奈奎斯特三大准则

本文介绍了奈奎斯特准则与香农定理在数字信号传输中的应用。奈奎斯特准则包括抽样点无失真、转换点无失真及波形面积无失真三大原则。香农定理则描述了有限带宽、有随机热噪声信道的最大传输速率与信道带宽、信噪比之间的关系。

https://www.cnblogs.com/ty10114g/archive/2014/03/23/3619864.html

数字信号在传输过程中产生二种畸变:叠加干扰与噪声,出现波形失真。瑞典科学家奈奎斯特在1928年为解决电报传输问题提出了数字波形在无噪声线性信道上传输时的无失真条件,称为奈奎斯特准则。    

奈奎斯特三大准则:    

奈奎斯特第一准则:抽样点无失真准则,或无码间串扰(ISIFree)准则    

奈奎斯特第二准则:转换点无失真准则,或无抖动(JitterFree)准则   

奈奎斯特第三准则:波形面积无失真准则。  

   第一准则:抽样值无失真。即如果信号经传输后整个波形发生了变化,但只要其特定点的抽样值保持不变,那么用再次抽样的方法仍然可以准确无误地恢复原始信码。奈奎斯特第一准则规定带限信道的理想低道截止频率为fH时,最高的无码间干扰传输的极限速度为2fH。例如,信道带宽为2000Hz时,每秒最多可传送4000个二进制码元。一路数字电话速率为64kbit/s,则无码间干扰的信道带宽为32kHz。  
   第二准则:转换点无失真。有控制地在某些码元的抽样时刻引入码间干扰,而在其余码元的抽样时刻无码间干扰,就能使频带利用率达到理论上的最大值,同时又可降低对定时精度的要求。通常把满足奈奎斯特第二准则的波形称为部分响应波形。利用部分响应波形进行传送的基带传输系统称为部分响应系统。    
   第三准则:脉冲波形面积保持不变。即如果在一个码元间隔内接收波形的面积正比于发送矩形脉冲的幅度,而其他码元间隔的发送脉冲在此码元间隔内的面积为零,则接收端也能无失真地恢复原始信码。
 
