Hard decision Soft decision
|
|
- Πᾰλαιμον Παπακώστας
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Ψηφιακές ιαµορφώσεις ιέλευσης Ζώνης Καθηγητής Γεώργιος Ευθύµογλου October 1, 2017
2 Εισαγωγή Σύµβολα εκποµπής M-PSK, M-QAM Αντιστοίχιση (mapping) bits σε σύµβολα εκποµπής Αποδιαµόρφωση (demodulation) Hard decision Soft decision Σχεδιασµός σηµάτων εκποµπής Ψηφιακές ιαµορφώσεις Γεωµετρική αναπαράσταση σηµάτων Επίδοση ψηφιακών διαµορφώσεων σε κανάλι µε θόρυβο 2
3 M-ary orthogonal signalling - Correlator-Type Receiver Έστω ότι έχουµε Mπιθανά σήµαταεκποµπής s i (t), i = 0, 1,.., M-1. Tο σήµα λήψης µπορεί να συσχετιστεί µε µία bank από correlators µε το καθένα προσαρµοσµένο (matched) σε µία από τις δυνατές κυµατοµορφέςκαι επιλέγοντας αυτό που δίνει τη µεγαλύτερη έξοδο αποφασίζουµε για την κυµατοµορφή εκποµπής! x zt () dt 0 t= T z ( 0 T ) s ( t ) 0 r( t) x s t 1 ( ) zt () dt 0 z T 1 ( ) Selects s i (t) with the max z i (t) s ( t) i x zt () dt 0 zm 1( T) sm 1( t)
4 Matched Filter Receiver για Μ-ary orthogonal Το Matched filter είναι το φίλτρο ανίχνευσης που βελτιστοποιεί το SNRτης µεταβλητής απόφασηςκαι είναι ισοδύναµο µε τον correlator receiver (προηγούµενη διαφάνεια). Και τα δύο είναι διαφορετικές υλοποιήσεις του βέλτιστου φίλτρου!!! h ( t ) = s ( T t ) 0 b z t 0 ( ) z ( T ) 0 r( t) h ( t ) = s ( T t ) 1 b z t 1 ( ) z T 1 ( ) Selects s i (t) with the max z i (t) s ( t) i h( t) = s ( T t) M 1 b zm 1( t) t = zm 1( T) T
5 Orthogonal basis functions for Μ-ary orthogonal M=4 Γενίκευση σε M-αδικά Ορθογώνια Σήµατα TimeDomain Signal Space s0( t) = Aφ1( t) s0 = ( A, 0, 0, 0) s1( t) = Aφ2( t) s1 = ( 0, A, 0, 0) s2( t) = Aφ3( t) s2 = ( 0, 0, A, 0) s ( t) = Aφ ( t) s = ( 0, 0, 0, A) όπου {φ 1 (t), φ 2 (t), φ 3 (t) φ 4 (t)} είναι sένα j ( t) set s j ( από t) φ j ( t) = = ορθοκανονικές A Ebasis functions M=8 TimeDomain Signal Space s0( t) = Aφ1( t) s0 = ( A, 0, 0, 0, 0, 0, 0, 0) s1( t) = Aφ2( t) s1 = ( 0, A, 0, 0, 0, 0, 0, 0) s2( t) = Aφ3( t) s2 = ( 0, 0, A, 0, 0, 0, 0, 0) s3( t) = Aφ4( t) s3 = ( 0, 0, 0, A, 0, 0, 0, 0) s4( t) = Aφ5( t) s4 = ( 0, 0, 0, 0, A, 0, 0, 0) s5( t) = Aφ6( t) s5 = ( 0, 0, 0, 0, 0, A, 0, 0) s6( t) = Aφ7( t) s6 = ( 0, 0, 0, 0, 0, 0, A, 0) s ( t) = Aφ ( t) s = ( 0, 0, 0, 0, 0, 0, 0, A) όπου {φ 1 (t), φ 2 (t), φ 3 (t) φ 4 (t), φ 5 (t), φ 6 (t), φ 7 (t) φ 8 (t)} είναι ένα set από ορθοκανονικές basis functions
6 Orthogonal basis functions for Μ-ary orthogonal General M (M is a power of 2) Time Domain Signal Space s ( t) = Aφ ( t) s = ( A, 0, 0, 0, 0, 0, 0, 0) s ( t) = Aφ ( t) s = (0, A, 0, 0, 0, 0, 0, 0) s ( t) = Aφ ( t) s = (0, 0, A, 0, 0, 0, 0, 0) s ( t) = Aφ ( t) s = (0, 0, 0, A, 0, 0, 0, 0) s ( t) = Aφ ( t) s = (0, 0, 0, 0, 0, 0, 0,, A) M 1 M M 1 όπου {φ 1 (t), φ 2 (t), φ 3 (t) φ M-1 (t)} είναι ένα set απόορθοκανονικές basis functions
7 Αποδιαµόρφωση Ορθογώνιων Σηµάτων Συσχέτιση του σήµατος εισόδου µε το set από ορθοκανονικές basis functions {φ 1 (t), φ 2 (t), φ 3 (t) φ M-1 (t)} Αποτέλεσµα είναι η προβολή του εισερχοµένου στο set από ορθοκανονικές basis functions {φ 1 (t), φ 2 (t), φ 3 (t) φ M-1 (t)} Π.χ. Αν το λαµβανόµενο είναι r( t) = s ( t) + n( t) = Aφ ( t) + n( t) 0 1 η έξοδος του 1 ου correlatorθα είναι και όλων των υπολοίπων Detector : select symbol that gives maximum z0( T )= A+ n0 zi ( T ) = ni, i= 1,..., M 1 z ( T ) i 7
8 Phase Shift Keying (PSK) Στην PSK, η φάση του φέροντος µεταλλάσσεται µεταξύ 2 (για BPSK) ή περισσοτέρων (για MPSK) τιµών. Με PSK η πληροφορία περιέχεται στην στιγµιαία αρχική φάση του διαµορφωµένου φέροντος. Συνήθως αυτή η φάση µετριέται σε σχέση µε ένα συγκεκριµένο φέρον µε γνωστή φάση Coherent PSK Γιαδυαδική PSK, οι καταστάσεις φάσειςείναι 0 o και 180 o Κυµατοµορφή: Page 453
9 Αναλυτική µαθηµατική περιγραφή έχει ως εξής: s ( t) = Ag( t)cos ω t+ θ, t< T, i=,,..., M όπου b g i c i b g(t) = εκπεµπόµενος µορφοποιηµένος παλµός A = πλάτος του σήµατος θ = φάση φέροντος Το εύρος της φάσης του φέροντος υπολογίζεται από 2 π ( i 1) 2π i θi = or θi = M M Για τετραγωνικούς παλµούς, έχουµε: 2 g( t) =, 0 t Tb ; and assume A= E T b b Page 454
10 Μπορούµε να γράψουµε µε µαθηµατικά: 2 E ( 2 ( 1 ) ) b π i ω T M s ( t ) = cos t +, 0 t < T, i = 1, 2,..., M i c b b Constant envelope Η φάση του φέροντος αλλάζει απότοµαστην αρχή κάθε διαστήµατος συµβόλου 180-phase shift 0-phase shift -90-phase shift t 0 T 2T 3T 4T Page 455
11 Επίσης µπορούµε να γράψουµε: 2E T s ( t) = cos + i 2E T ( 2π( i 1) ω ) ct M 2 π ( i 1) 2 π ( i 1) ω M ct M = cos cos sin sinωct Επιπλέον, s i (t)µπορεί να αναπαρασταθεί σαν γραµµικός συνδυασµός δύο ορθοκανονικώνσυναρτήσεωνψ 1 (t)καιψ 2 (t)ως εξής: s( t) = E cos ψ ( t) Esin ψ ( t) i 2π( i 1) 2π( i 1) M M 1 2 όπου 2 2 T T ψ ( t) = cos ω t andψ ( t) = sinω t 1 c 2 c Page 456
12 Χρησιµοποιώντας την αρχή των ορθοκανονικώνσυναρτήσεων βάσης, µπορούµε να απεικονίσουµε PSK σήµατα σαν διδιάστατο vector s = F H E 2π( i 1) 2π( i 1) cos ψ 1, E sin ψ 2 M M i b b Για M-αδικά phase modulation M = 2 k, όπου kείναι ο αριθµός των information bits ανά transmitted symbol Σε ένα M-αδικόσύστηµα, ένα από M 2πιθανά σύµβολα, s 1 (t),, s m (t), εκπέµπεται κατά τη διάρκεια κάθε T s -second διαστήµατος Ο ρυθµός (rate)κατά τον οποίο M-αδικάµηνύµαταεκπέµπονταιµέσα στο κανάλι λέγεται Baud Rate Η απεικόνιση ή αντιστοίχιση των k information bits σε M = 2 k δυνατές φάσεις µπορούν να συµβούν µε πολλούς τρόπους, π.χ. για M = 4 I K Page 457
13 M_ary Constellations E E E E M=8 M=4 01 M k MPSK BPSK QPSK PSK PSK = E M=8 E M=4 10 Page 459
