Wykład 6 - mega-science.edu.pl
Transkrypt
Wykład 6 - mega-science.edu.pl
2015 Podstawy telekomunikacji Wykład VI Sposoby opisu i modelowania zakłóceń kanałowych Wykład IV Tory transmisyjne Struktura łańcucha Struktura łańcucha telekomunikacyjnego realizującego transmisję sygnałów dyskretnych © WAT || © C. Ziółkowski, J.M. Kelner 1 2015 Wykład V Modele kanałów analogowych Struktura łańcucha Struktura łańcucha telekomunikacyjnego realizującego transmisję sygnałów dyskretnych Wykład V Modele kanałów analogowych Kanał liniowy Jak modelować zakłócenia kanałowe? © WAT || © C. Ziółkowski, J.M. Kelner 2 2015 Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych Charakterystyki opisujące właściwości statystyczne sygnałów: • gęstość prawdopodobieństwa (STC) f(x(t),t) = f(x,t) • funkcja prawdopodobieństwa (STD) P(x(t),t) = P(x,t) STC – sygnał z czasem ciągłym STD – sygnał z czasem dyskretnym Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych Klasyfikacja sygnałów losowych ze względu na właściwości statystyczne © WAT || © C. Ziółkowski, J.M. Kelner 3 2015 Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych © WAT || © C. Ziółkowski, J.M. Kelner 4 2015 Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych f(x,t) = f(x,t+ε) = f(x) Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych © WAT || © C. Ziółkowski, J.M. Kelner 5 2015 Wykład VI Modele zakłóceń kanałowych Reprezentacja sygnałów losowych Wykład VI Modele zakłóceń kanałowych Zakłócenia addytywne Szum biały © WAT || © C. Ziółkowski, J.M. Kelner 6 2015 Wykład VI Modele zakłóceń kanałowych Zakłócenia addytywne Szum (wąsko)pasmowy Wykład VI Modele zakłóceń kanałowych Zakłócenia addytywne Szum dolnopasmowy © WAT || © C. Ziółkowski, J.M. Kelner 7 2015 Wykład V Modele kanałów analogowych Kanał liniowy Jeżeli w kanale liniowym sygnał zakłócający modelowany jest jako szum biały, to taki kanał liniowy nazywamy kanałem AWGN (ang. Additive White Gaussian Noise channel). © WAT || © C. Ziółkowski, J.M. Kelner 8