Расширение состоит из умножения входных бит данных на псевдослучайную или псевдонозную (PN) последовательность. Отношение скорости передачи битов псевдошумовой последовательности к скорости передачи данных называется коэффициентом расширения. Когда псевдошумовая последовательность имеет скорость передачи битов выше, чем скорость передачи данных, коэффициент расширения больше, чем 1. Когда коэффициент расширения больше 1, расширение входных данных добавляет избыточность к сигналу передачи.
Расширение входных данных путем использования расширительных последовательностей с низкими перекрестными корреляционными свойствами позволяет приемнику разрешать отдельные пользовательские данные после сжатия принятого сигнала. Использование расширительных последовательностей с низкими свойствами перекрестной корреляции помогает разрешать отдельные пользовательские данные в многолучевом окружении при наличии интерференционных сигналов.
После синхронизации сигнала на стороне приемника принятый сигнал умножается на тот же PN, который использовался передатчиком. Эта операция удаляет расширение из принятого сигнала. В идеале после этого сжатия сигнал для интересующего пользователя восстанавливается без дополнительного вклада сигналов помех. В системах МДКР каждому передатчику назначаются отдельные расширительные коды, которые имеют низкие перекрестные корреляционные свойства, такие как идеальные ортогональные коды или любая из последовательностей PN, Gold или Kasami.
Системы связи с расширенным спектром расширяют сигнал передачи по широкому диапазону частот, обычно намного шире, чем минимальная полоса пропускания, необходимая для передачи данных. Расширение использует форму волны, которая выглядит случайной для любого, кроме предполагаемого приемника переданного сигнала. Форма волны на самом деле является псевдослучайной в том смысле, что она может быть сгенерирована точными правилами, но имеет статистические свойства действительно случайной последовательности.
В следующих разделах описываются различные последовательности расширения, их свойства и характеристическая эффективность в однопользовательских или многопользовательских и однопутевых или многолучевых окружениях передачи.
Эта модель сравнивает восстановление данных для однопользовательской системы с двухпользовательской системой. Данные передачи проходят через одноканальный канал AWGN в двух потоках данных, которые независимо распределены различными ортогональными кодами.
Модель использует случайные двоичные данные, которые модулируются BPSK (реально), распределяются ортогональными кодами длины 64 и затем передаются по каналу AWGN. Приемник состоит из сжимателя, за которым следует демодулятор BPSK.
Используя те же данные передачи, модель вычисляет эффективность BER для восстановления передачи с одним пользователем и с двумя пользователями через идентично сконфигурированные каналы AWGN.
Результаты битовой ошибки абсолютно одинаковы для отдельных пользователей в обоих случаях. Совпадающие частоты ошибок являются результатом идеального сжатия из-за идеальных перекрестных корреляционных свойств выбранных ортогональных кодов.
Чтобы экспериментировать дальше, откройте модель. Измените настройки, чтобы увидеть, как изменяется эффективность с различными кодами адамар для отдельных пользователей.
Эта модель моделирует ортогональное расширение для однопользовательской системы в окружении передачи. Это аналогично окружению мобильного канала, где сигналы принимаются по нескольким путям. Каждый путь может иметь различные амплитуды и задержки. Приемник объединяет независимые пути когерентно, используя прием с разнесением для реализации коэффициентов усиления от принятых многолучевых передач. Смоделированная система не моделирует эффекты затухания, и приемник получает идеальные знания о количестве путей и их соответствующих задержках.
Модель использует случайные двоичные данные, которые модулируются BPSK (реально), распределяются ортогональными кодами длины 64 и затем передаются по многолучевому каналу AWGN. Приемник состоит из устройства сжатия, устройства объединения разнесенных данных и демодулятора BPSK.
Неидеальные значения автокорреляции выбранных ортогональных расширительных кодов препятствуют идеальному разрешению отдельных путей. Как следствие, эффективность BER не улучшается при использовании объединения разнесений в приемнике. Для многолучевого примера, который использует псевдошумовые последовательности при расширении пользовательских данных и использует объединение разнесения в приемник, см. Раздел «Расширение PN для однопользовательской системы в многолучевом канале».
Чтобы экспериментировать дальше, откройте модель. Измените параметры, чтобы увидеть, как изменяется эффективность для различных задержек пути или с различными кодами адамар.
Эта модель моделирует псевдослучайное расширение для однопользовательской системы в окружении передачи. Это аналогично окружению мобильного канала, где сигналы принимаются по нескольким путям. Каждый путь может иметь различные амплитуды и задержки. Приемник объединяет независимые пути когерентно, используя прием с разнесением для реализации коэффициентов усиления от принятых многолучевых передач. Смоделированная система не моделирует эффекты затухания, и приемник получает идеальные знания о количестве путей и их соответствующих задержках.
