sur-échantillonnage au niveau du récepteur

[BLWFSOJ]

Salut, je suis face à une certaine difficulté à comprendre ce concept. J'ai lu dans certains journaux que le sur-échantillonnage du côté du récepteur augmentation de la corrélation du signal échantillons. Comment cela peut arriver, je ne sais pas. Pour autant que je sais, l'augmentation du nombre d'échantillons n'affecte pas la corrélation. s'il vous plaît aider. concerne,

 

[drizzd]

Suréchantillonnage signifie que vous l'échantillon à un taux plus élevé que le taux de signal. Comme le signal change lentement WRT. le taux d'échantillonnage, les échantillons voisins sont corrélés. Mais si vous normaliser le délai de corrélation du taux d'échantillonnage, puis suréchantillonnage vous donne juste une plus grande résolution de la fonction d'autocorrélation mêmes. Donc en ce sens, rien ne change.

 

[BLWFSOJ]

Merci, L'objet de ma question était de s'assurer de ce qui suit: Dans un environnement très faible SNR de la fluctuation du bruit ne permet pas la détection non-cohérente (détecteur d'énergie) pour donner de bons résultats. donc nous essayons d'identifier le signal du bruit par certains schémas de corrélation (car le bruit est une variable aléatoire gaussienne iid). En ce sens nous pouvons dire que l'échantillonnage sur les augmentations de la corrélation entre l'échantillonnage. surtout si nous utilisons les valeurs propres de la matrice de corrélation pour attraper cette corrélation accrue. concerne,

 

[drizzd]

Je ne suis pas votre raisonnement. Ce que je pense que tu peut faire, c'est cela. Le signal désiré est à bande limitée et déterministe. Vous avez un signal de bruit avec une plus grande bande passante que le signal désiré. Si vous l'échantillon, au taux correspondant au signal désiré, il y aura aliasing pour le signal de bruit. Cela diminue votre in-band SNR. Si vous augmentez votre taux d'échantillonnage il ya moins d'aliasing. Après cela, les fonctions de corrélation comme un filtre passe-bas, ce qui réduit votre out-of-band de bruit. Vous pouvez obtenir le même effet par le filtre passe-bas avant l'échantillonnage. De cette façon vous pouvez éviter le suréchantillonnage.

 

[kaleem.ullah]

suréchantillonnage peuvent augmenter la plus détaillée correlation.for consultez le document suivant, Spectrum-Sensing Algorithmes pour la radio cognitive Basé sur Covariances statistique Yonghong Zeng, membre principal, l'IEEE, et Ying Chang Liang-, membre principal, IEEE ", vous obtiendrez réponse ur

 

[BLWFSOJ]

Salut, merci pour la réponse. En fait, le même auteur dans la publication différente (valeur propre maximale de détection) m'a fait poser cette question. Il n'est pas clair pourquoi les signaux à bande étroite ont une forte corrélation entre ses échantillons (les échantillons de données doivent être indépendants). Sauf si le canal est considéré comme évanouissements sélectifs en fréquence. (S'il vous plaît me dire si je suis absent le type de canal) D'autre part, j'ai vérifié les autres ouvrages s (Wireless Technologies Circuits, systèmes et dispositifs, pour Krzysztof Iniewski ) qui dit: Page 148 «Notez que le sur-échantillonnage serait en corrélation des échantillons de bruit, ainsi, de détection pourrait être toujours réduite à l'échantillonnage de Nyquist." Je sais que si nous augmentons le nombre d'échantillons senti les performances de détection va augmenter, mais cela est une autre histoire, n'est-ce pas? en fait, j'ai même fait la simulation pour le papier de l'auteur: "valeur propre maximale de détection: théorie et application», mais la MED (qui repose sur la théorie de l'augmentation de corrélation par suréchantillonnage) de détection me donne les mêmes résultats que la détection de l'énergie. Cordialement,

 

[drizzd]

Vous devriez lire sur la relation entre le spectre et la fonction d'autocorrélation. La densité spectrale de puissance (PSD) est simplement la transformée de Fourier de la fonction d'autocorrélation. Une largeur de bande étroite implique donc une fonction «large» autocorrélation.

"Notez que le sur-échantillonnage serait en corrélation des échantillons de bruit, ainsi, de détection pourrait être toujours réduite à l'échantillonnage de Nyquist."

La conclusion est correcte, mais il dit comme ça, c'est étrange et trompeuse. Sur-échantillonnage ne change rien sur les propriétés du signal. Il _only_ change votre résolution. Suréchantillonnage est donc inutile - il n'ya aucune information nouvelle. (Quoique il peut être avantageux pour certaines implémentations de faible complexité.) Il peut même être contre-productive car elle peut provoquer des mauvais conditionnement.

Je sais que si nous augmentons le nombre de prélèvements senti les performances de détection va augmenter, mais cela est une autre histoire, n'est-ce pas?

Absolument.