SINHRONIZACIONE SEKVENCE I BIFIKS ANALIZA - KTiOS
SINHRONIZACIONE SEKVENCE I BIFIKS ANALIZA - KTiOS
SINHRONIZACIONE SEKVENCE I BIFIKS ANALIZA - KTiOS
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
UNIVERZITET U NOVOM SADU<br />
FAKULTET TEHNIČKIH NAUKA<br />
KATEDRA ZA TELEKOMUNIKACIJE I OBRADU<br />
SIGNALA<br />
<strong>SINHRONIZACIONE</strong> <strong>SEKVENCE</strong> I <strong>BIFIKS</strong> <strong>ANALIZA</strong><br />
kandidat<br />
Čedomir Stefanović, dipl. ing.<br />
magistarska teza<br />
Jun 2006.<br />
mentor<br />
prof. dr Dragana Bajić
Sadrˇzaj<br />
Uvod vi<br />
1 Sinhronizacija na nivou rama 1<br />
1.1 Strategijasinhronizacije ............................ 2<br />
1.1.1 Detekcija sinhro-sekvence . . . . . . . . . . . . . . . . . . . . . . . 6<br />
1.1.2 Heberleoveakvizicionekrive...................... 13<br />
2 Dizajn optimalnih sinhronizacionih sekvenci 16<br />
2.1 Barkerovesekvence............................... 17<br />
2.2 Turinovesekvence ............................... 19<br />
2.3 Vilardovesekvence ............................... 19<br />
2.4 Mori-Stajlssekvence .............................. 21<br />
2.5 Al-Subah-Dˇzonssekvence ........................... 21<br />
2.6 Distribuiranesekvence............................. 23<br />
2.7 Meritfaktor................................... 25<br />
3 Bifiks analiza 28<br />
3.1 Pretraga u beskonačnomnizupodataka ................... 28<br />
3.1.1 Pretragazajednomsekvencom .................... 28<br />
3.1.2 Pretragazavišesekvenci ....................... 36<br />
3.2 Pretragauramu ................................ 41<br />
3.2.1 Pretragazajednomsekvencom .................... 41<br />
3.2.2 Pretragazavišesekvenci ....................... 47<br />
4 Primena bifiks analize 53<br />
4.1 Vremeakvizicije(resinhronizacije) ...................... 53<br />
4.2 Analiza postojećihsinhro-sekvenci ...................... 55<br />
4.2.1 E1(PDH)sinhro-sekvenca....................... 55<br />
4.2.2 HDLC fleg ............................... 58<br />
4.2.3 SDHsinhro-sekvenca.......................... 60<br />
4.3 Dizajnsinhro-sekvenci............................. 60<br />
5 Zaključak 64<br />
i
SADRˇZAJ ii<br />
A Neke osobine bifiksa 65<br />
B Pretraga u beskonačnom nizu 67<br />
B.1 Gustina raspodele verovatnoćepretragezasekvencom ........... 67<br />
B.2 Očekivanotrajanjepretrage.......................... 69
Slike<br />
1.1 Strukturniprikazrama............................. 1<br />
1.2 Principski algoritam hvatanja i provere sinhronizacije na nivou rama . . . 3<br />
1.3 Primer akvizicije za K =3........................... 4<br />
1.4 StrategijasinhronizacijekodSDH....................... 5<br />
1.5 Stvarna stanja u kojima se sistem moˇze naći u odnosu na sinhronizam . . 6<br />
1.6 Detekcijasinhro-sekvence ........................... 6<br />
1.7 Kriterijumdetekcije .............................. 8<br />
1.8 Verovatnoća laˇzne detekcije u zavisnosti od parametra e .......... 9<br />
1.9 Verovatnoća ispravne detekcije za =10 −2 ................. 9<br />
1.10 Verovatnoća ispravne detekcije za =10 −6 ................. 10<br />
1.11 Prosečnotrajanjesinhronizacije........................ 15<br />
2.1 Regioni pretraˇzivanjauramu ......................... 17<br />
2.2 Korelacija u kvazi-determinističkom regionu za Barkerovu sekvencu, N =5 19<br />
2.3 Korelacija u kvazi-determinističkom regionu za Vilardovu sekvencu, N =5 20<br />
2.4 Korelacija u kvazi-determinističkom regionu za sekvencu 110*0*0 . . . . . 24<br />
3.1 Pretraga u beskonačnomnizu......................... 29<br />
3.2 Uzdokazteoreme................................ 33<br />
3.3 Gustina raspodele trajanja pretrage, N =8 ................. 34<br />
3.4 Očekivano trajanje pretrage u nizu konačne duˇzine, N =8......... 35<br />
3.5 Očekivano trajanje pretrage u odnosu na duˇzinu niza, N =8 ....... 35<br />
3.6 Gustina raspodele trajanja pretrage, N =16 ................ 36<br />
3.7 Očekivano trajanje pretrage u odnosu na duˇzinu niza, N =16 ....... 37<br />
3.8 Pretragauramu ................................ 42<br />
3.9 Pretraga u prvom kvazi-determinističkom regionu, svi bifiksi su kraći od N 2 44<br />
3.10 Pretraga u prvom kvazi-determinističkom regionu, postoje bifiksi duˇzi od<br />
N<br />
2 ........................................ 45<br />
3.11 Potencijalne simulacije sinhro-sekvence u drugom kvazi-determinističkom<br />
regionu...................................... 46<br />
3.12 Pretraga u ramu, N =8, F =80 ....................... 47<br />
3.13 Pretrage za više sekvenci u prvom kvazi-determinističkom regionu . . . . . 49<br />
3.14 Pretraga u ramu, e =1............................. 51<br />
iii
SLIKE iv<br />
4.1Modelakvizicije................................. 54<br />
4.2 Pretraga u ramu, N =7, F = 512, e =1 ................... 57<br />
4.3 Prosečno vreme pojavljivanja karakterističnih sekvenci u nizu ograničene<br />
duˇzine...................................... 59<br />
4.4 PrSV za Al-Subah-Dˇzons sekvence, e =1................... 62<br />
4.5 PrSV za Al-Subah-Dˇzons sekvence, e ∈ {0, 1, 2} ............... 63<br />
A.1 Preklapanje bifiksa reda većeg od b> ¥ ¦<br />
N<br />
2 .................. 65<br />
B.1 Pr{k} karakterističnih sekvenci duˇzine 8 u odnosu na 1<br />
k 2 .......... 69
Tabele<br />
1.1 Vrednosti parametara K i J zaPDHsisteme ................ 5<br />
2.1 PoznateBarkerovesekvence.......................... 18<br />
2.2 Turinovesekvence ............................... 19<br />
2.3 Vilardovesekvence ............................... 20<br />
2.4 Mori-Stajlssekvence .............................. 21<br />
2.5 Al-Subah-Dˇzonssekvence ........................... 23<br />
2.6 Distribuiranesekvence............................. 24<br />
3.1 Verovatnoće preˇzivljavanjazasekvenceizprimera.............. 47<br />
3.2 Verovatnoće preˇzivljavanjazasekvenceizprimera.............. 51<br />
4.1 Broj kros-bifiksazasekvenceizprimera ................... 56<br />
4.2 Prosečno vreme akvizicije, N =7, F = 512, e =1.............. 57<br />
4.3 Verovatnoće preˇzivljavanjazasekvenceizprimera.............. 58<br />
4.4 Broj kros-bifiksazasekvenceizprimera ................... 58<br />
v
Uvod<br />
Prilikom uobičajenih, školskih razmatranja telekomunikacionih sistema, često se zanemaruje<br />
problem sinhronizacije izme†u predajnika i prijemnika. Sinhronizacija se podrazumeva,<br />
iako je njeno postizanje i odrˇzavanje relativno sloˇzen problem, a bez nje<br />
ispravan prenos ne bi bio moguć. Svako odstupanje od pretpostavljene idealne sinhronizacije<br />
(koje u praksi neizbeˇzno uvek postoji) dovodi pre svega do povećanja verovatnoće<br />
greške, a u sloˇzenijom sistemima i do drugih nepovoljnih efekata (moˇze se pretpostaviti<br />
koji se sve problemi mogu pojaviti u sistemima sa vremenskim multipleksom ili u sistemima<br />
u kojima se koristi CDMA ili OFDM).<br />
Sinhronizacija se u digitalnim telekomunikacionim mreˇzama razlaˇze i posmatra odvojeno<br />
na nekoliko nivoa [1], [2]. Ovakav pristup, tipičan u inˇzenjerstvu i u skladu sa filozofijom<br />
koju nameće OSI, pretpostavlja nezavisan tretman pojedinih aspekata sinhronizacije<br />
i lakše rešavanje kompleksnog problema koji se pod sinhronizacijom podrazumeva.<br />
Ako se posmatra koherentna demodulacija, tada je prvo neophodna sinhronizacija na<br />
nivou nosioca (carrier synchronization), pod kojom se podrazumeva obnavljanje informacije<br />
o frekvenciji i fazi nosioca na prijemu radi ispravne demodulacije. Kod sistema<br />
sa nekoherentnom demodulacijom informacija o fazi signala nije potrebna.<br />
Na sledećem nivou je simbolska sinhronizacija (symbol synchronization), pomoću koje<br />
se odre†uju granice signalizacionih intervala i omogućava ispravna detekcija pojedinih<br />
simbola. Osnovni koncepti koji se tiču fazne i simbolske sinhronizacije se mogu naći u<br />
[1], [2].<br />
U digitalnim telekomunikacijama simboli koji se prenose su uvek organizovani u<br />
pakete. Obično se paketi koji neposredno podleˇzu transmisiji nazivaju ramovima (još<br />
se zovu frejmovi ili okviri). Na nivou ramova se vrši vremensko multipleksiranje, komutacija,<br />
zaštitno kodovanje, detekcija i korekcija grešaka, i razne druge funkcije. Da bi<br />
se ove funkcije mogle uspešno izvršiti, na prijemu je potrebna je sinhronizacija na nivou<br />
rama (frame synchronization). Sinhronizacija na nivou rama omogućava grupisanje simbola<br />
iz toka koji pristiˇze u prijemnik u ramove. Najčešće se ostvaruje upotrebom sinhronizacionih<br />
sekvenci, koje se, zavisno od konkretne primene/protokola, u literaturi još<br />
nazivaju i sinhro-rečima (synchro-words), markerima (frame markers), flegovima (flags),<br />
sinhronizacionim preambulama (synchronization preambules) iliFAW(frame alignment<br />
words). Sinhro-sekvenca je unapred odre†eni niz simbola koji se uglavnom nalazi na<br />
početku rama i pomoću kojeg se odre†uje granice rama.<br />
Do sada nabrojani nivoi sinhronizacije su potrebni za prenos na vezama tipa tačka-<br />
vi
UVOD vii<br />
tačka (point-to-point). Kada se posmatra čitava mreˇza sastavljenu od mnoštva primopredajnika,<br />
u zavisnosti od tipa mreˇze moguće je da se zahteva i mreˇzna sinhronizacija<br />
(npr. kod PDH i SDH mreˇza). Pod mreˇznom sinhronizacijom se podrazumeva vremensko<br />
i frekvencijsko uskla†ivanje digitalnih taktova svih ure†aja u okviru jedne mreˇze.<br />
Više o mreˇznoj sinhronizaciji i modelima mreˇzne sinhronizacije se moˇze pronaći u [1], [2]<br />
i[3].<br />
Tema ovog rada su sinhronizacija na nivou rama i sinhro-sekvence. U radu će se pored<br />
rekapitulacije dosadašnjih rezultata iz oblasti konstrukcije optimalnih sinhro-sekvenci,<br />
predstaviti i novi rezulati koji se tiču bifiks (bifix) analize, alata kojim se mogu kreirati<br />
sinhro-sekvence koje će zadovoljiti neke od parametara bitnih za sinhronizaciju na nivou<br />
rama (o kojima će biti više reči). Ukratko rečeno, pomoću bifiks analize moguće je<br />
odrediti gustinu raspodele verovatnoće slučajne simulacije sinhro-sekvence u preostalom<br />
delu rama. Na ovaj način je moguće, za zadatu duˇzinu rama, odrediti potrebnu duˇzinu<br />
sekvence kao i njenu strukturu tako da se minimizuje mogućnost pogrešne sinhronizacije.<br />
Za zadatu sekvencu moguće pronaći optimalnu duˇzinu rama tako da je prosečna učestanost<br />
simulacije sekvence najmanja. Tako†e, pomoću bifiks analize se mogu egzaktno<br />
analitički upore†ivati već postojeće sinhro-sekvence, što do sada nije bio slučaj.<br />
U tekstu koji sledi biće predstavljeni:<br />
• osnovne karakteristike sinhronizacije na nivou rama, problem akvizicije, i kriterijum<br />
za optimalno odlučivanje o pronalasku sinhro-sekvence u primljenom toku<br />
simbola (prvo poglavlje),<br />
• najčešće korišćeni kriterijumi za konstrukciju optimalnih sinhronizacionih sekvenci<br />
(drugo poglavlje),<br />
• bifiks analiza (treće poglavlje),<br />
• primeri primena bifiks analize (četvrto poglavlje).
Glava 1<br />
Sinhronizacija na nivou rama<br />
Kao što je već navedeno, zadatak sinhronizacije na nivou rama je delineacija (identifikacija<br />
granica) ramova u nizu simbola koji pristiˇzu prijemnik. To se obično postiˇze<br />
umetanjem specijalnih, unapred definisanih sekvenci zvanih sinhro-sekvence na početak<br />
i/ili kraj rama (slika 1.1). Postoje i druge tehnike kao što su npr. comma-free kodovanje<br />
[4], ili hvatanje sinhronizacije pomoću polja koje sluˇzi za proveru ispravnosti prenosa<br />
koje se koristi kod ATM-a, ali ovo su prilično egzotični koncepti i nisu tema ovog rada.<br />
SINHRO-<br />
SEKVENCA<br />
ZAGLAVLJE PODACI<br />
Slika 1.1: Strukturni prikaz rama<br />
Problem sinhronizacije na nivou rama se moˇze odvojeno posmatrati u dva osnovna<br />
slučaja:<br />
• kod sinhronog prenosa, kao što je u klasičnim telekomunikacionim mreˇzama (npr.<br />
PDH, SDH, pa i kod ATM-a na fizičkom nivou),<br />
• kod asinhronog prenosa, kao što je kod klasičnih računarskih komunikacija (npr.<br />
Ethernet).<br />
Uprvomslučaju, problem sinhronizacije je znatno sloˇzeniji. Ramovi su iste duˇzine,<br />
kontinualno slede jedan za drugim, a vreme na linku je podeljeno na strogi pozicioni<br />
multipleks. Da bi prenos bio uspešan potrebna je brza akvizicija sinhronizacije, kao i<br />
njeno konstantno odrˇzavanje.<br />
Kod asinhronog prenosa, ramovi se emituju samo kada postoji potreba za prenosom.<br />
Osim toga, ramovi su promenljive duˇzine, jasno me†usobno odvojeni pauzama u toku<br />
prenosa, i sinhronizacija se uspostavlja za svaki ram nezavisno. Sinhronizaciona sekvenca<br />
na početku rama je obično duˇza, u sebi sadrˇzi mnoštvo tranzicija i praktično sluˇzi da<br />
1
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 2<br />
uskladi simbolske taktove predajnika i prijemnika. Drugim rečima, sinhro-sekvenca je<br />
ovde efektivno namenjena za simbolsku sinhronizaciju.<br />
Uovomradupaˇznja je posvećena praktično u celosti problemu sinhronizacije kod<br />
sinhronog prenosa jer je on, kao što je navedeno, znatno sloˇzenijiipruˇza više mogućnosti<br />
za optimizaciju sinhro-sekvenci sa raznih aspekata. Me†utim, i u jednom i u drugom<br />
slučaju moguće je optimizovati sinhro-sekvence, u zavisnosti od kriterijuma koji<br />
su konkretno bitni.<br />
Sinhro-sekvence se dele na kontinualne (koncentrisane), kada su simboli koji čine<br />
sinhro-sekvencu grupisani u kontinualan niz bita, i na distribuirane (raspodeljene), kada<br />
su simboli koji čine sekvencu razbacani po ramu. U svakom slučaju, simboli koji čine<br />
sekvencu ne nose informaciju i stoga predstavljaju za korisnika redundantni deo rama.<br />
Stoga je, sa stanovišta iskorišćenja sistema za prenos, bolje da sinhro-sekvenca bude<br />
što kraća. Me†utim, intuitivno je jasno da što je sekvenca duˇza, manja je verovatnoća<br />
njene slučajne simulacije u preostalom delu rama, pa je samim tim manja verovatnoća<br />
pogrešne sinhronizacije. Odre†ene granice na duˇzinu sinhro-sekvence, odnosno duˇzinu<br />
rama, dobijene korišćenjem bifiks analize biće date u 4. poglavlju.<br />
Dobra tehnika za ostvarivanje sinhronizacije na nivou rama generalno treba da poseduje<br />
sledeće osobine [4]:<br />
• brzo postizanje (akviziciju) sinhronizacije,<br />
• brzu detekciju ispada iz sinhronizacije kao i brz povratak u sinhronizaciju,<br />
• malu verovatnoću gubitka sinhronizacije usled grešaka nastalih u prenosu,<br />
• malu verovatnoću pogrešne sinhronizacije usled slučajne simulacije sinhro-sekvence<br />
u preostalom delu rama,<br />
• što manju redundansu unetu u ram od strane sinhro-sekvence, i<br />
• jednostavnost.<br />
Na ove osobine se pre svega moˇze uticati pravilnim izborom sinhronizacione sekvence.<br />
Usledećim poglavljima će biti predstavljeni osnovni modeli problema detekcije, akvizicije<br />
iodrˇzavanja sinhronizacije, kao i osnovni parametri vezani za prosečno trajanje akvizicije<br />
dobijeni relativno jednostavnom analizom.<br />
1.1 Strategija sinhronizacije<br />
Na ovom mestu ponovićemo još jednom osnovne karakteristike problema sinhronizacije<br />
koji se razmatra:<br />
• Uprijemnikstiˇze neprekidan, kontinualan tok podataka organizovanih u ramove.<br />
Prijemnik na početku ne zna granice ramova i potrebno ih je odrediti, što se postiˇze<br />
akvizicijom.
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 3<br />
sinhro-sekvenca<br />
nije detektovana<br />
pretraga za<br />
sinhrosekvencom<br />
(S)<br />
sinhro-sekvenca<br />
je detektovana<br />
J uzastopno neispravno<br />
primljenih sinhro-sekvenci<br />
neispravno<br />
primljena<br />
sinhrosekvenca<br />
verifikacija<br />
(V)<br />
u<br />
sinhronizmu<br />
(L)<br />
ispravno primljena<br />
sinhro-sekvenca<br />
K uzastopno ispravno<br />
primljenih sinhro-sekvenci<br />
Slika 1.2: Principski algoritam hvatanja i provere sinhronizacije na nivou rama<br />
• Nakon akvizicije sinhronizacije na nivou rama, prijemnik vrši njenu kontinualnu<br />
proveru.<br />
• Ukolikosedetektujedajedošlodoispadaizsinhronizacije,vršiseponovnaakvizicija<br />
sinhronizacije (resinhronizacija).<br />
Principska strategija (algoritam) sinhronizacije na nivou rama je data na slici 1.2.<br />
Ovakav algoritam se koristi kod PDH sistema.<br />
Vidi se da postoje tri različita stanja u strategiji sinhronizacije. Prirodno početno<br />
stanje prijemnika je stanje u kome sinhro-sekvenca još uvek nije detektovana i vrši se<br />
sekvencijalna pretraga primljenih bita, dok se ne donese odluka da je sinhro-sekvenca<br />
primljena (stanje S). O kriterijumima detekcije sinhro-sekvence biće više reči u odeljku<br />
1.1.1. Kada se konačno detektuje sinhro-sekvenca, prelazi se u stanje verifikacije (stanje<br />
V ).<br />
U stanju verifikacije vrši se provera da li je sinhro-sekvenca na očekivanom mestu u<br />
naredno primljenim ramovima (kao što je već navedeno, podrazumeva se da su ramovi<br />
konstantne duˇzine). Potrebno je da se (u odnosu na sinhro-sekvencu) ispravno primi<br />
uzastopno K ramova, da bi se smatralo da je sinhronizacija konačno uhvaćena i da bi se<br />
prešlo u stanje sinhronizma (stanje L). Me†utim, ako se utvrdi da sinhro sekvenca nije<br />
očekivanom mestu, prijemnik se vraća u stanje S, i ponovo se vrši pretraga za sinhrosekvencom.<br />
U stanju sinhronizma se vrši konstantna provera da li je uhvaćeni sinhronizam ispravan.<br />
Svaki primljeni ram se ispituje i ako se J puta uzastopno detektuje da sinhrosekvenca<br />
nije na očekivanom mestu, prijemnik se vraća u početno stanje S. Sadruge<br />
strane, ako je sinhro-sekvenca na očekivanom mestu, prijemnik ostaje u stanju sinhronizma<br />
a brojač neispravno primljenih ramova se resetuje.