Модель использует случайные двоичные данные, которые модулируются BPSK (реально), расширяются псевдошумовые последовательности, а затем передаются по многолучевому каналу AWGN. Приемник состоит из устройства сжатия, устройства объединения разнесенных данных и демодулятора BPSK. Приемник достигает коэффициентов усиления от объединения разнесения благодаря идеальным свойствам автокорреляции псевдошумовых последовательностей, используемой при расширении данных.
Чтобы экспериментировать дальше, откройте модель. Измените настройки, чтобы увидеть, как изменяется эффективность для различных задержек пути, или настройте параметры генератора псевдошумовой последовательности.
Эта модель моделирует псевдослучайное расширение для двух пользователей в окружении передачи. Это аналогично окружению мобильного канала, где сигналы принимаются по нескольким путям. Каждый путь может иметь различные амплитуды и задержки. Приемник объединяет независимые пути когерентно, используя прием с разнесением для реализации коэффициентов усиления от принятых многолучевых передач. Смоделированная система не моделирует эффекты затухания, и приемник получает идеальные знания о количестве путей и их соответствующих задержках.
Модель использует случайные двоичные данные, которые модулируются BPSK (реально), расширяются псевдошумовые последовательности, а затем передаются по многолучевому каналу AWGN. Приемник состоит из устройства сжатия, устройства объединения разнесенных данных и демодулятора BPSK.
Используя те же данные передачи, модель вычисляет эффективность для передач с двумя пользователями через идентично сконфигурированные многолучевые каналы AWGN.
Поскольку передачи для отдельных пользователей были распределены с использованием различных псевдошумовых последовательностей, вероятность ошибок, вычисленная для пользователей, отличается. Из-за более высоких перекрестных корреляционных свойств неортогональных псевдошумовые последовательности, используемых для расширения данных, эффективность BER ухудшается в многолучевом окружении. Последовательности с высокой ортогональностью, такие как Hadamard и Kasami, являются лучшим выбором для многолучевых окружений. Для многолучевого примера, который использует последовательности кода Адамара при расширении пользовательских данных, смотрите Ортогональное Расширение для Многопользовательской Системы в Однопутевом Канале. Для многолучевого примера, который использует последовательности кода Касами при расширении пользовательских данных, смотрите Kasami Spreading for Multipuser System в Многолучевом канале.
Чтобы экспериментировать дальше, откройте модель. Измените настройки, чтобы увидеть, как изменяется эффективность для различных задержек пути или с различными псевдошумовыми последовательностями для отдельных пользователей.
В примере PN-расширения для многопользовательской системы в многолучевом канале индивидуальная пользовательская эффективность ухудшается для тех же условий канала, которые использовались в примере PN-расширения для однопользовательской системы в многолучевом канале. Это в основном связано с более высокими значениями перекрестной корреляции между двумя последовательностями, которые препятствуют идеальному разделению. Однако все еще существуют преимущества объединения разнесения при использовании расширения неортогональной последовательности, поскольку вероятность ошибки для многолучевого канала AWGN, полученного с использованием RAKE с объединением разнесения, почти так же хороша, как случай только AWGN в ортогональной системе расширения для многопользовательской системы в примере канала с одним трактом.
Эта модель моделирует расширение последовательности Касами для двух пользователей в окружении передачи. Это аналогично окружению мобильного канала, где сигналы принимаются по нескольким путям. Каждый путь может иметь различные амплитуды и задержки. Приемник объединяет независимые пути когерентно, используя прием с разнесением для реализации коэффициентов усиления от принятых многолучевых передач. Смоделированная система не моделирует эффекты затухания, и приемник получает идеальные знания о количестве путей и их соответствующих задержках.
Модель использует случайные двоичные данные, которые модулируются BPSK (реально), расширяются последовательностями Kasami, а затем передаются по многолучевому каналу AWGN. Приемник состоит из устройства сжатия, устройства объединения разнесенных данных и демодулятора BPSK.
Используя те же данные передачи, модель вычисляет эффективность для передач с двумя пользователями через идентично сконфигурированные многолучевые каналы AWGN.
Вычисленный BER указывает, что распространение данных передачи с использованием последовательностей Kasami показывает низкую перекрестную корреляцию. Последовательности Kasami обеспечивают баланс между идеальными перекрестными корреляционными свойствами ортогональных кодов и идеальными автокорреляционными свойствами псевдошумовых последовательностей.
Чтобы экспериментировать дальше, откройте модель. Измените настройки, чтобы увидеть, как изменяется эффективность для различных задержек пути или с различными настройками генератора последовательности Kasami для отдельных пользователей.
