intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Giáo trình lý thuyết thông tin 5

Chia sẻ: Tailieu Upload | Ngày: | Loại File: PDF | Số trang:40

Thêm vào BST
Báo xấu
150
lượt xem 20
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tham khảo tài liệu 'giáo trình lý thuyết thông tin 5', kỹ thuật - công nghệ, kĩ thuật viễn thông phục vụ nhu cầu học tập, nghiên cứu và làm việc hiệu quả

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Giáo trình lý thuyết thông tin 5

  1. Chương 5: Lý thuyết thu tối ưu CHƯƠNG V – LÝ THUYẾT THU TỐI ƯU 5.1. ĐẶT BÀI TOÁN VÀ CÁC VẤN ĐỀ CƠ BẢN 5.1.1. Thu tín hiệu khi có nhiễu là một bài toán thống kê Ta xét trường hợp đơn giản nhất khi dạng của tín hiệu trong kênh không bị méo và chỉ bị nhiễu cộng tính. Khi đó ở đầu vào của máy thu sẽ có tổng của tín hiệu và nhiễu: u ( t ) = μSi ( t − τ ) + n ( t ) (5.1) μ - hệ số truyền của kênh (thông thường μ 1) Trong đó μ = const. Giả thiết τ - thời gian giữ chậm tín hiệu của kênh n(t) - nhiễu cộng, là một hàm ngẫu nhiên {αi } i = 1, m , khi đó các Si ( t ) là các tín hiệu phát tương ứng với Trường dấu lối vào αi . các tin n ( t ) là một QTNN nên u ( t ) cũng là một QTNN. Vậy khi nhận được u ( t ) ta có thể Do đề ra m giả thiết sau: 1. S1 ( t ) ( α1 ) đã được gửi đi và trong quá trình truyền S1 ( t ) được cộng thêm một nhiễu: n ( t ) = u ( t ) − μS1 ( t − τ ) S2 ( t )( α 2 ) đã được truyền đi và trong quá trình truyền S2 ( t ) được cộng thêm một 2. n ( t ) = u ( t ) − μS2 ( t − τ ) nhiễu: ……………….. Sm ( t )( α m ) đã được truyền đi và trong quá trình truyền Sm ( t ) được cộng thêm một m. n ( t ) = u ( t ) − μSm ( t − τ ) nhiễu: Nhiệm vụ của bộ thu là phải chọn một trong m giả thuyết này trong khi nó chỉ biết một số u ( t ) . Rõ ràng là mỗi một giả thuyết tính chất của nguồn tín hiệu và dạng của tín hiệu nhận được n ( t ) là một hàm ngẫu nhiên. Như vậy máy thu phải chọn đều có một xác suất sai tương ứng vì một lời giải nào đó trong điều kiện bất định. Việc xét các quy luật chọn lời giải trong điều kiện bất định chính là nội dung của bài toán thống kê. Vì vậy thu tín hiệu khi có nhiễu là một bài toán thống kê. 160
  2. Chương 5: Lý thuyết thu tối ưu 5.1.2. Máy thu tối ưu Nhiệm vụ của máy thu là phải chọn lời giải do đó máy thu còn được gọi là sơ đồ giải. Yêu αi ta phải tìm được βi ). Trong thực cầu lớn nhất của sơ đồ giải là phải cho ra lời giải đúng (phát tế có rất nhiều sơ đồ giải. Trong tất cả các sơ đồ giải có thể có thì tại một sơ đồ bảo đảm xác suất nhận lớn phải đúng là lớn nhất (xác suất giải sai là bé nhất). Sơ dồ này được gọi là sơ đồ giải tối ưu. Máy thu xây dựng theo sơ đồ giải đó được gọi là máy thu tối ưu (hay lý tưởng) 5.1.3. Thế chống nhiễu Có thể dùng xác suất thu đúng để đánh giá độ chính xác của một hệ thống truyền tin một cách định lượng. Để đánh giá ảnh hưởng của nhiễu lên độ chính xác của việc thu, người ta đưa ra khái niệm tính chống nhiễu của máy thu. Nếu cùng một mức nhiễu, máy thu nào đó có xác suất thu đúng là lớn thì được coi là có tính chống nhiễu lớn. Hiển nhiên rằng tính chống nhiễu của máy thu tối ưu là lớn nhất và được gọi là thế chống nhiễu. 