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 4<br />
Prelazak iz stanja S ustanjeL se naziva akvizicijom. Primer toka akvizicija za sistem<br />
kod koga je K =3je dat na slici 1.3.<br />
stanje S<br />
sekvencijalna<br />
pretraga za sinhro<br />
sekvencom<br />
tok bita koji<br />
pristiže u<br />
prijemnik<br />
detekcija<br />
sinhro-sekvence<br />
...<br />
stanje V<br />
verifikacija sinhro<br />
sekvence u narednom<br />
ramu<br />
stanje V<br />
stanje S<br />
stanje L<br />
stanje V<br />
sinhro-sekvence detektovana K<br />
puta uzastopno, verifikacija uspela<br />
Slika 1.3: Primer akvizicije za K =3<br />
...<br />
sinhro-sekvence<br />
nije detektovana<br />
...<br />
Kao što je na slici prikazano, prijemnik je prvo u stanju S ivršisekvencijalnupretragu<br />
primljenih bita (tj. simbol po simbol). Kada je detektovana sinhro-sekvenca,<br />
prijemnik prelazi u stanje V, skače na početak sledećeg rama i proverava da li se tu<br />
tako†e nalazi sinhro-sekvenca, što u ovom primeru, nije slučaj. Do ovoga moˇze da do†e<br />
npr. zbog toga što je prethodno detektovana laˇzna sinhro-sekvenca, koja je u stvari<br />
slučajno simulirana od strane simbola koji prenose informaciju. Tako†e, moguć jescenario<br />
po kome je prethodno detektovana sinhro-sekvenca bila prava, me†utim verifikacija<br />
nije uspela jer naredna sinhro-sekvenca nije detektovana zbog prisustva grešaka nastalih<br />
usled uticaja šuma ili loše simbolske sinhronizacije U svakom slučaju, nakon povratka u<br />
stanje S, pretraga se nastavlja. U primeru je pretpostavljeno da je nakon sledeće detekcije<br />
sinhro-sekvence verifikacija uspela (3 puta zaredom je detektovana sinhro-sekvenca<br />
na očekivanom mestu) i akvizicija je završena.<br />
Kod realnih sistema, bitno je da ovaj period bude što kraći, ali je tako†e i veoma<br />
bitno da akvizicija bude ispravna. Pored izbora sinhro-sekvence, na trajanje i ispravnost<br />
akvizicije se moˇze uticati izborom parametara K i J, ali i izborom kriterijuma detekcije.<br />
Vrednosti parametara K i J koje ITU-T propisuje za PDH sisteme su dati u tabeli 1.1.<br />
Postoje razne modifikacije osnovnog algoritma prikazanog na slici 1.3. Na primer,<br />
kod SDH sistema postoji dodatno stanje izme†u nesinhronizma i sinhronizma (stanje O<br />
prikazano na slici 1.4). Inače, interesantno je spomenuti da kod SDH postoje sinhro-
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 5<br />
PDH<br />
signal<br />
sinhrosekvenca<br />
nije<br />
detektovana<br />
ITU-T<br />
preporuka<br />
duˇzina rama<br />
(u bitima)<br />
sinhro-sekvenca<br />
(duˇzina)<br />
K J<br />
E1 G.732 512 0011011 (7) 3 3ili4<br />
E2 G.742 848 1111010000 (10) 3 4<br />
E3 G.751 1536 1111010000 (10) 3 4<br />
E4 G.751 2982 111110100000 (12) 3 4<br />
primljeno M uzastopnih<br />
neispravnih sinhro-sekvenci<br />
Tabela 1.1: Vrednosti parametara K i J za PDH sisteme<br />
O<br />
primljeno R<br />
uzastopnih ispravnih<br />
sinhro-sekvenci<br />
S L<br />
primljena<br />
neispravna<br />
sinhro-sekvenca<br />
sinhrosekvenca<br />
je<br />
V<br />
detektovana<br />
Slika 1.4: Strategija sinhronizacije kod SDH<br />
primljeno J uzastopnih<br />
neispravnih sinhro-sekvenci<br />
primljano K uzastopnih<br />
ispravnih sinhro-sekvenci<br />
primljena<br />
ispravna sinhrosekvenca<br />
sekvence različite duˇzine. Duˇza od njih sluˇzi za akviziciju sinhronizacije, jer je manja<br />
verovatnoća simulacije sinhro-sekvenca. Kraća sekvence (koja je u stvari samo jedan<br />
deo duˇze) sluˇzi za odrˇzavanje sinhronizacije, jer je tada manja verovatnoća da će doći<br />
do njenog laˇznog gubitka. Postoje i modifikacije algoritma prikazanog na slici 1.4, kod<br />
kojih postoje više prelaznih stanja izme†u stanja S i L, i koja odgovaraju stepenima<br />
ispravnosti sinhro-sekvence [7].<br />
Zanimljivo je prikazati i jedan drugi dijagram, dat na slici 1.5, koji prikazuje u<br />
kojim se stanjima prijemnik moˇze naći u odnosu na stvarnu sinhronizaciju. Naime, zbog<br />
slučajnih vrednosti informacionih simbola u ramu,delovanjašuma,ineidelnesimbolske<br />
sinhronizacije, nikad se ne moˇze sa sigurnošću tvrditi da je prijemnik u sinhronizmu,<br />
odnosno u nesinhronizmu. Postoje četiri različite situacije koje se mogu javiti u realnosti:<br />
• prijemnik je u pravom sinhronizmu (stanje TL),<br />
• prijemnik je u laˇznom sinhronizmu (stanje FL),<br />
• prijemnik je u pravom nesinhronizmu (stanje TS),<br />
• prijemnik je u laˇznom nesinhronizmu (stanje FS).
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 6<br />
lažan<br />
nesinhronizam<br />
(FS)<br />
ispravan<br />
nesinhronizam<br />
(TS)<br />
ispravan<br />
sinhronizam<br />
(TL)<br />
lažan<br />
sinhronizam<br />
(FL)<br />
Slika 1.5: Stvarna stanja u kojima se sistem moˇze naći u odnosu na sinhronizam<br />
Dobra strategija sinhronizacije treba da minimizuje verovatnoću da se prijemnik na†e<br />
ustanjimaFL i FS, kaoidaštobrˇze pre†e iz bilo kog stanja u stanje TL.<br />
1.1.1 Detekcija sinhro-sekvence<br />
Bez obzira u kom je stanju prijemnik, detekcija sinhro sekvence se vrši na sledeći<br />
način. Lokalnogenerisanakopijasinhrosekvenceseporedi(koreliše)sasadrˇzajem klizećegprozoraukomesenalazeprimljenisimboli(slika1.6).Akojeprijemnikusinhronizmu,<br />
tada se klizeći prozor pomera za duˇzinu rama, a ako prijemnik nije u sinhronizmu,<br />
klizeći prozor se pomera za jedan simbol.<br />
tok simbola<br />
koji pristižu u<br />
prijemnik<br />
lokalno generisana kopija<br />
sinhro-sekvence<br />
klizeci prozor<br />
Slika 1.6: Detekcija sinhro-sekvence<br />
Najjednostivniji kriterijum za procenu da li se u klizećem prozoru nalazi sinhrosekvenca<br />
je perfektna korelacija sa lokalno generisanom kopijom. Perfektna korelacija<br />
znači da se ne dozvoljavaju greške u primljenoj sinhro-sekvenci koje mogu nastati usled
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 7<br />
uticaja šuma. Ako obeleˇzimo lokalno generisanu sinhro-sekvencu sa s =[s0,s1,...,sN−1],<br />
gdejeNduˇzina sinhro-sekvence, a sadrˇzaj prozora sa ri =[ri,ri+1,...,ri+N−1], gdejesa<br />
i označen pomeraj u odnosu na početak primljene sekvence simbola, za izračunavanje<br />
korelacije koristimo sledeći izraz:<br />
Ci =<br />
N−1 X<br />
j=0<br />
gdejesaa(x, y) funkcija definisana na sledeći način:<br />
½<br />
1, x = y<br />
a(x, y) =<br />
−1, x 6= y<br />
a(sj,ri+j) (1.1)<br />
(1.2)<br />
Perfektna korelacija podrazumeva da se sinhro-sekvenca smatra detektovanom na<br />
poziciji i ukoliko je:<br />
Ci =max(Cj)<br />
=N (1.3)<br />
j<br />
Za duˇze sinhro-sekvence kriterijum kao što je perfektna korelacija moˇze biti nepovoljan.<br />
Naime, ako pretpostavimo da se prenose biti i da se prenos vrši preko binarnog<br />
simetričnog kanala kod koga je verovatnoća ispravnog prenosa 1 − , tada je verovatnoća<br />
PTD da će čitava sinhro-sekvenca duˇzine N biti ispravno primljena i detektovana:<br />
štosezamalo moˇze aproksimirati sa:<br />
PrTD =(1− ) N<br />
(1.4)<br />
PrTD ≈ 1 − N (1.5)<br />
odnosno, vidimo da što je sinhro-sekvenca duˇza, veća je verovatnoća da će u prisustvu<br />
šuma biti neispravno prenesena (što je i intuitivno jasno), a to moˇze dovesti do laˇznog<br />
gubitka sinhronizacije. Stoga se u praksi dozvoljavadakorelacijanemorabitiperfektna,<br />
odnosno smatra se da je sinhro-sekvenca detektovana ukoliko u njoj ima maksimalno e<br />
pogrešnih simbola, gde je e neki mali broj (obično je e jednako 2 ili 3). Kriterijum za<br />
detekciju je sada (slika 1.7):<br />
Ci ≥ N − e (1.6)<br />
Drugim rečima, u ovom slučaju je sinhro-sekvenca detektovana ukoliko se u klizećem<br />
prozoru na†e ne samo sinhro-sekvenca, već i sve sekvence koje su od nje na Hemingovom<br />
rastojanju koje je e ilimanje,štoje Pe ¡ ¢ N<br />
k=0 k .<br />
Me†utim, ovakav pristup nosi sa sobom probleme druge vrste. Verovatnoća da je<br />
sinhro-sekvenca ispravno detektovana je povećana (što je povoljno):<br />
eX<br />
µ <br />
N<br />
PrTD = (1 − )<br />
k<br />
N−k k<br />
(1.7)<br />
k=0
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 8<br />
C i<br />
N<br />
e<br />
prag<br />
Slika 1.7: Kriterijum detekcije<br />
ali je i povećana verovatnoća laˇzne detekcije - simulacije sinhro-sekvence od strane informacionih<br />
simbola (što je nepovoljno):<br />
PrFD =<br />
µ 1<br />
2<br />
N eX<br />
k=0<br />
µ <br />
N<br />
k<br />
i<br />
(1.8)<br />
Na graficima 1.8, 1.9 i 1.10 su prikazani, u zavisnosti od parametara e.i N, verovatnoća<br />
laˇzne detekcije PrFD iverovatnoća ispravne detekcije PrTD za vrednosti verovatnoće<br />
simbolske greške =10 −2 i =10 −6 . Što se tiče PrFD,sapovećanjem parametra e<br />
dolazi do stalnog pomaka na grafiku, odnosno PrFD raste. Me†utim, kako N raste, ova<br />
verovatnoća eksponencijalno opada i vrlo brzo postaje praktično zanemarljiva, odnosno<br />
samo za male duˇzine sinhro-sekvenci moˇze da smeta ispravnom hvatanju sinhronizacije.<br />
Što se tiče PrTD, vidi se da za relativno veliku verovatnoću pogrešnog prenosa relaksiranje<br />
uslova ispravnog prijema sinhro-sekvence daje veliki dobitak za PrTD,dokje<br />
kod prenosa sa malom verovatnoćom greške dobitak praktično zanemarljiv. Tako†e, sa<br />
povećenjem e dobitak je sve manji.<br />
Pri izvo†enju jednačine 1.8 pretpostavljeno je da verovatnoća simulacije sinhrosekvence<br />
ne zavisi niti od konkretnog oblika sekvence, ni od pozicije na kojoj se pretraga<br />
vrši (pozicije klizećeg prozora). U 3. poglavlju će biti pokazano da to nije slučaj.<br />
Naime, verovatnoća pretrage za odre†enom sekvencom u nizu slučajnih simbola zavisi i<br />
od strukture sekvence i od mesta u nizu na kojem se pretraga vrši, i moˇze se analitički<br />
odrediti. Pomoćunjesemoˇze izvršiti optimizacije strukture sinhro-sekvence, što je tema<br />
4. poglavlja. To je u najkraćem rečeno i glavni doprinos ovog rada.<br />
Optimalna detekcija sinhro-sekvence u prisustvu AWGN-a<br />
Jedan od najvaˇznijih modela kanala je AWGN kanal. Za razliku od BSC kanala,<br />
vrednosti simbola koji se javljaju na izlazu kanala su iz skupa realnih brojeva. Klipovanje<br />
primljenih simbola koje bi prethodilo izračunavanju korelacije (radi detekcije sinhrosekvence)<br />
kod AWGN kanala ne bi dalo optimalan rezultat, jer se klipovanjem gubi deo<br />
deo informacije. Naime, iz Teorije informacija je poznato da se moˇze postići odre†eni
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 9<br />
Pr FD<br />
Pr TD<br />
10 0<br />
10 −10<br />
10 −20<br />
10 −30<br />
10 −40<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
e = 0<br />
e = 1<br />
e = 2<br />
e = 3<br />
10 1<br />
Slika 1.8: Verovatnoća laˇzne detekcije u zavisnosti od parametra e<br />
e = 0<br />
e = 1<br />
e = 2<br />
e = 3<br />
10 1<br />
N<br />
ε = 10 −2<br />
Slika 1.9: Verovatnoća ispravne detekcije za =10 −2<br />
N<br />
10 2<br />
10 2
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 10<br />
Pr TD<br />
10 0<br />
10 −1e−005<br />
10 −2e−005<br />
10 −3e−005<br />
10 −4e−005<br />
e = 0<br />
e = 1<br />
e = 2<br />
e = 3<br />
10 1<br />
ε = 10 −6<br />
N<br />
Slika 1.10: Verovatnoća ispravne detekcije za =10 −6<br />
dobitak ako se koristi tzv. meko odlučivanje (soft decision), kada se prilikom odlučivanja<br />
koriste primljene vrednosti u svom originalnom obliku, a pored njih se u obzir uzima<br />
i informacija o njihovoj verodostojnosti. Optimalno pravilo za odlučivanje na AWGN<br />
kanalu je dato u [8], a ovde će ono ukratko biti rekapitulirano.<br />
Neka je duˇzina ramova koji se prenose F , i neka se na početku svakog rama nalazi<br />
sinhro-sekvenca duˇzine N. Sinhro-sekvencu je s =[s0,s1,..,sN−1], apreostalideorama<br />
koji nosi podatke je d =[d0,d1,..,dL−1], gdejeL = N − F . Prijemnik ne zna gde<br />
su granice rama i započinje pretragu u okviru prvih N primljenih bita da bi pronašao<br />
sinhro-sekvencu. Pretpostavimo da su vrednosti simbola iz skupa {−1, 1}. Primljena<br />
sekvenca je N-dimenziona slučajna promenljiva:<br />
r =T m (s ∗ d)+n (1.9)<br />
gdejesa∗označena operacija konkatenacije dve sekvence, T m je ciklični šift za m<br />
pozicija, pri čemu je m pozicija na kojoj se nalazi sinhro sekvenca, a n je N-dimenziona<br />
Gausova slučajna promenljiva sa nultom srednjom vrednošću i varijansom N0<br />
2 .Drugim<br />
rečima, primljena sekvenca je:<br />
r =[dL−m,dL−m+1,...,dL−1,s0,s1,...,sF −1,d0,d1,...,dL−1−m]+[n0,n1,...,nN] (1.10)<br />
Neka je sa ρ označena konkretna primljena sekvenca. Tada se za poziciju sinhrosekvence<br />
m u okviru nje bira ona pozicija µ za koju se maksimizuje verovatnoća:<br />
S1 =Pr{m = µ/ρ} (1.11)<br />
10 2
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 11<br />
Korišćenjem Bajesove formule dobija se:<br />
Pr{m = µ/ρ} =<br />
Pr{m = µ, ρ}<br />
p{ρ}<br />
= p{ρ/m = µ} Pr{m = µ}<br />
p{ρ}<br />
(1.12)<br />
Pretpostavka je da je apriorna verovatnoća da se sinhro-sekvenca nalazi na bilo kojoj<br />
poziciji ista, tj. Pr{m = µ} = 1<br />
N , i ne utiče na maksimizaciju (1.11). Isto tako ni p{ρ} ne<br />
utiče na maksimizaciju (1.11) jer ne zavisi od m. Stoga se moˇze posmatrati maksimizacija<br />
sledećeg kriterijuma:<br />
S2 = p{ρ/m = µ} (1.13)<br />
Konkretna primljena sekvenca ρ je:<br />
ρ =T m (s ∗ δ)+n (1.14)<br />
gdejesaδ označen deo sekvence koji odgovara podacima δ =[δ0,δ1,..,δL−1].<br />
Dalje je:<br />
p{ρ/m = µ} = X<br />
X<br />
N−L<br />
p{ρ/m = µ, δ}p{δ} =2 p{ρ/m = µ, δ} (1.15)<br />
svim δ<br />
svim δ<br />
pa se umesto (1.13) moˇze posmatrati maksimizacija sledećeg kriterijuma:<br />
S3 = X<br />
p{ρ/m = µ, δ} = X<br />
p{ρ − T m (s ∗ δ)} (1.16)<br />
svim δ<br />
Poštose radioAWGN,vaˇzi:<br />
p{ρ − T m (s ∗ δ)} =<br />
µ 1<br />
√2π<br />
F N−1 Y<br />
i=0<br />
svim δ<br />
e − (ρi+µ −si )2<br />
N0 FY −1<br />
i=N<br />
e − (ρ i+µ −δ i−N )2<br />
N 0 (1.17)<br />
i ako zamenimo ovaj izraz u (1.16), dobijamo sledeći kriterijum maksimizacije:<br />
S4 = X<br />
=<br />
svim δ<br />
N−1 Y<br />
i=0<br />
Ã<br />
N−1 Y<br />
i=0<br />
e − (ρi+µ −si )2<br />
N0 e − (ρi+µ −si )2<br />
N0 X<br />
FY −1<br />
i=N<br />
FY −1<br />
svim δ i=N<br />
pri čemu je ponovo zanemaren konstantni član<br />
Vaˇzi:<br />
e − (ρi+µ −δi−N )2<br />
!<br />
N0 e − (ρ i+µ −δ i )2<br />
N 0 (1.18)<br />
³ ´ F<br />
√2π 1 .<br />
(ρi+µ − si) 2 = ρ 2 i+µ − 2ρi+µsi + s 2 i = ρ 2 i+µ − 2ρi+µsi +1 (1.19)<br />
(ρi+µ − δi−N) 2 = ρ 2 i+µ − 2ρi+µδi−N + δ 2 i−N = ρ 2 i+µ − 2ρi+µδi−N +1 (1.20)
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 12<br />
Pa je:<br />
N−1 Y<br />
i=0<br />
e − (ρi+µ −si )2<br />
N0 Y<br />
F −1<br />
F<br />
−<br />
= e N0 e − ρ2 i+µ<br />
N0 i=0<br />
X<br />
FY −1<br />
svim δ i=N<br />
N−1 Y<br />
i=0<br />
2ρi+µ si e N0 e − (ρ i+µ −δ i−N )2<br />
N 0 =<br />
X<br />
FY −1<br />
svim δ i=N<br />
2ρi+µ δi−N e N0 (1.21)<br />
Simboli informacione sekvence, kao što je već navedeno, mogu imati vrednosti ±1.<br />
Neka se posmatra suma sa desne strane izraza (1.21). Pošto se sumiranje vrši po svim<br />
δ, polovina proizvoda pod sumom za prvi član ima e − 2ρN+µ 2ρN+µ N0 , a druga polovina e N0 .<br />
To znači da se gornja suma moˇze predstavit na sledeći način:<br />
X<br />
FY −1<br />
svim δ i=N<br />
2ρi+µ δi−N e N0 = X<br />
=<br />
svim δ\δ0<br />
+ X<br />
svim δ\δ0<br />
e − 2ρN+µ N0 2ρN+µ e N0 µ<br />
e − 2ρN+µ 2ρN+µ N0 + e N0 = 2cosh 2ρ N+µ<br />
N0<br />
FY −1<br />
i=N+1<br />
X<br />
FY −1<br />
i=N+1<br />
2ρi+µ δi−N e N0 +<br />
X<br />
svim δ\δ0 i=N+1<br />
2ρi+µ δi−N e N0 FY −1<br />
svim δ\δ0 i=N+1<br />
FY −1<br />
gdejesaδ\δ0 označena sekvenca informacionih bita bez bita δ0.<br />
Razvojem izraza (1.22) dobija se:<br />
X<br />
FY −1<br />
svim δ i=N<br />
Y<br />
2ρi+µ δ F −1<br />
i−N<br />
e N0 =<br />
i=N<br />
2cosh 2ρ i+µ<br />
N0<br />
2ρi+µ δi−N e N0 2ρi+µ δi−N e N0 (1.22)<br />
(1.23)<br />
Zamenom (1.23) u (1.18), kriterijum maksimizacije postaje (pri čemu su zanemareni<br />
konstantni članovi):<br />
S5 =<br />
FY −1<br />
i=0<br />
e − ρ2 i+µ<br />
N0 N−1 Y<br />
i=0<br />
Y<br />
2ρi+µ s F −1<br />
i<br />
e N0 i=N<br />
cosh 2ρ i+µ<br />
N0<br />
(1.24)<br />
U gornjem izrazu prvi član sa desne strane ne zavisi od pozicije sinhro-sekvence µ,<br />
jer su u proizvodu obuhvaćeni svi primljeni biti, pa se i taj član moˇze zanemariti:<br />
S6 =<br />
N−1 Y<br />
i=0<br />
Y<br />
2ρi+µ s F −1<br />
i<br />
e N0 i=N<br />
cosh 2ρ i+µ<br />
N0<br />
(1.25)
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 13<br />
Logaritmovanjem izraza (1.25) dobija se:<br />
S7 =<br />
=<br />
N−1 X<br />
i=0<br />
N−1 X<br />
i=0<br />
2ρ i+µsi<br />
N0<br />
2ρ i+µsi<br />
N0<br />
X<br />
F −1<br />
+<br />
i=N<br />
X<br />
F −1<br />
+<br />
i=0<br />
µ<br />
ln<br />
µ<br />
ln<br />
cosh 2ρ i+µ<br />
N0<br />
cosh 2ρ i+µ<br />
N0<br />
<br />
N−1 X<br />
−<br />
i=0<br />
µ<br />
ln<br />
cosh 2ρ i+µ<br />
N0<br />
<br />
(1.26)<br />
Pošto u poslednjem izrazu drugi član sa desne strane tako†e ne zavisi od µ, ionse<br />
moˇze izbaciti:<br />
N−1 X<br />
N−1<br />
2ρ X<br />
µ<br />
i+µsi<br />
S8 =<br />
− ln cosh<br />
N0<br />
2ρ <br />
i+µ<br />
N0<br />
(1.27)<br />
i=0<br />
Preure†ivanjem (1.27) konačno se dobija:<br />
S =<br />
N−1 X<br />
i=0<br />
N−1 X<br />
ρi+µsi −<br />
i=0<br />
i=0<br />
N0<br />
2 ln<br />
µ<br />
cosh 2ρ <br />
i+µ<br />
N0<br />
(1.28)<br />
Prvi član sa desne strane je soft-korelacija izme†u dela primljene sekvenca koja se<br />
računa za 0 ≤ µ ≤ F − 1, a drugi član je korektivni faktor koji daje procenu verodostojnosti<br />
primljene vrednosti. Ako pretpostavimo da je SNR dovoljno velik, tj. da vaˇzi<br />
Eb<br />
N0<br />
sa:<br />
= 1<br />
N0<br />
³<br />
À 1, tadajeln<br />
cosh 2ρ i+µ<br />
N0<br />
S =<br />
N−1 X<br />
i=0<br />
´ ¯<br />
≈<br />
¯ 2ρ i+µ<br />
N0<br />
ρ i+µsi −<br />
¯<br />
¯, pa se izraz (1.28) moˇze aproksimirati<br />
N−1 X<br />
i=0<br />
¯<br />
¯ ρi+µ<br />
Zanimljivo je primetiti da je maksimalna vrednost gornjeg izraza 0.<br />
1.1.2 Heberleove akvizicione krive<br />
¯ (1.29)<br />
U prošlom odeljku su ukratko prikazani neki od kriterujuma detekcije sinhro-sekvence.<br />
Me†utim, još uvek ništa nije rečeno o tome kakva bi trebala da bude struktura sinhrosekvence,<br />
i kolika bi trebala da bude njena duˇzina u odnosu na duˇzinu rama. Odgovor<br />
na drugo pitanje daju Heberleove (Häberle) akvizicione krive [9], koje će biti prikazane<br />
na ovom mestu.<br />
Neka je duˇzina rama F ,aduˇzina sinhro-sekvence N. Prijemnik je u stanju pretrage<br />
za sinhro-sekvencom koju započinje sa pozicije S u okviru rama, 0 ≤ S ≤ F − 1. Neka<br />
je prosečna verovatnoća simulacije sinhro-sekvence PrFD. U toku pretrage u preostalih<br />
X = F − S pozicija, sinhro-sekvenca će biti prosečno simulirana X · PrFD puta. Svaki<br />
putakadasesimulacijadesi,skače sa na sledeći ram, i vrši verifikacija (slika 1.3). Sa<br />
