INTEGROINNIN SOVELLUKSIA TIEDONSIIRTOTEKNIIKASSA ...
INTEGROINNIN SOVELLUKSIA TIEDONSIIRTOTEKNIIKASSA ...
INTEGROINNIN SOVELLUKSIA TIEDONSIIRTOTEKNIIKASSA ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 1<br />
<strong>INTEGROINNIN</strong> <strong>SOVELLUKSIA</strong> <strong>TIEDONSIIRTOTEKNIIKASSA</strong><br />
Jukka Talvitie, Toni Levanen & Mikko Valkama<br />
TTY / Tietoliikennetekniikka<br />
jukka.talvitie@tut.fi, toni.levanen@tut.fi, mikko.e.valkama@tut.fi<br />
Tässä oleva esitys pohjautuu mm. ao. kurssien sisältöön:<br />
TLT-5400 Digitaalinen siirtotekniikka<br />
TLT-5906 Digitaalisen siirtotekniikan jatkokurssi<br />
Tarkoituksena on antaa esimerkkejä integraalifunktioiden merkityksestä<br />
modernissa tietoliikennetekniikassa.<br />
Taustaa<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 2<br />
Integraalilaskennan merkitys tietoliikennetekniikalle on merkittävä.<br />
Vaikka modernit tietoliikennejärjestelmät tukeutuvatkin pääosin<br />
diskreettiä informaatiota kuljettavaan digitaalitekniikkaan, itse<br />
tiedonsiirtoon käytetyt signaalit ovat yhä jatkuva-aikaisia.<br />
Langattomassa tietoliikenteessä tällaiset tiedonsiirtosignaalit ovat<br />
tunnetusti sähkömagneettisia (radio)aaltoja. Huomaa, että puhtaasti<br />
diskreetin signaalin luominen on fysiikan lakien mukaan mahdotonta,<br />
sillä se vaatii äärettömän nopeita muutoksia signaalin vasteessa.<br />
Tämän vuoksi digitaalisessa siirtotekniikassa pyritäänkin vain<br />
muokkaamaan/painottamaan tiettyä jatkuva-aikaista aaltomuotoa<br />
etukäteen määritetyillä, siirrettävistä biteistä johdetuilla, diskreeteillä<br />
arvoilla (symboli).<br />
Jatkuva-aikaisuudesta johtuen tiedonsiirtojärjestelmää joudutaan<br />
mallintamaan integraalien avulla. Eräitä yleisiä tietoliikennetekniikassa<br />
esiintyviä integraalifunktioita ovat konvoluutio, Fourier-muunnos ja<br />
korrelaatio. Näistä konvoluutio toimii perustana kaikkien lineaaristen<br />
järjestelmien vasteanalyysissä, Fourier-muunnos mahdollistaa signaalin<br />
tarkastelun taajuustasossa ja korrelaatio mittaa kahden vertailtavan<br />
signaalien samankaltaisuutta.<br />
Yleisesti ottaen saattaa vaikuttaa, että näiden integraalien merkitys jää<br />
pelkästään teorian tasolle. Tämä intuitio on kuitenkin kauttaaltaan<br />
väärä. Kaikki mainitut integraalifunktiot toimivat tärkeässä osassa<br />
moderneissa tietoliikennejärjestelmissä ja luovat perustan niiden<br />
toiminnalle ja analyysille. Esimerkiksi korrelaatio on erittäin<br />
olennaisessa osassa GPS-paikannuksessa, 3-3.5Gmatkapuhelinverkoissa<br />
sekä erilaisissa militäärisovelluksissa (kts.<br />
kurssi Spread Spectrum Techniques TLT-5606). Fourier-muunnosta<br />
taas voi käyttää puhtaan taajuustason analyysin sijasta myös<br />
esimerkiksi vähentämään tarvittavien laskutoimitusten määrää.<br />
Monessa tapauksessa laskutoimituksen tekeminen taajuustasossa voi<br />
olla merkittävästi yksinkertaisempaa kuin aikatasossa.