5.1.4. Hai loại sai lầm khi chọn giả thuyết H l là giả thuyết về tin α l đã gửi đi. Nội dung của sai lầm này là bác a. Sai lầm loại 1: Gọi bỏ H l mà thực tế là nó đúng. Tức là quả thật α l gửi đi mà ta không.gửi. Sai lầm 1 là bỏ sót tin (hay mục tiêu). H l trong khi thực tế nó sai. Tức là thực ra không có α l mà ta b. Sai lầm loại 2: Thừa nhận lại bảo là có. Sai lầm loại này gọi là nhầm tin hoặc báo động nhầm. Bình thường, không có điều kiện gì đặc biệt, sự tồn tại của hai loại sai lầm trên là không "ngang quyền" (không gây tác hại như nhau) 5.1.5. Tiêu chuẩn Kachennhicov. Thông thường khái niệm tối ưu là phải hiểu theo một nghĩa nào đó, tức là tối ưu theo một tiêu chuẩn nào đó. Thông thường trong thông tin "thu tối ưu" được hiểu theo nghĩa như sau (Do Kachennhicov đề ra và gọi là tiêu chuẩn Kachennhicov). Trong cùng một điều kiện đã cho trong số hai hay nhiều sơ đồ gải, sơ đồ nào đảm bảo xác suất giải đúng lớn nhất thì được gọi là tối ưu. (tiêu chuẩn này còn được gọi là tiêu chuẩn người quan sát lý tưởng). Nhược: Không đả động đến các loại sai lầm, tức là coi chúng tồn tại "ngang quyền" nhau. Ưu: Đơn giản, dễ tính toán, dễ thực hiện. Ngoài tiêu chuẩn Kachennhicov còn có một số những tiêu chuẩn khác như: Neyman- Pearson, Bayes, Vald …. Những tiêu chuẩn này khắc phục được nhược điểm trên nhưng khá phức tạp nên không dùng trong thông tin. 5.1.6. Việc xử lý tối ưu các tín hiệu βi . Quá trinh thức hiện nhiệm vụ này được gọi Nhiệm vụ của máy thu là cho ta các lời giải là quá trình xử lý tín hiệu. Trong quá trình xử lý tín hiệu thường phải thực hiện các phép toán 161
  3. Chương 5: Lý thuyết thu tối ưu tuyến tính hoặc phi tuyến nhờ các mạch tuyến tính hoặc phi tuyến (ví dụ: biến tần, tách sóng, lọc, hạn chế, nhân, chia, tích phân, bình phương, khuếch đại ….). Quá trình xử lý tín hiệu trong máy thu tối ưu được gọi là xử lý tối ưu tín hiệu. Xử lý để nhận lời giải có xác suất sai bé nhất.. Trước kia việc tổng hợp các máy thu (xây dựng sơ đồ giải) chỉ căn cứ vào các tiêu chuẩn chất lượng mang tính chất chức năng mà không mang tính chất thống kê. Ảnh hưởng của nhiễu lên chất lượng của máy thu chỉ được tính theo tỷ số tính /tạp. Tức là việc tổng hợp máy thu tối ưu trước đây chỉ chủ yếu dựa vào trực giác, kinh nghiệm, thí nghiệm. Ngày nay lý thuyết truyền tin đã cho phép bằng toán học tổng hợp được máy thu tối ưu ("Tối ưu" lúc này mới mang tính chất định lượng) tức là dựa vào các tiêu chuẩn tối ưu bằng công cụ thống kê toán học người ta đa xác định được quy tắc giải tối ưu. 5.1.7. Xác suất giải sai và quy tắc giải tối ưu αi là tín hiệu đã gửi đi, xác suất để gửi tín hiệu này đi là p ( αi ) , p ( αi ) được gọi là Cho ⎛m ⎞ xác suất tiên nghiệm ⎜ ∑ p ( α i ) = 1⎟ . Giả thiết rằng Si ( t ) có thời hạn T, Si ( t ) được gọi là ⎜ ⎟ ⎝1 ⎠ các tín hiệu nguyên tố ứng với các dấu mã. ở máy thu ta nhận được u ( t ) . Từ u ( t ) qua sơ đồ β j nào đó. Nếu nhận được βl thì ta coi rằng αl đã được gửi đi. Như vậy α l giải ta sẽ có lời giải p ( αl / u ) được gọi là xác suất hậu nghiệm. Do đó xác suất giải đã được gửi đi với một xác suất sai sẽ là: p ( sai / u, βl ) = 1 − p ( αl / u ) (5.1) Từ (5.1) ta sẽ tìm ra quy tắc giải tối ưu (theo tiêu chuẩn Kachennhicov) Để tìm ra quy tắc giải tối ưu ta xét hai sơ đồ giải: u ( t ) cho ta β1 - Từ u ( l ) cho ta β2 - Từ p ( sai / u, β1 ) < p ( sai / u, β2 ) (5.2) thì ta sẽ coi sơ đồ thứ nhất tối ưu hơn sơ đồ thứ Nếu hai. ⇒ p ( sai / u, β1 ) > p ( sai / u, β2 ) (5.3) Từ (5.1) và (5.2) p ( sai / u, βl ) càng nhỏ nếu xác suất hậu nghiệm tương Tức là xác suất chọn lời giải sai p ( αl / u ) càng lớn. ứng ( m − 1) hệ thức sau: Ta xét m sơ đồ, khi đó ta có thể coi ⎧i = 1,m p ( αl / u ) > p ( αi / u ) Víi ⎨ (5.4) ⎩i ≠ l 162
