11
DRE2DRE2
Moderních digitální bezdrátové Moderních digitální bezdrátové komunikacekomunikace
UREL FEKT VUT v Brně
22
22 Teorie radiokomunikačních Teorie radiokomunikačních signálůsignálů
část A – deterministické signályčást A – deterministické signály
část B část B -- stochastické signály stochastické signály
33
2.1 MNOŽINY SIGNÁLŮ2.1 MNOŽINY SIGNÁLŮ
• ZZákladní pojmyákladní pojmy• SignálSignál• Množiny signálůMnožiny signálů• Rozklad množiny signálůRozklad množiny signálů
44
Uspořádaná dvojiceUspořádaná dvojice
Uspořádaná dvojice je pár prvků dvou množin. Např.: [Uspořádaná dvojice je pár prvků dvou množin. Např.: [tt0, 0, xx((tt0)]0)]
RelaceRelace
Relace je množina uspořádaných dvojic.Relace je množina uspořádaných dvojic.
2.1.1. Z2.1.1. Základní pojmyákladní pojmy
A
Není vzoremMnožina vzorů
B
Množina obrazů
55
Kartézský součin A x BKartézský součin A x B Je to množina všech uspořádaných dvojic, kde první složkou dvojice jeJe to množina všech uspořádaných dvojic, kde první složkou dvojice je
prvek množiny A a druhou složkou je prvek množiny B. prvek množiny A a druhou složkou je prvek množiny B.
ZobrazeníZobrazení Zobrazení z množiny A do množiny B je relace R A x B s vlastností: Zobrazení z množiny A do množiny B je relace R A x B s vlastností:
každý prvek každý prvek xx A je prvkem nanejvýš jedné uspo řádané dvojice ( A je prvkem nanejvýš jedné uspo řádané dvojice (xx, , yy) ) RR
Prosté zobrazeníProsté zobrazení Prosté zobrazení R je zobrazení z A do B je zobrazení z B do A . je Prosté zobrazení R je zobrazení z A do B je zobrazení z B do A . je
inverzní relace.inverzní relace.
Rozklad množiny Rozklad množiny Výchozí množinu S rozložíme na podmnožiny SVýchozí množinu S rozložíme na podmnožiny Sii tak, že každý prvek S je tak, že každý prvek S je
právě v jedné podmnožině (třídě). právě v jedné podmnožině (třídě).
66
Ekvivalence na množině Ekvivalence na množině Relace R v množině A se nazývá ekvivalence, jestliže je současně Relace R v množině A se nazývá ekvivalence, jestliže je současně
reflexivní, symetrická a tranzitivní reflexivní, symetrická a tranzitivní ( ~( ~xx, , xx ~ ~yy yy ~ ~ xx, , xx ~ ~yy yy ~ ~ z z xx ~ ~ z z ).).
Zápis množinyZápis množiny Rovnost S = {Rovnost S = {xx; P} označuje, že S je množina všech ; P} označuje, že S je množina všech xx, které mají , které mají
vlastnost P . vlastnost P .
77
2.1.2.1.22. Sign. Signályály
Signály dělíme na signály se spojitým časem (zobrazení z množiny R) a signály s diskrétním časem (zobrazení z množiny Z).
Signály číslicové jsou zobrazením z množiny Z do jisté konečné podmnožiny množiny Z. Jsou to posloupnosti čísel vyjádřených konečným počtem číslic.
0 t0
x(t0)
t
0 n
0 n
-1-2 1 2 3 4 5 6 7 8
-1-2 1 2 3 4 5 6 7
88
2.1.3 Množiny signálů2.1.3 Množiny signálů
Množina signálů s konečnou energiíPojem energie zde nutno chápat ne ve fyzikálním, ale v přeneseném slova smyslu. Obdobné je to i s pojmem výkon a dalšími pojmy u signálů s diskrétním časem.
0,|)(:|;)(L KKnxnxN ZS
Množina omezených signálů
Množina signálů s konečnou dobou trvání (posloupnosti délky N)
0,)(;)( 2E
KKnxxKn
S
ZS NNnxNnxN ,1,0)(:1,0;)(D
99
Zobecnění množiny signálů s konečnou energiíProstor signálů s konečnou energii se označuje symbolem L2, jde-li o signály se spojitým časem a l2, jde-li o signály s diskrétním časem.
