Обработка сигналов в системах телекоммуникаций
Литература
Николаев Б. И., Последовательная передача дискретных сообщений по непрерывным каналам с памятью, М.: Радио и связь, 1988.
Прокис Дж., Цифровая связь, М.: Радио и связь, 2000.
Под ред. Коуэн К.Ф.Н., Грант П.М., Адаптивные фильтры, М.: Мир, 1988.
Тихонов А.Н., Арсеньев В.Я., Методы решения некорректных задач, М.: Наука, 1979.
компенсация частотного смещения при приеме ОФМ сигналов
Егоров В.В., Тимофеев А.Е.
Российский Институт Мощного Радиостроения (ОАО «РИМР»)
При передаче данных по радиоканалу возникает задача оперативной оценки смещения спектра сигнала на приемной стороне, после чего, на основании полученной оценки, производится компенсация частотного смещения. Смещение частоты может происходить как из-за эффекта Доплера при движении объектов, так и вследствие частотной нестабильности или погрешности в настройке опорных генераторов приемника и передатчика. Особенно это существенно при работе в режимах с дискретной относительной фазовой модуляцией (ОФМ), когда смещение частоты на единицы герц способно привести к невозможности приема сигнала. Для уменьшения влияния частотного смещения в системах связи применяют высокостабильные генераторы опорных частот, либо используют способы определения и компенсации смещения частоты. Однако использование высокоточных опорных генераторов, обеспечивающих относительную расстройку частоты порядка 10-8 не всегда приемлемо из-за их относительно высокой стоимости, либо необходимости внесения существенных изменений в конструкцию уже находящейся в эксплуатации приемо-передающей аппаратуры.
В большинстве случаев, в канал связи передают тестовую последовательность, в качестве которой чаще всего используется пилот-тон. На принимающей стороне частотную расстройку определяют по результатам обработки тестовой последовательности, в соответствии с некоторым алгоритмом. Однако передача тест-сигнала в виде пилот-тона одновременно с информационным сигналом приведет к некоторому уменьшению отношения сигнал-помеха в канале связи и, как следствие, увеличению вероятности ошибки на бит. Чередование передачи тестовой последовательности и полезной информации приведет к существенному уменьшению фактической скорости передачи данных, что также нежелательно.
Предлагаемый ниже способ позволяет определять смещение частоты на приемной стороне непосредственно по рабочему сигналу. Благодаря использованию методов статистической обработки основного информационного параметра, которым в данном случае является разность фаз на двух соседних посылках, предполагается получение оценки смещения спектра сигнала с достаточной для практического применения оперативностью и точностью.
Рассмотрим случай многоканальной передачи данных по коротковолновому радиоканалу в режиме ОФМ в полосе телефонного канала шириной 3100 Гц. Пусть длительность элементарной посылки сигнала , где -длительность используемого для минимизации влияния многолучевого распространения в коротковолновом канале защитного интервала, -интервал анализа принимаемого сигнала. Формируемый модулятором групповой сигнал представляет собой сумму гармонических колебаний, ортогональных на длительности : , где K -количество субканалов; ; –целое число.
После переноса передатчиком спектра сформированного модулятором сигнала на рабочую частоту в КВ диапазоне и обратного переноса спектра приемником, на демодулятор поступает сигнал , смещенный по частоте относительно исходного на некоторую величину .
В режиме ОФМ, когда основным информационным параметром является разность начальных фаз текущей и предыдущей элементарных посылок, смещение частоты сигнала на приведет к смещению разности фаз в отсутствии помех на величину .
Если набег фазы из-за смещения частоты не превышает значения , т.е. соблюдается условие , возможно определение смещения частоты по отклонению значения разности фаз на выходе демодулятора от ожидаемого значения при передаче рабочего сигнала в режиме двухпозиционной ОФМ, когда еще неискаженные (ожидаемые) значения разности фаз на выходе модулятора принимают значения 0 и π.
