6-8章讨论题
讨论低通采样定理的采样过程和采样前的模拟信号与采样后的数值序列之间的关系？
- 采样过程：抽样->量化->编码。
- 低通抽样定理：
- 时域、频域看采样：
从上式可以看出，为了保证频谱不交叠，要满足$f_{s}>2f_{h}$。
$m_{s}(t)$再经过量化以后即可成为数值序列。
结合例题6.1阐述带通采样定理的原理；当给定带通信号的带宽和中心频率后，如何计算该信号的带通采样频率？
- 带通抽样定理：
- 带通抽样定理：
讨论均匀量化器工作的基本原理。结合例题6.4阐述6dB准则所描述的物理概念是什么？量化后的平均信噪比和峰值信噪比如何计算？
- 均匀量化器：
- 不过载条件下均匀量化器的信噪比的分贝数为：描述了量化信噪比与信号功率之间的关系。
$D=\frac{x_{rms} }{V}$称为信号相对于量化范围的归一化有效值。 - $6\mathrm{dB}准则$：在不过载的情况下，均匀量化器的信噪比由n和D
- 平均信噪比：
- 峰值信噪比：
- 均匀量化器：
PCM编码包括哪些过程？对数量化的基本原理是什么？语音编码为什么使用对数量化？
🚀 1. PCM 编码包括哪些过程？
PCM 编码主要由三个核心步骤组成，它们共同完成了模拟信号向数字信号的转换：
| 步骤 | 作用 | 结果 |
|---|---|---|
| 1. 采样 (Sampling) | 将时间上连续的模拟信号，转换为时间上离散的脉冲序列。 | 信号在时间上离散化。 |
| 2. 量化 (Quantization) | 将幅度上连续的脉冲信号，转换为幅度上离散的有限个数值。 | 信号在幅度上离散化，引入量化误差。 |
| 3. 编码 (Encoding) | 将量化后的离散数值，转换为二进制码字（数字信号）。 | 完成**模拟到数字（A/D）**的转换。 |
这三个步骤是模/数转换 (A/D) 的基础。
🎯 2. 对数量化的基本原理是什么？
在 PCM 系统中，量化分为均匀量化（线性量化）和非均匀量化（非线性量化）。对数量化就是一种最常用的非均匀量化。
原理概述
对数量化的基本原理是：在量化过程中，对信号幅度较小的部分采用较小的量化间隔（即量化得更精细），而对信号幅度较大的部分采用较大的量化间隔（即量化得更粗糙）。
实现方法（压扩技术）
对数量化在技术上是通过**压缩-扩展（Companding）**技术实现的。
发送端（压缩）： 在量化前，先对输入信号的幅度进行非线性压缩处理。这个压缩曲线是对数型的（例如 $\mu$-律或 A-律）。
- 压缩使得幅度小的信号部分被放大，幅度大的信号部分被相对压缩。
量化： 对压缩后的信号进行均匀量化。由于幅度小的部分被拉伸，它们在均匀量化间隔中占用了更多的量化级数。
接收端（扩展）： 在解调后，使用与压缩特性相反的扩展特性对信号进行扩展，恢复其原始动态范围。
核心目的
通过这种方式，对数量化实现了**“信号幅度越小，量化精度越高；信号幅度越大，量化精度越低”**的效果。
🎤 3. 语音编码为什么使用对数量化？
语音编码使用对数量化主要基于以下两个关键原因：
A. 语音信号的特性（非均匀分布）
幅度分布： 语音信号的幅度分布是非均匀的。
幅度小的信号（低电平）： 在长时间内占绝大多数，携带了大量的清晰度和细节信息。
幅度大的信号（高电平）： 出现频率较低，主要对应语音中的瞬时峰值。
线性量化的缺陷： 如果采用线性量化，量化间隔是固定的。由于幅度小的信号很多，它们的量化信噪比（SNR）会很差，导致低电平语音的音质很差。
B. 人耳的听觉特性（对数特性）
感知规律： 人耳对声音的感知强度是近似对数关系的（著名的韦伯-费希纳定律）。人耳对小声音（低电平）的变化更敏感，而对大声音（高电平）的变化不那么敏感。
匹配感知： 对数量化通过给低电平信号更高的量化精度，提高了低电平处的量化信噪比，从而更好地匹配了人耳的听觉特性，使得主观听感上的量化噪声是均匀的（即信号幅度大或小时，人耳感觉到的噪声干扰程度是相似的）。
- 结合例题6.7研究PCM编码的规则和编码原理？结合图6.3.5讨论A律和u律量化后信噪比与线性均匀量化信噪比之间的关系？
在大电平区域，均匀量化的信噪比曲线最高；在中电平区域，A和u率的信噪比远高于均匀量化；在小电平区域，u率和A率下降的比均匀量化慢，且u率表现更好。 - 时分复用的基本原理是什么？帧同步的原理是什么？讨论E1的帧结构的格式。
- 连续相位调制的基本原理是什么？结合例题8.1讨论连续相位调制信号的相位轨迹。
- 讨论MSK信号的产生、波形、信号的频率间隔与码元之间的关系、频谱的特点和主瓣宽度。