Zobecněním lze zavést prostory Lp, jde-li o signály se spojitým časem a lp, jde-li o signály s diskrétním časem.Množiny signálů vyskytujících se v těchto prostorech lze zapsat takto
0,)(;)(
/1
P
KKdttxxK
p
pS
0,)(;)(/1
P
KKnxxNp
n
pS
1010
2.1.4 2.1.4 Rozklad množiny signálů Rozklad množiny signálůMnožina {S1, S2, …..} podmnožin S1, S2, ….. množiny S tvoří rozklad množiny S, jestliže platí:
)pro()....( 321 jiSSSSSS ji 0
S1
S3
S2
1111
2.1 2.1 ZOBRAZENÍZOBRAZENÍ
Zobrazení z S1 do S2 f: S1 → S2
(y = f(x); S1, S2)D(f) je definiční obor zobrazení, H(f) je obor hodnot zobrazeni
Je-li S1 = D(f) a S2 = H(f), jedná se o zobrazení S1 na S2.
Zobrazení f z S1 do S2 je vzájemně jednoznačné zobrazení S1 na S2 právě když je f zobrazení prosté a zároveň zobrazení S1 na S2.
Zobrazení složené
Libovolné zobrazení f: S1 → S2 generuje ekvivalenci x1~ x2 .
)())(()( 122 xfxffyfz f: S1 →S3
1212
2.3 PROSTORY SIGNÁLŮ2.3 PROSTORY SIGNÁLŮ
• Metrické prostoryMetrické prostory• MetrikyMetriky
1313
2.2.33..11 M Metricketrické prostoryé prostory
Množina X s metrikou d se nazývá metrickým prostorem (X, d).Dvě různé metriky definované na stejné množině prvků vytvářejí různé metrické prostory.
R),(: yxd
Množina signálů s příslušně zavedenou vzdáleností je prostor signálů. Vzdálenost je funkcionál
0),(,0),( yxdyxdNazývá se metrikou, má-li vlastnosti:
a) jen když x = y ,
b) ),,(),( xydyxd c) ),,(),(),( zydyxdzxd
1414
2.2.33.2 M.2 Metriketrikyy
Množina X s metrikou d se nazývá metrickým prostorem (X, d).Dvě různé metriky definované na stejné množině prvků vytvářejí různé metrické prostory.
Množina uspořádaných n-tic čísel reálných nebo komplexníchPříklady metrik:
a)
b)
c)
,),(1
1
n
iiiyxd
,),(2
12
n
iiiyxd
....,2,1;sup),(3 iyxd ii
1515
U funkcí, které jsou si rovny skoro vždy, je
Množina reálných či komplexních funkcí času definovaných na intervalu
Příklady metrik:
a)
b)
c)
,)()(),(1 T
dttytxyxd
,)()(),(2
2 T
dttytxyxd
.T;)()(sup),(3 ttytxyxd
021 dd
1616
Množina reálných či komplexních posloupností délky N.
Příklady metrik:
a)
b)
c)
1
01 )()(),(
N
n
nynxyxd
21
02 )()(),(
N
n
nynxyxd
Z nNnnynxyxd ,1,0;)()(sup),(3
1717
2.4 LINE2.4 LINEÁÁRNRNÍ Í PROSTORYPROSTORY
• DefiniceDefinice• BázeBáze• Normovaný lineární prostorNormovaný lineární prostor• Prostor se skalárním součinemProstor se skalárním součinem• Reprezentace vektorůReprezentace vektorů
1818
2.2.44..11 DefiniceDefinice
A) Pro každý pár vektorů x a y existuje prvek (x + y) uvažované množiny takový, že
xyyx a)
b)
c) množina obsahuje jediný vektor 0 takový, že x + 0 = x
pro libovolné x
d) pro libovolné x existuje jediný vektor (-x) takový,
že x + (-x) = 0
zyxzyx )()(
1919
B) Je dána množina prvků (skalárů) , které tvoří těleso (field) a operace (násobení vektoru skalárem ) přiřazující skaláru a
vektoru x vektor tak, že
a)
b) 1x = x, 0x = 0
c)
d)
)()( xx
yxyx )(
xxx )(
2020
2.2.44..22 B Bázeáze
Lineární kombinací rozumíme výraz
Množina všech lineárních kombinací vektorů tvoří lineární prostor.
