数字通信中的简单单极性二进制信号误码率推导
- 直接对误码率 P e ( γ ) P_e(\gamma) Pe(γ)求导的方法，可以非常直观地证明最优判决门限。
建立误码率关于门限的表达式
单极性信号：
s 0 = 0 , s 1 = A s_0=0,\qquad s_1=A s0=0,s1=A
接收信号：
{ y = n , 发送 0 y = A + n , 发送 1 \begin{cases} y=n,&发送0\\ y=A+n,&发送1 \end{cases} {y=n,y=A+n,发送0发送1
其中
n ∼ N ( 0 , σ 2 ) . n\sim N(0,\sigma^2). n∼N(0,σ2).
设判决门限为 γ \gamma γ：
{ y < γ ⇒ 判决 0 y > γ ⇒ 判决 1 \begin{cases} y<\gamma &\Rightarrow 判决0\\ y>\gamma &\Rightarrow 判决1 \end{cases} {y<γy>γ⇒判决0⇒判决1
- 下面证明 0、1 等概发送时 P 0 = P 1 = 1 2 . P_0=P_1=\frac12. P0=P1=21. γ = c \gamma=c γ=c时为最佳判决门限。
分别求两种情况下的误码概率
情况一：发送 0
- 发送 0 时 y = n y=n y=n，错误发生在 y > γ y>\gamma y>γ，因此 P ( e ∣ 0 ) = P ( n > γ ) P(e|0)=P(n>\gamma) P(e∣0)=P(n>γ)，标准化 P ( e ∣ 0 ) = Q ( γ σ ) P(e|0)=Q\left(\frac{\gamma}{\sigma}\right) P(e∣0)=Q(σγ)
- 高斯Q函数
情况二：发送 1
- 发送 1 时， y = A + n y=A+n y=A+n错误发生在 y < γ y<\gamma y<γ，即 A + n < γ A+n<\gamma A+n<γ，所以 n < γ − A n<\gamma-A n<γ−A。因此 P ( e ∣ 1 ) = P ( n < γ − A ) P(e|1)=P(n<\gamma-A) P(e∣1)=P(n<γ−A)
利用高斯分布对称性 P ( n < γ − A ) = Q ( A − γ σ ) P(n<\gamma-A)=Q\left(\frac{A-\gamma}{\sigma}\right) P(n<γ−A)=Q(σA−γ)所以 P ( e ∣ 1 ) = Q ( A − γ σ ) P(e|1)=Q\left(\frac{A-\gamma}{\sigma}\right) P(e∣1)=Q(σA−γ)
总误码率和最优判决门限
- 因为 0、1 等概， P e ( γ ) = 1 2 P ( e ∣ 0 ) + 1 2 P ( e ∣ 1 ) P_e(\gamma)=\frac12P(e|0)+\frac12P(e|1) Pe(γ)=21P(e∣0)+21P(e∣1)，令
P e ( γ ) = 1 2 Q ( γ σ ) + 1 2 Q ( A − γ σ ) = 0 \boxed{ P_e(\gamma) =\frac12Q\left(\frac{\gamma}{\sigma}\right) + \frac12Q\left(\frac{A-\gamma}{\sigma}\right) =0} Pe(γ)=21Q(σγ)+21Q(σA−γ)=0
-
对 P e ( γ ) P_e(\gamma) Pe(γ)对 γ \gamma γ 求导
-
Q ( x ) = 1 2 π ∫ x ∞ e − t 2 / 2 d t Q(x)=\frac{1}{\sqrt{2\pi}}\int_x^\infty e^{-t^2/2}dt Q(x)=2π1∫x∞e−t2/2dt 的导数为 Q ′ ( x ) = − 1 2 π e − x 2 / 2 Q'(x)=-\frac{1}{\sqrt{2\pi}}e^{-x^2/2} Q′(x)=−2π1e−x2/2
-
因此：
d P e d γ = 1 2 Q ′ ( γ σ ) 1 σ + 1 2 Q ′ ( A − γ σ ) ( − 1 σ ) . \frac{dP_e}{d\gamma} =\frac12 Q'\left(\frac{\gamma}{\sigma}\right) \frac1{\sigma}+\frac12 Q'\left(\frac{A-\gamma}{\sigma}\right) \left(-\frac1{\sigma}\right). dγdPe=21Q′(σγ)σ1+21Q′(σA−γ)(−σ1).
- 代入 Q ′ ( x ) = − ϕ ( x ) Q'(x)=-\phi(x) Q′(x)=−ϕ(x)：
d P e d γ = − 1 2 σ ϕ ( γ σ ) + 1 2 σ ϕ ( A − γ σ ) = 1 2 σ [ ϕ ( A − γ σ ) − ϕ ( γ σ ) ] = 0 \frac{dP_e}{d\gamma}=-\frac{1}{2\sigma}\phi\left(\frac{\gamma}{\sigma}\right)+\frac{1}{2\sigma} \phi\left(\frac{A-\gamma}{\sigma}\right)=\frac{1}{2\sigma} \left[\phi\left(\frac{A-\gamma}{\sigma}\right) -\phi\left(\frac{\gamma}{\sigma}\right) \right]=0 dγdPe=−2σ1ϕ(σγ)+2σ1ϕ(σA−γ)=2σ1[ϕ(σA−γ)−ϕ(σγ)]=0
- 所以：
ϕ ( A − γ σ ) = ϕ ( γ σ ) ⇒ 1 2 π e − ( A − γ ) 2 2 σ 2 = 1 2 π e − γ 2 2 σ 2 . ⇒ − ( A − γ ) 2 2 σ 2 = − γ 2 2 σ 2 . \phi\left(\frac{A-\gamma}{\sigma}\right) =\phi\left(\frac{\gamma}{\sigma}\right) \Rightarrow \frac{1}{\sqrt{2\pi}}e^{-\frac{(A-\gamma)^2}{2\sigma^2}} =\frac{1}{\sqrt{2\pi}} e^{-\frac{\gamma^2}{2\sigma^2}}. \Rightarrow -\frac{(A-\gamma)^2}{2\sigma^2} =-\frac{\gamma^2}{2\sigma^2}. ϕ(σA−γ)=ϕ(σγ)⇒2π1e−2σ2(A−γ)2=2π1e−2σ2γ2.⇒−2σ2(A−γ)2=−2σ2γ2.