Демодулятор приемной стороны для каждого k –го субканала на длительности m -й посылки формирует значения разности фаз , которые будут отличаться от заданных на выходе модулятора значений вследствие частотного смещения и канальных помех. Для получения оценки среднего значения отклонения разности фазы от ожидаемого значения воспользуемся статистическими методами обработки угловых измерений [1]. Тогда оценку на длительности, соответствующей M элементарным посылкам, можно определить в виде выражения: ,
где ; m –номер элементарной посылки; k –номер субканала; -угол, на который отклоняется разность фазы от ближайшего ожидаемого значения, равного 0 или π в режиме двухпозиционной ОФМ.
Использование такой статистики позволяет снять вопрос о числовых границах задания области определения фазы, а также автоматически снизить влияние ненадежных исходных данных, поскольку вклад фазовых отклонений от среднего значения на окажется несущественным.
Тогда частотное смещение можно представить в виде: .
Операцию смешения по частоте аналитического сигнала на величину можно осуществить с помощью простого преобразования:
Основная проблема, при условии известного на приемной стороне значения смещения частоты, заключается в том, что в подавляющем большинстве случаев на демодулятор поступает сигнал в вещественном виде .
Получить программными методами аналитический сигнал из вещественного сигнала , без переноса спектра сигнала в высокочастотную область, можно при помощи матричных преобразований Фурье и Гильберта [2]. Применив N –точечное дискретное преобразование Фурье на длительности анализа элементарной посылки к последовательности равноотстоящих отсчетов сигнала , получим его дискретный спектр: , где .
Спектр вещественного сигнала определен как в области положительных, так и в области отрицательных частот, тогда как спектр аналитического сигнала определен лишь в неотрицательной частотной области. Для получения спектра аналитического сигнала умножим вектор на квадратную матрицу B размера N, элементы которой: .
Таким образом, получаем вектор спектра аналитического сигнала .
Используя обратное дискретное преобразование Фурье, получим аналитический сигнал
, где .
Умножая вектор на квадратную матрицу С размером N, элементы которой
, получим комплексный вектор , осуществив тем самым компенсацию частотного смещения принятого сигнала на величину .
Вышеизложенные преобразования можно записать в операторном виде: ,
где и -операторы прямого и обратного преобразования Фурье соответственно.
Вещественную часть полученного аналитического сигнала можно использовать для последующей обработки методами ЦОС в качестве восстановленного на длительности интервала анализа исходного сигнала, поступающего далее на вход демодулятора.
Описанный алгоритм позволяет компенсировать частотное смещение практически в реальном масштабе времени для случаев, когда величина частотного смещения не превышает значения и может использоваться как в одночастотных, так и в многочастотных (параллельных) модемах передачи данных систем радиосвязи, размещаемых на различных стационарных, либо низкоскоростных подвижных объектах и позволяет существенно сократить, по сравнению с классическим методом, объем вычислений.
Литература
К. Мардиа. Статистический анализ угловых измерений. М. Наука. 1978г.
Егоров В.В. Дискретное преобразование Гильберта на конечном интервале. Техника средств связи. Сер. ТРС, вып. 8, 1982г.
Об одном методе повышения эффективности использования выделенного частотного ресурса в системах с OFDM1
Жиляков Е.Г., Белов С.П., Ушаков Д.И.
Белгородский государственный университет
Тенденция развития современных систем беспроводного широкополосного доступа направлена на обеспечение высокой скорости передачи информации при заданном качестве сервиса (QoS), что позволяет использовать абонентам, для реализации информационного обмена, мультимедийные приложения реального времени. Сегодня бесспорным лидером в предоставлении мультисервисных услуг с высоким качеством, посредством использования беспроводного широкополосного доступа, являются системы использующие Orthogonal frequency division multiplex (OFDM) такие как Wi-Fi, WiMAX, LTE[1].