Vektory jsou lineárně nezávislé, když je jejich lineární kombinace
n
iii
1
xx
nxxx ,....,, 21
0irovna 0 jen když jsou všechny koeficienty
2121
Bázi lineárního prostoru tvoří n lineárně nezávislých vektorů.
Libovolný vektor
Zvláštní případ:
Pro množinu všech reálných nebo komplexních funkcí času
definovaných na intervalu T je lineárním prostorem, v němž je sčítání vektorů a násobení vektoru skalárem definováno takto:
Nechť M je libovolný lineární n-rozměrný prostor s bází nii ,....,2,1; u
Mx má jediný rozklad
n
iii
1
ux
),()()(:T tytxtzt yxz
)()(:T txtzt xz
2222
2.2.44..33 Normovaný lineární prostor Normovaný lineární prostor
Příklady norem:
Norma vektoru se zavádí pomocí zobrazení lineárního prostoru do R s vlastnostmi
a)
b)
c)
0,0 xx jen při x = 0.
yxyx
xx
Norma je metrikou.
n
ii
1
2x T
2)( dttxx
2323
2.2.44..44 Prostor se skalárním součinem Prostor se skalárním součinem
Skalární součin generuje normu
Skalární součin označovaný (x, y) nebo < x, y> je zobrazení uspořádaných dvojic vekto rů lineárního prostoru do komplexní roviny C
a)
b)
c)
*),(),( xyyx
),(),(),( zyzxzyx
0),(,0),( xxxx jen když x = 0 .
ta generuje metriku.
),( xxx
2424
Vektory x a y jsou ortogonální, pokud platí: (x, y) = 0
Příklady skalárních součinů:
n
i
niiba
1
* ,;),( Cyxyx
)T(L,;)()(),( 2
T
* yxyx dttytx
2525
2.2.44..55 Vyjádření prvků prostoru se Vyjádření prvků prostoru se ………skalárním součinemskalárním součinem
n
iii
1
ux
n
iijij nj
1
...,,2,1;),(),( uuux
njijiji ...,,2,1,,),( , vu
Báze nii ,....,2,1; u
),(,),(),(1
jj
n
ijiij vxvuvx
2626
Ortonormální báze je báze, pro jejíž prvky platí
njijiji ...,,2,1,,),( , uu
),( ii ux
n
iii
1
),( uuxx
2727
2.2.55 ORTOGONÁLNÍ SOUSTAVYORTOGONÁLNÍ SOUSTAVY
• Úplné ortonormální soustavyÚplné ortonormální soustavy• Příklady ortonormálních Příklady ortonormálních
funkcífunkcí• Walshovy funkceWalshovy funkce
2828
2.5.1 Úplné ortonormální soustavy2.5.1 Úplné ortonormální soustavy
Nechť {gi} je systém ortonormálních funkcí. Označíme
n
iiin
1
),( ggxx
Pak
n
ii
1
22),( xgx
Proto při libovolném n platí:
2929
2.5.2.5.22 Příklady ortonormálních funkcí Příklady ortonormálních funkcí
{gi} je soustavou funkcí ortonormálních s vahou w(t) , jestliže
Zavedeme skalární součin s vahou
Norma s vahou je zavedena výrazem
w(t) je reálná nezáporná funkce.
T
* ,)()()(),( dttytxtwwyx
T
2)()()( dttxtxtw n
jiji gg ),(
3030
Mnohočleny Čebyševovy
Funkce ortonormální v obyčejném smyslu jsou pak funkce
Mnohočleny Legendrovy
Interval
.....,2,1),()()( itgtwt ii
1,1T 1)( twVáha
21
)(0 tg ttg23
)(1 ,21
23
25
)( 22
ttg
Interval 1,1T ]1[)( 2ttw
3131
Funkce Laguerrovy
Interval ,0T )exp()( ttw
Funkce Legendrovy
Interval ,0T
Funkce Čebyševovy
Interval ,0T 21
]1)2[exp()(
pttw
)
π2exp( kn
Nj
Systém funkcí, posloupností délky N
je ortogonální, ale není ortonormální. Proč?