与香农定理的关系:
奈奎斯特准则: 对于一个带宽为W(Hz)的无噪声低通信道,最高的码元传输速率Bmax:
    Bmax = 2W(band)
如果编码方式的码元状态数为M,得出极限信息传输速率(信道容量)Cmax:
    Cmax = 2Wlog2M (b/s)
因为信道总是有噪声的,因此奈奎斯特准则给出的是理论上的上限。
香农定理:
    Cmax = Wlog2(1+S/N) (b/s) S为信道内所传信号的平均功率,N为信道内部的高斯噪声功率
     香农定理描述了有限带宽、有随机热噪声 信道的最大传输速率与 信道带宽、信号噪声功率比之间的关系.
在有随机热噪声的信道上传输数据信号时,数据传输率Rmax与信道带宽B,信噪比S/N关系为: Rmax=B*log2(1+S/N)。注意这里的log2是以2为底的对数,下同。
在信号处理和信息理论的相关领域中,通过研究信号在经过一段距离后如何衰减以及一个给定信号能加载多少数据后得到了一个著名的公式,叫做香农(Shannon)定理。它以比特每秒(bps)的形式给出一个链路速度的上限,表示为链路信噪比的一个函数,链路信噪比用分贝(dB)衡量。因此我们可以用香农定理来检测电话线的数据速率。
香农定理由如下的公式给出: C=B*log2*(1+S/N) 其中C是可得到的链路速度,B是链路的带宽,S是平均信号功率,N是平均噪声功率,信噪比(S/N)通常用分贝(dB)表示,分贝数=10×log10(S/N)。
通常音频电话连接支持的频率范围为300Hz到3300Hz,则B=3300Hz-300Hz=3000Hz,而一般链路典型的信噪比是30dB,即S/N=1000,因此我们有C=3000×log2(1+ 1000),近似等于30Kbps,是28.8Kbps 调制解调器的极限,因此如果电话网络的信噪比没有改善或不使用压缩方法,调制解调器将达不到更高的速率。
由于没有具体的站内引用内容,下面先介绍奈奎斯特第一准则及一般使用软件验证该准则的思路,以帮助理解如何可能在elanix中进行验证。 ### 奈奎斯特第一准则 奈奎斯特第一准则也称为抽样定理,它指出如果一个连续时间信号是带限的,并且以不低于信号最高频率两倍的采样率进行采样,那么原始信号可以从采样值中完全恢复。数学表达式为:采样频率 \(f_s \geq 2f_m\),其中 \(f_s\) 是采样频率,\(f_m\) 是信号的最高频率。 ### 一般验证步骤及可能在elanix中的操作推测 #### 1. 生成带限信号 在elanix中,需要生成一个已知最高频率 \(f_m\) 的带限信号。不同的软件有不同的信号生成方式,可能存在内置的函数来生成信号,比如正弦信号。在一般的编程环境中,生成正弦信号的代码示例如下(Python): ```python import numpy as np import matplotlib.pyplot as plt # 信号参数 f_m = 10 # 信号最高频率 t = np.linspace(0, 1, 1000) # 时间向量 x = np.sin(2 * np.pi * f_m * t) # 生成正弦信号 plt.plot(t, x) plt.title('Original Signal') plt.xlabel('Time [s]') plt.ylabel('Amplitude') plt.show() ``` 在elanix中可能有类似的信号生成模块,通过设置频率等参数来生成带限信号。 #### 2. 进行采样 根据不同的采样频率 \(f_s\) 对生成的信号进行采样。在一般编程中可以通过每隔一定时间间隔取信号值来实现采样,代码示例如下: ```python # 采样频率 f_s_1 = 15 # 低于2*f_m f_s_2 = 25 # 高于2*f_m # 采样间隔 T_s_1 = 1 / f_s_1 T_s_2 = 1 / f_s_2 # 采样时间点 t_s_1 = np.arange(0, 1, T_s_1) t_s_2 = np.arange(0, 1, T_s_2) # 采样值 x_s_1 = np.sin(2 * np.pi * f_m * t_s_1) x_s_2 = np.sin(2 * np.pi * f_m * t_s_2) plt.stem(t_s_1, x_s_1, label=f'fs = {f_s_1} Hz') plt.stem(t_s_2, x_s_2, label=f'fs = {f_s_2} Hz') plt.title('Sampled Signals') plt.xlabel('Time [s]') plt.ylabel('Amplitude') plt.legend() plt.show() ``` 在elanix中,应该有相应的采样功能,通过设置采样频率参数来完成对信号的采样操作。 #### 3. 恢复信号 使用采样值尝试恢复原始信号。常用的恢复方法是使用插值算法,如理想低通滤波器。在一般编程中可以通过信号处理库来实现,示例代码如下: ```python from scipy.interpolate import interp1d # 插值恢复信号 f_interp_1 = interp1d(t_s_1, x_s_1, kind='linear') f_interp_2 = interp1d(t_s_2, x_s_2, kind='linear') x_recon_1 = f_interp_1(t) x_recon_2 = f_interp_2(t) plt.plot(t, x, label='Original Signal') plt.plot(t, x_recon_1, label=f'Reconstructed (fs = {f_s_1} Hz)') plt.plot(t, x_recon_2, label=f'Reconstructed (fs = {f_s_2} Hz)') plt.title('Reconstructed Signals') plt.xlabel('Time [s]') plt.ylabel('Amplitude') plt.legend() plt.show() ``` 在elanix中,可能有内置的信号恢复模块,利用采样值进行信号恢复。 #### 4. 验证奈奎斯特第一准则 比较不同采样频率下恢复的信号与原始信号的差异。当 \(f_s \geq 2f_m\) 时,恢复的信号应该与原始信号接近;当 \(f_s < 2f_m\) 时,会出现失真。可以通过计算误差等方式来定量分析,示例代码如下: ```python # 计算误差 error_1 = np.mean((x - x_recon_1)**2) error_2 = np.mean((x - x_recon_2)**2) print(f'Error with fs = {f_s_1} Hz: {error_1}') print(f'Error with fs = {f_s_2} Hz: {error_2}') ``` 在elanix中,可以利用其数据分析功能来计算恢复信号与原始信号的差异,从而验证奈奎斯特第一准则。 ###
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值