Широкое внедрение OFDM обусловлено тем, что данный способ формирования канальных сигналов позволяет минимизировать межсимвольную интерференцию в передаваемом сигнале и обладает высокой спектральной эффективностью, кроме этого OFDM отличается простотой технической реализации, т.к. модуляция и демодуляция сигнала может быть выполнена в дискретной форме с использованием быстрого преобразования Фурье (БПФ), [2]. Вместе с тем необходимо отметить, что используемые в OFDM сигнально-кодовые конструкции в виде ортогональных базисов с прямоугольной формой модулирующего импульса, частотная характеристика которого имеет вид, описываемый выражением (Sin(x))/x, не позволяет минимизировать частотную локализацию канального сигнала и, таким образом, обеспечить минимальную чувствительность к межканальной интерференции [3,4]. Поэтому в указанной технологии, приходится вводить защитные частотные интервалы (ЗИ) представляющие, из себя несколько поднесущих, на которых информация не передаётся [5,6]. Введение защитных интервалов позволяет уменьшить уровень внеполосных излучений сигнала и, как следствие, минимизировать влияние на смежные каналы интерференционных помех, но данный подход существенно снижает эффективность использования выделенного частотного ресурса. Как показал анализ литературы [5-8], величина заградительных полос в системе с OFDM составляет около 25% от всего выделенного частотного ресурса.
В статье рассматривается новый метод формирования канальных сигналов с точки зрения повышения эффективности использования выделенного частотного ресурса в системах WiMAX. Суть метода заключается в том, что вместо базиса Фурье, применяемого в настоящее время для формирования канальных сигналов в системе WiMAX, используется базис собственных векторов субполосных матриц, векторы которого обладают лучшей частотно-временной локализацией, обеспечивая меньший уровень внеполосных излучений синтезируемого канального сигнала.
В предлагаемом методе используется принцип формирования дискретных канальных сигналов, основанный на решении вариационной задачи, приведенной в [9], по минимизации просачивания энергии сигнала за выделенный частотный интервал. Математически это выражается следующим соотношением:
(1)
где: - энергия в заданном частотном интервале, ширина которого равна (νr+1– νr); I=diag(1,…,1) - единичная матрица;
Ar={aik} - субполосная матрица, соответствующая r-ому частотному интервалу с элементами вида:
(2)
r-ый диапазон соответствует:
Здесь предполагается выполнение неравенства 0≤ νr ≤ νr+1≤π.
Для формирования канальных сигналов необходимо вычислить собственные вектора и собственные числа матрицы Ar. - собственные вектора субполосных матриц;
λi - собственные числа векторов qi λ1 > λ2 > … > λi ≈1
где: i,k=1,…,N;
Таким образом, формируемый канальный сигнал можно представить соотношением: (3)
где: - сформированный канальный сигнал; - информационный вектор;
eJ- любое число;
Необходимо отметить, что энергия сигнала за пределами заданного частотного интервала вычисляется согласно выражению вида: (4)
Поскольку собственные вектора ортогональны, то для восстановления информационного вектора канального сигнала можно использовать следующее соотношение: (5)
где: - восстановленный информационный вектор;
Предлагаемый метод позволяет определить канальный сигнал , оптимальный в смысле минимума просачивания энергии за пределы выделенного частотного интервала, при восстановлении точных значений информационного вектора.
Как показало компьютерное моделирование, сигналы сформированные на основе базиса собственных векторов субполосных матриц обладают достаточно низким уровнем внеполосных излучений (рис.1). Как было отмечено выше (4), степень локализации энергии в выделенном частотном интервале можно контролировать значениями собственных чисел, выбирая такие собственные векторы собственные числа которых не превышают заданного значения. Данное значение называется «коэффициентом локализации» и выражается в процентах. На рис. 1 показано, как изменяется уровень внеполосных излучений синтезируемого сигнала (концентрация энергии в заданном частотном интервале) при изменении коэффициента локализации. Сплошной линией показана спектральная плотность классического OFDM сигнала применяемого в настоящее время в системах WiMAX (ширина полосы – 20 МГц, длительность полезной части сигнала – 12,8 мкс., количество поднесущих – 256). Можно заметить, что данный сигнал обладает высоким уровнем внеполосных излучений ≈ -37 дБ, что свидетельствует о низкой степени локализации канального сигнала. Как видно из рис. 1 сигнал с таким же уровнем внеполосных излучений можно синтезировать если использовать собственные векторы со степенью локализации ≈0.6 т.е. 60%. Поэтому можно сказать, что в используемых, в настоящее время в системах WiMAX канальных сигналах, только 60% энергии сосредоточено в заданной полосе частот.