verovatnoćom PrFD će se verifikacija nastaviti (tj. sinhro-sekvenca će ponovo biti simulirana),asaverovatnoćom<br />
1−PrFD će se pretraˇzivanje nastaviti dalje. Ako je verifikacija<br />
uspela, u sledećoj verifikaciji vaˇzi isto - sa verovatnoćom PrFD će se verifikacija nastaviti,<br />
a sa verovatnoćom 1 − PrFD će se ponovo početi sa pretragom. Radi odre†ivanja
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 14<br />
prosečnog broja verifikacija izazvanih uzastopnim simulacijama sinhro-sekvence, definiše<br />
se slučajna promenljiva Z koja predstavlja broj uzastopnih verifikacija sinhro-sekvence<br />
na istoj poziciji u susednim ramovima. Vaˇzi:<br />
p{Z = k} =(PrFD) k−1 (1 − PrFD) (1.30)<br />
jer tačno k verifikacija znači da je sekvenca simulirana k − 1 put, dok se u poslednjoj<br />
verifikaciji to nije desilo.<br />
Prosečan broj ponovljenih verifikacija je:<br />
E[Z] =<br />
+∞X<br />
k=0<br />
+∞X<br />
k · p{Z = k} =(1−PrFD) k(PrFD) k−1<br />
1<br />
1<br />
= (1−PrFD) =<br />
(1.31)<br />
(1 − PrFD) 2 1 − PrFD<br />
Neka su intervali u kome se prenosi pojedini biti iz rama jediničnog trajanja. Prosečno<br />
vreme potrebno da se počevši od pozicije S stigne do kraja rama i konačno detektuje<br />
prava sinhro-sekvenca (ili, kako je to Heberle nazvao, prosečno vreme sinhronizacije) je:<br />
X · PrFD<br />
TSY N = F + X (1.32)<br />
1 − PrFD µ <br />
PrFD<br />
= X<br />
F +1<br />
(1.33)<br />
1 − PrFD<br />
Izraz (1.32) se moˇze objasniti na sledeći način. Kao što je navedeno, počevši od<br />
pozicije S, postojiX = F − S pozicija za pretragu, a ispitivanje svake od tih pozicija<br />
traje jedan interval (drugi član sa desne strane). Na X · PFD pozicija će sinhro-sekvenca<br />
1<br />
biti simulirana, tada će vršiti prosečno verifikacija, a svaka verifikacija traje jedan<br />
1−PFD<br />
ram, odnosno F bitskih intervala (prvi član sa leve strane).<br />
Ako pretpostavimo da je prosečna verovatnoća simulacije sinhro-sekvence:<br />
PrFD = 1<br />
2 N<br />
k=1<br />
(1.34)<br />
tada je:<br />
µ<br />
F<br />
TSY N = X<br />
2N − 1 +1<br />
<br />
(1.35)<br />
U najgorem slučaju je S =1,tj.X = F − 1, pa izraz (1.35) postaje:<br />
µ<br />
F<br />
TSY N =(F − 1)<br />
2N − 1 +1<br />
µ<br />
F<br />
≈ F<br />
2N − 1 +1<br />
<br />
(1.36)<br />
Grafik 1.11prikazujeprosečno trajanje sinhronizacije u funkciji duˇzine rama i za<br />
razne vrednosti parametra α = N<br />
F , tj. odnosa duˇzine sinhro-sekvence i duˇzine rama.<br />
Krive na grafiku su ograničene sa leve i desne strane. Ograničenje sa leve strane je<br />
posledica činjenice da sinhro-sekvenca ne moˇze biti kraća od jednog simbola, dok je<br />
ograničenje uslovljeno time da sinhronizacija ne moˇze kraće trajati od trajanja rama.<br />
Na osnovu grafika se mogu doneti sledeći zaključci:
GLAVA 1. SINHRONIZACIJA NA NIVOU RAMA 15<br />
• za datu duˇzinu rama, prosečno trajanje sinhronizacije se smanjuje sa povećanjem<br />
duˇzine sinhro-sekvence (odnosno povećanjem α),što je i logično jer je slučajna<br />
simulacija duˇzeg niza manje verovatna od slučajne simulacije kraćeg niza,<br />
• za dato α, prosečno trajanje sinhronizacije zavisi od duˇzine rama, što je pogotovo<br />
izraˇzenozamalevrednostiα,<br />
• za dato α, postojiminimalnoprosečno trajanje sinhronizacije, na osnovu kojeg se<br />
moˇze odrediti optimalna vrednost za N i F .<br />
T SYN<br />
10 7<br />
10 6<br />
10 5<br />
10 4<br />
10 3<br />
10 2<br />
10 1<br />
10 1<br />
10 2<br />
10 3<br />
F<br />
10 4<br />
Slika 1.11: Prosečno trajanje sinhronizacije<br />
α = 10%<br />
α = 5%<br />
α = 2%<br />
α = 1%<br />
α = 0.4%<br />
α = 0.2%<br />
α = 0.1%<br />
Prilikom izvo†enja jednačine (1.35), učinjeno je nekoliko aproksimacija, o kojima je<br />
već biloreči u odeljku 1.1.1. Prvo, pretpostavljeno je da prosečna verovatnoća simulacijeistazasvesekvenceisteduˇzine<br />
i jednaka 1<br />
2N . Drugo, pretpostavljeno je da ova<br />
verovatnoća ne zavisi od početne pozicije pretrage u ramu. I jedna i druga pretpostavka<br />
nisu tačne, što je i sam Heberle u odre†enoj meri elaborirao u [9]. Istim problemom, ali<br />
sa drugačijeg stanovišta se kasnije pozabavio i Nilsen (Nielsen) u [11]. U 3. poglavlju,<br />
biće izvedena tačna raspodela verovatnoće slučajne simulacije proizvoljne sekvence u zavisnosti<br />
od pozicije u ramu i njene strukture (što je i osnovni rezultat ovog rada), na<br />
osnovu kojij je moguće modifikovati Heberleove akvizicione krive.<br />
10 5
Glava 2<br />
Dizajn optimalnih<br />
sinhronizacionih sekvenci<br />
U ovom poglavlju biće ukratko prikazane binarne sinhro-sekvence dobijene optimizacijom<br />
po nekoliko različitih kriterijuma. Svi one se, me†utim, suštinski svode na<br />
minimizaciju neke mere kojom se procenjuje verovatnoća da će N uzastopnih simbola<br />
primljene sekvence biti greškom proglašeno za sinhro-sekvencu [4]. U zavisnosti od toga<br />
kako se mera definiše, dobijaju se različiti kriterijumi za dizajn sinhro-sekvence, odnosno,<br />
tačnije rečeno, za izbor sinhro-sekvence iz skupa sekvenci date duˇzine.<br />
Prilikom pretrage za sinhro-sekvencom u ramu razlikujemo dva regiona:<br />
• tzv. kvazi-deterministički region (overlap region, zona preklapanja) koji se graniči<br />
sa pozicijama sinhro-sekvenci u tekućem i narednom ramu ,<br />
• i region podataka, u kome se nalaze preostali simboli iz rama (data region).<br />
Ovo je prikazano na slici 2.1. Kada je klizeći prozor u kvazi-determinističkom regionu,<br />
u okviru njega se nalaze i simboli sinhro-sekvence i slučajni simboli podataka.<br />
Pogodnim izborom sinhro-sekvence se moˇze uticati na minimzaciju verovatnoće da se<br />
desi simulacija sinhro-sekvence u kvazi-determinističkom regionu. Kada se klizeći prozor<br />
na†e u regionu podataka, tada je njegov sadrˇzaj potpuno slučajan i na njega se ne moˇze<br />
uticati. Zbog toga se, u principu prilikom dizajna sinhro-sekvence veća paˇznja posvećuje<br />
kvazi-determinističkom regionu.<br />
Pre nego što budu dati pojedini kriterijumi za dizajn sinhro-sekvenci, potrebno je<br />
definisati pojam bifiksa (bifix), koji je prvo uveden u [11].<br />
Za sekvencu se kaˇze da ima bifiks duˇzine m, ukoliko su njenih prvih m bita i poslednjih<br />
m bita istovetni. Drugim rečima, sekvenca ima bifiks duˇzine m, ukoliko postoji<br />
podsekvenca koja je njen i prefiks i sufiks duˇzine m. Pomoću bifiksa se u stvari opisuju<br />
unutrašnje sličnosti u strukturi sekvence.<br />
Postojanja bifiksaseformalnoobeleˇzava pomoću tzv. bifiks indikatora h (i) ,gdei<br />
označava red (duˇzinu) bifiksa, pri čemu je 0 ≤ i ≤ N, gdejeN duˇzina sinhro-sekvence.<br />
16
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 17<br />
Vaˇzi:<br />
Po definiciji je:<br />
klizeci prozor<br />
kvazideterministicki<br />
region<br />
h (i) =<br />
sinhro-sekvenca<br />
ram<br />
region podataka<br />
kvazideterministicki<br />
region<br />
Slika 2.1: Regioni pretraˇzivanja u ramu<br />
½ 1 sekvenca poseduje bifiks reda i<br />
0 sekvenca ne poseduje bifiks reda i<br />
(2.1)<br />
h (0) = 1 (2.2)<br />
h (N) = 1 (2.3)<br />
tj. “ništa” je uvek i prefiks i sufiks, i svaka sekvenca je svoj bifiks. Npr. za sekvencu<br />
01010 je h (0) =1, h (1) =1, h (2) =0, h (3) =1, h (4) =0,ih (5) =1. Svaka sekvenca ima<br />
bar dva trivijalna bifiksa (h (0) =1i h (N) =1), a sekvence koje poseduju samo ova dva<br />
bifiksa se nazivaju sekvencama bez bifiksa (bifix-free).<br />
Pošto se sinhro-sekvence date u ovoj glavi u principu optimizuju tako da minimizuju<br />
verovatnoću pogrešne akvizicije u kvazi-determinističkom regionu, sve su ili bez bifiksa<br />
ili poseduju bifikse malog reda. To je logično, jer se time smanjuje verovatnoća da deo<br />
sinhro-sekvence koji se zajedno sa podacima na†e u klizećem prozoru tokom pretrage<br />
“odglumi” čitavu sinhro-sekvencu. Me†utim, kao što će biti pokazano u 3. poglavlju,<br />
sekvence sa bifiksima imaju neke interesantne karakteristike, Osim toga, u realnim<br />
situacijama kada su greške u prenosu dozvoljene, bifiksisenemoguseizbeći, što će<br />
tako†e biti razmatrano u 3. poglavlju.<br />
2.1 Barkerove sekvence<br />
Barkerove(Barker)sekvence[12]sume†unajpoznatijim sinhro-sekvencama, i veoma<br />
često se spominju u literaturi. Kriterijum koji je njih primenjen je minimizacija bočnih<br />
“lobova” autoperiodične autokorelacije sekvence, pri čemu se simboli podataka iz rama
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 18<br />
zanemaruju. Ako pretpostavimo da su simboli sekvence 0 i 1, iakodefinišemo autokorelaciju<br />
na sledeći način:<br />
Ci =<br />
N−1−i X<br />
j=0<br />
a(si,sj+i) (2.4)<br />
pri čemu je a(x, y) definisano izrazom (1.2), i i =0, 1, 2,..,N − 1, tada, po definiciji, za<br />
Barkerove sekvence vaˇzi:<br />
max<br />
i6=0 (|Ci|) =1 (2.5)<br />
Iako na prvi pogled uslov (2.5) ne deluje posebno zahtevno, pokazuje sa da u pronala-<br />
ˇzenje sekvenci koje ga zadovoljavaju izuzetno teˇzak problem za koga ne postoji analitičko<br />
rešenje. Postoji svega nekoliko poznatih sekvenci za koje je ovaj uslov zadovoljen,<br />
i njihove duˇzine su 1, 2, 3, 4, 5, 7, 11 i 13. Ne zna se da li postoje sekvence koje<br />
zadovoljavaju (2.5) za duˇzine većeodovih[13]. DosvihpoznatihBarkerovihsekvenci<br />
se došlo računarskom pretragom (što vaˇzi i za sve ostale sekvence spomenute u ovom<br />
odeljku). Poznate Barkerove sekvence su date u tabeli 2.1. Naravno, pored sekvenci<br />
izlistanih u tabeli, isti uslov zadovoljavaju i sekvence koje se dobijaju inverzijom simbola<br />
i/ili inverzijom njihovog redosleda (što tako†e vaˇzi za sve sekvence date u ovom<br />
odeljku).<br />
duˇzina sekvenca<br />
2 11, 10<br />
3 110<br />
4 1110, 1101<br />
5 11101<br />
7 1110010<br />
11 11100010010<br />
13 1111100110101<br />
Tabela 2.1: Poznate Barkerove sekvence<br />
Ukoliko se posmatra korelacija definisana izrazom (1.1), tada se moˇze reći da će za<br />
sve pozicije prozora u okviru kvazi-determinističkog regiona Barkerov uslov omogućiti da<br />
korelacija nikad ne bude jednaka maksimalnoj vrednosti (ako nema grešaka u prenosu),<br />
što će pomoći ispravnoj sinhronizaciji na nivou rama.<br />
Na primer, neka se posmatra korelacija Barkerove sekvence 11101 sa primljenom<br />
sekvencom u kvazi-determinističkom regionu (slika 2.2). Sa punim kruˇzićima su označene<br />
vrednosti korelacije kada se ne uzimaju u obzir biti podataka. Sa krstićima su<br />
označene moguće vrednosti korelacije. Vidimo da su maksimalne vrednosti u kvazideterminističkom<br />
regionu ograničene baš zbog toga što preklapanje Barkerove sekvence<br />
sa svojom pomerenom verzijom daje mali ili nikakav doprinos ukupnoj vrednosti korelacije.<br />
U regionu podataka to ne vaˇzi.
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 19<br />
region<br />
podataka<br />
Ci<br />
kvazideterministicki<br />
region<br />
N = 5<br />
region<br />
podataka<br />
Slika 2.2: Korelacija u kvazi-determinističkom regionu za Barkerovu sekvencu, N =5<br />
2.2 Turinove sekvence<br />
Kod Turinovih (Turyn) sekvenci je kriterijum izbora minimizacija vrednosti aperiodične<br />
korelacije u okviru kvazi-determinističkog regiona, uz zanemarivanje bita podataka<br />
[4]. Ovo je slično kriterijumu kod Barkerovih sekvenci, ali bez ograničenja da<br />
je maksimalna apsolutna vrednost korelacije 1. U tabeli 2.2 su date neke od Turinovih<br />
sekvenci.<br />
2.3 Vilardove sekvence<br />
5<br />
3<br />
1<br />
-1<br />
-3<br />
-5<br />
duˇzina sekvenca maxi6=0 (|Ci|)<br />
14 11111001100101 2<br />
15 111110011010110 2<br />
16 1110111000010110 2<br />
17 11001111101010010 2<br />
18 111110100101110011 2<br />
19 1111000111011101101 2<br />
20 11111011100010110100 2<br />
21 111111010001011000110 2<br />
22 1111111100011011001010 3<br />
Tabela 2.2: Turinove sekvence<br />
Za razliku od kriterijuma primenjenog kod BarkerovihiTurinovihsekvenci,kod<br />
izbora Vilardovih (Willard) sekvenci se u obzir uzimaju i simboli podataka koji sinhrosekvencu<br />
okruˇzuju (simboli podataka u kvazi-determinističkom regionu). Mera koju min-<br />
i
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 20<br />
region<br />
podataka<br />
Ci<br />
kvazideterministicki<br />
region<br />
N = 5<br />
region<br />
podataka<br />
Slika 2.3: Korelacija u kvazi-determinističkom regionu za Vilardovu sekvencu, N =5<br />
imizuju Vilardove sekvence je totalna verovatnoća simulacije u kvazi-determinističkom<br />
regionu [4]. Naime, ako za svaku vrednost pomeraja u kvazi-determinističkom regionu<br />
izračunamo verovatnoću simulacije sinhro-sekvence (koja je posledica grešaka u prenosu),<br />
i zatim izračunamo sumu svih ovih verovatnoća - dobijamo tzv. totalnu verovatnoću simulacije.<br />
Za Vilardovu sekvencu date duˇzine vrednost ove sume je minimalna. Ovakvim<br />
postupkom je moguće pronaći Vilardovu sekvencu za svaku duˇzinu, što ne vaˇzi za<br />
Barkerove sekvence. U tabeli 2.3 su date Vilardove sekvence do duˇzine 10.<br />
duˇzina sekvenca<br />
2 10<br />
3 110<br />
4 1100<br />
5 11010<br />
7 0101010<br />
8 00100111<br />
9 000100111<br />
10 0000111011<br />
Tabela 2.3: Vilardove sekvence<br />
Radi pore†enja sa odgovarajućom Barkerovom sekvencom, na slici 2.3 je data korelacija<br />
u kvazi-determinističkom regionu za Vilardovu sekvencu duˇzine 5. Ponovo su<br />
sa punim kruˇzićima označene vrednosti korelacije kada se zanemaruju simboli podataka,<br />
doksusakrstićima označene moguće vrednosti korelacije kada seioniuzimajuuobzir.<br />
Vidimo da su u ovom slučaju maksimalne vrednosti korelacije manje nego za Barkerovu<br />
sekvencu iste duˇzine (slika 2.2).<br />
5<br />
3<br />
1<br />
-1<br />
-3<br />
-5<br />
i
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 21<br />
2.4 Mori-Stajls sekvence<br />
Kriterijum za dizajn Mori-Stajls (Maury-Styles) sekvenci je sličan onom koji je primenjen<br />
kod Vilardovih [4]. I ovom slučaju se minimizuje totalna verovatnoća simulacije<br />
u kvazi-determinističkom regionu, pri čemu se dozvoljavaju dve greške nastale prenosu.<br />
Drugim rečima, ne vrši se pretraga ne za samo jednom sekvencom, već izasvimsekvencama<br />
koje su na rastojanju e ≤ 2 od nje, što je ukupno 1+N + ¡ N¢<br />
2 ,gdejeNduˇzina sekvence. Zbog načina na koji je kriterijum definisan, moguće je pronaći Mori-Stajls<br />
sekvencu za svaku duˇzinu.Nekeodnjihsudateutabeli2.4.<br />
duˇzina sekvenca<br />
7 1011000<br />
8 10111000<br />
9 101110000<br />
10 1101111000<br />
11 10110111000<br />
12 110101100000<br />
13 1110101100000<br />
14 11110100110000<br />
15 111011001011000<br />
Tabela 2.4: Mori-Stajls sekvence<br />
2.5 Al-Subah-Dˇzons sekvence<br />
Za razliku od prethodno pobrojanih autora, Al-Subah i Dˇzons (Al-Subbagh, Jones)<br />
su se u [15], pored uticaja kvazi-determinističkog regiona, pozabavili i uticajem regiona<br />
podataka na ispravnu akviziciju. Kriterijum izbora sinhro-sekvence je vezan za proces<br />
pretrage u ramu za sinhro-sekvencom, i predstavlja maksimizaciju zdruˇzene verovatnoće<br />
sledeća dva doga†aja: da sinhro-sekvenca neće biti slučajno simulirana pre svoje<br />
stvarne pozicije, i da će sinhro-sekvence biti uhvaćena kada se stvarno pojavi. Ovo je jednim<br />
imenom nazvano verovatnoća preˇzivljavanja pretrage. U svojim razmatranjima su<br />
ova dva autora ispitivali uticaj duˇzine rama, duˇzine sinhro-sekvence, dozvoljenog broja<br />
grešaka i strukture sekvence na verovatnoću preˇzivljavanja. Iako nisu raspolagali analitičkim<br />
izrazima izvedenim u ovom radu, sluˇzeći se isključivo računarskim simulacijama<br />
došlisudonekolikovaˇznih zaključaka:<br />
1. Verovatnoća simulacije sekvence sa bifiksima je manja u regionu podataka, a veća<br />
u kvazi-determinističkom regionu (obrnuto vaˇzi za sekvence sa bifiksom).<br />
2. Što se tiče sekvenci bez bifiksa, one se u regionu podataka ponašaju isto, dok se<br />
razlike me†u njima se pojavljuju u kvazi-determinističkom regionu u zavisnosti od<br />
broja dozvoljenih grešaka e.
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 22<br />
3. Verovatnoća preˇzivljavanja zavisi od toga koliki je deo rama obuhvaćen pretragom<br />
(što indirektno zavisi i od duˇzine rama),<br />
4. Za svaku sekvencu sa bifiksima postoji tzv. tačka preloma (turning point), nakon<br />
koje njena verovatnoća pre-ˇzivljavanja postaje veća nego verovatnoće preˇzivljavanja<br />
sekvence bez bifiksa. Poloˇzaj ove tačke zavisi od toga koliko bifiksa ima<br />
sekvenca i za veći broj bifiksa veća je vrednost tačke preloma.<br />
5. Poloˇzaj tačke preloma zavisi od duˇzine sekvence, što je sekvenca duˇza vrednost<br />
tačka preloma je udaljenija, pri čemu simulacije pokazuju da je ova zavisnost eksponencijalna.<br />
6. Poloˇzaj tačke preloma zavisi od dozvoljenog broja grešaka e, što je njihov broj<br />
veći, manja je vrednost ovog parametra.<br />
Za svaku sekvencu moˇze se izračunati suma verovatnoća preˇzivljavanja za svaki<br />
poloˇzaj pretrage počevši od očekivane startne pozicije. Za konkretnu sinhro-sekvencu<br />
treba izabrati onu sekvencu za koju je ova suma maksimalna. Primenom ovog kriterijuma<br />
za različite očekivane vrednosti pretrage, duˇzine rama, duˇzine i strukture sinhro-sekvence<br />
se dobijaju sledeći rezultati:<br />
• Za kratke sinhro-sekvence (duˇzine oko deset bita i manje) veliki uticaj ima očekivana<br />
vrednost pozicije od koje će pretraga započinjati. Ukoliko je ova vrednost<br />
dosta veća od vrednosti tačke preloma za dati dozvoljeni broj grešaka, tada se<br />
moˇze desiti da je bolji izbor (što je pomalo neočekivano) sekvenca sa bifiksima. To<br />
je zbog toga što ove sekvence imaju veće verovatnoće preˇzivljavanja nakon tačke<br />
preloma, što kompenzuje manje verovatnoće preˇzivljavanja pre ove tačke (i prvo i<br />
drugo se posmatra u odnosu na sekvencu bez bifiksa).<br />
• Ako je očekivana startna pozicija u blizini tačke preloma, ili manja od nje, tada je<br />
generalno bolji izbor sekvenca bez bifiksa. I me†u sekvencama bez bifiksa postoje<br />
razlike, pa treba izabrati onu za koju je pod datim uslovima ukupna suma verovatnoća<br />
preˇzivljavanja najveća.Zaprimernavedimodajevrednosttačke preloma za<br />
e =0izaN =8negde oko 200, azaN =10negde oko 1500 (od broja bifiksa<br />
zavisi i konkretna vrednost).<br />
• Ukoliko je sinhro-sekvenca duˇza tada je poloˇzaj tačke preloma veoma velik, daleko<br />
veći nego duˇzine ramova koje se koriste u praksi (npr. za e =0i N =16je tačka<br />
preloma reda veličine 100000 bita) pa su sekvence bez bifiksa u principu bolji izbor.<br />
Tako†e, i u ovom slučaju me†u njima treba izabrati one koje imaju najveću totalnu<br />
verovatnoću preˇzivljavanja za dato e.<br />
U tabeli 2.5 su date sekvence za nekoliko duˇzina i nekoliko vrednosti dozvoljenih<br />
grešaka. Analitička derivacija ovih rezultata, kao i njihov opis i tumačenje su dati u<br />
poglavljima koja slede.
