tarvittavasta ääteissiirtofutiosta (reursiivie osa) Uude orjairaetee löytämisesi muoataa WMF: jäleistä osaa seuraavasti: = G () z ( G ()) z...päätöstaaisiytetty orjai LM Kuva 0-4(a,b): Päätöstaaisiytety orjaime joto (Huom! G (z) sis. läetyspulssi, aava ja WMF:, Kuva 0-3) G (z) G (z) z -G (z) Tämä voidaa toteuttaa taaisiytetäraeteella joa taaisiytetäsilmuassa o siirtofutio (-G (z)). Modifioitu raee o esitetty Kuvassa 0-4a: TC(t) MF R(t)= TC(-t) WF * (/ z) -G (z) postursoriorjai 3.0.998 Teleteiia laboratorio Sivu preursoriorjai 3.0.998 Teleteiia laboratorio Sivu...Päätöstaaisiytetty orjai Pulssimuodot ed. uva raeteessa ) MF: jälee: ) WF: jälee: - 0 ρ () precursor ISI postcursor ISI postcursor ISI Kuva 0-4 raeteessa voidaa erottaa preursori- ja postursorisuodati. Preursori suodattaa tulevia symboliäytteitä ja poistaa iistä ISIä (precursor ISI, esi- ISI ), u taas postursori poistaa vaoje symbolie aieuttamaa ISIä (postcursor ISI, jäli-isi ) - ja vavistaa samalla oiaa! 3.0.998 Teleteiia laboratorio Sivu 3 g, - 0...Päätöstaaisiytetty orjai Preursori ( = valaisusuodati) ompesoi ei-ausaalise osa pulssi vasteesta, se taia se o masimivaieie Postursori perustaa ISI poisto preorsori atamii pemeisii päätösii jota sisältävät oiaa => oeillaa päätöseteo varetamista taaisiytetäsilmua sisälle! Raee o stabiili ja ausaalie osa G (z) o miimivaieie (u ei ollia ysiöympyrällä). Ei viiveetötä taaisiytetäsilmuaa, osa G (z) o mooie ja (- G (z)) sisältää site aia yde viivee 3.0.998 Teleteiia laboratorio Sivu 4

...Päätöstaaisiytetty orjai Saatu raee o päätöstaaisiytetty orjai (Decisio- Feedbac Equalizer, DFE), joa perusidea esitti Austi 967 (s. Kuva 0-4b) DFE-ZF: toimita: Koiato tapaus: ei muutosta li. orjaime toimitaa Koiaie tapaus: päätöseteo leiaa oia ja elimioi se vavistumise taaisiytetäsilmuassa...päätöstaaisiytetty orjai DFE-raetee suoritusyy määräytyy päätöseteo iputi oiateosta, joa o sama ui precursor-osa (WMF) ulostulooia: σ v = N A 0 DFE-orjai sijoittuu suoritusyvyltää lieaarise orjaime ja Viterbi-ilmaisime (MLSD) välii. Toteutus ei ole juuri LEorjaita moimutaisempi mutta suoritusyy o läellä MLSD:tä 3.0.998 Teleteiia laboratorio Sivu 5 3.0.998 Teleteiia laboratorio Sivu 6 3 Vireide eteemie Edellie tarastelu pätee tarasti ottae vai sillä oletusella, että aii päätöset ovat oieita ja taaisiytetäosa 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 u tedää N (reursio asteluu) oieaa päätöstä perääi, ja että äi tapatuu esimääri K symboli uluessa. K: esimääräisesi arvosi voidaa jotaa N K = ( )...Vireide eteemie Kesimääräisesi viretodeäöisyydesi saadaa tällöi N Pe = Pe, 0 eli verrattua ideaalisee tilateesee (viree eteemistä ei uomioida) viret o N -ertaie. Pieillä N: arvoilla tällä ei ole suurta meritystä. 3.0.998 Teleteiia laboratorio Sivu 7 3.0.998 Teleteiia laboratorio Sivu 8 4

DFE-orjaime äyttö DFE-orjai o äytössä moissa sovellusissa, mm. modeemeissa, osa se parataa selvästi lieaarise orjaime suoritusyyä miimaalisi lisäustausi. Ku vireide eteemie voidaa pitää urissa (riittävä lyyt reursiosuodati ja piei viret), se äyttö o varteeotettava vaitoeto. O uitei syytä uomata, että DFE vaatii välittömät päätöset taaisiytetäsilmuassa. Tämä estää äytäöllisesti atsoe ooaa vireeorjaava oodause äytö, sillä oodause puru vaatii yleesä usea symbolijaso viivee. Ku DFE:tä äytetää, o siis pidettävä uoli siitä että aiaasaatu symboliviret o riittävä piei - oodausella sitä ei eää voi parataa. Tomliso-Harasima -esioodaus Ilma vireide eteemistä ja oodausogelmia DFE olisi iateellie orjai. Mite ämä ogelmat voitaisii poistaa? Rataisu: siirretää reursiivie osa läettimee jossa o vireetö tieto läetettävistä symboleista (LM Fig. 0-9a): -G (z) G (z) 3.0.998 Teleteiia laboratorio Sivu 9 3.0.998 Teleteiia laboratorio Sivu 30 5 TH -esioodause edut Esioodause etuja: Ku oletetaa WMF-esiaste, vastaaottime päätöseteossa oia o valoista ja oiavavistus o poissa. Tämä jotuu siitä että tarvittava sigaali esiorostus tedää jo läettimessä ee ui oia summautuu aavaa Ei vireide eteemistä => pieempi viret ui DFE:llä Uusia ogelmia: Esiorjaime ertoimet (jota riippuvat aavasta) o estimoitava vastaaottimessa ja läetettävä läettimee Esisuodatus yleesä asvattaa sigaali amplitudia => vaadittava läetysteo asvaa! TH -esioodause toteutus TH-esioodause läetysteo-ogelma voidaa rataista modulo-oodausella (taremmi irjassa LM ss. 460-464) TH-esioodaus sopii äytettäväsi u aava muuttuu riittävä itaasti (estimoiti ja ertoimie läetys madollista) alutaa parataa DFE: suoritusyyä vireeorjaavalla oodausella Ysi esimeri TH-esioodause soveltamisesta ovat V.34- tyyppiset puelivero modeemit. Niissä o esioodause lisäsi äytössä adaptiivie lieaarie orjai vastaaottime puolella, joa seuraa opeita aava vaiteluita. 3.0.998 Teleteiia laboratorio Sivu 3 3.0.998 Teleteiia laboratorio Sivu 3 6