通信原理(1)--信息的度量,通信系统的性能指标

news2024/11/16 10:22:34

通信原理(1)–信息的度量,通信系统的性能指标

1.1通信的基本概念

  • 消息、信息与信号
  • 通信系统的组成模型
  • 数字通信的特点
  • 通信系统的分类
  • 通信的方式

1.1.1通信的发展

1.1.2消息、信息与信号

  • 消息的定义

消息是通信系统要传输的对象,包含连续消息和离散消息。连续消息:语音、温度、活动图片等;
离散消息:计算机数据、符号、文本等。

  • 信号的定义

信号是消息的电表示形式,为消息的物质/传输载体。
模拟信号:信号参量取值连续的信号;
数字信号:信号参量取值离散的信号。

  • 信息的定义

消息中蕴含的内容,原来未知而待知的内容。

  • 消息,信息和信号的关系

image-20240421144131173

  1. 信号是消息的传输载体
  2. 消息是信息的表现形式
  3. 信息是消息的内涵
  • 通信的目标

利用电信号传输消息中包含的信息,收端获得信息后,不确定性被消除。

1.2通信系统模型

1.2.1通信系统一般模型

image-20240421144534550

信源:将消息转化为电信号发出

发送设备:将原始的电信号转化为适合在信道中传输的信号

信道:能够传输信号的各种物理媒介

接收设备:与发送设备功能互逆,可能包含解调、译码等

信宿:将电信号转化为消息,收到信息

1.2.2模拟通信系统模型

image-20240421144804038

模拟电信号转化为原始电信号(基带信号)后,通过调制转化为已调信号(带通信号),传送的是模拟波形。
调制是为了让信号更适合在信道中传输,解调是调制的逆过程。

1.2.3数字通信系统模型

image-20240421144948325

信源编码:A/D转换,通过数据压缩去冗余,提高通信系统有效性

信道编码:提高系统抗干扰能力,通过加冗余提高通信系统的可靠性

数字调制:把信息加到高频载波上

数字解调:从已调信号中卸载信息

1.2.4数字通信的特点

优点:

  • 抗干扰能力强,噪声不积累;数字通信看状态,模拟通信看保真度
  • 传输差错可控:==便于处理、变换、存储;
  • 便于将来自不同信源的信号综合传输;
  • 易于集成,便于加密。

缺点:

  • 需要较大的传输带宽;
  • 对同步要求高,设备复杂

1.3通信系统分类与通信方式(大概了解)

1.3.1通信系统的分类(大概了解)

  • 按信道信号特征分类

模拟通信、数字通信

  • 按传输媒质分类

有线通信、无线通信

  • 按传输方式分类

基带传输、带通传输

  • 按通信业务分类

电话、数据、视频、图像通信等

  • 按工作波段分类

长波、中波、短波、微波、红外以及激光通信等

  • 按复用方式分类

频分、时分、码分、空分、波分复用等

同一个通信系统可分属于不同的分类。如AM广播系统属于中、短波通信系统,模拟通信系统以及带通传输系统。

1.3.2通信方式(大概了解)

1.3.2.4 按传输方向和时间划分

单工通信

发端单向传输至收端。
例:广播通信。

image-20240421150149098

半双工通信

收发可双向传输,但不能同时传输。例:对讲机。

image-20240421150203851

全双工通信

收发可双向传输,也可以同时传输。例:电话。

image-20240421150217928

1.3.2.2 按码元传输时序划分
  • 并行传输

在并行信道上同时传输n个bit信息。

优点:节省传输时间,速度快;
缺点:需要n条通信线路,成本高;

应用:设备之间近距离通信,如计算机、打印机。

image-20240421150402514

  • 串行传输

数字码元序列按时间顺序一个接一个地在一条信道中传输。

优点:只需要1条通信线路,成本低;

缺点:速度慢,需要外加同步措施;