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 23<br />
duˇzina e =0 e =1 e =2<br />
7 0001011 0001011 /<br />
8 00011011 00011011 00011101<br />
9 000100111 000100111 000011101<br />
10 0000111011 0000111011 0000111011<br />
11 00010010111 00010010111 00011101101<br />
12 000001101011 000001101011 000001101011<br />
13 0000011010111 0000011010111 0000011010111<br />
14 00000101100111 00000101100111 00000101100111<br />
15 000001011100111 000010100110111 000010100110111<br />
2.6 Distribuirane sekvence<br />
Tabela 2.5: Al-Subah-Dˇzons sekvence<br />
Zarazlikuoddosadarazmatranihsekvenci, kod distribuiranih sekvenci su sinhronizacioni<br />
simboli pomešani sa simbolima podataka. Na primer, jedna distribuirana<br />
sinhro-sekvenca je 100*1**00*1. Ovde je duˇzina sekvence L =12, broj sinhro-simbola<br />
je N =7, dok znak ∗ predstavlja simbol podataka koji moˇze uzeti proizvoljnu vrednost.<br />
Pretraga za sinhro-sekvencom se smatra uspešnom ukoliko se u klizećem prozoru<br />
na†e bilo koja od 2L−N sekvenci koja na pozicijama sinhro-simbola ima odgovarajuće<br />
vrednosti.<br />
Ono zbog čega su distribuirane sekvence interesantne je širi kvazi-deterministički<br />
region nego kod kontinualne sekvence sa istim brojem sinhro-simbola, jer je duˇzina distribuirane<br />
sekvence veća. Samim tim je povećana mogućnost uticaja na pretragu u<br />
ramu.<br />
Što se tiče konstrukcije distribuirane sinhro-sekvence, jedan od načina moˇze biti već<br />
spomenuta minimizacija aperiodične autokorelacije u kvazi-determinističkoj zoni. U [16]<br />
je kao kriterijum uzet uslov sličan Barkerovom:<br />
max<br />
i6=0 (|Ci|)<br />
⎛<br />
⎞<br />
L−1−i X<br />
=max⎝<br />
a(si,sj+i) ⎠ =1 (2.6)<br />
i6=0<br />
pri čemu je funkcija a(x, y) redefinisana u odnosu na izraz (1.2):<br />
⎧<br />
⎨ 1, x = y<br />
a(x, y) = −1,<br />
⎩<br />
0,<br />
x 6= y<br />
x = ∗ ili y = ∗<br />
j=0<br />
(2.7)<br />
odnosno ima vrednost nula ukoliko je bilo koji od argumenata simbol podataka. Pomoću<br />
metoda opisanih u [16] mogu se konstruisati distribuirane sekvence minimalne i<br />
maksimalne duˇzine sa datim brojem sinhro-simbola koje zadovoljavaju uslov (2.6).<br />
Radi pore†enja sa kontinualnim sekvencama, neka se posmatra distribuirana sekvenca<br />
110*0*0, koja ima 5 sinhro-simbola i duˇzinu 7. Njena aperiodična autokorelacija je
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 24<br />
region<br />
podataka<br />
Ci<br />
kvazi-deterministicki<br />
region<br />
N = 5<br />
region<br />
podataka<br />
Slika 2.4: Korelacija u kvazi-determinističkom regionu za sekvencu 110*0*0<br />
prikazana na grafiku 2.4. Kao i u prethodnim slučajevima, sa punim kruˇzićima su<br />
označene vrednosti autokorelacije kada se zanemare simboli podataka, dok krstići predstavljaju<br />
moguće vrednosti autokorelacije kada se i oni uzimaju u obzir. U odnosu na<br />
autoperiodičnu autokorelaciju Barkerove (kontinualne) sekvence, datoj na grafiku 2.2,<br />
vidi se da je kvazi-deterministički region znatni širi. U okviru njega (ako je prijem<br />
ispravan) se ne moˇze desiti pogrešna detekcija sinhro-sekvence.<br />
U tabeli 2.6 su date za primer neke distribuirane sekvence minimalne i maksimalne<br />
duˇzine koje zadovoljavaju uslov (2.6) i koje su uvek bez bifiksa,bezobzirakojesu<br />
konkretne vrednosti simboli podataka [16].<br />
N minimalna sekvenca L maksimalna sekvenca L<br />
5 11*010 6 110*0*0 7<br />
6 11*0010 7 1110**0**0 10<br />
7 1110010 7 111**0***0*10 13<br />
8 11011*10*0 10 111**0***0***0*10 17<br />
9 111*10*0110 11 111**0***0***0*10**0 20<br />
10 1110*01001*0 12 11****110**0**1****0*0*0 24<br />
11 11100010010 11 111**0*0****0****0******0110 28<br />
12 1111*0*1001010 14 111**0*0*0****0****0********0110 32<br />
13 1111*00110*1010 15 111**0*0*0****0****0****0********0110 37<br />
5<br />
3<br />
1<br />
-1<br />
-3<br />
-5<br />
Tabela 2.6: Distribuirane sekvence<br />
i
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 25<br />
2.7 Merit faktor<br />
Ukoliko uperedimo kriterijume razmatrane u prethodnim odeljcima, moˇzemo primetiti<br />
da principski postoje dva pristupa:<br />
• minimizacija korelacije izme†u sekvence i njenih aperiodičnih pomeraja (Barker,<br />
Turin),<br />
• minimizacija verovatnoće slučajnesimulacijesekvence(Vilard,Mori-Stajls,Al-<br />
Subah-Dˇzons).<br />
I dok je drugi pristup suštinski primereniji problemu sinhronizacije na nivou rama,<br />
jer pored simbola sinhro-sekvence razmatra efekte simbola podataka na akviziciju, prvi<br />
pristup je vezan za problem tzv. merit-faktora (merit factor).<br />
Mnogi autori su se bavili ovim problemom [13], me†u njima je najznačajniji Golej<br />
(Golay)kojijeidefinisao merit-faktor (faktor vrednosti) na sledeći način: ako je data<br />
binarna sekvenca s =[s0,s1,...,sN−1] duˇzine N, pričemu su simboli sekvence iz skupa<br />
{0, 1}, tada je njen merit-faktor:<br />
F (s) =<br />
C 2 0<br />
2 P N−1<br />
i=1 C2 i<br />
=<br />
N 2<br />
2 P N−1<br />
i=1 C2 i<br />
gde je Ci vrednost aperiodične autokorelacije za pomeraj i:<br />
Ci =<br />
N−1−i X<br />
k=0<br />
(2.8)<br />
a(sk,sk+i), 0 ≤ i ≤ N − 1 (2.9)<br />
a funkcija a(x, y) je definisana izrazom (1.2). Što je veći merit-faktor, sekvenca je bolja.<br />
Ako se obeleˇzi maksimalnu vrednost merit-faktora za duˇzinu N sa FN:<br />
FN =maxF<br />
(s) (2.10)<br />
s∈SN<br />
gdejesaSN označenskupsvihbinarnihsekvenciduˇzine N, moˇze se definisati meritfaktor<br />
problem kao odre†ivanje sledećeg granične vrednosti:<br />
Problem 1 Odrediti vrednost lim sup N→∞ FN.<br />
Trenutna saznanja koja se tiču merit-faktor problema se mogu sumirati sledećom<br />
nejednakošću:<br />
6 ≤ lim sup FN ≤∞ (2.11)<br />
N→∞<br />
Sam problem je veoma sloˇzen i ne postoje analitički metodi za njegovo rešavanje. Postoje<br />
odre†eni algoritmi pomoću kojih je moguće konstruisati sekvence sa relativno velikim<br />
merit-faktorom [14], ali je pitanje koliko su one blizu vrednosti FN za datu duˇzinu.<br />
Trenutno se vrednosti FN pouzdano znaju za N ≤ 50, azaveće duˇzine se se samo
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 26<br />
barata sa pretpostavkama. Najveći poznati merit-faktor ima Barkerova sekvenca duˇzine<br />
13 za koju je FN =14, 083. Za više informacija i dobar pregled trenutnih saznanja<br />
vezanih za ovaj problem, čitalacseupućuje na [13] i [14].<br />
Zanimljivo je navesti da merit-faktor moˇze da posluˇzi i kao procena dobrote sekvence<br />
za proširenje spektra signala kod prenosa u proširenom spektru, tzv. direktne sekvence<br />
(direct sequence spread spectrum). Naime, za ovu primenu je potrebno da direktna<br />
sekvenca što bolje “razmaˇze” spektar signala, tj. da podjednako budu zastupljene sve<br />
učestanosti u opsegu od interesa, jer to znači i bolju otpornost na ometanja.<br />
Neka se umesto simbola iz skupa {0, 1} koristi {−1, 1}. Spektar direktne sekvence je<br />
(učestanost je normalizovana sa frekvencijom pojavljivanja simbola):<br />
Snaga direktne sekvence je:<br />
S(ν) =<br />
Z1<br />
0<br />
N−1 X<br />
n=0<br />
|S(ν)| 2 dν =<br />
sne −j2πnν , 0 ≤ ν ≤ 1 (2.12)<br />
N−1 X<br />
n=0<br />
s 2 n = C0 = N (2.13)<br />
Kao mera dobrote direktne sekvence se definiše devijacija spektralne gustine snage u<br />
odnosu na snagu, tj.<br />
Z1<br />
³<br />
|S(ν)| 2 ´ 2<br />
− N dν. Što je ova vrednost manja, snaga direktne<br />
0<br />
sekvence je ujednačenije raspodeljena po frekventnom opsegu. Vaˇzi:<br />
Z1<br />
0<br />
³<br />
|S(ν)| 2 ´ 2<br />
− N dν =<br />
=<br />
Z1<br />
0<br />
1<br />
Z<br />
0<br />
|S(ν)| 4 dν − 2N<br />
|S(ν)| 4 dν − N 2<br />
Relativno jednostavno se moˇze se pokazati da je:<br />
Z1<br />
pa se zamenom u (2.14) dobija:<br />
Z1<br />
0<br />
0<br />
Z1<br />
|S(ν)| 4 dν = N 2 N−1 X<br />
+2<br />
i=1<br />
³<br />
|S(ν)| 2 ´ N−1<br />
2 X<br />
− N dν =2<br />
i=1<br />
0<br />
|S(ν)| 2 dν + N 2<br />
Z1<br />
dν<br />
C 2 i<br />
C 2 i =<br />
N 2<br />
F (s)<br />
0<br />
(2.14)<br />
(2.15)<br />
(2.16)<br />
Drugim rečima, što je merit-faktor veći, direktna sekvenca bolje proširuje spektar.<br />
Do ovog zaključka se moˇze doći i posmatranjem vrednosti aperiodične autokorelacije.
GLAVA 2. DIZAJN OPTIMALNIH SINHRONIZACIONIH SEKVENCI 27<br />
Npr. na slici 2.2, gde su punim kruˇzićima date ove vrednosti, jasno se vidi da postoji<br />
izraˇzen pik u nuli i relativno male vrednosti u ostalim tačkama, što veoma liči na diskretni<br />
δ-impuls. Sa druge strane, dobro je poznato da su u Furijeovoj transformaciji δ-impulsa<br />
podjednako zastupljene sve učestanosti.
Glava 3<br />
Bifiks analiza<br />
U prethodnom poglavlju je kroz primere pokazano da na sinhronizacione karakteristike<br />
sekvence pored duˇzine, veoma utiče i njena struktura. Prve analitičke rezultate koji<br />
potkrepljuju ovu tvrdnju je u [11] izneo Nilsen, koji je i uveo upotrebu termin bifiks na<br />
predlog Dˇzejmsa Mesija (James Massey).<br />
U [11] je dato očekivano trajanje pretrage za nekom (kontinualnom) sekvencom u<br />
beskonačnom nizu slučajnih jednakoverovatnih simbola, što bi se moglo interpretirati<br />
kao pretraga u regionu podataka koji je beskonačno dugačak. Ova vrednost je:<br />
T =<br />
NX<br />
h (i) A i NX<br />
− N =1− N +<br />
i=0<br />
i=1<br />
h (i) A i<br />
(3.1)<br />
gde su h (i) bifiks indikatori, A je broj simbola u alfabetu, a N je duˇzina sekvence.<br />
Sam dokaz dat u [11] je pomalo zaobilaznog tipa, jer Nilsen nije raspolagao izrazom<br />
(3.4). Kasnije je isti rezultat dobijen korišćenjem Markovljevih lanaca [17]. Ako se izraz<br />
(3.1) paˇzljivije razmotri, vidi se da očekivano trajanje pretrage raste sa brojem bifiksa<br />
u sekvenci, odnosno što više bifiksa sekvenca ima, ona se re†e pojavljuje u (beskonačno<br />
dugačkom) regionu podataka. Ovakav pojednostavljeni model ne odgovara situaciji u<br />
praksi, gde kvazi-deterministički region ima značajan uticaj, što pogotovo vaˇzi za kraće<br />
ramove.<br />
U odeljcima koji slede biće izvedena gustina raspodele verovatnoća i za slučaj pretrage<br />
ubeskonačnom regionu podataka i za slučaj pretrage u ramu. Biće razmatrane varijante<br />
kada se vrši pretraga za jednom ili više sekvenci. Tako†e će biti dati osnovni momenti<br />
ovakvogjednogprocesa-očekivano vreme pretrage i njegova varijansa.<br />
3.1 Pretraga u beskonačnom nizu podataka<br />
3.1.1 Pretraga za jednom sekvencom<br />
Pre nego što pre†emo na izvo†enje izraza za gustinu raspodele, razmotrimo još<br />
jednom proces pretrage koji nas interesuje. Posmatra se beskonačno dugačak niz slučajnih<br />
simbola. Niz se pretraˇzuje (testira) pomoću klizećeg prozora, poziciju po poziciju,<br />
28
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 29<br />
k<br />
1 2 3 4 5 6 7<br />
Slika 3.1: Pretraga u beskonačnom nizu<br />
počevši od prve (k =1), sve dok se ne prona†e predefinisana sekvenca (slika 3.1). Kada<br />
se ovo desi, pretraga se završava. Zanima nas verovatnoća da će pretraga trajati tačno<br />
k testova, tj. da je k-ti test uspešan. Obeleˇzimo ovu verovatnoću sa Pr{k}. Ovo je<br />
u stvari verovatnoća da se sekvenca nalazi na poziciji k, i da se ne nalazi ni na jednoj<br />
poziciji koja prethodi k.<br />
Pretpostavimo da je sekvenca za kojom tragamo duˇzine N, njena struktura je opisana<br />
skupom bifiks indikatora h (i) , 0 ≤ i ≤ N, averovatnoća simbola koji čine sekvencu<br />
Pr{s}. Obeleˇzimo verovatnoće podsekvence koje čine poslednjih i simbola sekvence s sa<br />
r (i) (verovatnoća “repa” duˇzine i). Po definiciji je:<br />
Vaˇzi sledeća teorema (prvi put objavljena u [18]):<br />
Teorema 1<br />
Verovatnoća da je k-ti test uspešan je:<br />
⎧<br />
⎨<br />
Pr{k} =<br />
⎩<br />
Dokaz<br />
min(N,k−1) P<br />
m=1<br />
. . .<br />
r (0) =1 (3.2)<br />
r (N) =Pr{s} (3.3)<br />
r (N) , k =1<br />
¡ h (N−m+1) r (m−1) − h (N−m) r (m) ¢ Pr{k − m}, k > 1<br />
(3.4)<br />
Za k = 1 dokaz je očigledan, jer ne postoje prethodni simboli koji bi uticali na<br />
pojavljivanje sekvence s.<br />
Da bismo dokazali izraz (3.4) za k>1, posmatrajmo skup svih slučajnih nizova<br />
duˇzine k + N − 1, kojisezavršavajusasekvencoms. Drugimrečima, u ovom skupu se<br />
nalaze svi nizovi u kojima se s pojavljuje sigurno bar jednom, i to na k-toj poziciji, pri<br />
čemu nije zabranjeno da se s pojavi i ranije. Ukupna verovatnoća svih ovih sekvenci je<br />
Pr{s} = r (N) , jer su u ovom skupu sve kombinacije simbola koji prethode s dozvoljene.<br />
Sve ove nizove moˇzemo podeliti na dva podskupa:<br />
• podskup nizova takvih da se sekvenca s nalazi samo na k-toj poziciji, obeleˇzimo<br />
ovaj podskup sa CS (k) , a sekvence iz ovog skupa nazovimo k-ograničene;
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 30<br />
• podskupnizovakodkojihsesekvencas, poredk-te pozicije nalazi i na nekim<br />
drugim pozicijama pre k, iobeleˇzimo ovaj podskup sa US (k) , a sekvence iz ovog<br />
skupa nazovimo k-neograničene.<br />
Vaˇzi:<br />
Pr{CS (k) [ US (k) } =Pr{CS (k) } +Pr{US (k) } = r (N)<br />
Verovatnoća da je k-ti test uspešan je jednaka verovatnoći skupa CS (k) :<br />
(3.5)<br />
Pr{k} =Pr{CS (k) } = r (N) − Pr{US (k) } (3.6)<br />
Skup US (k) se moˇze podeliti na k disjunktih podskupova US (k)<br />
f<br />
pozicija prvog pojavljivanja sekvence s unizu.Vaˇzi:<br />
US (k) =<br />
Pr{US (k) } =<br />
k−1 [<br />
f=1<br />
f=1<br />
US (k)<br />
f<br />
,gdejesaf označeno<br />
(3.7)<br />
Xk−1<br />
Pr{US (k)<br />
f } (3.8)<br />
Za f ≤ k−N, sekvenca iz skupa US (k)<br />
f se sastoji od f-ograničene sekvence, k−N −f<br />
proizvoljnih simbola i sekvence s (slika 3.2a) Stoga je:<br />
Pr{US (k)<br />
f } = Pr{CS(f) } Pr{sve kombinacije duˇzine k − f − N}r (N)<br />
= Pr{CS (f) }r (N)<br />
= Pr{f}r (N)<br />
(3.9)<br />
(3.10)<br />
(3.11)<br />
Za k − N
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 31<br />
Za 1
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 32<br />
Konačno, za k>N+2vaˇzi:<br />
r (N) = Pr{k − 1} +<br />
+r (N)<br />
Xk−2<br />
m=N+1<br />
NX<br />
h (N−m) r (m) Pr{k − 1 − m} +<br />
m=1<br />
Pr{k − 1 − m} (3.26)<br />
N+1 X<br />
= Pr{k−1} + h (N−m+1) r (m−1) Pr{k − m} +<br />
+r (N)<br />
Xk−1<br />
m=N+2<br />
m=2<br />
avaˇzi i:<br />
Pr{k} = r (N) Ã<br />
NX<br />
− h (N−m) r (m) Pr{k − m} + r (N)<br />
pa je:<br />
m=1<br />
Pr{k} = Pr{k − 1} +<br />
=<br />
NX<br />
m=2<br />
Pr{k − m} (3.27)<br />
Xk−1<br />
N+1<br />
Pr{k − m}<br />
³<br />
h (N−m+1) r (m−1) − h (N−m) r (m)´<br />
Pr{k − m} +<br />
!<br />
(3.28)<br />
+h (0) r (N) Pr{k − N − 1} − h (N−1) r (1) Pr{k − 1} −<br />
−r (N) Pr{k − N − 1} (3.29)<br />
NX ³<br />
h (N−m+1) r (m−1) − h (N−m) r (m)´<br />
Pr{k − m} (3.30)<br />
m=1<br />
¥<br />
Izračunate verovatnoće predstavljaju u stvari gustinu raspodele slučajne promenljive<br />
koja predstavlja duˇzinu trajanja (u simbolima) pretrage za predefinisanom sekvencom u<br />
beskonačnom nizu slučajnih simbola. Formalni dokaz da se radi o gustini raspodele je<br />
dat u dodatku B, mada je intuitivno jasno da se će se bilo koja predefinisana sekvenca<br />
pre ili kasnije pojaviti u beskonačnom nizu.<br />
Očekivana trajanje pretrage je:<br />
T =<br />
∞X<br />
k Pr{k} =<br />
k=1<br />
NX<br />
h<br />
i=0<br />
(i) r(N−i)<br />
− N (3.31)<br />
r (N)<br />
što je pokazano u dodatku B.<br />
Uslučaju kada su simboli jednakoverovatni izraz (3.31) se svodi na :<br />
T =<br />
NX<br />
h<br />
i=0<br />
NX<br />
− N =1− N +<br />
AN−i (i) AN<br />
i=1<br />
h (i) A i<br />
(3.32)
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 33<br />
a)<br />
b)<br />
c 1<br />
c 1<br />
f -ogranicena sekvenca<br />
proizvoljnih<br />
k-f-N simbola sekvenca s<br />
c ... c s ... s d ... d s ... s 2 f-1 1 N f+N<br />
k-1 1 N<br />
pozicija f<br />
sekvenca s<br />
pozicija k<br />
f -ogranicena sekvenca<br />
c ... c s s 2 f-1 1 k-f<br />
s k-f+1<br />
sekvenca s<br />
... ... s1 ... s<br />
s N<br />
1 sf+N-k sekvenca s<br />
pozicija f pozicija k<br />
s N<br />
preklapanje od<br />
f+N-k simbola<br />
Slika 3.2: Uz dokaz teoreme<br />
odnosno, na isti izraz do kojeg je došao i Nilsen (A je broj elemenata u alfabetu).<br />
Razmotrimo na primeru kako se ponaša ova gustina raspodele (rezulatati koji su<br />
ovde prikazani su prvi put objavljeni u [19]). Pretpostavimo da je duˇzina sekvence 8,<br />
simboli su iz binarnog alfabeta, vrednosti koje simboli mogu uzeti su jednakoverovatne,<br />
aposmatrajusesledeće karakteristične sekvence:<br />
• sekvenca sa svim bifiksima (npr. 00000000),<br />
• sekvenca sa parnim bifiksima (npr. 01010101),<br />
• sekvenca sa svakim četvrtim bifiksom (npr. 01110111),<br />
• sekvenca sa samo jednim netrivijalnim bifiksom, koji je prvog reda (npr. 01111110),<br />
i<br />
• sekvenca bez bifiksa (npr. 01111111).<br />
Grafik 3.3 prikazuje ponašanje gustine raspodele. Vidi se da su sekvence sa manje<br />
bifiksa u početku više verovatne od sekvenci sa više bifiksa. Sa porastom broja testova,<br />
posle neke kritične vrednosti (oko nekoliko stotina bita, u zavisnosti od sekvence),<br />
sekvence sa više bifiksa postaju više verovatne. Razlike izme†u krivih koje odgovaraju<br />
pojedinim sekvencama su veće što je veća razlika izme†u broja bifiksa svake od njih. Recimo,<br />
krive za sekvence 01111111 (bez bifiksa) i 01111110 (samo sa jednim netrivijalnim<br />
bifiksom) praktično se ne mogu razlikovati na ovom grafiku.
