计算机网络:物理层 —— 信道及其极限容量
文章目录
- 信道
- 信道的极限容量
- 信号失真
- 失真类型
- 产生信号失真的主要因素
- 奈式准则
- 码元传输速率
- 香农公式
信道
信道是指信息传输的通道或介质。在通信中,信道扮演着传输信息的媒介的角色,将发送方发送的信号传递给接收方。
信道可以是无线信道,如空中传输的无线电波或红外线信号,也可以是有线信道,如同轴电缆、光纤等,或者是通过这些介质定义的一条逻辑连接。
根据传输方式的不同,信道可以分为以下几种类型:
-
有线信道:使用物理导体作为传输媒介,如双绞线、同轴电缆和光纤。这类信道通常提供更高的数据传输速率和更低的干扰。
-
无线信道:使用电磁波作为传输媒介,如Wi-Fi、蓝牙、蜂窝网络等。无线信道不需要物理连接,但可能受到环境因素的影响,如障碍物、噪声等。
相关阅读:计算机网络:物理层 —— 物理层下的传输媒体
不同的信道具有不同的特性和限制。它们可能受到噪声、干扰、衰减、传播时延、多径效应等影响。这些影响因素可能会导致信号变形、衰减、误码等问题。
为了克服信道的限制和提高通信质量,通信系统通常会使用调制、编码、差错纠正等技术。通过对信号进行适当的调整和处理,可以使信号更好地适应信道,并增加传输的可靠性和性能。
对于无线通信系统,信道还可能分为分频复用信道(FDM)、时分复用信道(TDM)、码分复用信道(CDM)等不同的传输方式。
信道的极限容量
信道容量是一个信道能够以多快的速率传输信息的最大限制,即信道的极限信息传输速率。它表示了在给定的传输条件下,信道可以可靠地传输的最大数据速率。
信号失真
任何实际的信道都不是理想的,在传输数据的过程中都会不可避免地产生信号失真。
信号失真指的是在信号传输或处理过程中,信号的形状、幅度或频谱发生变化,导致接收到的信号与原始信号不完全一致的现象。信号失真可以降低通信系统的性能,导致信息传输错误或质量下降。
失真类型
常见的信号失真包括以下几种类型:
-
幅度失真:信号的幅度受到衰减、增益不均衡或非线性失真的影响,导致信号的幅度无法完全恢复。
-
相位失真:信号的相位受到信号传输路径中的延迟、多径效应或时钟偏差等因素的影响,导致信号的相位错位或扭曲。
-
频域失真:信号的频率成分受到传输通道的频率响应不平坦或滤波器的非线性特性影响,导致频谱失真或频率失真。
-
时间失真:信号的时序与原始信号不一致,可能由于时钟漂移、信号传输延迟或采样率不匹配等原因引起。
-
噪声引起的失真:在信号传输过程中,噪声的存在可能会引入误差,使得接收的信号与原始信号之间存在差异。
为了减小信号失真的影响,通信系统通常采用一系列的补偿、校正和等化技术,例如使用均衡器、前向纠错编码、自适应等化器等。这些技术可以帮助恢复原始信号的形状、幅度和频谱,从而提高信号的质量和可靠性。
产生信号失真的主要因素
-
码元的传输速率:传输速率越高,信号经过传输后的失真就越严重
-
信号的传输距离:传输距离越远,信号经过传输后的失真就越严重
-
噪声干扰:噪声干扰越大,信号经过传输后的失真就越严重。
在实际的信道中会有噪声,噪声是随机产生的,其瞬时值有时会很大,这会影响接收端对码元的识别,并且噪声功率相对于信号功率越大,影响就越大。
-
传输媒体的质量:传输媒体质量越差,信号经过传输后的失真就越严重
奈式准则
信道上传输的数字信号,可以看作是多个频率的模拟信号进行多次叠加后形成的方波。
如果数字信号中的高频分量在传输时受到衰减甚至不能通过信道,则接收端接收到的波形前沿和后沿就变得不那么陡峭,每一个码元所占的时间界限也不再明确。这样,在接收端接收到的信号波形就失去了码元之间的清晰界限,这种现象称为码间串扰。
如果信道的频带越宽则能够通过的信号的高频分量就越多,那么码元的传输速率就可以更高,而不会导致码间串扰。但信道的频率带宽是有上限的,不可能无限大。因此,码元的传输速率也有上限。
