通信工程 / 系统课时

信号空间表示

信号空间表示

本篇把连续时间通信波形转换成有限维向量问题。核心做法是选择一组正交基函数,把每个可能发送的信号投影到这些基上。这样,波形比较、距离计算和最佳判决都能在几何空间中完成。

学习目标

  • 理解正交基函数在通信信号表示中的作用
  • 会把有限能量信号展开为信号空间中的坐标向量
  • 能用欧氏距离解释接收端的判决依据

从波形变成坐标

设在一个符号间隔 0≤t≤T0\le t\le T 内,系统可能发送信号 si(t)s_i(t)。若这些信号都能由 NN 个正交归一基函数 ϕ1(t),ϕ2(t),…,ϕN(t)\phi_1(t),\phi_2(t),\ldots,\phi_N(t) 张成,则有:

si(t)=∑k=1Nsikϕk(t)s_i(t)=\sum_{k=1}^{N}s_{ik}\phi_k(t)

其中第 kk 个坐标由投影得到:

sik=∫0Tsi(t)ϕk(t) dts_{ik}=\int_0^T s_i(t)\phi_k(t)\,dt

于是,连续波形 si(t)s_i(t) 可以等价表示成向量 si=(si1,si2,…,siN)\mathbf{s}_i=(s_{i1},s_{i2},\ldots,s_{iN})。只要基函数正交归一,这个向量就完整保留了信号在该子空间中的能量与相互距离信息。

正交基为什么有用

正交归一意味着不同基函数之间互不“混叠”:

∫0Tϕj(t)ϕk(t) dt={1,j=k0,j≠k\int_0^T \phi_j(t)\phi_k(t)\,dt= \begin{cases} 1,&j=k\\ 0,&j\ne k \end{cases}

因此每个坐标可以独立测量,信号能量也能直接写成坐标平方和:

Ei=∫0Tsi2(t) dt=∑k=1Nsik2E_i=\int_0^T s_i^2(t)\,dt=\sum_{k=1}^{N}s_{ik}^2

这一步非常重要,因为接收机不必逐点比较整段波形,而只需计算有限个相关器或匹配滤波器输出,就能得到接收向量的各个坐标。

波形到二维信号空间的投影关系

距离决定可区分程度

两个信号 si(t)s_i(t) 与 sj(t)s_j(t) 的平方欧氏距离为:

dij2=∑k=1N(sik−sjk)2d_{ij}^2=\sum_{k=1}^{N}(s_{ik}-s_{jk})^2

由于采用正交归一基,这个几何距离与原波形的能量距离完全一致。直观上,星座点离得越远,噪声就越难把一个信号推到另一个信号的判决区域,因此误判概率通常越低。

例如 BPSK 可以只用一个基函数表示,其两个信号对应一维轴上的两个对称点;QPSK 需要两个正交基函数,其四个符号对应二维平面中的四个星座点。信号空间因此把不同调制方式统一成“点的位置与距离”问题。

接收端如何使用向量模型

接收信号可写为 r(t)=si(t)+n(t)r(t)=s_i(t)+n(t)。接收机把 r(t)r(t) 投影到同一组基函数,得到接收向量 r\mathbf{r}。在 AWGN 且各符号等先验概率时,最佳判决可以理解为选择距离 r\mathbf{r} 最近的信号向量。

这个几何模型把后续最佳接收问题简化为三个步骤:构造正交基、计算投影坐标、比较向量距离。只要掌握这三个对象之间的关系,匹配滤波、相关接收和最小距离判决就能在同一套框架中理解。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

信号空间表示

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通