Также необходимо отметить, что при уменьшении коэффициента локализации с λ0.999 (99.9%) до λ0.6 (60%) увеличивается количество используемых для передачи информации векторов, поэтому число передаваемых символов также возрастает. Зависимость количества передаваемых символов от значения степени локализации энергии отражена в таблице 1.
Рис. 1 - Спектральные плотности синтезируемого сигнала при различных λ
Таблица 1. Параметры синтезируемых сигналов при различных значениях λ
| Значение λ | Количество используемых векторов | Уровень внеполосных излучений, синтезируемого сигнала, дБ |
| 0.6 | 256 | -38 |
| 0.8 | 254 | -50 |
| 0.9 | 252 | -55 |
| 0.95 | 250 | -58 |
| 0.99 | 248 | -62 |
| 0.999 | 246 | -65 |
Рис. 2 - Спектральные плотности сигналов: 1 – классический сигнал в системе WiMAX; 2 – сигнал сформированный с использованием предлагаемого метода
Таким образом, используя свойство минимизации энергии за выделенным частотным диапазоном в синтезируемых канальных сигналах, можно снизить требования к величине защитного интервала. Это позволяет формировать канальный сигнал в более широкой полосе частот (не превышая при этом границы выделенного частотного ресурса), что обеспечит передачу большего количества информационных символов в одном канале, при минимальном уровене внеполосных излучений (рис. 2). Используя, степень локализации можно адаптивно подстраиваться под требуемый уровень межканальной интерференции, и количество передаваемых символов, регулируя пороговое значение собственного числа сформированных векторов.
Результаты компьютерного моделирования позволяют сделать вывод, что применение базиса собственных векторов субполосных матриц в системе WiMAX, позволяет обеспечить высокую степень частотной локализации формируемого канального сигнала, что не удаётся достичь, применяя базис Фурье. На основании этого можно увеличить количество, одновременно передающих информацию каналов, таким образом, повысить эффективность использования выделенного частотного ресурса.
Литература
Шахнович И.В. Современные технологии беспроводной связи [Текст] – М.: Техносфера, 2004.
Сюваткин, В.С. WiMAX – технология беспроводной связи: основы теории, стандарты, применение [Текст] / В.С. Сюваткин, В.И. Есипенко и др. СПб.: БХВ-Петербург, 2005. с. 99-105.
Волчков, В.П. Сигнальные базисы с хорошей частотно-временной локализацией [Текст] / В.П. Волчков // Журнал «Электросвязь». – 2007. - №2 – с.21-25.
Голд, Б. Цифровая обработка сигналов [Текст] : пер. с англ. / Б. Голд, Ч. Рейдер. – М.: Сов. радио, 1973. – 376 с.
IEEE Std P802.16-2004, IEEE Standard for Local and metropolitan area networks—Part 16: Air Interface for Fixed BWA Systems.
Shinsuke Hara, Ramjee Prasad. Multicarrier Techniques for 4G Mobile
Communications [Text] / Artech House – Boston, 2003.
Ahmad R. S. Multi-Carrier Digital Communication. Theory and Application of OFDM [Text] / Ahmad R. S., Bahai., Burton R. Salzberg. Kluwer Academic/Plenum Publishers. – New York, 2007.
Уиппл Д. Концепции ортогонального частотного разделения каналов OFDM. «Электронные компоненты» № 9 2008. с. 33-38.
Жиляков Е.Г. Вариационные метода анализа и построения функций по эмпирическим данным [Текст]: моногр. – Белгород: Изд-во БелГУ, 2007.
ON THE METHOD OF INCREASING EFFICIENCY detected frequency resources in the system with OFDM
Zhilyakov E., Belov S., Ushakov D.
Belgorod state university
Today is the undisputed leader in the provision of communications services with high quality through the use of broadband wireless access systems are using Orthogonal frequency division multiplex (OFDM), such as Wi-Fi, WiMAX, LTE [1].