奈式准则(Nyquist Criterion),也称为奈奎斯特准则或奈奎斯特采样定理,是数字信号处理中的一个重要概念。它描述了在进行连续信号的采样时,需要满足的最低采样频率条件。
奈式准则表明,对于一个带宽为 B 的连续信号,为了完全无失真地重新构建这个信号,采样频率必须至少是信号带宽的两倍(2B)。即,理想低通信道的最高码元传输速率(调制速度)为 2 W B a u d 2W Baud 2WBaud
- W W W:信道的频率带宽( H z Hz Hz)
- B a u d Baud Baud:波特,即 码元/秒
简单来说,这意味着在对连续信号进行采样时,采样频率必须高于信号本身的带宽的两倍,以确保采样点之间的信息不会重叠。如果低于这个采样频率,会引起采样失真,也称为混叠现象,导致无法正确重建原始信号。
采样频率高于奈式准则所要求的最低频率被称为奈奎斯特频率(Nyquist Frequency),它是信号带宽的两倍。
使用奈氏准则给出的公式,就可以根据信道的频率带宽,计算出信道的最高码元传输速率,只要码元传输速率不超过根据奈氏准则计算出的上限,就可以避免码间串扰。
奈氏准则给出的是理想低通信道的最高码元传输速率,它和实际信道有较大的差别。因此一个实际的信道所能传输的最高码元传输速率,要明显低于奈氏准则给出的上限值。
码元传输速率
码元传输速率又称为波特率、调制速率、波形速率或符号速率
波特率与比特率(速率)有一定的关系:
-
当 1 个码元只携带 1 比特的信息量,波特率(码元/秒)与比特率(比特/秒)在数值上是相等的
-
当 1 个码元携带 n 比特的信息量时波特率(码元/秒)转换成比特率(比特/秒)时,数值要乘以 n。
香农公式
1948年,克劳德·香农(Claude Shannon)根据信息论的理论推导出了频率带宽受限且有高斯白噪声干扰的信道的极限信息传输速率,即香农公式。
香农公式用于计算数据传输信道的最大理论传输速率,即信道的容量。
香农公式的表达式如下:
C = W × l o g 2 ( 1 + S N ) C = W \times log_2(1 + \frac{S}{N}) C=W×log2(1+NS)
- C 表示信道的极限信息传输速率(信道的容量),单位为比特每秒(b/s,bps)或香农。
- W 信道的频率带宽,单位为赫兹(Hz)。
- S 信道内所传输信号的平均功率。
- N 信道内的传输信号中的高斯噪声功率。
- S/N:信噪比,常用分贝(dB)表示(信噪比(dB) = 10 l o g 10 S N 10log_{10} \frac{S}{N} 10log10NS)
香农公式显示了在给定带宽和信道噪声条件下,信道可以可靠传输的最大数据速率。公式的右侧项表示信号功率与噪声功率之比,称为信噪比(Signal-to-Noise Ratio,SNR)。公式的左侧项则表示信道的容量,即在满足可靠传输要求的情况下,信道可以传输的最大比特数。
-
信道的频率带宽 W 或信道中的信噪比 S/N 越大,信道的极限信息传输速率 C 就越高。
-
实际信道不可能无限制地提高频率带宽 W 或信道中的信噪比 S/N。
-
实际信道中能够达到的信息传输速率要比香农公式给出的极限传输速率低不少在实际信道中,信号还要受到其他一些损伤,例如各种脉冲干扰和信号衰减等,这些因素在香农公式中并未考虑。
在信道的频率带宽 W 一定的情况下,根据奈氏准则和香农公式,要想提高信息的传输速率就必须采用多元制(更复杂的调制技术),并努力提高信道中的信噪比。
自从香农公式发表后,各种新的信号处理和调制方法就不断出现,其目的都是为了使码元可以携带更多个比特,进而可以尽可能地接近香农公式给出的传输速率极限。
相关文章:
计算机网络:物理层 —— 信道及其极限容量
文章目录 信道信道的极限容量信号失真失真类型产生信号失真的主要因素 奈式准则码元传输速率香农公式 信道 信道是指信息传输的通道或介质。在通信中,信道扮演着传输信息的媒介的角色,将发送方发送的信号传递给接收方。 信道可以是无线信道,…...

