信道的容量和复用

news2024/11/17 20:51:19

信道的极限容量

        当信道质量比较差时,输出信号的波形难以识别,此时出现的现象称为码间串扰“

在这里插入图片描述
        失真的因素有:码元传输速率,信号传输距离,噪声干扰,传输媒体质量等。
奈奎斯特准则:
        理想低通速度的最高码元传输速率为:2W Baud,理想带通信号的最高码元速率为W Baud
        其中W指的是信道带宽,Baud是指波特,即,码元/s。当一个码元携带1Bit信息时,波特率等于比特率。要提高信息传输速率,就要让一个码元能携带更多个比特信息。

        实际上信道所能传输最高的码元速率,明显低于奈奎斯特准则
        信道的极限容量还要受限于噪声:香农公式: C = W l o g 2 ( 1 + S N ) C=Wlog_2(1+\frac{S}{N}) C=Wlog2(1+NS)
        C就是信道的极限传输速率,在实际信道上所能达到的信息传输速率要比该公式的极限传输速率低不少,因为香农公式并未考虑衰减和失真等因素。
        在信号带宽一定的情况下,根据奈奎斯特准则和香农公式,要想提高信道容量,就要提高信噪比,和每个码元上携带的比特信息量。
在这里插入图片描述

信道复用技术

信道复用的基本原理

复用:在一条传输媒体上同时传输多路用户的信号
        当一条传输媒体的传输容量大于多条信道传输的总容量时,就可以通过复用技术建立多条通信信道,以便充分利用传输媒体的带宽。
在这里插入图片描述
        实现信道复用会增加通信成本,需要复用器和分用器。
频分复用:将传输信号的总频带划分为多个子频带,每个子频道作为一个通信子信道,需要隔离频带来分割。
在这里插入图片描述
        在相同的时间占用不同的频带
时分复用:
在这里插入图片描述
        如上:没有个用户使用的时隙是周期性出现的,其周期长度就是TDM帧。他是一段固定长度的时间。
        在不同的时间占用相同的频带。
波分复用:(光纤的频分复用技术)
        在一根光纤上同时传输多个频率(波长)相近的光载波信号。
基本原理:
在这里插入图片描述
码分复用(Code Division Multiplexing,CDM)
        在相同时间使用相同的频带进行通信。
原理:
        在每个比特时间划分为m个更短的时间片,称为码片。m的取值通常为64或者128。
        CDMA中的每个站点都被指派一个唯一的m比特码片序列:某个站要发送比特1,就发送自己的m比特码片序列,若发送0,则发送自己m比特码片序列的反码。
        若有两个或多个站同时发送数据,则信道中的信号就是这些站各自所发送的一系列码片序列或码片序列反码的叠加。为了便于从信道中分离每个站的信号,给每个站指派码片序列时,必须遵循以下规则:
        (1)分配给各个站的码片序列必须各不相同,实际常采用伪随机码序列。
        
(2)分配给每个站的码片序列必须相互正交,即各码片序列相应的码片向量之间的规格化内积为0。即: 1 m ∑ i = 1 m A i B i = 0 \frac{1}{m}\sum_{i=1}^{m}A_iB_i=0 m1i=1mAiBi=0

在这里插入图片描述
还有以下结论:
        任何站的码片向量和其自己的码片向量为1,与自己反码的码片向量的规格化内积为-1,与其他站的码片向量的规格化内积为0。
        有了以上预备知识,就可以介绍具体原理了,如下
在这里插入图片描述
看以下例题:
在这里插入图片描述
注意:C收到A发送的数据是与A做规格化内积(你听英国人说话,是在与你脑子里的英语知识做规格化内积)

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/734279.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

18.Lucas-Kanade光流及OpenCV中的calcOpticalFlowPyrLK

文章目录 光流法介绍OpenCV中calcOpticalFlowPyrLK函数补充reference 欢迎访问个人网络日志🌹🌹知行空间🌹🌹 光流法介绍 光流描述了像素在图像中的运动,就像彗星☄划过天空中流动图像。同一个像素,随着时…