  4. Chương 5: Lý thuyết thu tối ưu ( m − 1) βl sẽ là tối ưu (theo nghĩa Nếu ta có hệ thức này thì ta coi sơ đồ giải chọn Kachennhicov) vì nó đảm bảo xác suất phải sai là bé nhất (5.4) chính là quy tắc giải tối ưu. Sơ đồ giải thỏa mãn (5.4) chính là sơ đồ giải tối ưu. 5.1.8. Hàm hợp lý ()( ) p αj w u /αj ( ) p αj /u = Dùng công thức Bayes: (5.5) w (u) ⎧i = 1,m p ( αl ) w ( u / αl ) > p ( αi ) w ( u / αi ) Víi ⎨ Thay vào (5.4) ta có: (5.6) i≠l ⎩ w ( u / αl ) p ( αi ) > Hay w ( u / αi ) p ( αl ) w ( u / αl ) λl/i Đ ặt và được gọi là hàm hợp lý (tỷ số hợp lý). Nó đặc trưng cho mức độ w ( u / αi ) αl đã được gửi đi (so với giả thuyết cho rằng αi đã được gửi đi). hợp lý của giả thuyết cho rằng p ( αi ) ⎧i = 1, m λl/i ( u ) Víi ⎨ Ta có: (5.7) p ( αl ) ⎩i ≠ l (5.7) chính là quy tắc giải tối ưu viết dưới dạng hàm hợp lý. 5.1.9. Quy tắc hợp lý tối đa 1 p ( αl ) = p ( αi ) = với ∀i, l = 1,m thì Nếu mọi tín hiệu gửi đi đều đồng xác suất: m λl/i ( u ) > 1 Víi ∀i ≠ l (5.7) trở thành (5.8) (5.8) được gọi là quy tắc hợp lý tối đa, nó hay được dùng trong thực tế vì hầu hết các hệ truyền tin đều có thể coi (với sai số chấp nhận được) nguồn dấu có các dấu đồng xác suất. Để có thể thấy rõ ảnh hưởng của tính thống kê của nhiễu ở (5.8) ta thường viết nó dưới dạng: w ( u / αl ) w ( u / αl ) : w ( u / 0 ) λl/i ( u ) = = w ( u / αi ) w ( u / αi ) : w ( u / 0 ) λl/0 ( u ) ⇒ λl/i ( u ) = ⇒ λ l/0 ( u ) > λ i/0 ( u ) ∀i ≠ l (5.9) λi/0 ( u ) 163
  5. Chương 5: Lý thuyết thu tối ưu λl/0 ( u ) và λi/0 ( u ) dễ tìm hơn λl/i ( u ) . Ở đây phải hiểu rằng w ( u / 0 ) chính là mật độ xác suất của nhiễu. 5.2. XỬ LÝ TỐI ƯU CÁC TÍN HIỆU CÓ THAM SỐ ĐÃ BIẾT. KHÁI NIỆM VỀ THU KẾT HỢP VÀ THU KHÔNG KẾT HỢP. 5.2.1. Đặt bài toán Một kênh truyền tín hiệu liên tục chịu tác động của nhiễu cộng Gausse (chuẩn) có mật độ xác suất bằng: n2 −2 1 W (n) = e 2σ (5.10) σ 2π σ2 và kỳ vọng triệt. Tín hiệu phát có mọi yếu tố triệt trước (tiền định) có phương sai Hãy tìm công thức của quy tắc giải tối ưu theo quy tắc hợp lý tối đa và lập sơ đồ chức năng của sơ đồ giải tối ưu trong trường hợp này. 5.2.2. Giải bài toán λl/0 ( u ) 5.2.2.1. Tìm hàm hợp lý u ( t ) = μS j ( t − τ ) + n ( t ) Ta có μ, τ = const là các tham số của kênh đã biết S j ( t ) cũng đã biết λl/0 ( u ) ta giả thiết u ( t ) có phổ hữu hạn Fc . Như vậy ta có thể rời rạc hóa u ( t ) Để tìm thành n số đọc: u1, u 2 , …. u n , n = 2FcT , trong đó T là thời hạn của u ( t ) . Như vậy ta phải tìm λ j/0 ( u1, u 2 , …. u n ) Wn ( u1, u 2 , …. u n αi ) λ j/0 ( u1, u 2 , …. u n ) = Wn ( u1, u 2 , …. u n 0 ) Wn ( u1, u 2 , …. u n 0 ) chính là mật độ phân bố n chiều của nhiễu Gausse, nếu coi các số đọc của nhiễu độc lập, thông hệ với nhau thì: 164
  6. Chương 5: Lý thuyết thu tối ưu u2 2Fc T 2Fc T −2 1 k 0 ) = ∏ W1 ( u k ) = ∏ Wn ( u1, u 2 , …. u n e 2σ k =1 σ 2π k =1 ⎧ 2Fc T u 2 ⎫ ⎪ ⎪ 1 exp ⎨− ∑ k2 ⎬ = ( ) 2Fc T ⎪ k =1 2σ ⎭ ⎪ σ 2π ⎩ c j ( t ) = μS j ( t − τ ) . Ký hiệu α j ta sẽ nhận được các u k = c jk + n k . Khi phát α j tương đương với việc nhận được nhiễu có các Để tính toán dễ dàng ta coi việc đã phát n 'k = u k − c jk . Tức là coi : giá trị nhiễu ( ) ( ) Wn u1, u 2 , …. u n α j = Wn u1, u '2 , …. u 'n 0 ' Tương tự như trên ta có: ( ) ⎧ 2Fc T u − c 2⎫ ( ) ⎪ ⎪ 1 exp ⎨− ∑ k jk Wn u1, u '2 , …. u 'n ' 0= ⎬ ( ) 2Fc T 2σ 2 ⎪ k =1 ⎪ σ 2π ⎩ ⎭ ( ) ⎧ 2Fc T 2 2Fc T u − c 2⎫ ⎪ ⎪ u ⇒ λ j/0 ( u1, u 2 , …. u n ) = exp ⎨ ∑ k2 − ∑ k jk ⎬ 2σ2 ⎪ k =1 2σ ⎪ k =1 ⎩ ⎭ σ2 của tạp có thể biểu thị qua mật độ phổ công suất của nó và giải thông của Phương sai kênh Fc 1 σ2 = G 0Fc = Trong đó Fc 2t ⎧ 1 2Fc T 2 ⎫ 2F T ⎪ ⎪ ( ) 1c 2 ∑ u k t − G ∑ u k − c jk λ j/0 ( u1, u 2 , …. u n ) = exp ⎨ t⎬ G 0 k =1 ⎪ ⎪ ⎩ ⎭ 0 k =1 → ∞ ta có: Khi Fc 165
  7. Chương 5: Lý thuyết thu tối ưu λ j/0 ( u ) = lim λ j/0 ( u1, u 2 , …. u n ) n →∞ ⎧ 1 ⎡T 2 ⎤⎫ T ⎪ ⎪ ⎢ ∫ u ( t ) dt − ∫ ⎣ ⎡ u ( t ) − c j ( t ) ⎤ dt ⎥ ⎬ 2 = exp ⎨ ⎦ ⎪ G0 ⎢ 0 ⎥⎪ ⎣ ⎦⎭ ⎩ 0 ⎧ E j ⎡T ⎤⎫ T ⎪ ⎪ 2 ⎢ ∫ C j ( t ) dt + u ( t ) c j ( t ) dt ⎥ ⎬ ∫ 2 = exp ⎨− ⎪ G0 ⎢ 0 G0 0 ⎥⎪ ⎣ ⎦⎭ ⎩ ⎧ Ej ⎫ ⎧ 2T ⎫ ⇒ λ j/0 ( u ) = e xp ⎨− Z j ( u )⎬ (5.11) ⎬ e xp ⎨ ⎩ G0 ⎭ ⎩ G0 ⎭ T E j = ∫ c 2 ( t ) dt là năng lượng của c j ( t ) Trong đó j 0 c j ( t ) là tín hiệu nguyên tố mang tin ở lối ra của kênh T 1 Z j ( u ) = ∫ u ( t ) c j ( t ) dt (5.12) T0 Z j ( u ) được gọi là tích vô hướng của u ( t ) và c j ( t ) 5.2.2.2. Quy tắc tối ưu viết theo các tham số của thể hiện tín hiệu. λ l/0 ( u ) ⎧i = 1, m > 1 Víi ⎨ . Lấy log e hai vế: Dùng quy tắc hợp lý tối đa λ i/0 ( u ) ⎩i ≠ l ln λl/0 ( u ) − ln λ i/0 ( u ) > 0 ⇒ ln λl/0 ( u ) > ln λi/0 ( u ) (*) Thay (5.11) vào (*) ta được: ⎧i = 1, m El 2T E 2T Zl ( u ) > − i + Zi ( u ) Víi ⎨ − + ⎩i ≠ l G0 G0 G0 G0 G0 Nhân hai vế với ta có: 2T ⎧i = 1,m El E Zl ( u ) − > Zi ( u ) − i Víi ⎨ ⎩i ≠ l 2T 2T 166
  8. Chương 5: Lý thuyết thu tối ưu E j T = Pj là công suất của tín hiệu c j ( t ) ở đàu vào sơ đồ giải. Chú ý rằng pl p Zl ( u ) − > Zi ( u ) − i Víi i ≠ l (5.13) 2 2 Dựa vào quy tắc giải tối ưu (5.13) ta sẽ xây dựng được sơ đồ gia công tối ưu tín hiệu. 5.2.2.3. Xây dựng sơ đồ xử lý tối ưu tín hiệu T 1 − T∫ X Z1 ( u ) 0 Thiết c1 ( t ) pl p1 2 bị Zl ( u ) − Z1 ( u ) u(t) 2 so ⇔ βl sánh T 1 − T∫ X Zm ( u ) 0 cm ( t ) pm 2 Zm ( u ) Xung cực hẹp dể đồng bộ ở t 0 = T Hình 5.1: Sơ đồ gia công tối ưu tín hiệu. βl lấy ra được chính là lời giải có xác suất sai bé nhất Lời giải Zi ( u ) . Sơ đồ này Từ (5.12) ta đã vẽ được sơ đồ khối của việc hình thành tích vô hướng gồm 3 khối: - Tạo tín hiệu ci ( t ) đóng vai trò như ngoại sai - Mạch nhân đóng vai trò như biến tần - Mạch tích phân (đóng vai trò như bộ lọc) Người ta còn gọi sơ đồ trên là bộ lọc phối hợp chủ động (có nguồn) hay còn gọi là tương Zi ( u ) ta có thể chỉ dùng một quan kế. Sau này chúng ta sẽ thấy được rằng để tạo tích vô hướng mạch tuyến tính, đó là bộ lọc phối hợp thụ động (không nguồn) Chú ý: Để so sánh đúng lúc, người ta phải dùng xung cực hẹp đồng bộ mở thiết bị so sánh =T vào đúng thời điểm đọc t 0 167
  9. Chương 5: Lý thuyết thu tối ưu 5.2.3. Khái niệm về thu kết hợp và thu không kết hợp 5.2.3.1. Hệ có khoảng nghỉ chủ động. Ở trên ta đã giải bài tóan thu tối ưu các tín hiệu có các tham số đã biết (tức là xác định được một cách chính xác biên độ, tần số, pha ban đầu và μ, τ = const ). Thực tế giả thiết μ, τ = const không phù hợp vì μ, τ là các tham số của kênh phụ thuộc rất nhiều vào các yếu tố ngẫu nhiên. μ thay đổi thì Zi ( u ) sẽ thay đổi tỷ lệ với μ còn pi sẽ thay đổi tỷ lệ với μ 2 . Vì vậy Khi để đảm bảo được quy tắc giải (5.13) ta cần có mạch tự động hiệu chỉnh để bù lại sự thay đổi của μ (ví dụ dùng mạch TĐK (APY)). τ thay đổi sẽ làm cho gốc thời gian thay đỏi gây ra sự không đồng bộ giữa ci ( t ) và Khi u ( t ) . Để thực hiện được sự đồng bộ giữa ci ( t ) và u ( t ) ta phải dùng hệ thống TĐT (ATIY). μ thay đổi Để có thể tránh được sự phức tạp của thiết bị khi phải dùng thêm TĐK khi pi = p j với ∀i, j = 1,m . người ta chọn các tín hiệu có công suất trung bình như nhau, tức là Lúc đó quy tắc giải sẽ là: Zl ( u ) > Zi ( u ) ∀i ≠ l (5.14) μ thay đổi ta cũng không phải dùng thêm Sơ đồ giải lúc này sẽ rất đơn giản và ngay cả khi mạch TĐK (Hình 5.2) Z1 ( u ) Thiết bị u(t) Z2 ( u ) so sánh Zm ( u ) Hình 5.2: t0 = T ( ) pi = p j ∀i, j = 1, m được gọi là hệ thống có khoảng nghỉ chủ động. Hệ thống có 5.2.3.2. Định nghĩa thu kết hợp và thu không kết hợp Tín hiệu tổng quát có dạng: Ci ( t ) = C0i ( t ) cos ( ωt + φ ( t ) + ϕ0 ) 168
  10. Chương 5: Lý thuyết thu tối ưu C0i ( t ) và tần số tức thời Khi gia công tối ưu tín hiệu ta cần biết đường bao dφ ( t ) ωi ( t ) = ω + . dt Ci ( t ) cần biết ϕ0 (để điều chỉnh hệ thống thu) thì được gọi là thu kết hợp. Nếu việc thu Ci ( t ) không cần biết ϕ0 (để điều chỉnh hệ thống thu) thì được gọi là thu Nếu việc thu không kết hợp. τ thay đổi sẽ làm cho ϕ0 thay đổi. τ chỉ biến thiên ít nhưng cũng đã làm cho Thực tế khi ϕ0 thay đổi rất mạnh. Khi đó ta phải chuyển sang thu không kết hợp. 5.3. PHÁT TÍN HIỆU TRONG NHIỄU NHỜ BỘ LỌC PHỐI HỢP TUYẾN TÍNH THỤ ĐỘNG. 5.3.1. Định nghĩa bộ lọc phối hợp tuyến tính thụ động Định nghĩa: Đối với một tín hiệu xác định, một mạch tuyến tính thụ động đảm bảo tỷ số ⎛S⎞ ρra = ⎜ ⎟ cực đại ở một thời điểm quan sát nào đấy sẽ được gọi là mạch lọc phối hợp tuyến ⎝ N ⎠ra tính thụ động của tín hiệu đó. Sau này để gọn ta chỉ gọi là bộ lọc phối hợp. ρra là tỷ số giữa công suất đỉnh của tín hiệu và công suất trung bình của nhiễu ở Trong đó đầu ra bộ lọc ấy. 5.3.2. Bài toán về bộ lọc phối hợp 5.3.2.1. Nội dung bài toán. Cho ở đầu vào một mạch tuyến tính thụ động một dao động có dạng: y ( t ) = Ci ( t ) + n ( t ) Ci ( t ) là thể hiện của tín hiệu phát đi (còn được gọi là tín hiệu tới) n ( t ) là nhiễu cộng, trắng, chuẩn y ( t ) nào đó, Hãy tổng hợp mạch đó để nó có hàm truyền sao cho ở một thời điểm quan sát ρra của nó phải cực đại. 5.3.2.2. Giải bài toán. Thực chất bài toán này là bài toán tổng hợp mạch (ngược với bài toán phân tích mạch) mà ta đã học ở giáo trình "Lý thuyết mạch ". Nhiệm vụ của ta là phải tìm biểu thức giải tích của 169
  11. Chương 5: Lý thuyết thu tối ưu K i ( ω) của mạch tuyến tính thụ động sao cho ở một thời điểm quan sát (dao hàm truyền phức ρra đạt max. động nhận được) nào đó Gọi Siv ( ω) là mật độ phổ (biên) phức của thể hiện tín hiệu ở đầu vào mạch tuyến tính. Sira ( ω) là mật độ phổ phức của thể hiện tín hiệu ở đầu ra của nó. Gọi Khi đó theo công thức biến đổi ngược Fourier thể hiện tín hiệu ở đầu ra của mạch tuyến tính thụ động này là: ∞ ∞ 1 Cira ( t ) = ∫ Sira ( ω) e dω = ∫ Sira ( 2πf ) e df jωt j2 πft 2π −∞ −∞ ∞ ∫ Siv ( 2πf ) Ki ( 2πf ) e j2 πft = df −∞ Sira ( 2πf ) = Siv ( 2πf ) K i ( 2πf ) Trong đó: Công suất đỉnh của tín hiệu ở đầu ra của mạch: 2 ∞ 2 pcira = Cira ( t 0 ) = ∫ Siv ( 2πf ) Ki ( 2πf ) e j2 πft 0 df −∞ Cira ( t 0 ) là giá trị đỉnh của tín hiệu N 0 = const Theo giả thiết vì can nhiễu là tạp trắng nên mật độ phổ công suất của nó sẽ là 1 mật độ phổ công suất thực tế, vì phổ thực tế chỉ có từ 0 ÷ ∞ ). Do đó công suất ( N 0 bằng 2 trung bình của tạp ở đầu ra của mạch này sẽ là: ∞ ∞ 2 2 ∫ N0 Ki ( 2πf ) K i ( 2πf ) df ∫ = δ2 = df = N 0 p n ra n −∞ −∞ Ở đây ta áp dụng định lý Parseval: ∞ ∞ 1 ∫ x ( t ) dt = 2π ∫ S ( ω) dω 2 −∞ −∞ pcira ρra = Ta xét tỷ số: p n ra 170
  12. Chương 5: Lý thuyết thu tối ưu 2 ∞ ∫ Siv ( 2πf ) Ki ( 2πf ) exp ( j2πft 0 ) df −∞ ρra = (5.15) ∞ 2 K i ( 2πf ) df ∫ N0 −∞ K i ( 2πf ) trong (5.15) như thế nào để ρra đạt max. Vấn đề ở đây là phải xác định Để giải quyết vấn đề này ta có thể dùng nhiều phương pháp, ở đây ta sử dụng bất đẳng thức Byhakobckuu – Schwartz: 2 ∞ ∞ ∞ 2 2 ∫ F ( x ) ϕ ( x ) dx ∫ F( x ) ∫ ϕ ( x ) dx ≤ dx (5.16) −∞ −∞ −∞ ϕ ( x ) = k F* ( x ) Đẳng thức ở (5.16) chỉ có khi: (5.17) ϕ ( x ) , F ( x ) là các hàm phức biến thực Trong đó: F* ( x ) là hàm liên hợp phức của F ( x ) k là hệ số tỷ lệ Siv ( 2πf ) e j2πft 0 đóng vai trò F ( x ) , còn K i ( 2πf ) đóng vai trò Trong (5.15) nếu cho ϕ ( x ) trong (5.1). như Khi đó áp dụng (5.16) cho (5.15) ta được: ∞ ∞ 2 2 Siv ( 2πf ) exp ( j2πft 0 ) df K i ( 2πf ) df ∫ ∫ −∞ −∞ ρra ≤ ∞ 2 K i ( 2πf ) df ∫ N0 −∞ ∞ 1 2 Siv ( 2πf ) e j2πft 0 df ∫ ⇒ ρra ≤ N 0 −∞ ∞ 1 Ei 2 ∫ Siv ( 2πf ) df §Þnh lý Parseval ⇒ ρra ≤ (5.18) N 0 −∞ N0 Ei ρra max = (5.18) chứng tỏ (5.19) N0 171