面向对象特性中 继承详解
目录 概念: 定义: 定义格式 继承关系和访问限定符 基类和派生类对象赋值转换: 继承中的作用域: 派生类的默认成员函数 继承与友元: 继承与静态成员: 复杂的菱形继承及菱形虚拟继承: 虚…...

C++ | Leetcode C++题解之第455题分发饼干
题目: 题解: class Solution { public:int findContentChildren(vector<int>& g, vector<int>& s) {sort(g.begin(), g.end());sort(s.begin(), s.end());int m g.size(), n s.size();int count 0;for (int i 0, j 0; i < …...

java版基于Spring Boot + Mybatis在线招投标|评标|竞标|单一采购|询价|邀标|在线开标|招标公告发布|评审专家|招投标采购系统源码
一、项目说明 随着公司的快速发展,企业人员和经营规模不断壮大,公司对内部招采管理的提升提出了更高的要求。在企业里建立一个公平、公开、公正的采购环境,最大限度控制采购成本至关重要。符合国家电子招投标法律法规及相关规范,…...

Anaconda的安装与环境设置
文章目录 一、Anaconda介绍二、Anaconda环境搭建1. 下载Anaconda(1)官网下载(2)清华大学镜像 2. 安装Anaconda3.配置环境变量4.检验conda是否安装成功5.更改镜像源6.若菜单栏没有conda prompt 三、虚拟环境1.创建、查看、删除虚拟环境2.激活、退出虚拟环境 四、CUDA、Pytorch、…...

使用FastAPI做人工智能后端服务器时,接口内的操作不是异步操作的解决方案
在做AI模型推理的接口时,这时候接口是非异步的,但是uvicorn运行FastAPI时就会出现阻塞所有请求。 这时候需要解决这个问题: api.py: import asyncio from fastapi import FastAPI from fastapi.responses import StreamingResp…...
Leetcode 3312. Sorted GCD Pair Queries
Leetcode 3312. Sorted GCD Pair Queries 1. 解题思路2. 代码实现 题目链接:3312. Sorted GCD Pair Queries 1. 解题思路 这一题的话坦率来说没有搞定,后来是找的大佬的代码抄了一下…… 整体来说这道题思路上还是比较暴力的,还是一个二重…...
用 Delphi 做了一个简单的 CMS
Delphi 代码上面花的时间最少。 前提是你要熟悉 Delphi 的 WebBroker 框架。不熟悉也没关系,5分钟就可以入门,10分钟就熟悉了。 CMS 就是个基于 WEB 的内容管理嘛。相当于一个简单的没有跟贴功能的 BBS。这样的东西,后边是数据库࿰…...
ASK, PSK, FSK, DPSK
ASK, PSK, FSK, DPSK详解: 这四种调制方式都是数字调制技术,用于将数字信号转换成适合在信道上传输的模拟信号。它们的主要区别在于如何用模拟信号的变化来表示数字信息。 1. ASK (Amplitude Shift Keying) 幅移键控: 原理: ASK 通过改变载波信号的幅…...

【Linux】认识Linux内核中进程级别的文件结构体【files_struct】&文件IO模型初步演示
前言 大家好吖,欢迎来到 YY 滴 系列 ,热烈欢迎! 本章主要内容面向接触过C的老铁 主要内容含: 欢迎订阅 YY滴C专栏!更多干货持续更新!以下是传送门! YY的《C》专栏YY的《C11》专栏YY的《Linux》…...

[Offsec Lab] ICMP Monitorr-RCE+hping3权限提升
信息收集 IP AddressOpening Ports192.168.52.218TCP:22,80 $ nmap -p- 192.168.52.218 --min-rate 1000 -sC -sV -Pn PORT STATE SERVICE VERSION 22/tcp open ssh OpenSSH 7.9p1 Debian 10deb10u2 (protocol 2.0) | ssh-hostkey: | 2048 de:b5:23:89:bb:9f:d4:1…...
Studying-多线程学习Part4 - 异步并发——async future、packaged_task、promise
异步并发——async future packaged_task promise 1.async、future 是C11引入的一个函数模版,用于异步执行一个函数,并返回一个future对象,表示异步操作的结果。使用 async 可以方便地进行异步编程,避免了手动创建线程和管理线程…...
【Java基础】用Scanner类获取控制台输入
目录 Scanner类是什么导入并创建读取一个数读取字符串读取一行读取直到空白字符为止读取多个数直到^z读取一个字符 Scanner类是什么 在Java中,Scanner 是一个非常有用的类,用于从各种输入源(如键盘、文件或其他输入流)读取数据。…...

微服务seata解析部署使用全流程
官网地址: Seata 是什么? | Apache Seata 1、Seata术语 用来管理分布式事务,由阿里巴巴出品。 【1、TC (Transaction Coordinator) - 事务协调者】 用来维护事务的,包括主事务和分支事务。 【2、TM (Transaction Manager) - …...

Linux性能调优技巧
目录 前言1. CPU性能优化1.1 调整CPU调度策略1.2 合理分配多核处理 2. 内存性能优化2.1 调整内存分配策略2.2 缓存和分页优化 3. 磁盘I/O性能优化3.1 使用合适的I/O调度器3.2 磁盘分区和文件系统优化 4. 网络性能优化4.1 优化网络参数4.2 调整网络拥塞控制算法 5. 系统监控与优…...
python 实现sha1算法
sha1算法介绍 SHA-1(Secure Hash Algorithm 1,安全散列算法1)是一种密码散列函数,由美国国家安全局(NSA)设计,并由美国国家标准技术研究所(NIST)发布为联邦数据处理标准…...
ejb-ref元素
ejb-ref 是用于在 Java EE (现在称为 Jakarta EE) 中引用 Enterprise JavaBeans (EJB) 的一个元素,主要用于定义和配置 SLEE (Service Logic Execution Environment) 组件中的 EJB 依赖关系。通过这个引用,SBB (Service Building Block) 可以轻松地访问和…...
Perl 子程序(函数)
Perl 子程序(函数) Perl 是一种高级、解释型、动态编程语言,广泛用于CGI脚本、系统管理、网络编程、 finance, bioinformatics, 以及其他领域。在Perl中,子程序(也称为函数)是组织代码和重用代码块的重要方…...

