正交编码与正交沃尔什函数详解 |
您所在的位置:网站首页 › 正交变换为对角阵 › 正交编码与正交沃尔什函数详解 |
本专栏包含信息论与编码的核心知识,按知识点组织,可作为教学或学习的参考。markdown版本已归档至【Github仓库:https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 文章目录 正交编码正交编码的基本概念正交性互相关系数正交编码自相关系数超正交码双正交编码 正交沃尔什函数离散沃尔什函数的构成沃尔什函数的基本性质 正交编码 正交编码的基本概念 正交性若两个周期为 T 的模拟信号 s 1 ( t ) s_{1}(t) s1(t) 和 s 2 ( t ) s_{2}(t) s2(t) 互相正交, 则有 ∫ 0 T s 1 ( t ) s 2 ( t ) d t = 0 \int_{0}^{T} s_{1}(t) s_{2}(t) d t=0 ∫0Ts1(t)s2(t)dt=0 同理, 若 M 个周期为 T 的模拟信号 s 1 ( t ) s_{1}(t) s1(t), s 2 ( t ) s_{2}(t) s2(t), … \ldots …, s M ( t ) s_{M}(t) sM(t) 构成一个正交信号集合,则有 ∫ 0 T s i ( t ) s j ( t ) d t = 0 i ≠ j ; i , j = 1 , 2 , … , M \int_{0}^{T} s_{i}(t) s_{j}(t) d t=0 \quad i \neq j ; \quad i, j=1,2, \ldots, M ∫0Tsi(t)sj(t)dt=0i=j;i,j=1,2,…,M 互相关系数对于二进制数字信号, 用一数字序列表示码组。这里, 我们只讨论二进制且码长相同的编码。这时, 两个码组的正交性可用如下形式的互相 关系数来表述。 设长为 n \boldsymbol{n} n 的编码中码元只取值 +1 和 -1 , 假设 x \boldsymbol{x} x 和 y \boldsymbol{y} y 是其中两个码组: x = ( x 1 , x 2 , x 3 , ⋯ , x n ) y = ( y 1 , y 2 , y 3 , ⋯ , y n ) x=(x_{1}, x_{2}, x_{3}, \cdots, x_{n}) \quad y=(y_{1}, y_{2}, y_{3}, \cdots, y_{n}) x=(x1,x2,x3,⋯,xn)y=(y1,y2,y3,⋯,yn) 其中: x i , y i ∈ ( + 1 , − 1 ) , i = 1 , 2 , ⋯ , n x_{i}, y_{i} \in(+1,-1), \quad i=1,2, \cdots, n xi,yi∈(+1,−1),i=1,2,⋯,n 若码组 x 和 y 正交, 则必有 ρ ( x , y ) = 0 \rho(x, y)=0 ρ(x,y)=0 。 ρ ( x , y ) = 1 n ∑ i = 1 n x i y i \rho(x, y)=\frac{1}{n} \sum_{i=1}^{n} x_{i} y_{i} ρ(x,y)=n1i=1∑nxiyi 正交编码例如, 右图所示 4 个数字信号可以看作是如下4 个码组: { s 1 ( t ) : ( + 1 , + 1 , + 1 , + 1 ) s 2 ( t ) : ( + 1 , + 1 , − 1 , − 1 ) s 3 ( t ) : ( + 1 , − 1 , − 1 , + 1 ) s 4 ( t ) : ( + 1 , − 1 , + 1 , − 1 ) . \{\begin{array}{l} s_{1}(t):(+1,+1,+1,+1) \\ s_{2}(t):(+1,+1,-1,-1) \\ s_{3}(t):(+1,-1,-1,+1) \\ s_{4}(t):(+1,-1,+1,-1) \end{array}. {s1(t):(+1,+1,+1,+1)s2(t):(+1,+1,−1,−1)s3(t):(+1,−1,−1,+1)s4(t):(+1,−1,+1,−1). 按照互相关系数定义式计算容易得知, 这 4 个码组中任意两者之间的相关系数都为 0 , 即这 4 个码组两两正交。我们把这种两两正交的编码称为正交编码。 用二进制数字表示互相关系数 在二进制编码理论中, 常采用二进 制数字 “ 0 ”和 “ 1 ”表示码元的可能 取值。这时, 若规定用二进制数字 “0”代替上述码组中的 “+ 1 ”, 用 二进制数字 “ 1 ”代替 “ -1 ”, 则上 述互相关系数定义式将变为 ρ ( x , y ) = A − D A + D \rho(x, y)=\frac{A-D}{A+D} ρ(x,y)=A+DA−D 式中, A——x 和 y 中对应码元相同的个数; D—— x 和 y 中对应码元不同的个数。 例如, 按照左式规定, 上面例 子可以改写成 { s 1 ( t ) : ( 0 , 0 , 0 , 0 ) s 2 ( t ) : ( 0 , 0 , 1 , 1 ) s 3 ( t ) : ( 0 , 1 , 1 , 0 ) s 4 ( t ) : ( 0 , 1 , 0 , 1 ) . \{\begin{array}{l} s_{1}(t):(0,0,0,0) \\ s_{2}(t):(0,0,1,1) \\ s_{3}(t):(0,1,1,0) \\ s_{4}(t):(0,1,0,1) \end{array}. {s1(t):(0,0,0,0)s2(t):(0,0,1,1)s3(t):(0,1,1,0)s4(t):(0,1,0,1). 可以验证互相关系数 ρ = 0 \boldsymbol{\rho}=\mathbf{0} ρ=0 . 自相关系数上式中, 若用 x 的 j 次循环移位代替 y , 就得到 x 的自相关系数 ρ x ( j ) \rho_{x}(j) ρx(j) 。 具体地讲,令 x = ( x 1 , x 2 , ⋯ , x n ) y = ( x 1 + j , x 2 + j , ⋯ , x n , x 1 , x 2 , ⋯ x j ) \begin{array}{l} x=(x_{1}, x_{2}, \cdots, x_{n}) \\ y=(x_{1+j}, x_{2+j}, \cdots, x_{n}, x_{1}, x_{2}, \cdots x_{j}) \end{array} x=(x1,x2,⋯,xn)y=(x1+j,x2+j,⋯,xn,x1,x2,⋯xj) 代入定义式 ρ ( x , y ) = A − D A + D \rho(x, y)=\frac{A-D}{A+D} ρ(x,y)=A+DA−D 就得到自相关系数 ρ x ( j ) \rho_{x}(j) ρx(j) : ρ x ( j ) = ( A − D ) / n \rho_{x}(j)=(A-D) / n ρx(j)=(A−D)/n 类似上述互相关系数的定义, 可以对于一个长为 n 的码组 x 定义其自相关系数为 ρ x ( j ) = 1 n ∑ i = 1 n x i x i + j , j = 0 , 1 , ⋯ , ( n − 1 ) \rho_{x}(j)=\frac{1}{n} \sum_{i=1}^{n} x_{i} x_{i+j}, \quad j=0,1, \cdots,(n-1) ρx(j)=n1i=1∑nxixi+j,j=0,1,⋯,(n−1) 式中, x 的下标按模 n 运算, 即有 x n + k ≡ x k x_{n+k} \equiv \mathbf{x}_{k} xn+k≡xk 。例如, 设 x = ( x 1 , x 2 , x 3 , x 4 ) = ( + 1 , − 1 , − 1 , + 1 ) x=(x_{1}, x_{2}, x_{3}, x_{4})=(+1,-1,-1,+1) x=(x1,x2,x3,x4)=(+1,−1,−1,+1) 则有 ρ x ( 0 ) = 1 4 ∑ i = 1 4 x i 2 = 1 ρ x ( 1 ) = 1 4 ∑ i = 1 4 ‾ ‾ 4 x i x i + 1 = 1 4 ( x 1 x 2 + x 2 x 3 + x 3 x 4 + x 4 x 1 ) = 1 4 ( − 1 + 1 − 1 + 1 ) = 0 ρ x ( 2 ) = 1 4 ∑ i = 1 1 x i x i + 2 = 1 4 ( x 1 x 3 + x 2 x 4 + x 3 x 1 + x 4 x 2 ) = − 1 ρ x ( 3 ) = 1 4 ∑ i = 1 4 ‾ 1 x i x i + 3 = 1 4 ( x 1 x 4 + x 2 x 1 + x 3 x 2 + x 4 x 3 ) = 0 \begin{array}{l} \rho_{x}(0)=\frac{1}{4} \sum_{i=1}^{4} x_{i}^{2}=1\\ \rho_{x}(1)=\frac{1}{4} \sum_{i=1}^{\overline{\overline{4}}^{4}} x_{i} x_{i+1}=\frac{1}{4}(x_{1} x_{2}+x_{2} x_{3}+x_{3} x_{4}+x_{4} x_{1})=\frac{1}{4}(-1+1-1+1)=0 \\ \rho_{x}(2)=\frac{1}{4} \sum_{i=1}^{1} x_{i} x_{i+2}=\frac{1}{4}(x_{1} x_{3}+x_{2} x_{4}+x_{3} x_{1}+x_{4} x_{2})=-1 \\ \rho_{x}(3)=\frac{1}{4} \sum_{i=1}^{\overline{4}^{1}} x_{i} x_{i+3}=\frac{1}{4}(x_{1} x_{4}+x_{2} x_{1}+x_{3} x_{2}+x_{4} x_{3})=0 \end{array} ρx(0)=41∑i=14xi2=1ρx(1)=41∑i=144xixi+1=41(x1x2+x2x3+x3x4+x4x1)=41(−1+1−1+1)=0ρx(2)=41∑i=11xixi+2=41(x1x3+x2x4+x3x1+x4x2)=−1ρx(3)=41∑i=141xixi+3=41(x1x4+x2x1+x3x2+x4x3)=0 超正交码超正交码:相关系数 ρ \rho ρ 的取值范围在 ± 1 \pm 1 ±1 之间, 即有 $ -1 \leq \rho \leq+1$ 。 若两个码组间的相关系数 ρ < 0 \rhos1(t):(0,0,0,0)s2(t):(0,0,1,1)s3(t):(0,1,1,0)s4(t):(0,1,0,1) 其反码为 { ( 1 , 1 , 1 , 1 ) ( 1 , 1 , 0 , 0 ) ( 1 , 0 , 0 , 1 ) ( 1 , 0 , 1 , 0 ) \{\begin{array}{l}(1,1,1,1) \\ (1,1,0,0) \\ (1,0,0,1) \\ (1,0,1,0)\end{array} {(1,1,1,1)(1,1,0,0)(1,0,0,1)(1,0,1,0) 上两者的总体即构成如下双正交码: ( 0 , 0 , 0 , 0 ) ( 1 , 1 , 1 , 1 ) ( 0 , 0 , 1 , 1 ) ( 1 , 1 , 0 , 0 ) ( 0 , 1 , 1 , 0 ) ( 1 , 0 , 0 , 1 ) ( 0 , 1 , 0 , 1 ) ( 1 , 0 , 1 , 0 ) (0,0,0,0) \quad(1,1,1,1) \quad(0,0,1,1) \quad(1,1,0,0)(0,1,1,0) \quad(1,0,0,1) \quad(0,1,0,1) \quad(1,0,1,0) (0,0,0,0)(1,1,1,1)(0,0,1,1)(1,1,0,0)(0,1,1,0)(1,0,0,1)(0,1,0,1)(1,0,1,0) 此码共有 8 种码组, 码长为 4 。 正交沃尔什函数沃尔什(Walsh)函数集是完备的非正弦型的二元(取值为+1与-1)正交函数集, 其相应的离散沃尔什函数简称为沃尔什序列或沃尔什码。 沃尔什函数是定义在半开区间 [0,1) 的矩形波族, 每个矩形波有一个编号 n( n = 0 , 1 , 2 , 3 , … n=0,1,2,3, \ldots n=0,1,2,3,…) 。 矩形波幅度的取值为 +1 或 -1 , 规定起始时矩形波的取值为 +1 , 然后在 +1 与 -1 之间变化, 变化的次数 (+1 变 -1 与 -1 变 +1 的次数之和) m = n m=n m=n , 在 +1 或 -1 上持续的时间可以相等, 也可以不相等 (不相等时较长的持续时间 T 1 T_{1} T1 为较短的持续时间 T s T_{\mathrm{s}} Ts 的两倍)。 编号为 n 的沃尔什函数用 W a l ( n , t ) \mathrm{Wal}(n, t) Wal(n,t) 表示, 沃尔什函数的波形如图所示。 补充(度量空间)的完备性定义: 度量空间 X = ( X , d ) X=(X, d) X=(X,d) 中的序列 ( x n ) (x_{n}) (xn) , 如果对任意给定的 $ \varepsilon \gt 0 $, 都存在一个 N = N ( ε ) \mathrm{N}=\mathrm{N}(\varepsilon) N=N(ε) , 使得对每个 m \mathrm{m} m, n > N \mathrm{n}>\mathrm{N} n>N 都有 d ( x m , x n ) < ε \mathrm{d}(\mathrm{x}_{\mathrm{m}}, \mathrm{x}_{\mathrm{n}})1,0,i=ji=ji,j=0,1,2,⋯. 该性质为沃尔什函数基本性质中最重要的性质。 (2) 除 W a l ( 0 , t ) \mathrm{Wal}(0, t) Wal(0,t) 外,其他 W a l ( n , t ) \mathrm{Wal}(n, t) Wal(n,t) 在半开区间 [0,1) 上的均值为 0 . (3) 两个沃尔什函数相乘仍为沃尔什函数,即 Wal ( i , t ) Wal ( j , t ) = Wal ( k t ) \operatorname{Wal}(i, t) \operatorname{Wal}(j, t)=\operatorname{Wal}(kt) Wal(i,t)Wal(j,t)=Wal(kt) 这表示沃尔什函数对于乘法是自闭的。 (4) 沃尔什函数集是完备的, 即长度为 N \mathrm{N} N 的离散沃尔什函数 (沃尔什序列)一共有 N \mathrm{N} N 个。 (5) 沃尔什函数在同步时是完全正交的。 (6) 沃尔什函数在不同步时, 其自相关和互相关特性均不理想, 并随同步误差值的增大而快速恶化。 (7) 同长度不同编号的walsh函数的频带宽度不同。 参考文献: Proakis, John G., et al. Communication systems engineering. Vol. 2. New Jersey: Prentice Hall, 1994.Proakis, John G., et al. SOLUTIONS MANUAL Communication Systems Engineering. Vol. 2. New Jersey: Prentice Hall, 1994.周炯槃. 通信原理(第3版)[M]. 北京:北京邮电大学出版社, 2008.樊昌信, 曹丽娜. 通信原理(第7版) [M]. 北京:国防工业出版社, 2012. |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |