ch8后处理讲义.ppt

差，代价是分辨率下降。这些趋势从图8-10中可以看得出来。■ 图8-9 功率谱密度估计， 未平均的（上半图）和平均的（下半图） 图8-10 例8-4产生的PSD估计 (三)增益、延迟和信噪比 信噪比是一个常用于评估通信系统性能的指标。这里介绍的SNR估计方法源于宽带遥测系统中一种测量信道失真误差的方法。定义该系统中某点信号上的噪声为该点理想信号和实测信号之间的均方误差（MSE），将理想信号定义为系统输入端的信息承载信号按幅度比例缩放并加入延迟后所得的信号，以此来估计SNR。在过去，这种方法的应用包括监视数字脉码调制数据的可靠传输和非线性信道下载波交调比（carrier to inter-modulation ratio）的估计。 实低通信号的理论推导 对线性时不变无失真系统，系统中任意点信号y(t)是对输入参考信号x(t)按幅度比例缩放并加入延迟后所得的信号。因此，我们可以将无失真信号写为： 其中，A是增益，? 是系统中定义SNR的那个点的群时延。令x（t）为参考信号，y(t)为观测信号，于是 其中，n(t)代表外部加性噪声，d(t)是系统引入的跟信号相关的内部失真，这种内部失真可能由码间干扰或非线性造成。描述系统中不同信号之间关系的方框图如图8-11所示。 噪声功率定义为y(t)和无失真系统输出z(t)＝Ax(t-?)之间的MSE，即： A和?的理想估计值最小化?(A,?）。上述表达式可写为： 对于平稳信号，各阶矩独立于时间起点。此外，和的期望等于期望的和，因此，方程（8-23）可写为： 其中，Px和Py分别表示x(t)和y(t)的平均功率。显然，最小化?(A,?）的值会最大化Rxy(?)，将该值记为?m。我们称?m为系统时延。系统增益A二是满足下式的A 由此可得 设式（8-25）中A＝Am，?＝?m，求得误差信号的功率。由于这是y(t)中跟x(t)正交的信号分量，我们定义误差信号功率为噪声信号功率N。于是有 y(t)中信号分量的功率为 故信噪比为 X(t)和y(t)的相关系数?定义为 根据这个定义，在测量点y(t)处，SNR的表达式很简单： 对于实信号系统，Turner, Tranter和Eggleston以及Jeruchim和Wolfe都对这个问题作过研究。最小化?(A,?）等价于最大化Rxy(?)，即参考信号x(t)和测量信y(t)的互相关函数。 实现系统增益、延迟和SNR的后处理估计器MATLAB函数见教材 接下来我们先看一个简单的例子。 例8-5 为了说明前面提到的方法，假设x(t)是正弦信号： 且测量信号（SNR待确定的信号）为 其中，G是系统增益，n(t)是零均值单位方差的高斯白噪声过程，?n是加性噪声过程的标准差。y(t)的PSD如图8-12所示，其中，Pd是信号功率（期望得到的分量的功率），Pi是干扰音的功率，N0是噪声分量的单边功率谱密度。第7章证明了N0和?n的关系为 其中，关是采样频率。 对该例子，参考信号定义为： 假设接收端的输入信号为： 其中，n(t)是零均值单位方差过程的一个样本函数，这种情况的MATLAB程序见教材。 * * 8.1基本图形方法 8.1.1系统实例?/4 DQPSK传输 8.1.2波形、眼图和散点图 8.2估计 8.2.1直方图 8.2.2功率谱密度估计 8.2.3增益、延迟和信噪比 8.3编码 8.3.1分组编码的分析方法 8.3.2卷积码的分析方法 8.4小结 引 言 后处理器的作用是将仿真产生的数据处理成有用形式。后处理器通常是图形密集型的，因为视觉显示比数字列表更易理解，而后者是仿真程序最常见的数据输出。 例如，不同系统的误比特率曲线比包含同样信息的数值表格能更快地传达信息。 后处理程序可能引入（也可能不引入）相当的计算复杂度。有些后处理器只是简单地取得仿真产生的数据，对其进行适当的格式编排后，产生合适的图形输出。 这方面的一个例子是，产生误比特概率或误符号概率PE作为Eb／N0函数的曲线，仿真产生PE值及其对应的Eb／N0，并将它们以数据文件形式送入后处理器，后处理器对数据进行简单的格式编排，并画出所需的曲线。作最少处理来产生图形输出的后处理器的其他例子还包括显示信号波形、眼图和散点图的后处理器。 另一方面，有些后处理子程序会涉及相当多的数据处理，它们中多数要涉及到某种估计。 一个简单的例子就是直方图的产生，它是对概率密度函数的估计。 更复杂的例子有延迟、信噪比（SNR）和功率谱密度估计器。 其他例子还涉及到，在采用了差错控制编码的系统中，从信道误符号率到译码后的误比特率的映射。 可能用到后处理操作的列表几乎是无穷无尽的，而这一章仅探讨几个例子，所有这些操作都归为后处理，因为它们利用了仿真产生的数据，并在仿真引擎结束工作后