  13. Chương 5: Lý thuyết thu tối ưu ∞ 2 Siv ( 2πf ) df là năng lượng của tín hiệu tới (5.19) chứng tỏ tỷ số ∫ Ei = trong đó −∞ ⎛S⎞ ⎜ ⎟ chỉ phụ thuộc vào năng lượng của tín hiệu mà hoàn toàn không phụ thuộc vào dạng của ⎝ N ⎠ra ⎛S⎞ nó. Ta biết rằng xác suất phát hiện đúng chỉ phụ thuộc vào ⎜ ⎟ . Vì vậy theo quan điểm của ⎝ N ⎠ra bài toán phát hiện dạng của tín hiệu là không quan trọng. (Chỉ khi cần đo lường các tham số của tín hiệu như tz, F (độ dịch tần) thì độ chính xác của phép đo và khả năng phân biệt của hệ thống đo sẽ phụ thuộc mạnh vào dạng tín hiệu). ρra chỉ đạt max khi: Theo (5.17) k i (2πf ) = kS* (2πf ) exp{− j2πft 0 } (5.20) iv (5.20) chính là đáp số củ bài toán ta đã nêu ra ở trên. Như vậy bài toán đã giải xong. Để thấy rõ được ý nghĩa vật lý kỹ thuật ta sẽ xét kỹ (5.20) hơn nữa. 5.3.3. Đặc tính biên tần và đặc tính pha tần của bộ lọc phối hợp 5.3.3.1. Đặc tính biên tần. k i (2πf ) = k S* (2πf ) Từ (5.20) ta có (5.21) iv (5.21) là biểu thức giải tích của đặc tính biên tần của bộ lọc phối hợp, ta thấy nó có dạng giống hệt modul mật độ phổ của tín hiệu. Điều đó có nghĩa là khi đã cho tín hiệu tới thì đặc tính của mạch tuyến tính cần tổng hợp sẽ do mật độ phổ phức của tín hiệu quyết định. Ngoài ra từ hình 5.3 ta còn thấy: bộ lọc phối hợp sẽ làm suy giảm các thành phần phổ tín hiệu và tạp âm ứng với những phần có cường độ nhỏ của phổ tín hiệu. Ở những khoảng tần số mà cường độ các thành phần phổ của tín hiệu càng nhỏ thì sự suy giảm đó càng lớn. Fn Sv 2N0 ω ω 2π k k2 3 ω ω Hình 5.3 172
  14. Chương 5: Lý thuyết thu tối ưu 5.3.3.2. Đặc tính pha tần. Ta viết lại (5.20) như sau: k i (ω) = k S* (ω) e − jϕxi (ω)e − jωt 0 = k S* (ω) e − jϕ(ω) (5.22) iv iv trong đó ϕ xi (ω) là phổ pha của tín hiệu tới. Còn ϕ(ω) = [ϕxi (ω)+ ωt 0 ] (5.23) là dịch pha gây bởi bộ lọc. Đó chính là đặc tính pha tần của bộ lọc phối hợp. Ta thấy [ϕxi (ω)+ ωt 0 ] là dịch pha toàn phần của tín hiệu tại thời điểm quan sát t 0 . Như vậy tại thời điểm t = t 0 dịch pha toàn phần của bộ lọc vừa vặn khử được dịch pha toàn phần của tín hiệu truyền tới qua bộ lọc, điều đó làm cho mọi thành phần dao động điều hòa của tín hiệu tới đồng pha với nhau. Vì vậy các thành phần dao động điều hòa được cộng lại với nhau và tín hiệu ra sẽ đạt được cực đại t = t 0 . Ngoài ra từ (5.20) ta thấy bộ lọc phối hợp có tính chất bất biến đối với biên độ vị thời gian x i (t ) về biên độ và pha ban đầu và pha đầu của tín hiệu. Bởi vì các tín hiệu khác với (μ1, t1, ψ1 ) thì mật độ phổ của tín hiệu này chỉ khác nhau với mật độ phổ của x i (t ) một thừa số μ1 exp{− j(ωt1 + ψ1 )}. Tính chất này của bộ lọc phối hợp rất quan trọng và đặc biệt là đối với thực tế. Thực vậy, thông thường biên độ, sự giữ chậm và pha ban đầu của tín hiệu thu ta không biết. Như vậy đáng lẽ phải xây dựng một số lớn các bộ lọc mà mỗi bộ lọc chỉ làm tối ưu cho một tín hiệu có giá trị biên độ, sự giữ chậm và pha ban đầu cụ thể thì ta chỉ cần một bộ lọc phối hợp tuyến tính thụ động, bộ lọc này sẽ là tối ưu cho mọi tín hiệu cùng dạng. Trong rađar thông thường các tham số như biên độ và pha ban