Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
3.1. Алгоритмы оптимального приема в целом в каналах с межсимвольной интерференцией при точно известном сигналеПусть на интервале Практически всегда можно считать, что как элементарный передаваемый сигнал, так и память канала Введем понятие относительной памяти канала В месте приема анализируется аддитивная смесь сигнала и шума
на временном интервале Алгоритм оптимального приема в целом цепочки символов
где При гауссовском шуме оптимальный алгоритм приема в целом (3.3) принимает вид
где Следует подчеркнуть, что трудность реализации алгоритма (3.4) заключается не только в необходимости сравнения большого числа гипотез, но и в том, что для каналов с межсимвольной интерференцией величина Пои точно известном сигнале алгоритм (3.4) может быть реализован с помощью линейных схем (корреляционной техники или согласованной фильтрации), рассмотренных в гл. 2, однако ясно, что с увеличением числа символов цепочки Передавая цепочки символов с защитным интервалом на передаче
Рис. 3.1 Вариант модулирующего синхронного двоичного сигнала,
Рис. 3.2 На рис. 3.2, б показан передаваемый сигнал с модуляцией, фазы импульсов рабочего пакета (фаза испытательных импульсов, который определяется скоростью изменения (времени корреляции) параметров канала. Рассматриваемую систему связи будем именовать системой СИИП с приемом в целом. Для надежного предсказания ожидаемых сигналов Как видно из рис. 3.2, длина пакета рабочих импульсов Граб При ограниченной памяти канала Элементы передаваемых сигналов На рис. 3.2, в показан примерный вид принимаемого сигнала (без аддитивной помехи) в заданной точке пространства (после входного избирательного блока приемника), соответствующего передаваемому сигналу рис. Безусловный интерес представляет поиск таких процедур приема дискретных сообщений в целом, которые позволили бы упростить реализацию приемного устройства. Для источников с памятью (избыточное кодирование) и каналов без памяти предложено большое число таких процедур, основанных на использовании регулярных связей передаваемых символов [70, 128, 130]. Значительно труднее эти вопросы решаются для каналов с памятью. Известен, например, рекуррентный алгоритм из В оптимальном составном обнаружителе функция правдоподобия Для реализации приема в целом в каналах с памятью представляет интерес нелинейный алгоритм Витерби, предложенный первоначально как метод последовательного декодирования сверточных кодов и затем приспособленный для приема цепочек символов в каналах с памятью [130]. Алгоритм Витерби использует идеи динамического программирования Очень заманчивой является такая модификация алгоритма (3.4), при которой перебор вариантов (гипотез) вообще не требуется а искомое решение Полагая в
— квадратично-линейная форма от цепочки (вектора)
— ожидаемый сигнал при передаче Алгоритм (3.5) можно рассматривать как алгоритм оценивания цепочки (вектора)
где Предъявим к искомому векторному функционалу Поставленным требованиям удовлетворяет алгоритм обработки, при котором задача различения дискретных величин
где Для синтеза алгоритма, т. е. искомого функционала
где
с — вектор с компонентами
Межсимвольная интерференция проявляется в отличии матрицы Для определения максимума функционала (3.9) в вещественном векторном пространстве, т. е. по непрерывным получить явную формулу обычным методом поиска экстремума по нулям производной. Дифференцируя (3.9) по
откуда, если матрица
Таким образом, искомый алгоритм
Обозначив обратную матрицу
Как видно из (3.14), при аппаратурной реализации рассматриваемый алгоритм сводится к вычислению корреляции принятой смеси с опорным сигналом (3.15) и определению знака полученной величины, т. е. сравнению ее с нулевым пороговым уровнем. Покажем, что полученный алгоритм удовлетворяет двум требованиям, сформулированным выше. Для этого, умножив анализируемую смесь скалярно на
где вектор
Непосредственно из (3.16) и (3.17) видно, что при отсутствии шума Для проверки второго требования представим функционал (3.9), соответствующий оптимальному алгоритму, с учетом (3.12) в виде
Последнее слагаемое в (3.18) от не зависит и, следовательно, на определение максимума (т. е. решения) не влияет. Различающий функционал, соответствующий алгоритму (3.13),
где
При отсутствии межсимвольной интерференции матрица
где
который соответствует оптимальному алгоритму поэлементного принятия решения, рассмотренному в гл. 2. Отметим, что в общем случае функционалы (3.18) и (3.19) существенно различны и их минимумы по могут не совпадать, т. е. решение (3.20) может отличаться от оптимального. Возвращаясь Рассмотрим некоторые пути построения таких направленных алгоритмов [60]. Прежде всего определим понятия локального и глобального экстремумов в двоичном пространстве Для элементов этого пространства введем операцию покомпонентного умножения (которая соответствует сложению по модулю 2 двоичных векторов с компонентами 0 и 1) Двоичным градиентом некоторого функционала
где Как видно из (3.22), вектор градиента составлен из приращений, которые приобретают функционал Точка глобального максимума функционала
Как видно из сравнения (3.23) и (3.22), точку локального максимума можно также определить как такую точку, в которой все компоненты вектора градиента отрицательны или равны нулю, Известны градиентные методы поиска локального экстремума функционала в вещественном векторном пространстве [91]. К двоичному (пространству они, к сожалению, непосредственно не применимы, поскольку предусмотренные ими перемещения в направлении градиента в данном случае приводят Можно, однако, сохранив градиентный принцип поиска, модифицировать его применительно к двоичному пространству. Одним из возможных здесь алгоритмов является перемещение на каждом шаге в направлении наибольшей положительной компоненты градиента. Поиск начинается с некоторой исходной точки (цепочки символов) В ней вычисляется градиент, выявляется наибольшая положительная его компонента — пусть она имеет номер При определении вектора градиента гможно непосредственно вычислять значения функционала
Как видно из (3.25), матрица корреляционная матрица, в которой диагональные элементы заменены нулями. Описанный выше алгоритм поиска можно построить и так, чтобы операции пространственно-временной обработки и поиска экстремума были совмещены. В этом случае целесообразно сам градиент непосредственно не вычислять: вместо вычисления градиента на каждом шаге вычислять значения самого функционала Анализ показывает, что градиентный метод и метод поиска, совмещающий операции пространственно-временной обработки и лоиска экстремума, требуют при больших Таким образом, градиентные методы имеют существенное преимущество то числу операций в сравнении с полным перебором. Отметим и еще одно преимущество рассмотренных методов: при полном переборе заведомо необходимо получить все Отмеченные преимущества имеют место как при реализации алгоритмов перебора в форме чисто цифровой обработки, так и в аналоговых системах. Различие между двоичными и обычными умножениями и сложениями при аналоговой обработке также существенно: первый тип операций осуществляется простейшими ключевыми элементами, а второй — требует более сложных элементов. В заключение укажем на некоторые недостатки рассмотренных градиентных алгоритмов и вытекающие из них задачи дальнейшего исследования. Описанные алгоритмы, так же как и известные градиентные методы, обеспечивают выявление лишь локального, а не глобального экстремума. Детальное математическое исследование показывает, что у нелинейного функционала вида (3.9) может быть, вообще говоря, несколько локальных максимумов в смысле определения (3.23), и из них лишь один совпадает с глобальным максимумом, дающим оптимальное решение о переданной комбинации. Этот недостаток частично может быть преодолен за счет выбора начальной точки (цепочки символов) поиска вблизи глобального экстремума. Поскольку задача оптимального приема имеет статистический смысл и любые ошибочные решения ухудшают качество связи лишь при достаточно частом их появлении, было бы также важно исследовать, насколько часто локальный максимум будет выявляться вместо глобального при случайном выборе начальной комбинации и насколько это увеличит вероятность ошибки по сравнению с полным перебором. И, наконец, градиентный алгоритм будет давать точное совпадение с результатами полного перебора, если удастся установить, что для некоторых отдельных каналов связи функционал (3.9) имеет единственный локальный максимум, который совпадает с глобальным. Заканчивая вопрос об алгоритмах приема в целом (цепочки из 3.2. Алгоритмы оптимального поэлементного приема в каналах с межсимвольной интерференцией при точно известном сигнале Рассмотрим здесь только алгоритмы когерентного приема, представляющие для каналов передачи данных с межсимвольной интерференцией наибольший практический интерес. Рассмотрении поэлементного приема будем полагать временной интервал анализа
где Величина Если задержка Если корреляцией во времени передаваемых символов и аддитивного шума в канале (на интервале Та) можно пренебречь, то при Оптимальный алгоритм поэлементного приема символов с фиксированной задержкой
где Для выявления реализуемых оптимальных поэлементных байесовских процедур принятия решения запишем (3.27) в виде
где При наличии гауссовского шумового поля можно записать алгоритм приема (3.28) в виде
где цепочек символов на интервале анализа
но все еще очень сложен для реализации. При чисто белом шуме в канале из (3.30) следует алгоритм Подчеркнем, что реализация этого алгоритма требует знания спектральной плотности шума Поэлементный алгоритм приема (3.28) или (3.29) предусматривает вынесение решения на основе сравнения усредненных нормированных функций правдоподобия
Алгоритм (3.31) соответствует случаю оценки параметра в условиях, когда выборка классифицирована но, возможно, с ошибками (неидеальная обратная связь по решению) [58, 78, 142]. Необходимость учета в качестве весовых коэффициентов апостериорных вероятностей Однако в условиях достаточно надежной связи (которые и должны быть обеспечены в современных системах передачи дискретных сообщений) можно считать, что символы зафиксированные до анализируемого, действительно переданы, т. е. вероятность В этих условиях алгоритм (3.31) принимает вид
где Если обозначить сигнал, обусловленный на интервале анализа анализируемого информационного символа, цепочкой предшествовавших символов
При
Подчеркнем, что алгоритмы (3.32), (3.33) или (3.34) соответствуют ситуации, при которой производится оценка дискретного параметра в условиях, когда анализируемая выборка классифицирована абсолютно надежно (идеальная обратная связь по решению [58]). Алгоритм (3.34) реализуется предельно просто, если положить
Для гауссовского шума из (3.35) следует алгоритм приема
где
На рис. 3.3 показана принципиальная схема реализации алгоритма (3.36) на основе корреляционной техники.
Рис. 3.3. В блоках БИ и БФ формируются необходимые опорные сигналы (ОСР). При изучению канала посредством зондирующих посылок (по классифицированной выборке) ключ Представляет несомненный практический интерес поиск приемных устройств (мрежде всего линейного типа), обеспечивающих помехоустойчивость, близкую к той, которая возможна при реализацию алгоритмов оптимального поэлементного приема (3.28) и (3.33). Рассмотрим этот вопрос применительно к каналу с аддитивным гауссовским шумом. В этом случае алгоритм (3.28) можно записать в виде
где Если параметры канала постоянны на интервале времени протяженностью
В (3.38) первая сумма определяет на интервале анализа остаточное колебание от предшествующих посылок Число реализаций сигнала Для класса сигналов, удовлетворяющих условию ортогональности
что эквивалентно равенству нулю корреляционных и взаимокорреляционных функций принимаемых сигналов в сечениях, кратных
и реализуется рассмотренной в § 2.1 линейной схемой. К сожалению, при произвольной системной характеристике канала трудно найти ограничения на ансамбль канальных сигналов Заметим, что при использовании таких сигналов реализация оптимального алгоритма (3.40) отнюдь не требует специальной обработки с целью разделения лучей и последующего синфазного сложения (как это сделано, например, в широко известной системе «Рейк» [177]). Достаточно располагать лишь копией суммарной (по всем лучам) реакции канала Однако интересны прежде всего возможности линейного приема в каналах с рассеянием при использовании сигналов с малой базой. Для этого рассмотрим алгоритм поэлементного приема, реализующий обобщенный алгоритм максимального правдоподобия при анализе элемента сигнала на интервале
|
1 |
Оглавление
|