星座图在实践中是如何构建的?

信息处理 离散信号 连续信号
2022-01-30 09:33:42

我在 Matlab 中模拟一些光信号,因为它们通过波导,被放大,与噪声混合等。为了记录,我是理论物理学家,不是工程师也不是实验家,所以我不知道这些测量是如何进行的在现实生活中完成。

我的想法是比较两种类型的信息编码:编码到幅度(例如,一定持续时间的高斯脉冲序列,例如脉冲等于 1,没有脉冲等于 0)或波的相位(调制相位使用 QPSK 之类的东西,所以如果相位是 45 度,那么这是一个 11 位对,依此类推)。

我的主要问题是在读取输出中的位序列时。例如,我知道检测器会做什么如下所示:(https://spie.org/etop/ETOP2005_021.pdf

在此处输入图像描述

因此,我们对每个位的位周期中心的电压进行采样,然后根据它是高于还是低于阈值将其变为 1 或 0。这对我来说似乎很好。

那么问题来了:

(1) 现在对于相位调制的情况,我们在实践中是否也这样做?我们是否在位周期中心的单个点提取相位?(在 QPSK 的情况下,位周期大概是 2 位长,因为 1 个阶段一次编码 2 个位)。

(2) 有没有这样一种情况,我们不是在位周期中采样单个点,而是取多个点并进行采样平均,然后再确定该值应该对应于 1 还是 0?如果是这样,您能否指出一些可能讨论如何完成的资源?

我主要想这样做来估计我的系统的误码率,以及创建星座图(我不喜欢黑匣子,所以我想自己理解这个过程)

3个回答

构建星座图是在发射器(信号的生成)中完成的,而 OP 的问题与采样已经构建的星座(接收器)有关。也许这个问题是错误的?

(1) 现在对于相位调制的情况,我们在实践中是否也这样做?我们是否在位周期中心的单个点提取相位?(在 QPSK 的情况下,位周期大概是 2 位长,因为 1 个阶段一次编码 2 个位)。

每个可能的星座状态都将被称为“符号”;对于 QPSK,我们有 4 个可能的符号可以传输,这通常在与大多数解调方法一致的复平面上查看,这些解调方法将评估幅度和相位并确定从接收样本到实际符号的最小欧几里得距离。在实践中,每个符号对接收信号进行多个样本采样,因为我们将使用样本中的信息来确定解调过程中的偏移——特别是幅度、频率/相位偏移和时间偏移。最终,一旦幅度被归一化,载波和定时偏移被估计和校正,一旦波形被最佳滤波,我们将使用每个符号一个样本来对实际传输的符号做出最佳估计。

(2) 有没有这样一种情况,我们不是在位周期中采样单个点,而是取多个点并进行采样平均,然后再确定该值应该对应于 1 还是 0?如果是这样,您能否指出一些可能讨论如何完成的资源?

是的,异步接收器总是需要采集多个样本,否则它不会有所需的信息来从所采集的样本中确定最佳样本所在的位置,最终将接收到的样本与可能的集合进行比较的符号。通常,最佳样本是实际样本之间的插值。正确完成的整个过程并非易事。如果这是针对工作申请的,那么这肯定是可以聘请一位在该领域有经验的顾问来详细说明进一步解决方案的类别。

完整的答案需要半本教科书,但这里有一些关于其他答案未涵盖的方面的提示。

  • 您的问题中显示的图表被称为正交脉冲的“火车”(或序列),可以写成

    kakg(tkT),
    在哪里ak{0,A}是脉冲幅度(携带实际信息),T是脉冲持续时间,并且g是一个矩形脉冲。

  • 星座只是符号的一组允许值ak.

  • 将决策阈值设置为A/2只有当值是最优的{0,A}同样可能。

  • 接收器的第一个任务是找到脉冲边界,以便它可以在每个脉冲的中间进行采样。这称为脉冲同步。

  • 在每个脉冲中间对接收信号进行采样的接收器称为“采样接收器”,它没有最佳性能。原因是仅采集一个样本会丢弃其余脉冲提供的信息。

  • “匹配滤波器”接收器提供最佳的错误性能。该接收器使用与脉冲形状“匹配”的滤波器过滤接收到的信号g,然后在中间采样。这一个样本包含来自整个脉冲的聚合信息。

到目前为止我们一直在考虑的信号是基带:它没有载波,因此它没有相位(或者更确切地说,它的相位是恒定的)。为了使用相位来传输信息,必须引入一个载波,现在这个信号被称为通带我们首先对符号进行解复用ak分成两个流,称为akIakQ. 然后,信号

k(akIg(tkT)cos(2πfct)akQg(tkT)sin(2πfct))
有相位ϕk=atan(akQ/akI).

  • 接收一个通带信号在原理上类似于接收两个基带信号,但实现起来更复杂。例如,在无线电系统中,将接收到的信号乘以正弦和余弦载波,然后对结果进行低通滤波,以便将信号带回基带。

我希望这可以帮助您入门。我建议购买 Johnson 和 Sethares 的《软件接收器设计》一书;这是一本专注于实际接收器实现的实用书籍。它以一种非常平易近人的方式涵盖了这些材料以及更多内容。

尽管样本通常被描述为表示单个时间点的信号值,但重要的是要记住这并不完全现实,以及为什么它是一个完全合理的简化。

如果您实际上想要在每个采样时间对点的任何加权分布进行采样,而不是在确切的采样时间采样单个值,您可以通过在采样前过滤信号来非常轻松地(嗯,在数学上很容易)做到这一点。您将信号与时间反转加权分布进行卷积,然后在采样时间精确采样。

因此,任何类型的附近点的平均都完全等同于首先过滤信号......并且您采样的任何内容都已经被严重过滤。将这样的任何考虑因素纳入预过滤过程在概念和实现上更简单。采样器中的任何缺陷(确实形成了附近点的平均值)也被认为是输入信号的滤波器,您可以在采样后对其进行数字校正。

因为输入信号在采样前经过了重度滤波,所以你问题中的图片非常不真实。这些曲线在采样周期的时间尺度上会非常平滑,如果您看到它们的真实样子,您就不会担心平均多个采样点。

如果你想知道你采样的信号到底是什么样子,谷歌的咒语是“眼图”。忽略眼睛的图片:) https://assets.testequity.com/te1/Documents/pdf/applications/anatomy-eye-diagram-an.pdf