应用:远距离通信。

image-20240421150509761

1.4信息及其度量

通信的本质是传递信息,为了定量表征信息的度量,引入自信息量的概念。事件包含的信息量是事件发生概率的函数,即:
I ( x i ) = f [ P ( x i ) ] I(x_i)=f\begin{bmatrix}P(x_i)\end{bmatrix} I(xi)=f[P(xi)]
需满足的四个性质

P ( x 1 ) > P ( x 2 ) ⇒ I ( x 1 ) < I ( x 2 ) P(x_1)>P(x_2)\Rightarrow I(x_1)<I(x_2) P(x1)>P(x2)I(x1)<I(x2)
P ( x i ) = 0 ⇒ I ( x i ) = ∞ P(x_i)=0\Rightarrow I(x_i)=\infty P(xi)=0I(xi)=
P ( x i ) = 1 ⇒ I ( x i ) = 0 P(x_i)=1\Rightarrow I(x_i)=0 P(xi)=1I(xi)=0
独立可加性: I ( x i y i ) = I ( x i ) + I ( y j ) 独立可加性:I(x_{i}y_{i})=I(x_{i})+I(y_{j}) 独立可加性:I(xiyi)=I(xi)+I(yj)

  • 概率越大,信息量越小
  • “通信原理不好学”概率越小,信息量越大
  • “买彩票中头奖”确定事件,信息量为0。“太阳东升西落”

1.4.1离散消息的信息量

自信息定义
I ( x i ) = log ⁡ a 1 P ( x i ) = − log ⁡ a P ( x i ) I(x_i)=\log_a\frac{1}{P(x_i)}=-\log_aP(x_i) I(xi)=logaP(xi)1=logaP(xi)
自信息是物 理量,有单位,取决于对数运算的底数a

  • 以2为底,单位为比特/bit(binaryunit)
  • 以e为底,单位为奈特/nat(naturalunit);
  • 以10为底,单位为哈特/hat(Hartleyunit);
  • 以M为底,单位为M进制单位。

实际中常采用以2为底的对数,即以bit作为自信息量的单位。

ps:如果不会算10为底的对数可以通过换底公式转换为2为底的公式。
l g ( x ) = l o g 2 ( x ) l o g 2 ( 10 ) lg(x) = \frac{log_{2}(x)}{log_{2}(10)} lg(x)=log2(10)log2(x)

l o g 2 ( x ) = l g ( x ) l o g 2 ( 10 ) = l g ( x ) l g ( 2 ) ≈ 3.322 ⋅ l g ( x ) log_{2}(x)=lg(x)log_{2}(10)=\frac{lg(x)}{lg(2)}\approx 3.322·lg(x) log2(x)=lg(x)log2(10)=lg(2)lg(x)3.322lg(x)

自信息量的物理意义
  • 在事件发生前:描述事件发生不确定性的大小;
  • 在事件发生后:表示该事件所含有(提供)的信息量;
  • 在理想信道中:等于收信者接收到该消息后所获取的信息量,意味着不确定度的消除。

image-20240421152930059

离散信源的平均信息量一—信息熵

信源熵定义

对于离散信源,含有M个可能的取值,其概率空间为:
[ x 1 x 2 ⋯ x M P ( x 1 ) P ( x 2 ) ⋯ P ( x M ) ] 0 ≤ P ( x i ) ≤ 1 , ∑ i = 1 M P ( x i ) = 1 \begin{bmatrix}x_1&x_2&\cdots&x_M\\P(x_1)&P(x_2)&\cdots&P(x_M)\end{bmatrix}\quad0\leq P(x_i)\leq1,\sum_{i=1}^MP(x_i)=1 [x1P(x1)x2P(x2)xMP(xM)]0P(xi)1,i=1MP(xi)=1
信源平均自信息量(熵)定义为信源中每个符号所含信息量 I ( x i ) I(x_i) I(xi)的统计平均值
H = E [ I ( x i ) ] = ∑ i = 1 M P ( x i ) I ( x i ) = ∑ i = 1 M P ( x i ) log ⁡ 1 P ( x i ) H=E\left[I(x_{i})\right]=\sum_{i=1}^{M}P(x_{i})I(x_{i})=\sum_{i=1}^{M}P(x_{i})\log\frac{1}{P(x_{i})} H=E[I(xi)]=i=1MP(xi)I(xi)=i=1MP(xi)logP(xi)1
单位为:bit/符号

image-20240421153624855

此时便可以得到一个结论:等概的时候熵最大。

结论

信源内符号等概分布时,信息的熵最大。
H max ⁡ = log ⁡ 2 M H_{\max}=\log_2M Hmax=log2M
对于m个统计独立的符号构成的消息,总的信息可近似计算为:
I 总 = m ⋅ H I_\text{总}=m\cdot H I=mH
平均自信息表征信源的整体特性,定义整个信源的不确定度,又称为:信息熵/信源熵/香农熵/无条件熵/熵函数等,简称为痛。

image-20240421154304544

image-20240421154339776

1.5通信系统主要性能指标

image-20240421154415808

1.5.1有效性

码元传输速率 R b R_b Rb:传码率、符号率、波特率

定义:码元传输速率定义为每秒传送的码元个数

单位:波特(Baud,简写为B),符号/s。

计算:若每个码元时间长度为 T B T_B TB,则
R B = 1 T B R_{B}=\frac{1}{T_{B}} RB=TB1
符号率与进制数无关,与信源统计特性无关。

信息传输速率 R b R_b Rb:传信率、比特率

定义:每秒传送的bit数、即信息量,或每秒传递的二进制码元个数。

单位:bit/s,简记为b/s或bps。

R b R_b Rb R B R_B RB的关系

image-20240421155134398

常用等概时的情形,若M个符号等概分布,此时:
R b = R B ⋅ log ⁡ 2 M R_b=R_B\cdot\log_2M Rb=RBlog2M
二进制时,M=2, R b R_b Rb= R B R_B RB,符号率和比特率数值相等,但单位不等。

频带利用率

将带宽与传输速率相结合

定义:单位带宽内的传输速率。
{ η = R B B (Baud/Hz) η b = R b B (bit/s ⋅ Hz − 1 ) \begin{cases}\eta=\dfrac{R_B}{B}&\text{(Baud/Hz)}\\\\\eta_b=\dfrac{R_b}{B}&\text{(bit/s}\cdot\text{Hz}^{-1})\end{cases} η=BRBηb=BRb(Baud/Hz)(bit/sHz1)
η b = η log ⁡ 2 M η b \eta_b=\eta\log_2M\quad\eta_b ηb=ηlog2Mηb的单位也可也记为 b / ( s ⋅ H z ) 或 b p s / H z b/(s\cdot Hz)或bps/Hz b/(sHz)bps/Hz

1.5.2可靠性

误码率 P e P_e Pe(误符号率)

P e = 错误码元数 传输总码元数 = N e N P_e=\frac{\text{错误码元数}}{\text{传输总码元数}}=\frac{N_e}{N} Pe=传输总码元数错误码元数=NNe

误信率 P b P_b Pb(误比特率)

P b = 错误比特数 传输总比特数 = I e I P_b=\frac{\text{错误比特数}}{\text{传输总比特数}}=\frac{I_e}I Pb=传输总比特数错误比特数=IIe

二进制时: P e = P b 多进制( M > 2 )时: P e > P b \text{二进制时:}P_e=P_b\quad\text{多进制(}M>2\text{)时:}P_e>P_b 二进制时:Pe=Pb多进制(M>2):Pe>Pb

image-20240421155814209

image-20240421160309849

image-20240421160333256

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1612269.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

车控操作系统

车控操作系统 我是穿拖鞋的汉子&#xff0c;魔都中坚持长期主义的汽车电子工程师。 老规矩&#xff0c;分享一段喜欢的文字&#xff0c;避免自己成为高知识低文化的工程师&#xff1a; 屏蔽力是信息过载时代一个人的特殊竞争力&#xff0c;任何消耗你的人和事&#xff0c;多看…

从 Android 恢复已删除文件的 3 种简单方法

如何从 Android 恢复已删除的文件&#xff1f;毫不犹豫&#xff0c;有些人可能会认为从 Google 备份恢复 Android 文件太容易了。但是&#xff0c;如果删除的文件未同步到您的帐户或未备份怎么办&#xff1f;您错误的恢复可能会永久删除您想要的数据。因此&#xff0c;我们发布…

seatable部署之后network error【seatable】

这里写自定义目录标题 问题汇总 问题汇总 seatable服务部署后&#xff0c;组件显示正常运行&#xff0c;创建表单&#xff0c;显示Network error 点击错误信息&#xff0c;查看其跳转至另一个页面

数据结构----顺序表

在学习顺序表之前&#xff0c;我们先来了解一下数据结构。 数据是什么呢&#xff1f; 我们在生活中常见的名字&#xff0c;数字&#xff0c;性别等都属于数据。 结构又是什么呢&#xff1f; 在计算机中&#xff0c;结构就是用来保存数据的方式。 总的来说&#xff0c;数据…

【抽代复习笔记】13-群(七):变换群引理

引理&#xff1a;考虑等边三角形123—— 这个等边三角形的对称性可用(1),(12),(13),(23),(123),(132)表示&#xff0c;其中&#xff1a; (1)表示这个等边三角形绕着其中心点旋转360/720/.../360n&#xff0c;得到的图形与原图形完全重合的旋转对称变换&#xff1b; (12)表示这…

selenium_使用XPATH定位

selenium_使用XPATH定位 """需求&#xff1a;1. 使用绝对路径定位 用户名 输入 admin2. 暂停2秒钟3. 使用相对路径定位 密码框 输入 123方法&#xff1a;driver.find_element_by_xpath() """# 导包 from selenium import webdriver from time im…

Elasticsearch常用查询语法及RestClient操作

DSL Query基本语法 1&#xff0c;查询所有数据matchall&#xff08;当然并不是会显示所有数据&#xff09; #查询所有数据 GET /索引名/_search {"query": {"查询类型": {"查询条件":"条件值"}} }2&#xff0c;全文搜索检索-分词搜索…

第07-4章 网络层详解

7.1 网络层协议 IP协议ARP&#xff08;地址解析协议&#xff09;RARP&#xff08;反向地址解析协议&#xff09;ICMP&#xff08;互联网控制消息协议&#xff09; 7.2 IP协议详解 7.2.1 IP协议功能 寻址和路由传递服务&#xff08;不可靠&#xff0c;尽最大努力&#xff0c…

牛客小白月赛91 ----- Bingbong的回文路径 ---- 题解

Bingbong的回文路径&#xff1a; 题目描述&#xff1a; 思路解析&#xff1a; 现在有一棵树&#xff0c;树上每个结点上都有一个小写字母&#xff0c;那么如果唯一确定了x和y两个结点&#xff0c;那么就唯一确定了一个字符串路径&#xff08;最短路径&#xff09;。 -现在给出…

linux内核初始化成功后是如何过渡到android初始化的

Android用的linux内核&#xff0c;以完成OS该有的功能&#xff0c;例如&#xff0c;文件系统&#xff0c;网络&#xff0c;内存管理&#xff0c;进程调度&#xff0c;驱动等 &#xff0c;向下管理硬件资源向上提供系统调用。另一些Android特有驱动也放在内核之中。 当linux内核…

Vue3+TS版本Uniapp:封装uni.request请求配置

作者&#xff1a;前端小王hs 阿里云社区博客专家/清华大学出版社签约作者✍/CSDN百万访问博主/B站千粉前端up主 封装请求配置项 封装拦截器封装uni.request 封装拦截器 uniapp的封装逻辑不同于Vue3项目中直接使用axios.create()方法创建实例&#xff08;在create方法中写入请求…