3232
2.2.6 FUNKCE PO ÚSECÍCH 6 FUNKCE PO ÚSECÍCH
…..KONSTANTNÍKONSTANTNÍ
• uspořádání dle kmitočtuuspořádání dle kmitočtu• uspořádání dyadickéuspořádání dyadické• uspořádání přirozenéuspořádání přirozené
Walshovy funkce:Walshovy funkce:
3333
Systémy funkcí ortogonálních nad intervalem mají poměrně dlouhý vývoj. Uvažovalo se např. o jejich nasazení v širokopásmovém rádiovém vysílání. Byl by to do jisté míry předchůdce dnešního UWB.
Zájem o tyto funkce vzrostl po rozšíření číslicových obvodů.
Jejich zřejmě nejvýznamějším praktickým uplatněním je však použití v mobilních rádiových komunikacích.
Z tohoto hlediska jsou významné zejména Walshovy funkce. Nabývají hodnot 1 a -1. Walshovy funkce můžeme chápat jako periodické s periodou 1. Mohou však být definovány a používány i jako funkce nad konečným intervalem
Pak tvoří úplný ortonomovaný systém funkcí nad tímto intervalem.
1,0
3434
2.6.1 Uspořádání dle kmitočtu2.6.1 Uspořádání dle kmitočtu
Pojem kmitočet zde označuje zobecněný kmitočet chápaný jako poloviční počet přechodů funkce přes nulovou hladinu v intervalu délky 1. Funkce uspořádané podle rostoucího kmitočtu se označují
walw(i,Θ ) .
Používá se trojí uspořádání (pořadí) množiny Walshových funkcí. První z nich je uspořádání dle „kmitočtu“.
3535
wal(i, Θ )
1
Θ0
iw ip ih
0 0 0
1 1 8
2 3 12
3 2 4
4 6 6
5 7 14
6 5 10
7 4 2
8 12 3
9 13 11
10 15 15
11 14 7
12 10 5
13 11 13
14 9 9
15 8 1
3636
K ortonormálním signálům se spojitým časem lze přiřadit
posloupnosti Walw(i, n) s diskrétním časem.
Posloupnosti Walw(i, n) bývají zapisovány do řádků
čtvercové matice N x N
1111
1111
1111
1111
2wH
3737
2.6.2 Uspořádání dyadické2.6.2 Uspořádání dyadické
K časově spojitým funcím funkcím walp(i, Θ) můžeme přiřadit
posloupnosti Walp(i, n) délky N.
Funkce se spojitým časem se v tomto případě označují walp(i, Θ).
1111
1111
1111
1111
log2p NH
3838
2.6.3 Uspořádání přirozené2.6.3 Uspořádání přirozené
K časově spojitým funcím funkcím walh(i, Θ) můžeme přiřadit
posloupnosti Walh(i, n) délky N.
Walshovy - Hadamardovy funkce se spojitým časem se označují
walh(i, Θ ).
11
111hH
)1()1()1()1(
)1()1(hh
hh
hhh
jjj
jjj HH
HH
HHH
3939
2.2.8 NÁHODNÉ PROCESY8 NÁHODNÉ PROCESY Korelační funkceKorelační funkce
Autokorelační funkceAutokorelační funkce
Autokovarianční funkce
)()(),( 2121 tXtXEttRX
))()())(()((),( 221121 tXtXtXtXEttK X
X(t) je obecné označení procesu, x(t) je hodnota realizace
náhodného procesu v čase t
4040
2.2.9 DISKRÉTNÍ NÁHODNÉ9 DISKRÉTNÍ NÁHODNÉ ….. PROCESY PROCESY
• Signál jako vektorSignál jako vektor• Korelační maticeKorelační matice• Kovarianční maticeKovarianční matice
4141
2.9.1 Signál jako vektor2.9.1 Signál jako vektor
Uspořádaná N-tice prvků signálu délky N může být nahlížena jako vektor
)(
.
)(
)(
2
1
NtX
tX
tX
X
4242
2.9.2 Korelační matice2.9.2 Korelační matice
Pro stacionární proces
),(..),(
....
..),(),(
),(.),(),(
1
2212
12111
NNN
N
ttRttR
ttRttR
ttRttRttR
XR
)0(..))1((
..)(.
.)()0()(
))1((.)()0(
RTNR
TR
TRRTR
TNRTRR
XR
4343
2.9.3 Kovarianční matice2.9.3 Kovarianční matice
TT XXXXK EEE
.
