正交编码与正交沃尔什函数详解

举报
timerring 发表于 2023/06/24 10:59:25 2023/06/24
【摘要】 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。 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 s1(t)s_{1}(t)s1​(t) 和 ...

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。

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) s 2 ( t ) s_{2}(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

同理, 若 M 个周期为 T 的模拟信号 s 1 ( t ) s_{1}(t) , s 2 ( t ) s_{2}(t) , \ldots , s M ( t ) s_{M}(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

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} 的编码中码元只取值 +1 和 -1 , 假设 x \boldsymbol{x} y \boldsymbol{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})

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

若码组 x 和 y 正交, 则必有 ρ ( x , y ) = 0 \rho(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}

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}.

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}

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}.

可以验证互相关系数 ρ = 0 \boldsymbol{\rho}=\mathbf{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) 。 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}

代入定义式

ρ ( x , y ) = A D A + D \rho(x, y)=\frac{A-D}{A+D}

就得到自相关系数 ρ x ( j ) \rho_{x}(j) :

ρ x ( j ) = ( A D ) / n \rho_{x}(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)

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} 。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)

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}

超正交码

超正交码:相关系数 ρ \rho 的取值范围在 ± 1 \pm 1 之间, 即有 $ -1 \leq \rho \leq+1$ 。 若两个码组间的相关系数 ρ < 0 \rho<0 , 则称这两个码组互相超正交。如果一种编码中任两码组间均超正交, 则称这种编码为超正交码。

例如, 在上例中, 若仅取后 3 个码组, 并且删去其第一位, 构成如下新的编码:

{ s 1 ( t ) : ( 0 , 1 , 1 ) s 2 ( t ) : ( 1 , 1 , 0 ) s 3 ( t ) : ( 1 , 0 , 1 ) . \{\begin{array}{l} s_{1}{ }^{\prime}(t):(0,1,1) \\ s_{2}{ }^{\prime}(t):(1,1,0) \\ s_{3}{ }^{\prime}(t):(1,0,1) \end{array}.

则不难验证, 由这 3 个码组所构成的编码是超正交码。

双正交编码

由正交编码和其反码便可以构成双正交编码。

例:上例中

正交码为

{ 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}

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}

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)

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 ) 。

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 , 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} 为较短的持续时间 T s T_{\mathrm{s}} 的两倍)。 编号为 n 的沃尔什函数用 W a l ( n , t ) \mathrm{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) 中的序列 ( x n ) (x_{n}) , 如果对任意给定的 ε > 0 \varepsilon \gt 0 , 都存在一个 N = N ( ε ) \mathrm{N}=\mathrm{N}(\varepsilon) , 使得对每个 m \mathrm{m} , n > N \mathrm{n}>\mathrm{N} 都有

d ( x m , x n ) < ε \mathrm{d}(\mathrm{x}_{\mathrm{m}}, \mathrm{x}_{\mathrm{n}})<\varepsilon

则称它是一个柯西序列。如果空间 X 中的每个柯西序列都收敛, 则称 X 是完备的。

一个完备的函数集, 应该能表示出其空间上的所有函数。

离散沃尔什函数的构成

离散沃尔什函数也称沃尔什序列或沃尔什码, 用哈达马矩阵的行(或列)可以构成离散沃尔什函数

一阶哈达马矩阵为

H 1 =  [1]  H_{1}=\text { [1] }

高阶哈达马矩阵的递推公式如下:

H N m = [ H N m 1 H N m 1 H N m 1 H N m 1 ] H_{N_{m}}=[\begin{array}{rr} H_{N_{m-1}} & H_{N_{m-1}} \\ H_{N_{m-1}} & -H_{N_{m-1}} \end{array}]