- 上面也有信号的频率间隔和码元速率之间的关系
- 上面也有信号的频率间隔和码元速率之间的关系
- 讨论高斯MSK的产生方法和频谱特性。
- 讨论OFDM系统的工作原理与应用。
工作原理：
应用：
- 讨论直接序列扩频技术CDMA的基本原理与应用；为什么CDMA可以抑制窄带噪声？
1. 🔑 DSSS CDMA 的基本原理
CDMA (Code Division Multiple Access，码分多址) 是一种允许多个用户在同一时间、同一频带上共享通信信道的接入技术。其中，直接序列扩频 (DSSS) 是最常见的 CDMA 实现方式。
A. 扩频调制（发送端）
分配码字： 为每个用户分配一个独一无二且相互正交或低相关性的伪随机噪声序列（PN 码），也称为扩频码或地址码。
数据扩频： 将用户的高速 PN 码与低速信息数据（比特流）进行调制（通常是异或或乘法）。
频谱扩展： PN 码的速率远高于信息速率。相乘后，信号的频谱被扩展到非常宽的带宽 $B_{ss}$，信号的功率谱密度大幅降低，看起来像噪声。
B. 解扩与相关（接收端）
解扩操作： 接收端必须使用与发送端完全相同且同步的 PN 码（即本地码）与接收到的宽带信号进行相关运算（相乘）。
信号恢复： 只有期望用户信号与本地码高度相关，相关运算将期望信号的能量重新压缩回其原始的窄带信息带宽 $B_i$。
用户分离： 由于不同用户的 PN 码是相互正交或低相关的，当本地码与其他用户的信号相乘时，这些信号的能量反而会被扩展到整个 $B_{ss}$ 上。
滤波： 通过一个窄带滤波器（带宽为 $B_i$），将压缩后的期望信号取出，同时将其他用户被扩展的干扰能量大部分滤除。
C. 多址接入的实现
CDMA 的多址接入是基于 PN 码的相关性实现的：
高自相关性： 期望信号与自身的 PN 码同步对齐时，相关值最大（实现信号恢复）。
低互相关性： 期望信号与其他用户的 PN 码相关性极低（抑制多址干扰，实现用户分离）。
2. 🗺️ DSSS CDMA 的主要应用
DSSS CDMA 技术因其独特的优势，在多个关键通信领域得到广泛应用：
蜂窝移动通信： 早期和主流的 2G/3G 标准，如 cdmaOne (IS-95) 和 WCDMA (UMTS)，就是基于 DSSS CDMA 技术。
卫星导航系统： GPS (全球定位系统)、GLONASS 等使用的测距码（C/A 码和 P 码）就是 PN 序列，用于精确测定信号时延和实现测距功能。
无线局域网： 早期的 Wi-Fi 标准 (802.11b) 使用 DSSS 技术提供基本的接入功能。
军事通信： DSSS 是军事抗干扰通信的基石，用于提高信号的隐蔽性（低截获概率）和抗干扰能力。
3. 🛡️ 为什么 CDMA 可以抑制窄带噪声？
CDMA（DSSS）抑制窄带噪声和干扰的能力来源于其核心特性——处理增益。
A. 窄带干扰 (Narrowband Interference, NBI)
窄带噪声 $I(t)$ 的能量集中在一个很小的带宽 $B_{NBI}$ 内。例如，来自另一个窄带电台的干扰。
B. 解扩过程中的能量分散与集中（处理增益）
抑制干扰的机制与我们在前面讨论的扩频抗干扰机制是相同的：
信号的集中： 接收到的期望信号 $S(t)$ 与本地同步 PN 码 $C(t)$ 相乘后，信号能量被压缩集中到窄带 $B_i$ 中。信号功率 $P_s$ 保持在 $B_i$ 内。
干扰的分散： 接收到的窄带干扰 $I(t)$ 与高速率的 PN 码 $C(t)$ 相乘后，由于 $I(t)$ 与 $C(t)$ 是不相关的，干扰的能量会被扩展分散到整个宽带 $B_{ss}$ 上。
窄带滤波： 随后通过的窄带滤波器（带宽 $B_i$）只允许干扰总功率 $P_I$ 中的一小部分通过，即：
$$\text{通过的干扰功率 } P’{I} \approx P_I \cdot \frac{B_i}{B{ss} }$$
C. 处理增益 ($G_p$) 的体现
CDMA 系统将干扰功率抑制了 $G_p = B_{ss} / B_i$ 倍。
$$\frac{P_s/B_i}{P’{I}/B_i} = \frac{P_s}{P’{I} } = \frac{P_s}{P_I} \cdot \frac{B_{ss} }{B_i} = \frac{P_s}{P_I} \cdot G_p$$
由于 $G_p \gg 1$，最终解扩后的信噪比（$\text{SNR}{out}$）得到了巨大的提升。即使原始的输入信噪比（$\text{SNR}{in} = P_s/P_I$）很差（即干扰功率远大于信号功率），经过 $G_p$ 的增益后，$\text{SNR}_{out}$ 也能达到接收机所需的工作水平。
简而言之： 期望信号和 PN 码是相关的，解扩时能量集中；窄带干扰和 PN 码是不相关的，解扩时能量分散。这种相关性的差异是 CDMA 抑制干扰的关键。
- 讨论PN序列的特点和应用
1. 🌟 PN 序列的特点 (伪随机性)
PN 序列是一种确定性的二进制序列，但它在统计特性上却表现出随机噪声的特征，因此得名“伪随机”。最理想的 PN 序列是 m 序列（Maximum Length Sequence，最长线性反馈移位寄存器序列）。
PN 序列主要具有以下三个**随机性公设（Gold Code Postulates）**所定义的特性：
特点 A：平衡性 (Balance Property)
在一个完整的周期内，PN 序列中**“1”的数量与“0”的数量**几乎相等。
精确描述： 对于周期为 $L$ 的 PN 序列，其中 $L = 2^M - 1$（$M$ 为 LFSR 级数），“1”的数量为 $(L+1)/2$，“0”的数量为 $(L-1)/2$。
物理意义： 这保证了序列的直流分量接近于零，使得信号在频域上对称，并且在统计上具有良好的随机性。
特点 B：游程分布特性 (Run Property)
游程（Run）是指序列中连续出现的相同值的串。PN 序列中不同长度的游程数量具有确定的分布规律。
规律： 在所有游程中，长度为 $r$ 的游程数量约为长度为 $r+1$ 的游程数量的两倍。
物理意义： 这保证了序列的随机抖动与真正的随机序列相似，避免了长时间的恒定值，有助于同步。
特点 C：相关特性 (Correlation Property)
这是 PN 序列最关键的特性，分为自相关和互相关。
1. 自相关特性 (Autocorrelation)
定义： PN 序列 $c_n$ 与其经过时间偏移 $k$ 的序列 $c_{n+k}$ 的相关性。
特性：
当 $k=0$ 时（无偏移）：自相关值达到最大峰值 $\mathbf{1}$。
当 $k \ne 0$ 时（有偏移）：自相关值保持在极小的恒定负值 $\mathbf{-1/L}$。
物理意义： 尖锐的自相关峰值是同步的基础。接收端可以通过相关运算精确地捕获到 PN 序列的起始时间。
2. 互相关特性 (Cross-correlation)
定义： 两个不同的 PN 序列 $c_{A}$ 和 $c_{B}$ 之间的相关性。
特性： 互相关值始终保持在极小的数值。
物理意义： 低互相关性是 CDMA 实现多址接入和用户分离的基础。它确保了一个用户的码不会干扰另一个用户的码。
2. 🗺️ PN 序列的主要应用
PN 序列的这些优异特性使其在现代通信和电子系统中发挥着不可替代的作用：
应用 1：扩频通信 (CDMA)
码分多址 (CDMA)： 利用 PN 序列（如 Walsh 码、Gold 码）的低互相关性，允许多个用户在同一频段和时间上共享信道，每个用户通过其唯一的 PN 码实现接入和分离。
抗干扰： 利用 PN 序列的高自相关性，接收端可以通过相关解扩获得处理增益，抑制窄带噪声和恶意干扰。
抗截获和低侦察概率 (LPI/LPD)： 扩频信号的功率谱密度极低，难以被截获和识别，具有军事保密价值。
应用 2：同步与测距
系统同步： 利用 PN 序列的尖锐自相关峰值，接收机可以精确地找到发送 PN 序列的起始时间，实现载波和码片的同步。
GPS 测距： 全球定位系统 (GPS) 中的导航信号就是经过 PN 序列（C/A 码和 P 码）扩频的。通过测量接收到的 PN 序列与本地产生的 PN 序列之间的时间延迟，即可计算出信号的传输时间，进而确定用户与卫星的距离。
应用 3：加密和扰码
序列密码（Sequence Cipher）： 尤其在军事和加密通信中，PN 序列被用作密钥流，与信息比特进行异或运算实现加密。由于其周期长且统计特性好，能提供高强度的保密性。
信道均衡： PN 序列可以用于生成训练序列（Training Sequence）或导频信号（Pilot Signal）。接收端通过接收已知的 PN 序列，可以快速估计信道的特性，用于后续的信道均衡。
应用 4：测试与测量
系统测试： PN 序列被用作测试激励信号，因为它的频谱接近于白噪声，可以全面且均衡地激励待测系统的所有频带。
误码率测量： 在测试通信设备性能时，通常使用 伪随机二进制序列（PRBS） 作为输入数据，来模拟真实的随机数据流。