Helsinki University of Technology

Samankaltaiset tiedostot
Helsinki University of Technology Laboratory of Telecommunications Technology

Helsinki University of Technology

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

Helsinki University of Technology

Solmu 3/ toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)

Digitaalinen signaalinkäsittely Signaalit, jonot

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

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

4.3 Signaalin autokorrelaatio

Noora Nieminen. Hölderin epäyhtälö

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1

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

Helsinki University of Technology Laboratory of Telecommunications Technology

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

5. Lineaarisen optimoinnin perusprobleemat

Markov-ketjun hetkittäinen käyttäytyminen

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

Matematiikan tukikurssi

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:

ELEC-C7230 Tietoliikenteen siirtomenetelmät

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

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)

S Elektroniset mittaukset ja elektroniikan häiriökysymykset 2 ov. Kurssin aihealue

Numeeriset menetelmät

EPÄKOHERENTIT BINÄÄRISET MODULAATIOT JA NIIDEN VIRHETODENNÄKÖISYYDET

Matematiikan tukikurssi

Diskreettiaikainen dynaaminen optimointi

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

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Laaja matematiikka 2 Kertaustehtäviä Viikko 17/ 2005

j = I A = 108 A m 2. (1) u kg m m 3, (2) v =

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

Insinöörimatematiikka IA

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

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

Signaalit ja järjestelmät aika- ja taajuusalueissa

SIGNAALITEORIAN KERTAUSTA 1

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

S Laskennallinen systeemibiologia

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

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

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

Satunnaismuuttujien muunnokset ja niiden jakaumat

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0,

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Osa 2: Otokset, otosjakaumat ja estimointi

N:o Liite 1. Staattisen magneettikentän (0 Hz) vuontiheyden suositusarvo.

1. Oletetaan, että protonin ja elektronin välinen vetovoima on verrannollinen suureeseen r eikä etäisyyden neliön käänteisarvoon

λ x = 0,100 nm, Eγ = 0,662 MeV, θ = 90. λ λ+ λ missä ave tarkoittaa aikakeskiarvoa.

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

Helsinki University of Technology

Esimerkki 1 Ratkaise differentiaaliyhtälö

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

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

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

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Luento 8. Suodattimien käyttötarkoitus

W Hz. kohinageneraattori. H(f) W Hz. W Hz. ELEC-A7200 Signaalit ja järjestelmät Laskuharjoitukset. LASKUHARJOITUS 5 Sivu 1/7

Tehtäviä neliöiden ei-negatiivisuudesta

F {f(t)} ˆf(ω) = 1. F { f (n)} = (iω) n F {f}. (11) BM20A INTEGRAALIMUUNNOKSET Harjoitus 10, viikko 46/2015. Fourier-integraali:

tilavuudessa dr dk hetkellä t olevien elektronien

Mat Dynaaminen optimointi, mallivastaukset, kierros Johdetaan ensiksi välttämättömät ehdot diskreettiaikaiselle optimisäätötehtävälle.

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

1 Eksponenttifunktion määritelmä

Markov-ketjun hetkittäinen käyttäytyminen

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

1 Vastaa seuraaviin. b) Taajuusvasteen

Mat Lineaarinen ohjelmointi

Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.

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

3 b) Määritä paljonko on cos. Ilmoita tarkka arvo ja perustele vastauksesi! c) Muunna asteiksi 2,5 radiaania. 6p

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.

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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?

Kohinan ominaisuuksia

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Rekursioyhtälön ratkaisu ja anisogamia

EX1 EX 2 EX =

y + 4y = 0 (1) λ = 0

Aritmeettinen jono

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

117 = 27 + (11 1) d = 90 :10. Yhdeksäs termi a. Vastaus: Yhdeksäs jäsen on 99.

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

S Signaalit ja järjestelmät

Klassisen fysiikan ja kvanttimekaniikan yhteys

Laplace-muunnos: määritelmä

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Transkriptio:

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. Timo Laakso Vastaaotto torstaisi klo 0- Huoe G0, puh. 45 473 Sähköposti: timo.laakso@hut.fi Notaatiosta Merkitää ei-egatiivise reaaliarvoise fuktio aritmeettista keskiarvoa: f f ( x) dx (. ) AX, X 0 3 X missä itseisarvo o jouko X kokoaismitta (yl. itegroitiväli pituus). Vastaavasti määritellää geometrie keskiarvo: f exp log e[ f ( x) ] dx (. ), X 0 4 X GX Voidaa osoittaa, että aia pätee f f ( 0. 7),, G X A X /4/97 Teletekiika laboratorio Sivu

ISI ja kaava kapasiteetti (LM 0.5) Aikaaa todettii jatkuva-aikaise kaistarajoitetu Gaussi kaava kapasiteetiksi C Wlog ( + SNR) bit/s missä W o (yksipuolie) kaistaleveys ja SNR o keskimääräise sigaaliteho ja kohiateho suhde. Tulos pätee kuiteki vai olettae, että kohia o taajuussisällöltää valkoista (kaistalla W) kaava ei aiheuta taajuusselektiivistä vaimeusta (josta seuraa ISIä!) Seuraavaksi tarkastellaa yleistä lieaarista kaavaa värillisessä Gaussi kohiassa. Tämä tulos o tärkeä, sillä se kertoo rajat adaptiiviste korjaimie suorituskyvylle. /4/97 Teletekiika laboratorio Sivu 3 Vedekaatoteoreema (LM 0.5.) Tarkastellaa Kuva 0-9 lieaarista jatkuva-aikaista kaavamallia: x(t) H(jπf) Σ y(t) (t) Otetaa kaavasta kapea taajuussiivu f taajuudelta f 0. Merkitää: S x (jπ f 0 ) sigaali tehospektri taajuudella f 0 S (jπ f 0 ) kohia tehospektri taajuudella f 0 H(jπ f 0 ) kaava vaste taajuudella f 0 /4/97 Teletekiika laboratorio Sivu 4

...Vedekaatoteoreema Oletetaa lisäksi että kokoaisteho P s o rajoitettu. Lähetyssigaali x(t) spektri S x (jπ f 0 ) halutaa valita ii että saavutetaa maksimikapasiteetti. Koska kapea taajuussiivu voidaa olettaa valkoise Gaussi kohia kaavaksi, siivu kapasiteetiksi saadaa Sx( j f ) H( j f ) f C( j f ) f log π 0 π 0 π 0 + S( jπf0) f Sx( jπf0) H( jπf0) f log + ( 006. ) S ( jπf ) 0 /4/97 Teletekiika laboratorio Sivu 5...Vedekaatoteoreema Raja-arvoprosessilla ja itegroimalla koko taajuusaluee yli saadaa kokoaiskapasiteetti: Sx ( jπf ) H( jπf ) C log + df 0 S ( jπf ) Sx H log + df ( 007. ) S Määritetää yt optimaalie sigaali tehospektri site että kapasiteetti maksimoituu. Kokoaisteho o rajoitettu (ja positiivie!): Ps Sxdf, Sx > 0 ( 008. ) /4/97 Teletekiika laboratorio Sivu 6

...Vedekaatoteoreema Rajoitettu optimoitiprobleema voidaa muotoilla Lagrage kertoja avulla seuraavasti: Maksimoidaa fuktio ( ) gs ( x, λ) log + Sx H / S df+ λ Ps Sdf x [ ( ) λ ] log + S H / S S df + λp ( 009. ) x x s Optimi löytyy derivaattoje ollakohdasta: g S l + S H / S H S x x g Ps Sxdf λ 0 λ df 0 /4/97 Teletekiika laboratorio Sivu 7...Vedekaatoteoreema Ratkaisu saadaa muotoo S L, f Sx H 0, muutoi ( 00. ) missä L /lλ (kirjassa paiovirhe!) valitaa kokoaisteho P s mukaa ja o se taajuusalue jossa saatu S x o positiivie. Tätä tulosta havaiollistaa Kuva 0-0: S ( N jπf ) H( jπf ) L Area P s /4/97 Teletekiika laboratorio Sivu 8 f