Fourier-muunnos<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 3<br />
1800-luvun alussa ranskalainen matemaatikko ja fyysikko Joseph<br />
Fourier (1768-1830) tutki niin kutsuttua lämmönsiirtymisilmiötä.<br />
Tutkimuksen keskipisteenä oli kappaleen lämpöjakaumaa kuvaava<br />
lämpöyhtälö. Tähän osittaisdifferentiaaliyhtälöön ei ennen Fourierin<br />
panosta ollut löydetty yleistä ratkaisua. Erikoisratkaisuja oli kyllä esitetty<br />
mutta vain tapauksille, joissa lämmönlähde toimi tietyllä tavalla tuottaen<br />
tarkalleen sinimuotoista aaltoa. Fourierin ydinideana oli tällöin jakaa<br />
lämmönlähteen monimutkainen malli (funktio) yksinkertaisten sini- ja<br />
kosinifunktioiden summaksi. Näin ollen myös yhtälön yleinen ratkaisu<br />
saataisiin näiden sinifunktioiden tuottamien erikoisratkaisujen<br />
summana. Kyseinen Fourierin kehittämä sinifunktioiden summa<br />
tunnetaan nykyään yleisesti nimellä Fourier-sarja. Vaikka Fourierin<br />
julkaisu (”Théorie analytique de la chaleur”, v. 1822, kts. esim. Google<br />
books) ei alun perin ollutkaan täysin matemaattisesti täsmällinen, sen<br />
merkitys tiedeyhteisölle oli mullistava.<br />
Ratkoessaan kyseistä lämmönsiirtymisongelmaa, Fourier avasi ovet<br />
lukemattomien eri tieteenhaarojen uudenlaiseen analyysin. Tuskin hän<br />
osasi itsekään ennustaa, että tämä kyseinen ”lämpöyhtälön ratkaisu”<br />
olisi hyödynnettynä miltei 200 vuotta myöhemmin lähes kaikessa<br />
modernissa 2000-luvun kulutuselektroniikassa. Fourier-analyysin laajaalainen<br />
suosio perustuukin sen sisältämään taajuustason käsitteeseen,<br />
joka on merkittävä työkalu mm. äänen- ja kuvankäsittelyssä, sekä<br />
erityisesti tietoliikenteessä, jossa taajuustaso ilmenee myös tärkeänä<br />
tiedonsiirtoresurssina.<br />
Hyödyntäen Fourier-sarjaa ja tuttua Eulerin kaavaa (e jθ =cos(θ)+jsin(θ)),<br />
määritellään Fourier-muunnos (spektri) V(f) funktiolle v(t) seuraavasti:<br />
() = F é<br />
ë<br />
¥<br />
() ù<br />
û = ò<br />
-¥<br />
() -j2p<br />
ft<br />
V f vt vte dt<br />
Vaikka kyseinen muunnoskaava saattaakin vaikuttaa ensikertalaiselle<br />
hatusta vedetyltä, sille löytyy varsin intuitiivinen selitys esimerkiksi<br />
korrelaation käsitteestä (kts. s.11). Olennaista on kuitenkin ymmärtää,<br />
että muunnos V(f) esittää funktion v(t) spektriä (taajuussisältöä)<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 4<br />
taajuuden f funktiona. On myös syytä huomata, että Fourier-muunnos<br />
(spektri) on kompleksinen funktio, jossa |V(f)| on amplitudispektri ja<br />
arg(V(f)) on vaihespektri. Usein puhuttaessa pelkästä spektristä,<br />
viitataan nimenomaan amplitudispektriin, sillä se ilmaisee tietyllä<br />
taajuusalueella sijaitsevan energian määrän. Vaihespektri ei useinkaan<br />
ole kovin kiinnostava niillä taajuusalueilla, joilla signaalienergiaa ei<br />
esiinny.<br />
Jos signaalin spektri V(f) on tiedossa ja halutaan selvittää vastaava<br />
aikatason signaali v(t), voidaan käyttää käänteistä Fourier-muunnosta:<br />
-1<br />
j2pft v( t) = F [ V( f) ] = ò V( f) e df<br />
¥<br />
-¥<br />
Tästä voidaan suoraan päätellä Fourier-muunnoksen yksikäsitteisyys<br />
eli, että tietyllä funktiolla v(t) on yksikäsitteinen spektri V(f) ja<br />
päinvastoin.<br />
Otetaan seuraavaksi tarkasteluun yksinkertainen esimerkkitapaus ja<br />
lasketaan suorakaidepulssin v(t) Fourier-muunnos. Pulssi v(t) on<br />
määritelty seuraavasti (ks. seuraavat kuvat):<br />
ì ïA<br />
t < t /2<br />
vt () = ï<br />
í<br />
ï<br />
ïî<br />
0 t > t /2<br />
Sijoitetaan nyt v(t) suoraan Fourier-muunnoksen määritelmään, jolloin<br />
integroimalla saadaan spektri V(f):
V( f)<br />
=<br />
¥<br />
ò<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 5<br />
-j2pft<br />
vte () dt<br />
-¥<br />
t /2<br />
-j2pft ò Ae dt<br />
-t<br />
/2<br />
é<br />
A ê<br />
êë t /2<br />
1 -j2pft<br />
ù<br />
e ú<br />
j2pf úû-t/2<br />
= = -<br />
1 -jpft<br />
jpft =-A ( e -e<br />
)<br />
j2pf 1 -jpft<br />
jpft =-A ( e -e<br />
)<br />
j2pf -<br />
A At e - e<br />
= sin pft = sin pft sin z =<br />
pf pft 2j<br />
sin()<br />
z<br />
= Atsinc ft sinc( z)<br />
=<br />
z<br />
jz jz<br />
Funktio v(t) ja sen periaatteellinen amplitudispektri |V(f)| on esitetty alla<br />
olevassa kuvassa.<br />
Korrelaatio<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 6<br />
Korrelaation käsitteen avulla voidaan yksinkertaisesti vertailla kahden<br />
eri funktion/signaalin samankaltaisuutta.<br />
MOT Kielitoimiston sanakirja 2.0:n käännös sanalle korrelaatio:<br />
”vastaavuus(suhde); mat. kahden suureen välinen riippuvuus”<br />
Korrelaation käsitettä käytetään lukuisissa eri tietoliikennesovelluksissa,<br />
kuten esimerkiksi 3-3.5G-matkapuhelinverkoissa (UMTS+HSPDA).<br />
Toisin kuin vanhemmissa 1-2G matkapuhelinstandardeissa (NMT,<br />
GSM, kts. esim. aiempi Sitikka-materiaali ”Lineaarialgebra ja<br />
moniantennitekniikat”), joissa eri käyttäjien radiosignaalit lähetetään eri<br />
aikaan eri taajuuksilla, 3-3.5G- standardit toimivat asynkronisesti<br />
samalla taajuudella. Tämä tarkoittaa periaatteessa sitä, että yksi<br />
käyttäjä havaitsee kaikkien käyttäjien signaalit päällekkäin omassa<br />
vastaanottimessaan. Jotta eri käyttäjät ja tukiasemat voitaisiin tässä<br />
tapauksessa erotella toisistaan, käytetään tietynlaisia ennalta valittuja<br />
signaaliin sisällytettyjä käyttäjä- ja tukiasemakohtaisia koodirakenteita.<br />
Toisin sanoen, jos esimerkiksi halutaan vastaanottaa dataa jostain<br />
tietystä lähteestä, yritetään löytää vastaanotetusta signaalista<br />
samankaltaisuutta kyseisen lähteen käyttämän koodirakenteen kanssa<br />
(eli koodin korrelaatio vastaanotetun signaalin kanssa). Jos haettu<br />
rakenne löytyy, signaali voidaan monen välivaiheen jälkeen lopulta<br />
”purkaa” alkuperäiseksi lähetetyksi dataksi.<br />
Korrelaation merkitys on lisäksi erityisen merkittävää GPSpaikannuksessa,<br />
sillä satelliitista lähetetyn signaalin ns. korrelaatioominaisuudet<br />
määräävät pitkälti järjestelmän paikannustarkkuuden ja -<br />
nopeuden. Tähän aiheeseen liittyen annetaan esimerkki hieman<br />
myöhemmin, kunhan korrelaation määritelmä on ensin tullut tutuksi.<br />
Kuten luvun alussa ollut sanakirjakäännös jo hieman vihjaakin,<br />
korrelaatiota käytetään samankaltaisuuden ilmaisemisen lisäksi myös<br />
tilastollisen riippuvuuden ilmaisuun. Korrelaatiota riippuvuuden mittarina<br />
käytetään esimerkiksi tilastollisissa tutkimuksissa etsimään<br />
riippuvuuksia eri muuttujien välille (huom. eri asia kuin syy-seuraus<br />
suhde). Tässä esityksessä nojaudutaan kuitenkin tietoliikennetekniikan<br />
sovelluksiin, jossa korrelaatiota hyödynnetään enemmän nimenomaan
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 7<br />
samankaltaisuuden mittarina. Toisaalta, koska korrelaatio on selvästikin<br />
mitta-arvo jollain ”mitta-asteikolla”, herää kysymys: ”Miten tällaista<br />
samankaltaisuutta/korrelaatiota voidaan mitata? Millainen on se<br />
asteikko, jonka avulla perustellaan kahden signaalin olevan<br />
samankaltaisia?”<br />
Intuitiivinen lähestymistapa yksikäsitteisen korrelaation mitta-asteikon<br />
muodostamiseksi liittyy vahvasti signaalin energian käsitteeseen.<br />
Signaalin z(t) energia Ez voidaan kätevästi määritellä aikaintegraalina<br />
(jälleen yksi integraali ), jossa signaalin amplitudin neliö integroidaan<br />
koko signaalin ajallisen keston yli:<br />
¥ ¥<br />
2<br />
ò ò<br />
*<br />
Ez<br />
= zt () dt= ztz () () tdt<br />
-¥ -¥<br />
Tässä yläindeksi * viittaa kompleksikonjugaattiin. Pyritään seuraavaksi<br />
määrittelemään korrelaation käsite tarkastelemalla mielivaltaisia<br />
kompleksitason signaaleita v(t) ja w(t). Jos oletetaan, että kyseiset<br />
signaalit samankaltaisia, niin silloinhan niiden välisen erotuksen<br />
z(t)=v(t)-w(t), tai oikeastaan erotuksen energian, tulisi olla pieni.<br />
Käytetään nyt energian määritelmää ja tutkitaan mikä on kyseisen<br />
erotussignaalin energian suuruus:<br />
energian määritelmä<br />
<br />
¥ ¥<br />
* * *<br />
ò ò<br />
Ez= z( t) z ( tdt ) = év( t) w( t) ùév ( t) w ( t) ù<br />
ë - ûë - ûdt<br />
-¥ -¥<br />
¥<br />
* *<br />
ò<br />
* *<br />
= vtv () () t -vtw<br />
() () t - wtv () () t + wtw () () tdt<br />
-¥<br />
¥<br />
ò<br />
= vtv () () t - * * v() t w () t - w() t v () t dt +<br />
* w() t w () t dt<br />
-<br />
¥<br />
-¥ -<br />
¥<br />
E<br />
v<br />
*<br />
¥<br />
ò<br />
¥<br />
é ù<br />
= Ev + Ew -2Re<br />
ê v( t) w* ( tdt ) ú<br />
êòú ê ú<br />
ë-¥ û<br />
¥<br />
ò<br />
E<br />
w<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 8<br />
Yhtälön viimeinen rivi pohjautuu tutulle kompleksilukujen<br />
laskusäännölle: z+z*=2Re[z]. Yhtälöstä nähdään suoraan, että jos<br />
viimeisen rivin integraalin arvo on suuri, niin signaaleiden erotuksen<br />
energia on pieni ja signaalit ovat täten samankaltaisia (ainakin tässä<br />
mielessä). Huomaa myös, että signaalien energioiden arvoilla Ev ja Ew ei<br />
ole samankaltaisuuden osalta merkitystä, sillä ne riippuvat vain<br />
signaaleista itsestään.<br />
Yritetään nyt siis käyttää kyseistä integraalia samankaltaisuuden<br />
mittana ja määritellään (risti)korrelaatio signaalien v(t) ja w(t) välille<br />
seuraavasti:<br />
R ( t) = v( t) w ( t -t)<br />
dt<br />
vw<br />
¥<br />
ò<br />
-¥<br />
*<br />
Huomaa, että korrelaation määritelmä on funktio viiveparametrin τ<br />
suhteen. Toisin sanoen, korrelaatio mittaa samankaltaisuutta signaalin<br />
v(t) ja signaalin w(t) viivästettyjen versioiden välillä. Tämä on erityisen<br />
olennaista monessa tietoliikennesovelluksessa, sillä lähetetyn signaalin<br />
vaihetta/viivettä ei aina vastaanottimessa tunneta (viivehän riippuu mm.<br />
lähettimen ja vastaanottimen välisestä etäisyydestä).<br />
Mikäli korrelaatio lasketaan signaalin itsensä kanssa, puhutaan<br />
autokorrelaatiosta. Tämä määritellään täsmälleen samalla tavalla kuin<br />
ristikorrelaatio mutta siten, että korreloitavat signaalit ovat samat:<br />
R () t = R () t = v() t v ( t -t)<br />
dt<br />
v vv<br />
¥<br />
ò<br />
-¥<br />
*<br />
Erityisesti autokorrelaation määritelmässä viiveen τ merkitys on<br />
perusteltua. Muutenhan, pelkästään määrittelemällä τ=0, laskettaisiin<br />
yksinkertaisesti vain signaalin energiaa.<br />
Kuten jo aiemmin mainittiin, GPS-paikannuksessa korrelaatio on<br />
olennaisessa osassa järjestelmän suorituskyvyn kannalta.<br />
Satelliittipaikannus perustuu signaalin saapumisajan mittaamiseen<br />
(Time-of-Arrival). Jos tiedetään satelliitin sijainti, signaalin lähetysaika,<br />
signaalin etenemisnopeus ja signaalin vastaanottoaika, satelliitin ja
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 9<br />
GPS-vastaanottimen välinen etäisyys saadaan laskettua. Edelleen jos<br />
tiedetään etäisyys useampaan satelliittiin, saadaan määritettyä<br />
paikkakoordinaatit pituus-, leveys- ja korkeussuunnassa. Täydellisesti<br />
synkronisen järjestelmän tapauksessa (kaikki satelliittien ja GPSvastaanottimien<br />
kellot täsmälleen samassa ajassa) paikannusongelman<br />
ratkaisu olisi melko suoraviivainen. Tämänkaltaisen synkronisuuden<br />
saavuttaminen on kuitenkin käytännöllisesti katsoen mahdotonta.<br />
Huomaa, että jo yhden mikrosekunnin virhe kellossa aiheuttaa noin<br />
300m:n etäisyysvirheen (mikrosekunti kertaa valonnopeus).<br />
Edellä mainittujen seikkojen vuoksi jokaisen satelliitin signaalin on<br />
sisällytetty ajalliselta kestoltaan 1ms pituinen satelliittikohtainen 1023<br />
merkkiä pitkä binäärinen koodi. Tämä koodi rakennetaan ns. ”chipeistä”<br />
(1μs/chip), jotka saavat arvoja -1 ja 1. Kun GPS-paikannin kytketään<br />
päälle, se alkaa korreloida (etsiä) järjestelmän radiotaajuuksilta<br />
signaaleita, joista löytyy vastaavaa rakennetta tunnettujen satelliittien<br />
koodien kanssa. Koska lähetetyn signaalin vaihetta ei tunneta, etsintä<br />
täytyy suorittaa koodin eri vaiheiden kanssa, aivan kuten korrelaation<br />
määritelmässä oleva viivetermi τ osoittaa. Mikäli korrelaation arvo<br />
vastaanotetun signaalin ja jonkin satelliitin viivästetyn koodin välillä<br />
kasvaa tarpeeksi suureksi, satelliitti ja sen lähettämän signaalin viive<br />
voidaan olettaa löydetyksi. Tässä vaiheessa viive löydetään vain<br />
suhteessa millisekuntiin (koodin pituus 1ms). Vielä ei kuitenkaan tiedetä<br />
”mikä millisekunti” on kyseessä.<br />
Satelliittien koodit on suunniteltu siten, että niiden<br />
autokorrelaatiofunktiot ovat impulssimaisia (piikki nollaviiveellä mutta<br />
muuten lähellä nollaa). Lisäksi, jotta eri satelliittien signaalit eivät<br />
häiritsisi toisiaan, koodien (risti)korrelaatio saa suhteellisen pieniä<br />
arvoja kaikilla viiveillä. Seuraavissa kuvissa on esitelty oikeiden GPSsatelliittien<br />
koodien välisiä korrelaatiofunktioita (huom. viive [chip] on<br />
käytännössä sama kuin korrelaatiokaavoissa esiintyvä τ).<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 10<br />
Satelliitin #1 autokorrelaatiofunktio (vas.) ja korrelaatiofunktio saman signaalin ja<br />
sen viivästyneen (155 chippiä) version välillä (oik.)<br />
Normalisoitu autokorrelaatiofunktion arvo<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
0.4<br />
0.3<br />
0.2<br />
0.1<br />
0<br />
-1000 -800 -600 -400 -200 0 200 400 600 800 1000<br />
viive [chip]<br />
Normalisoitu ristikorrelaatiofunktion arvo<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
0.4<br />
0.3<br />
0.2<br />
0.1<br />
0<br />
-1000 -800 -600 -400 -200 0 200 400 600 800 1000<br />
viive [chip]<br />
Ristikorrelaatio satelliittien #1 ja #2 koodien välillä<br />
Normalisoitu ristikorrelaatiofunktion arvo<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
0.4<br />
0.3<br />
0.2<br />
0.1<br />
0<br />
-1000 -800 -600 -400 -200 0 200 400 600 800 1000<br />
viive [chip]<br />
Kuten moni GPS-järjestelmää käyttänyt on varmastikin huomannut,<br />
satelliittien haku laitteen käynnistyessä saattaa joskus viedä<br />
turhauttavan kauan aikaa. Tämä johtuu juuri siitä, että satelliittien<br />
signaaleita joudutaan etsimään kaikilla eri koodeilla ja niiden eri<br />
vaiheilla (n. 30 satelliittia → saman verran eri koodeja). Tämän lisäksi,<br />
johtuen taajuusvirheistä, signaaleita joudutaan etsimään myös eri<br />
taajuuksilta. Käynnistysvaihetta helpottamaan onkin luotu ns. avustava<br />
GPS (A-GPS), jossa vastaanotin hakee etukäteen mobiiliverkon kautta<br />
lähellä olevalta tukiasemalta tietoja satelliittien sijainneista ja muista<br />
parametreista. Tämä taas on intuitiivisesti järkevää, sillä tukiaseman ja<br />
vastaanottimen havaitsevat signaalit ole läheisestä sijainnista (verraten<br />
valonnopeuteen ja etäisyyteen) johtuen melko samanlaisia - korreloivia.
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 11<br />
Paluu Fourier-muunnokseen – korrelaatiotulkinta<br />
Palataan vielä taaksepäin ja tarkastellaan uudestaan Fouriermuunnoksen<br />
määritelmää:<br />
() = F é<br />
ë<br />
¥<br />
() ù<br />
û = ò<br />
-¥<br />
() -j2p<br />
ft<br />
V f vt vte dt<br />
Verrataan tätä nyt korrelaation määritelmään:<br />
R ( t) = v( t) w ( t -t)<br />
dt<br />
vw<br />
¥<br />
ò<br />
-¥<br />
*<br />
Huomataan, että Fourier-muunnos voidaan tulkita taajuudella f<br />
värähtelevän eksponenttivärähtelijän (viive nolla) ja muunnettavan<br />
signaalin väliseksi korrelaatioksi. Näin ollen voidaankin ajatella, että<br />
signaalin spektri lasketaan etsimällä signaalista ”vastaavanlaisuuksia”<br />
jokaiselle taajuusakselilla sijaitsevalle värähtelijälle. Toisin sanoen,<br />
taajuudella f värähtelevä eksponenttifunktio ”poimii” signaalista<br />
kyseisellä taajuudella olevan energian.<br />
Lasketaan esimerkin vuoksi taajuudella fc=1/τ värähtelevän<br />
eksponenttifunktion (kuva yllä) korrelaatio tutun suorakaidepulssin<br />
kanssa (kts. s. 5). Suoraan määritelmän mukaan korrelaatioksi nollaviiveellä<br />
saadaan:<br />
R<br />
vg<br />
(0) =<br />
¥<br />
ò<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 12<br />
2p<br />
-j<br />
t<br />
t<br />
vte () dt<br />
-¥<br />
t /2 2p -j t<br />
Ae t ò dt<br />
-t<br />
/2<br />
é<br />
A ê<br />
ë<br />
2ptt/2<br />
t -j<br />
ù<br />
e t ú<br />
j2p<br />
ú<br />
û-t/2<br />
t<br />
2pt -j<br />
2t 2pt<br />
j<br />
2t<br />
= = -<br />
=-A ( e<br />
j2p<br />
- e ) =<br />
t -jp<br />
=-A ( e<br />
j2p = 0<br />
jp<br />
t<br />
- e ) =-A ( -1 -( -1))<br />
j2p<br />
Arvoksi tulee nolla, joten suorakaidepulssi ei korreloi (ei ole lainkaan<br />
samankaltainen) tällaisen taajuudella värähtelevän eksponenttifunktion<br />
kanssa. Nyt on hyvä palata katsomaan jo aiemmin määritettyä<br />
suorakaidepulssin spektriä (s.5). Mikä onkaan spektrin arvo taajuudella<br />
1/τ?<br />
Entä mitä tapahtuu jos korreloit suorakaidepulssia nollataajuisella<br />
eksponenttivärähtelijällä? Mikä on tällöin korrelaation arvo (helppo<br />
laskea: integroidaan vain vakiota) ja miten se näkyy spektrissä?
Konvoluutio<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 13<br />
Konvoluutio on tärkeä työkalu kaikenlaisten lineaaristen järjestelmien<br />
vasteanalyysissä, eli toisin sanoen tutkittaessa järjestelmän<br />
sisäänmenon ja ulostulon suhdetta. Tietoliikennetekniikassa lineaarisia<br />
järjestelmämalleja voidaan käyttää mm. kuvaamaan<br />
tietoliikennekanavan vastetta. Esimerkiksi langattomassa ympäristössä<br />
kanava muuttuu toistuvasti ajan funktiona aiheuttaen lähetetylle<br />
signaalille sekä amplitudi- että vaihevääristymää. Tämän huomioiminen<br />
vastaanottimessa, tavalla tai toisella, on tietysti olennaisen tärkeää ja se<br />
vaatiikin tarkkaa vasteanalyysia.<br />
sisäänmeno<br />
Lineaarinen<br />
ulostulo<br />
x(t)<br />
järjestelmä<br />
y(t)<br />
Vasteanalyysi perustuu ns. impulssivasteen h(t) käsitteeseen, joka<br />
kuvaa järjestelmän ulostulon, kun sisäänmenoksi asetetaan impulssi<br />
(ajan hetkellä nolla impulssi saa arvon yksi, muuten nolla). Tällöin<br />
ulostulo y(t) mielivaltaiselle signaalille x(t) voidaan määrittää<br />
impulssivasteen h(t) avulla konvoluutiona seuraavasti:<br />
yt () = ht () * xt () = h( l)( xt-l) dl<br />
¥<br />
ò<br />
-¥<br />
Konvoluution voi kätevästi visualisoida kiinnittämällä jommankumman<br />
funktion paikoilleen ja sitten liu’uttamalla toisen funktion tämän ylitse.<br />
Seuraavassa kuvassa tämä on havainnollistettu tutulle<br />
suorakaidepulssille (s.5), jolle lasketaan konvoluutio itsensä kanssa.<br />
Huomaa, että konvoluution arvo tietyllä ajan hetkellä saadaan suoraan<br />
laskemalla kertolaskun tuottaman funktion pinta-ala (kuvassa oranssi).<br />
Yksinkertaista lukiomatematiikkaa…<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 14<br />
Tarkastellaan seuraavaksi käytännön esimerkkiä konvoluution<br />
hyödyntämisestä: käytännöllinen ja yksinkertainen sarjaankytketty RCpiiriä<br />
(vastus ja kondensaattori):
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 15<br />
Piirianalyysin periaatteiden avulla järjestelmän impulssivasteeksi<br />
saadaan:<br />
1<br />
ìï 1 t ³ 0<br />
-t/<br />
RC<br />
ht () = e ut (), missä ut () = ï<br />
í<br />
RC ï<br />
ïî<br />
0 t < 0<br />
Käytetään jälleen kerran hyväksi tuttua suorakaide pulssia (s.5) ja<br />
syötetään se sisäänmenojännitteeksi tarkasteltavaan piiriin. Ulostulo<br />
y(t) saadaan nyt määritettyä konvoluution avulla:<br />
yt () = ht () * xt ()<br />
¥<br />
ò<br />
= h( l) x( t -l)<br />
dl<br />
-¥<br />
<br />
(osaatko laskea itse...)<br />
<br />
ìï<br />
ï 0 t < 0<br />
ï<br />
-t/<br />
RC<br />
= ï<br />
í A(1 - e ) 0 < t < t<br />
ï -t/ RC -( t-t)/ RC<br />
ïî<br />
A(1 - e ) e t > t<br />
Seuraavissa kuvissa on havainnollistettu sisäänmenon ja ulostulon<br />
suhdetta kolmessa eri tapauksessa. Tässä sisäänmenopulssin kestoa<br />
muutetaan suhteessa piirin ns. aikavakioon RC. Kuvista nähdään, että<br />
piiri käyttäytyy pulssin keston τ mukaan aivan kuten ulostulon paloiteltu<br />
funktio antaa ymmärtää.<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 16<br />
Nyt on selvää, että impulssivasteen avulla voidaan tutkia järjestelmän<br />
aikakäyttäytymistä. Kun impulssivasteesta otetaankin Fourier-muunnos,<br />
tuloksena syntyy järjestelmän ns. taajuusvaste, josta nähdään suoraan<br />
miten järjestelmä vaikuttaa eri sisäänmenon taajuuksiin:<br />
¥<br />
() = () -j2p<br />
ft<br />
ò<br />
-¥<br />
H f h t e dt<br />
Konvoluutioteoreeman avulla saadaan nyt johdettua merkittävä tulos<br />
sisäänmenon ja ulostulon väliselle yhteydelle myös taajuustasossa. Jos<br />
merkitään sisäänmenon Fourier-muunnosta X(f) ja taajuusvastetta H(f),<br />
ulostulon Fourier-muunnos saadaan suoraan kertolaskulla:<br />
Y() f =<br />
H() f X() f
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 17<br />
Tämän yhtälön vuoksi taajuusvastetta H(f) kutsutaan usein myös<br />
siirtofunktioksi. Koska kyseessä on yksinkertainen kertolasku,<br />
sisäänmenon spektri painottuu pisteittäin taajuusvasteen mukaan.<br />
Esimerkin vuoksi hahmotellaan edellisen RC-piirin taajuusvaste:<br />
Kuvasta nähdään, että matalat taajuudet säilyvät vähemmän<br />
vaimennettuina kuin korkeat. Tällaista järjestelmää kutsutaankin<br />
alipäästösuodattimeksi (jos esim. halutaan nostaa bassotaajuuksien<br />
voimakkuutta audiolaitteissa, tarvitaan jokin tämänkaltaisen<br />
taajuusvasteen omaava systeemi).<br />
Tietoliikennetekniikassa suodattimia käytetään erityisesti kohinan<br />
vaimentamisessa ja muokkauksessa, tietoliikennekanavan<br />
mallintamisessa sekä sen vaikutusten kompensoimisessa (ekvalisointi).<br />
Lisäksi suodattimilla erotellaan (taajuuskaistalla) toisistaan eri<br />
järjestelmät, käyttäjät, kanavat jne. Periaatteessa siis kaikki edellä<br />
mainittu saavutetaan juuri integraalilaskennan avulla.<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 18<br />
Sigma-delta(ΣΔ)-analogia-digitaalimuunnin<br />
Kustannustehokkuus on nykypäivän trendi lähes kaikilla talouden ja<br />
tekniikan aloilla. Langattomassa tietoliikenteessä kustannustehokkuutta<br />
saavutetaan erityisesti joustavilla radiolähetin-vastaanotinrakenteilla.<br />
Tällä tarkoitetaan karkeasti laitteen kykyä toimia erilaisissa<br />
järjestelmissä ja radiorajapinnoissa. Lisäksi erityisesti kannettavissa<br />
laitteissa myös virrankulutuksen sekä fyysisen koon minimointi ovat<br />
tärkeissä rooleissa. Näiden tavoitteiden saavuttamisessa yhdeksi<br />
merkittäväksi tekijäksi on viime aikoina noussut digitaaliset<br />
signaalinkäsittelymenetelmät, jotka mahdollistavat erittäin joustavien ja<br />