机器学习与深度学习——利用随机梯度下降算法SGD对波士顿房价数据进行线性回归

机器学习与深度学习——利用随机梯度下降算法SGD对波士顿房价数据进行线性回归 我们这次使用随机梯度下降(SGD)算法对波士顿房价数据进行线性回归的训练,给出每次迭代的权重、损失和梯度,并且绘制损失loss随着epoch变化的曲线图。…

集群 第四章

目录 1. nginx、lvs、haproxy 的区别 2. 实验 3. ssh 升级 4.总结 1. nginx、lvs、haproxy 的区别 2. 实验 Haproxy 服务器:192.168.83.101 Nginx 服务器1:192.168.83.102 Nginx 服务器2:192.168.83.103 …

Mysql之视图,索引及数据的备份与恢复

目录 一、视图 1.视图是什么 2.视图与数据表的区别 3.视图的优缺点 优点: 缺点: 4.视图的应用场景 5.语法运用 二、索引 1.什么是索引 2.为什么要使用索引 3.使用索引的优缺点 4.何时不使用索引 5.索引何时失效 6.索引分类 三、数据的备份…

头结点到底方便了啥?

头结点到底方便了啥? 链表增加头结点的作用如下: (1)便于首元结点的处理 (2)便于空表和非空表的统一处理 (参考:《数据结构 C语言(第2版)》P31) 其实这两句话很抽象,你说方便就方便,你倒是举个粟子或者画个图什么的啊&…

Linux开发工具之vim工具的使用介绍

目录 前言 1.vim的基本概念 命令模式(Normal mode) 插入模式(Insert mode) 末行模式(last line mode) 2.vim的基本操作 命令模式的命令集 移动光标 ​编辑 删除文字 复制 替换 撤销操作 更改 vim末行模式命令集 简单vim配置 总结 前言 大家好呀,许久…

Java动态规划LeetCode1137. 第 N 个泰波那契数

方法1:通过动态规划解题,这道题也是动态规划的一道很好的入门题,因为比较简单和容易理解。 代码如下: public int tribonacci(int n) {//处理特殊情况if(n0){return 0;}if(n1||n2){return 1;}//定义数组int[]dpnew int[n1];//初…

浏览器通过js打开文件,新建文件,静默实时保存文件

资源&#xff0c;点击下载 在线访问Txt Markdown &#x1f61d;&#x1f61d;&#x1f61d;&#x1f61d;&#x1f61d;&#x1f61d; 新建文件后&#xff0c;可以直接保存文件&#xff0c;不需要再次下载文件&#xff0c;也只有第一次保存时候才会出现确认弹窗 html <!D…

尚硅谷React学习笔记(上)

目录 一、React入门 1.1、React简介 为什么要学&#xff1f; React的特点 1.2、React的基本使用 Hello React案例 创建虚拟DOM的两种方式 虚拟DOM与真实DOM 1.3、React JSX 语法规则 JSX小练习 1.4、模块与组件化的理解 模块 组件 模块化 组件化 二、React面向…

E. Scuza - 二分+前缀和

分析&#xff1a; 暴力会超时&#xff0c;可以用二分&#xff0c;构建两个数组&#xff0c;一个是a[i]&#xff0c;作为前缀和数组&#xff0c;一个是f[i]表示第i个台阶之前的最大高度的台阶&#xff0c;然后每次二分来查找k&#xff0c;因为尽可能地走的多&#xff0c;所以查找…

VTK STL 体积 表面积测量 最短路径 读取中文路径

目录 开发环境&#xff1a; vtkMassProperties 三、中文路径 数据读取 开发环境&#xff1a; 系统&#xff1a;Win10 VTK&#xff1a;8.2.0 Qt&#xff1a;5.12.4 一、结构化对象 体积 面积 vtkMassProperties VTK 计算体积和面积的主要类 vtkMassProperties vtkSm…