- 最终得到：
γ o p t = A 2 \gamma_{\mathrm{opt}}=\frac A2 γopt=2A
- 这就用求导法证明了最优判决门限。严格来说，还需要证明它确实是“最小值”，导数只能说明它是一个极值点，还需要证明这是最小值，根据图像可省略此证明。
E_b/N_0
- 信噪比指标为每比特能量与噪声功率谱密度之比。
- 实际通信系统中经常写：
( E b N 0 ) d B = 10 log 10 E b N 0 \boxed{ \left(\frac{E_b}{N_0}\right)_{\rm dB} =10\log_{10}\frac{E_b}{N_0} } (N0Eb)dB=10log10N0Eb
- 如果采用矩形脉冲、码元宽度为 (T_b)，则单极性信号“1”的能量为
E 1 = A 2 T b E_1=A^2T_b E1=A2Tb
- 而“0”的能量为 0。对于等概发送，平均每比特能量
E b = A 2 T b 2 . E_b=\frac{A^2T_b}{2}. Eb=2A2Tb.
- 若匹配滤波器输出噪声方差满足
σ 2 = N 0 2 E 相关模板 \sigma^2=\frac{N_0}{2}E_{\text{相关模板}} σ2=2N0E相关模板
- 在常用归一化推导下，可以得到单极性二进制 ASK/OOK 的经典结果：
P e = Q ( E b N 0 ) \boxed{ P_e=Q\left(\sqrt{\frac{E_b}{N_0}}\right) } Pe=Q(N0Eb)
- 这里特别容易和双极性信号混淆：
| 信号 | 最优门限 | 误码率 |
|---|---|---|
| 单极性 (0/A) | (A/2) | Q ( E b / N 0 ) \displaystyle Q\left(\sqrt{E_b/N_0}\right) Q(Eb/N0) |
| 双极性 (-A/+A) | (0) | Q ( 2 E b / N 0 ) \displaystyle Q\left(\sqrt{2E_b/N_0}\right) Q(2Eb/N0) |
- 因此，在相同平均 E b / N 0 E_b/N_0 Eb/N0下，双极性信号的误码性能优于单极性信号。
最小欧氏距离dmin
-
d min d_{\min} dmin为星座图中任意两个星座点之间的最小距离}},它直接反映了一个调制方式的抗噪声能力。
-
对于二维 IQ 星座：
d i j = ( I i − I j ) 2 + ( Q i − Q j ) 2 \boxed{d_{ij} =\sqrt{(I_i-I_j)^2+(Q_i-Q_j)^2} } dij=(Ii−Ij)2+(Qi−Qj)2
- 然后把所有不同星座点之间的距离找出来，其中最小的那个就是：
d min = min i ≠ j ∣ s i − s j ∣ \boxed{ d_{\min}=\min_{i\neq j}|s_i-s_j| } dmin=i=jmin∣si−sj∣
-
噪声会让接收点在星座图附近随机移动。如果两个星座点距离很远,噪声需要非常大才能把接收点推到另一个星座点的判决区域。如果距离很近很小的噪声就可能造成错误。
-
所以：
d min ↑ ⇒ 抗噪声能力 ↑ \boxed{ d_{\min}\uparrow \quad\Rightarrow\quad \text{抗噪声能力}\uparrow } dmin↑⇒抗噪声能力↑
- 而：
d min ↑ ⇒ B E R ↓ \boxed{ d_{\min}\uparrow \quad\Rightarrow\quad BER\downarrow } dmin↑⇒BER↓
抗噪声层面
d min ↑ ⇒ P e ↓ \boxed{ d_{\min}\uparrow \Rightarrow P_e\downarrow } dmin↑⇒Pe↓
性能分析层面
d min → 判决距离 → 错误概率 → BER \boxed{ d_{\min} \rightarrow \text{判决距离} \rightarrow \text{错误概率} \rightarrow \text{BER} } dmin→判决距离→错误概率→BER
平均符号能量 E_s
- 定义为：
E s = 1 M ∑ i = 1 M ∣ s i ∣ 2 E_s=\frac{1}{M}\sum_{i=1}^{M}|s_i|^2 Es=M1i=1∑M∣si∣2
-
它反映星座整体离原点有多远。
-
如果每个符号携带 k = log 2 M k=\log_2M k=log2M个 bit：
E s = k E b \boxed{E_s=kE_b} Es=kEb
- 因此：
E s = E b log 2 M \boxed{E_s=E_b\log_2M} Es=Eblog2M
- 推导 BER 时经常要把星座图的几何距离转换成 E b / N 0 E_b/N_0 Eb/N0。
峰值能量 E_{\max}
E max = max i ∣ s i ∣ 2 E_{\max}=\max_i |s_i|^2 Emax=imax∣si∣2
- PSK 星座点都在一个圆上 → 各点能量相同
- QAM 星座有些点靠近原点，有些点远离原点,点能量不同,所以 QAM 通常有比较明显的峰均功率问题。
CG
-
https://paperzz.com/doc/7292243/detection-of-binary-signal-in-awgn?
扫一扫
241
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