However, it should be noted that used in the OFDM signal-code constructions in the form of orthogonal bases with a rectangular shape of the modulating pulse, not to minimize the frequency localization of the channel signal and thus provide a minimum sensitivity to interchannel interference [3,4]. Therefore, this technology is necessary to introduce protective frequency intervals (ZI) to be from a number of subcarriers on which information is transmitted. Bandwidth barrage of bands in a system with OFDM is approximately 25% of the total allocated frequency resources [5-8].
The article describes a new method of forming channel signals in terms of efficiency of the selected frequency resource systems WiMAX. The method is that instead of Fourier basis, used at present for the formation of channel signals in the system of WiMAX, using a basis of eigenvectors subbands matrices whose vectors have a better time-frequency localization, providing a lower level of out-of-band emission of the synthesized channel signal.
Ar={aik} – subband matrix corresponding r-th frequency range with the elements of the form:
r-th range corresponds: - eigenvectors subband matrices;
Formed by the channel signal can be represented by:
where: - shaped channel signal; - information vector; eJ- any number;
Simulation results suggest that the use of basis eigenvectors subbands matrices in the WiMAX, provides a high degree of frequency localization of the formed channel signal that can not be achieved by applying the Fourier basis. On this basis it can increase the number of simultaneously transmitting information channels, so that more efficient use of allocated frequency resource.
ВЫДЕЛЕНИЕ ПАРАМЕТРОВ МОДЕЛИ РЕЧЕВОГО
СИГНАЛА НА СЕГМЕНТАХ ОДИНАКОВОЙ ПРИРОДЫ ОБРАЗОВАНИЯ
Иванов Б.Р., Афанасьев А.А., Илюшин М.В.
Академия ФСО России
В настоящее время практически вся аппаратура передачи речи, используемая в системах связи на низких скоростях передачи, в качестве основного способа кодирования/декодирования речевых сигналов (РС) использует метод линейного предсказания. Это объясняется значительным качественным превосходством аналого-цифрового преобразования речи на основе метода линейного предсказания над другими методами в диапазоне скоростей кодирования менее 16 кбит/с. [1,2] К его отличительным особенностям, используемым при кодировании РС, следует отнести высокую степень согласованности анализа речи на основе метода линейного предсказания с природой речевого сигнала, что выражается в локально-стационарном характере модели речеобразования, используемой в вокодерах с линейным предсказанием.
Подход, основанный на определении значений параметров в модели речеобразования путем кратковременного анализа сегментов речи фиксированной длительности от 10 до 30 мс, реализован в основной массе кодеков, предлагаемых различными рекомендациями [3]. При этом все они реализуют постоянную скорость кодирования. Большинство систем обработки и кодирования речи используют фиксированный сегмент анализа речевых данных, что является существенным недостатком данных устройств в условиях перехода к системам с пакетной передачей и переменной скоростью кодирования. При исследованиях динамики изменения характеристик речевого сигнала методом кратковременного анализа важной задачей является выбор длительности сегментов, для которых оцениваются кратковременная энергия, текущий спектр, число пересечений нуля и т. д. Однако интерес представляет тот факт, что для различных звуков формируемой речи длительности устоявшегося процесса излучения значительно превышают 10 … 30 мс [4].
Длительность отдельных звуков речи (фонем) составляет от 20 до 350 мс [4]. При этом гласные звуки имеют большую длительность, чем согласные. Темп речи может изменяться в широких пределах, причем длительность гласных звуков изменяется в большей степени. Максимально возможный интервал одновременно анализируемых данных составляет 60-80 мс, что связано с требованиями по задержке речевого сигнала при его передаче, определяемыми рекомендаций G.114 Международного союза электросвязи. Таким образом, если на протяжении 60-80 мс не произошло смены природы формирования речевого сигнала, то новый анализ начинают, используя данные об интервалах корреляции предыдущего сегмента. Использование такого подхода к формированию сегментов обработки речи позволяет выделять сегменты, имеющие одинаковую природу формирования звука в речевом аппарате человека.
Увеличение длительности кратковременного анализа приведет к тому, что параметры формирующей (передаточной) функции системы обработки и сигнала возбуждения будут сохраняться на всем протяжении анализа, что эквивалентно сокращению средней скорости передачи речевого сигнала.