...Vedekaatoteoreema Kuvassa o esitetty kaava amplitudivasteella ormalisoitu kohia tehospektri Kuvasta ähdää että lähetystehoa kaattaa käyttää eite taajuuksilla joissa kohiatehotiheys o piei kaava vaste o suuri (piei vaimeus) Kokoaisteho saadaa itegroimalla L: ja ormalisoidu spektri välie alue: Ps Sxdf L S H df /4/97 Teletekiika laboratorio Sivu 9 Kapasiteetti ja keskiarvot (LM 0.5.3) Edellä johdetuissa kaavoissa jäi ratkaisematta Lagrage kertoja λ (tai siitä riippuva parametri L) jotka riippuvat kokoaistehosta. Se ratkaistaa seuraavaksi. Näi kapasiteetti saadaa pelkästää kaavaparametreista riippuvaa muotoo. Kaavasta (0.0) saadaa itegroimalla Ps Sdf L S x H S L S / H ( 09. ) x A df A /4/97 Teletekiika laboratorio Sivu 0

...Kapasiteetti ja keskiarvot Sijoittamalla tämä kapasiteeti lausekkeesee (0.9) saadaa C log + L S H H S df LH log df ( 030. ) S ja edellee käyttämällä geometrise keskiarvo omiaisuutta log H log ( Hdf ) ( 0. 5) G /4/97 Teletekiika laboratorio Sivu...Kapasiteetti ja keskiarvot Saadaa LH L C log log S S H G / Ratkaistaa L (0.9):stä ja sijoitetaa C Ps / + S / H log S / H G A G bit / s ( 03. ) ( 03. ) Tämä o yleie lieaarise kaava kapasiteetti joka sisältää siis myös ISI vaikutukse. Se kertoo, mihi asti adaptiivisilla korjaimilla, kaavakoodauksella yms. kosteilla voidaa kaava kapasiteettia korkeitaa ostaa. /4/97 Teletekiika laboratorio Sivu

Esimerkki 0-6 Ku kohia S N 0 o valkoista, kapasiteetiksi saadaa missä C SNR + H A log bit / s (0.33) H G ( ) SNR P / N0 S Edellee, jos kaava o H, kaava redusoituu Shaoi perusmuotoo C SNR + log Wlog( + SNR) bit / s missä W o kaksipuolie kaistaleveys. /4/97 Teletekiika laboratorio Sivu 3 Esimerkki: IR- ja IIR-kaava kapasiteetti. Tarkastellaa. astee diskreettiä kaavamallia joka sisältää joko yhde olla tai ava joka säde o c 0.99. Vastaava kaava kapasiteetti eri sigaalikohiasuhteilla (valkoista Gaussi kohiaa) äkyy Kuvissa 0-4 ja 0-5. Miltäs äyttää? Mistä erot johtuvat? Capacity 0 Ideal Capacity 0 Ideal 5 ISI 5 ISI 0 0 SNR (db) SNR (db) -0 0 0 0 30-0 0 0 0 30 Kuva 0-4: IR-kaava Kuva 0-5: IIR-kaava /4/97 Teletekiika laboratorio Sivu 4

ODM-järjestelmät Yksi tapa käyttää tehokkaasti lieaarista kaavaa o s. ODM-tekiikka (Orthogoal requecy Divisio Multiplex) joka o moikatoaaltojärjestelmä. Seuraavassa johdetaa esi yleie korrelaattorivastaaotirakee ortogoaalisille moipulssijärjestelmille ja sitte tarkastellaa ODM: toteutusta erikoistapauksea. /4/97 Teletekiika laboratorio Sivu 5 Sovitettu suodi ja korrelaattori Vastaaottosuotime ja äytteeoto lähtösigaali: q0 y( τ) f ( t τ) dτ 0 y( τ) f ( τ) dτ ( 69. ) t Ku vastaaottosuodi o sovitettu, f(t) h(-t), saadaa q0 y( τ) h( τ) dτ joka voidaa toteuttaa korrelaatioraketeella. Tätä korrelaatiovastaaottime ideaa voidaa soveltaa moissa käytäö järjestelmissä jotka perustuvat usea lähetyspulssi käyttöö (mm. hajaspektri- ja moikatoaaltojärjestelmät). /4/97 Teletekiika laboratorio Sivu 6