C语言进阶之指针的进阶

指针的进阶 1. 字符指针2. 指针数组3. 数组指针3.1 数组指针的定义3.2 &数组名VS数组名3.3 数组指针的使用 4. 数组参数、指针参数4.1 一维数组传参4.2 二维数组传参4.3 一级指针传参4.4 二级指针传参 5. 函数指针6. 函数指针数组7. 指向函数指针数组的指针8. 回调函数9. 指…

【程序员必须掌握的算法】【Matlab】GRNN神经网络遗传算法(GRNN-GA)函数极值寻优——非线性函数求极值

上一篇博客介绍了BP神经网络遗传算法(BP-GA)函数极值寻优——非线性函数求极值&#xff0c;神经网络用的是BP神经网络&#xff0c;本篇博客将BP神经网络替换成GRNN神经网络&#xff0c;希望能帮助大家快速入门GRNN网络。 1.背景条件 要求&#xff1a;对于未知模型&#xff08;…

使用trtexec工具多batch推理tensorrt模型(trt模型)

文章目录 零、pt转onnx模型一、onnx转trt模型二、推理trt模型 零、pt转onnx模型 参考&#xff1a;https://github.com/ultralytics/yolov5 用根目录下的export.py可以转pt为onnx模型&#xff0c;命令如下可以转换成动态batch的onnx模型 python3 export.py --weights./yolov5s…

一款强大易用的截图控件:跨平台,界面简洁,功能丰富,易于集成

当我们在日常工作中沟通交流&#xff0c;或是在开发过程中跟踪反馈问题时&#xff0c;截图无疑是一种最直观有效的方式。然而&#xff0c;传统的截图工具在功能上的局限性&#xff0c;往往无法满足我们日益增长的需求。这时&#xff0c;一款功能强大&#xff0c;易于集成&#…

垃圾收集算法和CMS详解

一、垃圾收集算法 1、分带收集理论 基于新生代和老年代选择不同垃圾回收算法&#xff0c;比如新生代&#xff0c;都是一些暂存对象&#xff0c;而且内存分区域的&#xff0c;可以采用标记复制算法。而老年代只有一块内存区域&#xff0c;使用复制算法比较占用内存空间&#x…

DEVICENET转ETHERCAT网关连接ethercat通讯协议详细解析

你有没有遇到过生产管理系统中&#xff0c;设备之间的通讯问题&#xff1f;两个不同协议的设备进行通讯&#xff0c;是不是很麻烦&#xff1f;今天&#xff0c;我们为大家介绍一款神奇的产品&#xff0c;能够将不同协议的设备进行连接&#xff0c;让现场的数据交换不再困扰&…

MySQL数据库 - 库的操作

目录​​​​​​​ 一、创建数据库 二、创建数据库案例 三、字符集和校验规则 四、校验规则对数据库的影响 五、操纵数据库 1、查看数据库 2、显示创建语句 3、修改数据库 4、删除数据库 六、数据库的备份与恢复 1、数据库的备份 2、数据库的恢复 3、表的备份 4…

【网络系统集成】Pfsense防火墙实验

1.实验名称 Pfsense防火墙实验 2.实验目的 通过动手实践配置pfsense对加深对防火墙的原理与应用的理解。 3.实验内容 (1)安装并完成pfsense防火墙软件的基本配置(WAN, LAN,局域网

刘积仁:东软不太喜欢风口,更看重长期主义

作为数字和软件服务产业一年一度的行业盛宴&#xff0c;2003年&#xff0c;中国国际软件和信息服务交易会&#xff08;简称“软交会”&#xff09;正式诞生。2019年&#xff0c;大会更名为中国国际数字和软件服务交易会&#xff08;简称“数交会”&#xff09;&#xff0c;至今…