ElasticSearch 备考 -- Snapshot Restore
一、题目 备份集群下的索引 task,存储快照名称为 snapshot_1 二、思考 这个涉及的是集群的备份,主要是通过创建快照,涉及到以下2步骤 Setp1:注册一个备份 snapshot repository Setp2:创建 snapshot 可以通过两种方…...

【Linux】进程替换、命令行参数及环境变量(超详解)
目录 进程替换 替换函数的含义 命令行参数 环境变量 PATH 进程替换 我们先看代码: 1 #include<stdio.h>2 #include<unistd.h>3 int main()4 {5 printf("process...begin!\n");6 7 execl("/usr/bin/ls","ls"…...
HTML 语义化
目录 HTML 语义化HTML5 新特性HTML 语义化的好处语义化标签的使用场景最佳实践 HTML 语义化 HTML5 新特性 标准答案: 语义化标签: <header>:页头<nav>:导航<main>:主要内容<article>&#x…...
ES6从入门到精通:前言
ES6简介 ES6(ECMAScript 2015)是JavaScript语言的重大更新,引入了许多新特性,包括语法糖、新数据类型、模块化支持等,显著提升了开发效率和代码可维护性。 核心知识点概览 变量声明 let 和 const 取代 var…...

突破不可导策略的训练难题:零阶优化与强化学习的深度嵌合
强化学习(Reinforcement Learning, RL)是工业领域智能控制的重要方法。它的基本原理是将最优控制问题建模为马尔可夫决策过程,然后使用强化学习的Actor-Critic机制(中文译作“知行互动”机制),逐步迭代求解…...
【HTTP三个基础问题】
面试官您好!HTTP是超文本传输协议,是互联网上客户端和服务器之间传输超文本数据(比如文字、图片、音频、视频等)的核心协议,当前互联网应用最广泛的版本是HTTP1.1,它基于经典的C/S模型,也就是客…...
深度学习之模型压缩三驾马车:模型剪枝、模型量化、知识蒸馏
一、引言 在深度学习中,我们训练出的神经网络往往非常庞大(比如像 ResNet、YOLOv8、Vision Transformer),虽然精度很高,但“太重”了,运行起来很慢,占用内存大,不适合部署到手机、摄…...

论文阅读:LLM4Drive: A Survey of Large Language Models for Autonomous Driving
地址:LLM4Drive: A Survey of Large Language Models for Autonomous Driving 摘要翻译 自动驾驶技术作为推动交通和城市出行变革的催化剂,正从基于规则的系统向数据驱动策略转变。传统的模块化系统受限于级联模块间的累积误差和缺乏灵活性的预设规则。…...
Java详解LeetCode 热题 100(26):LeetCode 142. 环形链表 II(Linked List Cycle II)详解
文章目录 1. 题目描述1.1 链表节点定义 2. 理解题目2.1 问题可视化2.2 核心挑战 3. 解法一:HashSet 标记访问法3.1 算法思路3.2 Java代码实现3.3 详细执行过程演示3.4 执行结果示例3.5 复杂度分析3.6 优缺点分析 4. 解法二:Floyd 快慢指针法(…...

STM32标准库-ADC数模转换器
文章目录 一、ADC1.1简介1. 2逐次逼近型ADC1.3ADC框图1.4ADC基本结构1.4.1 信号 “上车点”:输入模块(GPIO、温度、V_REFINT)1.4.2 信号 “调度站”:多路开关1.4.3 信号 “加工厂”:ADC 转换器(规则组 注入…...
前端工具库lodash与lodash-es区别详解
lodash 和 lodash-es 是同一工具库的两个不同版本,核心功能完全一致,主要区别在于模块化格式和优化方式,适合不同的开发环境。以下是详细对比: 1. 模块化格式 lodash 使用 CommonJS 模块格式(require/module.exports&a…...

Selenium 查找页面元素的方式
Selenium 查找页面元素的方式 Selenium 提供了多种方法来查找网页中的元素,以下是主要的定位方式: 基本定位方式 通过ID定位 driver.find_element(By.ID, "element_id")通过Name定位 driver.find_element(By.NAME, "element_name"…...