ChatGPT基础(三) 让ChatGPT回答质量提高十倍的提示词模版

上篇文章介绍了ChatGPT使用提示词的一些方法策略和如何优化我们的提示词。这里呢&#xff0c;我介绍一下参照大佬的方法总结的一个提示词的一个用法的模板。使用这个模板之后&#xff0c;我们的提问和获得答案的效率和收集素材的完整度能提高很多。 首先我介绍一下这个模板&am…

实战|哈尔滨等保2.0 Linux主机测评过程之身份鉴别

一、身份鉴别 a)应对登录的用户进行身份标识和鉴别&#xff0c;身份标识具有唯一性&#xff0c;身份鉴别信息具有复杂度要求并定期更换。 输入 more /etc/shadow,得知系统所有用户&#xff0c;此语句字段格式有九段。 第一字段&#xff1a;用户名&#xff08;也被称为登录名…

Nature Communications 构筑了具备优异形状记忆功能的聚合物材料

2024年2月29日&#xff0c;华东理工大学化学与分子工程学院、费林加诺贝尔奖科学家联合研究中心曲大辉教授团队在形状记忆功能聚合物材料研究中取得新进展&#xff0c;相关研究成果发表于《自然通讯》&#xff0c;这项研究取得了在形状记忆功能聚合物材料领域的新进展。研究团队…

国内ai人工智能软件大全

很多人一直在寻找一个稳定且可靠的全球AI大模型测试平台&#xff0c;希望它不仅真实可信&#xff0c;而且能提供稳定、快速的服务&#xff0c;不会频繁出现故障或响应缓慢。迄今为止&#xff0c;我已经尝试了国内外至少10个不同的服务站点。不幸的是&#xff0c;这些站点总是存…

【UE 材质】雨滴效果

在上一篇博客&#xff08;【UE 材质】表面湿润效果&#xff09;的基础上继续实现物体表面附加雨滴的效果 效果 步骤 1. 下载所需纹理 2. 创建一个材质并打开&#xff0c;添加如下节点&#xff0c;我们将纹理的RG通道输出的值和1组成一个三维向量&#xff0c;作为基本的法线效…

Shapley量化调峰成本?高比例可再生能源电力系统的调峰成本量化与分摊模型程序代码!

前言 在能源安全、环境污染和气候变化的大背景下&#xff0c;大力发展可再生能源是应对全球气候变化&#xff0c;实现“碳达峰、碳中和”和可持续发展的重大需求。截至2020年底&#xff0c;中国风电总装机容量为281GW&#xff0c;风力发电466.5TWh&#xff0c;同比增长约15%&a…

Reddit数据API 获取reddit的帖子、评论、按关键字搜索

近期调研发现 iDataRiver平台 https://www.idatariver.com/zh-cn/ 提供开箱即用的Reddit数据采集API&#xff0c;是目前用下来最方便简单的API&#xff0c;可以抓取 reddit 公开数据&#xff0c;例如 subreddit 中的帖子、按关键字搜索以及文章评论等&#xff0c;供用户按需调用…

【算法】实验室2024第一次考核复盘

【算法】实验室2024第一次考核复盘 本篇博客将遵循从易到难的原则&#xff0c;依次解析这几道考核题目。 原题链接&#xff1a; 125. 验证回文串 - 力扣&#xff08;LeetCode&#xff09; 使用两个指针i和j分别从字符串的两端开始&#xff0c;i从左往右&#xff0c;j从右往左。…

MySQL如何避免全表扫描?

MySQL如何避免全表扫描&#xff1f; 这篇文章解释了何时以及为什么MySQL会执行全表扫描来解析查询&#xff0c;以及如何避免在大型表上进行不必要的全表扫描。 何时会发生全表扫描 MySQL使用全表扫描&#xff08;在EXPLAIN输出中的type列显示为ALL&#xff09;来解析查询的几…