Ortogoaalie moipulssimodulaatio Pulssiamplitudimodulaatiossa symbolit kerrotaa yhdellä valitulla pulssimuodolla g(t) ja lähetetää kaavaa yksi kerrallaa: st () agt k ( kt) (. 6) k Tämä voidaa yleistää tapauksee jossa kutaki N symbolia vastaa oma pulssimuoto, g (t), 0,,.., N-: st () ga ( t kt) (. 63) k k /4/97 Teletekiika laboratorio Sivu 7...Ortogoaalie moipulssimodulaatio Jotta pulssit ovat erotettavissa vastaaottimessa, vaaditaa ortogoaalisuus (+ ormalisoidaa tehot): saadaa ortogoaalie moipulssimodulaatio: gi() t gj *() t dt σδ g i j (. 64) /4/97 Teletekiika laboratorio Sivu 8

Korrelaatiovastaaoti moipulssimodulaatiolle Kuva 6-35: r(t) X h 0 (t) X h (t) X h N- (t) /4/97 Teletekiika laboratorio Sivu 9 K 0 K K N- Tarkastellaa järjestelmää jossa lähetetää yksi N pulssista, h (t) 0,,, N-, jotka ovat ortogoaalisia, eli Select largest hi() t hj *() t dt σ hδi j (. 68) ^...Korrelaatiovastaaoti moipulssimodulaatiolle Vastaaotettu sigaali o siis muotoa yt () h() t + t () (. 69) Korrelaatiovastaaoti muodostaa N ristikorrelaatiotermiä K h() tytdt () h() th() tdt+ h() ttdt () (. 60) i i i i Ortogoaalisuusehdo mukaa vai K poikkeaa kohiasta. /4/97 Teletekiika laboratorio Sivu 0

CDMA-järjestelmä Code Divisio Multiple Access (CDMA) eli koodijakomoikäyttöjärjestelmä Perustuu ortogoaalisii (tai lähes) biäärisekvesseihi Eri käyttäjät käyttävät samaa taajuusaluetta (esim. kuparijohtoa, koaksiaalikaapelia, radio- tai optista kaavaa - jopa siirtoa sähköverkossa o tutkittu!) Lähettime periaate (Kuva 6-56): Bits Coder a k,0 g 0 (t) Bits Coder a k, g (t) Σ s(t) Bits Coder a k,n- g N- (t) /4/97 Teletekiika laboratorio Sivu Moikatoaaltojärjestelmät Orthogoal requecy Divisio Multiplex (ODM), Discrete Multitoe (DMT) Valitaa pulssimuodot seuraavasti: g t T e j t () ω c w () t (. 667) missä w(t) o symboli mittaie suorakaide ja taajuudet valitaa ω c π, 0,,..., N ( 668. ) T /4/97 Teletekiika laboratorio Sivu

Diskreettiaikaie toteutus: g...moikatoaaltojärjestelmät N e π w N k, 0,,..., ( 670. ) ( ) j k/ N k Tässä yksi symboli o N äyttee pituie. Yksi pulssi saadaa symboliarvoilla paiotettua kombiaatioa: s ( ) k N N 0 jπk/ N a e w 0, k ( 67. ) /4/97 Teletekiika laboratorio Sivu 3...Moikatoaaltojärjestelmät Lähettime toteutus IT: avulla (Kuva 6-54) a 0,0 s 0 K 0 IT T a 0,N- s N- K N- a 0, s k p k Σ r k q a^ k /4/97 Teletekiika laboratorio Sivu 4

...Moikatoaaltojärjestelmät Vastaaoti: Korrelaatiopakki T:llä Vastaaotetut äytteet muotoa rk sk + zk ( 673. ) Yhde korrelaattori lasketa: jπ ik/ N K r e, i,,..., N ( 674. ) i N 0 k /4/97 Teletekiika laboratorio Sivu 5 Moikatoaaltojärjestelmä etuja Kulleki katoaallolle voidaa valita oma aakkosto Sigaali tehospektri säädettävissä katoaalloittai kaava mukaa (kapasiteeti maksimoiti!) Moikäyttö: kaavia voidaa jakaa joustavasti eri käyttäjille esim. radiojärjestelmissä Kaava ekvalisoiti helppoa /4/97 Teletekiika laboratorio Sivu 6