14 Power Spectral Density της 2-PSK af F a f P f E sin f f T b c b = + 2 π f f T L NM HG a f c b I KJ F HG a f sin f fc T π f f T a f c b b I KJ 2 2 O QP ή ( ){ } ( A 2 T 2 A 2 T ){ b b 2 } 2 2 P( f ) = sin c ( f f ) T + sin c ( f + f ) T C C b b Bandwidth = 2R = s 2 T s Το εύρος φάσµατος ενός BPSK σήµατος είναι διπλάσιο από αυτό του baseband σήµατος µε του ίδιο pulse shaping. Page 470
15 Γεωµετρική αναπαράσταση σηµάτων διαµόρφωσης φάσης Τα σήµατα MPSK µπορούν να εκφραστούν ως γραµµικός συνδυασµόςτων δύο ορθοκανονικών κυµατοµορφώνφ 1 (t), φ 2 (t), ως εξής µε s m s ( t) = s ϕ ( t) + s ϕ ( t) m m1 1 m2 2 2 ϕ1( t) = gt ( t)cos 2 fct E g ( π ) 2 ϕ2( t) = gt ( t)sin 2 fct E g ( π ) Τα ανύσµατα, για m = 1,2,...,M,αντιστοιχούν σε Μ διαφορετικές κυµατοµορφές εκποµπής, που δίνονται από τις προβολές s = s s 1, 2] m m m Για MPSK π π sm = Es cos ( 2m 1 ), Es sin ( 2m 1) M M 15
16 Γεωµετρική αναπαράσταση σηµάτων διαµόρφωσης φάσης Οι προβολές s m1 και s m2 προκύπτουν ως οι προβολές στα φ 1 (t) και φ 2 (t): T s s = s ( t) ϕ ( t) dt= E cosθ m1 m 1 s m 0 T s s = s ( t) ϕ ( t) dt= E sinθ m2 m 2 s m 0 10 Q Q E s I I 2E s 01 π 3π θ= π, π, π, π θ = 0,, π, θ m =2π(m 1)/4, m = 1, 2, 3, 4 θ m =(2m 1 )π/4, m = 1, 2, 3, 4 16
17 Παράδειγµα: QPSK (Μ=4) s 1 E s 0 11 s 2 s 3 10 { (2 m 1) (2 m 1) } E π π φ1 E φ2 s ( t ) = cos ( ) sin ( ) QPSK s s t + t M M 17
18 έκτης συσχετισµού µε συναρτήσεις βάσης r( t) = s ( t) + n( t), m= 1,2,..., M m x r( t) φ 1 ( t) x φ ( t ) 2 z T ( ) dt 0 z T ( ) dt 0 r t 1 ( ) r2 ( t ) t = T r T 1 ( ) r2 ( T ) t Ts [ ] 1 1 m1 1 m s ( ) ( ) 2 ( ) ( ) ( θ ) Maximum Likelihood Detector r ( T ) = r( t) ϕ ( t) dt= s ϕ ( t) + s ϕ ( t) + n( t) ϕ ( t) dt T s T = Es cos θm ϕ1( t) Es sin θm ϕ2( t) n( t) + + ϕ1( t) dt T T T s s s s m 1 s m s m 1 m1 1 ( ) s t m = E cos θ ϕ ( t) dt+ E sin θ ϕ ( t) ϕ ( t) dt+ n( t) ϕ ( t) dt = E cos + n ( T ) = s + n ( T ) 18
19 Επίδραση θορύβου στην έξοδο του δέκτη Αποδεικνύεται ότι ο όρος T s n ( T ) n( t) ϕ ( t) dt = είναι τυχαία µεταβλητή Gaussian (όπως ο θόρυβος n(t)) µε µέση τιµή T s [ s ] [ ] 1 E n( T ) = E n( t) ϕ ( t) dt= 0 και διακύµανση = = [ ] 0 Ts Ts n s σ E n ( T ) E n( τ ) n( t) ϕ ( τ ) dtdτ Ts Ts Ν0 = 2 Ν = 2 = N T s ( t ) δ τ ϕ ( τ ) dtdτ ϕ ( τ ) dt
20 Κανόνας απόφασης maximum a-posteriori probability Με τον δέκτη συσχετισµού µε τις συναρτήσεις (σήµατα) βάσης και µε βάση το receive vector r = [r 1, r 2 ] ο ανιχνευτής (φωρατής) πρέπει να επιλέξει το σύµβολα µε τη µεγαλύτερη εκ των υστέρων πιθανότητα s with max p( s transmitted r) m= 1,..., M m Χρησιµοποιώντας όµως τον κανόνα του Bayesέχουµε m p( s r) = m p ( r sm ) p ( sm ) p( r) οπότε για ισοπίθανασύµβολα p( s m ) = και αφού το pr ( ) M είναι κοινό σε όλες τις εκ των υστέρων πιθανότητες, το παραπάνω κριτήριο απόπφασης ισοδυναµείµε το κριτήριο µέγιστης πιθανοφάνεις (Maximum Likelihood (ML) criterion) s with max p( r s transmitted ) m= 1,..., M m m 1 20
21 Στατιστική δειγµάτων εξόδου του δέκτη Εποµένως ( r s ) 2 1 k mk p( rk sm transmitted) = exp, k = 1, 2 2 σ 2 2σ n π n και επειδή οι όροι nk ( T ), k = 1, 2 είναι στατιστικά ανεξάρτητοι µε την ίδια 2 διακύµανση σ n, αν θεωρήσουµε το vector r = (r 1, r 2 ), η συνάρτηση πιθανοφάνειας θα είναι 2 1 p( r sm transmitted) = exp k= 1σ n 2π ( r s ) ( r s ) Εποµένως ο maximum likelihood estimator θα επιλέξει το σύµβολο µε τη µεγαλύτερη πιθανοφάνεια s with max p( r s transmitted) 2σ mk 2 n k= 1 k mk = exp 2 σ 2 2σ n π n m k m 2 21
22 Maximum Likelihood Estimator (MLE) Για να απλοποιήσουµε τους υπολογισµούς, αν πάρουµε τον λογάριθµο της συνάρτησης πιθανοφάνειας έχουµε 1 ln ( p( r sm transmitted) ) = 2 ln σ n 2π ( r s ) 2 2 Οπότε εύκολα προκύπτει ότι η µέγιστη πιθανοφάνειαισοδυναµεί µε την επιλογή ηλαδή η Ευκλείδεια απόσταση µεταξύ του vector r = [r 1, r 2 ] και του s = s s 1, 2] m m m ελαχιστοποιείται. ΚΡΙΤΗΡΙΟ ΑΝΙΧΝΕΥΣΗΣ: επιλέγεται το σύµβολο µε τη µικρότερη Ευκλείδεια απόσταση µε την έξοδο του δέκτη συσχετισµού. ( ) 2 2 s with min r s m k= 1 k mk k= 1 k 2σ 2 n mk 22
23 MCS based on received SNR Example of QPSK with SNR = 14 db Receiver detection obtain Euclidean distance between received signal z and all tx symbols ( ) 2 d z, sq = z sq 2 Maximum likelihood detector selects ( ) 2 sˆ = si = min d z, s i i 23
24 Digital Modulation at Passband If the modulated signal has the waveform ( π ) ( π ) I ( t) cos 2 f t Q( t)sin 2 f t c c where f c is the carrier frequency, then a baseband simulation recognizes that this equals to ( + ) { j 2 f t I t jq t e π } c Re ( ) ( ) and models only the part inside the square brackets. The modulated signal at baseband is given by sampling the complex signal I( t) + jq( t) 24
25 Digital Modulation at Passband Example QPSK: analyze tx signal to basis functions: a 1 = {-1, +1} / 2 b 1 = {-1, +1}/ 2 Tx: { cos ( ωct), sin( ωct) } a1 cos( ωct) + b1 sin( ωct) = a1 + b1 cos ωct+ tan b a ( ) 25
26 Baseband and Passband signals M-PSK: σύµβολα εκποπµής j (2m 1)/ M j2 fct s ( t) Re[ Ag ( t) e π = e π ] m T π = Ag T( t) cos 2 π fct+ (2m 1) M π π = A g T ( t )cos (2 m 1) c os 2 c Ag T( t)sin (2m 1) sin 2 M M = I( t) cos 2π f t Q( t) sin 2π f t I(t)+ j Q(t) g Τ (t) ( c ) ( c ) j2 fct ( I t + jq( t) ) e π = Re [ ( ) ] ( π f t ) Ag ( t)sin (2m 1) ( π f t ) signal σε βασική ζώνη (baseband) κρουστική απόκριση φίλτρου για µορφοποίηση παλµού Στην προσοµοίωση µοντελοποιούµε το σήµα σε βασική ζώνη (low-pass equivalent) I(t) + j Q(t) (µιγαδικοί αριθµοί) c
27 Bit level end-to-end system model e j7π/4, e jπ/4,
28 Bit level end-to-end system model bitseq =[ ] Find modulation symbols for BPSK at baseband (carrier freq. =0) for QPSK at baseband (carrier freq. =0) i e j7π/ i e jπ/ i e j5π/ i e j3π/4 28
