Skip to content
Merged
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
40 changes: 20 additions & 20 deletions content-ukraine/cyclostationary.rst
Original file line number Diff line number Diff line change
Expand Up @@ -232,10 +232,10 @@ SCF можна отримати простим перетворенням Фур


********************************
Метод згладжування за частотою (FSM)
Метод частотного згладжування (Frequency Smoothing Method FSM)
********************************

Тепер, коли ми маємо гарне інтуїтивне уявлення про SCF, розгляньмо, як обчислити її ефективно. Спершу пригадаємо періодограму — це просто квадрат модуля амплітуд перетворення Фур’є сигналу:
Тепер, коли ми маємо добре концептуальне розуміння SCF, розгляньмо, як можна ефективно його обчислювати. Спершу згадаємо періодограму — це просто квадрат модуля від перетворення Фур’є сигналу:

.. math::

Expand All @@ -247,19 +247,19 @@ SCF можна отримати простим перетворенням Фур

I(u,f,\alpha) = \frac{1}{N}X(u,f + \alpha/2) X^*(u,f - \alpha/2)

Обидва вирази є оцінками PSD та SCF, але щоб отримати істинне значення SCF, потрібно усереднити або за часом, або за частотою. Усереднення за часом відоме як метод згладжування за часом (TSM):
Обидва вирази є оцінками PSD та SCF, але щоб отримати істинне значення SCF, потрібно усереднити або за часом, або за частотою. Усереднення за часом відоме як часовий метод згладжування (TSM):

.. math::
S_X(f, \alpha) = \lim_{T\rightarrow\infty} \frac{1}{T} \lim_{U\rightarrow\infty} \frac{1}{U} \int_{-U/2}^{U/2} X(t,f + \alpha/2) X^*(t,f - \alpha/2) dt

а усереднення за частотою називається методом згладжування за частотою (FSM):
а усереднення за частотою називається частотним методом згладжування (FSM):

.. math::
S_X(f, \alpha) = \lim_{\Delta\rightarrow 0} \lim_{T\rightarrow \infty} \frac{1}{T} g_{\Delta}(f) \otimes \left[X(t,f + \alpha/2) X^*(t,f - \alpha/2)\right]

де функція :math:`g_{\Delta}(f)` виконує згладжування за невеликим діапазоном частот.
де функція :math:`g_{\Delta}(f)` виконує згладжування в невеликому діапазоні частот.

Нижче наведено мінімальну реалізацію FSM на Python — частотно-орієнтований метод усереднення для обчислення SCF сигналу. Спершу обчислюється циклічна періодограма через множення двох зсунених FFT, а потім кожен зріз фільтрується вікном, довжина якого визначає роздільну здатність отриманої оцінки SCF. Отже, довші вікна дають більш згладжений результат із нижчою роздільністю, коротші — навпаки.
Нижче наведено мінімальну реалізацію FSM на Python — частотно-орієнтований метод усереднення для обчислення SCF сигналу. Спершу обчислюється циклічна періодограма через множення двох зсунених FFT, а потім кожен зріз фільтрується у вікні, довжина якого визначає роздільну здатність отриманої оцінки SCF. Тобто, довші вікна дають більш згладжений результат із нижчою роздільністю, коротші — навпаки.

.. code-block:: python

Expand Down Expand Up @@ -290,15 +290,15 @@ SCF можна отримати простим перетворенням Фур
.. image:: ../_images/scf_freq_smoothing.svg
:align: center
:target: ../_images/scf_freq_smoothing.svg
:alt: SCF, обчислена методом згладжування за частотою (FSM)
:alt: SCF, обчислена методом частотного згладжування (FSM)

Цей метод вимагає лише одного великого FFT, але потребує численних операцій згортки для згладжування. Зверніть увагу на проріджування після згортки :code:`[::Nw]`; воно не обов’язкове, але дуже бажане, щоб зменшити кількість пікселів для відображення, і завдяки способу обчислення SCF ми не «викидаємо» інформацію, проріджуючи по :code:`Nw`.
Цей метод має ту перевагу що вимагає лише одного великого FFT, але недолік - потребує численних операцій згортки для згладжування. Зверніть увагу на проріджування після згортки :code:`[::Nw]`; воно не обов’язкове, але дуже бажане, щоб зменшити кількість пікселів для відображення, і завдяки способу обчислення SCF ми не «викидаємо» інформацію, проріджуючи по :code:`Nw`.

***************************
Метод згладжування за часом (TSM)
Метод часового згладжування (Time Smoothing Method TSM)
***************************

Далі розглянемо реалізацію TSM у Python. Наведений нижче код ділить сигнал на *num_windows* блоків, кожен довжини *Nw* з перекриттям *Noverlap*. Зверніть увагу, що перекриття не є обов’язковим, але зазвичай дає приємніший результат. Сигнал множиться на віконну функцію (у цьому прикладі — вікно Ганна, але можна використовувати будь-яке) і береться FFT. Потім SCF обчислюється шляхом усереднення результатів для кожного блоку. Довжина вікна відіграє таку саму роль, як і в FSM, визначаючи компроміс між роздільністю та згладженістю.
Далі розглянемо реалізацію TSM на Python. Наведений нижче код ділить сигнал на *num_windows* блоків, кожен довжини *Nw* з перекриттям на *Noverlap* кількість відліків. Зверніть увагу, що перекриття не є обов’язковим, але зазвичай дає кращий результат. Сигнал множиться на віконну функцію (у нашому випадку — вікно Ганна, але можна використовувати будь-яке) і береться FFT. Потім SCF обчислюється шляхом усереднення результатів для кожного блоку. Довжина вікна відіграє таку саму роль, як і в FSM, визначаючи компроміс між роздільністю та згладженістю.


.. code-block:: python
Expand Down Expand Up @@ -336,7 +336,7 @@ SCF можна отримати простим перетворенням Фур
Результат дуже схожий на FSM!

*****************
BPSK із формуванням імпульсу
BPSK із формуванням імпульсу Pulse-Shaped
*****************

Досі ми розглядали CSP лише для *прямокутного* сигналу BPSK. Проте в реальних RF-системах майже ніколи не зустрінеш прямокутних імпульсів (виняток — чипова послідовність BPSK у DSSS, яка приблизно прямокутна).
Expand All @@ -346,16 +346,16 @@ BPSK із формуванням імпульсу
.. math::
h(t) = \mathrm{sinc}\left( \frac{t}{T} \right) \frac{\cos\left(\frac{\pi\beta t}{T}\right)}{1 - \left( \frac{2 \beta t}{T} \right)^2}

Параметр :math:`\beta` визначає, наскільки швидко фільтр спадає в часі, що обернено пропорційно швидкості спадання у частоті:
Параметр :math:`\beta` визначає, наскільки швидко фільтр спадає в часі, що обернено пропорційно швидкості спадання по частоті:

.. image:: ../_images/raised_cosine_freq.svg
:align: center
:target: ../_images/raised_cosine_freq.svg
:alt: Частотна характеристика фільтра з піднятим косинусом для різних коефіцієнтів roll-off
:alt: Частотна характеристика фільтра з піднятим косинусом для різних коефіцієнтів спадання roll-off

Зверніть увагу: :math:`\beta=0` відповідає нескінченно довгому імпульсу, тож такий варіант непрактичний. Також :math:`\beta=1` *не* означає прямокутний імпульс. На практиці коефіцієнт roll-off зазвичай вибирають у діапазоні 0.2–0.4.
Зверніть увагу: :math:`\beta=0` відповідає нескінченно високому імпульсу, тож такий варіант непрактичний. Також :math:`\beta=1` *не* означає прямокутний імпульс. На практиці коефіцієнт спадання roll-off зазвичай вибирають у діапазоні 0.2–0.4.

Змоделювати сигнал BPSK із формуванням імпульсу RC можна наступним кодом; зауважте, що перші 5 рядків і останні 4 — ті самі, що й для прямокутного BPSK:
Змоделювати сигнал BPSK із формуванням імпульсу з RC можна за допомогою наступного коду; зауважте, що перші 5 рядків і останні 4 — ті самі, що й для прямокутного BPSK:

.. code-block:: python

Expand All @@ -381,7 +381,7 @@ BPSK із формуванням імпульсу
noise = np.random.randn(N) + 1j*np.random.randn(N) # complex white Gaussian noise
samples = bpsk + 0.1*noise # add noise to the signal

Змінна :code:`pulse_train` — це наші символи, між якими вставлено :code:`sps - 1` нулів, напр.:
Зауважте, що змінна :code:`pulse_train` — це наші символи, між якими вставлено :code:`sps - 1` нулів, напр.:

.. code-block:: bash

Expand All @@ -395,9 +395,9 @@ BPSK із формуванням імпульсу
.. image:: ../_images/pulse_shaped_BSPK.svg
:align: center
:target: ../_images/pulse_shaped_BSPK.svg
:alt: Сигнал BPSK із формуванням імпульсу RC
:alt: Сигнал BPSK із формуванням імпульсу з RC

Обчислимо SCF цього сигналу з коефіцієнтом roll-off 0.3, 0.6 та 0.9. Використаємо той самий частотний зсув 0.2 Гц і реалізацію FSM з тими самими параметрами, що й у прикладі з прямокутним BPSK, для чесного порівняння:
Обчислимо SCF цього сигналу з коефіцієнтом roll-off 0.3, 0.6 та 0.9. для чесного порівняння використаємо той самий частотний зсув 0.2 Гц і реалізацію FSM з тими самими параметрами, що й у прикладі з прямокутним BPSK:

:code:`beta = 0.3`:

Expand All @@ -420,13 +420,13 @@ BPSK із формуванням імпульсу
:target: ../_images/scf_freq_smoothing_pulse_shaped_bpsk3.svg
:alt: SCF сигналу BPSK із формуванням імпульсу (FSM), beta = 0.9

В усіх трьох випадках ми більше не бачимо бічних пелюсток на осі частоти, а на осі циклічної частоти відсутні потужні гармоніки базової циклічної частоти. Це тому, що RC-фільтр забезпечує набагато краще обмеження спектра порівняно з прямокутними імпульсами, тож бічні пелюстки значно слабші. У результаті сигнали з формуванням імпульсу мають набагато «чистішу» SCF, схожу на один пік із розмиттям над ним. Це стосується всіх одноносійних цифрових сигналів, не лише BPSK. Зі збільшенням :math:`\beta` пік на осі частоти розширюється, оскільки сигнал займає більшу смугу.
В усіх трьох випадках ми більше не бачимо бічних пелюсток по осі частоти, а на осі циклічної частоти відсутні потужні гармоніки базової циклічної частоти. Це тому, що RC-фільтр забезпечує набагато краще обмеження спектра порівняно з прямокутними імпульсами, тож бічні пелюстки значно слабші. У результаті сигнали з формуванням імпульсу мають набагато «чистішу» SCF, схожу на один пік із розмиттям над ним. Це стосується всіх цифрових сигналів з одною несучою частотою, не лише BPSK. Зі збільшенням :math:`\beta` пік на осі частоти розширюється, оскільки сигнал займає більшу смугу.

********************************
SNR та кількість символів
********************************

Незабаром! Ми розглянемо, чому після певного порогу збільшення SNR не допомагає — натомість потрібна більша кількість символів, і як пакетні хвилі призводять до обмеженої кількості символів у передачі.
Незабаром! Ми розглянемо, чому після певного порогу збільшення SNR не допомагає — натомість потрібна більша кількість символів, і як пакетні форми сигналів призводять до обмеженої кількості символів у передачі.

********************************
QPSK та модуляції вищих порядків
Expand Down