kustannustehokkaiden päätelaitteiden toteuttamisen. Käytännön tasolla<br />
moderneissa päätelaitteissa pyritäänkin usein vähentämään laitteiston<br />
analogisten komponenttien määrää ja korvaamaan näiden toimintaa<br />
nimenomaan digitaalisin menetelmin. Yksi merkittävimpiä rajoittavia<br />
tekijöitä tässä lähestymistavassa on kuitenkin kustannustehokkaan<br />
analogia-digitaalimuuntimen (AD-muunnin) toteuttaminen.<br />
111<br />
110<br />
101<br />
100<br />
011<br />
010<br />
001<br />
000<br />
1/8 2/8 3/8 4/8 5/8 6/8 7/8 1<br />
Sisäänmeno: analoginen jännitesignaali<br />
Yllä olevassa kuvassa on esitetty 3-bittisen AD-muuntimen<br />
sisäänmenon ja ulostulon välinen funktio (sisäänmeno normalisoitu<br />
välille [0,1]). Johtuen rajallisesta näyteresoluutiosta, eli lukujoukosta,<br />
johon näytteet ”pyöristetään”, AD-muuntimessa syntyy aina ns.<br />
kvantisointikohinaa. Jos kvantisointikohinan tehon annetaan kasvaa<br />
liian suureksi, digitaalisista signaalinkäsittelymenetelmistä saatava<br />
hyöty menetetään. Tällaisessa tapauksessa voidaan ajatella, että
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 19<br />
analogisesta signaalista näytteistetty (digitaalinen) lukujono ei enää<br />
yksikäsitteisesti vastaakaan alkuperäistä signaalia. Tästä syystä ADmuuntimien<br />
suunnittelussa onkin perinteisesti päädytty jonkinlaiseen<br />
kompromissiin kustannustehokkaan ja ”laadukkaan” muuntimen välillä.<br />
Eräs kirjallisuudessa ehdotettu ratkaisu edellä mainittuun ongelmaan on<br />
sigma-delta(ΣΔ)-analogia-digitaalimuunnin, jonka periaatteellinen<br />
lohkokaavio on esitetty alla (tässä fs on näitteistystaajuus ja K on vakio).<br />
Analoginen<br />
sisäänmeno<br />
Analoginen<br />
signaali<br />
1-bit DAmuunnin<br />
Näytteistyskello<br />
K*fs<br />
Digitaalinen<br />
suodatin<br />
Digitaalinen<br />
signaali<br />
Digitaalinen<br />
ulostulo<br />
ΣΔ-muuntimessa oleellista osaa esittää myötähaaran integraattori, joka<br />
on tässä nimenomaan osa rakenteen toiminnallisuutta, ei pelkkä<br />
analysointityökalu. ΣΔ-muuntimen takaisinkytkentähaara on pelkkä<br />
yksinkertainen 1-bitin digitaali-analogiamuunnin, jonka resoluutio riittää<br />
ainoastaan ilmaisemaan ylinäytteistetyn signaalin etumerkin. ΣΔmuuntimesta<br />
saatava hyöty perustuu sisäänmenon ja<br />
takaisinkytkentähaaran erotussignaalin integrointiin, minkä avulla<br />
kvantisointikohinan spektriä voidaan muokata toteutuksen kannalta<br />
edullisempaan suuntaan.<br />
Ns. näytteistysteoreeman mukaan myös pelkästään ylinäytteistetyllä<br />
AD-muuntimella saadaan parempia tuloksia. Tämä johtuu siitä, että<br />
kvantisointikohina jakautuu eri taajuuksille tasaisesti. Tällöin,<br />
käyttämällä AD-muuntimessa datasignaaliin verrattuna K-kertaista<br />
näytetaajuutta, voidaan datasignaalin ulkopuolinen kohina poistaa<br />
jälkeenpäin perinteisellä digitaalisella suodattimella. Ero pelkän<br />
ylinäytteistetyn AD-muuntimen ja varsinaisen ΣΔ-muuntimen ja välillä<br />
on se, että kohinateho saadaan ΣΔ-muuntimessa painottumaan<br />
hyötykaistan ulkopuolelle. Ilmiötä on havainnollistettu alla olevassa<br />
kuvassa.<br />
Amplitudispektri<br />
IMA-3 Excursio: Integroinnin sovelluksia tiedonsiirtotekniikassa / 20<br />
Yllä olevan kuvan ΣΔ-muunnin on ns. alipäästötyyppiä, jossa<br />
kohinateho vaimenee siirryttäessä kohti nollataajuutta. ΣΔ-muunnin<br />
voidaan kuitenkin suunnitella muokkaamaan kohinaspektriä myös<br />
muilla tavoilla. Tämä on melko suoraviivaista, sillä järjestelmän<br />
kokonaissiirtofunktio voidaan jakaa erikseen hyötysignaalin ja kohinan<br />
siirtofunktioihin. Tällä tavoin vaikuttamalla kohinan siirtofunktion<br />
nollakohtiin, saadaan kohinaspektrin muoto halutunlaiseksi. Esimerkiksi<br />
yllä olevan kuvan ΣΔ-muuntimen kohinan siirtofunktiolla on nollakohta<br />
taajuudella f=0.