29 Digital modulations at baseband function [mod_symbols, sym_table, M] = modulator(bitseq,b) if b==2 % QPSK modulation N_bits=length(bitseq); sym_table=exp(j*pi/4*[ ]); sym_table=sym_table([ ]+1); inp=reshape(bitseq,b,n_bits/b); mod_symbols=sym_table([2 1]*inp+1); M=4; 29
30 Digital modulations at baseband sym_table = i i i i >>xsym=[0:3]; >> scatterplot(sym_table); >> text(real(sym_table)+0.1, imag(sym_table), dec2bin(xsym)); >> axis([ ]); Quadrature Scatter plot In-Phase 30
31 Modulation and Coding Schemes (MCS) 4-PSK transmits π If cos( 2π fct) ( sin( 2π fct) ) = cos 2π fct+ 4 If 01 If 00 3π cos( 2π fct) ( sin( 2π fct) ) = cos 2π fct+ 4 5π cos( 2π fct) 0.707( sin( 2π fct) ) = cos 2π fct+ 4 If 10 The transmit signal is written as linear combination of 2 orthogonal functions 7π cos( 2π fct) 0.707( sin( 2π fct) ) = cos 2π fct+ 4 { cos ( ωct), sin( ωct) }. Coefficients in the linear combination determine the transmit modulation symbol. 31
32 BPSK Binary Phase Shift Keying (BPSK) 32
33 QPSK (2 orthogonal 2-PAM) 33
34 Baseband and passband signals Example: QPSK σε βασική ζώνη ιάγραµµα Αστερισµού I+ j Q where I & Q takes values {0.707, } 34
35 16-QAM (Quadrature Amplitude Modulation) Αποτελείται από 2 ορθογώνιες 4-PAM (Pulse Amplitude Modulation) 35
36 Μ-QAM (1/3) ( 2π ) ( 2π ) s ( t) = Re[( A + ja ) g ( t) e ] = A g ( t)cos f t A g ( t)sin f t j2π fct m m1 m2 T m1 T c m2 T c m = 1, 2,..., M όπου, g Τ (t) είναι ένας παλµός µε ενέργεια Ε g, A m1 και A m2 είναι τα πλάτη των ορθογωνίων σηµάτων που εξαρτώνται από τα δεδοµένα. Εναλλακτικά ένα σήµα QAM µπορεί να παρασταθεί ως άνυσµα: s t V e g t e V g t π f t ϑ m M jϑm 2π fct m( ) = Re[ m T ( ) ] = m T ( )cos(2 c + m ), = 1, 2,.., A m2 όπου Vm = Am 1+ Am 2, θm = tan Am 1 είναι το πλάτος και η φάση, αντίστοιχα, του m-οστού σήµατος από το Μ-αδικό signal set. 36
37 Μ-QAM (2/3) Από την έκφραση αυτή είναι προφανές ότι οι κυµατοµορφές που προκύπτουν από τη διαµόρφωση αυτή µπορούν να θεωρηθούν ως συνδυασµός διαµόρφωσης πλάτους και φάσης. Η απόσταση του κάθε σηµείου από το κέντρο των αξόνων δηλώνει το πλάτος ενώ η γωνία που σχηµατίζει µε τον οριζόντιο άξονα καθορίζει τη φάση του εκπεµπόµενου σήµατος. Από τις παραπάνω σχέσεις επίσης προκύπτει ότι: 2E A = V cos = a ( θ ) min m1 m m m Eg 2E A = V sin = b ( θ ) min m2 m m m Eg όπου Ε min είναι η ενέργεια του σήµατος µε το µικρότερο πλάτος, και (α m, b m ) είναι το ζευγάρι των ανεξάρτητων ακεραίων ανάλογα µε τη θέση του συγκεκριµένου signal point. 37
38 Μ-QAM (3/3) Όπως στην περίπτωση των σηµάτων Μ-PSK, έτσι και στο QAM, οι κυµατοµορφές µπορούν να παρασταθούν ως ένας γραµµικός συνδυασµός δύο ορθογώνιων κυµατοµορφών φ 1 (t) και φ 2 (t), s ( t) = s ϕ ( t) + s ϕ ( t) m m1 1 m 2 2 Οι προβολές στη βάση δίνονται από τη σχέση E E E E θ θ [ ] ( ) ( ) g g g g sm= sm 1 sm 2 = Am 1, Am 2 = Vm cos m, Vm sin m = Emin am, Emin bm όπου τα (α m, b m ) είναι στοιχεία ενός L L πίνακα που δίνεται ως: µε L= ( L+ 1, L 1) ( L+ 3, L 1)... ( L 1, L 1) ( L 1, L 3) ( L 3, L 3)... ( L 1, L 3) + +, =.... m m.... ( L+ 1, L+ 1) ( L+ 3, L+ 1)... ( L 1, L+ 1) { a b } M 38
39 16-QAM (1/3) Είναι φανερό ότι το εισερχόµενο bit stream χωρίζεται σε δύο παράλληλα µέρη µε ρυθµό R b /2 το καθένα. Στη συνέχεια, για 16-QAM, κάθε 2 bits στo I και 2 bits στο Q µετατρέπονται σε 4 = 2 2 διαφορετικά πλάτη, έστω [-3, -1, 1, 3] (ανάλογα µε το συνδυασµό 2 bit). Αυτή η διαδικασία λαβαίνει µέρος και στο inphase και στο quadrature µέρος. 39
40 16-QAM (2/3) Κατά το άθροισµά τους, παίρνουµε τα εξής σύµβολα µετάδοσης, τα οποία δίνονται παρακάτω από τις προβολές τους (α m, b m ) στα I και Q: { a, b } m m ( 3,3) ( 1,3) (1,3) (3,3) ( 3,1) ( 1,1) (1,1) (3,1) = ( 3, 1) ( 1, 1) (1, 1) (3, 1) ( 3, 3) ( 1, 3) (1, 3) (3, 3) Η Ευκλείδια απόσταση µεταξύ δύο σηµείων στο διάγραµµα αστερισµού M-QAM είναι: ( ) ( ) d s s E a a b b ( e) 2 2 mn = m n = min m n + m n 40
41 16-QAM (3/3) 16-QAM transmits If 1010 If 1011 π 3cos( 2π fct) + 3( sin( 2π fct) ) = 18 cos 2π fct+ 4 π 3cos( 2π fct) + 1( sin( 2π fct) ) = 10 cos 2π fct+ 6 If 1111 π 1cos( 2π fct) + 1( sin( 2π fct) ) = 2 cos 2π fct+ 4 The transmit signals differ in phase and/ or amplitude. Bit Rate is given R b 4( bit / symbol) = = 4R T s s 41
42 Bit level end-to-end system model e j7π/4, e jπ/4,
43 Convolutional channel encoder 43
44 Modulation & Coding Schemes (MCS) based on received SNR The MCS used depends on the received SNR at the receiver side. Example for 3.5MHz bandwidth: ID MCS Received SNR (db) power (dbm) 1 BPSK 1/ QPSK 1/ QPSK 3/ QAM ½ QAM 3/ QAM 2/ QAM 3/
45 Data Rates based on MCS selection Bit rate depends on the modulation and coding scheme, as follows R b = (# bit / symbol) T (# / ) s coding rate = bit symbol coding rate R s In all cases, the transmitted bandwidth is given by BW R ( Hz) s 45
46 Modulation using Gray encoding Decimal Binary Gray Gray-code values code code values
47 Modulation using Gray encoding Conversion from natural Binary to Gray code Consider a bit binary number b n 1: 0 with j representing the index of the binary number. Let g( n 1: 0) be the equivalent Gray code. 1. For j= n 1, ( ) ( ) n ( ) g n 1 = b n 1 i.e, the most significant bit (MSB) of the Gray code is same as the MSB of original binary number. 2. For j= n 2 : 0, ( ) ( ) g j = b j+ 1 b( j) i.e, j bit of the Gray code is the exclusive-or (XOR) of of the j+1 bit of the binary number and of the j bit of the binary number. 47
48 Example of binary to Gray-code conversion Example: a binary becomes a in Gray. g(1) = b(1) g(2) = b(1) xor b(2) g(3) = b(2) xor b(3) g(4) = b(3) xor b(4) g(5) = b(4) xor b(5) The xor operation produces a 1 if the bits are different, and produces a 0 if the bits are equal. 48
49 Modulation using Gray encoding Conversion from Gray code to natural Binary ( ) Let g n 1: 0 be the n bit Gray code of a binary number with j representing the index of the binary number. 1. For j= n 1, ( 1) = g( n 1) b n b( n 1: 0) i.e, the most significant bit (MSB) of the Gray code is same as the MSB of original binary number. 2. For j= n 2 : 0, ( ) ( ) b j = b j+ 1 g( j) i.e, j bit of the binary number is the exclusive-or (XOR) of the j+1 bit of the binary number and of the j bit of the Gray code number. 49
50 Convert a Gray number to a binary number conversion from Gray to its binary equivalent. b(1) = g(1) b(2) = b(1) xor g(2) b(3) = b(2) xor g(3) b(4) = b(3) xor g(4) b(5) = b(4) xor g(5) 50
51 Binary to Gray conversion in matlab Simulation % Binary to Gray code conversion clear; ipbin = [0:7]; % decimal equivalent of a 3-bit binary word opgray = bitxor(ipbin, floor(ipbin/2)); % decimal equivalent of the >> opgray = % 3-bit Gray word % Gray to Binary conversion [tt ind] = sort(opgray); % sorting Gray code elements to form % the lookup table opbin = ind(opgray+1)-1; % picking elements from the array >> opbin =
52 16-QAM without Gray coding >>ipbin=[0:15]; >>y = qammod(ipbin, 16); >> scatterplot(y); scatter plot of 16-QAM without Gray-coding Quadratu ure text(real(y)+0.1, imag(y), dec2bin(ipbin)); In-Phase axis([ ]); 52
53 16-QAM with Gray coding >>ipbin=[0:15]; >>mapping = [ ].'; >>sym = mapping(ipbin+1); >>y = qammod(sym, 16); >> scatterplot(y); text(real(y)+0.1, imag(y), axis([ ]); dec2bin(ipbin)); Quadrature scatter plot of 16-QAM with Gray-coding b0b1 b2b In-Phase 53
54 Αντιστοίχιση (mapping) bits σε σύµβολα εκποµπής M=16; k=log2(m); N_bits = 200; msg_orig = randsrc(n_bits, 1, 0:1); mapping = [ ].'; xsym = bi2de(reshape(msg_orig, k, length(msg_orig)/k).', 'left-msb'); sym = mapping(xsym+1); y = qammod(sym, M); y_hat = y/sqrt(10) % normalize average tx power to 1 scatterplot(y); % Plot the constellation. % Include text annotations that number the points. text(real(y)+0.1, imag(y), dec2bin(xsym)); axis([ ]); % Change axis so all labels fit in plot. 54
55 Αντιστοίχιση (mapping) bits σε σύµβολα εκποµπής b0b1 b2b3 Scatter plot for 16-QAM 55
56 De-modulation of M-ary signals There are two distinct methods for bit recovery from modulation symbols 1. Hard decision: the receiver estimates the received symbol and then de-maps it to the gray code bits and finally to the binary code bits (original transmitted bits). 2. Soft decision: from the received symbols, the receiver is able to obtain soft estimates for the received bits. In this case, information about the reliability of the estimate is preserved. Soft bit values for M-ary modulations are used in soft decision Viterbi decoders, which have better bit error rate (BER) performance compared to hard decision decoders (where we first estimate the symbol and then obtain log 2 (M) bit values, which are input to the decoder). 56
57 Soft decision bits for 16-QAM symbols y_hat = y_hat*sqrt(10); % approximate soft value for b0 b1 b2 b3 b0_soft = real(y_hat'); b1_soft = 2 - abs(real(y_hat')); b2_soft = -imag(y_hat'); b3_soft = 2 - abs(imag(y_hat')); b0 = b0_soft > 0; b1 = b1_soft > 0; b2 = b2_soft > 0; b3 = b3_soft > 0; BitHat = [b0 b1 b2 b3]; BitHatSoft = [b0_soft b1_soft b2_soft b3_soft]; 57
58 Soft decision bits for 16-QAM symbols Example for symbol (ideal case without noise) y_hat = i BitHatSoft = BitHat = Quadrature scatter plot of 16-QAM with Gray-coding In-Phase 58
59 Soft decision demodulation Similarly, soft decision estimates for various modulation schemes are given as follows: BPSK b = y 0 R QPSK 0 R b b = = y y 1 I 16-QAM b0 = yr / sqrt(10) b1 = 2 yr / sqrt(10) b2 = yi / sqrt(10) b3 = 2 yi / sqrt(10) 59
60 Soft decision demodulation 64-QAM b0 = yr / sqrt(42) b1 = 2 yr / sqrt(42) b2 = 2 4 yr / sqrt(42) b3 = yi / sqrt (42) b4 = 2 yi / sqrt(42) b5 = 2 4 yi / sqrt(42) 60
61 Αποδιαµόρφωση µε διάλειψη καναλιού Έστω ότι rείναι το σύµβολο λήψης (έξοδος matched filter), το οποίο δίνεται ως r = a s + n όπου αείναι ο συντελεστής του καναλιού (µιγαδικός αριθµός), sείναι το εκπεµπόµενο σύµβολο και nείναι ο θόρυβος. Η επίδραση του καναλιού διορθώνεται µε το να πολλαπλασιάσουµε το λαµβανόµενο σύµβολο µε α* και να κανονικοποιήσουµε διαιρώντας µε την ισχύ του καναλιού * 2 * * a r a s+ a n a n y= = = s a a a Υπάρχουν δύο µέθοδοι αποδιαµόρφωσης: hard και soft 61
62 Αποδιαµόρφωση µε διάλειψη καναλιού Η hard decision µέθοδος δίνει απευθείας hard bits +1 και -1, τα οποία αντιστοιχούν στη maximum likelihood decisionπου επιλέγει το constellation pointµε την µικρότερη απόσταση από ένα δυνατό σύµβολο s= arg min y s m 2 όπου m = 1,, M, Μείναι το µέγεθος της διαµόρφωσης. Στη soft decision µέθοδο, ο αποδιαµορφωτής δίνει soft information για κάθε bitστην έξοδο του αποδιαµορφωτή. Για κάθε output bit, αντί να δίνει τιµές +1 και -1 για το bit, δίνει µία soft decision variable η οποία αν συγκριθεί µε το zero threshold level, δίνει τη σωστή hard decisionτιµή για το συγκεκριµένο bit. 62
Baseband Transmission
Ψηφιακές Επικοινωνίες Baseband ransmission Antipodal Signalling - Binary Orthogonal Signalling Probability of Error M-ary Orthogonal Signalling Waveforms Detection M-PAM detection Probability of error
Διαβάστε περισσότεραΛύσεις Θεµάτων Εξεταστικής Ιανουαρίου 2009 Mάθηµα: «Ψηφιακές Επικοινωνίες» G F = 0.8 T F = 73 0 K
Λύσεις Θεµάτων Εξεταστικής Ιανουαρίου 9 Mάθηµα: «Ψηφιακές Επικοινωνίες» Θέµα 1 ο (3%) A =6 o K P R = 1pWatt SNR IN G LNA =13dB LNA =3 K LNA G F =.8 F = 73 K Φίλτρο G = db F = 8 db Ενισχυτής IF SNR OU 1.
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Δισδιάστατες Κυματομορφές Σήματος
Ψηφιακές Τηλεπικοινωνίες Δισδιάστατες Κυματομορφές Σήματος Εισαγωγή Στα προηγούμενα μελετήσαμε τη διαμόρφωση PAM δυαδικό και Μ-αδικό, βασικής ζώνης και ζωνοπερατό Σε κάθε περίπτωση προέκυπταν μονοδιάστατες
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 15 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst15
Διαβάστε περισσότεραBandPass (4A) Young Won Lim 1/11/14
BandPass (4A) Copyright (c) 22 Young W. Lim. Permission is granted to copy, distribute and/or modify this document under the terms of the GNU Free Documentation License, Version.2 or any later version
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα ΙΙ
Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 3: Εισαγωγή στην Έννοια της Διαμόρφωσης Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα 1. Η ανάγκη για διαμόρφωση 2. Είδη διαμόρφωσης 3. Διαμόρφωση με ημιτονοειδές
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών ΙI
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI M-κά συστήματα διαμόρφωσης: Μ-PSK, M-FSK, M-QAM, DPSK + Ιστοσελίδα nιστοσελίδα του μαθήματος: n https://eclass.uowm.gr/courses/icte302/
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών ΙI
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI FSK, MSK Πυκνότητα φάσματος ισχύος βασικής ζώνης + Ιστοσελίδα nιστοσελίδα του μαθήματος: n https://eclass.uowm.gr/courses/icte302/
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΨΗΦΙΑΚΕΣ ΕΠΙΚΟΙΝΩΝΙΕΣ Εργαστήριο 9 ο : Διαμόρφωση BPSK & QPSK Βασική Θεωρία Εισαγωγή Κατά την μετάδοση ψηφιακών δεδομένων
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 7 ο : Διαμόρφωση BPSK & QPSK
Διαβάστε περισσότεραΜΕΛΕΤΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΙΑΜΟΡΦΩΣΕΩΝ ΣΕ ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΕΠΙΚΟΙΝΩΝΙΩΝ.
Τµήµα Ηλεκτρονικής ΜΕΛΕΤΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΙΑΜΟΡΦΩΣΕΩΝ ΣΕ ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΕΠΙΚΟΙΝΩΝΙΩΝ. Σπουδαστής: Γαρεφαλάκης Ιωσήφ Α.Μ. 3501 Επιβλέπων καθηγητής : Ασκορδαλάκης Παντελής. -Χανιά 2010- ΠΕΡΙΛΗΨΗ : Η παρούσα
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Βέλτιστος Δέκτης
Ψηφιακές Τηλεπικοινωνίες Βέλτιστος Δέκτης Σύνδεση με τα Προηγούμενα Επειδή το πραγματικό κανάλι είναι αναλογικό, κατά τη διαβίβαση ψηφιακής πληροφορίας, αντιστοιχίζουμε τα σύμβολα σε αναλογικές κυματομορφές
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα ΙΙ
Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 3: Ψηφιακή Διαμόρφωση Πλάτους Amplitude Shift Keying (ASK) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα Ψηφιακή Διαμόρφωση Πλάτους (ASK) Μαθηματική περιγραφή
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών
Συστήματα Επικοινωνιών Ενότητα 5: Μαθιόπουλος Παναγιώτης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Περιγραφή ενότητας Πλεονεκτήματα-Μειονεκτήματα ψηφιακών επικοινωνιών, Κριτήρια Αξιολόγησης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Διάλεξη 5 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Wepage: http://eclass.uop.gr/courses/tst233
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση
Ψηφιακές Τηλεπικοινωνίες Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση Σύνδεση με τα Προηγούμενα Σχεδιάστηκε ο βέλτιστος δέκτης για κανάλι AWGN Επειδή πάντοτε υπάρχει ο θόρυβος, ακόμη κι ο βέλτιστος δέκτης
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Διαμόρφωση Παλμών κατά Πλάτος
Ψηφιακές Τηλεπικοινωνίες Διαμόρφωση Παλμών κατά Πλάτος Διαμόρφωση Παλμών κατά Πλάτος Είπαμε ότι κατά την ψηφιακή μετάδοση μέσα από αναλογικό κανάλι κάθε σύμβολο αντιστοιχίζεται σε μια κυματομορφή σήματος
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών
Συστήματα Επικοινωνιών Ενότητα 10: Ψηφιακή Μετάδοση Βασικής Ζώνης Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Παρουσίαση των πινάκων αναζήτησης
Διαβάστε περισσότεραΣταθερή περιβάλλουσα (Constant Envelope)
Διαμόρφωση ολίσθησης φάσης (Phase Shift Keying-PSK) Σταθερή περιβάλλουσα (Constant Envelope) Ίση Ενέργεια συμβόλων 1 Binary Phase Shift keying (BPSK) BPSK 2 Quaternary Phase Shift Keying (QPSK) 3 Αστερισμός-Διαγράμματα
Διαβάστε περισσότεραΚωδικοποίηση Χώρου-Χρόνου. Χρόνου
Κωδικοποίηση Χώρου-Χρόνου Χρόνου Μέρος Ι: Σχήμα Alamouti Ομάδα Ασύρματων Τηλεπικοινωνιακών Συστημάτων Τμήμα Ηλεκτρολόγων Μηχανικών & Μ/Υ Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Γιώργος Καραγιαννίδης Βασίλειος
Διαβάστε περισσότεραΔίκτυα Απευθείας Ζεύξης
Δίκτυα Απευθείας Ζεύξης Επικοινωνία μεταξύ δύο υπολογιστώνοιοποίοιείναι απευθείας συνδεδεμένοι Φυσικό Επίπεδο. Περίληψη Ζεύξεις σημείου προς σημείο (point-to-point links) Ανάλυση σημάτων Μέγιστη χωρητικότητα
Διαβάστε περισσότεραΨηφιακές Επικοινωνίες
Ψηφιακές Επικοινωνίες Ενότητα 2: Παναγιώτης Μαθιόπουλος Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Εισαγωγή (1) Οι Ψηφιακές Επικοινωνίες (Digital Communications) καλύπτουν σήμερα το
Διαβάστε περισσότεραΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ. «ΜΕΛΕΤΗ ΚΑΙ ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΜΕΤΡΗΣΕΙΣ BER ΓΙΑ ΣΗΜΑΤΑ QPSK, π/8 PSK, 16QAM, 64- QAM ΜΕ ΧΡΗΣΗ ΓΕΝΝΗΤΡΙΑΣ ΣΗΜΑΤΟΣ ΚΑΙ ΑΝΑΛΥΤΗ ΣΗΜΑΤΟΣ»
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΜΕΛΕΤΗ ΚΑΙ ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΜΕΤΡΗΣΕΙΣ BER ΓΙΑ ΣΗΜΑΤΑ QPSK, π/8 PSK, 16QAM, 64- QAM ΜΕ ΧΡΗΣΗ ΓΕΝΝΗΤΡΙΑΣ ΣΗΜΑΤΟΣ ΚΑΙ ΑΝΑΛΥΤΗ ΣΗΜΑΤΟΣ» ΟΛΓΑ ΛΑΔΑ Α.Ε.Μ. 2572 ΑΘΑΝΑΣΙΑ ΧΡΟΝΗ Α.Ε.Μ 1802 ΕΠΙΒΛΕΠΩΝ
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ ΠΕΜΠΤΟ ΜΕΤΑΤΡΟΠΗ ΑΝΑΛΟΓΙΚΟΥ ΣΗΜΑΤΟΣ ΣΕ ΨΗΦΙΑΚΟ
ΚΕΦΑΛΑΙΟ ΠΕΜΠΤΟ ΜΕΤΑΤΡΟΠΗ ΑΝΑΛΟΓΙΚΟΥ ΣΗΜΑΤΟΣ ΣΕ ΨΗΦΙΑΚΟ 5.1 Tο θεώρημα δειγματοληψίας. Χαμηλοπερατά σήματα 5.2 Διαμόρφωση πλάτους παλμού 5.3 Εύρος ζώνης καναλιού για ένα PAM σήμα 5.4 Φυσική δειγματοληψία
Διαβάστε περισσότεραΚεφάλαιο 7. Ψηφιακή Διαμόρφωση
Κεφάλαιο 7 Ψηφιακή Διαμόρφωση Ψηφιακή Διαμόρφωση 2 Διαμόρφωση βασικής ζώνης H ψηφιακή πληροφορία μεταδίδεται απ ευθείας με τεχνικές διαμόρφωσης παλμών βασικής ζώνης, οι οποίες δεν απαιτούν τη χρήση ημιτονοειδούς
Διαβάστε περισσότεραΜετάδοση πληροφορίας - Διαμόρφωση
Μετάδοση πληροφορίας - Διαμόρφωση MYE006: ΑΣΥΡΜΑΤΑ ΔΙΚΤΥΑ Ευάγγελος Παπαπέτρου ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΗΧ. Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Διάρθρωση μαθήματος Μετάδοση Βασικές έννοιες Διαμόρφωση ορισμός είδη
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 14 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: hp://ecla.uop.gr/coure/s15 e-mail:
Διαβάστε περισσότεραCHAPTER 101 FOURIER SERIES FOR PERIODIC FUNCTIONS OF PERIOD
CHAPTER FOURIER SERIES FOR PERIODIC FUNCTIONS OF PERIOD EXERCISE 36 Page 66. Determine the Fourier series for the periodic function: f(x), when x +, when x which is periodic outside this rge of period.
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Διαμόρφωση Πλάτους - 1
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Διαμόρφωση Πλάτους - 1 3.2: Διαμόρφωση Πλάτους (Amplitude Modulation, AM) 3.3: Διαμόρφωση Πλευρικής Ζώνης με Καταπιεσμένο
Διαβάστε περισσότεραOutline Analog Communications. Lecture 05 Angle Modulation. Instantaneous Frequency and Frequency Deviation. Angle Modulation. Pierluigi SALVO ROSSI
Outline Analog Communications Lecture 05 Angle Modulation 1 PM and FM Pierluigi SALVO ROSSI Department of Industrial and Information Engineering Second University of Naples Via Roma 9, 81031 Aversa (CE),
Διαβάστε περισσότεραΣύνδεση με τα Προηγούμενα. Προχωρημένα Θέματα Τηλεπικοινωνιών. Εισαγωγή (2) Εισαγωγή. Βέλτιστος Δέκτης. παρουσία AWGN.
Προχωρημένα Θέματα Τηλεπικοινωνιών Βέλτιστος Δέκτης για Ψηφιακά Διαμορφωμένα Σήματα παρουσία AWGN Σύνδεση με τα Προηγούμενα Στις «Ψηφιακές Τηλεπικοινωνίες», αναφερθήκαμε στο βέλτιστο δέκτη ψηφιακά διαμορφωμένων
Διαβάστε περισσότεραHomework 3 Solutions
Homework 3 Solutions Igor Yanovsky (Math 151A TA) Problem 1: Compute the absolute error and relative error in approximations of p by p. (Use calculator!) a) p π, p 22/7; b) p π, p 3.141. Solution: For
Διαβάστε περισσότεραΔυαδικά Αντίποδα Σήματα. Προχωρημένα Θέματα Τηλεπικοινωνιών. Πιθανότητα Σφάλματος σε AWGN Κανάλι. r s n E n. P r s P r s.
Προχωρημένα Θέματα Τηλεπικοινωνιών Πιθανότητα Σφάλματος σε AWGN Κανάλι Δυαδικά Αντίποδα Σήματα Δυαδικά Αντίποδα Σήματα Βασικής Ζώνης) : s (t)=-s (t) Παράδειγμα: Δυαδικό PA s (t)=g T (t) (παλμός με ενέργεια
Διαβάστε περισσότεραmapper κανάλι slicer/ demapper AWGN P e Υπολογισµός BER
EE725 Ειδικά Θέµατα Ψηφιακών Επικοινωνιών ηµήτρης Τουµπακάρης 07/06/2007 Τελική εργασία µαθήµατος Μέρος 1 ο Στο πρώτο µέρος της εργασίας θα υλοποιηθεί ένα απλό σύστηµα διαµόρφωσης/αποδιαµόρφωσης και µετάδοσης
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα ΙΙ
Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 6: Ψηφιακή Διαμόρφωση Φάσης Phase Shift Keying (PSK) με Ορθογωνική Σηματοδοσία Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα Ορθογωνική Σηματοδοσία Διαμόρφωση
Διαβάστε περισσότεραΤμήμα Μηχανικών Η/Υ και Πληροφορικής
Τμήμα Μηχανικών Η/Υ και Πληροφορικής Εργαστήριο Επεξεργασίας Σημάτων και Τηλεπικοινωνιών Ασύρματες και Κινητές Επικοινωνίες Τεχνικές Ψηφιακής Διαμόρφωσης και Μετάδοσης Τι θα δούμε στο μάθημα Μια σύντομη
Διαβάστε περισσότεραΜετάδοση πληροφορίας - Διαμόρφωση
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΗΧ. Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Μετάδοση πληροφορίας - Διαμόρφωση MYE006-ΠΛΕ065: ΑΣΥΡΜΑΤΑ ΔΙΚΤΥΑ Ευάγγελος Παπαπέτρου Διάρθρωση μαθήματος Βασικές έννοιες μετάδοσης Διαμόρφωση ορισμός
Διαβάστε περισσότεραBayesian statistics. DS GA 1002 Probability and Statistics for Data Science.
Bayesian statistics DS GA 1002 Probability and Statistics for Data Science http://www.cims.nyu.edu/~cfgranda/pages/dsga1002_fall17 Carlos Fernandez-Granda Frequentist vs Bayesian statistics In frequentist
Διαβάστε περισσότεραΜορφοποίηση και ιαµόρφωση Σηµάτων Βασικής Ζώνης
Μορφοποίηση και ιαµόρφωση Σηµάτων Βασικής Ζώνης Μορφοποίηση - Κωδικοποίηση πηγής Μορφοποίηση παλµών βασικής ζώνης Μορφοποίηση & µετάδοση βασικής ζώνης Mορφοποίηση-κωδικοποίηση πηγής Mορφοποίηση παλµών
Διαβάστε περισσότεραElements of Information Theory
Elements of Information Theory Model of Digital Communications System A Logarithmic Measure for Information Mutual Information Units of Information Self-Information News... Example Information Measure
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Διαμόρφωση Πλάτους - 1
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Διαμόρφωση Πλάτους - 1 3.2: Διαμόρφωση Πλάτους (Amplitude Modulation, AM) 3.3: Διαμόρφωση Πλευρικής Ζώνης με Καταπιεσμένο
Διαβάστε περισσότεραΨηφιακές Επικοινωνίες
Ψηφιακές Επικοινωνίες Ενότητα 3: Παναγιώτης Μαθιόπουλος Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Μέρος Β Διαμόρφωση ολίσθησης φάσης (Phase Shift Keying-PSK) Σταθερή περιβάλλουσα (Constant
Διαβάστε περισσότεραΚινητά Δίκτυα Επικοινωνιών
Κινητά Δίκτυα Επικοινωνιών Ενότητα 8: Πιθανότητα Σφάλματος σε AWGN Κανάλι Καθ. Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Η εξοικείωση του φοιτητή με τεχνικές
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα ΙΙ
Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 4: Ψηφιακή Διαμόρφωση Φάσης Phase Shift Keying (PSK) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα Μαθηματική περιγραφή δυαδικής PSK (BPSK) Φάσμα σήματος διαμορφωμένου
Διαβάστε περισσότεραCHAPTER 25 SOLVING EQUATIONS BY ITERATIVE METHODS
CHAPTER 5 SOLVING EQUATIONS BY ITERATIVE METHODS EXERCISE 104 Page 8 1. Find the positive root of the equation x + 3x 5 = 0, correct to 3 significant figures, using the method of bisection. Let f(x) =
Διαβάστε περισσότεραΤμήμα Μηχανικών Η/Υ και Πληροφορικής
Τμήμα Μηχανικών Η/Υ και Πληροφορικής Εργαστήριο Επεξεργασίας Σημάτων και Τηλεπικοινωνιών Κινητά Δίκτυα Επικοινωνιών Μέρος Α: Τηλεπικοινωνιακά Θέματα: Τεχνικές Ψηφιακής Διαμόρφωσης και Μετάδοσης Tο γενικό
Διαβάστε περισσότεραΜελέτη και Προσομοίωση n πομπού για ασύρματη πρόσβαση ΦΟΙΤΗΤΗΣ: ΛΑΖΑΡΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΕΥΣΤΑΘΙΟΥ ΔΗΜΗΤΡΙΟΣ
Μελέτη και Προσομοίωση 802.11n πομπού για ασύρματη πρόσβαση ΦΟΙΤΗΤΗΣ: ΛΑΖΑΡΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΕΥΣΤΑΘΙΟΥ ΔΗΜΗΤΡΙΟΣ A) Προσομοίωση του φάσματος του καναλιού του προτύπου για να φανεί
Διαβάστε περισσότερα3.4 SUM AND DIFFERENCE FORMULAS. NOTE: cos(α+β) cos α + cos β cos(α-β) cos α -cos β
3.4 SUM AND DIFFERENCE FORMULAS Page Theorem cos(αβ cos α cos β -sin α cos(α-β cos α cos β sin α NOTE: cos(αβ cos α cos β cos(α-β cos α -cos β Proof of cos(α-β cos α cos β sin α Let s use a unit circle
Διαβάστε περισσότεραSOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM
SOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM Solutions to Question 1 a) The cumulative distribution function of T conditional on N n is Pr T t N n) Pr max X 1,..., X N ) t N n) Pr max
Διαβάστε περισσότεραEE512: Error Control Coding
EE512: Error Control Coding Solution for Assignment on Finite Fields February 16, 2007 1. (a) Addition and Multiplication tables for GF (5) and GF (7) are shown in Tables 1 and 2. + 0 1 2 3 4 0 0 1 2 3
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών
Συστήματα Επικοινωνιών Ενότητα 11: Ψηφιακή Διαμόρφωση Μέρος Α Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Περιγραφή διαμόρφωσης παλμών κατά
Διαβάστε περισσότεραSecond Order RLC Filters
ECEN 60 Circuits/Electronics Spring 007-0-07 P. Mathys Second Order RLC Filters RLC Lowpass Filter A passive RLC lowpass filter (LPF) circuit is shown in the following schematic. R L C v O (t) Using phasor
Διαβάστε περισσότεραOther Test Constructions: Likelihood Ratio & Bayes Tests
Other Test Constructions: Likelihood Ratio & Bayes Tests Side-Note: So far we have seen a few approaches for creating tests such as Neyman-Pearson Lemma ( most powerful tests of H 0 : θ = θ 0 vs H 1 :
Διαβάστε περισσότεραAmplitude Shift Keying-ASK Frequency Shift Keying-FSK Phase Shift Keying-PSK
Εισαγωγή στις Τηλεπικοινωνίες Ψηφιακές ιαµορφώσεις Amplitude Shift Keying-ASK Frequency Shift Keying-FSK Phase Shift Keying-PSK ρ. Αθανάσιος. Παναγόπουλος Λέκτορας ΕΜΠ 1 Εργαστήριο Κινητών Ραδιοεπικοινωνιών,
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Αν κάπου κάνετε κάποιες υποθέσεις να αναφερθούν στη σχετική ερώτηση. Όλα τα αρχεία που αναφέρονται στα προβλήματα βρίσκονται στον ίδιο φάκελο με το εκτελέσιμο
Διαβάστε περισσότεραExample Sheet 3 Solutions
Example Sheet 3 Solutions. i Regular Sturm-Liouville. ii Singular Sturm-Liouville mixed boundary conditions. iii Not Sturm-Liouville ODE is not in Sturm-Liouville form. iv Regular Sturm-Liouville note
Διαβάστε περισσότερα10.7 Performance of Second-Order System (Unit Step Response)
Lecture Notes on Control Systems/D. Ghose/0 57 0.7 Performance of Second-Order System (Unit Step Response) Consider the second order system a ÿ + a ẏ + a 0 y = b 0 r So, Y (s) R(s) = b 0 a s + a s + a
Διαβάστε περισσότεραChapter 6: Systems of Linear Differential. be continuous functions on the interval
Chapter 6: Systems of Linear Differential Equations Let a (t), a 2 (t),..., a nn (t), b (t), b 2 (t),..., b n (t) be continuous functions on the interval I. The system of n first-order differential equations
Διαβάστε περισσότεραmapper κανάλι slicer/ demapper AWGN P e Υπολογισµός BER
EE725 Ειδικά Θέµατα Ψηφιακών Επικοινωνιών Δηµήτρης Τουµπακάρης 20/04/2010 Τελική εργασία µαθήµατος Μέρος 1 ο Στο πρώτο µέρος της εργασίας θα υλοποιηθεί ένα απλό σύστηµα διαµόρφωσης/αποδιαµόρφωσης και µετάδοσης
Διαβάστε περισσότεραΨηφιακές Επικοινωνίες
Ψηφιακές Επικοινωνίες Ενότητα 3: Μαθιόπουλος Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Μέρος Α 3 Διαμόρφωση βασικής ζώνης (1) H ψηφιακή πληροφορία μεταδίδεται απ ευθείας με τεχνικές
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 7 ο : Διαμόρφωση Θέσης Παλμών
Διαβάστε περισσότεραΤμήμα Μηχανικών Πληροφορικής
Τμήμα Μηχανικών Πληροφορικής ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΘΕΜΑ: ΜΕΛΕΤΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΤΟΥ ΦΥΣΙΚΟΥ ΣΤΡΩΜΑΤΟΣ ΤΟΥ ΔΟΡΥΦΟΡΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ORBCOMM Study and simulation of ORBCOMM physical layer ΟΝΟΜΑΤΕΠΩΝΥΜΟ: ΤΣΑΝΙΔΟΥ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΉΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 7 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: hp://ecla.uop.gr/coure/s5 e-mail:
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Πολυδιάστατες Κυματομορφές Σήματος
Ψηφιακές Τηλεπικοινωνίες Πολυδιάστατες Κυματομορφές Σήματος Ανακεφαλαίωση Καθένα από τα Μ σύμβολα αντιστοιχίζεται σε μια αναλογική κυματομορφή Οι κυματομορφές ορίζονται σε ένα N-D χώρο σήματος (Ν Μ) Μονοδιάστατα
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα Ι
Τηλεπικοινωνιακά Συστήματα Ι Διάλεξη 12: Βασικές Αρχές και Έννοιες Ψηφιακών Επικοινωνιών Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα 1. Παράγοντες που επηρεάζουν τη σχεδίαση τηλεπικοινωνιακών
Διαβάστε περισσότεραΕισαγωγή στο 802.11 AC Συμβουλές και Λύσεις Υλοποίησης Ασύρματων Δικτύων στο RouterOS v6 MUM 2015 GREECE. Ελευθέριος Λιοδάκης
Εισαγωγή στο 802.11 AC Συμβουλές και Λύσεις Υλοποίησης Ασύρματων Δικτύων στο RouterOS v6 MUM 2015 GREECE Ελευθέριος Λιοδάκης Σχετικά με εμένα! Λιοδάκης Ελευθέριος D&C ELECTRONICS MikroTik Certified Consultant
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
Διαβάστε περισσότεραSOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM
SOLUTIONS TO MATH38181 EXTREME VALUES AND FINANCIAL RISK EXAM Solutions to Question 1 a) The cumulative distribution function of T conditional on N n is Pr (T t N n) Pr (max (X 1,..., X N ) t N n) Pr (max
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Διαμόρφωση Πλάτους - 2
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Διαμόρφωση Πλάτους - 2 3.4: Πολυπλεξία Ορθογωνικών Φερόντων (Quadrature Amplitude Modulation, QAM) 3.5: Μέθοδοι Διαμόρφωσης
Διαβάστε περισσότεραReminders: linear functions
Reminders: linear functions Let U and V be vector spaces over the same field F. Definition A function f : U V is linear if for every u 1, u 2 U, f (u 1 + u 2 ) = f (u 1 ) + f (u 2 ), and for every u U
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΨΗΦΙΑΚΕΣ ΕΠΙΚΟΙΝΩΝΙΕΣ Εργαστήριο 6 ο : Διαμόρφωση Θέσης Παλμών Βασική Θεωρία Μ-αδική Διαμόρφωση Παλμών Κατά την μετατροπή
Διαβάστε περισσότεραΔιαμόρφωση Συχνότητας. Frequency Modulation (FM)
Διαμόρφωση Συχνότητας Frequency Modulation (FM) Τι συμβαίνει με τις γραμμικές διαμορφώσεις; Στη γραμμική διαμόρφωση CW (Carrier Wave) δηλαδή, AM, DSB, SSB, VSB Το πλάτος ενός ημιτονικού φέροντος μεταβάλλεται
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών Ι
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών Ι Διαμορφώσεις γωνίας Διαμόρφωση Συχνότητας Στενής Ζώνης + Περιεχόμενα n Διαμορφώσεις γωνίας n Διαμόρφωση φάσης PM n Διαμόρφωση
Διαβάστε περισσότεραSolutions to Exercise Sheet 5
Solutions to Eercise Sheet 5 jacques@ucsd.edu. Let X and Y be random variables with joint pdf f(, y) = 3y( + y) where and y. Determine each of the following probabilities. Solutions. a. P (X ). b. P (X
Διαβάστε περισσότεραΟ Βέλτιστος Φωρατής. Σεραφείµ Καραµπογιάς
Ο Βέλτιστος Φωρατής Ο φωρατής σήµατος, µε τη βοήθεια ενός κανόνα απόφασης, βασιζόµενος στην παρατήρηση του διανύσµατος, λαµβάνει µία απόφαση ως προς το µεταδιδόµενο σύµβολο, έτσι ώστε να µεγιστοποιείται
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα Ι
Τηλεπικοινωνιακά Συστήματα Ι Διάλεξη 4: Κανάλια Επικοινωνιών Η έννοια της Διαμόρφωσης Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα 1. Κανάλια Επικοινωνίας Είδη καναλιών επικοινωνίας Ηλεκτρομαγνητικό
Διαβάστε περισσότεραSection 8.3 Trigonometric Equations
99 Section 8. Trigonometric Equations Objective 1: Solve Equations Involving One Trigonometric Function. In this section and the next, we will exple how to solving equations involving trigonometric functions.
Διαβάστε περισσότερα6.1. Dirac Equation. Hamiltonian. Dirac Eq.
6.1. Dirac Equation Ref: M.Kaku, Quantum Field Theory, Oxford Univ Press (1993) η μν = η μν = diag(1, -1, -1, -1) p 0 = p 0 p = p i = -p i p μ p μ = p 0 p 0 + p i p i = E c 2 - p 2 = (m c) 2 H = c p 2
Διαβάστε περισσότερα4.6 Autoregressive Moving Average Model ARMA(1,1)
84 CHAPTER 4. STATIONARY TS MODELS 4.6 Autoregressive Moving Average Model ARMA(,) This section is an introduction to a wide class of models ARMA(p,q) which we will consider in more detail later in this
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Επικοινωνίες I ΑΣΚΗΣΕΙΣ
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Επικοινωνίες I ΑΣΚΗΣΕΙΣ Άσκηση 1 Προσδιορίστε τη Σειρά Fourier (δηλαδή τους συντελεστές πλάτους A n και φάσης φ n ) του παρακάτω
Διαβάστε περισσότεραΠεριεχόµενα διαλέξεων 2ης εβδοµάδας
Εισαγωγή οµή και πόροι τηλεπικοινωνιακού συστήµατος Σήµατα Περιεχόµενα διαλέξεων 1ης εβδοµάδας Εισαγωγή Η έννοια της επικοινωνιας Ιστορική αναδροµή οµή και πόροι τηλεπικοινωνιακού συστήµατος οµή τηλεπικοινωνιακού
Διαβάστε περισσότεραΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ
www.lucent.com/security ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ 2 η ΟΣΣ / ΠΛΗ22 / ΑΘΗ.4 /07.12.2014 Νίκος Δημητρίου (Σημείωση: Η παρουσίαση αυτή συμπληρώνει τα αρχεία PLH22_OSS2_diafaneies_v1.ppt, και octave_matlab_tutorial_v1.ppt
Διαβάστε περισσότεραΕξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης
Πανεπιστήμιο Πατρών Τμήμα Μηχ. Η/Υ & Πληροφορικής Ακαδημαϊκό Έτος 009-010 Ψ Η Φ Ι Α Κ Ε Σ Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι ΕΣ η Εργαστηριακή Άσκηση: Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης Στην άσκηση
Διαβάστε περισσότεραΕΕ725 Ειδικά Θέµατα Ψηφιακών Επικοινωνιών 4η διάλεξη
ΕΕ725 Ειδικά Θέµατα Ψηφιακών Επικοινωνιών 4η διάλεξη ηµήτρης-αλέξανδρος Τουµπακάρης Τµήµα ΗΜ&ΤΥ, Πανεπιστήµιο Πατρών 15 Μαρτίου 2010 ηµήτρης-αλέξανδρος Τουµπακάρης Ειδικά Θέµατα Ψηφιακών Επικοινωνιών 4η
Διαβάστε περισσότεραProbability and Random Processes (Part II)
Probability and Random Processes (Part II) 1. If the variance σ x of d(n) = x(n) x(n 1) is one-tenth the variance σ x of a stationary zero-mean discrete-time signal x(n), then the normalized autocorrelation
Διαβάστε περισσότεραInformation Theory Θεωρία της Πληροφορίας. Vasos Vassiliou
Information Theory Θεωρία της Πληροφορίας Vasos Vassiliou Network/Link Design Factors Transmission media Signals are transmitted over transmission media Examples: telephone cables, fiber optics, twisted
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών
Συστήματα Επικοινωνιών Ενότητα 13: Ψηφιακή Διαμόρφωση Μέρος Γ Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Περιγραφή της διαμόρφωσης διαφορικής
Διαβάστε περισσότεραΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε.
ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε. ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Ι 5 Ο ΕΞΑΜΗΝΟ ΔΙΔΑΣΚΩΝ: Δρ ΒΑΣΙΛΕΙΟΣ ΜΠΟΖΑΝΤΖΗΣ ΨΗΦΙΑΚΗ ΔΙΑΜΟΡΦΩΣΗ ΒΑΣΙΚΗΣ ΖΩΝΗΣ Τα είδη ψηφιακής
Διαβάστε περισσότερα6.3 Forecasting ARMA processes
122 CHAPTER 6. ARMA MODELS 6.3 Forecasting ARMA processes The purpose of forecasting is to predict future values of a TS based on the data collected to the present. In this section we will discuss a linear
Διαβάστε περισσότερα2 η Εργαστηριακή Άσκηση
Πανεπιστήμιο Πατρών Τμήμα Μηχ. Η/Υ & Πληροφορικής Ψ Η Φ Ι Α Κ Ε Σ Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι ΕΣ 2 η Εργαστηριακή Άσκηση Σύγκριση Ομόδυνων Ζωνοπερατών Συστημάτων 8-PSK και 8-FSK Στην άσκηση αυτή καλείστε
Διαβάστε περισσότεραD Alembert s Solution to the Wave Equation
D Alembert s Solution to the Wave Equation MATH 467 Partial Differential Equations J. Robert Buchanan Department of Mathematics Fall 2018 Objectives In this lesson we will learn: a change of variable technique
Διαβάστε περισσότεραΙστοσελίδα:
½¾ Â ÛÖ ÈÐ ÖÓ ÓÖ ÃÛ ÛÒ ÌÀÄ ½ Ð Ü Ιστοσελίδα: www.telecom.tuc.gr/courses/tel4 ÌÀÄ ½¾ Â ÛÖ ÈÐ ÖÓ ÓÖ ÃÛ ÛÒ ¼ ÌÑ Ñ ÀÅÅÍ ÈÓÐÙØ ÕÒ Ó ÃÖ Ø Αποκωδικοποιηση Γραμμικων Κωδικων Μπλοκ Soft-Decision Decoding ψ(t),
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα ΙΙ
Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 9: Ο συγχρονισμός στις ψηφιακές επικοινωνίες Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα Σκοπός Εισαγωγή Βρόχος κλειδώματος φάσης (Phase Locked Loop - PLL)
Διαβάστε περισσότερα6.003: Signals and Systems. Modulation
6.003: Signals and Systems Modulation May 6, 200 Communications Systems Signals are not always well matched to the media through which we wish to transmit them. signal audio video internet applications
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών
Συστήματα Επικοινωνιών Ενότητα 12: Ψηφιακή Διαμόρφωση Μέρος B Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Περιγραφή της διαμόρφωσης παλμών
Διαβάστε περισσότεραApproximation of distance between locations on earth given by latitude and longitude
Approximation of distance between locations on earth given by latitude and longitude Jan Behrens 2012-12-31 In this paper we shall provide a method to approximate distances between two points on earth
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 5 ο : Προσαρμοσμένα Φίλτρα Βασική
Διαβάστε περισσότεραΑριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Τομέας Τηλεπικοινωνιών
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Τομέας Τηλεπικοινωνιών θ QAM: Μια Παραμετρική Οικογένεια Ψηφιακής Διαμόρφωσης και η Επίδοσή
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 4 ο : Διαμόρφωση Παλμών Βασική
Διαβάστε περισσότεραChapter 6: Systems of Linear Differential. be continuous functions on the interval
Chapter 6: Systems of Linear Differential Equations Let a (t), a 2 (t),..., a nn (t), b (t), b 2 (t),..., b n (t) be continuous functions on the interval I. The system of n first-order differential equations
Διαβάστε περισσότερα