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 34<br />
Pr{k}<br />
10 0<br />
10 −5<br />
10 −10<br />
10 −15<br />
10 −20<br />
10 0<br />
10 −25<br />
00000000<br />
01010101<br />
01110111<br />
01111110<br />
01111111<br />
10 1<br />
10 2<br />
k<br />
10 3<br />
Slika 3.3: Gustina raspodele trajanja pretrage, N =8<br />
Više informacija o očekivanom trajanju pretrage moˇzemo dobiti ukoliko ispitamo<br />
kako se ova vrednost ponaša u nizu ograničene duˇzine. Ukoliko pretpostavimo da je<br />
duˇzina niza F + N − 1, tada je maksimalni broj testova koji se mogu izvršiti F , a<br />
očekivano trajanje pretrage je:<br />
T (F )=<br />
10 4<br />
FX<br />
k Pr{k} (3.33)<br />
k=1<br />
Zavisnost ovog parametra od duˇzine niza je prikazana na grafiku 3.4. Sa grafika se jasno<br />
vidi da se granična vrednosti T praktično dostiˇze za duˇzine niza od nekoliko hiljada bita.<br />
I ovde postoji kritična duˇzina niza od nekoliko stotina simbola, pre koje je očekivano<br />
trajanje pretrage sekvenci sa više bifiksa kraće, a nakon koje ono postaje duˇze. Ukoliko<br />
umesto T (F ) prikaˇzemo<br />
T (F )<br />
F<br />
uzavisnostiF (grafik 3.5),jasnijesemoˇze videti ponašanje<br />
očekivanog trajanja pretrage. Uočljivi su pikovi za koje je očekivana vrednost trajanja<br />
pretrage maksimalna u odnosu na duˇzinu niza. Za svaku karakteristističnu sekvencu pik<br />
je lociran na različitoj poziciji (od nekoliko stotina do otprilike hiljadu bita), pri čemu<br />
se ovi maksimumi prvo javljaju za sekvence bez bifiksa,akakobrojbifiksa raste, oni se<br />
dostiˇzu kasnije. Sve ovo ukazuje na činjenicu da se kod kraćih nizova re†e pojavljuju<br />
sekvence sa manjim brojem bifiksa, dok je za veće duˇzine situacija obrnuta, kada se re†e<br />
pojavljuju sekvence sa većimbrojembifiksa.<br />
Ukoliko ponovimo slična razmatranja za karakteristične sekvence duˇzine 16 bita,<br />
moˇzemo primetiti da generalno vaˇze isti zaključci, jedino su vrednosti kritičnih tačaka
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 35<br />
T(F)<br />
T(F)/F<br />
600<br />
500<br />
400<br />
300<br />
200<br />
100<br />
0.35<br />
0.3<br />
0.25<br />
0.2<br />
0.15<br />
0.1<br />
0.05<br />
0<br />
0<br />
00000000, T = 503<br />
01010101, T = 333<br />
01110111, T = 265<br />
01111110, T = 251<br />
01111111, T = 249<br />
10 1<br />
10 2<br />
Slika 3.4: Očekivano trajanje pretrage u nizu konačne duˇzine, N =8<br />
10 0<br />
00000000<br />
01010101<br />
01110111<br />
01111110<br />
01111111<br />
10 1<br />
10 2<br />
Slika 3.5: Očekivano trajanje pretrage u odnosu na duˇzinu niza, N =8<br />
F<br />
F<br />
10 3<br />
10 3<br />
10 4<br />
10 4
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 36<br />
Pr{k}<br />
10 −4<br />
10 −5<br />
10 −6<br />
10 −7<br />
10 −8<br />
10 0<br />
10 −9<br />
0000000000000000<br />
0101010101010101<br />
0111011101110111<br />
0111111111111110<br />
0111111111111111<br />
10 1<br />
10 2<br />
10 3<br />
k<br />
10 4<br />
10 5<br />
Slika 3.6: Gustina raspodele trajanja pretrage, N =16<br />
daleko veće, negde oko 100000 bita (grafici 3.6 i 3.7). Ovaj porast je praktično eksponencijalno<br />
zavistan od duˇzine sekvence.<br />
Od ostalih momenata gore izvedene raspodele, ovde ćemo još dati varijansu. Varijansa<br />
trajanje pretrage u ramu se moˇze izračunati sličnim postupkom kao i očekivano<br />
trajanje pretrage, i ovde je navodimo bez dokaza:<br />
σ 2 = T 2 −<br />
∞X<br />
k 2 Pr{k} (3.34)<br />
k=1<br />
= (T − N)(T + N − 1) + 2<br />
NX<br />
i=1<br />
što se u slučaju jednakoverovatnih simbola svodi na:<br />
σ 2 =(T − N)(T + N − 1) + 2<br />
3.1.2 Pretraga za više sekvenci<br />
(N−i+1) r(i−1)<br />
i · h<br />
r (N)<br />
NX<br />
i · h (N−i+1) A N−i+1<br />
i=1<br />
10 6<br />
(3.35)<br />
(3.36)<br />
Pretraga za više sekvenci se moˇze shvatiti kao generalizacija problema razmatranog<br />
u prethodnom odeljku. Sada se na prijemu smatra da je početak rama odre†en,<br />
odnosno da je test uspešan, ukoliko se u klizećem prozoru na†e jedna iz skupa predefinisanih<br />
sekvenci. Ovakva generalizacija moˇze odgovarati različitim praktičnim situaci-
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 37<br />
T(F)/F<br />
0.35<br />
0.3<br />
0.25<br />
0.2<br />
0.15<br />
0.1<br />
0.05<br />
0<br />
10 0<br />
0000000000000000<br />
0101010101010101<br />
0111011101110111<br />
0111111111111110<br />
0111111111111111<br />
10 1<br />
10 2<br />
Slika 3.7: Očekivano trajanje pretrage u odnosu na duˇzinu niza, N =16<br />
jama. Jedan primer je slučaj kada se koriste distribuirane sekvence, kada se pretraga za<br />
distribuiranom sekvencom moˇze posmatrati kao pretraga za čitavim skupom sekvenci.<br />
Svaka sekvenca iz ovog skupa se sastoji iz sinhro-simbola na predefinisanim pozicijama i<br />
neke kombinacije simbola podataka na preostalim pozicijama, a u ovom skupu ima onoliko<br />
sekvenci koliko je kombinacija simbola podataka (vidi odeljak 2.6). Sledeći primer<br />
je slučaj kada se na prijemu dozvoljavaju greške u okviru sinhro-sekvence nastale u<br />
prenosu, odnosno kade korelacija u klizećem prozoru ne mora da bude perfektna. Ovo<br />
se tako†e moˇze posmatrati kao pretraga za čitavim skupom sekvenci, koga čine “prava”<br />
sinhro-sekvenca i sve sekvence čije je Hemingovo rastojenje od nje manje ili jednako<br />
broju grešaka koje se tolerišu.<br />
Za rešavanje ovog problema uvodi se i uopštenje bifiksa, odnosno tzv. kros-bifiksi<br />
(cross-bifix). Pojam kros-bifiksa je prvi put upotrebljen u [21]. Posmatrajmo sekvencu<br />
si isekvencusjUkoliko je poslednjih n simbola sekvence si jednako prvih n simbola<br />
sekvence sj, tada ove dve sekvence imaju kros-bifiks n-tog reda, a vrednost odgovarajućeg<br />
kros-bifiks indikatora je jednaka 1, tj. h (n)<br />
ij =1. U suprotnom je h(n)<br />
ij =0. Potencijalnih<br />
kros-bifiksa ima onoliko koliko simbola ima kraća od dve sekvence. Po definiciji vaˇzi:<br />
h (0)<br />
ij<br />
10 3<br />
F<br />
10 4<br />
10 5<br />
= 1, ∀i, j (3.37)<br />
h (N)<br />
ii = 1, ∀i (3.38)<br />
gde je N duˇzina sekvence. Treba primetiti da u je opštem slučaju h (n)<br />
ij 6= h (n)<br />
ji ,štoje<br />
jasno i na osnovu definicije kros-bifiksa. Kao što bifiksi opisuju sličnosti koje postoje u
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 38<br />
strukturi jedne sekvence, kros-bifiksi opisuju sličnosti u strukturama dve sekvence.<br />
Ako posmatramo skup od M sekvenci koje su sve iste duˇzine N, tada se svi krosbifiksi<br />
u njemu mogu zapisati u vidu N matrica:<br />
⎡<br />
h (n) ⎢<br />
= ⎢<br />
⎣<br />
h (n)<br />
11<br />
h (n)<br />
21<br />
.<br />
h (n)<br />
12 ... h (n)<br />
1M<br />
h (n)<br />
22 ... h (n)<br />
2M<br />
.<br />
h (n)<br />
M1 h(n)<br />
M2 ... h (n)<br />
MM<br />
.<br />
⎤<br />
⎥ ,n=0, 1,...,N (3.39)<br />
⎦<br />
Npr. neka je sinhro-sekvenca 001 i neka se na prijemu toleriše jedna greška u prenosu.<br />
Tada je skup dozvoljenih sinhro-sekvenci na prijemu {000, 001, 011, 101}, akros-bifiks<br />
indikatori su (sekvence smo numerisali redosledom kojim su zapisane u skupu):<br />
h (0) =<br />
h (2) =<br />
⎡<br />
⎢<br />
⎣<br />
⎡<br />
⎢<br />
⎣<br />
1 1 1 1<br />
1 1 1 1<br />
1 1 1 1<br />
1 1 1 1<br />
1 1 0 0<br />
0 0 1 0<br />
0 0 0 0<br />
0 0 1 0<br />
⎤<br />
⎥<br />
⎦ h(1) =<br />
⎤<br />
⎥<br />
⎦ h(3) =<br />
⎡<br />
⎢<br />
⎣<br />
⎡<br />
⎢<br />
⎣<br />
1 1 1 0<br />
0 0 0 1<br />
0 0 0 1<br />
0 0 0 1<br />
1 0 0 0<br />
0 1 0 0<br />
0 0 1 0<br />
0 0 0 1<br />
Ponovimo na ovom mestu još jednom problem koji razmatramo. Na prijemu se<br />
odre†uje početak rama, tako što se vrše sukcesivni testovi pomoću klizećeg prozora<br />
koji se pomera simbol po simbol, sve dok se u njemu ne na†e neka sinhro-sekvenca iz<br />
predefinisanog skupa. Verovatnoća da je u k-tom testu prona†ena baš sinhro-sekvenca<br />
sj je data sledećom teoremom:<br />
Teorema 2<br />
Verovatnoću da se u k-tom testu prona†e sinhro-sekvenca sj je:<br />
⎧<br />
⎪⎨<br />
Pr{sj} = r<br />
Prj{k} =<br />
⎪⎩<br />
(N)<br />
j ,<br />
MP min(N,k−1) P ³<br />
h<br />
i=1 m=1<br />
k =1<br />
(N−m+1)<br />
ij r (m−1)<br />
j − h (N−m)<br />
ij r (m)<br />
´<br />
j Prj{k − m}, k > 1<br />
(3.40)<br />
gde je sa r (m)<br />
j označena verovatnoća repa sekvence sj koji je duˇzine k.<br />
Dokaz<br />
Što se tiče dokaza ove teoreme, ovde ćemo navesti koje su razlike u odnosu na dokaz<br />
prethodne teoreme, jer se on izvodi na veoma sličan način. Ponovo se posmatraju svi<br />
nizovi duˇzine k + N − 1 koje se završavaju sinhro-sekvencom sj. Sve ove nizove moˇzemo<br />
podeliti na dva podskupa:<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 39<br />
• podskup nizova takvih da se nijedna druga sinhro-sekvenca iz datog skupa ne<br />
nalazi pre pozicije k; nazovimo ove nizove k-ograničenim u odnosu na sekvencu sj,<br />
apodskupobeleˇzimo sa CS (k)<br />
j ;<br />
• podskupnizovakodkojihse,poredsinhro-sekvencesjna k-toj poziciji, u nizu<br />
nalaze i neke druge sinhro-sekvence iz skupa na pozicijama pre k, nazovimoove<br />
nizove k-neograničenim u odnosu na sj i a podskup obeleˇzimo sa US (k)<br />
j .<br />
Vaˇzi:<br />
Pr{CS (k)<br />
j<br />
[ US (k)<br />
j<br />
} = Pr{CS(k)<br />
j<br />
} +Pr{US(k) } = r(N)<br />
j<br />
j<br />
(3.41)<br />
Pr{CS (k)<br />
j } = Prj{k} (3.42)<br />
Skup US (k)<br />
j se moˇze podeliti na disjunktne podskupove US (k)<br />
j,f ,gdejesafoznačena prva pozicija na kojoj se u okviru k-neograničenog niza pojavljuje bilo koja sekvenca iz<br />
dozvoljenog skupa. Vaˇzi:<br />
US (k)<br />
j<br />
=<br />
Pr{US (k)<br />
j } =<br />
k−1 [<br />
f=1<br />
f=1<br />
US (k)<br />
j,f<br />
(3.43)<br />
Xk−1<br />
Pr{US (k)<br />
j,f } (3.44)<br />
Dalje dokaz teče na isti način kao i u prethodnom slučaju. Sličnim izvo†enjima se moˇze<br />
pokazati da je:<br />
Pr{US (k)<br />
j } =<br />
Pr{US (k)<br />
j } =<br />
MX<br />
NX<br />
i=1 m=1<br />
MX<br />
Xk−1<br />
i=1 m=1<br />
ipomoću ove i sledeće dve relacije:<br />
h (N−m)<br />
ij r (m)<br />
j Pri{k − m}, k≤ N +1 (3.45)<br />
h (N−m)<br />
ij r (m) Pri{k − m} + r (N)<br />
j<br />
Prj{k} = r (N)<br />
j<br />
MX<br />
Xk−1<br />
i=1 m=N+1<br />
Pri{k − m}, k>N+1<br />
(3.46)<br />
− Pr{US(k) j } (3.47)<br />
r (N)<br />
j = Prj{k−1} +Pr{US (k−1)<br />
j } (3.48)<br />
moˇze se dokazati teorema.<br />
¥<br />
Na osnovu ovog rezultata se moˇze izvesti verovatnoća da se u k-tom testu prona†e<br />
bilo koja od predefinisanih sinhro-sekvenci, odnosno da je k-ti test uspešan. Ona je data<br />
sledećom teoremom:
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 40<br />
Teorema 3<br />
Verovatnoća da je k-ti test uspešan je:<br />
⎧<br />
⎪⎨<br />
Pr{k} =<br />
⎪⎩<br />
MP MP min(N,k−1) P ³<br />
MP<br />
j=1<br />
r (m−1)<br />
Dokaz<br />
j=1 i=1<br />
m=1<br />
h (N−m+1)<br />
ij<br />
j<br />
r (N)<br />
j , k =1<br />
− h (N−m)<br />
ij<br />
Dokaz je vrlo jednostavan, treba samo iskoristiti činjenicu da je:<br />
Pr{k} =<br />
r (m)<br />
´<br />
j Pri{k − m}, k > 1<br />
(3.49)<br />
MX<br />
Prj{k} (3.50)<br />
j=1<br />
¥<br />
Moˇze se pokazati da se i u ovom slučaju radi o gustini raspodele. Što se tiče očekivanja<br />
i varijanse trajanja pretrage, njihova vrednosti su date daleko komplikovanijim izrazima<br />
nego u prethodnom slučaju [22], i ovde ih dajemo bez dokaza. Očekivanje je:<br />
gde je:<br />
T =1− N +(Pr{1}) −1<br />
Ci =<br />
Cij =<br />
MX<br />
Cij<br />
j=1<br />
NX<br />
m=1<br />
MX<br />
i=1<br />
SiCi<br />
r (m−1)<br />
j h (N−m+1)<br />
ij<br />
(3.51)<br />
(3.52)<br />
(3.53)<br />
dok se parametri Si dobijaju kao rešenja sistema linearnih jednačina sa M nepoznatih:<br />
⎡<br />
C11<br />
⎢ r<br />
⎢<br />
⎣<br />
(N) −<br />
1<br />
C12<br />
r (N)<br />
2<br />
C21<br />
r (N) −<br />
1<br />
C22<br />
r (N)<br />
2<br />
...<br />
CM1<br />
r (N) −<br />
1<br />
CM2<br />
r (N)<br />
C11<br />
r<br />
2<br />
(N) −<br />
1<br />
C13<br />
r (N)<br />
3<br />
C21<br />
r (N) −<br />
1<br />
C23<br />
r (N)<br />
3<br />
...<br />
CM1<br />
r (N) −<br />
1<br />
CM3<br />
r (N)<br />
.<br />
C11<br />
r<br />
.<br />
3<br />
.<br />
(N) −<br />
1<br />
C1M<br />
r (N)<br />
M<br />
C21<br />
r (N) −<br />
1<br />
C2M<br />
r (N)<br />
M<br />
...<br />
CM1<br />
r (N) −<br />
1<br />
CMM<br />
r (N)<br />
1 1 ,,,<br />
⎤<br />
⎡ ⎤ ⎡ ⎤<br />
⎥ S1 0<br />
⎥ ⎢<br />
⎥ ⎢ S2 ⎥ ⎢<br />
⎥ ⎢0<br />
⎥<br />
⎥ ⎢ ⎥ ⎢ ⎥<br />
⎥ ⎢<br />
⎥ ⎢ . ⎥ = ⎢<br />
⎥ ⎢.<br />
⎥<br />
⎥ ⎣SM−1⎦<br />
⎣0⎦<br />
⎦<br />
M SM 1<br />
1<br />
(3.54)<br />
Varijanse trajanja pretrage je:<br />
σ 2 = T 2 −<br />
∞X<br />
k 2 Pr{k} (3.55)<br />
k=1
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 41<br />
pri čemu je:<br />
avaˇzi:<br />
⎡<br />
⎢<br />
⎣<br />
C11<br />
r (N)<br />
1<br />
C11<br />
r (N)<br />
1<br />
C11<br />
r (N)<br />
1<br />
∞X<br />
k 2 Pr{k} =1− 2NT − N 2 +(Pr{1}) −1<br />
MX MX<br />
(2TiCij + SiWij) (3.56)<br />
k=1<br />
− C12<br />
r (N)<br />
2<br />
− C13<br />
r (N)<br />
3<br />
.<br />
− C1M<br />
r (N)<br />
M<br />
C21<br />
r (N)<br />
1<br />
C21<br />
r (N)<br />
1<br />
C21<br />
r (N)<br />
1<br />
− C22<br />
r (N)<br />
2<br />
− C23<br />
r (N)<br />
3<br />
.<br />
− C2M<br />
r (N)<br />
M<br />
NX<br />
Wij =<br />
m=1<br />
...<br />
...<br />
...<br />
j=1 i=1<br />
(2m − 1) r (m−1)<br />
j h (N−m+1)<br />
ij<br />
CM1<br />
r (N)<br />
1<br />
CM1<br />
r (N)<br />
1<br />
CM1<br />
r (N)<br />
1<br />
1 1 ,,, 1<br />
− CM2<br />
r (N)<br />
2<br />
− CM3<br />
r (N)<br />
3<br />
.<br />
− CMM<br />
r (N)<br />
M<br />
⎤<br />
⎡<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎣<br />
⎦<br />
T1<br />
T2<br />
.<br />
TM−1<br />
TM<br />
⎡<br />
MP<br />
⎤ ⎢ j=1<br />
⎢<br />
⎥ ⎢<br />
MP<br />
⎥ ⎢<br />
⎥ ⎢ j=1<br />
⎥ = ⎢<br />
⎥ ⎢<br />
⎦ ⎢ MP<br />
⎢<br />
⎣<br />
j=1<br />
Sj<br />
2<br />
Sj<br />
2<br />
Sj<br />
2<br />
µ<br />
Wj2<br />
r (N) −<br />
2<br />
Wj1<br />
r (N)<br />
1<br />
µ<br />
Wj3<br />
r (N) −<br />
3<br />
Wj1<br />
r (N)<br />
1<br />
.<br />
µ WjM<br />
r (N)<br />
M<br />
T<br />
− Wj1<br />
r (N)<br />
1<br />
(3.57)<br />
(3.58)<br />
Ukoliko se u formule za očekivanje i varijansu (3.51) i (3.56) stavi da je M =1,dobijaju<br />
se očekivanje i varijansa date izrazima (3.31) i (3.35).<br />
3.2 Pretraga u ramu<br />
Pretraga u ramu se razlikuje od prethodnog slučaja u dva pogleda:<br />
• duˇzina niza simbola je ograničena,<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
• na proces pretrage utiču kvazi-determinističkiregioni,kojisenalazesaobestrane<br />
regiona podataka u ramu.<br />
Ovo je detaljnije prikazano na slici 3.8. Iz razloga koji će kasnije biti razjašnjeni,<br />
prvi kvazi-deterministički region obuhvata prvih 2N simbola, iako na krajnjoj pozicije<br />
pretrage nema preklapanja izme†u sinhro-sekvence i klizećeg prozora.<br />
Klizeći prozor kreće sa pozicije S, pričemu je 1 ≤ S ≤ F (pozicija S =0odgovara<br />
početnojpozicijiuramu.Najnepovoljnijislučaj je za S =1, jer je tada potrebno ispitati<br />
najviše pozicija dok se ne do†e do sinhro-sekvence u sledećem ramu. U narednim<br />
odeljcima ćemo samo njega i posmatrati, a dobijeni rezultati se lako mogu uopštiti i za<br />
druge vrednosti S.<br />
3.2.1 Pretraga za jednom sekvencom<br />
Ovo je lakša varijanta problema. Pretraga za sekvencom s startuje iz prvog kvazideterminističkog<br />
regiona, S =1. Radi preglednosti, odvojeno ćemo posmatrati verovatnoće<br />
simulacije sinhro-sekvence u prvom kvazi-determinističkom regionu, regionu podataka,<br />
i konačno u drugom kvazi-determinističkom regionu. Ono što se apriori moˇze
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 42<br />
N simbola<br />
klizeci prozor,<br />
startna pozicija S<br />
N<br />
simbola<br />
prvi kvazi-deterministicki<br />
region, dužine 2N-1<br />
simbol<br />
sinhro-sekvenca<br />
ram dužine F simbola<br />
region podataka<br />
Slika 3.8: Pretraga u ramu<br />
N-1<br />
simbol<br />
N simbola<br />
drugi kvazideterministicki<br />
region,<br />
dužine 2N-1 simbol<br />
naredni ram ...<br />
očekivati je da su razlike u odnosu na slučaj pretrage u beskonačnom nizu najizraˇzenije<br />
upravo u kvazi-determinističkim regionima.<br />
Prvi kvazi-deterministički region<br />
Sinhro-sekvenca u ovom regionu moˇze biti simulirana samo ukoliko poseduje bifikse.<br />
Pošto je S =1, broj testova u kvazi-determinističkom regionu je N − 1.<br />
Pretpostavimo da sekvenca ima ima k bifiksa, pri čemu na pretragu ne utiče trivijalni<br />
bifiks duˇzine N (jer nije obuhvaćen procesom pretrage), ali utiče trivijalni bifiks<br />
duˇzine 0. Pore†ajmo sve bifiksesekvencepoduˇzini, počevši od najduˇzeg: b1 >b2 >...><br />
bk−1 >bk =0,gdesmosabi označili red i-tog bifiksa. U prvom kvazi-determinističkom<br />
regionu postoji k pozicija za potencijalnu simulaciju sekvence, to su pozicije kada klizeći<br />
prozor započinje sa nekim od bifiksa. Što je bifiks kraći, prozor obuhvata više simbola<br />
podataka. Da bi se simulacija stvarno i desila simboli podataka treba da odsimuliraju<br />
“dopunu” sinhro-sekvence u odnosu na dati bifiks. Obeleˇzimo dopunu i-tog bifiksa sa<br />
di, di =[sbi+1,sbi+2,...,sn], ioznačimo broj elemenata u di sa Ndi .Vaˇzi: Nd1
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 43<br />
to nije slučaj, simulacija je dozvoljena (ovo je indirektno pokazano u aneksu B, a tako†e<br />
je navedeno i u [23]). Ova osobina u velikoj meri smanjuje broj ispitivanja potrebnih da<br />
bi se utvrdilo da li je simulacija dozvoljena.<br />
Pre nego što damo izraz za verovatnoću simulacije, definišimo tzv. prefiks indikator<br />
ps1s2 duˇzine m izme†u sekvenci s1 i s2, čije su duˇzine respektivno N1 i N2, nasledeći<br />
način:<br />
ps1s2 =<br />
½ 1 N1
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 44<br />
Da bi sve ove jednačine vaˇzile, mora biti:<br />
s9 = s8 = s7 = s2 = s5 = s4 = s3 = s2 = s1<br />
(3.68)<br />
što znači da sekvenca ima bifikse duˇze od N<br />
2 =4,odnosnodapočetna pretpostavka o<br />
samo dva bifiksa nije tačna.<br />
Radi boljeg razumevanja izloˇzenog, data su još dva primera. U prvom primeru (slika<br />
3.9) se posmatra sekvenca 10011001, kod koje je najduˇzi bifiks 1001 duˇzine 4 (polovina<br />
duˇzine sekvence). Potencijalne simulacije su na pozicijama k =4i k =7,iobesu<br />
moguće.<br />
prva potencijalna<br />
simulacija, k=4<br />
druga potencijalna<br />
simulacija, k=7<br />
pocetna pozicija<br />
za testiranje<br />
prvi kvazi-deterministicki region<br />
sinhro-sekvenca podaci<br />
1 0 0 1 1 0 0 1 x x x x x<br />
1 0 0 1 1 0 0 1 1 0 0 1 x<br />
1 0 0 1 1 0 0 1 0 0 1 1 0<br />
Slika 3.9: Pretraga u prvom kvazi-determinističkom regionu, svi bifiksi su kraći od N<br />
2<br />
U drugom primeru se posmatra sekvenca 11011011011 (slika 3.10). U ovom slučaju<br />
je najduˇzi bifiks devetog reda, a postoje još i bifiksi šestog, drugog i prvog reda. Potencijalne<br />
simulacije za bifikse šestog i četvrtog reda su zabranjene, jer je pr9r6 =1i<br />
=1,dokjepr9r1 =0i simulacija za k =10je dozvoljena.<br />
pr9r2<br />
Region podataka<br />
U regionu podataka direktni uticaj sinhro-sekvence sa početka rama više ne postoji, i<br />
sada se u prozoru isključivo nalaze slučajni simboli podataka. Za izračunavanje verovatnoća<br />
simulacije se stoga mogu primeniti rezultate iz odeljka 3.1, uz jednu bitno razliku.<br />
U 3.1 se razmatraju nizovi simbola čije je jedino ograničanje da se završavaju predefinisanom<br />
sekvencom. Me†utim, ovde se posmatraju nizovi koji počinju predefinisanom<br />
sekvencom (sinhro-sekvenca na početku rama) i završavaju istom tom sekvencom i koji<br />
su pritom “preˇziveli” prvi kvazi-deterministički region. Na isti način, kao i u 3.1 se<br />
moˇze pokazati da svih prethodno izračunatih N verovatnoća simulacije iz prvog kvazideterminističkog<br />
regiona predstavljaju početne vrednosti za rekurzivni obrazac (3.4).<br />
Stoga je verovatnoća da je k-ti test u ovom regionu uspešan:<br />
½<br />
NP ¡<br />
Pr{k} = h (N−m+1) r (m−1) − h (N−m) r (m) ¢ Pr{k − m}, N < k ≤ F − N<br />
m=1<br />
x<br />
x<br />
0<br />
x<br />
x<br />
1<br />
x<br />
x<br />
x<br />
(3.69)
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 45<br />
prva potencijalna<br />
simulacija, k=3<br />
druga potencijalna<br />
simulacija, k=6<br />
treca potencijalna<br />
simulacija, k=9<br />
cetvrta potencijalna<br />
simulacija, k=10<br />
pocetna pozicija<br />
za testiranje<br />
prvi kvazi-deterministicki region<br />
sinhro-sekvenca podaci<br />
1 1 0 1 1 0 1 1 0 1 1 x<br />
x x x x x x x x x<br />
1 1 0 1 1 0 1 1 0 1 1 0 1 1 x x x x x x x<br />
1 1 0 1 1 0 1 1 0 1 1 0 1 1 0 1 1 x x x x<br />
1 1 0 1 1 0 1 1 0 1 1 0 1 1 0 1 1 0 1 1 x<br />
1 1 0 1 1 0 1 1 0 1 1 1 0 1 1 0 1 1 0 1 1<br />
Slika 3.10: Pretraga u prvom kvazi-determinističkom regionu, postoje bifiksi duˇzi od N<br />
2<br />
Drugi kvazi-deterministički region<br />
Iako na prvi pogled moˇze delovati da u ovom regionu vaˇze razmatranja slična onima<br />
u prvom kvazi-determinističkom regionu, to nije slučaj. Ovde je simulacija moguća<br />
svaki put kada zadnja ivica klizećeg prozora završi na nekom od bifiksa,bezobziradali<br />
postoje i kraći bifiksi. Jednostavno, u prethodnim testovima ne postoji “deterministička”<br />
memorija koja bi sprečavala simulaciju kao kod prvog kvazi-determinističkog regiona.<br />
Pored postojanja bifiksa, za simulaciju je potrebno i da se preˇziveli kvazi-slučajni niz<br />
koji prethodi bifiksu završava sa odgovarajućim prefiksom. Ovo liči na situaciju koju<br />
smo imali u regionu podataka, što se moˇze iskoristiti za izvo†enje izraza za verovatnoću<br />
simulacije.<br />
Pretpostavimo prvo da se i dalje nalazimo u regionu podataka, tj. da i dalje vaˇzi<br />
(3.69). Obeleˇzimo verovatnoće izračunate na ovaj način sa Pr0 {k} :<br />
Pr 0 ½<br />
NP ¡<br />
{k} = h (N−m+1) r (m−1) − h (N−m) r (m) ¢ Pr0 {k − m}, N < k ≤ F − N<br />
m=1<br />
(3.70)<br />
Sa druge strane, postojanje determinističkog završetka znači da je simulacija moguća<br />
samo ako postoji odgovarajući bifiks. Ako postoji, bifiks je deterministički, što znači da<br />
verovatnoću (3.70) treba podeliti sa verovatnoćom repa sekvence koji taj bifiks reprezentuje,<br />
pa je:<br />
Pr{k} = h (k−(F −N)) Pr0 {k}<br />
,F− N
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 46<br />
prva potencijalna<br />
simulacija, k=F-N+1<br />
druga potencijalna<br />
simulacija, k=F-N+4<br />
x<br />
1<br />
x<br />
x<br />
0<br />
x<br />
drugi kvazi-deterministicki region<br />
podaci<br />
x<br />
0<br />
x<br />
x<br />
1<br />
1<br />
x<br />
0<br />
0<br />
x<br />
0<br />
0<br />
1<br />
1<br />
1<br />
sinhro-sekvenca<br />
Slika 3.11: Potencijalne simulacije sinhro-sekvence u drugom kvazi-determinističkom regionu<br />
Na kraju, kada izračunamo verovatnoće simulacije u ramu za sva tri regiona, moˇzemo<br />
izračunati totalnu verovatnoću simulacije:<br />
PrTS =<br />
iverovatnoću preˇzivljavanja, definisanu kao:<br />
FX −1<br />
k=1<br />
F −1<br />
PrSV =1− PrTS =1−<br />
0<br />
0<br />
0<br />
0<br />
0<br />
0<br />
1<br />
1<br />
1<br />
0<br />
0<br />
0<br />
Pr{k} (3.72)<br />
0<br />
0<br />
0<br />
X<br />
Pr{k} (3.73)<br />
Verovatnoća preˇzivljavanja je u stvari verovatnoća da sekvenca neće biti simulirana<br />
tokom prolaza kroz ram. Što je vrednost ovog parametra veća, to je sekvenca bolji<br />
izbor u smislu sinhronizacionih karakteristika.<br />
Zanimljivo je ispitati kako se date verovatnoće ponašaju za konkretne vrednosti parametara<br />
N i F .Nagrafiku 3.12 je dat njihov uporedan prikaz za nekoliko sekvenci duˇzine<br />
8uramuduˇzine 40.<br />
Sa grafika 3.12 se vidi da je u kvazi-determinističkim regionima moguća simulacija<br />
samo sekvenci sa bifiksima i to samo na pozicijima na kojima bifiksi to dozvoljavaju. U<br />
regionu podataka su sekvence sa više bifiksa manje verovatne od sekvenci sa manje bifiksa.<br />
Me†utim, posle neke kritične duˇzine rama, sa porastom broja testova bi sekvence<br />
sa više bifiksa postale više verovatne (vidi sliku 3.3). Simulacijom se moˇze pokazati da<br />
je za N =8kritična duˇzina rama negde oko 700 bita. Ipak, ukoliko se u obzir uzme<br />
ukupna verovatnoća simulacije, kada su obuhvaćeni i kvazi-deterministički regioni, tada<br />
su sekvence sa bifiksima definitivno lošiji izbor, jer doprinos regiona podataka ukupnoj<br />
verovatnoći simulacije bar za red veličine manji od doprinosa kvazi-determinističkih<br />
regiona. Ovo potvr†uju i verovatnoće preˇzivljavanja date u tabeli 3.1.<br />
Razmotrimo na kraju šta se dešava ako je početna pozicija pretrage S>1. Ukoliko<br />
je 1 ≤ S ≤ N, principskivaˇze ista razmatranja kao i za S =1; obuhvaćeni bifiksi<br />
diktiraju mogućnost simulacije, a neke od njih mogu biti zabranjene ukoliko su dopune<br />
duˇzih bifiksa prefiksi dopuna kraćih bifiksa.<br />
k=1<br />
1<br />
1<br />
1
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 47<br />
Pr{k}<br />
10 0<br />
10 −1<br />
10 −2<br />
10 −3<br />
00000000<br />
01010101<br />
01110111<br />
01111110<br />
01111111<br />
10<br />
0 10 20 30 40 50 60 70 80<br />
−4<br />
k<br />
Slika 3.12: Pretraga u ramu, N =8, F =80<br />
sekvenca PrSV<br />
00000000 0.220186<br />
01010101 0.463834<br />
01110111 0.691301<br />
01111110 0.759331<br />
01111111 0.770106<br />
Tabela 3.1: Verovatnoće preˇzivljavanjazasekvenceizprimera<br />
Za N < S < F vaˇze formule (3.69), odnosno (3.70) i (3.71), pri čemu prilikom<br />
odre†ivanja gornje granice u sumama treba u obzir uzeti i početnu poziciju.<br />
3.2.2 Pretraga za više sekvenci<br />
Uslučaju pretrage za više sekvenci izrazi za verovatnoće se dodatno komplikuju, kao<br />
što se moglo i očekivati.<br />
Pretpostavimo da vrši pretraga za kontinualnim sekvencama, pri čemu je samo jedna<br />
od njih ona prava. Obeleˇzimoovusekvencusas1. Kaoštojerečeno, ona je samo jedna<br />
iz skupa sekvenci koje se na prijemu smatraju validnim. Obeleˇzimo ovaj skup sekvenci<br />
sa S, inekajebrojsekvenciuovomskupuM, S = {s 1 , s2,...,sM}. Pretpostavimo i da<br />
je sinhro-sekvenca s1 na počecima uzastopnih ramova ispravna preneta.<br />
Verovatnoća da je test uspešan za neku poziciju pretrage je jednak verovatnoći da
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 48<br />
se na toj poziciji prona†e bilo koja od sekvenci iz skupa S. Neka je početna pozicija<br />
pretrage S =1.<br />
Prvi kvazi-deterministički region<br />
Posmatrajmo pozicije 1 ≤ k ≤ N. Potencijalne simulacije svake od sekvenci iz skupa<br />
su na pozicijama koje odre†uju kros-bifiksi izme†u s1 i te sekvence. Drugim rečima, za<br />
svaku od sekvenci su od interesa samo one pozicije na kojima vaˇzi<br />
h (N−k)<br />
1,j =1, ∀j, 1 ≤ k ≤ N (3.74)<br />
Na osnovu analogije sa prethodnim slučajem, jasno je da neke od potencijalnih simulacija<br />
mogu biti zabranjene, što zavisi od toga kakve su dopune sekvence sj za odgovarajući<br />
kros-bifikse. Me†utim, za razliku od pretrage za samo jednom sekvencom,<br />
potencijalne simulacije mogu biti zabranjene ukoliko su dopune za prethodne potencijalne<br />
simulacije svih sekvenci iz skupa prefiksi dopune za koju se simulacija posmatra.<br />
To znači da bi u principu trebalo ispitati sve dopune kraće od one koja odgovora datoj<br />
simulaciji, kojih moˇze biti vrlo velik broj. Me†utim, slično kao i u prethodnom<br />
slučaju, moˇze se pokazati da je dovoljno ispitati samo da li je najkraća dopuna za svaku<br />
od sekvenci prefiks dopune za koju se simulacija razmatra, što značajno smanjuje broj<br />
upore†ivanja.<br />
Pore†ajmo redove svih kros-bifiksa izme†u s1 i sj po duˇzini, počevši od najduˇzeg -<br />
b1 j >b2 j >...>bk−1 j >bkj =0.Sadij obeleˇzimo dopunu za kros-bifiks reda bij ,ioznačimo<br />
broj elemenata di j sa Ndi j . Vaˇzi: Nd1 j
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 49<br />
prva potencijalna<br />
simulacija, k=6<br />
druga potencijalna<br />
simulacija, k=9<br />
treca potencijalna<br />
simulacija, k=10<br />
pocetna pozicija<br />
za testiranje<br />
prvi kvazi-deterministicki region<br />
sinhro-sekvenca podaci<br />
1 1 1 1 1 1 1 1 0 1 1 x<br />
x x x x x x x x x<br />
1 1 1 1 1 1 1 1 0 1 1 0 1 1 0 1 1 x x x x<br />
1 1 1 1 1 1 1 1 0 1 1 0 1 1 0 1 1 0 1 1 x<br />
1 1 1 1 1 1 1 1 0 1 1 1 0 1 1 0 1 1 0 1 1<br />
Slika 3.13: Pretrage za više sekvenci u prvom kvazi-determinističkom regionu<br />
Verovatnoća da je k-ti test u prvom kvazi-determinističkom regionu uspešan je zbir<br />
verovatnoća simulaicje za svaku od sekvenci:<br />
Pr{k} =<br />
MX<br />
Prj{k} (3.77)<br />
j=1<br />
uz jednu bitnu napomenu. Naime, moˇze se desiti da ovaj zbir za neku poziciju k ima<br />
vrednost 1. To znači da je k-ti test sigurno uspešan i da se pretraga prekida, odnosno<br />
da su sve verovatnoće simulacije nakon ove pozicije jednake 0, uključujući i preostali<br />
deo rama. Ovakva situacija je sasvim legitimna, jer se usled mogućih kombinacija krosbifiksa<br />
u nekom koraku moˇze desiti da je izvesno da će se neka od dozvoljenih sekvenci<br />
simulirati. Npr. neka je sinhro-sekvenca 0000, a dozvoljenim se smatraju ona i sve<br />
sekvence na dH ≤ 1. Skup dozvoljenih sekvenci je {0000, 0001, 0010, 0100, 1000}. U<br />
prvom testu se u prozoru nalaze poslednja tri bita sinhro-sekvence, tj. 000, i jedan bit<br />
podataka, čija vrednost moˇze biti ili 0 ili 1. U prvom slučaju će se simulirati sekvenca<br />
0000, a u drugom 0001, tako da će se pretraga sigurno okončati. Naravno, ovako nešto<br />
nema mnogo smisla u praksi, jer se uvek teˇzi minimizaciji verovatnoće simulacije.
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 50<br />
Region podataka<br />
Uregionupodataka(N
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 51<br />
Pr{k}<br />
10 0<br />
10 −1<br />
10 −2<br />
10 −3<br />
00000000<br />
01010101<br />
01110111<br />
01111110<br />
01111111<br />
10<br />
0 10 20 30 40 50 60 70 80<br />
−4<br />
k<br />
Slika 3.14: Pretraga u ramu, e =1<br />
sekvenca PrSV<br />
00000000 0<br />
01010101 0.0134654<br />
01110111 0.0483176<br />
01111110 0.103775<br />
01111111 1.11022 · 10 −16<br />
Tabela 3.2: Verovatnoće preˇzivljavanjazasekvenceizprimera<br />
Model koji smo razmatrali u prethodnim izvo†enjima nema preteranu praktičnu vrednost.<br />
Naime, ako već smatramo da se greške u prenosu ne mogu zanemariti i pokušavamo<br />
da ih sa stanovišta sinhronizacije minimizujemo, onda nema mnogo smisla očekivati apriori<br />
ispravan prenos na svim pozicijama gde su simboli sinhro sekvence. Ono što bi se<br />
moglo uraditi za kompletan analitički tretman i pronalaˇzenje očekivanog ponašanja je za<br />
svaku kombinaciju grešaka na poslatim sinhro-sekvancama pronaći odgovarajuće verovatnoće<br />
pretrage u ramu, a zatim njihov doprinos u prosečnoj verovatnoći ponderisati sa<br />
apriornim verovatnoćom te kombinacije. Ovakav pristup bi, naˇzalost, zahtevao veoma<br />
mnogo izračunavanja, ali postoje indikacije da je moguće konstruisati znatno uprošćenije<br />
modele koji bi dali dovoljno dobre aproksimacije [24].<br />
Sličan pristup se moˇze primeniti i na distribuirane sinhro-sekvence. Ovde se na<br />
početku rama moˇze naći bilo koja od A D sinhro-sekvenci, gde je A broj simbola u<br />
alfabetu a D broj nefiksiranih simbola u distribuiranoj sinhro-sekvenci. Pomoću bifiksanalize<br />
se moˇze očekivano ponašanje za sve moguće kombinacije preklapanja izme†u
GLAVA 3. <strong>BIFIKS</strong> <strong>ANALIZA</strong> 52<br />
sinhro-sekvenci u kvazi-determinističkim regionima (kojih ima A 2D ). Prosečna verovatnoća<br />
se moˇze odrediti tako što će se ove vrednosti pomnoˇziti sa apriornom verovatnoćom<br />
pojavljivanja kombinacije i zatim sabrati. Slično vaˇziikadasegreškeuprenosuuzimaju<br />
uobzir,pričemu bi analiza bila veoma komplikovana.
Glava 4<br />
Primena bifiks analize<br />
4.1 Vreme akvizicije (resinhronizacije)<br />
U odeljku 1.1.2 je dat uprošćeni model akvizicije, i uz pretpostavku da je verovatnoća<br />
simulacije na svakoj poziciji pretrage ista izvedena aproksimativna formula koja daje<br />
prosečno vreme akvizicije. Ovde će biti pokazan izraz koji za pretpostavljeni model daje<br />
tačnu vrednost za prosečno vreme akvizicije.<br />
Pre nego što pre†emo na izvo†enja, navedimo još jednom osobine procesa koji se<br />
razmatra. Prijemnik je ispao iz sinhronizma i započinje pretragu od prve naredne pozicije<br />
u odnosu na ispravnu. Smatra se da su sinhro-sekvence u svim ramovima ispravno<br />
prenete. Na svakoj od pozicija pretrage ispituje se sadrˇzaj klizećeg prozora i ako je<br />
sekvenca simulirana, skače se na istu poziciju u narednom ramu i vrši verifikacija. Prvi<br />
put kada verifikacija nije uspešna, prelazi se na sledeću poziciju u istom ramu i ponovo<br />
razmatra sadrˇzaj klizećeg prozora. Zanima nas prosečno vreme (izraˇzeno kroz prosečan<br />
broj bita) potrebno da klizeći prozor do†e do naredne ispravne pozicije na kojoj se nalazi<br />
sinhro-sekvenca.<br />
U prethodnom poglavlju je pokazano kako se moˇze izvesti verovatnoća da se u ramu,<br />
počevši od neke pozicije S, prvi put simulira sinhro-sekvenca na nekoj poziciji k, S ≤<br />
k
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 54<br />
Pr{1/1}<br />
Pr{F/2}<br />
Pr{F-1/2}<br />
1<br />
Pr{2/2}<br />
2<br />
Pr{i/2}<br />
. . . . . i . . . . . Pr{F-1/F-1}<br />
Pr{F/F-1}<br />
F - 1<br />
F<br />
Pr{2/1}<br />
Pr{i/1}<br />
Pr{F-1/1}<br />
Pr{F-1/i}<br />
Pr{F/i}<br />
moˇze pokazati da je ono jednako:<br />
Pr{F/1}<br />
Slika 4.1: Model akvizicije<br />
τ i = F Pr{i/i}<br />
1 − Pr{i/i}<br />
(4.1)<br />
Da bismo odredili prosečno vreme akvizicije, posluˇzimo se rekurzijom. Pretpostavimo<br />
da smo se našli u stanju F − 1, i da nas zanima koliko je prosečno vreme potrebno da<br />
iz njega stignemo u stanje F . Ovo vreme je suma dve komponente - prosečnog vremena<br />
provedenog u stanju F − 1, i vremena potrebnog da pre†emo iz F − 1 u F . Prvu<br />
komponentu dobijamo na osnovu izraza (4.1), dok je druga jednaka rastojanju izme†u<br />
ova dva stanja.<br />
Ovo moˇzemo i drugačije zapisati:<br />
τ F −1→F =<br />
τ F −1→F = τ F −1 + F − (F − 1) (4.2)<br />
= F · Pr{F − 1/F − 1}<br />
+1<br />
1 − Pr{F − 1/F − 1}<br />
(4.3)<br />
= F · Pr{F − 1/F − 1} +Pr{F/F − 1}<br />
F · Pr{F − 1/F − 1}<br />
1 − Pr{F − 1/F − 1} +<br />
Pr{F/F − 1}<br />
1 − Pr{F − 1/F − 1}<br />
1 − Pr{F − 1/F − 1}<br />
(4.4)<br />
(4.5)<br />
Vreme potrebno da iz F − 2 stigne u F se sastoji od tri komponente. Prva je ponovo<br />
prosečno vreme provedeno u F −2. Kadaseiza†eizstanjaF −2 postoje dva izbora, prvi<br />
je da se odmah pre†e u stanje F , a drugi da se pre†e u stanje F − 1. Uprvomslučaju<br />
je vreme prelaza 2 bita, ali ga se ono mora pomnoˇziti i sa verovatnoćom ovog prelaza,<br />
što je<br />
(verovatnoća ovog prelaza pod uslovom da se prelaz u isto stanje<br />
Pr{F/F−2}<br />
1−Pr{F −2/F −2}<br />
nije desio). U drugom slučaju je vreme prelaza 1+τ F −1→F ,averovatnoća prelaza je<br />
Pr{F −1/F −2}<br />
1−Pr{F −2/F −2}<br />
. Stoga je prosečno vreme potrebno da se iz stanja F − 2 pre†e u stanje
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 55<br />
F :<br />
τ F −2→F =<br />
F · Pr{F − 2/F − 2}<br />
1 − Pr{F − 2/F − 2} +2<br />
Pr{F/F − 2}<br />
1 − Pr{F − 2/F − 2} +<br />
Pr{F − 1/F − 2}<br />
+(1+τF −1→F )<br />
1 − Pr{F − 2/F − 2}<br />
= F · Pr{F − 2/F − 2} + τ F −1→F · Pr{F − 1/F − 2}<br />
1 − Pr{F − 2/F − 2}<br />
+ Pr{F − 1/F − 2} +2Pr{F/F − 2}<br />
1 − Pr{F − 2/F − 2}<br />
Sličnim razmatranjima se moˇze pokazati da u opštem slučaju vaˇzi:<br />
F · Pr{i/i} +<br />
FP −1<br />
j=i+1<br />
τ j→F · Pr{j/i} + FP<br />
j=i+1<br />
(j − i)Pr{j/i}<br />
+<br />
(4.6)<br />
(4.7)<br />
τ i→F =<br />
(4.8)<br />
1 − Pr{i/i}<br />
pri čemu je poslednji termin sa desne strane u stvari očekivano vreme pretrage u ramu<br />
počevši od pozicije i:<br />
pa je:<br />
FX<br />
j=i+1<br />
τ i→F =<br />
Prosečno vreme akvizicije je:<br />
TSY N=τ 1→F =<br />
(j − i)Pr{j/i} =<br />
F · Pr{i/i} +<br />
FX<br />
(j − i)Pr{j/i} = Ti<br />
j=i<br />
F · Pr{1/1} +<br />
FP −1<br />
τ j→F · Pr{j/i} + Ti<br />
j=i+1<br />
1 − Pr{i/i}<br />
FP −1<br />
τ j→F · Pr{j/1} + T1<br />
j=2<br />
1 − Pr{1/1}<br />
4.2 Analiza postojećih sinhro-sekvenci<br />
(4.9)<br />
(4.10)<br />
(4.11)<br />
Uovomodeljkućemo primeniti prethodno izvedene formule na neke od postojećih<br />
sinhro-sekvenci, da bismo utvrdili i uporedili njihove sinhronizacione karakteristike.<br />
4.2.1 E1 (PDH) sinhro-sekvenca<br />
PDH je prva digitalna hijerarhija uvedena u upotrebu u telefonskim mreˇzama. PDH<br />
signali se sastoje ramova jednake duˇzine. U svakom od njih je vremenski multipleks<br />
korisničkih i specijalnih vremenskih “slotova”. Jedan od specijalnih slotova nosi sinhrosekvencu<br />
i zaduˇzen je za sinhronizaciju na nivou rama. (Više informacija o PDH se moˇze<br />
pronaći u [27].)
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 56<br />
Ovde ćemo razmatrati PDH sinhro-sekvencu koja je se koristi za sinhronizaciju rama<br />
kod E1 signala [28]. U ovom sistemu sinhro-sekvenca je 0011011, duˇzine 7 bita, i umeće<br />
se na početak svakog drugog rama sa podacima. To efektivno znači da je duˇzina rama<br />
nad kojim se vrši sinhronizacija 512 bita (2 × 32 × 8 ˙ ). Ako pretpostavimo da se greške u<br />
prenosu ne dozvoljavaju, verovatnoća preˇzivljavanja ove sekvence je PrSV =0.0163831,<br />
što je prilično mala vrednost. Pošto ova sekvenca nema bifikse, to je ujedno i najbolje<br />
moguće za binarnu sekvencu ove duˇzine. Vreme akvizicije je TSY N = 527.49. Akobise<br />
za istu svrhu iskoristila sekvenca duˇzine 8 bita (što prirodno odgovara jednom slotu u<br />
PDH ramu) dobilo bi se PrSV =0.135274, što je poboljšanje za red veličine. Tako†e,<br />
i vreme akvizicije bi se smanjilo na TSY N = 515.007, takodasemoˇze se reći da bi<br />
sinhro-sekvenca duˇzine 8 bila bolji izbor.<br />
Pretpostavimo nadalje da su dozvoljene greške u okviru sinhro-sekvence. Uporedimo<br />
ponašanja sledećih sekvenci iz 2. poglavlja (sve su duˇzine 7 bita):<br />
• 0001011, Al-Subah-Dˇzons sekvenca;<br />
• 1011000, Mori-Stajls sekvenca;<br />
• 1110010, Barkerova sekvenca;<br />
• 0011011, PDH sinhro-sekvenca za E1 signal.<br />
U tabeli 4.1 je dat broj kros-bifiksa za jednu dozvoljenu grešku. Moˇze se primetiti<br />
da PDH sinhro-sekvenca ima najviše kros-bifiksa.<br />
duˇzina<br />
kros-bifiksa<br />
Al-Subah-Dˇzons<br />
0001011<br />
Mori-Stajls<br />
1011000<br />
Barker<br />
1110010<br />
PDH<br />
0011011<br />
1 14 14 14 14<br />
2 2 12 12 2<br />
3 2 2 2 10<br />
4 2 2 2 8<br />
5 2 0 0 0<br />
6 1 0 0 0<br />
7 8 8 8 8<br />
Tabela 4.1: Broj kros-bifiksazasekvenceizprimera<br />
Ako podatke iz tabele 4.1 uporedimo sa grafikom 4.2, vidimo da postoji izrazita korenspondencija<br />
izme†u verovatnoća simulacije ovih sekvenci u ramu i broja kros bifiksa.<br />
Za jednu grešku, PDH sinhro-sekvenca ima najviše kros-bifiksa i najveće verovatnoće<br />
simulacije. Barkerova i Mori-Stajls sekvenca se identično ponašaju (jer se u stvari radi<br />
o istoj sekvenci sa stanovišta kros-bifiksa) i imaju najbolje karakteristike u regionu podataka.<br />
Al-Subah-Dˇzons sekvenca ima najbolje karakteristike u kvazi-determinističkim<br />
regionima.<br />
Verovatnoće preˇzivljavanja za sve ove sekvence su zanemarljivo male. Me†utim, za<br />
model akvizicije koji je dat u [26] se pokazuje da je za jednu grešku prosečno vreme
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 57<br />
Pr{k}<br />
10 0<br />
10 −5<br />
10 −10<br />
10 −15<br />
10 −20<br />
10 0<br />
0001011<br />
1011000<br />
1110010<br />
0011011<br />
10 1<br />
k<br />
10 2<br />
Slika 4.2: Pretraga u ramu, N =7, F = 512, e =1<br />
akvizicije najkraće za Al-Subah-Dˇzonsovu sekvencu [29]. Ove vrednosti su date u tabeli<br />
4.2.<br />
sekvenca<br />
TSY N<br />
F ,e=1<br />
Al-Subah-Dˇzons, 0001011 5,344<br />
Mori-Stajls, 1011000 5.406<br />
Barker, 1110010 5.406<br />
PDH, 0011011 7.844<br />
Tabela 4.2: Prosečno vreme akvizicije, N =7, F = 512, e =1<br />
Ako pretpostavimo da se za E1 sinhronizaciju koristi sekvenca od 8 bita, i da se<br />
tolerišu jedna, odnosno dve simbolske greške u okviru sinhro-sekvence, tada su ponovo<br />
najbolji izbor odgovarajuće Al-Subah-Dˇzons sekvence [29] (tabela 4.3).<br />
Na osnovu gore izloˇzenog mogu se doneti sledeći zaključci. Prvo, duˇzina od 7 bita<br />
nije dovoljna za E1 sinhronizaciju, i logičniji izbor bi bila sinhro-sekvenca duˇzine 8bita.<br />
Ukoliko se tolerišu greške u prenosu, tada su razlike izme†u sekvenci duˇzine 7 i 8 još<br />
izraˇzenije, pri čemu je očigledno da su i jedne i druge prekratke sa stanovišta sinhronizacije<br />
na nivou rama. U oba slučaja je najbolji izbor Al-Subah-Dˇzons sekvenca optimizovana<br />
za odgovarajući broj grešaka. Ovo je posledica osobine ovih sekvenci da imaju<br />
najmanju verovatnoću simulacije u kvazi-determinističkim regionima, tj. najmanji broj<br />
kros-bifiksa.
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 58<br />
sekvenca<br />
TSY N<br />
F ,e=1<br />
TSY N<br />
F ,e=2<br />
Al-Subah-Dˇzons 1, 00011011 4,366 11,838<br />
Mori-Stajls, 10111000 4,399 11,742<br />
Vilard, 00100111 4,366 11,838<br />
Al-Subah-Dˇzons 2, 00011101 4,399 11,742<br />
Tabela 4.3: Verovatnoće preˇzivljavanjazasekvenceizprimera<br />
Zanimljivo bi bilo ispitati koje bi se vrednosti za ove parametre dobile kada bi se<br />
umesto kontinualnih sekvenci koristile distribuirane sekvence sa istim brojem sinhrosimbola<br />
(greške u prenosu nisu dozvoljene). Vrednosti PrSV i TSY N za distribuirane<br />
sekvence iz odeljka 2.6 koje odgovaraju ovom uslovu su date u tabeli 4.4.<br />
sekvenca (N,L) PrSV TSY N<br />
111**0***0*10 (7, 13) 0.0221642 527.511<br />
11011*10*0 (8, 10) 0.13861 514.975<br />
111**0***0***0*10 (8, 17) 0.13839 514.973<br />
Tabela 4.4: Broj kros-bifiksazasekvenceizprimera<br />
Moˇze se zaključiti da u ovom slučaju distribuirane sekvence ne pokazuju posebna<br />
poboljšanja u odnosu na kontinualne sekvence sa istim brojem sinhro-simbola.<br />
4.2.2 HDLC fleg<br />
HDLC (High-level Data Link Control) je protokol drugog OSI nivoa, koji sluˇzi za<br />
prenos podataka u računarskim mreˇzama. Veoma je zastupljen i koristi se u raznim varijantama<br />
- neke od njih se npr. LAPB (Link Access Procedure Balanced )protokoluX.25<br />
mreˇzama, odnosno LAPD (Link Access Procedure over channel D) protokol za prenos<br />
korisničke signalizacije u ISDN-u. HDLC je bit-orijentisani (bit-oriented) protokol,što<br />
znači da podatke sa viših nivoa tretira kao tok bita (alternativa su tzv. byte-oriented<br />
protokoli). Osnovne informacije o HDLC protokolu se mogu naći u [30].<br />
HDLC prenos podataka se moˇze odvijati preko asinhronih ili sinhronih linkova. Podaci<br />
su organizovani u ramove, a za odre†ivanje granice svakog rama sluˇzi sekvenca<br />
01111110, koje se naziva fleg (flag),ikojasenalazinapočetku (i eventualno na kraju)<br />
svakog rama. Kod sinhronog prenosa nema pauza izme†u ramova i fleg je jedini način da<br />
se granice rama detektuju. Stoga se ne sme dozvoliti da se u okviru ram pojavi sekvenca<br />
01111110, jer bi to dovelo do pogrešne sinhronizacije, i razvijena je veoma jednostavna<br />
tehnika umetanja bita (bit-stuffing) koja to sprečava. Naime, na predajnoj strani se svaki<br />
put kada se prilikom emitovanja pojavi sekvenca 011111 (nula i pet jedinica) u toku podataka,<br />
nakon nje prisilno ubacuje 0, i na taj način sprečava eventualna pojava flega.<br />
Na prijemnoj strani se nakon prijema sekvence 011111 izbacuje naredna 0 ako postoji, a<br />
ako 0 ne postoji to je signal prijemniku da se radi o flegu. Jasno je da bit-stuffing smanjuje<br />
efektivni protok. Pomoću bifiks-analize moˇzemo odrediti koliko je patern 011111 u
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 59<br />
tom smislu dobro izabran. Kao parametar za procenu “dobrote” paterna moˇze posluˇziti<br />
njegovo prosečno vreme pojavljivanja u ramu [19].<br />
Model pretrage koji posmatramo u ovom slučaju je pretraga u ograničenom, ali slučajnom<br />
nizu simbola (tj. ne postoje kvazi-deterministički regioni). Grafik 4.3 daje prosečno<br />
vreme pojavljivanja pojedinih sekvenci sa karakterističnim strukturama bifiksa u nizu<br />
jednakoverovatnih simbola ograničene duˇzine. Vidi se da prosečno vreme pojavljivanja<br />
posle neke kritične duˇzine rama raste sa porastom broja bifiksa u sekvenci (što je u<br />
saglasnosti sa rezultatima datim u 3.1.1). Pošto duˇzina HDLC rama nije ograničena (a<br />
običnosuupraksiduˇzine nekoliko hiljada bita), jasno da su sekvence sa bifiksima bolji<br />
izbor od sekvence 011111. Ako sekvencu 000000 izbacimo zbog nedostatka tranzicija,<br />
tada je sledeća najbolja 010101.<br />
T(F) / F<br />
0.35<br />
0.3<br />
0.25<br />
0.2<br />
0.15<br />
0.1<br />
0.05<br />
0<br />
10 0<br />
10 1<br />
10 2<br />
F<br />
10 3<br />
000000<br />
010101<br />
011110<br />
011111<br />
Slika 4.3: Prosečnovremepojavljivanjakarakterističnih sekvenci u nizu ograničene duˇzine<br />
Grafik 4.3semoˇze posmatrati i na drugačiji način. Za fleg 01111110 i bit-stuffing<br />
tehniku, optimalna duˇzina HDLC rama bi bila negde oko 100 bita.<br />
Dodajmo na kraju da HDLC oprema pojedinih proizvo†ača na fizičkom nivou tok<br />
podataka ne tretira kao kontinualan, već ga deli na bajtove, iako je HDLC bit-orijentisan<br />
protokol. To znači da prethodna analiza ne vaˇzi, jer se svakih 8 bita pretraga resetuje.<br />
10 4
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 60<br />
4.2.3 SDH sinhro-sekvenca<br />
SDH (Synchronous Digital Hierarchy) je digitalna hijerarhija znatno unapre†enih<br />
ka-rakteristika u odnosu na PDH. Upotreba SDH je u transportnom delu mreˇze, pre<br />
svega zbog veoma velikih kapaciteta signala iz ove hijerarhije. Kao i kod PDH, i ovde<br />
se prenos vrši pomoću ramova jednake duˇzine,asvakiramzapočinje sinhro-sekvencom.<br />
Više informacija o SDH se moˇze pronaći u [31].<br />
SDH signali su označavaju sa STM-N (Synchronous Transport Module), gde je N<br />
oznaka nivoa, koja moˇze imati vrednosti 1, 4, 16, 64 ili 256. Struktura sinhro-sekvence<br />
je oblika [32]:<br />
sN = A1...A1A2...A2<br />
(4.12)<br />
| {z } | {z }<br />
gde je N nivo SDH signala, a A1 i A2 su sledeći bajti:<br />
3N<br />
3N<br />
A1 = 11110110 (4.13)<br />
A2 = 00101000 (4.14)<br />
Na osnovu gornjih izraza, jasno je da je SDH sinhro-sekvenca bez bifiksa. AkozaSTM-1<br />
ram primene formule (3.73) i (4.11), dobijamo:<br />
PrSV ≈ 1 (4.15)<br />
TSY N ≈ 19439 = FSTM-1 − 1 (4.16)<br />
gdejesaFSTM-1 označena duˇzina STM-1 rama. Imajući ove vrednosti u vidu, moˇze se<br />
reći da je u ovom slučaju sinhro-sekvenca bolje izabrana u odnosu na PDH sekvencu.<br />
Me†utim, kao što će biti pokazano u narednom odeljku, slične vrednosti za PrSV i TSY N<br />
se mogu dobiti i za sinhro-sekvence manje duˇzine, što znači procentualno manji gubitak<br />
na “korisnom” protoku.<br />
Za detaljan tretman SDH sinhronizacije na nivou rama sa aspekta vremena detekcije<br />
da je prijemnik ispao iz sinhronizma, vremena drˇzanja sinhronizacije izme†u dva<br />
“laˇzna” alarma i vremena resinhronizacije, kao i ponašanje ovih parametera u odnosu<br />
na vrednosti propisane u [33], čitalac se upućuje na [34].<br />
4.3 Dizajn sinhro-sekvenci<br />
Rezultati bifiks-analize se mogu iskoristiti i za dizajniranje (tačnije rečeno pronalaˇzenje)<br />
sinhro-sekvenci za konkretne primene. Što se tiče kriterijuma po kome se izbor<br />
sinhro-sekvence vrši, ovde ćemo se ograničiti na pronalaˇzenje što kraćih sinhro-sekvenci<br />
koje za zadatu duˇzinu rama imaju prihvatljivo visoku verovatnoću preˇzivljavanja PrSV .<br />
Sa druge strane, visoka verovatnoća preˇzivljavanjaodgovaraprihvatljivoniskomvremenu<br />
akvizicije TSY N. Kao i prethodnom tekstu, ograničićemo se na binarne sekvence.<br />
Problem dizajna sinhro-sekvence je relativno jednostavan ako se ne dozvoljavaju<br />
greške u prenosu. Jasno je sekvenca treba da bude bez bifiksa. Ako pretpostavimo da je
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 61<br />
duˇzina rama F iduˇzina sekvence N, tada na osnovu rezultata dobijenih u 3. poglavlju<br />
vaˇzi:<br />
odakle sledi:<br />
Pr{k} ≤ 2 −N ,N≤ k ≤ F − N (4.17)<br />
Pr{k} = 0, 0
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 62<br />
U prethodnom izrazu je sa UN označen broj sekvenci duˇzine N koje su bez bifiksa, a sa<br />
A je označen broj simbola u alfabetu.<br />
Grafik 4.4 prikazuje ponašanje PrSV zajednudozvoljenugrešku(e =1)irazličite<br />
duˇzine rama (F ) za Al-Subah-Dˇzons sekvence. Ako znamo duˇzinurama,iodlučimo se<br />
za verovatnoću preˇzivljavanja, sa grafika je moguće identifikovati koja je duˇzina sekvence<br />
(N) potrebna.<br />
Pr SV<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 />
e = 1<br />
F = 100<br />
F = 200<br />
F = 400<br />
F = 800<br />
F = 1600<br />
6 8 10 12 14 16 18 20 22 24<br />
N<br />
Slika 4.4: PrSV za Al-Subah-Dˇzons sekvence, e =1<br />
Na grafiku 4.5.je prikazana PrSV za e ∈ {0, 1, 2}. Posmatrajući grafik, vidi se da su<br />
krive za PrSV za datu duˇzinu rama u svom najvećem delu ekvidistantn˙e. Kako raste<br />
duˇzina rama, raste i ovo rastojanje izme†u krivih, i moˇze se grubo proceniti da je ovaj<br />
porast logaritamski.<br />
Na osnovu jednačine (4.20) i grafika 4.5 se moˇze doneti inicijalna procena kolika je<br />
duˇzina sekvence potrebna za datu duˇzinu rama. Prvo se pomoću (4.20) odredi kolika<br />
je duˇzina sekvence potrebna kada je e =0, a zatim se proceni kolika je “udaljenost”.u<br />
broju bita u odnosu nju. U zavisnosti od duˇzine rama, ova udaljenost je u granicama<br />
od4bitapodozvoljenojgrešci(duˇzinaramaokostobita)do10bitapodozvoljenoj<br />
grešci (duˇzina rama oko milion bita). Kada se donese procena za duˇzinu, računarskom<br />
pretragom (ako je potrebna) i izračunavanjem pravih vrednosti za PrSV i TSY N se moˇze<br />
doći do optimalne sekvence.