..
....
..
.
211
222112
11122121
NNN
NN
K
TXXRK XX EE
4444
U stacionárních náhodných procesů je
ji
jiij
1.
..
.1
.1
11
11
11
11
2
N
N
XK
4545
2.2.10 KOMPLEXNÍ NÁHODNÉ10 KOMPLEXNÍ NÁHODNÉ ….. . PROCESY PROCESY
• Signál jako vektorSignál jako vektor• Korelační maticeKorelační matice• Kovarianční maticeKovarianční matice
4646
2.10.1 Definice a charakteristiky2.10.1 Definice a charakteristiky
Komplexní náhodný proces je definován vztahem
)()()( tjYtXtZ
Střední hodnota
Korelační funkce
)()()( tYjEtXEtZE
),(),(),(),(
)()()()()()(),(
21212121
22112*
121
ttjRttjRttRttR
tjYtXtjYtXEtZtZEttR
XYYXYYXX
)()()(),( 222tYEtXEtZEttR
),(),( ttRttR YXXY
4747
2.10.2.10.22 Analytický signál Analytický signál
Je-li proces X(t) stacionární v širokém smyslu a má střední hodnotu rovnu nule, je i jeho Hilbertův obraz stacionární a má střední hodnotu rovnu nule. Navíc pro korelační funkci platí
Je tedy
)()()()()( tjYtXtXjtXtZ
)()( YYXX RR
)()( YXXY RR
)()(2)( XYXXZZ jRRR
4848
2.10.2.10.33 Ortogonální rozkladOrtogonální rozklad NP 1
Chceme, aby byly koeficienty nekorelované
Kde
TttctXK
kkk
1
pro)()(
2/
2/
)()()(T
T
dtRt 2T
t
je vlastní číslo a )(t je vlastní funkce
4949
2.10.4 2.10.4 Ortogonální rozkladOrtogonální rozklad NP 2
Koeficienty rozvoje mají nulovou střední hodnotu a jsou nekorelované. Jsou dány skalárním součinem
Vlastní vektory q1, q2, …. qM tvoří ortonormální množinu za předpokladu, že jsou normalizovány.
Nechť X je vektor náhodných pozorování s nulovou střední hodnotou a s korelační maticí R. X má rozměr Mx1. Nechť q1, q2, …. qM jsou vlastní vektory matice R. Vektor X může být vyjádřen takto:
M
iiic
1
qX
XqHiic Mi ,....,2,1
MicE i ...,2,1pro0][
5050
MicE i ...,2,1pro0][
ji
jiccE i
ji 0][ *
M
iic
1
2X
iicE ][2
Mi ,....,2,1
Vlastnosti koeficientů
5151
2.2.12 PSEUDONÁHODNÉ SIGNÁLY12 PSEUDONÁHODNÉ SIGNÁLY
• SSignály pro ignály pro ssimulaceimulace• RRozprosozprostírací tírací posloupnostposloupnostii
5252
2.12.1 Signály pro simulace2.12.1 Signály pro simulace
Kongruentní gererátory.
Celočíselné algoritmy.
Často se generují čísla rovnoměrně rozložená v intervalu
Všeobecně se požaduje, aby po sobě jdoucí hodnoty byly nanejvýš nepatrně korelované.
Matlab: rand, randn a awgn
1 ,0
Jindy se generují čísla s rozdělením přibližně normálním.
5353
2.12.2 Rozprostírací posloupnosti2.12.2 Rozprostírací posloupnosti
Goldovy sekvence
Sekvence Kasami
m – sekvence
m - sequence
Generovaná sekvence je periodická s periodou
Každá perioda obsahuje
12 mp
p21 12
1 pjedniček a nul
5454
Délka registu Perioda Počet různých sekvencí
2 3 1
3 7 2
4 15 2
5 31 6
6 63 6
7 127 18
8 255 16
9 511 48
10 1023 60
5555
LFSR (Linear Feedback Shift Register)
5656
0 5 10 15 20 25 30
-1
0
1
t
m-s
eque
nce
-15 -10 -5 0 5 10 15-0.5
0
0.5
1
Ra
-15 -10 -5 0 5 10 15-0.5
0
0.5
1
Rc
tau