通信原理(1)--信息的度量,通信系统的性能指标

server/2024/10/20 18:35:02/

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


http://www.ppmy.cn/server/7691.html

相关文章

Css切换不同窗口

代码 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><title>Title</title></head><style>/*label {*//* display: block;*//*}*/* {padding: 0;margin: 0;}body {height: 100vh;backgroun…

mysql-MVCC

MySQL-InnoDB-MVCC多版本并发控制 1.基本概念&#xff1a; MVCC&#xff1a;应对高并发事务, MVCC比单纯的加锁更高效; 多版本控制&#xff0c;是一种提高并发的技术&#xff0c;最早的数据库系统&#xff0c;只有读和读之间可以并发&#xff0c;读和写&#xff0c;写和读&am…

李宏毅2022机器学习/深度学习 个人笔记(2)

本系列用于推导、记录该系列视频中本人不熟悉、或认为有价值的知识点 本篇记录第一讲&#xff08;选修&#xff09;&#xff1a;神奇宝贝分类&#xff08;续&#xff09; 讲解如何用高斯概率分布假设来推导类似于逻辑斯蒂分布的表达式 如图&#xff0c;boundary变为直线&…

UML绘制

processon官网 https://www.processon.com/template_create 官方学习地址 https://plantuml.com/zh/class-diagram 在Android studio 中自动生成类图 https://blog.csdn.net/zyfzhangyafei/article/details/126636358 plantUML 在线编辑 https://www.plantuml.com/plantuml/um…

flask 请求对象

客户端网页的数据作为全局请求对象发送到服务器。要处理请求数据&#xff0c;请求对象应该从Flask模块导入。 form 是包含表单参数及其值的键值对的字典对象。 args 解析问号(?)后的 url 部分查询字符串的内容。 cookies 保存 cookie 名称和值的字典对象。 file 与上传文件有关…

数组的删除与插入优化思路

数据结构&#xff1a;线性表、非线性表 线性表&#xff1a; 数组&#xff0c;链表、队列、栈等。 线性表就是数据排成像一条线一样的结构&#xff0c;每个线性表上的数据最多只有前和后两个方向。 非线性表&#xff1a; 二叉树、堆、图等。 在非线性表中&#xff0c;数据之间并…

ElasticSearchDSL

ElasticSearchDSL DSL Query的分类DSL Query基本语法全文检索查询&#xff1a;精确查询地理查询复合查询 elasticsearch中的相关性打分算法是什么&#xff1f;Function Score Query复合查询 Boolean Query排序分页 DSL Query的分类 查询所有&#xff1a;查询出所有数据&#x…

python网页篇

爬取网页动态数据通常涉及到JavaScript渲染的内容&#xff0c;这类数据并不是在原始HTML文档中直接提供的&#xff0c;而是通过AJAX请求、WebSocket通信或者其他客户端渲染技术生成的。以下是几种常见的处理方法&#xff1a; 方法1&#xff1a;使用带有JavaScript渲染功能的库 …