GLAVA 4. PRIMENA <strong>BIFIKS</strong> ANALIZE 63<br />
Pr SV<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 />
5 10 15 20 25<br />
N<br />
e = 0, F = 100<br />
e = 0, F = 400<br />
e = 1, F = 100<br />
e = 0, F = 1600<br />
e = 1, F = 400<br />
e = 2, F = 100<br />
e = 1, F = 1600<br />
e = 2, F = 400<br />
e = 2, F = 1600<br />
Slika 4.5: PrSV za Al-Subah-Dˇzons sekvence, e ∈ {0, 1, 2}
Glava 5<br />
Zaključak<br />
U ovom radu je obra†ena tema sinhronizacije na nivou rama sa aspekta pravilnog<br />
izbora sinhronizacionih sekvenci. Prikazana je tzv. bifiks analiza, koja omogućava tačno<br />
izračunavanje uticaja strukture sinhro-sekvence na procese vezane za sinhronizaciju.<br />
Pored izvo†enja izraza koji daju opšte izraze za verovatnoću simulacije sinhro-sekvence<br />
u ramu, i koji se mogu primeniti na različite konkretne situacije, data je i formula kojom<br />
se moˇze proceniti prosečno vreme akvizicije za model, koji, iako pojednostavljen,<br />
omogućava procenu dobrote sinhro-sekvence u ovom smislu. Sa stanovišta ovih novih<br />
rezultata je razmatrano nekoliko postojećih sinhro-sekvenci u sistemima koji se koriste u<br />
praksi, a date su i osnovne smernice za izbor sinhro-sekvenci u nekim novim, eventualnim<br />
primenama. Sve do sada nabrojano predstavlja doprinose ovog rada.<br />
Što se tiče daljeg rada na ovu temu, postoji nekoliko pravaca koji se prirodno naslanjaju<br />
na ovde izloˇzene rezultate. Bifiks analiza svoje mesto moˇze naći i u modelu procesa<br />
akvizicije sinhronizacije koji podrazumeva prestanak verifikacije nakon odre†enog broja<br />
uspešnih testova, u detekciji ispada iz sinhronizma i i odre†ivanju vremena drˇzanja<br />
sinhronizacije izme†u laˇznih alarma. Dalje, bifiks analiza se moˇze primeniti i na sisteme<br />
u kojima postoji više primo-predajnika, kada se javlja potreba za istovremenim<br />
korišćenjem više sinhro-sekvenci (MIMO sistemi). Problem konstrukcije skupa sekvenci<br />
sa što manjim brojem kros-bifiksa tako†e ostaje otvoren. Na kraju, bifiks-analiza bi se<br />
eventualno mogla proširiti i na detekciju, kada bi se u obzir mogla uzeti i informacija<br />
koja stiˇze iz kanala o verodostojnosti primljenih simbolskih vrednosti, i kada bi se moglo<br />
razmišljati i o “soft” bifiksima.<br />
64
Dodatak A<br />
Neke osobine bifiksa<br />
Uovomodeljkuće biti prikazane neke zanimljive osobine koje bifiksi zadovoljavaju.<br />
Prva od njih je osobina da ukoliko sekvenca ima više (netrivijalnih) bifiksa, tada je<br />
svaki bifiks niˇzeg reda ujedno i bifiks bifiksa višeg reda. Dokaz ove osobine je veoma<br />
jednostavan. Posmatrajmo npr. proizvoljnu sekvencu s, kojaimabardvabifiksa čiji su<br />
redovi b1 i b2, i pretpostavimo (bez gubitka na opštosti) da je b1 ¥ ¦<br />
N<br />
2 , tada sekvenca tako†e ima i bifiks reda 2b − N. Ovo se tako†e jednostavno<br />
dokazuje. Naime, pošto se svaki bifiks nalazi i na početku i na kraju sekvence, a vaˇzi<br />
b> ¥ ¦<br />
N<br />
2 , tada se poslednjih 2b − N simbola i prvih 2b − N simbolaovogbifiksa u<br />
sekvenci preklapaju, tj. u pitanju su isti simboli (slika A.1). To znači da svaki bifiks<br />
reda b> ¥ ¦<br />
N<br />
2 ima bifiks reda 2b − N, a ako primenimo prethodno razmatranu osobinu,<br />
onda i sama sekvenca ima bifiks reda 2b − N. Na osnovu ove osobine se moˇze pokazati<br />
da je kao uslov da sekvenca nema bifikse, potrebno i dovoljno da sekvenca nema bifikse<br />
reda manjeg od ¥ ¦<br />
N<br />
2 [20].<br />
s1 sN-b sN-b+1 s s b b+1<br />
p 1<br />
p<br />
... p N-b+1 p<br />
N-b ... b pN-b ... p<br />
p b<br />
1 pN-b+1 preklapanje od<br />
2b-N simbola<br />
Slika A.1: Preklapanje bifiksa reda većeg od b> ¥ ¦<br />
N<br />
2<br />
65<br />
s N
DODATAK A. NEKE OSOBINE <strong>BIFIKS</strong>A 66<br />
Sledeća osobina, koju ćemo ovde navesti bez dokaza, generalizacija je prethodno<br />
navedene. Naime, moˇze se pokazati da ako postoji bifiks reda b> ¥ ¦<br />
N<br />
2 , tada:<br />
• ukoliko je N − b ≥ 2b − N, tj.2N ≥ 3b, postojiibifiks reda 2b − N,<br />
• ukoliko je 2N § ¨<br />
N , tada zasigurno postoji i bifiks reda b2 =2b1− N, jer<br />
2<br />
se prefiks duˇzine b1 isufiks duˇzine b1 baš za toliko simbola l mpreklapaju.<br />
Posmatrajmo<br />
b2<br />
zatim najduˇzi bifiks bifiksa b2. Ako je veći ili jednak 2 , ponavlja se postupak -<br />
identifikuje se novi bifiks duˇzine b3 =2b2 − b1, alakosemoˇze pokazati da je i ovaj bifiks<br />
tako†e i bifiks početne sekvence. Ovaj postupak se moˇze ponavljati sve dok su najduˇzi<br />
bifiksi u novodobijenim podsekvencama duˇzi ili jednaki polovini duˇzine podsekvence.<br />
Kada to više nije slučaj, tada je podsekvenca na kojoj se postupak zaustavio osnovna<br />
struktura. Ponavljanjem osnovne strukture se dobija početna sekvenca (ova ponavljanja<br />
mogu biti sa preklapanjima). Pored toga što se od osnovne strukture moˇze dobiti i sama<br />
sekvenca, pomoću nje se mogu generisati i svi bifiksi iz prethodnih koraka, sukcesivnim<br />
oduzimanjem osnovne strukture od sekvence, bez dela koji je u preseku dva uzastopna<br />
ponavljanja.<br />
Neka je broj koraka u prethodno opisanom postupku bio k−1, pričemu je generisano<br />
k − 1 bifiksa duˇzina b1,b2,..., bk−1. Neka u ponavljanjima osnovne strukture postoji<br />
preklapanje duˇzine bk. Moˇze se pokazati da je bk tako†e bifiks početne sekvence, tj.<br />
gore sprovedenim postupkom smo dobili skup bifiksa {b1,b2,...,bk}. Pored bifiksa iz<br />
ovog skupa moguće je da sekvenca ima još bifiksa. Ovi preostali bifiksi su bifiksi bifiksa<br />
bk (bifiksi preklapanja u ponavljanjima osnovne strukture).<br />
Osnovna struktura je jedinstvena, jer bi se u suprotnom pokazalo da se prilikom<br />
njene identifikacije nije krenulo od najduˇzeg bifiksa.
Dodatak B<br />
Pretraga u beskonačnom nizu<br />
B.1 Gustina raspodele verovatnoće pretrage za sekvencom<br />
U odeljku 3.1.1 je pokazano da je verovatnoća da će pretraga za predefinisanom<br />
sekvencom u beskonačnom nizu slučajnih simbola trajati tačno k testova jednaka:<br />
⎧<br />
⎨<br />
Pr{k} =<br />
⎩<br />
min(N,k−1) P<br />
m=1<br />
Pr{s} = r (N) , k =1<br />
¡<br />
h (N−m+1) r (m−1) − h (N−m) r (m) ¢ Pr{k − m}, k > 1<br />
Treba pokazati da je Pr{k} gustina raspodele, odnosno da vaˇzi i:<br />
(B.1)<br />
∞X<br />
Pr{k} =1 (B.2)<br />
k=1<br />
Prenegoštoovodokaˇzemo, trebalo bi formalno pokazati da Pr{k} teˇzi nuli brˇze od<br />
1<br />
k kada k teˇzi ka beskonačnosti. Me†utim, ispostavlja se da je ovo veoma komplikovano<br />
dokazati u opštem slučaju. Jasno je da Pr{k} opada i teˇzi nuli i ovo se moˇze jednostavno<br />
pokazati, ali brzinu konvergencije je teško odrediti, pri čemuonazavisiiodbrojaiod<br />
strukture bifiksa. Na grafiku B.1 je prikazano ponašanje Pr{k} karakterističnih sekvenci<br />
duˇzine 8 bita u odnosu na funkciju 1<br />
k2 .VidisedaPr{k} poslenekekritične vrednosti<br />
opada daleko brˇze nego 1<br />
k2 , što je dovoljno ne samo da Pr{k} bude gustina raspodele,<br />
nego i da postoji i očekivanje slučajne promenljive sa ovom raspodelom. Isto se moˇze<br />
pokazati i za sve ostale duˇzine sekvenci, pri čemu poloˇzaj tačke preloma raste sa porastom<br />
duˇzine sekvence (vidi odeljak 3.1.1).<br />
Pre†imo na dokaz da Pr{k} predstavlja gustinu raspodele. Posmatrajmo niz prvih<br />
67
DODATAK B. PRETRAGA U BESKONAČNOM NIZU 68<br />
K verovatnoća:<br />
Pr{1} = r (N)<br />
Pr{2} =<br />
³<br />
h (N) r (0) − h (N−1) r (1)´<br />
Pr{1}<br />
Pr{3} =<br />
³<br />
h (N) r (0) − h (N−1) r (1)´<br />
Pr{2} +<br />
³<br />
+ h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{1}<br />
Pr{N} =<br />
....<br />
³<br />
h (N) r (0) − h (N−1) r (1)´<br />
Pr{N − 1} +<br />
³<br />
+ h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{N − 2} +<br />
³<br />
... + h (2) r (N−2) − h (1) r (N−1)´<br />
Pr{1}<br />
Pr{N +1} =<br />
³<br />
h (N) r (0) − h (N−1) r (1)´<br />
Pr{N} +<br />
³<br />
+ h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{N − 1} +<br />
³<br />
... + h<br />
(B.3)<br />
(1) r (N−1) − h (0) r (N)´<br />
Pr{1}<br />
Pr{N +2} =<br />
³<br />
h (N) r (0) − h (N−1) r (1)´<br />
Pr{N +1} +<br />
³<br />
+ h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{N} +<br />
³<br />
... + h (1) r (N−1) − h (0) r (N)´<br />
Pr{2}<br />
Pr{K} =<br />
....<br />
³<br />
h (N) r (0) − h (N−1) r (1)´<br />
Pr{K − 1} +<br />
³<br />
+ h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{K − 2} +<br />
³<br />
... + h (1) r (N−1) − h (0) r (N)´<br />
Pr{K − N}<br />
Ako, počevši od Pr{2}, saberemo N uzastopnih verovatnoća simulacije, primetićemo<br />
da dolazi me†usobnih poništavanja koeficijenata koji stoje uz Pr{1}, ipreostaće samo:<br />
(h (N) r (0) − h (0) r (N) )Pr{1} =(1− r (N) )Pr{1} (B.4)<br />
Isto vaˇzi za bilo koji drugi zbir N uzastopnih verovatnoća simulacije, kada će od koeficijenata<br />
koji mnoˇze Pr{j − 1} sa desne strane, preostati samo (1 − r (N) )Pr{j − 1}, gde<br />
je j početni indeks u zbiru i j ≥ 1.<br />
Ako saberemo sve leve i desne strane u (B.3) i pustimo da K −→ ∞ (uz zanemari-
DODATAK B. PRETRAGA U BESKONAČNOM NIZU 69<br />
10 0<br />
10 −5<br />
10 −10<br />
10 −15<br />
10 −20<br />
10 0<br />
10 −25<br />
00000000<br />
01010101<br />
01110111<br />
01111110<br />
01111111<br />
1 / k 2<br />
10 1<br />
10 2<br />
Slika B.1: Pr{k} karakterističnih sekvenci duˇzine 8 u odnosu na 1<br />
k 2<br />
vanje poslednjih K − N +1članova jer vrednost Pr{k} teˇzi nuli) dobijamo:<br />
odakle sledi:<br />
∞X<br />
k=1<br />
k<br />
Pr{k} = r (N) +(1− r (N) )Pr{1} +(1− r (N) )Pr{2} +<br />
10 3<br />
+(1 − r (N) )Pr{3} + ... (B.5)<br />
∞X<br />
Pr{k} (B.6)<br />
= r (N) +(1− r (N) )<br />
k=1<br />
10 4<br />
∞X<br />
Pr{k} =1 (B.7)<br />
k=1<br />
B.2 Očekivano trajanje pretrage<br />
Treba izračunati sledeću vrednost:<br />
T =<br />
∞X<br />
k Pr{k} (B.8)<br />
k=1
DODATAK B. PRETRAGA U BESKONAČNOM NIZU 70<br />
Kao i u prethodnom odeljku, po†imo od izraza:<br />
Pr{1} = r (N)<br />
2Pr{2} =<br />
³<br />
2 h<br />
(B.9)<br />
(N) r (0) − h (N−1) r (1)´<br />
Pr{1} (B.10)<br />
3Pr{3} =<br />
³<br />
3 h (N) r (0) − h (N−1) r (1)´<br />
Pr{2} +<br />
³<br />
+3 h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{1}<br />
...<br />
(B.11)<br />
N Pr{N} =<br />
³<br />
N h (N) r (0) − h (N−1) r (1)´<br />
Pr{N − 1} +<br />
³<br />
+N h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{N − 2} +<br />
³<br />
... + N h<br />
(B.12)<br />
(2) r (N−2) − h (1) r (N−1)´<br />
Pr{1}<br />
(N +1)Pr{N +1} =<br />
³<br />
(N +1) h (N) r (0) − h (N−1) r (1)´<br />
Pr{N} +<br />
³<br />
+(N +1) h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{N − 1} + (B.13)<br />
³<br />
... +(N +1) h (1) r (N−1) − h (0) r (N)´<br />
Pr{1}<br />
(N +2)Pr{N +2} =<br />
³<br />
(N +2) h (N) r (0) − h (N−1) r (1)´<br />
Pr{N +1} +<br />
³<br />
+(N +2) h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{N} +<br />
³<br />
... +(N +2) h<br />
(B.14)<br />
(1) r (N−1) − h (0) r (N)´<br />
Pr{2}<br />
K Pr{K} =<br />
.... ³<br />
K h (N) r (0) − h (N−1) r (1)´<br />
Pr{K − 1} +<br />
³<br />
+K h (N−1) r (1) − h (N−2) r (2)´<br />
Pr{K − 2} +<br />
³<br />
... + K h<br />
(B.15)<br />
(1) r (N−1) − h (0) r (N)´<br />
Pr{K − N}<br />
Ako, počevši od Pr{2}, saberemoprvihN uzastopnih jednačina, koeficijenti koji<br />
stoje uz Pr{1} će se svesti na:<br />
NX<br />
1+ h (i) r (N−i) − (N +1)h (0) r (N) NX<br />
)=1+ h (i) r (N−i) − (N +1)r (N)<br />
i=1<br />
i=1<br />
(B.16)
DODATAK B. PRETRAGA U BESKONAČNOM NIZU 71<br />
Slično vaˇzi za bilo koji drugi zbir N uzastopnih verovatnoća, kada će od koeficijenata<br />
koji mnoˇze Pr{j − 1} sadesnestranesedobitij−1+ PN i=1 h(i) r (N−i) − (N +1)r (N) ,<br />
gde je j ponovo početni indeks u zbiru i j ≥ 1.<br />
Ako saberemo prethodne jednačine i pustimo da K −→ ∞ dobijamo:<br />
∞X<br />
k Pr{k} = r (N) ∞X<br />
Ã<br />
NX<br />
+ k + h (i) r (N−i) − (N + k) r (N)<br />
!<br />
Pr{k}(B.17)<br />
k=1<br />
∞X<br />
k=1<br />
k=1<br />
k=1<br />
k Pr{k} = r (N) +(1− r (N) )<br />
i=1<br />
∞X<br />
k Pr{k} +<br />
k=1<br />
Ã<br />
NX<br />
+ h (i) r (N−i) − r (N) !<br />
∞X<br />
N Pr{k} (B.18)<br />
i=1<br />
r (N)<br />
∞X<br />
k Pr{k} = r (N) NX<br />
+ h (i) r (N−i) − r (N) N (B.19)<br />
odakle sledi:<br />
k=1<br />
i=1<br />
∞X<br />
NX<br />
k Pr{k} = 1+ h<br />
=<br />
NX<br />
h<br />
i=0<br />
i=1<br />
k=1<br />
(i) r(N−i)<br />
(i) r(N−i)<br />
− N (B.20)<br />
r (N)<br />
− N (B.21)<br />
r (N)
Bibliografija<br />
[1] B. Sklar , Digital Communications; Fundamentals and Applications, Prentice-Hall<br />
International, London, 1988.<br />
[2] S. Bregni, Synchronization of Digital Communication Networks, John Wiley & Sons,<br />
Chichester, 2002.<br />
[3] P. K. Bhatnagar, Engineering Networks for Synchronization, CCS7, and ISDN,<br />
Wiley-IEEE Press, New York, 1997.<br />
[4] R.A. Scholtz, “Frame Synchronization Techniques”, IEEE Trans. on Comm., Vol<br />
28, pp. 1204-1212, August 1980.<br />
[5] D.W. Choi, “Frame Alignment in a Digital Carrier System - A Tutorial”, IEEE<br />
Comm. Mag., Vol. 28, pp. 47-54, February 1990.<br />
[6] CCITT Recommendation G.732, G.742, G.751, Blue Book III.4, Genève, Switzerland,<br />
1988.<br />
[7] E. V. Jones and M. N. Al-Subbagh: “Algorithms for frame alignment - some comparisions”,<br />
IEE Proc. part F - Commun., Radar & Signal processing, Vol. 132 (7),<br />
pp. 529-536, December 1985.<br />
[8] J.L. Massey, “Optimum Frame Synchronization”, IEEE Trans. on Comm., Vol. 20,<br />
pp. 115-119, April 1972.<br />
[9] H. Häberle, “Frame Synchronizing PCM Systems”, Electrical Communications, Vol.<br />
44, No. 4, pp. 280-287, 1969.<br />
[10] G. Lukatela, D. Drajić, G. Petrović, Digitalne telekomunikacije, Gra†evinska knjiga,<br />
Beograd, 1978.<br />
[11] P.T. Nielsen, “On the Expected Duration of a Search for a Fixed Pattern in Random<br />
Data”, IEEE Trans. on Inf. Theory., Vol. 19, pp. 702-704, September 1973.<br />
[12] H. Barker, Group Synchronization of Binary Digital Systems, Communication Theory<br />
- Jackson W. (editor), Academic-Butterworth, New York, 1953.<br />
72
BIBLIOGRAFIJA 73<br />
[13] J. Jedwab, “A Survey of the Merit Factor Problem for Binary Sequence”,<br />
http://www.math.sfu.ca/~jed/Papers/Jedwab.Merit Factor Survey.2005.pdf, 2004.<br />
[14] H. D. Schotten, H. D. Lüke, “On the search for low correlated binary sequences”,<br />
International Journal of Electronics and Communications, Vol 59 (2), pp. 67-78,<br />
February 2005.<br />
[15] M.N. Al-Subbagh, E.V. Jones, “Optimum patterns for frame alignment”, IEE Proc.<br />
part F - Commun. Radar & Signal processing, Vol. 135 (6), pp. 594-603, December<br />
1988.<br />
[16] A. J. de Lind van Wijngaarden, T. J. Willink, “Frame Synchronization Using Distributed<br />
Sequences”, IEEE Trans. on Comm., Vol. 48, No. 12, pp. 2127-2138, December<br />
2000.<br />
[17] T. McConell, “The Expected Time to Find a String in a Random Binary Sequence”,<br />
http://barnyard.syr.edu/cover.pdf, January 2001.<br />
[18] D. Bajić, Č. Stefanović and D. Vukobratović, “Search Process and Probabilistic<br />
Bifix Approach”, Proceedings of International Symposium on Information Theory<br />
ISIT 2005, Adelaide, Australia, September 2005.<br />
[19] Č. Stefanovic, D. Bajić, “On Optimization of Frame Lengths and Frame Delimiting<br />
Patterns for Data Communications Using Bifix Approach”, Proceedings of the<br />
EUROCON 2005, Belgrade, Serbia and Montenegro, November 2005.<br />
[20] P.T. Nielsen, “A Note on bifix-Free Sequences”, IEEE Trans. on Inf. Theory, Vol.<br />
19, pp. 704-706, September 1973.<br />
[21] D. Bajić, J. Stojanović, J. Lindner, “Multiple window-sliding search”, Proceedings<br />
of ISIT 2003, pp. 249, Yokohama, Japan, June 2003.<br />
[22] D. Bajić, Č. Stefanović, “Short Sequences and Cross-Bifix Analysis”, 7 th COST 289<br />
MCM meeting, Munich, Germany, March 2005.<br />
[23] D. Bajić, D. Drajić, D, Drajić, “Binarne sekvence i bifiksi: Analiza”, Proceedings<br />
of ETRAN 1996, Zlatibor, Serbia and Montenegro, June 1997.<br />
[24] D. Bajić, usmena komunikacija<br />
[25] Č. Stefanović, D. Bajić, “Comparison Of Contiguous And Distributed Frame Synchronization<br />
Sequences Using Statistical Bifix Approach”, Proceeedings of ETRAN<br />
2005, Budva, Serbia and Montenegro, Jun 2005.<br />
[26] D. Bajić, M. Narandˇzić, “Häberle’s acquistion curves revisited: Part II - averages”,<br />
11 th COST 273 MCM, TD-04-184, Duisburg, Germany, September 2004.<br />
[27] http://en.wikipedia.org/wiki/PDH
BIBLIOGRAFIJA 74<br />
[28] CCITT Recommendation G.704, Genève, Switzerland, 1988.<br />
[29] T. Willink, D. Bajić, P. Kovjanić, Č. Stefanović, “On Criteria for Short Acquisition<br />
Sequences Choice”, Proceedings of the EUROCON 2005, Belgrade, Serbia and<br />
Montenegro, November 2005.<br />
[30] http://en.wikipedia.org/wiki/HDLC<br />
[31] http://en.wikipedia.org/wiki/SDH<br />
[32] ITU-T Recommendation G.707, Genève, Switzerland, 1993.<br />
[33] ITU-T recommendation G.783, Genève, Switzerland, 1993.<br />
[34] D. Bajić, J. Stojanović, “Frame-alignment procedures for STM-1 frame”, IEE Proceedings,<br />
Communications, Vol. 150, No. 1, pp. 37-44, February 2003.