手机卡2.1-2.2.pptVIP

例：4相PSK的判决：只要 落在阴影区内（ 的判决区域内）， 一定是最小的（软判决的概念） 由上例可以看出： 的距离越大，对噪声的容忍度越高，判决的可靠性也越高。但是单纯提高距离要增大发送功率是不可取的。需要优化星座结构。以上过程可以在DSP中 通过 预先编程来实现，以实现系统的日益软件化。 （2）最小均方误差判决准则 再进一步简化接收机的运算和结构。当一个过程 用正交基 表示时 有： 在最小距离判决准则表达式中，对 和 都按上式代换，于是有 这一准则称为最小均方误差（MMSE）准则。它表示：在均方误差最小的意义下，选取与随机过程（接收信号） 在统计意义上最接近（相似）的波形 作为判决输出，也将能使 。 * 发送端：二元通信发送两种波形以表达两种信息 接收端：试图从受噪声干扰的波形中识别出发送信息 观察到r(t)后，接收机该怎么做才是最佳的？ 最佳的含义：误码率最小 信噪比最大（模拟通信） 在数字通信系统中，信道的传输特性和传输过程中噪声的存在是影响通信性能的两个主要因素。本章将要讨论的最佳接收，就是研究在噪声干扰中如何有效地检测出信号。 所谓最佳是在某种标准下系统性能达到最佳，最佳标准也称最佳准则。因此，最佳接收是一个相对的概念，在某种准则下的最佳系统，在另外一种准则下就不一定是最佳的。在数字通信中，最常采用的最佳准则是输出信噪比最大准则和差错概率最小准则。 贝叶斯接收机 数字信号接收的统计模型 MAP准则（MAP接收机） 确知信号的相关接收机（ MAP接收机的工程实现） 匹配滤波器 二元确知信号最佳接收机的性能 最佳基带传输系统 主要内容： 2.1数字信号接收的统计模型 在数字通信中，人们更关心判决输出的数据正确率。因此，使输出总误码率最小的最小差错概率准则，更适合于作为数字信号接收的准则。为了便于讨论最小差错概率最佳接收机，我们需首先建立数字信号接收的统计模型。 2.2 确知信号的最佳接收机 一、贝叶斯接收机 数字通信系统的任务是传输数字信号，数字信号负载着各种媒体所表达的信息： 先验概率（a priori probability）：事件未发生就预先知道的发生概率 ，接收机的主要功能是作出判决，唯一的依据只是接收信号 是一个随机过程 。 当某一 已发出时， 就具有条件概率密度函数： 接收机的任务就在于：在 内，观察 按一定的方法（准则）判断究竟是哪一个 包含在 中（所有确知波形 是事先约定的。接收端是已知的，或已存储于接收机中的），即判断哪一个 被发送，并把对应的消息 送给接收者。这一过程对应于统计数学中的“统计假设检验”问题（Statistical Hypothesis Test）。 这里选择的判决要达到的目标 ——“错误概率极小化”称为这种最优化的“代价”（cost），他体现了最优化所追求的目标（target），或者说体现了这种最优化的价值取向。不同的代价下，优化的结果是不同的。 按以上命题的要求，可以在前面的数字通信系统（物理）模型基础上，建立接收过程的统计假设检验数学模型。（令 M=2 ，再推广到任意M）。 为噪声函数 假设 ：对应于信源发出 ，即 包含在 中 假设 ：对应于信源发出 ，即 包含在 中 概率转换机构:主要指噪声的引入，使信源发出消息的先验分布 转换为接收信号 的条件密度函数。 观察空间：接收信号 的抽样空间，由所有对 的抽样的可能值的全体构成的实数空间。 实现 代价的方法不是唯一的。不管采用哪一种方法，判决都不可能是绝对无误的。 而绝不可能为0。 判决可能出现的错误有两种： 信源发出消息 ，却选取了 成立，称为第Ⅰ类错误或称“虚报”错误（false alarm）。 信源发出消息 ，却选取了 成立，称为“第Ⅱ类错误”或“漏报”错误（false dismiss） 即发送为0，接收却判决为1的错误。 即发送为1，接收却判决为0的错误。 不同的应用，两类错误的重要性不同。在通信中是同等看待两类错误，两种消息 具有同等重要性。 总错