đầu nhận các giá trị ngẫu nhiên và không may thông tin có ích (có nghĩa là các tham số ký sinh). Từ kết luận trên ta thấy rằng sự tồn tại của các tham số ngẫu nhiên này không làm biến đổi cấu trúc của bộ lọc tối ưu. 5.3.4. Phản ứng xung g i (t ) của mạch lọc phối hợp Ta biết rằng phản ứng xung và hàm truyền liên hệ với nhau theo cặp biến đổi Fourier: 1∞ jωt g i (t ) = ∫ K i (ω)e dω 2π −∞ Thay (5.20) vào: k ∞* − jω t jω t ⇒ g i (t ) = ∫ Siv (ω)e 0 e dω 2π −∞ k ∞* − jω(t 0 − t ) ⇒ g i (t ) = ∫ Siv (ω)e dω 2π − ∞ S* (ω) = Si (− ω) Ta có: iv 173
  15. Chương 5: Lý thuyết thu tối ưu C iv (t ) k∞ j(− ω)(t 0 − t ) ⇒ g i (t ) = ∫ Siv (− ω)e dω 2π − ∞ Đ ặt k∞ C iv (− t ) jω'(t − t ) t ω' = ω ⇒ g i (t ) = ∫ Siv (ω')e 0 (− dω') T 2π − ∞ ⇒ g i (t ) = −kCiv (t 0 − t ) t Vì k là hằng số tùy ý nên ta có thể lấy: C iv (t 0 − t ) g i (t ) = kCiv (t 0 − t ) (5.23) g i (t ) vẽ trên hình 5.4. Đồ thị Từ hình 5.4 ta thấy rằng để thỏa mãn điều kiện thể t t0 < T hiện được bộ lọc: g i (t ) = 0 khi t < 0 nên t 0 ≥ T C iv (t 0 − t ) 5.3.5. Hưởng ứng ra của mạch lọc phối hợp Theo tích phân Duhamen: t t U ra (t ) = ∫ U v (x )g(t − x )dx t0 < T 0 Hình 5.4 Thay (5.23) vào ta có: t U ra (t ) = k ∫ U v (x )Civ (t 0 − t + x )dx 0 t t t = t 0 ⇒ U ra (t 0 ) = k ∫ U v (x )C iv (x )dx = k ∫ U v (t )C iv (t )dt 0 0 1 t = t 0 và k = Nếu lấy thì ta có: T 1T U ra (T ) = ∫ U v (t )C iv (t )dt T0 ⇒ U ra (T ) = Zi (u ) (5.24) Như vậy ta có thể dùng mạch lọc phối hợp để tạo ra tích vô hướng. Sơ đồ giải tối ưu nhờ đó sẽ đơn giản hơn rất nhiều. 174
  16. Chương 5: Lý thuyết thu tối ưu 5.4. LÝ LUẬN CHUNG VỀ THU KẾT HỢP CÁC TÍN HIỆU NHỊ PHÂN 5.4.1. Lập sơ đồ giải tối ưu một tuyến 5.4.1.1. Lập quy tắc giải. α1 ↔"1" và α 2 ↔"0" . Xét một nguồn tin nhị phân: Khi đó tín hiệu sẽ có hai thể hiện S1 (t ) và S 2 (t ) Ta giới hạn chỉ xét nhiễu cộng và là tạp âm trắng, chuẩn dừng. u (t ) = Ci (t ) + n (t ), i = 1,2 Tín hiệu ở đầu vào máy thu: ta sẽ nhận được lời giải đúng α1 , nếu: Ứng với quy tắc giải theo Kachennhicov 1T P1 1 T P2 ∫ u (t )C1 (t )dt − 2 > T ∫ u (t )C 2 (t )dt − 2 (*) T0 0 Để lập dược sơ đồ một tuyến ta đưa (*) về dạng sau: 1T 1 ∫ u (t )[C1 (t ) − C 2 (t )]dt > 2 (P1 − P2 ) (5.25) T0 1 (P1 − P2 ) được gọi là ngưỡng làm việc 2 5.4.1.2. Sơ đồ giải tối ưu một tuyến. (hình 5.5) U v ng U ra ng 1T So sánh ∫ X T0 với ngưỡng C 2 (t ) C1 (t ) t = t0 Hình 5.5 1 ( P1 − P2 ) thì U ra ng ≠ 0 , khi đó ta xem rằng có lời giải β1 về α1 . U v ng > N ếu 2 1 ( P1 − P2 ) thì U ra ng = 0 , khi đó ta xem rằng có lời giải β2 về α2 . U v ng < Nếu 2 Chú ý: - Nếu P1 ≠ P2 mà μ (hàm truyền đạt của đường truyền) thay đổi thì ta phải có thiết bị tự động điều chỉnh ngưỡng. Nếu không thì xác suất giải sai sẽ tăng lên. 175
  17. Chương 5: Lý thuyết thu tối ưu - Nếu P1 = P2 thì ta không cần phải có thiết bị so sánh tự động điều chỉnh ngưỡng. Khi đó ta sẽ dùng bộ phân biệt cực. Ta quy ước rằng: U ra ng > 0 thì có lời giải β1 ↔ α1 + U ra ng < 0 thì có lời giải β2 ↔ α 2 + C Δ ( t ) = C1 ( t ) − C 2 ( t ) là tín hiệu số thì khi dùng bộ lọc phối hợp với tín hiệu Nếu gọi C Δ ( t ) thiết bị sẽ đơn giản đi rất nhiều (hình 5.6.) u(t) Bộ lọc phối hợp Thiết bị CΔ ( t ) ngưỡng v ới t = t0 Hình 5.6. 5.4.2. Xác suất sai khi thu kết hợp tín hiệu nhị phân 5.4.2.1. Đặt bài toán Cho kênh nhị phân, đối xứng, không nhớ có nhiễu cộng, trắng, chuẩn theo mô hình sau: p ( β1 / α1 ) 1 p ( α1 ) = α β1 21 p ( β1 / α 2 ) p ( b 2 / α1 ) 1 p ( α2 ) = α2 β2 p ( β2 / α 2 ) 2 Hãy tìm công thức biểu diễn xác suất sai toàn phần (xác suất sai không điều kiện) của kênh này khi sơ đồ giải tín hiệu là tối ưu theo Kopennhicop. 5.4.2.2. Giải bài toán Theo công thức xác suất đầy đủ: p s = p ( α1 ) .p ( β2 / α1 ) + p ( α 2 ) .p (β1 / α 2 ) ps , ta phải tìm xác suất sai của mỗi dấu p ( β2 / α1 ) và Để tìm xác suất sai của hệ p ( β1 / α 2 ) . p ( β2 / α1 ) : Tìm 176
  18. Chương 5: Lý thuyết thu tối ưu p ( β2 / α1 ) chính là xác suất để không thoả mãn (5.25), tức là: - Theo quy tắc giải (5.25), ⎧1 T ⎫ ⎪ ⎪ 1 p ( β2 / α1 ) = p ⎨ ∫ U ( t ) ⎡C1 ( t ) − C 2 ( t ) ⎤ dt < ( P1 − P2 ) ⎬ (5.26) ⎣ ⎦ ⎪T 0 2 ⎪ ⎩ ⎭ U ( t ) = C1 ( t ) + n ( t ) Trong đó: (*) T 1 Pi = ∫ C 2 ( t ) dt (**) i T0 Thay (*) và (**) vào (5.26), sau một vài biến đổi đơn giản, ta có: ⎧1 T 2 T T ⎪ 1 1 p ( β2 / α1 ) = p ⎨ ∫ C1 ( t ) dt − ∫ C1 ( t ) .C 2 ( t ) dt + ∫ n ( t ) ⎡C1 ( t ) − C 2 ( t ) ⎤ dt ⎣ ⎦ ⎪T 0 T0 T0 ⎩ ⎫ T T ⎪ 1 1 C1 ( t ) dt − C 2 ( t ) dt ⎬ ∫ ∫ < 2 2 2T 0 2T 0 ⎪ ⎭ ⎧1 T ⎫ T ⎪ ⎪ 1 ⇒ p ( β2 / α1 ) = p ⎨ ∫ n ( t ) .C Δ ( t ) dt < − C 2 ( t ) dt ⎬ 2T ∫ (5.27) Δ ⎪T 0 ⎪ ⎩ ⎭ 0 C Δ ( t ) = C1 ( t ) − C 2 ( t ) . Trong đó: T 1 PΔ = ∫ C 2 ( t ) dt là công suất trung bình của tín hiệu hiệu số. Δ T0 T 1 ξ = ∫ n ( t ) .C Δ ( t ) dt là một đại lượng ngẫu nhiên, vì n(t) là một quá trình ngẫu nhiên T0 và tích phân là một phép biến đổi tuyến tính. ⎧ 1⎫ ⇒ p ( β2 / α1 ) = p ⎨ξ < − PΔ ⎬ (5.28) ⎩ 2⎭ Theo định nghĩa xác suất: 1 − PΔ 2 ⎧ 1⎫ W ( ξ ) dξ ∫ p ⎨ξ < − PΔ ⎬ = (5.29) ⎩ 2⎭ −∞ 177
  19. Chương 5: Lý thuyết thu tối ưu W ( ξ ) , ta thấy rằng phép biến đổi tuyến tính của một quá trình chuẩn cũng là một Để tìm ξ cũng chuẩn. Do đó W ( ξ ) = W ( n ) . quá trình chuẩn. Vì n(t) chuẩn nên ⎧ ⎡ξ − a ⎤ 2 ⎫ ⎪ ξ⎦ ⎪ exp ⎨− ⎣ 1 ⇒ W (ξ) = ⎬ (5.30) 2 σξ ⎪ 2 2 πσξ ⎪ 2 ⎩ ⎭ ⎧1 T ⎫ 1T ⎪ ⎪ Trong đó: a ξ = M ⎨ ∫ n ( t ) C Δ ( t ) dt ⎬ = ∫ M {n ( t )} C Δ ( t ) dt ⎪T 0 ⎪ T0 ⎩ ⎭ = 0. Vì M{n(t)} = 0 nên a ξ σ2 : Xác định phương sai: ξ ⎧T 2⎫ ⎧1 T ⎫Δ 1 ⎪⎡ ⎤⎪ ⎪ ⎪ σξ = D [ ξ ] = D ⎨ ∫ n ( t ) C Δ ( t ) dt ⎬ = 2 M ⎨ ⎢ ∫ n ( t ) C Δ ( t ) dt ⎥ ⎬ 2 ⎪⎢ 0 ⎥ ⎩T 0 ⎪ ⎪ ⎦⎪ ⎭T ⎩⎣ ⎭ ⎧T ⎫ T ⎪ ⎪ 1 = 2 M ⎨ ∫ n ( t ) C Δ ( t ) dt. ∫ n ( t1 ) C Δ ( t1 ) dt1 ⎬ ⎪0 ⎪ T ⎩ ⎭ 0 ⎧T T ⎫ ⎪ ⎪ 1 = 2 M ⎨ ∫ ∫ C Δ ( t ) C Δ ( t1 ) n ( t1 ) n ( t ) dt dt1 ⎬ ⎪0 0 ⎪ T ⎩ ⎭ TT ∫ ∫ C Δ ( t ) C Δ ( t1 ) M {n ( t ) n ( t1 )} dt dt1 1 = (a) T2 00 Theo giả thiết n(t) là tạp âm trắng, chuẩn, dừng, dùng biến đổi Wiener – Khinchin, ta tính được hàm tự tương quan của nó: Δ M {n ( t ) n ( t1 )} = R ( t − t1 ) = N 0 δ ( t − t1 ) (b) ∞ jω( t − t1 ) R ( t − t1 ) = ∫ N 0 .e Vớ i −∞ Thế (b) vào (a), ta được: TT N0 ∫ ∫ C Δ ( t ) C Δ ( t1 ) δ ( t − t1 ) dt dt1 σξ = 2 (c) T2 00 178
  20. Chương 5: Lý thuyết thu tối ưu δ: Áp dụng tính chất sau của hàm b ∫ f ( x ) δ ( x − x 0 ) dx = f ( x 0 ) khi a < x 0 < b a b ∫ C Δ ( t1 ) δ ( t − t1 ) dt1 = C Δ ( t ) ta có: (d) a Thay (d) vào (c), ta được: T T T N0 N0 ∫ C Δ ( t ) dt ∫ C Δ ( t1 ) δ ( t − t1 ) dt1 = T 2 ∫ C Δ ( t ) dt σξ = 2 2 2 T 0 0 0 N 0 PΔ ⇒ σ2 = (5.31) ξ T Thay (5.31) vào (5.30): ⎧ ⎫ ⎪ ⎪ ξ2 1 W (ξ) = exp ⎨− ⎬ (5.32) ⎪ 2 N 0 PΔ ⎪ N 0 PΔ 2π ⎩ ⎭ T T α1 sẽ bằng: Khi đó xác suất sai khi truyền dẫn 1 − PΔ 2 ⎧ 1⎫ p ( β2 / α1 ) = p ⎨ ξ < − PΔ ⎬ = W ( ξ ) dξ = ∫ ⎩ 2⎭ −∞ ⎧ ⎫ 1 − PΔ ⎪ ⎪ ξ2 2 1 ∫ = exp ⎨− ⎬ dξ = NP ⎪ 2 0Δ ⎪ NP 2π 0 Δ −∞ ⎩ ⎭ T T ξ η= Đổi biến: Đặt N 0 PΔ T PΔ T − 4N 0 ⎧ η2 ⎫ ⎛ ⎞ ⎪ ⎪ PT 1 ⇒ p ( β2 / α1 ) = ∫ exp ⎨− ⎬ dη = φ ⎜ − Δ ⎟ (*) ⎜ ⎟ 2π ⎪ 2⎪ 2G 0 ⎝ ⎠ ⎩ ⎭ −∞ 179
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.15: Bộ Đồ Án Tốt Nghiệp Chuyên Ngành Cơ Khí
65 tài liệu
2431 lượt tải
THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2