При синтезе и анализе систем передачи речи используются различные абстрактные модели речевого процесса, более или менее соответствующие реальной действительности. Наиболее часто встречающейся является модель речевого сигнала, представляющая собой стационарный гауссовский процесс с медленно меняющейся дисперсией и постоянной усредненной спектральной плотностью мощности, определяемой экспериментально с использованием усреднения по времени на коротких смежных интервалах. Данную модель достаточно хорошо описывает метод линейного предсказания, являющийся в настоящее время основой большинства стандартов низкоскоростного речевого кодирования. Анализ значений линейных спектральных частот (ЛСЧ), описывающих передаточную функцию синтезирующего фильтра, показывает, что на смежных сегментах речевого сигнала одинаковой природы образования значения ЛСЧ изменяются незначительно.
Так как речевой сигнал является случайным нестационарным процессом, для которого характерны изменения параметров основного тона, значений коэффициентов, характеризующих передаточную функцию голосового тракта и вида сигнала возбуждения, то повышение пропускной способности сетей связи с коммутацией пакетов при их совместном использовании c приложениями IP – телефонии и передачи данных возможно за счет реализации алгоритмов речевого кодирования с переменной скоростью.
В качестве примера рассмотрим вокализованный сегмент данных на интервале нескольких периодов основного тона.
Рис. 1. Вокализованный сегмент данных на интервале нескольких периодов основного тона
Одним из принципиальных моментов при формировании конечной границы интервала анализа речевого сегмента является вычисление периода основного тона и изменение ряда значений интервалов корреляции. Его вычисление показано в [5]. При этом границы сегмента формируются на основании выражений (1)-(3).
; (1)
(2)
(3)
где – длительность сегмента анализа; – время начала сегмента анализа; – время окончания сегмента анализа; – период основного тона; – номер отсчета в начале сегмента; – номер отсчета в конце сегмента; – интервал дискретизации.
Согласно выражениям (1) - (3) в активном сегменте речи выделяется переход огибающей сигнала через нулевое значение и от положения отсчета со значением наиболее близким нулю выбирается длина сегмента соответствующая 20 мс и рассчитывается значение частоты основного тона и сигнала тон-шум. Если принимается решение о вокализованности анализируемого сигнала, то увеличивается длительность сегмента квазистационарности на количество отсчетов кратное периоду основного тона, но не более чем на 60 мс с обязательной проверкой на вокализованность следующих сегментов по 20 мс. Если принимается решение о шумоподобности следующего сегмента, то граница сегмента анализа выбирается кратной количеству отсчетов на периоде основного тона, но не более половины следующего сегмента длительностью 20 мс. В том случае, если принимается решение о шумоподобности анализируемого сегмента, то длина сегмента анализа уменьшается, а граница сегмента формируется на значении близком нулю и кратном вычисленному периоду основного тона. Важным параметром при этом является тенденции в изменении ряда значений интервалов корреляции при сдвиге сегмента данных.
Такой подход позволяет получить сегменты начало и окончание которых будут иметь одинаковые знаки конечной разности первого порядка. При этом с высокой вероятностью можно утверждать, что начальный и конечный отсчеты во вновь сформированном сегменте будут иметь значения близкие нулю, что значительно уменьшит возможные искажения на стыках сегментов. Значения ЛСЧ, полученные на данных сегментах, показаны на рис. 2. Такой способ выделения параметров модели речевого сигнала на сегментах одинаковой природы образования достаточно хорошо соотносится с квазистационарным характером речевого сигнала на временных интервалах, соответствующих режиму установившихся звуков.
Рис. 2. Значения линейных спектральных частот на вокализованном интервале речевых данных одинаковой природы образования
Полученные значения ЛСЧ позволяют утверждать о высокой корреляции между параметрами, описывающими значения максимумов амплитудно-частотной характеристики речевого тракта на близлежащих сегментах речи одинаковой природы образования, что может быть использовано при синтезе речевого сигнала в системах низкоскоростного кодирования речевых данных с переменной скоростью передачи.
страница 1 ... страница 2страница 3страница 4страница 5
скачать
Другие похожие работы: