通信工程 / 系统课时

识别定时偏差引起的判决错误

识别定时偏差引起的判决错误

接收端已经使用匹配滤波器,误码率却仍可能因采样时刻偏离脉冲峰值而升高。本课固定发送波形和噪声,只把采样位置向前或向后移动若干点,结合眼图和误码率观察邻符号混入的程度,并给出可以实际检查的定时容差。

学习目标

  • 将采样位置误差表示成符号周期 TT 的分数。
  • 从眼图识别最佳采样点、零判决门限与水平开口。
  • 在同一组含噪样本上扫描定时偏差,并用 BER 检查同步精度。

偏移采样会混入谁的符号

继续使用一种独立可运行的基带模型:比特 0 对应 -1,比特 1 对应 +1,每符号 L=8L=8 个矩形脉冲样本;接收端用 8 点移动平均作为匹配滤波器。滤波器输出在每个符号末尾 n=8k+7n=8k+7 采样,平均窗口恰好落在当前符号内。

如果采样晚了 qq 点(0<q<80<q<8),窗口里有 8−q8-q 点属于当前符号,另外 qq 点属于下一个符号。忽略噪声时:

a^k(q)=8−q8ak+q8ak+1\hat a_k(q)=\frac{8-q}{8}a_k+\frac{q}{8}a_{k+1}

例如当前符号为 +1、下一个为 -1,晚采 2 点即偏差 +0.25T+0.25T,判决幅度变成 (6×1+2×(−1))/8=0.5(6\times1+2\times(-1))/8=0.5,不再是理想的 +1。若采样提前 2 点,则类似地混入前一个符号。两个相邻符号同号时影响较小,换号位置的眼图开口却明显收窄。

眼图怎么看采样余量

眼图把许多段长度为 2T2T 的接收波形按同一符号时刻叠放。本例以理想采样时刻为横坐标 t/T=1t/T=1,零判决门限为纵坐标 0;波形在中心附近离门限越远,噪声使符号判反的概率通常越低。

读取眼图时先看绿色的 1.00T1.00T 竖线是否穿过上下两组轨迹的最大垂直间距,再把采样线移到 1.25T1.25T。后一位置可能正落在相邻符号的过渡区域,即使噪声标准差没有增加,信号离零门限的距离也变小。水平开口反映可选采样时刻的余量,垂直开口反映在某个时刻的判决裕量;两者不是同一个量。

匹配滤波眼图中采样偏移与误码率的对应关系

眼图要在匹配滤波后、判决前的波形上绘制,并且叠放时使用一致的符号周期。若直接把未经滤波的发送波形、已判决的 0/1 比特混进去,就不能据此判断接收端实际的定时裕量。

扫描采样偏差并统计 BER

下面的 Python 3 示例需要 NumPy 和 Matplotlib。它发送 30000 个随机 BPSK 符号,每符号 8 点,逐点 AWGN 标准差为 1.0;同一份滤波输出分别在 −3/8T-3/8T 到 +3/8T+3/8T 的七个位置判决。首尾符号不计入统计,保证提前或滞后时都有相邻符号参与。

python
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(17)
n, sps, sigma = 30000, 8, 1.0
bits = rng.integers(0, 2, n)
tx = np.repeat(2 * bits - 1, sps)
rx = tx + rng.normal(0, sigma, tx.size)
y = np.convolve(rx, np.ones(sps) / sps, mode="full")

# 避开边界,确保提前和滞后采样都有邻符号
k = np.arange(1, n - 1)
ideal = k * sps + sps - 1

print("偏差 / T   BER")
for d in (-3, -2, -1, 0, 1, 2, 3):
    estimate = (y[ideal + d] >= 0).astype(np.int8)
    print(f"{d/sps:+.3f}      {np.mean(estimate != bits[k]):.4f}")

# 每段取理想采样点前后各1T,叠成两符号宽度的眼图
plt.figure(figsize=(9, 4))
times = np.arange(2 * sps + 1) / sps
for center in ideal[100:200]:
    left = center - sps
    plt.plot(times, y[left:left + 2 * sps + 1],
             color="#2677af", alpha=0.1)
plt.axvline(1.0, color="#21865b", label="ideal: 0T")
plt.axvline(1.25, color="#c15b48", ls="--", label="late: +0.25T")
plt.axhline(0, color="#555555", lw=0.8)
plt.xlabel("Time / T")
plt.ylabel("Matched-filter output")
plt.title("Eye diagram (2T)")
plt.legend()
plt.tight_layout()
plt.savefig("timing_eye.png", dpi=160)
plt.close()
print("眼图文件: timing_eye.png")

预期输出:

text
偏差 / T   BER
-0.375      0.1199
-0.250      0.0375
-0.125      0.0095
+0.000      0.0020
+0.125      0.0091
+0.250      0.0392
+0.375      0.1178
眼图文件: timing_eye.png

同时在运行目录生成 timing_eye.png:绿色竖线是最佳采样点,橙色虚线表示滞后 0.25T0.25T。由于各次判决读取的始终是同一数组 y,BER 的差异来自采样位置而不是重新生成的噪声。

用错误曲线确定同步要求

假设当前实验的验收标准是 BER 小于 1%,结果表中只有 −0.125T-0.125T、00、+0.125T+0.125T 这三个已测试的位置达标,而 ±0.25T\pm0.25T 已超过门限。因此,在这组离散测试点上可把目标暂定为 ∣Δt∣≤0.125T|\Delta t|\le0.125T;这不是对所有连续偏差或所有信道的保证,实际系统还要加密扫点并增加符号数量验证。

这个实验使用固定偏差,不包含自动恢复时钟的算法。真实接收机会根据定时误差信号不断调整采样相位;在引入定时恢复环路前,先用这条 BER–偏差曲线确认系统存在明确、可重复的最佳采样区间。

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

识别定时偏差引起的判决错误

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