式中, N m = 2 m N_{m}=2^{m} , m = 1 , 2 , 3 , m=1,2,3, \ldots

例如, m=1 时

H N 1 = H 2 = [ H 1 H 1 H 1 H 1 ] = [ 1 1 1 1 ] H N 2 = H 4 = [ H 2 H 2 H 2 H 2 ] = [ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 ] \begin{array}{c} H_{N_{1}}=H_{2}=[\begin{array}{rr} H_{1} & H_{1} \\ H_{1} & -H_{1} \end{array}]=[\begin{array}{rr} 1 & \mathbf{1} \\ \mathbf{1} & \mathbf{- 1} \end{array}] \\ H_{N_{2}}=H_{4}=[\begin{array}{rr} H_{2} & H_{2} \\ H_{2} & -H_{2} \end{array}]=[\begin{array}{rrrr} 1 & \mathbf{1} & \mathbf{1} & \mathbf{1} \\ \mathbf{1} & \mathbf{1} & \mathbf{1} & -\mathbf{1} \\ \mathbf{1} & \mathbf{1} & \mathbf{- 1} & -\mathbf{1} \\ \mathbf{1} & \mathbf{- 1} & -\mathbf{1} & \mathbf{1} \end{array}] \end{array}

m=3 时

H N 3 = H 8 = [ H 4 H 4 H 4 H 4 ] = [ 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 ] \begin{array}{c} H_{N_{3}}=H_{8} \\ =[\begin{array}{rr} H_{4} & H_{4} \\ H_{4} & -H_{4} \end{array}]=[\begin{array}{cccccccc} 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 \\ 1 & -1 & 1 & -1 & 1 & -1 & 1 & -1 \\ 1 & 1 & -1 & -1 & 1 & 1 & -1 & -1 \\ 1 & -1 & -1 & 1 & 1 & -1 & -1 & 1 \\ 1 & 1 & 1 & 1 & -1 & -1 & -1 & -1 \\ 1 & -1 & 1 & -1 & -1 & 1 & -1 & 1 \\ 1 & 1 & -1 & -1 & -1 & -1 & 1 & 1 \\ 1 & -1 & -1 & 1 & -1 & 1 & 1 & -1 \end{array}] \end{array}

N_{m} 阶哈达马矩阵的通式可表示为

H N m = [ h 11 h 12 h 13 h 1 N m h 21 h 22 h 23 h 2 N m h N m 1 h N m 2 h N m 3 h N m N m ] H_{N_{m}}=[\begin{array}{ccccc} h_{11} & h_{12} & h_{13} & \cdots & h_{1 N_{m}} \\ h_{21} & h_{22} & h_{23} & \cdots & h_{2 N_{m}} \\ \vdots & & & \vdots \\ h_{N_{m} 1} & h_{N_{m} 2} & h_{N_{m} 3} & \cdots & h_{N_{m} N_{m}} \end{array}]

式中, N m = 2 m , m = 1 , 2 , 3 , , h i k ( + 1 , 1 ) N_{m}=2^{m}, m=1,2,3, \ldots, h_{i k} \in(+1,-1)
用哈达马矩阵 $H_{N m} $ 的行 (或列)可以构成离散沃尔什函数 W a l [ i , t ] W a l[i, t] , 它们的对应关系如下:

Wal [ i , t ] = k = 1 N m h i k g ( t ( k 1 ) T c ) g ( t ) = { 1 , 0 t T c 0 ,  others  \begin{array}{c} \operatorname{Wal}[i, t]=\sum_{k=1}^{N m} h_{i k} g(t-(k-1) T_{c}) \\ g(t)=\{\begin{array}{c} 1,0 \leq t \leq T_{c} \\ 0, \text { others } \end{array} \end{array}

沃尔什函数的基本性质

(1) 在半开区间 [0,1) 上正交, 即

0 1 wal ( i , t ) wal ( j , t ) d t = { 1 , i = j 0 , i j i , j = 0 , 1 , 2 , . \int_{0}^{1} \operatorname{wal}(i, t) \operatorname{wal}(j, t) \mathrm{d} t=\{\begin{array}{cc} 1, & i=j \\ 0, & i \neq j \end{array} \quad i, j=0,1,2, \cdots.

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) 外,其他 W a l ( n , t ) \mathrm{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)

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} 的离散沃尔什函数 (沃尔什序列)一共有 N \mathrm{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:

  1. Proakis, John G., et al. Communication systems engineering. Vol. 2. New Jersey: Prentice Hall, 1994.
  2. Proakis, John G., et al. SOLUTIONS MANUAL Communication Systems Engineering. Vol. 2. New Jersey: Prentice Hall, 1994.
  3. 周炯槃. 通信原理(第3版)[M]. 北京:北京邮电大学出版社, 2008.
  4. 樊昌信, 曹丽娜. 通信原理(第7版) [M]. 北京:国防工业出版社, 2012.
【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。