Dr.

Pap László
Dr. Imre Sándor

A mobil hírközlés alapjai

2007
Híradástechnikai Tanszék
Dr. Pap László Dr. Imre Sándor
A mobil hírközlés alapjai

Dr. Pap László

dr. Imre Sándor

2007.
Tartalomjegyzék

TARTALOMJEGYZÉK I

BEVEZETÉS IV

1. A MOBIL RÁDIÓS RENDSZEREKKEL KAPCSOLATOS

ALAPFOGALMAK 1

1.1 A mobil kommunikációs rendszerek felosztása és típusai 1

1.1.1 A távközlési hatóságok felosztása a felhasználói területek szerint 1
1.1.2 A rendszerek csoportosítása technikai/technológiai szempontok szerint 3
1.1.3 Harmadik generációs mobil rendszerek 4

1.2 A digitális mobil rendszerekben felvetõdõ alapkérdések 6

1.2.1 A hírközlõ csatornák átviteli tulajdonságai 6
1.2.2 A rendszerek spektrális hatékonysága 10
1.2.3 Forgalomelméleti alapok 10

1.3 A digitális mobil rendszerek felépítése 13

2. A TÖBBSZÖRÖS HOZZÁFÉRÉS MÓDSZEREI 15

2.1 Szervezett közeghozzáférési módszerek 15

2.1.1 Frekvenciaosztásos hozzáférés (FDMA, Frequency Division Multiple Access) 15
2.1.2 Idõosztásos hozzáférés (TDMA, Time Division Multiple Access) 15
2.1.3 Kódosztásos hozzáférés (CDMA, Code Division Multiple Access) 16

2.2 Kommunikációs irányok szétválasztása 16

2.3 Hibrid rendszerek 16

2.4 Véletlen hozzáférésû rendszerek 17

2.4.1 Az ALOHA eljárások összefoglalása 17

3. A MOBIL RÁDIÓCSATORNA JELLEMZÉSE 19

3.1 Sávhatárolt jelek ekvivalens alapsávi leírása, komplex alapsávi jelkezelés 19

3.2 Sávhatárolt átviteli rendszer 24

4. A TÖBBUTAS TERJEDÉS FIZIKAI MODELLJE 27

4.1 Az alapmodell 27

4.2 z m (t ) tulajdonságai 29

4.3 A mobil csatornák általános jellemzése, a Bello-függvények 30

4.4 A véletlenül változó paraméterû csatornák jellemzése 34

4.5 Rayleigh-fading 41

i
 4.6 A z(t) komponenseinek autokorrelációs függvénye Rayleigh-fading esetén 42

4.7 A Rayleigh-fading amplitúdójának autokorrelációs függvénye 46

4.8 A Rayleigh-fading egyszerûsített leírása 46

4.8.1 Direkt terjedési úttal rendelkezõ csatorna (Rice-csatorna, Rice-fading) 48
4.8.2 Lognormál fading 49
4.8.3 Az eredõ fading eloszlás 50
4.8.4 A mobil csatornák típusai és paramétereik 54

5. A TERJEDÉSI CSILLAPÍTÁS BECSLÉSE 56

5.5 A terjedési csillapítás becslése sík terepen 56

5.5.1 Idealizált elméleti modell 56
5.5.2 A valóságos antennák vizsgálata 60
5.5.3 A hullámterjedés számítása N különbözõ környezetben 63

5.6 A térerõ becslése dombos, hegyes terepen 64

5.6.1 Akadálymentes eset 64
5.6.2 Reflexiós pontok dombos területen, az effektív antennamagasság fogalma 66
5.6.3 A térerõ becslése akadályok esetén (késél modell) 71
5.6.4 A terjedési csillapítást befolyásoló egyéb tényezõk 72
5.6.5 Terjedés a sûrûn lakott városokban (a mikrocellák problémája) 73

6. A LASSÚ, MULTIPLIKATÍV FADING HATÁSA A KLASSZIKUS

DIGITÁLIS MODULÁCIÓS RENDSZEREK MINÕSÉGI PARAMÉTEREIRE.75

6.1 Lineáris modulációs rendszerek (ASK, PSK, QPSK, MPSK, QAM) 75

6.1.1 A lineáris modulációs rendszerek típusai 77
6.1.2 A modulált jel egy szimbólumra esõ átlagos energiájának meghatározása 85
6.1.3 A fehér Gauss-zaj alapsávi ekvivalense és a jel-zaj viszony 88
6.1.4 Optimális koherens vétel, hibaarány bináris esetben 94
6.1.5 Optimális, nemkoherens vétel, hibaarány bináris esetben 104
6.1.6 A hagyományos modulációs eljárások hibavalószínûségének függése a jel-zaj viszonytól 110
6.1.7 A fading hatásának analízise, Rayleigh- és Rice-fading 111

6.2 Nemlineáris modulációs rendszerek 115

6.2.1 Teljes válaszfüggvényû rendszerek 117
6.2.2 Részleges válaszfüggvényû rendszerek 119
6.2.3 A CPM vevõ 121

6.3 Az egyoldalsávos SSB moduláció módosított változata 123

7. DIVERZITI TECHNIKÁK 127

7.1 Az optimális lineáris kombájner analízise csatornainformáció esetén 129

7.2 Az optimális lineáris diverziti kombinációs eljárás hibaanalízise Rayleigh-fading esetén 134

7.3 Optimális kombinációs eljárás csatornainformáció nélkül 137

7.4 Lineáris szuboptimális kombájnerek 140

7.5 A diverziti eljárások határtulajdonságai 142

8. A SZÓRT SPEKTRUMÚ MODULÁCIÓ 145

ii
 8.2 Szórt spektrumú távközlés alapelve 145

8.3 A szórt spektrumú modulációs rendszerek típusai 148

8.3.1 Direkt szekvenciális szórt spektrumú moduláció 148
8.3.2 Lassú frekvenciaugratásos moduláció 150
8.3.3 Frekvencia kódolt frekvenciaugratásos moduláció 152
8.3.4 Fázis kódolt frekvenciaugratásos moduláció 153

8.4 A direkt szekvenciális többszörös hozzáférésû rendszer hibaanalízise 154

9. A CELLÁS STRUKTÚRA ALAPJAI ÉS A KÜLÖNBÖZÕ RENDSZEREK

ÖSSZEHASONLÍTÁSA 159

9.1 A szabályos cellás rendszerek felépítése 159

9.1.1 A 60°-os koordinátarendszer tulajdonságai 159
9.1.2 A klaszterek és a cellák lehetséges száma a klaszterekben 160

9.2 Interferenciák a cellás rendszerben 163

9.2.1 Alapösszefüggések az azonos csatornás interferenciára 163

9.3 A cellás rendszerek hatékonysága 165

9.3.1 Hatékonysági mutatók 168
9.3.2 Az egyes rendszerek elõnyei és hátrányai 170

10. DIGITÁLIS MODULÁLT JELEK ÁTVITELE DISZPERZÍV CSATORNÁN171

10.1 A szimbólumközi áthallás fogalma 171

10.1.1 Az alapmodell 171
10.1.2 Az ISI mentesség feltétele (Nyquist-feltétel) 173

10.2 Optimális koherens vétel diszperzív csatornában 174

10.2.1 A komplex alapsávi fehér Gauss zaj leírása a vektortérben és a jel energiája 174
10.2.2 Az optimális vevõszûrõ meghatározása 175
10.2.3 A szimbólumközi áthallással terhelt csatorna összefoglalása 177

1.3 A csatornakiegyenlítés módszerei 178

1.3.1 A zajfehérítõ szûrõ méretezése 179
1.3.2 Nullázó csatornakiegyenlítés (Zero Forcing, ZF) 180
1.3.3 Minimális négyzetes átlaghibájú csatornakiegyenlítés (Mean Square Error, MSE) 183
1.3.4 Döntésvisszacsatolt csatornakiegyenlítés (Decision Feedback, DF) 186

RÖVIDÍTÉSJEGYZÉK 188

JELÖLÉSEK JEGYZÉKE 191

IRODALOMJEGYZÉK 192

iii
1. A mobil rádiós rendszerekkel kapcsolatos alapfogalmak
A mobil rádiós rendszerekkel való ismerkedést célszerű az alapfogalmak
áttekintésével kezdeni. Ennek keretében bemutatjuk a mobil kommunikációs
rendszerek különféle szempontok szerinti felosztásait majd a digitális mobil
rendszerekben felvetődő alapkérdéseket vesszük sorba.

1.1 A mobil kommunikációs rendszerek felosztása és típusai

A mobil kommunikációs rendszereket egyrészt csoportosíthatjuk a
távközlési hatóságok felhasználói területek szerinti felosztása alapján, másfelől
igen gyakori a technikai/technológiai szempontok szerinti rendszerezés is. A
mobil távközlés rendkívül dinamikus fejlődését figyelembe véve külön
alfejezetben tárgyaljuk a közeljövő mobil technológiáját.

1.1.1 A távközlési hatóságok felosztása a felhasználói területek szerint

A hatóságok által alkalmazott csoportosítás alapvetően a rendszerhez való
hozzáférés széleskörűsége alapján tesz különbséget.
a.) Közcélú mobil rendszerek
A közcélú mobil rendszerek a hálózat szolgáltatás-hozzáférési pontjain
keresztül biztosítják - díj ellenében - a helyi, a belföldi távolsági és a nemzetközi
hívások kezdeményezésének, továbbításának és fogadásának és a segélykérő
hívások lehetőségét.
A közcélú mobil rádiótelefon hálózat olyan, a földfelszíni rádiótávközlő
hálózaton létesített közcélú távbeszélő hálózat, amely a nagy területen szabadon
mozgó igénybevevők között lehetővé teszi a hangfrekvenciás jelek átvitelét. A
hívott előfizető elérése a nemzeti, illetőleg nemzetközi számozási tervben
rögzített választási eljárás útján lehetséges.
A közcélú mobil rádiótelefon rendszerek egyik igen népes csoportja a
cellás mobil rendszerek, ahol a szabad terület rádiós lefedése ún.
bázisállomások segítségével történik. A legismertebb cellás rendszereket az
alábbiakban soroltuk fel
• NMT (Nordic Mobile Telephone) 450 MHz, 900MHz
• TACS (Total Access Communication Service)
• AMPS (Advanced Mobile Phone System)
• GSM (Groupe Speciale Mobile; Global System for Mobile
Comunications)
• RCR-27 (japán rendszer, 800 MHz, 1500 MHz)
• O-Netz (német rendszer)
• D-Netz (német rendszer)
• IS-54 (amerikai digitális rendszer)
• IS-41 (amerikai digitális rendszer)
• DCS-1800 (a GSM továbbfejlesztése az 1800 MHz-es sávban)

1
 A ritkán lakott területek mobil lefedésére, illetve multinacionális vállalatok
kommunikációs igényeinek kielégítésére születtek a globális mobil műholdas
telefonrendszerek. Segítségükkel a Föld felszínének szinte teljes egésze
alkalmassá válik a mobil kommunikációra. Hátrányuk a cellás rendszerekben
alkalmazott készülékekkel szemben a lényegesen nagyobb adóteljesítmény, ami
egyrészt nagyobb készülékméretet eredményez egyforma készenléti idő esetén,
másrészt lényegesen nagyobb elektromágneses terhelést az előfizető számára. A
két legismertebb közcélú globális mobil műholdas rendszer a GLOBSTAR és az
IRIDIUM.
A közcélú mobil rendszerek másik csoportját az ún. személyhívó
rendszerek alkotják, melyek meghatározott címzett üzenetek közvetítését teszik
lehetővé változó helyű előfizetők számára. A legismertebb megvalósítások a
következők
• ERMES (European Radio Messaging System)
• Eurosignal (87 MHz)
• Euromessage (460 MHz)
• SMS (Short Message Service, GSM szolgáltatás)
• FM műsorszóró rendszerek alkalmazása
b.) Közcélú vezetékes rendszerek mobil kiterjesztése
A vezetéknélküli előfizetői (helyi) hurok alkalmazása esetén a vezetékes
előfizetői készülék egy olyan egységhez kapcsolódik vezetékesen, amely rádiós
kapcsolatban áll a vezetékes központtal. Így kis népsűrűségű területek is
gazdaságosan bevonhatók a vezetékes szolgáltatásba.
A vezetékes rendszerek mobil kiegészítésének másik formája a vezeték
(zsinór) nélküli telefonok. Ezek a készülékek rádiós úton kapcsolódnak az
előfizetői terminálhoz, mintegy 100-200 méteres körzetben szabad mozgást
biztosítva. Ilyen rendszerek az alábbiak
• CT-1 (Cordless Telephone)
• CT-2
• DECT (Digital European Cordless Telephone)
c.) Nem közcélú rendszerek
A nem nyilvános célú mobil rendszereket három csoportba szokás sorolni.
A saját célú mobil rendszerek olyan hálózatok, melyeket egy adott
vállalkozás vagy személy kizárólag saját távközlési igényeinek kielégítésére
használ.
A zártcélú rendszerek a kormányzati, nemzetbiztonsági és védelmi
érdekeket szolgáló - rendeltetésük szerint elkülönült - hálózatok, amelyek
kizárólagosan a speciális igények kielégítését, az e célra létrehozott szervezet és
technika működését szolgálják.
A különcélú rendszerek zárt felhasználói csoportot alkotó igénybevevők
által használt hálózatok, amelyeken elsődlegesen azok belső forgalma
bonyolódik.

2
 A TETRA (Terrestial Trunked Radio) tipikus példája az utóbbi két
rendszernek, mivel mindkét feltételrendszer biztosítására alkalmas.
A nem közcélú rendszerek tipikus példáit az alábbiakban soroltuk fel:
• Zsinórnélküli mikrofonok
• Vezetéknélküli helyi hálózatok (Local Area Network, LAN)
• DSRA (Digital Short Range Radio)
• Légi és tengeri szolgálatok
• Mobil adathálózatok
mobilitás lefedettség

nemzeti
igen gyors Cellás
(repülõ) Személyhívó Airphone
telefon
regionális
gyors
SMR
(jármû)

lassú
µ-cellás
lokális
(korlátozott telefon
területen) CT - 2
speciális
körzetek
lassú
(erõsen
korlátozott otthoni,
területen) CT - 1 munkahelyi

technológia

Egyirányú Kétirányú Kétirányú Kétirányú

átvitel átvitel átvitel átvitel
(vétel) (csak hívás) (broadcast)

1.1 ábra Mobil rádiórendszerek

1.1.2 A rendszerek csoportosítása technikai/technológiai szempontok

szerint
A mozgó állomások helyzete alapján:
• földi mozgó rendszerek
• tengeri mozgó rendszerek
• repülőgépes mozgó rendszerek
• hordozható rendszerek (CB, Walkie Talkie, katonai rendszerek, mozgó
mérőeszközök, épületen belüli kommunikáció)

A bázisállomás helyzete alapján:

• földi hálózatok
• műholdas hálózatok

3
A szolgáltatások típusa alapján:
• kétirányú beszédátvitel
• kétirányú adatátvitel
• műsorszórás
• személyhívás
• navigáció és helymeghatározás

Az átviteli mód és a hálózatszervezés alapján:

• analóg és digitális átvitel
• globális és cellás (lokális) rendszerek

A frekvencia-felhasználás alapján:
• VHF rendszerek (70-160 MHz)
• UHF rendszerek (pl. 450 MHz)
• cellás digitális rendszerek (pl. 900 MHz, 1800 MHz)
• L sávú műholdas rendszerek (pl. 1800 MHz)
• mikrohullámú mobil hálózatok (20-60 GHz)
1.1.3 Harmadik generációs mobil rendszerek
Az elmúlt tíz esztendőben tanúi lehettünk a nyilvános mobil telefónia
megszületésének, majd minden előrejelzést meghazudtoló dinamikus
fejlődésének. Mára a különböző technológiai alapra épülő rendszerek kezdik
elérni átviteli képességeik határait, miközben mind erősebb az igény a világszintű
mobil távközlés megvalósítására. E kettős igény feloldására született meg az
IMT2000 (International Mobile Telecommunications) rendszercsalád elve. A
rendszercsaládhoz tartozó harmadik generációs mobil rendszerek lehetővé teszik
a világszintű bolyongást multimédia átvitelt biztosítva. Jóllehet az egyes
rendszerek számos technikai részletben eltérnek majd egymástól, de a CDMA
(Code Division Multiple Access) elv alkalmazása közös vonásuk.
A harmadik generációs mobil rendszerek fejlesztése gyakorlatilag három
színtéren két irányvonal mentén zajlik. A színterek: Európa-ETSI, Japán-ARIB és
az USA-TIA. A fejlesztők Európában és Japánban az ún. szélessávú CDMA
rendszer mellett tették le a voksot, az USÁ-ban pedig a cdmaOne
továbbfejlesztésén alapuló cdmaOne2000 lesz az IMT2000 család tagja. E
kettősség nyilvánvaló oka az, hogy Európa és Japán esetében a fejlesztés tiszta
lapról indult, míg az USÁ-ban igyekeznek minél többet átmenteni a meglévő
CDMA alapú rendszerből. Természetesen Európában sem közömbös, hogy
milyen módon lehet folytonos átmenetet biztosítani a jelenlegi GSM rendszer és
az európai harmadik generációs rendszer az UMTS (Universal Mobile
Telecommunications System) között.
Az alábbi táblázatban az IMT2000-hez tartozó harmadik generációs mobil
rendszerekkel szemben támasztott elvárásokat foglaltuk össze.

4
 Előfizető sebessége Maximális adatátviteli
sebesség

Nagy mobilitású (<500 km/h) 144 kbps

Városi (<120 km/h) 384 kbps

Beltéri, gyalogos (<10 km/h) 2Mbps

1.2 ábra IMT2000 adatátviteli paraméterek

Fontos kérdés a szabványosítás ütemezése is. Ezen a területen is

különbségek mutatkoznak az egyes színterek között. A következő ábra az
ütemezés fázisait tartalmazza az egyes régiókban.

elsõ ETSI próba- elsõ kereskedelmi

szabványok rendszerek rendszerek
Európa
1998 1999 2000 2001 2002 2003

próba-
rendszerek
elsõ ARIB elsõ kereskedelmi
szabványok rendszerek
Japán
1998 1999 2000 2001 2002 2003

próba-
rendszerek
elsõ TIA elsõ kereskedelmi
szabványok rendszerek
USA
1998 1999 2000 2001 2002 2003

1.3 ábra Az IMT2000 rendszercsalád fejlesztésének ütemezése

A harmadik generációs mobil távközléssel kapcsolatban felmerül egy igen

fontos fogalom az univerzális személyi távközlés (UPT, Universal Personal
Telecommunications). A fő cél a személyhez kötött hívószám alapján működő
hívó/hívásfogadó szolgálat bevezetése. Az UPT távközlési szolgáltatást biztosít
úgy, hogy lehetővé teszi a személyes mobilitást. Minden felhasználónak van egy
egyedi, személyhez kötött, hálózatfüggetlen hívószáma, mellyel képes hívásokat
kezdeményezni és fogadni az előfizetett szolgáltatások körében bármely állandó
telephelyű vagy mozgó terminálról, függetlenül annak földrajzi helyzetétől. Ezt a
lehetőséget csak a terminál és a hálózat kapacitása valamint a szolgáltató
korlátozhatja.

5
1.2 A digitális mobil rendszerekben felvetődő alapkérdések
A mindennapi gyakorlatban alkalmazott mobil távközlő rendszerekben
működésének megértéséhez nélkülözhetetlen a témakörben felmerülő
alapproblémák áttekintése.

1.2.1 A hírközlő csatornák átviteli tulajdonságai

A hírközlő csatornák átviteli tulajdonságait a csatornákban keletkező
zavarok és torzítások határozzák meg (ilyen például a vevő erősítőjében
keletkező fehér zaj, vagy a vevő lineáris torzítása). A mobil hírközlő csatornák - a
hagyományos additív fehér Gauss-zajjal terhelt rendszerekhez viszonyítva -
lényegesen bonyolultabbak. Itt az alábbi hatásokkal kell számolni:
• többutas terjedés
• visszaverődés
• fading
• az átvitel teljes megszűnése
• impulzuszaj
• fehér Gauss-zaj
• interferencia
Vizsgáljuk meg, hogy milyen hatása van a rádióállomások (adó, vevő vagy
mindkettő) mozgásának! A mobil rádiócsatorna átviteli függvénye
(súlyfüggvénye) idővariáns (a tipikus távközlő csatorna idő-invariáns). Ezt a
tulajdonságot a komplex idővariáns h(τ,t) súlyfüggvénnyel fejezhetjük ki a
legjobban. Az 1.4 ábrán a mobil rádiócsatorna egy tipikus komplex idővariáns
súlyfüggvényének abszolút értékét ábrázoltuk. Mint az jól megfigyelhető, a
súlyfüggvény különböző időpillanatban felvett reprezentánsai eltérnek egymástól.

10 lg h(τ , t )
2

[dB]

-20

-30
10

-40 20

40
-50
60
-60 t [s]
80

-70 100

τ [ µs]
1 2 3 4 5 6
1.4 ábra Az idővariáns csatorna súlyfüggvénye

6
Legyen a csatorna bemeneti jele az alábbi általános alakú
A a (t ) e j (ω 0t +ϕ ( t )) ,
a kimeneti időfüggvénye pedig
Aa '(t ) e j (ω 0t +ϕ ( t )) .
Ekkor a csatorna jellemezhető az
a '(t ) a '(t )
; 20 lg
a (t ) a (t )
hányados segítségével, amely időben változik. Mindez arra utal, hogy a rendszer
kimeneti jelének a szintje véletlenszerűen ingadozik.

a’(t)
5 dB a(t)
[dB]

1 2 3 4 5 6 7 8 9 10 t [s]
1.5 ábra Amplitúdóátvitel mobil rádiócsatornán

A csatorna kimeneti jelének szintjét két alapvető paraméter határozza meg:

• A terjedés okozta csillapítás (ez az adó és a vevő távolságától, az
alkalmazott frekvenciától és a terjedés útjába eső akadályoktól függ).
• A fading által okozott statisztikus ingadozás, mely hangsúlyozottan
megkülönböztetendő az előző hatástól. Következményeképpen a
rádiócsatorna egy adott pontján mért térerő értéke időben véletlenszerű
ingadozásokat mutat. A fading elsődleges oka a rádiócsatornában
véletlenszerűen mozgó tárgyak okozta reflexió.
Korábbi tanulmányokból jól ismert jelenség a Doppler-effektus. Ennek
lényege, hogy a hangforrás felé mozogva magasabb frekvenciájúnak halljuk a
jelet, míg távolodva tőle a hang mélyül. Ez a frekvenciaeltolódási jelenség az
elektromágneses hullámokra is érvényes. Emiatt a térerő időbeli ingadozásának
mértéke függ a mobil terminál mozgási sebességétől. Az 1.6a és 1.6b ábrák ezt a
jelenséget szemléltetik. A gyorsabban haladó mobil gyakrabban találkozik a

7
 térerőleszívásokkal ezért úgy érzékeli, mintha a térerő gyorsabban változna a
lassabban mozgóhoz képest. Az 1.7 ábrán egy grafikonon szemléltetjük a mozgó
mobil által megtett utat és a térerő változását. Jól látható, hogy amikor a mobil
gyorsabban halad (a görbe meredeksége nő) a térerő is gyorsabban változik.
térerõ térerõ
[dB] kisebb sebesség [dB] nagyobb sebesség

idõ idõ
(távolság) (távolság)
1.6a és 1.6b ábrák A térerő ingadozása a mobil sebességének függvényében

térerõ út
[dB]

idõ
1.7 ábra A megtett út és térerő változása az idő függvényében mozgó mobil
esetén

A térerő változásának jellege nagy mértékben függ a környezettől is. Ez a

függés tipikusan kétféle szempont szerint csoportosítható. Megkülönböztetünk
természetes és mesterséges környezetet. A természetes környezet fogalma
tovább bontható a domborzati viszonyok függvényében nyílt, sík, dombos és
hegyes vidékre. A mesterséges környezet a beépítettségtől függően rurális
(országút), kvázi városi, külvárosi, városi és épületen belüli lehet.
Az 1.8a és 1.8b ábrák a városi és a rurális környezet közötti eltérést
mutatják be. Városban a nagyszámú épület okozta reflexió miatt a térerő szinte
minden szabályszerűség nélkül ingadozik, míg autópályán haladva a térerő jó
közelítéssel konstans és csak egyes árnyékoló tereptárgyak okoznak időnkénti
leszívásokat.

8
térerõ térerõ
[dB] [dB]
10 10

0 0

-10 -10

-20 -20

-30 -30

városi t rurális t
idõ (autópálya) idõ
1.8a ás 1.8b ábrák Térerő városi és rurális környezetben

Vizsgáljuk meg milyen következménnyel járnak a rádiócsatornában

véletlenszerűen fellépő térerőcsökkenések. Digitális átvitel esetén nyilvánvalóan
a vételi oldalon a bitek hibás detektálását eredményezi a fading. Ez
mennyiségileg a Pb bithibaarányal jellemezhető a csatorna jel-zaj viszonyának
függvényében. Az 1.9 ábrán a fadingmentes átvitelt az erfc() függvénnyel írtuk le
(ennek okát a jegyzet későbbi fejezeteiben kimerítően tárgyaljuk majd). Látható,
hogy fadinges átvitel esetén ugyanakkora bithibaarány eléréséhez jelentősen
növelni kell az adó teljesítményét. Pl. míg 10-2 bithibaarány fenntartásához
elegendő 13-szoros teljesítménynövelés, addig 10-5 bithibaarányhoz már több
mint 5000-szeres növelés szükséges.
Pb

fading 10-1
nélkül fadinges
Q(x) 10-2 átvitel
erfc(x) 1/x
10-3
10-2: 13-szoros
adóteljesítmény 10-4
10-5: 5012-szeres jel / zaj
10-5
adóteljesítmény [dB]
0 10 20 30

1.9 ábra Fading hatása a bithibaarányra

9
1.2.2 A rendszerek spektrális hatékonysága
A rádiós rendszerek vizsgálatának egyik kulcskérdése a spektrális
hatékonyság, azaz annak meghatározása, hogy egységnyi frekvencián mennyi
információ vihető át. Ezen rendszerek ugyanis egy korlátozottan rendelkezésre
álló "természeti erőforrást", a frekvenciát (frekvenciasávot) használják. A
rendszerek spektrális hatékonysága ezért igen fontos jellemző. A kiszolgált
felhasználói populáció csak hatékony módszerekkel növelhető, melyeket az
alábbiakban foglaltunk össze.
• hatékony forráskódolás: az eredeti analóg jel digitalizálása és
kódolása úgy, hogy elegendően kis torzítás mellett a lehető legkisebb
sebességű digitális adatfolyamot kelljen átvinni a csatornán
• sávtakarékos modulációs eljárások alkalmazása: olyan közvetlen
digitális modulációs módok alkalmazása, melyeknél az egy
felhasználóra (egy elemi átviteli csatornára) jutó frekvenciasáv
elegendően kicsi
• trönkölési eljárások alkalmazása: több átviteli csatorna együttes
kezelése és szervezett megosztása nagy létszámú, kis forgalmi
intenzitású felhasználók között
• véletlen időosztású eljárások alkalmazása: egy közös csatorna
véletlen megosztása nagy létszámú, kis forgalmi intenzitású
felhasználók között pl. ALOHA elv, ütközéses-ismétléses csatorna
• a cellás elv alkalmazása: nagy kiterjedésű földrajzi területek cellákra
bontása és az egymástól távol eső cellákban a frekvenciák újra
felhasználása makro, mikro és piko cellák segítségével

1.2.3 Forgalomelméleti alapok

A beszédhívásokat kiszolgáló rendszerek leírására az alábbi jól bevált
modellt alkalmazzák.
Ha N számú csatorna áll rendelkezésünkre és végtelen számú forrásunk
van, melyek együtt λ intenzitással (időegységben átlagosan λ-szor), exponenciális
időközzel generálnak forgalmat, akkor a foglalt csatornák számát leíró
valószínűségi változó Poisson-eloszlást követ. Ha igaz továbbá, hogy az üzenetek
hossza (azaz a tartási idő) exponenciális eloszlású 1/µ átlagértékekkel, akkor
annak az esélye, hogy egy üzenet olyankor érkezik, amikor minden csatorna
foglalt, az alábbi születési-halálozási folyamat alapján számolható, ahol
Pi=P{i db. csatorna foglalt egyidejűleg}
0 1 2 N-1 N
λ λ λ
•••
P0 P1 P2 PN-1 PN
µ 2µ Nµ

dP0
= − P0 λ + P1 µ
dt

10
 dP1
= P0 λ − P1 ( λ + µ ) + P2 2 µ
dt

dPi
= Pi −1λ − Pi (λ + iµ ) + Pi +1 (i + 1) µ
dt

dPN −1
= PN − 2 λ − PN −1 ( λ + ( N − 1) µ ) + PN ⋅ N ⋅ µ
dt
Ebből a stacioner eset megoldás
λ
P1 = P0
µ

λ λ+µ λ2
P2 = − P0 + P1 = P0
2µ 2µ 2µ 2

λi
Pi = P0
i!µ i

λN
PN = P0
N !µ N
Nyilvánvalóan
N

∑ P = 1, i
i =0

így
i
N
1  λ
P0 ∑   = 1
i =0 i !  µ 

Annak a valószínűsége, hogy mind az N csatorna foglalt egy új

felhasználói igény megjelenésekor
N
 λ 1
 
 µ N!
PN = i
,
N
λ 1
∑  
i =0  µ  i !

melyet Erlang-B formulának hívunk.

Az előfizetők által felajánlott teljes forgalom λ/µ alakban írható fel. Annak
valószínűsége, hogy egy újabb hívást kezdeményező előfizetőt vissza kell
λ
utasítani PN, ezért a teljes blokkolt forgalom PN ⋅ , az átvitt forgalom
µ
λ
pedig (1 − PN ) ⋅ .
µ

11
 Mikro cellás rendszerekben a felhasználók M száma azonban már nem
tekinthető végtelennek. Ilyenkor a modell az alábbi formára módosul

M −1 M − ( N − 1)
λ λ
λ M M

• • M> N
P0 µ P1 2µ P2 PN-1 Nµ PN

λ 1
ahol az egy felhasználóra első felkínált forgalom α = ⋅ .
µ M
Írjuk fel ismét az állapotátmenet egyenleteit
dP0
= − P0 λ + P1 µ
dt

dP1  M − 1
= − P0 λ − P1  µ + λ  + P2 ⋅ 2 µ
dt  M 

dP2 M −1  M − 2
= P1λ − P2  2 µ + λ  + P3 ⋅ 3µ
dt M  M 

dPi M − (i − 1)  M − i
= Pi −1λ − Pi  iµ + λ  + Pi +1 (i + 1) µ
dt M  M 
Ebből a stacioner megoldás
λ
P1 = P0
µ

λ 1 λ M −1 λ2 ( M − 1)
P2 = − P0 + P1 + P1 = P0
2µ 2 2µ M 2µ 2 M

2
λ3 ( M − 1)( M − 2) 1  λ  M ( M − 1)( M − 1)
P3 = P0 = P  
6µ 3 3!  µ 
0
M2 M3

N
1  λ M ( M − 1)( M − 2)...( M − ( N − 1))
PN = P0  
N! µ MN
Vagyis
i
λ  λ   M
P1 = P0 Pi = P0    
µ  µM   i 

i
N
 λ   M
P0 = ∑    
i = 0  µM   i 

12
Így annak valószínűsége, hogy mind az N csatorna egyidejűleg foglalt
N
 λ   M
   
 µM   N 
PN = i
.
N
 λ   M
∑    
i = 0  µM   i 

A blokkolási valószínűség számításához pedig figyelembe kell venni, hogy az

λ 1
egy felhasználóra első felkínált forgalom ⋅ és blokkolás akkor következik
µ M
be, ha az új hívást kezdeményező előfizetőn kívüli (M-1) felhasználó már
lefoglata mind az N csatornát, ezért blokkolás valószínűsége
 λ   M − 1
N

   
 µM   N 
PB = .
 λ   M − 1
i
N

∑   
i = 0  µM   i 


Ez utóbbi két végeredményt Engset-formulákként ismeri a szakirodalom.

Megjegyezzük azonban, hogy a harmadik generációs mobil rendszerekben,
ahol nem csupán beszédátvitel fordul elő, hanem adat, kép és hang (multimédia)
egyidejű átvitelére is sor kerülhet, jóval összetettebb modelleket alkalmazására
van szükség a tartási idő és a kiszolgálási idő leírására.

1.3 A digitális mobil rendszerek felépítése

A következőkben a digitális mobil rendszerek általános felépítését

tekintjük át. Röviden ismertetjük az egyes blokkok feladatait. Vannak olyan
blokkok, mint a mintavételezés, kvantálás, stb., melyek működéséről már
előtanulmányai során részletes ismereteket szerezhetett az olvasó, ezért ezen
jegyzetben csak röviden tárgyaljuk. Ugyanakkor olyan elemeknek, mint a
modulátor, rádiócsatorna, stb. egész fejezetet szentelünk. A rendszer elemei az
1.10 ábrán láthatók.
A mintavételt, kvantálást és kompressziót együttesen forráskódolásnak
nevezzük. A forráskódolás feladata az analóg jel digitális alakra transzformálása
és természetes redundanciájának csökkentése. A csatornakódoló hibavédelem
céljából mesterséges redundanciát visz a digitális jelfolyamba. A
keretszinkronizálás az adatfolyamok kezdetének kijelölését végzi. Az alapsávi
kódolás feladata a spektrális hatékonyság növelése. A vivő- és
szimbólumszinkronizálás a vett bitfolyam dekódolhatóságát biztosítja.

13
 Keretszinkro-
nizálás
Analóg
jel Mintavétel Kvantálás Kompresszió Csatorna-
kódoló
(Forrás)

F or r áskódolás

Alapsávi Modulátor Analóg Demodulátor Detektor

kódoló csatorna

Vivõszinkro- Szimbólum
Keretszinkro- nizáló szinkronizáló
nizálás

Analóg
Csatorna Dekompresz- D/A Jel jel
dekóder szor átalakító visszaállító
(Nyelõ)
1.10 ábra Digitális mobil rendszer felépítése

A rendszer természetesen egyéb elemeket is tartalmazhat (multiplexer,

pilot csatorna, visszairányú csatorna a hibaazonosításra, diverziti, stb.)

A rendszerben jelentkező zavarokat két alapvető csoportba sorolhatjuk:

• A hasznos jeltől függő zavarok:
∗ sávkorlátozás
∗ szimbólumközi áthallás
∗ fading
∗ nemlineáris torzítás
∗ kvantálási zaj
• A hasznos jeltől független zavarok:
∗ termikus zaj
∗ impulzuszaj
∗ interferencia
∗ szándékos zavarás
∗ teljes kiesés (szinkronizáció kiesése)

14
2. A többszörös hozzáférés módszerei
A mobil rádiós rendszerekben tipikus probléma, hogy sok felhasználót kell
egyidejűleg kiszolgálni, akik hívásokat generálnak és fogadnak egymás között,
illetve más mobil vagy fix telepítésű hálózathoz kapcsolódnak. Mindez azt
jelenti, hogy szervezetten vagy véletlenszerűen meg kell osztani egymás között a
rendelkezésre álló csatornát (frekvenciasávot). A közeghozzáférési megoldásokat
alapvetően két csoportba szokás osztani szervezett és véletlen közeghozzáférési
rendszerekre.
Mielőtt azonban ismertetnénk a többszörös hozzáférés típusait fontos
tisztázni a multiplexálás és a többszörös hozzáférés közötti különbséget, mert
ennek hiánya megzavarhatja az olvasót. A multiplexálás azt a folyamatot jelöli,
amikor egy központi helyről a beérkező közös jelfolyamot a felhasználók között
szétosztjuk. A többszörös hozzáférés esetén pedig a földrajzilag szétszórt
állomások igyekeznek ugyanahhoz a közeghez hozzáférni. Tehát mindkét esetben
egyazon közös erőforrás megosztásáról van szó, de két különböző szemszögből.

2.1 Szervezett közeghozzáférési módszerek

Jelenleg háromféle szervezett közeghozzáférési módszert ismerünk.

2.1.1 Frekvenciaosztásos hozzáférés (FDMA, Frequency Division Multiple

Access)
A teljes frekvenciasáv átlapolódás-mentes (ortogonális) elemi csatornákra
bontása és azok kiosztása a felhasználók között. Az egyes frekvenciasávokat
védősávok választják el egymástól, ami egyúttal csökkenti a spektrális
hatékonyságot is. A rendszer minősége alapvetően
• a jel torzulásától,
• a szomszédos csatornákból származó interferenciától (determinisztikus
jelenség) és
• az intermodulációtól (az együtt nyalábolt csatornák okozta zajszerű,
statisztikus jelenség) függ.

2.1.2 Időosztásos hozzáférés (TDMA, Time Division Multiple Access)

A teljes időtartomány felosztása átlapolódás-mentes (ortogonális) elemi
időrészekre, és azok kiosztása a felhasználók között. Az egyes időréseket
védőrések választják el egymástól, ami szintén csökkenti a spektrális
hatékonyságot. A rendszer minősége elsősorban
• az időzítés pontosságától,
• a késleltetés szórásától
• és a szimbólumközi áthallástól függ.
Az időosztásos rendszereknél kötött és lekérdezés (polling) megoldást
különböztetünk meg. Kötött időosztás esetén az egyes felhasználók előre rögzített

15
időrésekhez férhetnek csak hozzá, míg lekérdezés alkalmazásakor valamilyen
rögzített szabály szerint jár körbe az időrésekhez való hozzáférési jog.

2.1.3 Kódosztásos hozzáférés (CDMA, Code Division Multiple Access)

A felhasználókhoz ortogonális kódokat rendelve ugyanazon
frekvenciasávban, egyidejűleg kommunikálhat valamennyi előfizető. A vevő az
egyes felhasználóktól érkező jelek összegét veszi, de a nem neki szánt (más kódot
használó) jelet elnyomja.
A kódosztásos rendszer előnyei:
• Nincs szükség sem a frekvenciatartományban sem az időtartományban
védőzónára.
• A különböző kódok között jelentős elnyomás érhető el.
• A saját kóddal érkező késleltetett jelek elnyomása is jelentős lehet.
• A rendszer védett a frekvenciaszelektív fadinggel szemben.
A kódosztásos rendszerekről a jegyzet későbbi fejezetében még
részletesen szólunk a szórt spektrumú moduláció kapcsán.

2.2 Kommunikációs irányok szétválasztása

A közös csatornához való hozzáférés szabályozása mellett fontos kérdés az
adási és vételi irányok szétválasztása, mely háromféle módon történhet
• Szimplex: az adási és vételi irány között felváltva történik a
kommunikáció. Egyfrekvenciás szimplex esetén az adás és vétel
azonos frekvencián zajlik, míg kétfrekvenciás szimplexet alkalmazva
eltérő frekvencián.
• Duplex: Az adást és a vételt időben “párhuzamosan“ valósítják meg.
Frekvencia duplex (FDD, Frequency Domain Duplex) esetén az
adási és vételi irányt eltérő frekvenciasávban biztosítják (lásd
uplink/downlink). Idő duplex (TDD, Time Domain Duplex)
alkalmazásakor pedig az adási és vételi irányt eltérő időrésekbe
szervezik.
• Félduplex: elsősorban zártcélú rendszerekben alkalmazzák
takarékossági okokból. A bázisállomás duplex üzemben, a mozgó
állomás szimplex módon működik.

2.3 Hibrid rendszerek

A gyakorlati életben ún. hibrid rendszereket azaz a fentiek ötvözetét
alkalmazzák. A következőkben néhány tipikus hibrid rendszert mutatunk be.

GSM (digitális mobil telefon): TDMA/FDM/FDD/CDM.

• FDM: A frekvenciatartományt 200 KHz-es sávokra bontják
• TDMA: minden sávot 8 időosztásos csatorna között osztanak fel
• FDD: az adási és vételi irányokat 45 MHz távolságra helyezték
egymástól

16
 • CDM: opcionális frekvenciaugratási sorozat is rendelkezésre áll
IS-54 (digitális mobil telefon): FDM/FDD/TDMA
• FDM: 30 KHz-es sávok
• TDMA: 3 időosztásos csatorna/sáv
• FDD: adó és vevő között 45 MHz szeparáció
CT2Plusz (zsinór nélküli telefon): FDMA/TDD/TDMA/FDM
• FDM: 100 KHz-es sávok
• TDMA: hozzáférési csatornák számára
• FDMA: információs csatornák számára
• TDD: adó és vevő között időosztás
IS-95 (digitális mobil telefon): CDMA/FDMA/FDD
• FDM: 1.25MHz-es sávok
• CDMA: minden sávban 64 csatorna kódosztással
• FDD: adó és vevő között 45 MHz szeparáció

2.4 Véletlen hozzáférésű rendszerek

2.4.1 Az ALOHA eljárások összefoglalása

Az alapmodell
A termináloknál L hosszúságú csomagok keletkeznek Poisson-eloszlással.
A Poisson-eloszlás intenzitása λ, ami annyit jelent, hogy a csomaggenerálás
átlagos gyakorisága egységnyi időtartam alatt éppen λ [1/sec].
(λ T ) k
P{k csomag generálódik T idő alatt} = exp( − λT )
k!
Réselt ALOHA

–L 0 L 2L

P{egy adott időrésben sikeres csomagot szállítunk} =

= λ L exp( − λ L) = σ exp( −σ )
ahol σ a forgalom, S az áteresztőképesség.

Nem réselt ALOHA

t t + dt t
P{egy adott időrésben sikeres csomagot szállítunk}

17
 = λ L exp( −2 λ L) = σ exp( −2 σ )

Javított változatok, a vivőérzékeléses ALOHA eljárás

A vivőérzékeléses (CSMA, Collision Sense Multiple Access) rendszer fő

meghatározója az, hogy a terminálok figyelik a csatornákat és foglaltság esetén
nem küldenek üzenetet, hanem várakozó állapotba kerülnek.
Típusai a következők:
(i) Nem kitartó CSMA, ahol a terminál foglaltnak találva a csatornát nem
vár annak megüresedéséig, hanem azonnal elhalasztja az üzenet
továbbítását.
(ii) A kitartó eljárásnál a terminál a foglaltság érzékelése után addig vár, míg
a csatorna üressé válik.
(iii) A p valószínűséggel kitartó eljárásnál a terminál a foglaltság érzékelése
után addig vár, míg a csatorna üressé válik, és azután p valószínűséggel
indítja az adását, illetve (1–p) valószínűséggel tovább vár.
(iv) A CSMA/CD (Collision Detect) eljárásnál a terminál figyeli az
ütközéseket a csatornában és az adást azonnal leállítja.

A nem kitartó CSMA rendszer áteresztő képességét az

σ exp( −a σ )
S=
σ (1 + 2 a ) + exp( −a σ )
kifejezés határozza meg, ahol S annak valószínűsége, hogy egy adott időrésben
sikeres csomagot szállítunk,
∆t
σ =λT, a = ,
T
ahol ∆t a közeg késleltetése.

18
3. A mobil rádiócsatorna jellemzése
A mobil rendszerek vizsgálatának egyik alapvető kérdése az adó és vevő
között elhelyezkedő rádiócsatorna megfelelő leírása, hiszen ennek segítségével
határozhatjuk meg az adó jelének ismeretében a vett jelet. Az univerzális leírás
érdekében célszerű azonban a rádiócsatorna leírását függetleníteni az adott
rendszerben alkalmazott frekvenciasávtól és a vizsgálatokat az alapsávban
végezni. Ehhez meg kell határozni, hogy miként lehet a vivőfrekvenciás jelek
alapsávi ekvivalensét előállítani, illetve a mobil rádiócsatorna vivőfrekvenciás
leírását transzformálni kell az alapsávba.
A fenti feladat megoldásához ebben a fejezetben a mobil rádiócsatorna
vivőfrekvencia-független leírásának módszerét ismertetjük két lépésben. Először
bemutatjuk a sávhatárolt jelek ekvivalens alapsávi leírását, majd a sávhatárolt
rendszerek alapsávba történő transzformációját.

3.1 Sávhatárolt jelek ekvivalens alapsávi leírása, komplex alapsávi

jelkezelés
A sávhatárolt jelek általános alakját az
s(t ) = a (t ) cos( ω 0 t + ϕ (t ) )
kifejezés adja meg, ahol ω 0 a vivőfrekvencia s amely felbontható az
s(t ) = s I (t ) cos(ω 0 t ) − sQ (t ) sin(ω 0 t )

összetevőkre, ahol
s I (t ) = a (t ) cos( ϕ (t ) ) a normál ( in phase) komponens,

sQ (t ) = a (t ) sin( ϕ (t ) ) a kvadratúra (a koszinuszos vivőre

merőleges szinuszos) komponens.
Mivel sI(t) és sQ(t) tipikusan lassan változó (alapsávi) jelek az ω 0 vivőhöz képest,
ezért az ekvivalens alapsávi komplex jel az
sekv (t ) = s I (t ) + j sQ (t )

alakban írható fel, és igaz, hogy

{
s(t ) = Re sekv (t ) e jω 0t . }
Vezessük be a következő elnevezéseket. Jelölje sekv (t ) a sávhatárolt jel
komplex alapsávi ekvivalensét és sekv (t ) e jω t az s(t) függvény komplex
0

előburkolóját.
Ez a leírás nem jelent mást, mint a jel fazoros ábrázolását. Írjuk fel az
sekv (t ) ekvivalens alapsávi jelet az a (t ) amplitúdójának és a ϕ (t ) fázisának
segítségével
sekv (t ) = s I (t ) + j sQ (t ) = a (t ) ⋅ e jϕ ( t ) .

19
 A jel amplitúdója és pillanatnyi fázisa a következőképpen számítható
a (t ) = s I2 (t ) + sQ2 (t ) ,

sQ ( t )
ϕ (t ) = arctg mod 2π .
s I (t )
A vivőfrekvenciás jelet és komplex alapsávi megfelelőjét mutatják a 3.1a
és 3.1b ábrák. Jól látható az alapsávi jelkezelés előnye, hiszen a vivőfrekvenciás
jel ábrázolásakor a komplex frekvencia sík ω 0 szögsebességgel forog, míg a 3.1b
ábrán a vivőfrekvenciától megszabadulva a jelet leíró fazor áll.

Im{} sekv(t) Im{}

sekv (t ) e jω 0t
a(t) a(t)
a (t ) ⋅ sin(ω 0 t + ϕ (t )) sQ(t)

(ω 0 t + ϕ (t )) mod 2π ϕ(t)
s(t ) = a (t ) ⋅ cos(ω 0 t + ϕ (t )) Re{} sI(t) Re{}

ω0 szögsebességgel 0 szögsebességgel
forgó sík forgó sík

3.1a és 3.1b ábrák A vivőfrekvenciás és az alapsávi jel fazoros ábrázolása

Tételezzük fel, hogy létezik az s(t) jel Fourier-transzformáltja

S ( f ) = F { s(t )} ,
mely a következőképpen számítható
+∞
− j 2 πft
S( f ) = ∫ s( t ) e
−∞
dt ,

illetve s(t) az inverz Fourier-transzformáció segítségével határozható meg

+∞
j 2 πft
s( t ) = ∫ S ( f )e
−∞
df .

Amennyiben s(t) valós, akkor teljesül, hogy

S ( f ) = S * (− f ) .
Vizsgáljuk meg az alapsávi ekvivalens jel Fourier-transzformáltját! Mivel
az sekv(t) komplex, így nyilvánvalóan most már nem áll fenn a komplex konjugált
szimmetria, azaz
S ekv ( f ) ≠ S exv
*
(− f ) .

20
Térjünk vissza a korábbi egyenletünkhöz
{
s(t ) = Re sekv (t ) e j 2π f 0t }; ω 0 = 2π f 0

Ismert, hogy komplex számok esetén a valós rész képzése a szám és komplex
konjugáltjának segítségével az alábbi módon történik

s( t ) =
1
2
[
sekv (t ) e j 2π f 0t + sekv
*
( t ) e − j 2 π f 0t .]
Képezzük mindkét oldal Fourier-transzformáltját az eltolási tétel alkalmazásával.
A jobb oldal első tagjára
+∞

F {sekv (t )} = ∫ ( u(t ) + j v (t ) ) e − j 2π ft dt = S ekv ( f ) .

−∞

A második tag esetén a Fourier-transzformált az alábbi módon határozható meg

+∞

F {s
*
ekv } ∫ ( u( t ) − j v ( t ) ) e
(t ) = − j 2 π ft
dt =
−∞

*
 +∞ 
=  ∫ ( u(t ) + j v (t ) ) e j 2π ft dt  = S ekv
*
( − f ).
 −∞ 

Így az eltolási tétel alkalmazásával s(t) Fourier-transzformáltjára a következő

eredményt kapjuk

S( f ) =
1
2
[
S ekv ( f − f 0 ) + S ekv
*
( − ( f + f 0 )) , ]
ha sekv ( t ) = 0 minden olyan f frekvencián amire | f | ≥ B , ahol B az alapsávi jel
sávszélességét jelöli.
A fentiek alapján a jelek a frekvenciatartományban a 3.2 ábrán látható
módon kapcsolódnak egymáshoz.
Sekv(f)
Im{}
Re{}

-B B f
S(f)
1
1 * Im{} S ekv ( f − f 0 )
S ekv ( − ( f + f 0 )) Re{} Im{} 2
2
Re{}

-f0-B -f0 -f0+B f0-B f0 f0+B f

3.2 ábra Az ekvivalens alapsávi jel frekvenciatartománybeli ábrázolása

21
 A 3.2 ábrán jól látható, hogy az ekvivalens alapsávi jel spektruma az s(t)
jel spektrumának pozitív frekvenciára eső részével áll közvetlen kapcsolatban
(f0-lal eltolt spektrum). Ezért vezessük be azt az s+ (t ) komplex jelet, amely csak a
pozitív spektrális összetevőket tartalmazza
s+ (t ) ⇔ S + ( f ) = S ( f ) + sgn( f ) S ( f ) ,
illetve s+ (t ) Fourier-transzformáltja
S + ( f ) = S ( f ) + j ( − j sgn( f ) ) S ( f ) .
A H ( f ) = - j sgn( f ) függvény nem más, mint az Hilbert-transzformálás
átviteli függvénye, melyet a 3.3 ábrán látható Hilbert-szűrővel ír le a
szakirodalom.

s(t) j H {s(t)}
-j f
S(f) S ( f ) ⋅ (- j sgn( f ))
H(f)
3.3 ábra A Hilbert-szűrő

A Hilbert-szűrő súlyfüggvénye a következő

11
h (t ) = F −1
{− j sgn( f )} = π t ,
míg a konvolúciós integrál
+∞
1 s(τ )
H {s(t )} =
π ∫ t − τ dτ .
−∞

Visszatérve s+ (t ) meghatározásához, egyszerűen látható, hogy

S + ( f ) = S ekv ( f − f 0 )
és
S ekv ( f ) = S + ( f + f 0 ) .
Az időtartománybeli megfelelők pedig ezek alapján az alábbiak
s+ (t ) = sekv (t ) e j 2π f 0 t ,

sekv (t ) = s+ (t ) e − j 2π f 0 t .
Korábban viszont láttuk, hogy
{ }
s(t ) = Re sekv (t )e j 2π f 0t = Re{s+ (t )} ,

azaz s+ (t ) nem más mint az s(t) komplex előburkolója.

A következőkben megvizsgáljuk a komplex alapsávi jelek előállításának
elméleti és gyakorlati lehetőségeit. Az elméleti előállításhoz nem kell mást
tennünk, mint az s(t) jelet átvezetni egy Hilbert-szűrőn majd hozzáadni a szűrés

22
előtti s(t) jelhez. Így megkapjuk az s+ (t ) jelet, amit e − j 2π f t -vel szorozva jutunk a
0

komplex alapsávi jelhez. A fenti műveleteknek a 3.4 ábrán látható struktúra

feleltethető meg.

sI(t)

s(t)
sekv(t)=sI(t)+jsQ(t)
ej90°
H{}
e-j 2π f0t sQ(t)

3.4 ábra A komplex alapsávi jel elméleti előállítása

Nyilvánvaló, hogy Hilbert-szűrőt a valóságban nem lehet készíteni, ezért

szükséges a komplex alapsávi ekvivalens előállításának gyakorlati módszerét is
bemutatni. Mindenekelőtt tekintsük át egy f(x) függvény Dirac-függvénnyel való
konvolúciójának szabályait
+∞

f ( x )∗ δ ( x ) = ∫ f (σ ) δ ( x − σ ) dσ = f ( x) ,
−∞

+∞

f ( x − x 0 )∗ δ ( x + x 0 ) = ∫ f (σ − x 0 ) δ ( x + x 0 − σ ) dσ = f ( x ) ,
−∞

+∞

f ( x − x 0 )∗ δ ( x − x 0 ) = ∫ f (σ − x 0 ) δ ( x − x 0 − σ ) dσ = f ( x − 2 x 0 ) .
−∞

A fentiek ismeretében moduláljuk az s(t) jellel a 2 cos(2π f 0 t ) vivőt. Ekkor

a modulált jel Fourier-transzformáltja
S ( f )∗[δ ( f − f 0) + δ ( f + f 0 )] =

alakú, figyelembe véve, hogy a koszinuszos jel Fourier-transzformáltja Dirac-

függvény és az időtartománybeli szorzást frekvenciatartományban konvolúcióval
írjuk le. Ez S ( f ) -et felbontva tovább írható
1 
=  ( S ekv ( f − f 0 ) + S * ( − ( f + f 0 )) ∗ [δ ( f − f 0 ) + δ ( f + f0 )] =
2 ekv

alakban, amiből

=
1
[S ekv ( f − 2 f 0 ) + S ekv ( f ) + S ekv* (− f ) + S ekv* (− f − 2 f 0 )] .
2
Ha a jel sávkorlátozott, azaz S ( f ) = 0 , ha |f-f0|>B, akkor a kétszeres
frekvenciás komponenseket kiszűrve a modulált jel Fourier-transzformáltja

23
 S ( f ) ∗ [δ ( f − f 0) + δ ( f + f 0 )] ⇒
1
[Sekv ( f ) + S ekv* (− f )].
2
Tudjuk azonban, hogy
F 1
1
2
[
Sekv ( f ) + S ekv
*
] [ ]
( − f ) ⇔ s I ( t ) + j sQ ( t ) + s I ( t ) − j s Q ( t ) = s I ( t ) .
2
A fentiekhez hasonlóan határozhatjuk meg az s(t) jellel modulált
2 sin(2π f 0 t ) vivő esetén a
s(t ) 2 sin( −2π f 0 t ) ⇔ sQ (t )
szûré s

kapcsolatot.
Összegezve eredményeinket a 3.5 ábrán a komplex alapsávi jel gyakorlati
előállítását mutatjuk be.

sI(t)
-B B

s(t) 2 cos(2πf 0 t )
−2 sin(2πf 0 t )
sQ(t)
-B B

3.5 ábra A kvadratúra komponensek előállítása a gyakorlatban

3.2 Sávhatárolt átviteli rendszer

Az előző alfejezetben megismerhettük a vivőfrekvenciás jelek komplex
alapsávi kezelését, illetve a komplex alapsávi jel előállításának módját. A mobil
rádiócsatorna leírásához, azonban nem elegendő egyes jelek alapsávi leírása,
szükség van az egész csatorna alapsávi megfelelőjének ismeretére. Ezért a
következőkben sávhatárolt rendszerekre végzünk az előzőekhez hasonló
vizsgálatokat. Célunk annak meghatározása, hogy miként rendelhető a 3.6a ábrán
látható rendszerhez a 3.6b ábra ekvivalens alapsávi rendszere. A 3.6a ábrán s(t)
és r(t) jelöli a rendszer bemenő illetve kimeneti jelét, valamit h(t) a rendszer
súlyfüggvényét.

h(t) ⇔ sekv(t) hekv(t) rekv(t)

s(t) r(t)
3.6a és 3.6b ábrák Sávhatárolt rendszer és ekvivalens alapsávi megfelelője

Az előző fejezetben leírtakhoz hasonlóan a sávhatárolt átviteli rendszer

H ( f ) átviteli függvényére is igaz, hogy

H ( f ) = H ekv ( f − f 0 ) + H ekv
*
( −( f + f 0 )) ,

24
amiből a súlyfüggvényre
{
h(t ) = 2 Re hekv (t ) e j 2π f 0 t }
adódik.
A rendszer hatása a bemenő jelre az alábbi módon írható le

R( f ) =
1
2
[
Rekv ( f − f 0 ) + Rekv
*
(− f − f 0 ) = ]
=
1
2
[
S ekv ( f − f 0 ) + S ekv
*
][
( − f − f 0 ) ⋅ H ekv ( f − f 0 ) + H ekv
*
]
(− f − f 0 ) .

Az alapsávi sávhatárolás után a magasabb frekvenciás összetevőket kiszűrve a

kimenő jel

1 1 *
R( f ) = S ekv ( f − f 0 ) H ekv ( f − f 0 ) + S ekv ( − f − f 0 ) H ekv
*
(− f − f 0 ) =
2 2
1
= Rekv ( f − f 0 ) + Rekv
*
(− f − f 0 ) ,
2
amiből nyilvánvalóan következik, hogy
Rekv ( f ) = S ekv ( f ) H ekv ( f ) .
Most már meg tudjuk határozni a kimenő jel rekv (t ) alapsávi ekvivalensét

[ ][ ]
rekv ( t ) = s ekv ( t )∗ hekv ( t ) = s I ( t ) + j s Q ( t ) ∗ h I ( t ) + j hQ ( t ) =

ami tovább alakítható a zárójelek felbontásával

[ ]
= s I (t )∗ hI (t ) − sQ (t )∗ hQ (t ) + j s I (t )∗ hQ (t ) + sQ (t )∗ hI (t ) .

Ez utóbbi eredmény az alapsávi ekvivalens szűrést testesíti meg, aminek

ismeretében a kimenő jel időfüggvénye egyszerűen meghatározható
{ }
r (t ) = Re rekv (t ) e j 2π f 0 t = rI (t ) cos(2π f 0 t ) − rQ (t ) sin(2π f 0 t ) .

A 3.7 ábrán az ekvivalens alapsávi átvitelt mutatjuk be. Az ábrán látható

szűrők, mint azt korábban láttuk aluláteresztő típusúak. Az ábra három blokkra
bontható. Az első valósítja meg a vivőfrekvenciás jel alapsávi ekvivalensének
előállítását, a második blokk képviseli a rádiócsatorna alapsávi ekvivalensét, míg
a harmadik a csatorna kimenet vivőfrekvenciás jelének visszaállítását biztosítja.

25
 ekvivalens alapsávi csatorna

sI(t) hI(t) rI(t)

szűrő
s(t) hQ(t)
2 cos(ω 0 t ) 2 cos(ω 0 t ) r(t)
−2 sin(ω 0 t ) −2 sin(ω 0 t )
sQ(t) -hQ(t)
szűrő
hI(t) rQ(t)

3.7 ábra Az alapsávi ekvivalens átvitel vázlata (a szűrő aluláteresztő típusú)

26
4. A többutas terjedés fizikai modellje
A mobil rádiórendszerekben központi kérdés a rádiócsatorna megfelelő
leírása. Az előző fejezetben megvizsgáltuk miként képezhetjük le az ideális
időinvariáns szűrőnek tekinthető rádiócsatornát az alapsávba. Ugyanakkor a
rádiócsatorna valós fizikai tulajdonságaiból adódó hatások figyelembe vétele is
vizsgálódásunk tárgyát kell képezze. A rádiócsatornában nyilvánvalóan az adó és
a vevő között a jel a különféle tereptárgyakon és a talajon való reflexiók
következményeképpen egyszerre több úton is terjed. Amennyiben akár a mobil,
akár valamelyik tereptárgy mozog, úgy a vevő számára a rádiócsatorna
időinvariánssá válik. Ezért ebben a fejezetben tovább közelítve vizsgálatainkat a
valós élethez a többutas terjedés fizikai modelljére koncentrálunk.

4.1 Az alapmodell
Minden modell elsődleges célja a fizikai világ azon jelenségeinek
egyszerűsített leírása, melyek érdemi hatással bírnak vizsgálatunkra. A mobil
rádiócsatorna esetében az alapmodell a bázisállomás és a mobil vevő között a
rádiójelet ért hatásokat foglalja magában, ahogy azt a 4.1 ábra mutatja.

m=1
Bázis- n=1
állomás
n = Nm
2
3
m=M

Mobil
állomás

4.1 ábra A mobil rádiócsatorna alapmodellje

Az alapmodellben a bázisállomástól ún. fő terjedési útvonalakon halad a

jel addig, amíg valamilyen tereptárgynak ütközve szóródik. Ezután a szóródott,
ún. mellék terjedési útvonalakon jut - természetesen egyszerre több irányból is - a
mobil vevőbe. A jel valamennyi útvonalon az útvonaltól függő csillapítást és
késleltetést szenved. A modellben fontos szerepet kap a mobil mozgásából adódó
Doppler-csúszásnak nevezett frekvenciaeltolódás, melynek számításához
figyelembe kell vennünk a mobil sebességét, a mozgás és a hullámterjedés iránya
által bezárt szöget, valamint a vivőfrekvenciát.

27
 Legyen az ekvivalens alapsávi jelünk a következő
2Es
sekv (t ) = a (t ) e j ϕ ( t ) ,
123T
A=$ 1
ahol Es a szimbólumenergia, T a szimbólumidő, a(t) a jel amplitúdója, ϕ (t ) a
fázisa és a jel amplitúdóját önkényesen, de a kapott eredmények általánosságát
semmiben sem korlátozva egynek választjuk. Ekkor a vivőfrekvenciás jel az
alábbi módon írható fel
s(t ) = Re{s+ (t )} = a (t ) cos(2π f 0 t + ϕ (t )) .

Vezessük be a következő jelöléseket

m fő terjedési útvonal sorszáma (m=1,...,M)
n mellékútvonal sorszáma (n=1,...,NM)
rmn (t ) az mn útvonalon haladó jel a vevő helyén
α mn a csillapítási tényező
τ mn a késleltetés
f 0v
f mn a Doppler-csúszás cosψ mn
c
v a mobil sebessége
ψ mn a mozgás és a hullámterjedés iránya által bezárt szög
c a fénysebesség
f0 vivőfrekvencia
Az alapmodell és a fenti jelölések alapján az mn útvonalon érkező jel
komplex előburkolója az alábbi módon írható fel
r+ mn (t ) = α mn sekv (t − τ mn ) e j 2π f 0 ( t −τ mn ) e j 2π f mn t ,

amiből a mobil vevő helyén a vett jel komplex előburkolója a valamennyi

lehetséges útvonalra való összegzés segítségével állítható elő
M Nm
r+ (t ) = ∑ ∑ α mn sekv (t − τ mn ) e j 2π f 0 ( t −τ mn ) + j 2π f mn t .
m =1 n =1

Ha az mn útvonalon haladó jel τ mn késleltetése független a

mellékútvonaltól, azaz a szóródás után az egyes mellékutakon közel azonos
hosszúságú utat tesz meg a vevőig, vagy csak olyan kis mértékben tér el az egyes
utakon, hogy a változás a szimbólumidőhöz képest kicsi, akkor az m-dik
főútvonalat tartalmazó valamennyi adó-vevő útvonal késleltetése jó közelítéssel
N
1
Tm =
Nm
∑τ
n =1
mn ,

28
amiből
M Nm
r+ (t ) = ∑ sekv (t − Tm ) e j 2π f 0 t ∑ α mn e − j 2π f 0 τ mn + j 2π f mn t
m =1 n =1444
1 424444 3
zm (t )
alakban írható fel. Bevezetve a mellékútvonal-független komplex zm (t )
szorzófaktort, valamint alkalmazva a komplex előburkoló és az alapsávi
ekvivalens közötti összefüggést, a komplex alapsávi ekvivalensre az alábbi
kifejezés adódik
M
rekv (t ) = ∑ sekv (t − Tm ) zm (t ) .
m =1

4.2 zm (t ) tulajdonságai
A következőkben vizsgáljuk meg a zm (t ) szorzófaktort. zm (t ) komplex
szám, melynek általános alakja
zm (t ) = x m (t ) + j y m (t ) ,
valós és képzetes része pedig az előzőek figyelembe vételével
Nm
xm (t ) = Re{z m (t )} = ∑ α mn cos(2π f mn t − 2π f 0 τ mn ) ,
n =1

Nm
y m (t ) = Im{zm (t )} = ∑ α mn sin(2π f mn t − 2π f 0 τ mn ) .
n =1

Nagyon fontos kiemelni, hogy csatornában α mn , f mn és τ mn időben nem

állandók, így egy adott pillanatban valószínűségi változókkal írhatók le. Ha Nm
elegendően nagy és a változók függetlenek és azonos eloszlásúak, akkor
összegük a centrális határeloszlás tétel miatt Gauss-eloszlás követ. Emiatt zm (t )
valós és képzetes része is Gauss-eloszlású. Ha teljesül, hogy x m (t ) és
y m (t ) egyformán nulla várható értékűek és azonos szórásúak, azaz

[ ] [
E xm (t ) = E y m (t ) = 0 , ]
[ ] [
E x m2 (t ) = E y m2 (t ) = ] 1 Nm
∑
2 n =1
[ ]
E α mn
2
=σ2,

valamint az útvonalfüggő komponensek korrelálatlanok, azaz

[
E x m (t ) ⋅ x l (t ) = 0 ] 

m≠l
E[ y m (t ) ⋅ y ( t ) ] = 0
l 
E[ x m (t ) ⋅ y (t )] = 0
l

29
akkor a csatorna modellje a 4.2 ábrán látható struktúrájú, ahol a Ti * késleltetési
értékek az alábbi rekurzív formulával számíthatók
i
T1* = T1 ; Ti * = ∑ T j* .
j =0

sekv(t)
T1* T2* T3* • • • TM*

z1(t) z2(t) z3(t) zM(t)

rekv(t)
Σ
4.2 ábra A mobil rádiócsatorna alapsávi ekvivalens modellje

4.3 A mobil csatornák általános jellemzése, a Bello-függvények

Az előző alfejezetben megállapítottuk, hogy a többutas terjedés megfelelő
feltételek teljesülése esetén az egyes utakra jellemző késleltetés és egy komplex
szorzófaktor segítségével jellemezhetjük. A most következőkben a mobil
rádiócsatorna általános leírását mutatjuk be az ún. Bello-függvényekre
támaszkodva. Először a Bello-függvények definícióját adjuk meg, majd
szemléletes módon értelmezzük őket.
A csatorna kimeneti jele lineáris idővariáns rendszerben az alábbi
összefüggéssel adható meg
+∞

r (t ) = ∫ h(τ , t ) s(t − τ ) dτ ,
−∞

ahol s(t) és r(t) az adóhoz és a vevőhöz tartozó komplex alapsávi ekvivalens

jelek, tehát a jelölések egyszerűsítése végett a továbbiakban elhagyjuk az ekv alsó
indexelést. h(τ , t ) pedig az idővariáns csatorna súlyfüggvénye.
A mobil csatorna általános leírásához használt ún. Bello-függvények
rendszere a 4.3 ábrán látható, definíciójuk pedig a következő
+∞
− j 2π f τ
H( f ,t) = ∫ h(τ , t ) e
−∞
dτ ,

+∞
− j 2π ν t
U (τ , ν ) = ∫ h(τ , t ) e dt ,
−∞

+∞ +∞
− j 2π ν t
D( f , ν ) = ∫ ∫ h(τ , t ) ⋅ e ⋅ e − j 2π f τ dt dτ ,
−∞ −∞

ahol az egyes függvények értelmezése az alábbi

30
h(τ,t) idővariáns súlyfüggvény: a rendszer t időpillanatban h(τ,t) súllyal
„emlékezik” a bemenő jel (t-τ) időben felvett értékére (Dirac-delta
gerjesztés esetén ez a kimenő jel). Az idővariáns súlyfüggvény az
1.4 ábrán látható.

H(f,t) idővariáns átviteli függvény: megadja, hogy a t időpillanatban milyen

súlyozással viszi át a rendszer a ej2πft típusú periodikus összetevőket.

U(τ,ν) késleltetés-Doppler-szórás függvény: felvilágosítást ad arról, hogy

késleltetés és Doppler-szórás mentén a bemeneti jel milyen súlyozással
vesz részt a kimeneti jel előállításában.

D(f,ν) kimeneti Doppler-szórás függvény: a kimenő jel spektrumát állítja

elő az alábbi összefüggés szerint
−∞

R( f ) = ∫ D( f − ν , ν ) S ( f − ν ) dν .
+∞

Idõvariáns súlyfüggvény

h(t,τ)
F F
- -1 - -1
F F
Idõvariáns átviteli H(f,t) U(τ,ν) Késleltetés-Doppler
függvény szórás függvény

F - -1 F - -1
F F
D(f, ν)

Kimeneti Doppler szórás

függvény
4.3 ábra A Bello-függvények rendszere

A Bello-függvények szemléltetéséhez először lássuk be az

−∞

R( f ) = ∫ D( f − ν , ν ) S ( f − ν ) dν
+∞

állítást, mely a következő lépésekben történik

+∞ +∞ +∞
− j 2π f t − j 2π f t
R( f ) = ∫ r (t ) e
−∞
dt = ∫ ∫ h(τ , t ) s(t − τ ) dτ ⋅ e
−∞ −∞
dt =

31
 +∞ +∞ +∞ +∞
j 2π ρ t
= ∫ ∫ ∫ ∫ D( ρ,ν ) e e j 2π ν τ dρ dν s(t − τ ) dτ e − j 2π f t dt =
−∞ −∞ −∞ −∞

+∞ +∞ +∞ +∞
− j 2 π [ ft − ρτ −νt ]
= ∫
−∞ −∞
∫ D( ρ ,ν ) ∫ −∞ −∞
∫ s( t − τ ) e dt dτ dρ dν =

+∞ +∞ +∞ +∞
− j 2 π ( f −ν ) t
= ∫ ∫ D( ρ,ν ) ∫ ∫ s(t − τ ) e e j 2πρτ dt dτ dρ dν =
−∞ −∞ −∞ −∞

+∞ +∞ +∞
j 2 π ( ρ +ν − f ) τ
= ∫
−∞ −∞
∫ D( ρ,ν ) ∫ S ( f − ν ) e
−∞
dτ dρ dν =

+∞ +∞
= ∫ ∫ D( ρ ,ν )S ( f − ν )δ ( ρ + ν − f )dρ dν =
−∞ −∞

+∞

= ∫ D( f − ν , ν ) S ( f − ν ) dν .
−∞

A jelenséget a 4.4 ábrán látható módon úgy lehet értelmezni, hogy az átvitt
jel spektruma a Doppler-csúszástól és a bemeneti jel frekvenciájától függő
súlyozással adódik össze a kimeneten.

S(f)
ν ν + dν Frekvencia-
eltoló
mûvonal
D( f - ν , ν )dν
..... .....
R(f)
Összegzõ sín
4.4 ábra A lineáris idővariáns csatorna spektruma előállításának szemléltetése

Most pedig értelmezzük a lineáris idővariáns mobil rádiócsatorna kimeneti

jelére adott
+∞

r (t ) = ∫ h(τ , t ) s(t − τ ) dτ
−∞

kifejezést. A jelenség jól szemléltethető a 4.5 ábrán látható módon. A csatorna

bemenő jelét vezessük egy késleltető művonalra, ahonnan minden (τ , τ + dτ )
időközben kivezetjük a késleltetett jelet és megszorozzuk az idővariáns csatorna
súlyfüggvényének dτ-szorosával, majd összegezzük az így kicsatolt jeleket egy
összegző sín segítségével. Jól átható, hogy a rendszer t időpillanatban h(τ,t)

32
súllyal veszi figyelembe a bemenő jel (t-τ) időben felvett értékét a kimenő jel
kialakításakor.

Bemenet
τ τ + dτ Folytonos
késleltetõ
mûvonal
h(τ , t )dτ
..... .....
Kimenet
Összegzõ sín
4.5 ábra A lineáris idővariáns csatorna időtartománybeli szemléltetése

Határozzuk meg ezek után a kimeneti jel időfüggő spektrumát.

Helyettesítsük a kiindulási képletünkben h(τ , t ) -t a H ( f , t ) idővariáns átviteli
függvény segítségével
+∞ +∞
j2 π f τ
r (t ) = ∫ ∫ H( f ,t) e df s(t − τ ) dτ =
−∞ −∞

amiből az integrandusok csoportosításával

+∞ +∞
j 2 π fτ
= ∫ H ( f , t ) ∫ s( t − τ ) e
−∞ −∞
dτ df =

elvégezve a t − τ = σ ; dτ = − dσ ; τ = t − σ helyettesítéseket
+∞ +∞

= ∫ H ( f , t ) ∫ s(σ ) e j 2π f ( t −σ ) dσ df =
−∞ −∞

amiből a Fourier-transzformációs szabály ismeretében

+∞
j 2π f t
= ∫1
H( f , t) S( f ) e
−∞
4 4244 3
df ,
R ( f ,t )
azaz az időfüggő spektrum az idővariáns átviteli függvény és a bemenő alapsávi
ekvivalens jel Fourier-transzformáltjának ismeretében az
R( f , t ) = H ( f , t ) S ( f )
módon határozható meg.
A késleltetés-Doppler-szórás függvény és a kimeneti jel közötti kapcsolat
az alábbi módon határozható meg
+∞ +∞ +∞
j 2π ν t
r (t ) = ∫ h(τ , t ) s(t − τ ) dτ =
−∞
∫ ∫ U (τ ,ν ) e
−∞ −∞
dν ⋅ s(t − τ ) dτ =

+∞ +∞

= ∫ e j 2π ν t ∫ U (τ , ν ) s(t − τ ) dτ dν .
−∞ −∞

33
Nézzünk egy példát a fenti eredményre! Az idővariáns súlyfüggvény szélessávú
csatorna esetén a Doppler-csúszást is figyelembe véve
h(τ , t ) = δ (τ ) e j 2π ν 0 t
alakú, melynek t-szerinti Fourier-transzformációjával kapjuk a késleltetés-
Doppler-szórás függvényt
U (τ ,ν ) = δ (τ ) δ (ν − ν 0 ) .
A kimeneti jel ezek alapján konvolúcióval egyszerűen meghatározható
+∞ +∞

r (t ) = ∫ e j 2π ν t ∫ δ (τ ) δ (ν − ν 0 ) s(t − τ ) dτ dν = s(t ) e j 2π ν 0 t .
−∞ −∞

Jól látható, hogy a csatorna bemeneti jelének minden komponense ν0

frekvenciával eltolódik.
Összefoglalva a Bello-függvényekre vonatkozó ismereteinket
elmondhatjuk, hogy a Bello-függvények segítségével leírhatjuk a lineáris
idővariáns csatorna tulajdonságait. Attól függően, hogy melyik jellemzőre
vagyunk kíváncsiak más és más Bello-függvényt alkalmazunk. Például a
frekvenciatartományban jelentkező véletlenszerű Doppler-csúszást a kimeneti
Doppler-szórás függvény segítségével adhatjuk meg. A Bello-függvények
további fontos jellemzője, hogy jól definiált egyértelmű kapcsolat áll fenn
közöttük, így bármelyik függvény ismeretében a többi meghatározható.
A továbbiakban csak a h(τ,t) és a H(f,t) függvényeket fogjuk alkalmazni a
véletlenül változó paraméterű csatornák leírására.

4.4 A véletlenül változó paraméterű csatornák jellemzése

A mobil rádiócsatornák esetén a csatornaparaméterek adott időpillanatbeli
értékei valószínűségi változók, így a paraméterek időbeli viselkedése
sztochasztikus folyamatok segítségével írható le. A sztochasztikus folyamatok
jellemzésének egyik gyakori módja a korrelációs függvények alkalmazása.
Vezessük be esetünkben az idővariáns súlyfüggvény korrelációs függvényét az
alábbi módon
[
Rh (τ 1 , τ 2 , t1 , t 2 ) = E h(τ 1 , t 1 ) ⋅ h * (τ 2 , t 2 ) . ]
A várható érték képzés definícióját alkalmazva
+∞ +∞

Rh = ∫ ∫xy f
−∞ −∞
h ( τ 1 ,t1 ), h * (τ 2 ,t 2 )
( x , y ) dx dy ,

ahol f(x,y) a h(τ 1 , t 1 ) és h * (τ 2 , t 2 ) minták együttes valószínűségi

sűrűségfüggvényét jelöli.
A rádiócsatornát az idővariáns súlyfüggvény korrelációs függvényének
tulajdonságai alapján az alábbi kategóriákba csoportosítja a szakirodalom, ahol az
egyest típusok értelmezéséhez segítséget nyújt az 1.4 ábra.

34
 • Stacionárius csatornáról (WSS, Wide Sense Stationary Channel)
beszélünk, ha a korrelációs függvény időben csak a ∆t = (t 2 - t 1 )
különbségtől függ, azaz
Rh (τ 1 , τ 2 , t1 , t1 + ∆t ) = Rh (τ 1 , τ 2 , ∆t ) = E[h * (τ 1 , t ) h(τ 2 , t + ∆t )] .

• Korrelálatlan szórású csatornáról (US Channel, Uncorrelated

Scattering Channel) beszélünk, ha
Rh (τ 1 ,τ 2 , t1 , t 2 ) = δ (τ 2 − τ 1 ) Ph (τ 1 , t1 , t 2 ) ,
azaz a késleltetés változásával a különböző jelutakon a jelek
korrelálatlanul terjednek. Megjegyzendő, hogy a δ (τ 2 − τ 1 ) Dirac-
függvény miatt a Ph (τ 1 , t1 , t 2 ) függvény értéke csak a τ 2 = τ 1 helyen
lényeges.
• Stacioner korrelálatlan szórású csatornáról (WSSUS Channel, Wide
Sence Stationary Uncorrelated Scattering Channel) beszélünk, ha a fenti
két tulajdonság egyszerre teljesül, azaz
Rh (τ 1 , τ 2 , t1 , t 2 ) = Rh (τ 1 , τ 2 , t , t + ∆t ) = δ (τ 2 − τ 1 ) Ph (τ 1 , ∆t ) =
= δ (∆τ )Ph (τ , ∆t )

Az idővariáns átviteli függvény korrelációfüggvénye a fentiek alapján az

alábbi alakban adható meg
[
RH ( f 1 , f 2 , t1 , t 2 ) = E H * ( f 1 , t1 ) ⋅ H ( f 2 , t 2 ) , ]
amely a WSSUS csatornában csak a frekvencia- és időkülönbségtől függ, azaz
RH ( f 1 , f 2 , t1 , t 2 ) = RH ( ∆f , ∆t ) .
Most határozzuk meg WSSUS csatorna esetében az idővariáns átviteli függvény
korrelációfüggvényét!
[
RH ( ∆f , ∆t ) = E H * ( f , t ) ⋅ H ( f + ∆f , t + ∆t ) = ]
+∞ +∞

= E ∫ h * (τ , t ) e j 2π f τ dτ ∫ h( ρ , t + ∆t ) e − j 2π ( f + ∆f ) ρ dρ  =
−∞ −∞ 
az integrálás és a várható érték képzés felcserélésével
+∞ +∞

RH ( ∆f , ∆t ) = ∫ ∫ E[h ]
(τ , t ) h( ρ , t + ∆t ) e j 2π [ fτ − ( f + ∆f ) ρ ] dρ dτ .
*

−∞ −∞

WSSUS csatornáról lévén szó h * (τ , t ) és h( ρ , t + ∆t ) függetlenek ezért a szorzat

várható értéke a várható értékek szorzatára bontható
+∞ +∞
j 2 π [ f ( τ − ρ ) + ∆fρ ]
RH ( ∆f , ∆t ) = ∫ ∫ δ ( ρ − τ ) P (τ , ∆t ) e
−∞ −∞
h dρ dτ =

35
 +∞

= ∫ P (τ , ∆t ) e
h
− j 2 π ∆f τ
dτ = F { Ph (τ , ∆t )} .
−∞

Az irodalom az RH ( ∆f , ∆t ) függvény felét idő-frekvencia autokorrelációs

függvénynek nevezi és ϕ ( ∆f , ∆t ) -vel jelöli
1
ϕ ( ∆f , ∆t ) = R H ( ∆f , ∆t ) .
2

Az egyszerűbb jelölés érdekében legyen ∆f = ν ' és ∆t = τ ' . Az idő-

frekvencia autokorrelációs függvény a 4.6 ábrán látható módon értelmezhető.
Amennyiben a minták közötti frekvenciakülönbséget nullának választjuk, azaz
ν ' = 0 és elvégezzük az idő szerinti Fourier-transzformációt, akkor a
fadingspektrumot kapjuk, melyet a 4.7 ábra szemléltet. A fadingspektrum a
Doppler-jelenséget jellemzi többutas terjedés esetén. Ilyekor ugyanis a többszörös
utak és visszaverődések miatt a mobil mozgásából adódó Doppler-csúszás nem a
csatorna bemenő jelének egy konstans frekvenciával való eltolását jelenti, hanem
a kimenő jel frekvenciája sávvá szélesedik. Azt, hogy adott pillanatban éppen
mekkora a jel frekvenciája egy valószínűségi változóval adhatjuk meg, aminek a
fadingspektrum a sűrűségfüggvénye.
ϕ (ν ', τ ' )

ν '= 0 τ '= 0

ϕ (τ ' ) Q(ν ' )

F F -1
Φ( f ' ) q (t ')
Fadingspektrum Késleltetés-sûrûség
függvény
4.6 ábra Az idő-frekvencia korrelációs függvény értelmezése

A 4.7 ábrán f ' 0 jelöli a Doppler-csúszás várható értékét és az ettől való

átlagos eltérés négyzetének várható értékét, azaz az eloszlás szórását az
irodalomban Doppler-szórásnak nevezett BF mennyiség.

Φ( f ' )

BF

f’
f '0

36
 4.7 ábra Fadingspektrum és Doppler-szórás

Az előzőekhez hasonló módon értelmezhető az az eset, amikor a minták

közötti időeltérést nullázzuk, azaz τ ' = 0 . Ekkor az inverz Fourier-transzformáció
segítségével a késleltetés sűrűségfüggvényhez jutunk. Ennek fizikai magyarázata
ugyancsak a többszörös utakra és visszaverődésekre vezethető vissza. Ilyenkor
ugyanis a csatornán áthaladó jel késleltetése nem konstans, hanem egy
valószínűségi változó szerint határozható meg. Ennek a változónak a
sűrűségfüggvénye a q (t ' ) késleltetés sűrűségfüggvény, mely a 4.8 ábrán látható.

q(t’)

TF

t’
t' 0

4.8 ábra Késleltetés sűrűségfüggvény és késleltetés szórás

A 4.8 ábrán t' 0 jelöli az átlagos késleltetést és TF a késleltetés szórását.

Fontos megjegyezni, hogy a késleltetés szórás reciprokát a csatorna koherencia-
sávszélességének nevezi a szakirodalom
1
csatorna koherencia sávszélesség = .
TF
A következőkben két példát vizsgálunk meg, az egyik az idővariáns
korrelálatlan szórású csatorna a másik pedig a szélessávú idővariáns rendszer.

Időinvariáns US csatorna
Időinvariáns esetben a csatorna súlyfüggvénye időfüggetlen, azaz
h(τ , t ) = h(τ ) .
Ebből az átviteli függvényre a Fourier-transzformáció elvégzése után
+∞

H ( f , t ) = H ( f ) = ∫ h(τ ) e − j 2π f τ dτ
−∞

adódik, amiből az átviteli függvény autokorrelációs függvénye már egyszerűen

számítható
RH ( f 1 , f 2 , t1 , t 2 ) = RH ( f 1 , f 2 ) .
Figyelembe véve a korrelálatlan szórású csatornát az
US ∆f =ν '
R H ( f 1 , f 2 ) = R H ( ∆f ) = 2ϕ (ν ' ,0)

37
eredményt kapjuk, amiből a fadingspektrum függvény a korábbiaknak
megfelelően Fourier-transzformáció útján kapható meg
Φ( f ') = F {ϕ (ν ',0)|ν '= 0 } .

Ez pedig nem más, mint a Dirac-függvény, azaz időinvariáns korrelálatlan

szórású csatornában a fadingspektrum várakozásainknak megfelelően egyetlen
vonalra szűkül, ahogy az a 4.9 ábrán látható.

Φ( f ')

δ( f ')

0 f'
4.9 ábra Fadingspektrum időinvariáns korrelálatlan szórású csatornában

A késleltetés sűrűségfüggvény meghatározásához induljuk ki az átviteli

függvény autókorrelációs függvényéből, melyről tudjuk, hogy
[
R H ( ∆f ) = E H * ( f ) ⋅ H ( f + ∆f ) = ]
amelybe behelyettesítve az idővariáns súlyfüggvényt
+∞ * j 2π f τ
+∞

= E ∫ h (τ ) e dτ ∫ h ( ρ ) e − j 2 π ( f + ∆ f ) ρ dρ  .
−∞ −∞ 
Kihasználva az integrálás és a várható érték képzés felcserélhetőségét
+∞ +∞

∫ ∫ E[h (τ ) h( ρ )] ⋅ e
j 2 π (τ − ρ ) f
RH ( ∆f ) = *
⋅ e − j 2π ∆f ρ dτ dρ =
−∞ −∞

amiből figyelembe véve a csatorna korrelálatlan szórását

US +∞ +∞
j 2π ( τ − ρ ) f
= ∫ ∫ δ (τ − ρ) P (τ ) e h e − j 2π ∆f ρ dτ dρ =
−∞ −∞

+∞

= ∫ P (τ ) e
h
− j 2 π ∆f τ
dτ = F ∆f { Ph (τ )} .
−∞

A következő lépésben meghatározzuk a késleltetés sűrűségfüggvény Fourier-

transzformáltját
1 1
Q(ν ' ) = R H ( ∆f )|∆f =ν ' = Fν ' { Ph (τ )} ,
2 2
amiből
q (t ' ) = F t ' {Fν ' (τ )} = 1 Ph (t ' )
1 -1
2 2

38
adódik. Vagyis ilyenkor a két korrelációs függvény között az alábbi viszony áll
fenn
R H ( ∆f , ∆t ) = F { Ph (τ , ∆t )} .

Szélessávú idővariáns hálózat

Szélessávú csatorna esetén az idővariáns átviteli függvény az időfüggést
jellemző h(t) és a csatorna emlékezetét leíró δ (τ ) függvények szorzatára
bontható
h(τ , t ) = δ (τ ) h(t ) ,
amiből az idővariáns átviteli függvényre
+∞

H ( f , t ) = ∫ δ (τ ) h(t ) e − j 2π f τ dτ = h(t )
−∞

adódik, azaz a csatorna szélessávú mivolta a H ( f , t ) frekvenciafüggetlenségében

nyilvánul meg. Ebből következik, hogy az átviteli függvény autokorrelációs
függvénye
RH ( f 1 , f 2 , t1 , t 2 ) = R H (t1 , t 2 ) =
amiből figyelembe véve a WSS tulajdonságot
WSS ∆t = τ '
= RH ( ∆t ) = 2ϕ (0, τ ')
eredményt kapjuk az idő-frekvencia autokorrelációs függvényre.
A késleltetés sűrűségfüggvényt a már bevált módon számíthatjuk
q (t ') = F t ' −1 {Q(ν ')} .

Behelyettesítve az előbb meghatározott ϕ (0, τ ' ) -t

q (t ') = F {ϕ (0, τ ')|τ '= 0 } = δ (t ' 0 )

a Dirac-függvény kapjuk, vagyis a szélessávú idővariáns csatornában a jel

konstans t ' 0 késleltetéssel terjed, ahogy az a 4.10 ábrán látható.

q (t ' )

t 0' t'
4.10 ábra Késleltetés sűrűségfüggvény szélessávú idővariáns csatornában

Vizsgáljuk meg a csatorna fadingspektrumát! Az átviteli függvény

autokorrelációs függvényére a megfelelő definíciót alkalmazva

39
 [
R H ( ∆t ) = E H * (t ) H (t + ∆t ) , ]
amibe behelyettesítve az átviteli függvényre kapott H (t ) = h(t ) eredményt

[ ]
∆t =τ '
RH ( ∆t ) = E h * (t ) h(t + ∆t ) = 2ϕ (0, ∆t ) = 2ϕ (τ ')

adódik. Most pedig a fentiek figyelembe vételével írjuk fel a csatorna

fadingspektrumát

Φ( f ' ) = F {ϕ (τ ' )} =
1
2
{[ ]}
F f ' E h * ( t ) h( t + τ ' ) .
Az eredmény önmagáért beszél. A 4.11 ábrán jól látható, hogy a szélessávú
idővariáns csatornában a Doppler-eltolódás egy f ' 0 várható érték körül adott
valószínűségeloszlás szerint történik.

Φ( f ' )

f’
f '0
4.11 ábra Fadingspektrum függvény szélessávú idővariáns csatornában

Láttuk, hogy szélessávú idővariáns csatornában az átviteli függvény

H ( f , t ) = h(t ) alakú. Alkalmazzuk 4.1 fejezetben használt z (t ) jelölést, azaz
H ( f , t ) = z(t ) = x (t ) + j y (t ) ,
amiből a
h(τ , t ) = δ (τ ) z (t )
alakot kapjuk a csatorna súlyfüggvényére, az idő-frekvencia autokorrelációs
függvény pedig
1
[ ]
ϕ (ν ',τ ') = E z * (t ) z(t + τ ) = ϕ (τ ')
2
s így a fadingspektrum
Φ( f ' ) = F {ϕ (τ ' )} .

A szélessávú idővariáns csatorna további elnevezései ezek alapján

• multiplikatív fadinges csatorna, mert a fadinget leíró komplex
z (t ) , mely nem más mint a csatorna átviteli függvénye a lineáris
rendszerek komplex frekvenciatartománybeli leírásának

40
megfelelően szorozza a csatorna bemenő jelének Fourier-
transzformáltját.

41
4.5 Rayleigh-fading
Rayleigh-fadinges csatorna esetén z(t) valós és képzetes része, x(t) és y(t)
független, 0 várható értékű, σ szórású Gauss-eloszlású valószínűségi változók.
Ennek megfelelően a csatorna idő-frekvencia autokorrelációs függvénye

ϕ (τ ' ) =
1
2
[ ]
E ( x (t ) − j y (t ))( x (t + τ ' ) + j y (t + τ ' )) =

A várható érték képzésen belül elvégezve a szorzásokat az

E[ x (t ) x (t + τ ' )] + E[ y (t ) y (t + τ ' )]
1 1
=
2 2
eredményt kapjuk, amiből nyilvánvalóan következik x(t) és y(t) függetlensége
miatt, hogy
ϕ x (τ ' ) = ϕ y (τ ' ) = ϕ (τ ' ) ,
ha a
ϕ x (τ ' ) = E[ x (t ) x (t + τ ' )] ,

ϕ y (τ ') = E[ y (t ) y (t + τ ')]
jelöléseket alkalmazzuk.
Állandó amplitúdójú bemeneti jel esetében, azaz ha x (t ) = x és y (t ) = y , a
kimeneti jel amplitúdója és fázisa éppen
A = x2 + y2 ,

 y
φ = artg   mod 2π .
 x

A komplex z(t ) -vel jellemzett fading tehát kétféle módon is leírható. Attól
függően, hogy milyen szempontok szerint kívánjuk vizsgálni megadhatjuk valós
és képzetes részével, illetve az ezzel teljesen ekvivalens amplitúdójával és
fázisával.
Ismert, hogy két független Gauss-eloszlású valószínűségi változó
vektoriális összegének az eloszlása Rayleigh-eloszlást követ. Így a csatornán
áthaladó jel amplitúdójának sűrűségfüggvénye
a2
a −
f A (a ) = e 2σ 2
σ2
alakú, fázisának eloszlása pedig egyenletes
1
f φ (ϕ ) = .
2π
Minden Rayleigh-eloszlású valószínűségi változót két paraméter
segítségével adhatunk meg. Ezek a változó várható értéke és szórása. Esetünkben

41
a csatorna kimeneti jele amplitúdójának ezen paraméterei a következőképpen
határozhatók meg
π
E[ A] = σ,
2

[ ]
E A2 = 2 σ 2 ,

[
E ( A − E[ A])
2
] = E[ A ] − ( E[ A])
2 2  π
= 2 −  σ 2
 2
Vegyük észre, hogy mindkét paraméter közvetlen kapcsolatban áll a z(t ) változó
komponenseinek σ szórásával.
A Rayleigh-fadinges csatorna modellje a 4.12 ábrán látható. A
definíciónak megfelelően a csatorna (fading) multiplikatív hatású.

z(t)
s(t) r(t)
Komplex

{
Re s(t ) e j 2π f 0 t } x(t)
{
Re r ( t ) e j 2πf 0 t }
Σ
y(t) Valós

4.12 ábra Rayleigh-fadinges csatorna valós és komplex ekvivalens alapsávi

modellje

4.6 A z(t) komponenseinek autokorrelációs függvénye Rayleigh-fading

esetén
A ϕ (τ ') autokorrelációs függvény függ az antenna típusától is, ezért
először bevezetünk egy alapmodellt, majd három különböző antenna típusra
végzünk számításokat. A 4.13 ábrán látható alapmodellünk a következő. A mobil
készülék a vízszintes x tengely mentén mozog. A bázisállomástól érkező n-dik jel
hullámterjedésének iránya α n valószínűségi változóval jellemzett szöget zár be a
mozgás irányával. Az autokorrelációs függvény számításához szükséges két, τ '
időkülönbségű pont O és O’, melyek távolsága ξ . Feltételezzük, hogy a hullám
függőleges polarizált, azaz rezgéssíkja a z tengellyel párhuzamos, mely a papír
lapjából merőlegesen az olvasó felé mutat. Feltesszük továbbá, hogy a
hullámterjedési utak N száma minden határon túl nő.

42
 y

A hullámterjedés
iránya

ξ cos(α n )
αn x
O α O’
ξ
A mozgás iránya

4.13. ábra Alapmodell az autokorrelációs függvény vizsgálatához

Először írjuk fel az elektromágneses tér elektromos és mágneses

komponenseit az egyes jelterjedési utakra
E zn = E 0 e jϕ n ,

E0
H xn = − sin α n e jϕ n ,
η

E0
H yn = cosα n e jϕ n ,
η
µ
ahol ε = ε 0 ⋅ ε r = ε r ⋅ 8.854 ⋅ 10 −12 Vm
As
és µ = µ 0 ⋅ µ r = µ r ⋅ 1.256 ⋅ 10 −6 Vs
, η= , E0
Am
ε
pedig a szabadtéri térerő.
Összegezve az egyes útvonalakon érkező jeleket a vevő helyén az eredő
térerő
N
E z = ∑ E zn ,
n =1

N
H y = ∑ H yn ,
n =1

N
H x = ∑ H xn .
n =1

A vizsgálandó antenna típusok az alábbiak

• Függőleges dipólantenna
• Függőleges hurokantenna (a hurok az x irányra merőleges)
• Függőleges hurokantenna (a hurok az x irányba esik)
Jelölje E z a vételi térerőt a 4.13 ábra O pontjában, míg E z' az O’ pontban.
Ekkor függőleges dipól antenna esetén az autokorrelációs függvényt az

43
  N  N 
[ ]
E E z* E z' = E ∑ E 0 e − jϕ n   ∑ E 0 e j (ϕ l + kξ cos α l )  
 n =1   l =1 

f 2π
alakban keressük, ahol k = 2π = a szabadtéri terjedési állandó. Végrehajtva
c λ
a várható érték képzésen belüli szorzást
 N N 2 j (ϕ l −ϕ n ) j kξ cos α l 
[
EE E *
z
'
z ] = E∑ ∑ E 0 e
 n =1 l =1
e ,

amiből az Euler-formula alkalmazása és az n-szerinti szummázás után
N 
[ ]
E E z* E z' = E 02 E∑ e j kξ cos α l  .
 l =1 
Felhasználva a várható érték képzés definícióját és azt a tényt, hogy az α l
valószínűségi változók azonos eloszlásúak s így α l = α , a szummázásból N-nel
való szorzás lesz és
π

[ ]
E E z* E z' = NE 02 ∫π 2π e
1 j kξ cos α
dα .
−

Elvégezve az integrálást az
[ ]
E E z* E z' = NE 02 J 0 ( kξ )

végeredményt kapjuk, ahol J 0 ( x ) a 0-ad rendű első fajú Bessel-függvény,

melynek definíciója a következő
2π
1 jx cos α
J0 ( x ) = ∫e dα .
2π 0

Ha a mobil mozgása x irányban v sebességű, akkor ξ = vτ ' . Figyelembe

véve, hogy σ 2 ≅ NE 02 , mivel nulla várható érték mellett a szórásnégyzet a jel
teljesítményével aranyos és N egyforma úton a vett jel teljesítménye NE 02 , ezért
az autokorrelációs függvény közelítőleg
 vτ '   v 
ϕ (τ ' ) ≅ σ 2 J 0  2π  = σ J 0  2π f τ ' ,
2
 λ  c 
amiből a fadingspektrumra az alábbi kifejezés adódik
σ2 1
Φ( f ' ) ≅ F {ϕ (τ ' )} = f ' < fg ,
π fg  f '
2

1 −  
 fg 

ahol a maximális Doppler-csúszás

f 0v v
fg = =
c λ

44
és az f ' < f g megkötés a gyökjel alatti mennyiség pozitív voltához szükséges. A
képletnek megfelelő függvényt a 4.14 ábrán rajzoltuk fel, melyen megfigyelhető,
hogy Φ( f ' ) minimuma a Doppler-csúszás mentes esethez tartozik.

α Doppler-csúszás
α=0° v
f0
c
α=90° 0
α=180° −
v
f0
c
4.1 táblázat Nevezetes szögek és a hozzájuk tartozó Doppler-csúszás

A nevezetes szögekhez tartozó Doppler-csúszás értékeket a 4.1

táblázatban foglaltuk össze. Fontos megjegyezni, hogy a hullámterjedés irányától
függetlenül a vett jel teljesítménye mindig egyforma.

Φ( f ')

σ2
π fg

− fg fg f'

4.14 ábra Fadingspektrum függőleges dipólantenna esetén

Függőleges, x irányra merőleges és x irányba eső hurokantennák esetén a

levezetés a fentiekhez hasonló módon végezhető el. Itt csak a fadingspektrumra
vonatkozó végeredményeket közöljük
x irányra merőleges hurokantenna
2
σ2  f '
Φ( f ' ) = 1 −  
π fg  fg 

x irányába eső hurokantenna

2
 f '
 
σ2  fg 
Φ( f ' ) =
π fg  f '
2

1 −  
 fg 

A 4.15 ábrán felrajzoltuk mindkét hurokantenna esetére a fadingspektrumot.

45
 x irányba esõ
Φ( f ') hurokantenna

x irányra merõleges
hurokantenna

− fg fg f'

4.15 ábra Fadingspektrum függőleges x irányba eső és x irányra merőleges

hurokantenna esetén

Értelmezve a 4.14 és 4.15 ábrákat megállapíthatjuk, hogy a nevezetes

szögek és a hozzájuk tartozó Doppler-csúszás hasonlóan alakul a 4.1 táblázatban
leírtakhoz. Ugyanakkor a vet jel teljesítménye hurokantenna esetén függ az
antenna és a hullámterjedés iránya között bezárt szögtől. x irányba eső
hurokantenna esetén α=90°-nál nincs vett jel. Az x irányra merőleges
hurokantennát alkalmazva α=90°-nál nincs Doppler-csúszás és a vett jel szintje
maximális. Ugyanakkor α=0°-nál a vett jelteljesítmény nulla.

4.7 A Rayleigh-fading amplitúdójának autokorrelációs függvénye

Az előző fejezetben z(t ) -t valós és képzetes részével jellemeztük és ennek
megfelelően ezek autokorrelációs függvényét kerestük. Most az amplitúdó és
fázis segítségével leírt fadinget esetén mutatjuk meg az amplitúdó autokorrelációs
függvényét.
Ha
ϕ x (τ ' ) = ϕ y (τ ' ) = ϕ (τ ' )
mint azt a 4.5 fejezet elején megmutattuk, akkor

π  1  ϕ (τ ')  2 
ϕ A (τ ') ≅ ϕ (0) 1 +   ,
2  4  ϕ (0)  

amiből az amplitúdó fadingspektruma

π  1  ϕ (τ ')  − j 2π f ' τ ' 

+∞ 2

Φ A ( f ') ≅ ϕ (0) δ ( f ) + ∫   e dτ ' .

2  4 −∞ ϕ (0)  

4.8 A Rayleigh-fading egyszerűsített leírása

A következőkben a fading amplitúdóeloszlás segítségével történő
leírásának egy egyenértékű alternatíváját mutatjuk be. A korábbiakból ismert,
hogy az amplitúdó sűrűségfüggvénye az alábbi

46
 a2
a −
f A (a ) = e 2σ 2
.
σ2
Vezessük be a jel-zaj viszonyt jellemző
A2 T E s
Γ= =
2 N0 N0

új valószínűségi változót, melynek egy adott értékét γ-val jelöljük

a2 T
γ = .
2N0
A fenti képletekben N0 a fehér Gauss-zaj teljesítménysűrűségét jelöli, míg Es a
szimbólumenergiát, T pedig a szimbólumidőt.
Határozzuk meg Γ várható értékét, vagyis az átlagos jel-zaj viszonyt
E 
γ 0 = E[Γ ] =
T
2N0
E A 2 = E s  .
 N0 
[ ]
Figyelembe véve, hogy x és y azonos eloszlású, nulla várható értékű és egyforma
szórású valószínűségi változók, ezért
[ ] [ ]
σ 2 = E x2 = E y2 .

Mivel
A = x2 + y2 ,

ezért
[ ] [ ] [ ] [ ]
σ 2A = E A 2 = E x 2 + y 2 = E x 2 + E y 2 = 2σ 2 .

Felhasználva a fenti eredményt a jel-zaj viszony várható értéke az alábbi módon

is kifejezhető
Tσ 2
γ0 = .
N0

Alkalmazzuk valószínűségi változók transzformációs szabályát az amplitúdót

leíró A és a jel-zaj viszonyt jellemző Γ valószínűségi változók között. A szabály a
következő
f A (a ) da = f Γ (γ ) dγ ,
amiből f Γ (γ ) -t kifejezve
da 1
f Γ (γ ) = f A (a ) = f A (a ) .
dγ γ=
2
a T dγ
2 N0
da a 2T
γ=
2 N0

Helyettesítsük a fenti képletbe a két változó közötti összefüggést

47
 a2 a 2T N γ
a − 1 N − 0
1 −γ 0
f Γ (γ ) = = 02 e 2 N 0 Tσ =
2
2σ 2
e e
σ2 aT Tσ γ0
N0
s így a jel-zaj viszonyra egyszerű, γ 0 paraméterű exponenciális eloszlást kaptunk
végeredményül.

4.8.1 Direkt terjedési úttal rendelkező csatorna (Rice-csatorna, Rice-fading)

Ha a csatornában van egy időtől független direkt terjedési út, akkor a
fading leírásában a z = x 0 + x + j y alakhoz jutunk, ahol x0 a direkt átviteli útra
jellemző átviteli konstans. x és y pedig a Rayleigh-fadinghez hasonlóan független
Gauss-eloszlású valószínűségi változók. Ilyenkor a jel amplitúdója az

A= ( x0 + x) 2 + y 2
kifejezés alapján számolható. Ekkor az amplitúdó valószínűségi
sűrűségfüggvénye az
a 2 + x02
a − ax 
f A (a ) = e 2σ 2
I 0  20 
σ 2
σ 

ún. Rice-eloszlással írható le. Vezessük be Rice-fading esetén is a jel-zaj viszonyt

jellemző
A2 T
Γ=
2 N0

valószínűségi változó, melynek egy adott értékét γ-val jelöljük

a2 T
γ = .
2N0
Az átlagos jel-zaj viszony Rice-fading esetén az alábbi
( x 02 / 2 + σ 2 )
γ 0 = E[Γ ] = T.
N0

Vezessük most be a
x02
c= ,
2σ 2
változót, mely a direkt és a fadinges terjedésből származó jelek átlagos
teljesítményeinek a hányadosaként arra ad választ, hogy a mobil vevőbe érkező
jelhez milyen mértékben járulnak hozzá a direkt jelúton illetve a szórt utakon
érkező jelek.
Az jel-zaj viszonyt leíró valószínűségi sűrűségfüggvényt nyilvánvalóan
érdemes c függvényeként felírni

48
  γ 
1 −  c + (1+ c ) 
γ0  γ 
f Γ (γ ) = (1 + c) e 
I 0  2 c(1 + c)  ,
γ0  γ0

ahol I 0 ( x ) -t a következő módon definiáljuk

 x2 x4
1 + + + ... ha x << 1
 4 64
 ∞ x 2n
I 0 ( x ) = ∑ 2 n 2
általában
 n=0 2 (n !)
 ex  1 
 1 + + ... ha x >> 1.
 2π x  8 x 

A 4.16 ábrán a jel-zaj viszony sűrűségfüggvényét rajzoltuk fel c-ben

paraméterezve. A c=0 esetén a csatornában nincs direkt jelút s így a vevőbe csak
a Rayleigh-fadingnek megfelelő szórt jelek érkeznek. Ahogy c tart a végtelenhez
úgy egyre inkább a közvetlen út hatása dominál a szórt jelekkel szemben.
c = ∞ -hez érve a sűrűségfüggvényből Dirac-függvény lesz a γ / γ 0 = 1 helyen.
γ 0 f Γ (γ )

1
c =0
c =10

c =5

c =2

c =1 γ
γ0

1 2 3 4 5 6 7
4.16 ábra Jel-zaj viszony sűrűségfüggvénye c-ben paraméterezve Rice-fadinges
csatornában

4.8.2 Lognormál fading

Gyakorlati tapasztalatok azt mutatják, hogy Rayleigh-fadinges csatornában
nemcsak a pillanatnyi, hanem az átlagos csillapítás is ingadozik például a
terjedési út hosszának véletlen változásai miatt. Ezt a jelenséget szemlélteti a 4.17
ábra.

49
 Térerõ
[dB]

t [idõ] vagy
x [út] .
4.17 ábra Az átlagos térerő ingadozásának szemléltetése

A jelszint lokális átlaga Gauss-eloszlás szerint ingadozik. Miután a

Rayleigh-fadinges csatornában a várható érték a σ -val (z(t) egyes
komponenseinek a szórása) arányos, így az eloszlást a σ szórás (mely
definíciójánál fogva a várható értéktől való eltérésre jellemző mennyiség)
sztochasztikájával lehet leírni. Azaz esetünkben maga a szórás is valószínűségi
változó lesz! Legyen
σ2
S = 10 log [dB],
σ 20
ahol σ 20 az átlagos szórás négyzete, S statisztikája pedig

−
( s − s0 )2
1 2 λ2D
f S ( s) = e ,
2π λ D

ahol λ D az S szórását, s0 pedig a várható értékét jelöli. A lognormál fadinget az

irodalomban Suzuki-fadingnek is szokás nevezni.

4.8.3 Az eredő fading eloszlás

A fading eredő eloszlásának meghatározásakor azt vizsgálják, hogy az
átlagos jel-zaj viszonnyal normalizált jel-zaj viszony milyen valószínűséggel van
egy adott a érték felett, azaz
γ  ∞  γ  dγ ∞
P > a  = ∫ f Γ   = ∫ f X ( x ) dx .
γ 0  a γ0 γ 0  γ 0 a
Rayleigh-fading esetén, mivel
γ
γ  −
f Γ   = e γ 0 = f X ( x) = e − x ,
γ
γ0  0

ezért egyszerű exponenciális eloszláshoz jutunk

γ 
P > a  = e − a .
γ 0 
A szakirodalomban bevett megoldással ezt az összefüggést az ún.
Rayleigh-papíron ábrázolják, melynek vízszintes tengelyén az

50
 x = b + 10 log a ,
függőleges tengelyén pedig az
 γ 
y = c + 10 log − ln P > a 
 γ 0 

mennyiségeket ábrázolják.

99,9 %

99 %

Rayleigh-fading

90 %

50 %

10 %

1%
0,1 %
–30 –20 –10 0 dB 10 dB
4.18 ábra Rayleigh-papír Rayleigh-fadinggel

Rayleigh-fading esetén a fenti kifejezés lényegesen egyszerűsödik

[ ]
y = c + 10 log − ln e − a = c + 10 log a ,

mely az

51
 y = ( c − b) + x
alakra átírva nyilvánvalóvá válik, hogy a fenti kifejezés egyenes, miként az a 4.18
ábrán is látható. Hasonló módon lehet megadni a Rayleigh-lognormál és a Rice-
eloszlásra is, ahogy az a 4.19 és 4.20 ábrákon látható.

99,9 %
3 2
4 1
5
0
6

99 %
8

10

11
90 %
12

13

14
15

50 %

10 %

1%
0,1 %
–40 dB –30 dB –20 dB –10 dB 0 dB 10 dB

4.19 ábra Kumulatív Rayleigh-lognormál eloszlás λ D -vel paraméterezve

52
 -10 -1 0 1 2 3 4 5 6 7 8 9 10 12 14 16 18 20

99,9 %

99 %

90 %

50 %

10 %

1%
0,1 %
–30 dB –20 dB –10 dB 0 dB 10 dB
4.20 ábra Kumulatív Rice-eloszlás c-vel paraméterezve

γ 
Az eredő eloszlás szemléltetése a 4.21 ábrán látható, ahol a P > a
γ 0 
valószínűség a fekete a nem fekete intervallumok átlagos arányával jellemezhető.

Jelszint
[dB]

4.21 ábra Az eredő fadingeloszlás szemléltetése

53
4.8.4 A mobil csatornák típusai és paramétereik
A korábbiakban bevezetett ϕ (ν ',τ ') idő-frekvencia korrelációs
függvényből két fontos adat függvényt származtattunk
• a Φ( f ' ) fadingspektrumot és
• a q (t ') késleltetés sűrűségfüggvényt,
melyeket két paraméterrel lehet jellemezni
A fadingspektrum esetén ez a két paraméter
az átlagos Doppler-csúszás
+∞

∫ f ' φ ( f ') df '

f0'= −∞
+∞

−∞
∫ φ ( f ') df '
és a Doppler-szórás
+∞

∫ ( f ') φ ( f ') df '

2

( )
2
BF = 2 −∞
+∞
− f 0'
∫ φ ( f ') df '
−∞

míg a késleltetés sűrűségfüggvény esetében

az átlagos késleltetés
+∞

∫ t ' q(t ' ) dt '

t0 ' = −∞
+∞

∫ q(t ' ) dt '

−∞

és a késleltetés szórás
+∞

∫ (t ')
2
q (t ') dt '
( )
2
TF = 2 −∞
+∞
− t 0' .
∫ q (t ') dt '
−∞

A késleltetés szórás tipikus értékeit a 4.2 táblázatban foglaltuk össze.

54
 hely TF
épület < 0,1 msec
nyílt terep < 0,2 msec
külváros < 0,5 msec
város < 3 msec
4.2 táblázat A késleltetés szórás tipikus értékei

A fenti paraméterek alapján a rádiócsatornákat két nagy csoportba oszthatjuk.

• Időben diszperzív csatorna ha
1 1
Ts << TF ; W >> ; de BF <<
TF Ts

• Frekvenciában diszperzív csatorna ha

1 1
W << BF ; Ts >> de TF << ,
BF W

ahol Ts a szimbólumidő, W pedig a jel sávszélessége. A korábbiaknak

1
megfelelően az ún. koherencia sávszélesség, amely elsősorban szimbólumok
TF
közötti áthallás esélyéről ad felvilágosítást.

55
5. A terjedési csillapítás becslése
Az előző fejezetben a rádiócsatornában fellépő azon hatásokat vizsgáltuk
(Doppler-csúszás, késleltetés szórás), melyek a vevő mozgása, illetve a
rádiócsatornában mozgó tárgyak miatt jöttek létre. Ebben a fejezetben a terjedési
csillapítás meghatározására koncentrálunk. Bemutatjuk azokat módszereket és
modelleket, melyek segítségével a terjedési csillapítás megfelelő pontossággal
becsülhető. A gyakorlatban sík terepre vonatkozó eredményeket általánosítják
dombos terepre. Ennek megfelelően először sík föld feletti terjedést feltételezve
kezdjük meg vizsgálódásunkat, majd a kapott eredményekre alapozva bemutatjuk
a dombos terepre vonatkozó megoldásokat.

5.5 A terjedési csillapítás becslése sík terepen

A sík föld feletti terjedési csillapítás meghatározásához először felállítjuk
az alapmodellt.

5.5.1 Idealizált elméleti modell

A sík föld feletti terjedési modell alapja az ún. kétutas terjedés
feltételezése. Ez azt jelenti, hogy az adóból vevőbe a jel két úton jut el. Egy
közvetlen (direkt) úton, melynek csillapítását a szabadtéri terjedésre vonatkozó
elmélet határozza meg. A másik az ún. reflektált jel, mely a sík talajon egyetlen
reflexió után jut a vevőbe.
Az alapmodellt az 5.1 ábrán rajzoltuk fel. A direkt hullám által megtett út
d0, míg a reflektált hullám először d1 utat tesz meg a visszaverődési pontig, majd
onnan d2-t a vevőig. Ennek megfelelően a két jelút közötti különbség
∆d = d 1 + d 2 − d 0 .

A direkt úton terjedő hullám ϕ‘ szöget zár be a vízszintes síkkal, míg a reflektált
jel ϕ-t. A modell szempontjából fontos paraméterek az adó és vevő antennák
magassága, melyeket h1-gyel és h2-vel jelöltünk.

Direkt hullám
∆d = d 1 + d 2 - d 0
Reflektált d0
h1
hullám
d1
ϕ’

ϕ d2 h2

l1 l2

5.1 ábra Sík föld feletti kétutas terjedés modellje

56
A vevő és az adó közötti ún. d szakasztávolságot a reflexiós pont l1 és l2
szakaszokra bontja.
Az 5.1 ábra modelljének megfelelően a vevőantenna helyén a térerő a
direkt és a reflektált hullám eredőjeként írható fel
( )
E eredõ = E + E ⋅ a v e j∆ψ = E ⋅ 1 + a v e j∆ψ ,

2π
ahol ∆ψ = k ⋅ ∆d = ∆d a két különböző úton terjedő jel közötti fáziseltérés a
λ
2π
vevőnél. Megjegyezzük, hogy a mennyiséget fázistényezőnek hívja a
λ
szakirodalom s a jel λ hullámhosszához tartozó fázisváltozását adja meg. av a
talaj reflexiós tényezőjét jelöli, E pedig a vételi térerőt adja meg szabadtéri
terjedést feltételezve.
A szabadtéri terjedésre általánosan igaz, hogy a vett teljesítmény
2
E
PV =
2η 0
ahol η 0 a közeget és a vevőantennát jellemző konstans. A terjedési csillapítás
meghatározásához írjuk fel a vett teljesítményt az adóteljesítmény segítségével!
Izotróp adó- és vevőantennát feltételezve az adóantennából kisugárzott PA
teljesítmény az adótól d távolságban egy 4π d 2 felületű gömbön egyenletesen
oszlik el. Ebből a vevőantenna az AV hatásos felületének megfelelő teljesítményt
“szűri” ki. Egy antenna adóantennaként való alkalmazhatóságát a GA nyereség
jellemzi, mely megadja, hogy a főirányban kisugárzott teljesítménysűrűség
hányszorosa az azonos bemenő teljesítményű izotróp antenna
teljesítménysűrűségéhez képest. Egy antenna nyeresége és vevőantennaként
jellemző hatásos felülete között az ún. reciprocitás tétel teremt kapcsolatot, mely
kimondja, hogy
G 4π
= 2 .
AV λ
Az izotróp antenna hatásos felülete figyelembe véve, hogy nyeresége 1, a
reciprocitás tétel értelmében
λ2
AV = .
4π
Így tehát a vett teljesítmény felírható mint
2
PA  λ 
PV = ⋅ AV = PA ⋅   ,
4π d 2
 4π d 

ahol az

57
 2
 λ 
a0 =  
 4π d 

szorzótényező a terjedési csillapítást méri. Ezzel meghatároztuk a direkt úton

terjedő jel csillapítását jellemző szorzótényezőt.
Vegyük most figyelembe a reflektált jelet is azzal a feltevéssel, hogy a föld
reflexiós tényezője av = −1 . Ez a közelítés annál pontosabb, minél nagyobb a
szakasztávolság. A mindennapi életben előforduló szakasztávolságok esetén
megállja a helyét. A vett jel teljesítménye
2 2
E eredõ  1 
PV = = PA ⋅   ⋅ 1 − cos ∆ψ − j sin ∆ψ
2

2η 0  4π d / λ 

a komplex szorzófaktor abszolút értékét képezve

[ ]
2
 1 
PV = PA ⋅   ⋅ (1 − cos ∆ψ ) + (sin ∆ψ ) =
2 2

 4π d / λ 

2
 1 
= PA ⋅   ⋅ (2 − 2 cos( ∆ψ )) .
 4π d / λ 

x2
Alkalmazva a cos x ≈ 1 − , x << 1 közelítést
2
2
 1 
PV = PA ⋅   (∆ψ )
2

 4π d / λ 
nyilvánvalóvá válik, hogy a kétutas terjedés hatását a szabadtéri terjedéshez
képest a ∆ψ fáziskülönbség hordozza. Kíséreljük meg kifejezni ∆ψ -t a
modellünkben bevezetett kézzelfoghatóbb mennyiségekkel!
2π 2π 2h1h2
Mivel ∆ψ = ∆d ⋅ = , elegendő a ∆d = d 1 + d 2 - d 0
λ λ d
meghatározása, azaz a ∆d útvonalkülönbség ismeretében és a fázistényező
birtokában ∆ψ már könnyen számítható, ezért a következő lépésben
meghatározzuk az egyes hullámterjedési utak hosszát.
Az ábra alapján
(d 1
+ d 2 ) = (l1 + l 2 ) + (h1 + h2 ) ,
2 2 2

amiből

 h1 + h2 
2
 1  h + h 2 
d 1 + d 2 = (l1 + l 2 ) + (h1 + h2 ) = (l1 + l 2 ) 1 +   ≅ (l 2 + l 2 )1 +  1  
2 2 2

l +
 1 2 l  2  1 2  
l + l

ha (l1 + l 2 ) jóval nagyobb (h1 + h2 ) -nél, és

d 0 = (l1 + l 2 ) + (h1 − h2 )
2 2 2

58
amiből
 h1 − h2 
2
 1  h − h 2 
d0 = (l + l 2 ) + (h1 − h2 ) = (l1 + l 2 )
2 2
1 +   ≅ (l 2 + l 2 )1 +  1 2   ,
 2  l1 + l 2  
+
1
l
 1 2 l  
ahol alkalmaztuk a 1 + x ≅ 1 + x / 2, ha x jóval kisebb 1-nél közelítést.
Ebből
 1  h + h 2 1  h − h 
∆d = d 1 + d 2 − d 0 ≅ (l2 + l 2 )  1 2  −  1 2   =
 2  l1 + l 2  2  l1 − l 2  
 
(h + h2 ) − (h1 − h2 ) = 1 4h1 h2 ,
= (l1 − l 2 ) 1
1
2 2

2 (l1 + l 2 )2 2 l1 + l 2
ami alapján az útvonalkülönbség közelítőleg
2h1h2
∆d ≅ ,
d
ahol d = l1 + l 2 és így a fázistényező alkalmazásával a fáziskülönbség
2π 2π 2h1h2
∆ψ = ∆d ⋅ = .
λ λ d
Végezetül a kétutas hullámterjedés esetén a terjedési csillapítás csak az adó- és
vevőantenna magasságától és a szakasztávolságtól függ az alábbi módon
2
h h 
a sz ≅  1 22 
 d 

a vett jel teljesítménye pedig

2
h h 
PV ≅ PA ⋅  1 22  .
 d 

A fenti eredményből három fontos következtetés vonható le

• a csillapítás a távolságtól 40 dB/dekád meredekséggel függ,
• a bázisállomás antennájának magasságától 20 dB/dekád meredekséggel,
• az üzemi frekvenciától pedig független a csillapítás.
A fenti eredményt közelítések alkalmazásával kaptuk. A gyakorlatban két
tapasztalati kiegészítést szoktak alkalmazni
• a terjedés függ a frekvenciától, mely függést az f − n , (2 ≤ n ≤ 3) írja le
közelítőleg,
• a gyakorlati mérések azt mutatják, hogy a mobil antenna 3 m-es
magassága alatt az antenna magasságától a csillapítás csak 10 dB/dekád
meredekséggel függ.

59
5.5.2 A valóságos antennák vizsgálata
Az előző alfejezetben izotróp antennák esetére végeztük vizsgálatainkat. A
valóságos antennák nem egyenletesen sugároznak a tér minden irányába, hanem a
tér egy szeletére koncentrálják a kisugárzott teljesítményt. Ezt a tulajdonságot
jellemzi az antenna nyeresége az előző fejezetben leírt módon.
Először a szabadtéri csillapításra vonatkozó képletünket egészítjük ki az
antennák nyereségével
2
P  λ 
a0 = V =   ⋅ G A GV .
PA  4π d 

Kétutas terjedés esetén hasonlóan alakul a nyereségek hatása

2
h h 
PV ≅ PA ⋅  1 22  ⋅ G A ⋅ GV .
 d 
A tipikus terjedési modelleket az elméleti és mérési eredmények
kombinációjából állították elő. Az általános képlet az alábbi
γ −n
d  f 
PV = Pr 0     α 0 ,
 dr   f r 

ahol Pr0 az fr frekvencián, dr távolságban vett referencia teljesítmény α 0 =1 érték

esetén, γ a távolságfüggésre, n pedig a frekvenciafüggésre jellemző állandó. α 0
egy korrekciós tényező, mely több fizikai paraméter hatását tartalmazza és öt
összetevő szorzataként állítható elő
α 0 = α 1α 2α 3α 4α 5
2
h 
α1 =  1  Az adóantenna és a referencia adóantenna magassága
 h1r 
hányadosának négyzete
ν
 h2 
α2 =   A mobil antenna és a referencia mobil antenna magassága
 h2 r 
hányadosának ν-dik hatványa
Pt
α3 = Az adóteljesítmény és a referencia adóteljesítmény hányadosa
Ptr
G
α4 = t Az adóantenna nyereségének és a referencia adóantenna
Gtr
nyereségének a hányadosa
Gr
α5 = A vevőantenna nyereségének és a referencia vevőantenna
Grr
nyereségének a hányadosa
A ν paraméter a vevőantenna magasságától függ. h2r = 3m esetén

60
 2 ha h2 > 10m
ν=
1 ha h2 < 3m.

A gyakorlatban gyakran alkalmazzák Okumura javaslata szerint a következő

számítási módot
  h2 
10 log  h2 ≤ 5m
  h2 r 
 h 

10 log α 2 = 2h2 log 2  5m < h2 ≤ 10m
  h2 r 
 h 
20 log 2  10m < h2 .
  h2 r 

A frekvenciafüggést leíró γ tényező szerepét az 5.2 ábrán szemléltettük

900 MHz-es üzemi frekvenciát és különböző földrajzi területeket feltételezve. Az
5.2 ábra diagramjai az elméleti és mérési eredményekről adnak áttekintést. Fontos
tapasztalat, hogy a nyílt terepen végzett mérések és a városi mérések γ értékei
közelebb esnek egymáshoz, mint a szabadtéri csillapításhoz. A méréseknél
alkalmazott referencia távolság 1 mérföld.
A valós környezetben végzett mérések alapján a frekvenciafüggésre az
jellemző, hogy 450 MHz alatt kb. 30 dB/dekád, 450 MHz felett pedig kb. 20
dB/dekád meredekségű a változás. A frekvenciafüggést a fenti közelítő
paramétereknél pontosabban jellemzi az 5.3 ábrán látható görbesereg, ahol
Okumura által a 60-as években Japánban mért adatokat ábrázoltunk. Okumura
méréseihez a tokiói h1=200m magas tévétornyot és h2=3m mobil vevőantennát
használt. Az ábra görbéit az adó- és a vevőantenna közötti távolságban
paramétereztük.
Az 5.3 ábra görbéi a csillapítás frekvenciafüggését jellemzik egy
korrekciós tényező megadásával a szabadtéri csillapításhoz képest, melynek
korábban ismertetett képlete a frekvenciafüggést jellemző alakra hozva az alábbi
2 2
 λ   c 
a0 =   =  ,
 4π d   4π d f 

azaz a szabadtéri csillapítás négyzetesen fordítottan arányos a távolsággal és a

frekvenciával.

61
 jelerősség [dBm]
γ=2
–47.5 szabad terület
–50 4.3

nyílt terület
–60
3.84
4.31 –63,6 dB
külváros
–70 3.68 Newark

–80

3.05
Philadelphia
–90
49.4 dB
japán
Tokio, Japán külváros

–100
PA = 40 dBm (10 Watt)
Ant. ny. GA = 6 dB/dipól
Ant. ny. GV = 6 dB/dipól
–110 h1 = 100 m (bázis állomás)
h2 = 10 m (mobil vevő)

–113 dB

0.5 1 2 4 6 8 10
d [mérföld]

5.2 ábra Csillapítás különböző területeken, f0 = 900 MHz

Az 5.3 ábra görbéi ezt a teoretikus frekvencia és távolságfüggést korrigálják. Az

ábra értelmezésének megkönnyítéséhez tekintsünk két példát!
• 900 MHz-en 10 mérföldnél a szabadtéri csillapítás elvi értéke
-115,6 dB. Az 5.2 ábrán GA+GV=12dB eredő antennanyereség és
40 dBm adóteljesítmény miatt a vett jel szintje -63,6 dBm. Az
antennamagasságok közötti különbség korrekciója 16,34 dB. Az 5.3
ábrából leolvasható korrekció 32 dB, így a teljes különbség 48,34 dB,
ami egybecseng az 5.2 ábráról leolvasható ~49,4 dB-es
többletcsillapítással (tokiói görbe).
• Az 1 GHz és 2 GHz közötti szabadtéri csillapítás 6 dB értékű lenne, de
1 km távolságban itt van még egy járulékos kb. 3 dB, ami 9 dB/oktáv,

62
 azaz 30 dB/dekád csillapításnövekedést jelent. 100 és 200 MHz között
ez a növekedés alig éri el az 1 dB-t.
Fontos megjegyezni, hogy a fenti adatok várható értékeket jelentenek,
melyeknek szórása 3-8 dB is lehet.

70
városi terület
csillapítás [dB] h1 = 200 m
h2 = 3 m

60

d
[km]
100
50
80
70

60
40
50

40
30 32 dB
30
20

5
3 dB
20 3
2
1 ~1 dB

10
70 100 200 300 500 700 1000 2000 3000 5000
Frekvencia f [MHz]

5.3 ábra A csillapítás frekvenciafüggése

5.5.3 A hullámterjedés számítása N különböző környezetben

A terjedési csillapítás sík terepen történő becslésének utolsó lépése a
csillapítást befolyásoló távolságfüggés földrajzi eltéréseinek figyelembe vétele.
Ahogy az az 5.4 ábrán látható az adó és vevő közötti távolságot N db. olyan
szakaszra bontottuk, melyeken belül a távolságfüggést leíró γ i állandónak
tekinthető. Ennek megfelelően a vételi teljesítmény számítása az alábbi képletnek
megfelelően módosul

63
 −n −γ 1 −γ 2 −γ N −1 −γ
 f  d   d2  d   d 
N

PV = Pr 0 α 0    1    ...  N −1    ,
 fr   dr   d1   d N −2   d N −1 

ahol nyilvánvalóan teljesül, hogy

d N −1 ≤ d < d N .

Jelszint
[dBm] γ1

γ2

d
dr d1 d d2

elsõ szakasz második szakasz

5.4 ábra Hullámterjedés két különböző környezetben

5.6 A térerő becslése dombos, hegyes terepen

Az előző alfejezetben részletesen tárgyaltuk a terjedési csillapítás sík
terepen történő becslésére vonatkozó módszereket. Ezen ismeretekre
támaszkodva most már rátérhetünk a hullámterjedés szempontjából összetettebb
feladat, a csillapítás dombos, hegyes terepen való meghatározására.

5.6.1 Akadálymentes eset

Mindenekelőtt egy fontos fogalmat definiálunk, az ún. akadálymentes
terjedést. Akadálymentesnek nevezzük a rádiós összeköttetést ha a bázisállomás
antennája és a mobil antenna „látja” egymást. Ilyenkor feltételezzük, hogy a két
antenna között a láthatóságot semmilyen tereptárgy nem akadályozza. A
későbbiekben majd külön tárgyaljuk azt az esetet, amikor valamely tereptárgy a
direkt terjedés útjában áll.
Nyilvánvaló, hogy sík terepen a Föld görbülete miatt a látótávolság
korlátozott, melyet elsősorban a bázisállomás antennájának magassága határoz
meg. Számítsuk ki az ún. optikai látóhatárt, azaz azt a h magasságú
adóantennához tartozó a dh távolságot, melyre a vevőantennát elhelyezve, a Föld
görbülete még nem akadályozza a közvetlen rálátást. Az 5.5 ábrán az elvégzendő
feladat geometriáját szemléltettük. A optikai látóhatár egyszerű trigonometriai
megfontolásból az alábbi módon számítható
d 2 h = (R + h ) − R 2 ,
2

64
ahol R a Föld sugarát jelöli.
Ebből

dh = (R + h )2
− R 2 = R 2 + 2 Rh + h 2 − R ≅ 2 Rh + h 2 ≅ 2hR .
Tehát az optikai látóhatár jó közelítéssel
d h ≅ 2h R ≅ 3,571 h[m] [km] .
dh

R
R

5.5 ábra Az optikai látóhatár meghatározása

5.6.2 Reflexiós pontok dombos területen, az effektív antennamagasság

fogalma
Sík föld feletti kétutas terjedést feltételezve, az antennák magassága
nyilvánvalóan megegyezik fizikai méretükkel. Ugyanakkor dombos terepen
felmerül az antenna magasságok értelmezésének kérdése. Elsődleges célunk a
probléma kezelésében, hogy a számításokat valamilyen módon visszavezessük a
sík föld feletti kétutas terjedésnél korábban megszerzett ismereteinkre. Ezért
dombos terepen bevezetjük az ún. effektív magasság és az effektív
szakasztávolság fogalmát. Az antennákhoz rendelt effektív magasság, és
szakasztávolság segítségével már úgy számolhatunk, mintha sík terepen lennénk.
A következőkben tipikus eseteket vizsgálunk meg.

Egyszerű lejtő esete

A Θ szögű lejtőt az 5.6 ábrán rajzoltuk fel. Az adó- és a vevőantenna
fizikai magasságát az eddigiekhez hasonlóan h1-gyel és h2-vel jelöltük. Ebben az
esetben csupán annyi a különbség, hogy a sík terepet Θ szöggel elforgattuk mobil
vevőantenna talppontja körül, így az Θ szöget zár be a vízszintessel. Ezért nem
kell mást tennünk, mint meghatározni az antennák lejtőre merőleges síkra
bocsátott vetületét.

65
 h1 ’
Θ h1
d'

Θ
d
h2

5.6 ábra Egyszerű lejtő

Az adóantenna esetén ezért az effektív magasság

h1' = h1 cos Θ ,
míg az effektív antennák talppontjai közötti effektív szakasztávolság
d
d' = .
cos Θ
A mobil készülék antennáját mindig a talaj síkjára merőlegesnek tekintjük, azaz
h2' = h2 ,
így a csillapításra egyszerű lejtő esetén
2 2
 h' h  h h 
a sz =  1 22  =  1 2 2 cos 3 Θ
 (d ' )   d 

adódik. Nyilvánvalóan kis Θ szögek esetében (ha cos Θ ~ 1), a csillapításváltozás

mértéke minimális.

Dombon álló bázisállomás antenna esete

Az egyszerű lejtőhöz képest lépjünk tovább egy domb tetejére állítva a
bázisállomás antennáját, ahogy az az 5.7 ábrán látható.

h1''

h1 1. reflexió

direkt hullám
h1 '
2. reflexió

h2 = h2 '

h2''

66
 5.7 ábra Dombon álló bázisállomás antenna

Ebben az esetben a reflexió kétféleképpen is létrejöhet, melyeket 1. és 2.

sorszámmal jelöltünk. Az ábrán az 1. reflexióhoz a h1’ effektív adóantenna
magasság tartozik, míg a 2. reflexióhoz a h1’’. Hasonlóképpen egy, illetve két
vessző jelöli a vevőantenna effektív magasságát a két különböző esetben. Az 5.7
ábrán berajzoltuk az effektív antennamagasságok értelmezését, ami alapján
nyilvánvalóan teljesülnek az alábbi relációk
h1' > h1 ,
h1'' < h1 ,
h2' = h2 ,
h2'' > h2 .
Ilyenkor lehetséges többszörös visszaverődés is, de ezek közül általában az
dominál, amelyik a mobilhoz közelebb esik.

Domb lábánál álló bázisállomás antenna esete

Cseréljük meg a bázisállomás és a mobil helyét, azaz álljon a bázisállomás
antennája a domb lábánál. Itt is kétféle reflexiós esettel állunk szemben. Az 5.8
ábrán berajzoltuk a reflexiós útvonalakat és a hozzájuk tartozó effektív
antennamagasságokat is. A jelölésben használt vesszők száma továbbra is
megegyezik a reflexiós utak sorszámával.

h2 = h2 '
direkt hullám

h2''
h1=h1'
1. reflexió

2. reflexió
h1''

5.8 ábra Domb lábánál álló bázisállomás antenna

Az 5.8 ábra alapján egyszerűen beláthatók az alábbi relációk

h1' = h1 ,
h1'' > h1 ,
h2' = h2 ,

h2'' > h2 .

67
 A következőkben számszerű példát mutatunk arra a két esetre, amikor az
antenna effektív magassága nagyobb, illetve kisebb a fizikai méreténél.
Vizsgáljuk meg a domb lábánál álló bázisállomást az 2. reflexióval és egy
egyenes lejtő tetején álló bázisállomást. Az 5.9 ábra alapján egyértelműen
megállapítható, hogy ebben az esetben h1' > h1 , azaz az adóantenna effektív
magassága nagyobb, mint a tényleges magasság, míg az 5.10 ábra alapján h1' < h1 .
Először alkalmazzuk az egyenes lejtőre kapott eredményünket. Ehhez
hosszabbítsuk meg a lejtőt a bázisállomás irányában. Az 5.9 és 5.10 ábrákon
látható módon meg kell hosszabbítanunk az adóantennát a képzeletbeli lejtő
síkjáig, illetve le kell rövidítenünk azt. Ezek után h1e-t kell az antenna
magasságának vennünk és így már alkalmazhatjuk az egyenes lejtőre kapott
korábbi eredményt. Az 5.9 és 5.10 ábrák jelöléseivel
2
h h 
a sz =  1e 2 2 cos 3 Θ .
 d 

Ugyanakkor hasonló eredményre jutunk, ha közvetlenül alkalmazzuk az

effektív antennamagasság és szakasztávolság meghatározásának definícióját. Az
5.9 és 5.10 ábrákon h1’ és d’ jelöli ezeket a mennyiségeket. Figyelembe véve,
hogy
d
d' =
cos Θ
és alkalmazva a kétutas terjedésre vonatkozó eredményünket a
szakaszcsillapításra
2
 '   h1' h2 
2
 h1 h2 
a sz = =  2 cos Θ
2

 ( )
 d' 2
  d 

adódik, ami megegyezik az előző képlettel, mivel

h1'
h1e = .
cos Θ

68
 h2
h1 ’

h1
Θ

h1e
d'

5.9 ábra Domb lábánál álló adóantenna

h1 ’
h1 h1e

d'

d Θ
h2

5.10 ábra Domb tetején álló adóantenna

Az 5.11 ábrán egy külvárosi környezetben elhelyezkedő összetett dombos

terepet rajzoltunk fel. A bázisállomás antennája dombtetőn áll bal oldalon. A
mobil vevő helyét a bekarikázott 1-6 számokkal jelöltük. A terjedési csillapítás
meghatározásához mind a hat esetet az egyszerű lejtő esetére vezettük vissza.
Ennek megfelelően jelöltük be a korrigált h1i magasságokat.
Az alsó ábrán két görbét rajzoltunk fel. Az egyik az ideális görbe az alap
antennamagasságokkal, azaz mintha sík terepnek tekintenénk a vizsgált területet.
A másik görbe az effektív antennamagasságokkal számított s így az ideálishoz
képest korrigált jelszint értékeket mutatja. Az eredmény jól érzékelteti, hogy az
effektív antennák módszere alkalmas a becslési szórás jelentős csökkentésére.

69
 6
h1 6
1 5
h1

2 1 4
h1
3
3 2
h1 5
h1

4
h1

külváros

Jelszint
[dBm]
-60

-70
ideális görbe
-80 alap antenna
magasságokkal
-90 38,4 dB/dekád

-100
[km]
1 2 3 4 5 6 7 8 9
d, távolság
5.11 ábra Az effektív antennamagasság alkalmazása külvárosi környezetben

5.6.3 A térerő becslése akadályok esetén (késél modell)

Vizsgáljuk meg az adó- és vevőantennák között lévő akadályok hatását a
hullámterjedésre abban az esetben, ha a két antenna között nincs optikai átlátás!
Ebben az esetben a geometriai optika szerint az akadály mögötti holt térben
található vevő bemenetén nincs vételi teljesítmény. Ugyanakkor a hullámoptikai

70
modell értelmében az akadály minden pontja egy Huygens-hullámforrásnak
tekintendő. Az árnyékban levő vevő bemenetére ezen források kisugározta jelek
érkeznek, melyek fázishelyes összeadása után kapjuk az eredő vett jelet.
A terepakadályokat általában az ún. késél modell segítségével veszik
figyelembe, melyet az 5.12 ábrán mutatunk be. A késél akadály tökéletesen
elnyeli a ráeső hullámokat, egyedül az él pontjai viselkednek Huygens-forrásként.

késél
hp

d1 d2

5.12 ábra A késél modell szemléltetése

Az adó és vevő közötti távolságot a késél (akadály) d1 és d2 szakaszokra

bontja. Vezessük be az alábbi paramétert, mely az akadály elhelyezkedését és
magasságát jellemzi az üzemi frekvenciának megfelelő hullámhosszban számítva
2  1 1
v = −h p ⋅ +  .
λ  d1 d 2 

A késél okozta járulékos csillapítást az 5.13 ábráról olvashatjuk le. A vízszintes

tengelyen a v paraméter, a függőlegesen pedig az E0 szabadtéri térerőre
normalizált E vételi térerő látható decibelben és arányszámban is kifejezve.
Tekintsünk egy szemléletes példát az alábbi adatokkal
f = 900 MHz,
d1=5 km,
d2=5 km,
h p = 20 m.
Ekkor
2  1 1 
v = −20 9 ⋅ 108  +  = −11313
,
3 ⋅ 10 8
 5 ⋅ 10 3 ⋅ 103 
3

a relatív térerő csökkenés az 5.13 ábra alapján pedig

E
= −14.5 dB .
E0

71
 1.2
teoretikus görbe
E
1.1 [lineáris skála] 0.83
E0

1.0 E 0
E0
0.9 –0.9
megfigyelt görbe
0.8 E –1.95

L (relatív térerõsség)= E 0 E
0.7 –3
[dB]
E0
0.6 –4.5

0.5 –6
–6
–8 0.4
E
[dB]
–10.5 E0 0.34
E
[lineáris skála]
E0
–14 0.2
–14.5
–20 0.1

–27 v
0
–5 –4 –3 –2 –1 0 1 2 3 4 5
–1.13
5.13 ábra Az antennák közötti akadály okozta járulékos csillapítás

5.6.4 A terjedési csillapítást befolyásoló egyéb tényezők

A következőkben azon fizikai jelenségeket vesszük sorra, melyek mérhető
hatást gyakorolnak a terjedési csillapításra.

A növények lombkoronájának a hatása

A növényzet hatására többlet csillapítás lép fel, mely elsősorban
• a növények leveleinek típusától
• a jel polarizációjától
• természetesen az évszakoktól (a mérsékelt égövben)
függ. Az alábbiakban néhány jellegzetes, dzsungelre vonatkozó adatot
gyűjtöttünk össze
• kb. 4 dB/dekád növekedés jelentkezik a távolságfüggésben,

72
 • a frekvenciafüggés 80 és 800 MHz között 20 dB/dekád a függőleges és
35 dB/dekád a vízszintes polarizáció esetén,
• a függőleges polarizáció és a vízszintes polarizáció között 50 MHz-en
8–25 dB, 800 MHz-en pedig 1-2 dB a különbség. Megjegyezzük, hogy
a vízszintes polarizáció járulékos csillapítása kisebb.

Az útirányok csatorna effektusa

Ha a mobil közel van a bázisállomáshoz, akkor az épületek és útirányok
erősen befolyásolják a vett jel teljesítményét. Tipikus eset, hogy városi
környezetben a bázisállomás irányába eső úton 10 dB-lel nagyobb a jel szintje,
mint a merőleges utakon.

Az aluljárók és az alagutak hatása

Az aluljárókban a tipikus járulékos csillapítás 5-10 dB (6-15 m hosszú
aluljárókra). Az alagutak hatása igen jelentős lehet, pl. 4m magas 6 méter széles
és 300 m hosszú alagútban
• 100 MHz-en 60 dB,
• 1 GHz-en 5 dB,
• 10 GHz-en 1 dB-nél kisebb
a járulékos csillapítás, ezért mobil telefon esetén külön belső adók elhelyezéséről
is gondoskodni kell.

5.6.5 Terjedés a sűrűn lakott városokban (a mikrocellák problémája)

A terjedési modelleket általában kísérleti alapokon hozzák létre. Ezeknél a
vizsgálatoknál városi környezetben a legfontosabb az épületek árnyékoló
hatásának a becslése. Ez annyit jelent, hogy meghatározzuk az adó- és a
vevőantenna közötti egyenes terjedési út takartságának mértékét (Lee-modell).
Az 5.14 ábrának megfelelően jelölje d a két antenna távolságát, az egyes
épületek által képviselt takarást pedig bi. Ekkor az útvonalba eső épületek eredő
takarása
B = ∑ bi .

A Lee-modell alapján a vett teljesítmény két részből áll

PV = P1 (d ) − α ( B ) [dB] ,
ahol P1 (d ) a takarásmentes esetben jelentkező távolságfüggő csillapítás és α ( B)
a B árnyékolástól függő járulékos csillapítás, melynek jellege
0 ÷ 20 dB 0 < B < 160 m
α ( B ) jellege 
~ 20 dB B > 300 m

73
 b3

b2
Vevõ
b1

d
Adó

5.14 ábra Takarás városi környezetben

74
6. A lassú, multiplikatív fading hatása a klasszikus digitális
modulációs rendszerek minőségi paramétereire.
A 3., 4. és 5. fejezetekben több lépcsőben részletesen áttekintettük az
analóg rádiócsatorna leírását. Először a lineáris időinvariáns csatorna modelljét
vizsgáltuk, majd kiterjesztettük modellünket a csatorna időfüggésére is,
bevezetve a csatorna statisztikus viselkedését jellemző fading fogalmát.
Végezetül az idealizált modellt kiegészítettük a mobil rádiós összeköttetésre
érdemi hatást gyakorló fizikai jelenségekkel. Ha most visszalapozunk az 1.
fejezet 1.10 ábrájához, ahol a digitális mobil rendszerek általános felépítését
rajzoltuk fel, megállapíthatjuk, hogy az analóg rádiócsatorna modellezésének
ismeretében rátérhetünk a következő logikai egység, a modulációs eljárások
vizsgálatára.
Ennek során először bemutatjuk a klasszikus bináris modulációs
rendszereket, majd a lassú multiplikatív fading ezek hibaarányára gyakorolt
hatását tárgyaljuk. Itt kell megjegyezzük, a fading lassú volta csupán annyit
jelent, hogy a vevőben egyetlen szimbólum ideje alatt a fading értéke nem
változik. De azt, hogy a fading milyen értéket vesz fel egy adott szimbólum ideje
alatt, természetesen valószínűségi változó határozza meg.
Mindenekelőtt azonban a vizsgálatunk tárgyát képező, mobil hírközlő
rendszerekben alkalmazott modulációs eljárásokat rendszerezzük.
• Lineáris modulációs rendszerek optimális koherens és nemkoherens
vétellel
• Nemlineáris modulációs rendszerek
• Speciális egyoldalsávos rendszerek, lineáris és nemlineáris változatban
• Szórt spektrumú rendszerek

6.1 Lineáris modulációs rendszerek (ASK, PSK, QPSK, MPSK,

QAM)
A jelek lineáris modulációs rendszerekben történő általános előállítását a
6.1 ábrán mutatjuk be.
Az 1.10 ábra alapsávi kódolóját egy olyan forrásnak tekintjük, mely a Ts
szimbólumidő alatt b bitet ad ki sorosan a kimenetén. Ezek a bitek egy
soros/párhuzamos átalakítóra kerülnek. Az így keletkező bináris szavak egy
jelrendezőbe jutnak, mely a kvadratúra komponenseket vezérlő d In és d Qn jeleket
állítja elő. Az n index a szimbólumidő sorszámát mutatja, míg az I és Q a
kvadratúrakomponenseket. A következő lépés az elemi jelalakok megformálása.
Ezt úgy modellezzük, hogy a jelútba egy olyan szűrőt helyezünk el, melynek
g s (t ) súlyfüggvénye, azaz a Dirac-impulzusra adott válasza megegyezik a kívánt
jelalakkal. A kvadratúra komponenseknek megfelelő vezérlő d In és d Qn jelek nTs
idővel eltolt Dirac-függvényt szoroznak, majd az így kapott jelek kerülnek a
elemi jelalak formáló szűrőkre. Ezt követi az f0 vivőfrekvenciára való ültetés,

75
majd az adószűrőre bocsátandó jel előállítása a kvadratúra komponensek
összegzésével.
A moduláció lineáris mivolta egyértelműen következik abból a tényből,
hogy a vivőfrekvenciás jel amplitúdóját moduláljuk a továbbítandó
információnak megfelelően.

+∞

∑ δ (t − n T ) s
n = −∞
cos( 2π f 0 t )
dIn
Bináris gs(t)
forrás b x(t) x’(t)
Jelren-
bites gBP(t)
S/P
dezõ
dQn
gs(t)
− sin(2π f 0 t )
+∞

∑ δ (t − n T ) s
n = −∞

6.1 ábra Jelek előállítása lineáris modulációs rendszerekben

Az adószűrő bemenetére érkező jel a 6.1 ábra alapján egyszerűen felírható

 +∞ 
x (t ) =  ∑ d In g s (t − n Ts )  cos(2π f 0 t ) −
n =−∞ 

 +∞ 
−  ∑ d Qn g s (t − n Ts )  sin(2π f 0 t ) .
n =−∞ 
Most határozzuk, meg a fenti rendszer komplex alapsávi ekvivalensét!
Ismert, hogy a komplex alapsávi ekvivalens jel a kvadratúrakomponensei
összegeként írható fel
x ekv (t ) = x I (t ) + j x Q (t ) .

Figyelembe véve, hogy a jel és komplex alapsávi ekvivalense közötti kapcsolat az

alábbi
x + (t ) = x ekv (t ) e j 2π f 0 t ,
amiből
{
x (t ) = Re{ x + (t )} = Re x ekv (t ) e j 2π f 0 t , }
s így a 6.1 ábra alapján
+∞
x I (t ) = ∑d In g s (t − n Ts ) ,
n =−∞

76
 +∞
x Q (t ) = ∑d Qn g s (t − n Ts ) ,
n =−∞

ahol tudjuk, hogy

d n = d In + jd Qn ,

ezért
+∞
x ekv (t ) = ∑d n g s (t − n Ts ) .
n =−∞

A fentiek alapján az előállítás egyszerűbben is illusztrálható a 6.2 ábrán

látható módon, ha a jelöléseket komplex alakban adjuk meg.
+∞

∑ δ (t − nT ) s
n =−∞

dn = d In + j dQn xekv(t)
gs(t) gekvBP(t) x’ekv(t)

6.2 ábra Jelek előállítása lineáris modulációs rendszerekben komplex leírással

Végezetül megjegyezzük, hogy a jelalakformáló szűrőket természetesen

nem szükséges feltétlenül szűrőként megvalósítani. Bevált megoldás, hogy a
jelalakokat memóriában tárolják (GSM).

6.1.1 A lineáris modulációs rendszerek típusai

A következőkben jellegzetes lineáris modulációs példákat mutatunk be,
melyeket aszerint csoportosítottunk, hogy a soros/párhuzamos átalakító hány
bites szavakat állít elő. Az egyes modulációs eljárásokat a szakirodalom a d In és
d Qn értékek segítségével jellemezi és ún. konstellációs diagrammokon ábrázolja
(lásd pl. 6.3b ábra).

b=1 típusú modulációk

Ki/be kapcsolás (On/Off Keying, OOK)

Ez a legegyszerűbb lineáris modulációs eljárás. Lényege, hogy az adó vagy
be van kapcsolva (On állapot) vagy ki van kapcsolva (Off állapot), azaz az adó Ts
időközönként vagy a g s (t ) jelet adja vagy hallgat.

77
 x(t)

t
Ts

6. 3a ábra On/Off Keying időfüggvény

OOK dQn

dIn

6.3b ábra On/Off Keying konstellációs diagram

Amplitúdóbillentyűzés / bináris fázisbillentyűzés (Amplitude Shift Keying, ASK /

Binary Phase Shift Keying, BPSK )
Az amplitúdóbillentyűzés-, illetve bináris fázisbillentyűzés elnevezés csak
látszólag ellentmondás. Ha a 6.4a ábra konstellációs diagrammját nézzük,
megértjük az azonosságot. Ugyanis nincs másról szó mint, hogy az adó
szimbólumidőnként a g s (t ) elemi jelet vagy annak inverzét adja, ami felfogható
amplitúdó modulációként is és fázisfordításként is.

ASK, dQn
BPSK

dIn

6. 4a ábra ASK/BPSK konstellációs diagram

78
 x(t)

t
Ts

6. 4b ábra ASK/BPSK időfüggvény

b=2 típusú modulációk

4 kvadratúra amplitúdó moduláció / kvadratúra bináris fázisbillentyűzés

(4 Quadrature Amplitude Modulation, 4QAM / Quadrature Phase Shift Keying,
QPSK)
QPSK esetében nincs másról szó, mint az ASK/BPSK modulációról
mindkét kvadratúra ágban (lásd 6.5a ábra). A 4QAM modulációnál a két
kvadratúrakomponensnek megfelelően négyféle amplitúdó érték lehetséges a 6.5b
ábrán látható módon. Az elnevezésbeli kettősség az ábrák alapján nyilvánvaló,
hiszen a két konstellációs diagram 45°-os elforgatással egymásba vihető át.

QPSK dQn

dIn

6. 5a ábra QPSK konstellációs diagram

79
 4QAM dQn

dIn

6. 5b ábra 4QAM konstellációs diagram

A 6.5c és 6.5d ábrákon jellegzetes QPSK jelalakokat rajzoltunk fel. A két

ábra közötti különbséget a g s (t ) elemi jelalak jelenti. A 6.5c ábrán ez egy
egyszerű négyszögimpulzus, míg a 6.5d ábrán a simább szimbólumátmenet
biztosítása érdekében ún. cos2-impulzust alkalmaztunk.
x(t) 0-j 0+j 1+0j -1+j0 dn

Ts

6. 5c ábra QPSK moduláció

x(t) 0-j 0+j 1+0j -1+j0 dn

t
Ts

6. 5d ábra

4 Amplitúdóbillentyűzés (4 Amplitude Shift Keying, 4ASK)

Az ASK moduláció egy másik lehetséges kiterjesztése, ha az egy
szimbólumidő alatt átviendő bitek számának növelését, nem a másik
kvadratúrakomponens bevonásával oldjuk meg, hanem a lehetséges amplitúdó
szintek számát növeljük a 6.6 ábrának megfelelően.

80
 4ASK dQn

dIn

6. 6 ábra 4ASK konstellációs diagram

b=3 típusú modulációk

8 fázisbillentyűzés (8 Phase Shift Keying, 8PSK )

A 8PSK moduláció tipikus esete a b=3 típusú rendszereknek. A 8PSK
moduláció érdekessége, hogy annak ellenére lineáris, hogy valójában a jel fázisát
moduláljuk, ami tipikusan nemlineáris művelet. A moduláció konstellációs
diagramját a 6.7 ábrán rajzoltuk fel.

8PSK dQn

dIn

6. 7 ábra 8PSK konstellációs diagram

b=4 típusú modulációk

Erre a típusra két tipikus modulációt mutatunk be példának. Az egyik a 6.8

ábrán látható 16QAM a másik a 6.9 ábrán felrajzolt 16PSK moduláció. Mindkét
moduláció esetén szimbólumidőnként 16 bitet viszünk át, de a 16PSK előnyösebb
a 16QAM modulációval szemben, mivel az egyes állapotok közötti távolság
nagyobb, ezért kevésbé zavarérzékeny. Ezeket a modulációkat általában alapsávi
fax modemekben alkalmazzák.

81
 16QAM dQn

dIn

6. 8 ábra 16QAM konstellációs diagram

16PSK dQn

dIn

6. 9 ábra 16PSK konstellációs diagram

Természetesen a szimbólumidőnként átvitt bitek száma tovább növelhető,

léteznek 32-128-256-1024 QAM rendszerek is. Példaként a 6.10 ábrán a 32 QAM
moduláció konstellációs diagramját rajzoltuk fel, megjegyezve, hogy az már a
b=5 típushoz tartozik.

dQn
32QAM

dIn

6. 10 ábra 32QAM konstellációs diagram

82
 A lineáris modulációkkal kapcsolatban fontos megjegyezni, hogy általában
nem alkalmazzák őket közvetlenül mobil rendszerekben, mivel lineáris végfokot
igényelnek. Az “A” osztályú végfok hatásfoka azonban legfeljebb 50%, ezért
nem célszerű kis teljesítményű akkumulátorokkal ellátott mobil készülékben
alkalmazni. Ugyanakkor azonban mikrocellás rendszerekben, ahol csak kis
távolságokat kell áthidalni ez a probléma nem játszik szerepet. Ez az egyik oka
annak, hogy a lineáris modulációs rendszereket is tárgyaljuk. A másik érv a
lineáris modulációk mellett a mind jobban elterjedő szórt spektrumú modulációs
rendszerekben keresendő, mivel ezeknél a modulációknál alapmodulációként
gyakran alkalmaznak lineáris modulációkat (lásd később).
A következőkben a PSK modulációk két módosított változatát ismertetjük.

Offset QPSK (OQPSK)

A hagyományos QPSK rendszerben a Ts szimbólumidő egész számú
többszöröseinél tetszőleges átmenet jöhet létre az egyes állapotok között, aminek
következtében a jelváltozás nagy lehet, tekintsük például a 6.11a ábra átlós
állapot átmenetét.

dQn OQPSK dQn

QPSK

dIn dIn

6. 11a ábra QPSK és OQPSK konstellációs diagramok

Ugyanakkor az erősítőknél lehetőség szerint igyekszünk csökkenteni a

dinamikatartományt. Ezért a jelamplitúdó változásának csökkentésére a QPSK-tól
eltérően a kvadratúra fázisban levő jeleket Ts /2 idővel eltoljuk, azaz a kvadratúra
 Ts 
csatornában gs(t) helyett g s  t −  súlyfüggvényű szűrőt használunk. Ekkor a
 2
modulált jel
+∞
x (t ) = ∑d In g s (t − nTs ) cos(2π f 0 t ) −
n =−∞

+∞
 T 
− ∑ d Qn g s  t − s − n Ts  sin(2π f 0 t )
n =−∞  2 

83
alakú és kössük ki, hogy
 1 1 
d In , d Qn ∈ + ;− .
 2 2
Ekkor a komplex alapsávi ekvivalens jel
+∞ +∞
 T 
x ekv (t ) = ∑ In s
d g ( t − n Ts ) + j ∑ d Qn g s  t − 2s − n Ts  ,
n =−∞ n =−∞

ami azt jelenti, hogy a kvadratúra komponens változása késleltetve követi a

fázisban levő komponensét. Emiatt a jel csak a 6.11b ábrán szaggatott vonallal
jelölt négyzet élei mentén változhat, azaz a jel dinamikáját jelentősen
csökkentettük.

1 Im{xekv(t)}
2

Re{xekv(t)}
1 1
−
2 2

1
−
2

6. 11b ábra Állapotátmenet QPSK moduláció esetén

Differenciális PSK (DPSK)

A BPSK moduláció lényege, hogy a moduláló jel fázisa hordozza a
továbbítandó információt, azaz a vételi oldalon a jel fázisát kell meghatározni. Ez
megtehető oly módon is, hogy egy referencia rögzítése után csak a fázisváltozást
továbbítjuk. Ehhez ún. differenciális kódolást alkalmazunk a BPSK moduláció
előtt a 6.12a ábrán látható módon.

DPSK modulátorhoz
d n = un ⋅ d n −1
un ∈{+1,−1}
Ts
dn dn-1

6. 12a ábra DPSK modulátor

Nézzünk egy szemléletes példát a differenciális kódolásra! A 6.12b ábra

oszlopai az egyes szimbólumidőknek felelnek meg. Az első oszlopban
önkényesen rögzítettük a kezdeti feltételeket, azaz dn =1 és a fázis=0. A legelső
sor tartalmazza a szimbólumforrás által generált un értékeket. Ennek ismeretében
már képezhetjük a d n = un ⋅ d n −1 kódolási szabály szerint a kódoló kimeneti
értékeit. Az ábrán nyilak mutatják, hogy mely értékekből, mely értékek

84
származnak. Ezután a dn értékek egy BPSK modulátorra kerülnek, aminek
eredményeképpen a kimenő jel fázisa az 1 → 0, -1→π megfeleltetéssel
számítható (természetesen fordítva is lehetséges a hozzárendelés, ez
megállapodás kérdése). A jel fázisát a 6.12b ábra harmadik sora mutatja.

un 1 −1 −1 1 −1 1 −1
dn 1 1 −1 1 1 −1 −1 1
fázis 0 0 π 0 0 π π 0
u$n 1 −1 −1 1 −1 1 −1
6. 12b ábra Differenciális kódolási példa

A vételi oldalon az u$n jel detektálása a fázisváltozás ismeretében történik,

ahogy azt az ábra nyilai mutatják. Ha volt fázisváltozás, akkor -1-gyel , ha nem
volt akkor +1-gyel becsüljük un -et. Látható, hogy a DPSK moduláció és
demoduláció alkalmazásával visszakaptuk az eredeti un szimbólumokat.
Vegyük észre, hogy a DPSK moduláció valójában nem más, mint a
hagyományos BPSK moduláció egy előkódolással kiegészítve. Miért tekintjük
mégis külön modulációként? Nos azért, mert a vételi oldalon speciális egyedi
vevőstruktúrát alkalmazunk. A DPSK vevő a 6.12c ábrán látható.

Ts
r~ (t ) u$n
∫
6. 12c ábra DPSK vevő

A vevő működése rendkívül egyszerű. A bejövő jelet először egy

szimbólumidőnyit késleltetjük, majd összeszorozzuk az eredeti jellel. Ezáltal
zajmentes esetben a szorzás eredményeként létrejövő jel előjele megegyezik a
6.12b ábra negyedik sorában található u$n sorozat elemeinek előjelével. A 6.12c
ábra integrátorának feladata a zajszűrés, melyet nullkomparálás követ az u$n
sorozat előállítása érdekében.

6.1.2 A modulált jel egy szimbólumra eső átlagos energiájának

meghatározása
A modulált x(t) jel energiájának meghatározásához induljunk ki ismét a
6.1 ábrán látható struktúrából. A modulált jel energiája
+∞

E= ∫x
2
(t ) dt ,
−∞

mely első látásra végtelen nagy értéket ad, de tekintettel arra, hogy nem stacioner
jelet vizsgálunk és a ±∞ határ csupán az elegendően nagy szimbólumidőt

85
jelképezi, ezért a alábbi levezetés során a fenti probléma nem okoz gondot. A jel
energiája a komplex alapsávi ekvivalenssel kifejezve
+∞

∫ (Re{x })
2
E= ekv (t ) e j 2π f 0 t dt ,
−∞

z + z*
ahol a valós rész képzés Re{z} = szabályát alkalmazva
2

( ) dt ,
+∞
1 2
E = ∫ x ekv (t ) e j 2π f 0 t + x * (t ) e − j 2π f 0 t
4 −∞ ekv

melyben elvégezve a négyzetre emelést és figyelembe véve, hogy z ⋅ z * = z

2

( )
+∞
1  2
 x ekv (t ) e j 4π f 0 t + 2 x ekv (t ) + x * (t ) e − j 4π f 0 t  dt .
2
E= ∫
2

4 −∞ ekv 

Vezessük be a x ekv (t ) = x ekv (t ) ⋅ e j ϕ ( t ) jelölést és bontsuk két tagra az integrálást az

alábbiak szerint
+∞ +∞
1 1
( )
E = ∫ x ekv (t ) dt + ∫ x ekv (t ) e j 2ϕ ( t ) e j 4π f 0 t + e − j 2ϕ ( t ) e − j 4π f 0 t dt ,
2 −∞
2

4 −∞
2

ahol felismerve a második tagban a cos() függvény exponenciális alakját

+∞ +∞
1 1
E = ∫ x ekv (t ) dt + ∫ x ekv (t ) cos( 4π f 0 t + 2ϕ (t ))dt .
2 2

2 −∞ 2 −∞

Vegyük észre, hogy a második integrálban az alapsávi x ekv (t ) nagyon lassan

változik a koszinuszos tényezőhöz képest, ezért a második integrál jó közelítéssel
a koszinusz függvény integráljának tekinthető, ami nulla. Így a modulált jel
energiája
+∞
1
E≅ ∫
2
x ekv (t ) dt .
2 −∞

Figyelembe véve az
+∞
x ekv (t ) = ∑d n g s (t − n Ts )
n =−∞

összefüggést, most már könnyen meghatározhatjuk az egy szimbólumra eső

energiát
+∞
1
E s = ∫ | d n |2 | g s (t )|2 dt ,
2 −∞

amiből tekintettel arra, hogy egy szimbólumidő alatt dn nem változik

+∞
1
Es = | d n |2 ∫ | g s (t )|2 dt .
2 −∞

86
Az egy szimbólumra eső átlagos energia a fentiek alapján dn várható értékének
ismeretében írható fel az alábbi módon
+∞
1
2
[
E s = E | d n |2 ] ∫ | g (t )|
s
2
dt .
−∞

Most pedig nézzünk néhány szemléletes példát az átlagos

szimbólumenergia számítására!

OOK
Ki/be kapcsolásos moduláció esetén a 6.3a ábrának megfelelően d Qn = 0 és
d In ∈{0,1} . Ebből nyilvánvalóan következik, hogy a konstellációs diagram
állapotainak száma M=2 és egyszerre csak b=1 bitet fogunk össze a b=log2M
egyenlet alapján. Egyenletes eloszlást feltételezve d In -re

[ ] [
E | d n |2 = E | d In |2 =] 1
2
,

amiből az átlagos szimbólumenergia

+∞
11
Es = ∫ | g s (t )| dt .
2

2 2 −∞

Ha feltételezzük, hogy az elemi jelalak egyszerű négyszögjel az alábbi formában

a; t ∈[0, Ts )
gs ( t ) =  ,
0; egyébk é nt
akkor
1 2
Es = a Ts ,
4
amiből az a paraméter értékére
4E s
a= ,
Ts

adódik s így
 4E s
 ; t ∈[0, Ts )
g s (t ) =  Ts

0; egyébként .

ASK (M szintű)
M szintű ASK modulációt vizsgálva amennyiben M páros, akkor dQn=0 és
d In ∈{± 2m − 1| m = 1,..., M / 2} , valamint b továbbra is a b=log2M egyenletnek
megfelelően határozható meg. Ekkor az átlagos szimbólumenergia

87
 +∞
1
E s = k ∫ | g s (t )|2 dt ,
2 −∞

ahol k a d In -ek egyenletes eloszlása esetén az alábbi értékű

M2 −1
k= ,
3
mivel

[ ] [ ]
M −1
1 2 M 2 −1
E | d n | = E | d In | = ∑
2 2
⋅i = .
i = − ( M −1) M 3
i páratlan

PSK (M szintű)
M szintű PSK moduláció esetén a 6.7 ábra konstellációs diagramját
általánosítva
 j 2π k + j ϕ 0 
d n ∈ e M  ; k=0,1,2,...,M-1;
 
és M = 2b .
Egyenletes d In eloszlás esetén nyilvánvaló, hogy

[ ]
E | d n |2 = 1 ,

s ezáltal
+∞
1
E s = E s = ∫ | g s (t )|2 dt .
2 −∞

Ha gs(t) négyszögimpulzus, akkor

 2 Es
 ; t ∈[0, Ts )
gs (t ) =  Ts
0; egyébként

és az átlagos bitenergia
Es Es
E b = Eb = = .
b log 2 M

6.1.3 A fehér Gauss-zaj alapsávi ekvivalense és a jel-zaj viszony

Mobil rádiós rendszerekben a fading mellett az additív fehér Gauss-zaj a
másik olyan statisztikus tulajdonságokkal rendelkező környezeti jelenség, mely
az ideális rendszerekben zavaró hatásként jelenik meg. Jellemzése az egy-, illetve
kétoldalas teljesítménysűrűség spektrum segítségével történik.
A kétoldalas teljesítménysűrűség spektrum leírására vagy az egységnyi
körfrekvenciára eső zajteljesítményt

88
 N0  W 
2 ⋅ 2π  rad / sec 
vagy az egységnyi frekvenciára jutó zajteljesítményt
N0  W 
2  Hz 
használjuk. Jegyzetünkben a továbbiakban az
W
N0  
 Hz 
egyoldalas teljesítménysűrűség segítségével jellemezzük a fehér Gauss-zajt.
Rádiós rendszerek vizsgálatakor nyilvánvalóan csak a hasznos jel sávjába
eső zajt kell figyelembe venni, ezért a jel sávjába eső zajteljesítményt az ún.
Nyquist-sávszélességre számolhatjuk, ahol
1
Bs =
Ts

a zaj egyoldalas sávszélessége, a Bs sávba eső teljesítménye pedig

N0
Pz = .
Ts

A 6.13 ábrán a hasznos jel sávjára sávhatárolt Gauss-zajt rajzoltuk fel.

Φn ( f )

N0
2
f
-f0 f0

Bs Bs

6. 13 ábra Sávhatárolt fehér Gauss-zaj teljesítménysűrűsége

A hasznos jel teljesítménye, melyet az átlagos szimbólumenergia és a

szimbólumidő hányadosaként definiálunk, az előző alfejezet alapján
E s log 2 M ⋅ E b
Pj = = ,
Ts Ts
így a Gauss-zajra vonatkoztatott jel-zaj viszony
Pj E s Ts E s log 2 M ⋅ E b
γ = = = = .
Pz Ts N 0 N 0 N0
A következőkben a B sávra sávhatárolt Gauss-zaj részletes leírását
mutatjuk be. Az alapsávi jelkezelésre vonatkozó ismereteink birtokában tudjuk,

89
hogy a sávhatárolt, valós értékű Gauss-zaj és alapsávi ekvivalense között fennáll
az alábbi kapcsolat
{ }
n(t ) = Re nekv (t ) e j 2π f 0 t ,

ahol a komplex alapsávi ekvivalens valós és képzetes rész összegére bontható

nekv (t ) = n I (t ) + jnQ (t ) .

Ebből következik, hogy a sávhatárolt Gauss-zaj felírható mint

n(t ) = n I (t ) cos(ω 0 t ) + jnQ (t ) sin(ω 0 t ) .

Sztochasztikus folyamatok jellemzésének gyakori eszköze az

autókorrelációs függvény, mivel belőle Fourier-transzformáció segítségével
előállítható a folyamat teljesítménysűrűség függvénye. Határozzuk meg tehát a
sávhatárolt zaj és alapsávi ekvivalensének autókorrelációs függvényét, illetve a
közöttük fennálló kapcsolatot.
Ismert, hogy a Gauss-zajt jellemző n(t) valós sztochasztikus folyamat
stacioner. Ebből következően a szűrt (sávhatárolt) folyamat is stacioner
tulajdonsággal bír vagyis a
ϕ n (τ ) = E[n(t ) ⋅ n(t + τ )]
autókorrelációs függvény csak a minták közötti τ időkülönbségtől függ.
Alkalmazzuk n(t)-re az alapsávi ekvivalens segítségével történő leírást.
Ekkor

[
ϕ n (τ ) = E (n I (t ) cos(ω 0 t ) + jnQ (t ) sin(ω 0 t )) ⋅

(
⋅ n I (t + τ ) cos(ω 0 (t + τ )) + jnQ (t + τ ) sin(ω 0 (t + τ )) , )]
ahol elvégezve a beszorzást és a várható érték képzést tagonként felírva
ϕ n (τ ) = E[n I (t ) ⋅ n I (t + τ )] ⋅ cos(ω 0 t ) ⋅ cos(ω 0 (t + τ )) +

[ ]
+ E nQ (t ) ⋅ nQ (t + τ ) ⋅ sin(ω 0 t ) ⋅ sin(ω 0 (t + τ )) −

[ ]
− E n I (t ) ⋅ nQ (t + τ ) ⋅ cos(ω 0 t ) ⋅ sin(ω 0 (t + τ )) −

[ ]
− E nQ (t ) ⋅ n I (t + τ ) ⋅ sin(ω 0 t ) ⋅ cos(ω 0 (t + τ )),

ami a t és τ függés szeparálása érdekében tovább alakítható

cos(ω 0 t ) + cos(2ω 0 t + ω 0τ ))
ϕ n (τ ) = E[n I (t ) ⋅ n I (t + τ )] ⋅ +
2

cos(ω 0 t ) − cos(2ω 0 t + ω 0τ ))
[ ]
+ E nQ ( t ) ⋅ n Q ( t + τ ) ⋅
2
−

90
 sin(ω 0 t ) + sin(2ω 0 t + ω 0τ ))
[
− E n I ( t ) ⋅ nQ ( t + τ ) ⋅ ] 2
−

sin(ω 0 t ) − sin(2ω 0 t + ω 0τ ))
[
− E nQ ( t ) ⋅ n I ( t + τ ) ⋅ ] 2
.

Vegyük észre hogy a fenti eredményben az egyes várhatóértékek auto- és

keresztkorrelációs függvényeket adnak. Ezért bevezetjük a következő jelöléseket
ϕ n (τ ) = E[ nI (t ) ⋅ nI (t + τ )] ,
I

[
ϕ nQ (τ ) = E nQ (t ) ⋅ nQ (t + τ ) , ]
[
ϕ n n (τ ) = E nI (t ) ⋅ nQ (t + τ ) ,
I Q
]
ϕn QnI
[
(τ ) = E nQ (t ) ⋅ nI (t + τ ) . ]
Tudjuk továbbá, hogy n(t) stacioner, tehát az autokorrelációs függvénye t
független kell legyen. Ez csak úgy biztosítható a fentieket figyelembe véve, ha
ϕ n (τ ) = ϕ n (τ )
I Q

és
ϕ n n (τ ) = −ϕ n
I Q QnI
(τ ) .

Így a sávhatárolt Gauss-zaj autokorrelációs függvényére

ϕ n (τ ) = ϕ n (τ ) cos(ω 0 t ) − ϕ n n (τ ) sin(ω 0 t )
I I Q

adódik. Tudjuk továbbá, hogy a komplex nekv (t ) autokorrelációs függvénye

definíció szerint
ϕ n (t , τ ) =
ekv
1
2
*
E nekv[(t ) ⋅ nekv (t + τ ) . ]
Így az autokorrelációs függvény az
nekv (t ) = n I (t ) + jnQ (t )
helyettesítéssel
ϕ n (t , τ ) =
ekv
1
2
[
E n I (t ) ⋅ n I (t + τ ) − jnQ (t ) ⋅ n I (t + τ ) +

+ jn I (t ) ⋅ nQ (t + τ ) + nQ (t ) ⋅ nQ (t + τ ) , ]
ahol az összeg tagjaira külön-külön elvégezve a várható érték képzést és
figyelembe véve az auto- és keresztkorrelációs függvényekre vonatkozó
jelöléseket az alapsávi ekvivalens zaj autokorrelációs függvénye az alábbi
formában írható fel

ϕ n (t , τ ) =
ekv
1
2
(
ϕ nI (τ ) + ϕ nQ (τ ) − jϕ nI nQ (τ ) + jϕ nQnI (τ ) , )

91
ami láthatóan független t-től, azaz
ϕ n (t , τ ) = ϕ n (τ ) .
ekv ekv

Alkalmazva a sávhatárolt Gauss-zaj stacioner voltából adódó feltételeket az

alapsávi ekvivalens autokorrelációs függvénye tovább egyszerűsödik
ϕ n (τ ) = ϕ n (τ ) + jϕ n n (τ ) .
ekv I I Q

Most már birtokában vagyunk a sávhatárolt Gauss-zaj és alapsávi ekvivalense

autokorrelációs függvényeinek. A következő lépés a teljesítményspektrumok
meghatározása. Ehhez azonban egy rövid kitérőt teszünk.
Tudjuk, hogy sávhatárolt sztochasztikus folyamatokra fennáll az alábbi jól
ismert összefüggés
{
x (t ) = Re x ekv (t ) e j 2π f 0 t , }
valamint x(t) Fourier-transzformáltja a következő

{ {
X ( f ) = F { x (t )} = F Re x ekv (t ) e j 2π f 0 t }} .
A komplex z(t) szám valós része előállítható mint
z(t ) + z * (t )
Re{z (t )} = ,
2
ezért x(t) Fourier-transzformáltja tovább írható
 x (t ) e j 2π f 0 t + x ekv
*
(t ) e − j 2π f 0 t 
X ( f ) = F  ekv =
 2 

=
1
2
(F {x ekv } {
(t ) e j 2π f 0 t + F x ekv
*
(t ) e − j 2π f 0 t }) .
Alkalmazva a Fourier-transzformáció eltolási tételét az alábbi eredményre jutunk

X(f ) =
1
2
(
X ekv ( f − f 0 ) + X ekv
*
( f + f0) . )
Amennyiben X ekv ( f ) szimmetrikus tulajdonságú, azaz
X ekv ( f ) = X ekv
*
(− f ) ,
akkor x ekv (t ) valós függvénye az időnek.
Most térjünk vissza a sávhatárolt Gauss-zaj és alapsávi ekvivalense
teljesítményspektrumának, illetve a spektrumok közötti kapcsolat
meghatározásához. Ismert, hogy a teljesítményspektrum az autokorrelációs
függvény Fourier-transzformációjával állítható elő, azaz
Φ n ( f ) = F {ϕ n (τ )} ,
valamint a fennáll, hogy
{
ϕ n (τ ) = Re ϕ n (τ ) e j 2π fekv
0τ
}.

92
Ezek alapján a fentiek analógiájára a t = τ megfeleltetéssel már könnyen
felírhatjuk a teljesítménysűrűség függvények közötti kapcsolatot

Φn ( f ) =
1
2
(
Φ nekv ( f − f 0 ) + Φ *nekv ( f + f 0 ) .)
Tovább finomíthatjuk eredményünket, ha feltesszük, hogy
ϕ n (τ ) = ϕ n (τ ) = ϕ n (τ ) ,
ekv I Q

aminek feltétele a Rayleigh-fadinget leíró komplex z(t) változó analógiájára, hogy

az egyes kvadratúrakomponensek függetlenek legyenek, azaz
ϕ n n (τ ) = 0 .
I Q

Ekkor Φ n ( f ) valós és teljesül, hogy

ekv

Φ nekv ( f ) = Φ n I ( f ) = Φ nQ ( f ) .

Φ nekv ( f ) valós és szimmetrikus tulajdonságú lesz, azaz

Φ nekv ( f ) = Φ nekv ( − f ) ,
amiből
Φn ( f ) =
1
2
{
Φ nekv ( f − f 0 ) + Φ nekv ( f + f 0 ) . }
Szűrjük a Gauss-zajt a 6.14a ábrának megfelelően B sávszélességgel az f0
vivőfrekvenciára szimmetrikusan, azaz
 N0
 | f | a B sávban van
Φn ( f ) =  2 .
0 egyébként

Φn ( f )

N0
2
f
-f0 f0

B B

6. 14a ábra Vivőfrekvenciára szimmetrikusan szűrt fehér Gauss-zaj

A teljesítménysűrűség függvények közötti kapcsolat alapján ekkor az

alapsávi ekvivalens zaj is szimmetrikus lesz az egyenkomponensre, vagyis

93
  B
N | f |<
Φ n ekv ( f ) =  0 2 .
0 egyébként

A szimmetrikus, téglalap alakú spektrumhoz az inverz Fourier-transzformáció

alapján
sin(π B τ )
ϕ n (τ ) = ϕ n (τ ) = ϕ n (τ ) = N 0 B
ekv I Q
π Bτ
alakú autokorrelációs függvény tartozik, amiből világosan látszik, hogy
τ = k TA = k B1 helyeken vett zajminták korrelálatlanok, azaz függetlenek
egymástól és a B sávba eső zaj teljesítménye
Pz = ϕ nekv (0) = B N 0

Φ n ekv ( f )

N0
f

6. 14b ábra Szimmetrikusan szűrt sávhatárolt fehér Gauss-zaj alapsávi

ekvivalensének teljesítménysűrűsége

6.1.4 Optimális koherens vétel, hibaarány bináris esetben

A sávhatárolt fehér Gauss-zaj részletes vizsgálata után most már
rátérhetünk a lineáris modulációs rendszerek minőségi jellemzőinek vizsgálatára.
Nyilvánvaló, hogy zaj- és fadingmentes körülmények között az adó
modulátorának bemenetére érkező szimbólum megegyezik a vevő
demodulátorának kimenetén megjelenő szimbólummal. Ehhez az ideális esethez
képest mind a zaj, mind a fading jelenléte azt eredményezi, hogy a vevő bizonyos
valószínűséggel tévesen becsli az elküldött szimbólumot. Ezért a moduláció
jóságának jellemzésére az ún. bit-, illetve szimbólumhibaarányt alkalmazzák.
Meghatározásához először csak a Gauss-zajt vesszük figyelembe, majd az így
kapott eredményeket terjesztjük ki a fadinggel is terhelt mobil rádiós csatornára.
A 6.1.1 fejezetben a modulációkat az adóstruktúrájuk segítségével
mutattuk be. A hibaarány kiszámításához azonban szükség van a vevő ismeretére
is. Értelemszerűen a vevőben ideális esetben a moduláció műveletének inverzét
kell végrehajtani. Zaj és fading jelenlétében azonban a hibaarány függ a vevő
struktúrájától is, ezért azt a vevő megfelelő megválasztásával minimalizálni lehet.
Ennélfogva beszélhetünk optimális vevőstruktúráról. Nyilvánvaló, hogy a fentiek

94
tükrében a modulációs eljárások összehasonlítását az optimális vevőstruktúrára
számított hibaarányok segítségével végezzük.
Mielőtt az egyes modulációs rendszerek analízisébe kezdenénk még egy
megjegyzést kell tegyünk a vevővel kapcsolatban. A vételt attól függően, hogy
rendelkezésre áll-e a vevőben a vett jelre vonatkozó fázisinformáció vagy sem
koherensnek, illetve nemkoherensnek nevezzük. A vétel módjától
természetesen függ az optimális vevő felépítése is.

95
 A következőkben koherens vételt feltételezve határozzuk meg az egyes
modulációs rendszerekre az optimális vevőstruktúrát és a hibaarányt.
Vizsgálatunkat a már megszokott módon az alapsávi ekvivalensek világában
végezzük.
Modellünk felépítése a következő. A modulátor jelrendezőjének
bemenetére párhuzamosan érkező b db. bitet egy olyan M=2b elemű
szimbólumforrás generálta biteknek feleltetjük meg, melynek szimbólumait az
m=1,...,M sorszámmal azonosítjuk. Jelölje a komplex dm a jelrendező kimenetét
az m-dik szimbólum esetén, mely szimbólum adó általi elküldésekor a 0 ≤ t < Ts
intervallumban a komplex alapsávi jel
x (t ) = d m g s (t ) = g m (t ) , 0 ≤ t < Ts ,
ami a rádiós csatorna csillapítása és fázisforgatása után additív Gauss-zajjal
terhelve az alábbi alakban érkezik a vevőbe
r (t ) = h0 e − jϕ g m (t ) + n(t ) ,
ahol h0 és ϕ a csatorna amplitúdó- és fázisfüggvénye, n(t) pedig a B sávra határolt
komplex alapsávi zaj
sin(π Bτ )
ϕ n (τ ) = N 0 B
ekv
π Bτ
korrelációs függvénnyel.
1
Vegyünk I db. mintát a vett jelből TA = időnként, és állítsuk elő a
B
vevőben a komplex mintákból álló vektort.
r = ( r (TA ), r (2TA ),..., r ( I ⋅ TA ) ) ,
T

ami az m-dik szimbólum küldése esetén nem más, mint

rm = h0 e − jϕ g m + n
ahol g m az adó jeléből TA időközzel vett mintákból álló vektort jelöli
g m = ( g m (TA ), g m (2TA ), ... , g m ( I ⋅ TA )) ,

hasonlóképpen az alapsávi zajminták vektora

n = (n(TA ), n(2TA ), ... , n( I ⋅ TA ))

A mintaszámra egyértelmű kötést ad a mintavételi időköz és a szimbólumidő

Ts
I= .
TA
1
Fontos megjegyezni, hogy a TA = időközű mintavétellel biztosítottuk a
B
zajminták függetlenségét. Így a zajminták nulla várható értékű, azonos szórású
Gauss-eloszlású valószínűségi változókkal írhatók le. Vajon milyen lesz a vett jel
mintáinak eloszlása az m-dik szimbólum esetén? A koherens vétel miatt a

95
csatorna amplitúdó- és fázisfüggvényét időfüggetlennek tekintjük egy szimbólum
vételének idejére, ezért h0 és ϕ konstans s így a vett jel mintái is Gauss-eloszlást
követnek
[ ]
E ri m = h0 e − jϕ g m (i TA )

várható értékkel, σ szórással és

 r −Er m
[ ] 
2
1  i i .
f (ri | m) = exp − 
2π σ 2σ 2
 

sűrűségfüggvénnyel.
Megjegyezzük, hogy fadinges csatornában a csatornaparaméterek
idővariánsak, de a lassú fading miatt egy szimbólum idejére a csatorna
csillapítása és fázisforgatása továbbra is konstansnak tekinthető. Ugyanakkor a
fading annyiban befolyásolja majd eredményeinket, hogy ezek a konstansok
valamilyen eloszlás szerint sorsolódnak majd, tehát két egyforma szimbólum
esetén is eltérőek lehetnek.
A fenti modell alapján egy döntési feladat előtt állunk, mely a
következőképpen fogalmazható meg. Adott vételi mintavektor mellett keressük
azt az m-dik szimbólumot, amire
max( P{m| r}) ; m=1, ... ,M.
m

Sajnos a fenti feltételes valószínűséget közvetlenül nem ismerjük. Sokkal

könnyebben meg tudjuk határozni annak feltételes valószínűségét, hogy ha az
m-dik szimbólumot küldjük, akkor mi lesz a vételi mintavektor. Ezért az
a posteriori valószínűségeket ennek segítségével írjuk fel
f (r| m) P{m}
P{m| r} = .
f (r )
A fenti kifejezésben a szimbólumforrásra jellemző P{m} valószínűségre is
szükség van, mely döntő szerepet játszik a döntési feladat értelmezésében.
Tegyünk tehát egy rövid döntéselméleti kitérőt.
Legyen egy szimbólumforrás, mely az A és B szimbólumokat P{B} és
P{A} valószínűséggel generálja. Ezt a két valószínűséget ún. a priori
valószínűségnek hívjuk. Küldjük át a forrás szimbólumait egy csatornán, aminek
következtében a vevő P{ A B} valószínűséggel az elküldött B szimbólum helyett
A-ra dönt és P{ B A} valószínűséggel az elküldött A szimbólum helyett B-re.
Ekkor a tévesztés valószínűsége a feltételes valószínűségekkel súlyozott a priori
valószínűségek, azaz a P{ A B} ⋅ P{B} és P{ B A} ⋅ P{A} ún. a posteriori
valószínűségnek összegeként kapható meg.
Ha ismertek az a priori valószínűségek, akkor Bayes-féle döntési feladatról
beszélünk és a döntés optimális, ha arra a vett minta alapján arra a szimbólumra

96
döntünk, amelyhez a legnagyobb a posteriori valószínűség tartozik. Ezért ezt a
fajta optimális döntést MAP (maximum a posteriori) döntésnek hívjuk.
Amennyiben nem ismertek az a priori, csak a feltételes valószínűségek
vagy az a priori valószínűségek egyenletes eloszlásúak, akkor általános
hipotézisvizsgálati feladatról beszélünk. Ilyenkor a döntés összetettebb, mivel
nyilvánvalóan csak a feltételes valószínűségre lehet támaszkodni. Ezért első és
másodfajú hibát különböztetnek meg és a döntéssel csak ezek
lineárkombinációját lehet optimalizálni. Ezt a fajta optimális döntést a
szakirodalom ML (maximum likelihood) döntésnek hívja. Esetünkben nincs
különbség az első és másodfajú hibák között, hiszen egyformán rossz ha például
az A szimbólum helyett a B-re döntünk vagy fordítva. Ilyenkor az optimális
döntés egy olyan Bayes-feladatnak feleltethető meg, ahol az a priori
valószínűségek egyformák. Az optimális döntést pedig az jelenti, ha a vett minta
alapján a nagyobb feltételes valószínűségű szimbólumra döntünk.
A fentiek tükrében kétféle vevőről beszélünk
• MAP vevő, ha P{m} adott,
• ML vevő, ha P{m} nem adott, vagy egyenletes valószínűségű a
szimbólumok generálása.
Mivel a konkrét távközlési alkalmazás során az a priori valószínűségek
meghatározása nehéz feladat, ezért az ML értelemben optimális vevőstruktúrákat
igyekszünk definiálni. ML vevő esetén, a szimbólumtévesztés valószínűsége a
következőképpen számítható
M M
Ps = ∑ ∑ P{ j i} ⋅ P{i} ,
j =1 i =1
i≠ j

ahol P{i} annak az eseménynek a valószínűsége, hogy az i-dik szimbólumot

küldtük P{ j i} pedig, hogy az i-dik szimbólum küldése esetén a j-diket
1
detektáljuk. Mivel az a priori valószínűségek egyformák, ezért P{i} =
M
valamint feltételes valószínűségeket is egyformának tekinthetjük. Ekkor
M M
Ps = ∑ ∑ P{ j i} ⋅
1
.
j =1 i = 1 M
i≠ j

A későbbiekre való tekintettel megjegyezzük, hogy bináris esetben, azaz

ha M=2, akkor a fenti kifejezés az
Ps = P{12} = P{ 21}

alakra egyszerűsödik.
Visszatérve a kitűzött feladathoz, az ML értelemben optimális
vevőstruktúra meghatározásához esetünkben az f (r| m) feltételes
sűrűségfüggvény ismerete szükséges. Tekintettel a zajminták független voltára
f (r| m) tényezők szorzatára bontható

97
 I
f (r| m) = ∏ f (ri | m) ,
i =1

ahol az egyes tényezők, mint az már láttuk azonos σ szórású és E[ri m] várható
értékű komplex Gauss-eloszlású valószínűségi változók sűrűségfüggvényei.
Az optimális ML vételhez végre kell hajtanunk az alábbi maximum
keresést
  I 
max[ln ( f (r| m))] = max ln ∏ f (ri | m)  ,
m m
  i =1 

ahol az f (r ) sűrűségfüggvényt elhagytuk, mivel nem függ m-től és bevezettük az

ln() függvényt. Mivel a természetes alapú logaritmus függvény szigorúan
monoton növekvő, ezért a maximum keresést nem befolyásolja, ugyanakkor a
feltételes sűrűségfüggvények szorzása összeadásra egyszerűsödik, mivel
 I 
max[ln ( f (r| m))] = max ∑ ln( f (ri | m)) .
m m  
i =1

A továbblépéshez határozzuk meg az i-dik mintához tartozó feltételes

sűrűségfüggvényt
  r −Er m
[ ] 
[ ]
2 2
 1
ln( f (ri | m)) = ln exp −
i i   = ln 1  − ri − E ri m .
 2π σ 2σ 2    2π σ  2σ 2
  

Nyilvánvaló, hogy a fenti végeredmény első tagja nem befolyásolja a maximum

keresést, ezért a továbbiakban a
 I −r −Er m 2

max ∑
i i  [ ]
m 2σ 2 
 i =1 

feladatot kell elvégeznünk, ami tovább egyszerűsíthető figyelembe véve, hogy

[ ] ( [ ]) ( [ ])
2 *
ri − E ri m = ri − E ri m ⋅ ri − E ri m =

[ ][ ]
*
( [ ]
= ri ri* + E ri m E ri m − ri E ri m + ri* E ri m =
*
[ ])

[ ]
=| ri |2 + E ri m
2
{
− 2Re ri E ri m [ ] }.
*

| ri |2 nem függ m-től, ezért elegendő megvizsgálni a

 I −Er m

max ∑
i [ ]
2
{
+ 2Re ri E ri m [ ] } 
*


m
 i =1 2σ 2 
 

kifejezést, amibe behelyettesítve E[ri m] -t a

98
  1 
∑ Re{r ⋅ h }
I
h02 I
max  2 0 e
jϕ
g m (i TA ) − ∑|g (i TA )|2 
σ 2σ 2
i m
m
i =1 i =1 
maximumot kell keresnünk az optimális vételhez.
A vevőben nyilvánvalóan rendelkezésünkre állnak a lehetséges g m (t )
függvények, ezért az első tag a bejövő jel és a helyi mintajel komplex
korrelációja, a második tag pedig a mintajel mintáinak négyzetösszege.
Általánosítsuk most tovább a modellünket. Növeljük a zaj sávszélességét a
végtelenbe. Ekkor a független zajminták érdekében a mintavételi időközt a
nullához kell közelítenünk, aminek eredményeképpen a mintaszám a végtelenhez
fog tartani. Emiatt az szummákat integrálokkal kell helyettesítenünk, azaz a
továbbiakban azt az m értéket keressük, amire az alábbi kifejezés maximumot ad
 1 Ts T

max  ∫ Re r ( t{) h0 e + jϕ *
g m ( t ) dt }
−
h02 1 s
N 0 2 ∫0
| g m ( t )|2
dt ,
m
 N 0 0 
ahol felhasználtuk, hogy
1
σ 2 TA = N 0 B = N0 .
B
Vegyük észre, hogy a fenti kifejezésben az m-dik szimbólumhoz tartózó jel
energiájára ismerhetünk
T
1 s
E m = ∫ | g m (t )|2 dt .
20

Így a feladatot, az alábbi maximumkereséssel lehet megoldani

 Ts 
m
0
{ }
max ∫ Re r (t ) h0 e jϕ g m* (t ) dt − h02 E m  .

Eredményünk alapján a 6.15 ábrán rajzoltuk fel az ML értelemben
optimális vevőstruktúra alapsávi ekvivalensét. Először visszaállítjuk a vevőbe
érkező jel fázisát a csatornainformáció alapján, azaz szinkronizáljuk a jelet, majd
a szimbólumok számának megfelelő számú jelutat hozunk létre. Minden jelúton a
vett jelet korreláltatjuk az egyes mintajelekkel, a korreláltságra jellemző értéket
egy Ts ütemezésű mintavevő kimenetén kapjuk. A Ts időre való integrálás
feladata a zaj kiátlagolása. Ezután kompenzáljuk a csatorna és a vevő bemeneti
blokkjának amplitúdó torzítását, valamint a szimbólumenergiák közötti
különbséget is kiegyenlítjük. Nyilvánvalóan annak a legnagyobb a valószínűsége,
hogy azon a jelúton kapunk maximális értéket, ahol az elküldött szimbólumnak
megfelelő jelalakkal szorzunk. Itt azért beszélünk csupán valószínűségről és nem
bizonyosságról, mert a rádiós csatornában fellépő Gauss-zaj annyira eltorzíthatja
a jelet, hogy előfordulhat más jelútra kapunk maximális értéket.
Vegyük észre, hogy a bemutatott vevőstruktúrában nem támaszkodtunk a
Gauss-zaj teljesítménysűrűségének ismeretére, a vevő ettől függetlenül optimális
döntést hoz. Ezen előny mellett azonban két hátránnyal is szembe kell néznünk.

99
Ismernünk kell ugyanis a csatorna okozta amplitúdó- és fázisváltozást. Az
előbbihez a vivőre történő szinkronizálással juthatunk, míg az utóbbihoz AGC-re
(Automatic Gain Control) beépítése szükséges a vevőbe.
A struktúrával kapcsolatos másik fontos tanulság, hogy a zaj
közömbösítésére elegendő egy elsőfokú RC tag. Hiába használnánk bonyolultabb
szűrőket, a hatásuk nem lenne kedvezőbb, mivel a zaj mellett egyúttal a hasznos
jelet is szűrnék.
g1* (t ) n Ts −h02 E1
Ts

h0 e jϕ Re ∫ dt
0

g m* (t ) n Ts −h02 E m
r(t) Ts

Re ∫ dt
0
max
m$
g *M (t ) n Ts −h02 E M
Ts

Re ∫ dt
0

6.15 ábra ML értelemben optimális vevőstruktúra koherens vétel esetén

A következőkben a jelen végbemenő változásokat szemléltetjük

konstellációs diagramm és fazorok segítségével a 6.16 ábrán 4QAM moduláció
esetében. Hangsúlyozzuk, hogy nem egzakt magyarázatról lesz szó - azt
megtettük az előzőekben - hanem megpróbáljuk közelebb hozni az olvasóhoz a
csatornában és a vevőben lejátszódó folyamatokat. Küldjük az 1. szimbólumnak
megfelelő d1 komplex fazort a csatornába. Koherens vételről lévén szó a gs(t)
elemi jelalak mind a négy szimbólum esetén ugyanaz, ezért az elemi jelalakot a
fazoros ábrázolás szempontjából figyelmen kívül hagyhatjuk. A d1 fazort a rádiós
csatorna elforgatja ϕ szöggel és hosszát h0-lal szorozza. Így kapjuk az r’1 fazort,
melyhez a szintén komplex n Gauss-zajt reprezentáló fazor adódik. Az eredő vett
jelet a r1 fazor mutatja.

4QAM dQn

2. n
1.

r1 r'1
ϕ d1
dIn

3. 4.

6.16 ábra Gauss-zaj és a csatornaparaméterek hatása az alapsávi 4QAM jelre

100
 A 6.16 ábrán jól látszik, hogy ha pusztán az r1 fazorhoz legközelebb eső
szimbólumot keresnénk, akkor tévesen döntenénk. Koherens vételkor először
visszaforgatjuk a vett jel fazorját a csatorna ϕ fázisforgatásával. Ezzel igyekszünk
a vett jelet az eredeti fazorhoz minél közelebb hozni. Ezután minden egyes elemi
jel komplex konjugáltjával beszorozzuk külön-külön a jelet. Nyilvánvaló, hogy
abban az ágban, ahol a saját elemi jel komplex konjugáltjával szorzunk, ott ha
nem lenne zaj, akkor egy valós pozitív számot kapnánk, míg a többi ágban vagy
negatív valós számot, vagy olyan komplex számot kapunk, aminek csak képzetes
része van. Ennek belátását a 6.16 ábra alapján az olvasóra bízzuk (segítségül
annyit, hogy a komplex konjugálás a valós tengelyre való tükrözést jelenti, két
komplex szám (fazor) összeszorzásakor pedig a fázisuk összeadódik). A
szimbólum energiák most egyformák, ezért a valós rész képzés után
nyilvánvalóan ha nincs zaj, akkor a saját jelúton levő fazor lesz a leghosszabb. A
zaj ezt az ideális megközelítést rontja el azzal, hogy a fazorok hosszát
megváltoztatja és ezért a maximum keresésnél a saját jelút fazorja esetleg alul
marad egy másik úttal szemben. Ezért az integrálással a zajnak a hatását
igyekszünk csökkenteni.
Nézzünk most egy konkrét példát, vizsgáljuk meg BPSK moduláció esetén
a vevőstruktúrát. Koherens vételről lévén szó az általánosság korlátozása nélkül
feltehetjük, hogy h0 = 1 és ϕ = 0 . A BPSK modulációnál mindössze kétféle
szimbólumot használunk ezért
 2Es
 0 ≤ t < Ts
g1 (t ) = − g 2 (t ) = g s (t ) =  Ts
0 egyébként ,

ahol
T
1 s
E s = ∫ | g s (t )|2 dt ,
20

amiből következik, hogy a jelenergiák megegyeznek E1 = E 2 .

A demodulátor két ágában a mintavétel előtt az
Ts

∫ Re{r (t ) g
0
1 }
(t ) dt ,

illetve
Ts

∫ Re{r (t ) g
0
2 }
(t ) dt

mennyiségeket kapjuk. Megjegyezzük, hogy a komplex konjugálás jelölését a

gi(t) függvények valós volta miatt hagytuk el.
Képezzük a fenti két integrál különbségét

∫ Re{r (t ) ( g )}
Ts

1 (t ) − g 2 (t ) dt ,
0

101
ami nem más, mint
Ts

{
y = ∫ Re r (t )2 g s (t ) dt . }
0

A döntés ezek után az alábbi szabály alapján történik

m=1 ha y > 0
m = 2 ha y < 0,
tehát a vevő mindössze egyetlen jelutat tartalmaz a 6.17 ábrán látható
felépítésben.

2g s (t )

r(t) n Ts
Ts

Re ∫ dt
0

6.17 ábra Koherens BPSK vevő ( h0 = 1 és ϕ = 0 )

Vizsgáljuk most meg az additív Gauss-zaj hatását a koherens BPSK

rendszerre! A vevő akkor hibázik, ha az 1. szimbólumot küldtük, de a 2.-at
detektálta, illetve fordítva. Helyettesítsük be az y döntési változónk képletébe a
vett jelet, feltételezve, hogy az 1. szimbólumot generálta a forrás.
Ts 
y = Re ∫ [ g1 (t ) + n I (t )] 2 g1 (t )dt 
 0 

Tekintettel arra, hogy a zaj Gauss-eloszlású, ezért y is az lesz. A Gauss-eloszlás

egyértelműen leírható a várható értéke és a szórása segítségével, ezért először ezt
a két mennyiséget határozzuk meg. Tudjuk, hogy sávhatárolt fehér Gauss-zaj
kvadratúrakomponenseinek várható értéke is nulla, E[n I ] = 0 , ezért a döntési
változó várható értéke
Ts

E[ y ] = ∫ g12 (t ) 2 dt ,
0

amibe behelyettesítve az elemi jelalakot és figyelembe véve a szimbólumenergia

definícióját
Ts

E[ y ] = 2 ∫ g s2 (t ) dt = 4 E s .
0

A szórás meghatározásához induljunk ki a definícióból

 Ts  
[ ]
2

σ = E ( y − E[ y ])
2
2
= E 2 ∫ n I (t ) g s (t ) dt  
 0  

majd elvégezve a négyzetre emelést

102
  Ts Ts

σ 2 = E4 ∫ ∫ n I (t ) n I (τ ) g s (t ) dt g s (τ ) dtdτ  ,
 0 0 
ahol figyelembe véve, hogy az elemi jelalak determinisztikus
Ts Ts

[ ]
σ = 4 ∫ ∫ E n I (t ) n I (τ ) g s (t ) dt g s (τ ) dtdτ .
2

0 0

A fenti képlet várható értéke nem más, mint a zaj alapsávi ekvivalensének
autokorrelációs függvénye, azaz
ϕ n ( t − τ ) = N 0δ ( t − τ ) ,
I

ezért
Ts Ts

σ = 4 N 0 ∫ ∫ δ (t − τ ) g s (t ) dt g s (τ ) dtdτ ,
2

0 0

amiből mivel tudjuk, hogy egy valós folytonos függvény Dirac-függvénnyel

történő konvolúciója az eredeti függvényt adja eredményül így
Ts

σ = 4 N 0 ∫ g s2 (t ) dt = 4 N 0 2 E s = 8 N 0 E s .
2

y statisztikájának ismeretében most már felírhatjuk a szimbólumtévesztés Ps

valószínűségét, ami BPSK esetén megegyezik a Pb bithibavalószínűséggel. A
vevő akkor téveszt, ha y<0 , ezért a hibavalószínűség
1
∞
 ( y − E[ y ]) 2 
Ps = Pb =
2π σ
∫ exp − 2 σ 2  dy .
−∞

Az integrál kiszámításához először alkalmazzuk a z=y- E[ y ] helyettesítést

− E[ y ]
1  z2 
Pb =
2π σ
∫
−∞
exp −  dz =
 2σ 2 
z
majd az x = helyettesítést
σ
E[ y ]
−
σ ∞
1  x2  1  x2 
Pb =
2π
∫ exp −  dx =
 2σ 2  2π
∫E y  − 2 σ 2  dx .
exp
−∞ [ ]
σ

x standard normális eloszlású valószínűségi változó, ezért a feni integrál értéke a

∞
1 x2
Q( v ) = ∫
v 2π
exp( − )dx
2

hibaintegrál segítségével számítható. Így

103
  E[ y ]  4Es 
Pb = Q  = Q  .
 σ   8N0 Es 

Figyelembe véve, hogy a γ jel-zaj viszonyt

Es
γ =
N0

alapján számítjuk, a bithibavalószínűség a

Pb = Q ( 2γ )
módon függ a jel-zaj viszonytól.
A mobil irodalomban a hibaintegrál függvény helyett gyakori az ún.
erfc(v) függvény használata, melynek definíciója
∞
2
π ∫
− x2
erfc(v ) = e dx ,
v

ezért Q(v) és erfc(v) között az

erfc(v ) = 2Q ( 2v )
kapcsolat áll fenn. Ezért a bithibavalószínűség BPSK moduláció esetén

Pb =
1
2
( )
erfc γ

formában is felírható.

6.1.5 Optimális, nemkoherens vétel, hibaarány bináris esetben

Nemkoherens esetben a csatorna ϕ fázistolása nem ismert a vevőben, ezért
ϕ-t a [0,2π) tartományon egyenletes eloszlású valószínűségi változónak tekintjük.
Ennek következtében azok az elemi jelalakok, amelyek fázistolással egymásba
vihetőek, nem lesznek megkülönböztethetők a vételi oldalon. Ezért például BPSK
modulációnál csak koherens vételt lehet alkalmazni, mert ott a fázis hordozza az
információt.
Mindenekelőtt vizsgáljuk meg, hogy milyen esetekben alkalmazható a
nemkoherens vétel. Az alapvető megoldás az, hogy minden szimbólumhoz egyedi
jelalakot rendelünk. Ez történhet úgy, az egyeses elemi jelalakok csak
frekvenciában különböznek. Az ilyen típusú modulációkat
frekvenciabillentyűzéses modulációknak hívjuk (Frequency Shift Keying, FSK).
Ekkor minden egyes szimbólumidőben az éppen küldendő szimbólumnak
megfelelően más és más frekvenciával sugározzuk ki ugyanazt a g s ( t ) elemi
jelet. Az FSK moduláció azonban nyilvánvalóan nemlineáris moduláció, hiszen
az információt a jel frekvenciája és nem amplitúdója hordozza. A másik
megoldás az ortogonális elemi jelalakok alkalmazása, azaz minden
szimbólumhoz külön elemi jeleket rendelünk, melyekre igaz, hogy

104
 Ts

∫g
0
i (t ) g *j (t ) dt = 0 ha i ≠ j .

Az adóoldal ennek megfelelően változik a koherens esethez képest, azaz

az adó jelének alapsávi ekvivalense
x (t ) = d m g m (t ) = sm (t ) , 0 ≤ t < Ts
és a vevő bemenetére érkező komplex alapsávi jel
r (t ) = h0 e − jϕ sm (t ) + n(t ) ,
ahol
 21π ; 0 ≤ ϕ < 2π
f (ϕ ) = 
0; egyébként

és az egyszerűség kedvéért h0=1. Ortogonális jelkészlet esetén az ML értelemben

optimális vevőstruktúra a 6.17 ábrán látható.

g1* (t ) n Ts
Ts
2
∫ dt
0

g m* (t ) n Ts
r(t) Ts
2
∫ dt
0
max
m$
g *M (t ) n Ts
Ts
2
∫ dt
0

6.17 ábra ML értelemben optimális vevőstruktúra nemkoherens vétel esetén

A nemkoherens és koherens vevőstruktúrák összehasonlításakor néhány

lényeges különbség ismerhető fel. Először is hiányzik a vevő bemenetéről a
csatornainformációval való szorzás, aminek oka épp a nemkoherens vételben
keresendő (ϕ nem ismert). A második eltérés az integrátor jelenti. Itt ugyanis
komplex integrálást kell elvégezni és az integrálás szerepe is más. A fenti
struktúrában az elemi jelek ortogonalitása miatt csak akkor lesz hasznos jel az
integrátor kimenetén, ha a vett jel és a jelút elemi jelalakja megegyezik,
egyébként csak a komplex alapsávi zaj jelenik meg. Ennek magyarázata a
következő. Az m-dik szimbólum küldése esetén a mintavevő bemenetén a
komplex hasznos jel a következő
Ts Ts

∫ r (t ) g
*
j (t ) dt = ∫ h0 e − jϕ sm (t ) g *j (t ) dt =
0 0

amibe behelyettesítve sm (t ) -t és figyelembe véve, az elemi jelek ortogonalitását

105
 = 0 m = j
Ts
− jϕ
= h0 e d m ∫ g m (t ) g *j (t ) dt  .
0 ≠ 0 m ≠ j
Gondoljunk most vissza a Rayleigh- és Rice-fadinget leíró valószínűségi
változók definíciójára és vonatkoztassunk el a fizikai tartalomtól. A mintavevő
utáni komplex jel abszolút értékének négyzetét véve a komplex jel
amplitúdónégyzetét kapjuk, aminek eloszlása a Rice-eloszlást követi ha jelút
elemi jele egyezik a küldött jellel és Rayleigh-eloszlást ha nem.
Az optimális döntés ezek után egy maximumkeresővel biztosítható, hiszen
annak a nagyobb a valószínűsége, hogy a Rice-eloszlású valószínűségi változó
értéke nagyobb, mint az Rayleigh-eloszlásúé azonos paraméterek mellett.
Vegyük észre, hogy az abszolút érték képzés nem csupán az alapsávi jel
amplitúdójának meghatározását szolgálja, hanem függetlenné teszi a döntést a
bejövő jel fázisától is, azaz valóban nemkoherens vételt valósítottunk meg.
Szemléltető példánk legyen ismét a BPSK moduláció. Az ML értelemben
optimális vevőstruktúrát a 6.18 ábrán rajzoltuk fel.

g1* (t )
nTs
Ts m=1
2 v1
∫ dt
0

r (t y1 nullkomparátor
+
g 2* (t ) -
m$
nTs
Ts
v2
∫ dt 2
0 m=2
y2
6.18 ábra ML értelemben optimális vevőstruktúra nemkoherens BPSK moduláció
esetén

Az általános struktúrához képest egyszerűsítést jelent a maximumkereső

helyett nullkomparátor alkalmazása. Ez az összesen két jelút következtében vált
lehetségessé. A Pb bithibaarány számításához meg kell határoznunk a 6.18 ábrán
vm-mel jelölt döntési változók statisztikáját
vm = 2
y mI + y mQ
2
, m=1,2,

ami nyilvánvalóan az y mI és y mQ kvadratúrakomponensek ismeretében történhet.

Tételezzük fel, hogy a g1(t) és a g2(t) jelek ortogonálisak, és hogy most a
g1(t) jelet küldték. Először határozzuk meg y2 statisztikáját. Ekkor
Ts Ts

y 2 = ∫ r (t ) e jϕ ' g 2* (t )dt = ∫ [ g (t ) + n(t )]e

jϕ '
1 g 2* (t )dt =
0 0

Ts

= ∫ n(t ) e jϕ ' g 2* (t )dt = y 2 I + j y 2 Q .

0

106
 Alkalmazzuk a β (t ) = e jϕ ' g 2* (t ) helyettesítést valamint az alapsávi ekvivalensek
kvadratúra felbontását
Ts

y2 = ∫ (n
0
I )
(t ) + j nQ (t ) ( Re{β (t )} + j Im{β (t )}) dt ,

amiből
Ts

y2 I = ∫ [n0
I ]
(t ) Re{β (t )} − nQ (t ) Im{β (t )} dt .

y 2 I és y 2 Q egyformán Gauss-eloszlású, ezért nekünk csupán y 2 I várható értékére

és szórására van szükségünk. Először a várható értéket határozzuk meg
Ts 
[
E[ y 2 I ] = E ∫ n I (t ) Re{β (t )} − nQ (t ) Im{β (t )} dt  .
 0 
]
A várható érték képzés felcserélhető az integrálással, ezért
Ts

[
E[ y 2 I ] = ∫ E n I (t ) Re{β (t )} − nQ (t ) Im{β (t )} dt . ]
0

A Gauss-zaj független a csatorna fázistolásától, ezért

Ts

[ ]
E[ y 2 I ] = ∫ E[n I (t )] ⋅ E[Re{β (t )}] − E nQ (t ) ⋅ E[ Im{β (t )}]dt ,
0

amiből figyelembe véve, hogy E[n I (t )] = E nQ (t ) = 0 a várható érték [ ]

E[ y 2 I ] = 0 .

A szórás számításánál már felhasználjuk a várható értékre vonatkozó előző

eredményt
Ts Ts 
[ ] [ ][
E y 22I = E ∫ ∫ n I (t ) Re{β (t )} − nQ (t ) Im{β (t )} ⋅ n I (τ ) Re{β (τ )} − nQ (τ ) Im{β (τ )} dt dτ 
 0 0 
]
.
Tudjuk, hogy a zaj kvadratúrakomponensei függetlenek, azaz
[
E n I (t )nQ (τ ) = 0 , ]
ezért

[ ] = ∫ ∫ [ E[n (t )n (τ )]Re{β (t )}Re{β (τ )} + E[n ]

Ts Ts

Ey 2
2I I I Q ]
(t )nQ (τ ) Im{β (t )} Im{β (τ )} dt dτ
0 0

ami tovább írható, mint

Ts Ts

[ ] = ∫ ∫ N δ (t − τ )( Re{β (t )}Re{β (τ )} + Im{β (t )} Im{β (τ )})dt dτ

Ey 2
2I 0
0 0

figyelembe véve, hogy

107
 [
E[n I (t )n I (τ )] = E nQ (t )nQ (τ ) = N 0δ (t − τ ) . ]
Mivel
∞

∫ δ ( x − x ) f ( x)dx = f ( x ) ,
−∞
0 0

ezért
Ts

[ ] = ∫ N δ (t − τ )(Re {β (t )} + Im {β (t )})dt .
Ey 2
2I 0
2 2

Így a szórásra az alábbi végeredményt kapjuk

Ts

σ =Ey
2
[ ] = N ∫ | g (t )|
2
2I 0 2
2
dt = 2 N 0 E s
0

mindkét kvadratúra komponensre, ezért az y2I és az y2Q statisztikája

y22 I
− 2
1
f ( y2 I ) = e 2σ ,
2π σ
y22Q
− 2
1
f ( y2Q ) = e 2σ ,
2π σ

amiből v2 statisztikája nyilvánvalóan Rayleigh-eloszlás

v22
−
v2 2σ 2
f (v2 ) = e .
σ 2

Mielőtt rátérnénk a bithibaarány kiszámítására vizsgáljuk meg a v1

statisztikáját. Legyen most ϕ=0. Ez a megkötés azért lehetséges, mert a 6.18 ábra
abszolút érték négyzet képzői miatt az e − jϕ = 1 ϕ-től függetlenül. Ekkor
2

Ts

y1 = ∫ ( g ( t ) + n( t ) ) g ; ϕ = 0,
*
1 1 (t )dt
0

az in phase kvadratúra komponens várható értéke pedig

Ts Ts

E[ y1I ] = ∫ g1 (t ) g (t )dt = ∫ | g1 (t )|2 dt = 2 E s .

*
1
0 0

Mivel az 1. szimbólumot küldtük, ezért

Ts

[ ]
E y1Q = ∫ g1 (t ) g 2* (t )dt = 0 ,
0

a szórásnégyzet pedig megegyezik az y2-re kapott eredménnyel

σ 2 = 2 N0 Es .
Így a kvadratúrakomponensek statisztikája

108
 1  y12Q 
f ( y1Q ) = exp − 2  ,
2π σ  2σ 

 y −E y
( [ ]) 
2
1  1I 1Q 
f ( y1 I ) = exp −  .
2π σ  2σ 2
 

A bithibaarány számításához az alábbi általános összefüggésből indulunk ki

+∞ +∞

Pb = ∫ ∫ P(hiba| y
−∞ −∞
1I y1Q ) f ( y1I ) f ( y1Q )dy1I dy1Q .

Hiba akkor keletkezik, ha az 1. üzenet küldésekor v1<v2. A feltételes valószínűség

∞

P(hiba| v1 ) = P(v2 > v1| v1 ) = ∫ f (v )dv

v1
2 2 =

∞
y1 I + y 1 Q
 − v2 2 
2 2
∞ v 22 2
v2
− − 12 −
v2
= ∫σ
2σ
dv2 = − e 2σ
 =e = e 2σ .
2 2
2 σ
e
 
2
v1
  v1

Behelyettesítve a fenti eredményt és az y1 kvadratúrakomponenseinek

sűrűségfüggvényeit a bithibaarány képletébe
(y [ ])
2
+∞ +∞ − y1 I + y1Q
2 2
y12Q 1I − E y1Q
1 − 2 1 −
2σ 2
Pb = ∫ ∫e
−∞ −∞ 2π σ
e 2σ
2π σ
e 2σ 2
dy1I dy1Q ,

ami a konstansok kiemelése és az integrálások csoportosítása után

[ ] 
2
 E y1Q
y −
[ ]  1I 
[ ]
2 2
E y1 Q +∞ y12Q +∞  2  E y1Q
1 − 1 − 1 − 1 −
Pb = e 4σ 2
∫ e σ dy1Q ⋅ ∫ σ2
dy1I = e 4σ 2
2
e ,
2 π σ −∞ π σ −∞ 2
144 42444 3 1444 4244443
1 1
ahol kihasználjuk, hogy egy sűrűségfüggvény ±∞-re vett integrálja mindig 1.
Ezért
 Ey
[ ] 
2

Pb = exp − ,
1 1Q

2  4σ 2 
 

amibe behelyettesítve a várható értékre és szórásra kapott összefüggéseket

1  (2 E s ) 2  1  E  1  γ
Pb = exp −  = exp − s  = exp −  .
2  4 ⋅ 2Es N 0  2  2N0  2  2

109
6.1.6 A hagyományos modulációs eljárások hibavalószínűségének függése a
jel-zaj viszonytól
A 6.1 táblázatban tipikus modulációkra foglaltuk össze a bithibaarány jel-
zaj viszonytól való függését.

Koherens Nemkoherens
BPSK
Pb =
1
2
( )
erfc γ

FSK FSK
1  γ 1  γ
Pb = erfc  Pb = exp − 
2  2 2  2

QPSK DPSK
1
Pb ≅ erfc γ
2
( ) Pb =
1
2
exp( −γ )

6.1 táblázat Bithibaarány tipikus modulációk esetén

A 6.19 ábrán koherens és nemkoherens BFSK modulációra rajzoltuk fel a

bithibavalószínűséget. Az ábra görbéi jól mutatják, hogy nemkoherens esetben,
amikor kénytelenek vagyunk csatornainformáció nélkül dönteni, ugyanakkora
bithibavalószínűség biztosításához mintegy 2 dB-lel nagyobb adóteljesítményre
van szükség.

1
Pb
P
10-1

-2
10

-3
10
PSK (koherens)
koherens FSK
-4
10
nemkoherens FSK

-5
10

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
γ 0 = E s / N 0 [dB]
6. 19 ábra Bithibaarány koherens és nemkoherens vétel esetén

110
6.1.7 A fading hatásának analízise, Rayleigh- és Rice-fading
Az előzőekben a Gauss-zajnak a modulációt jellemző hibaarányra
gyakorolt hatását vizsgáltuk koherens és nemkoherens vétel esetén. Most
továbblépünk és a mobil rendszerekben jelentkező fading következményeit
határozzuk meg. Vizsgálataink lassú, multiplikatív fadingre vonatkoznak, ami azt
jelenti, hogy a vétel során egy szimbólum ideje alatt a fading értéke nem változik,
de ez az érték minden egyes szimbólumra a fading típusától függő valószínűségi
változó szerint sorsolódik. Ennek következtében a jel-zaj viszonyt leíró γ is
valószínűségi változó lesz. Így a moduláció minőségét meghatározó
hibavalószínűségeket sem tudjuk egzaktul megadni, hanem a várható értékükkel
jellemezzük őket. A továbbiakban a Pb átlagos bithibaarányra koncentrálunk.
Ha ismerjük a jel-zaj viszony statisztikáját, akkor az átlagos bithibaarány a
∞

Pb = E[ Pb ] = ∫ P{hiba|γ } f Γ (γ )dγ
0

módon határozható meg. A jel-zaj viszony sűrűségfüggvényét már korábban

meghatároztuk, ami
Rayleigh-fading esetében
1  γ 
f Γ (γ ) = exp −  ,
γ0  γ 0
ahol
 Es  E s
γ 0 = E =
 N0  N0
Rice-fading esetén pedig
γ   γ   γ 
f Γ (γ ) = (1 + c) exp −  c + (1 + c)  I 0  2 c(1 + c)   ,
γ0   γ 0  γ 0 
ahol
E  Es
γ 0 = E s  =
 N0  N0
és
a direkt jel teljesítménye
c= .
a diszperzív jel teljesítménye
A Pb kiszámításához szükséges integrálás Rayleigh-fadinges esetben
mindig végrehajtható. Nézzük néhány tipikus példát!

Koherens BPSK moduláció

P{hiba|γ } =
1
2
erfc γ ( )
és

111
 ∞
 γ 
Pb = ∫
1
2
( )
erfc γ ⋅
1
γ0
exp −  dγ
 γ 0
0

ahol parciális integrálást alkalmazva

1 γ0 
Pb = 1 − .
2 1+ γ 0 

Nemkoherens FSK moduláció

1  γ
P{hiba|γ } = exp − 
2  2
és
∞
1  γ 1  γ 
Pb = ∫ 2 exp − 2  ⋅ γ exp −  dγ =
0 0  γ 0

∞
  2+γ 0
 exp −γ 
1
∞
 1 1  1   2γ 0  
=
2γ 0 ∫ exp −γ  2 +   dγ =
γ 0  2γ 0  2+γ 0 
=
0
 
2γ 0
  0
1
=
2 +γ 0

A 6.2 táblázatban néhány tipikus modulációra foglaltuk össze az átlagos

bithibaarányt Rayleigh- és Rice-fading esetén.

Rayleigh Rice
DPSK DPSK
1  cγ 0 
Pb = 1 1+ c − 

2 + 2γ 0 Pb = e  (1+ c ) +γ 0 
2 (1 + c) + γ 0
Koherens FSK Nem koherens FSK
 cγ 0 
1 γ0  1+ c − 
Pb =  1 −  Pb = e  2 (1+ c ) +γ 0 
2 2 +γ 0  2(1 + c) + γ 0
Nemkoherens FSK
1
Pb =
2+γ 0
Koherens BPSK
1 γ0 
Pb = 1 − 
2 1+ γ 0 

6.2 táblázat Átlagos bithibaarány Rayleigh- és Rice-fading esetén

112
 A 6.20 ábrán a bithibaarányt tüntettük fel Rayleigh-fadinges és
fadingmentes esetben. Jól látható, hogy a fading hatására a bithibaarány
jelentősen megnövekedett, függetlenül az alkalmazott moduláció típusától. Ezért
a rádiós rendszerek tervezésekor ún. fadingtartalékkal számolnak, ami azt jelenti,
hogy az adóteljesítményt megnövelik, annak érdekében, hogy a leszívások esetén
is fenntartható legyen a szükséges hibaarány. A 6.20 ábrán PSK moduláció
esetére bejelöltük a 10-3 bithibavalószínűséghez szükséges fadingtartalékot.

Pb

10-1

fadinges
nemkoherens FSK
-2
10

PSK DPSK
-3
10
PSK
DPSK
-4
10
nemkoherens FSK

-5
10
fadingmentes

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30

fadingtartalék γ 0 = E s / N 0 [dB]

6. 20 ábra Átlagos bithibarány Rayleigh-fadinges és Rayleigh-fading mentes

csatornában

Természetesen a valóságban igen ritkán fordul elő Rayleigh-fadinggel

terhelt csatorna, hiszen szinte mindig van közvetlen jelterjedés is. A direkt jelút
teljesítménye és a szóródott teljesítmény viszonya alapján a 6.22a és 6.22b
ábrákon koherens PSK és nemkoherens FSK modulációkra rajzoltuk fel az
átlagos bithibaarányt. A görbék két szélső helyzet között helyezkednek el. A
c = 0 eset a teljesen szórt jeleket jelenti, azaz a Rayleigh-fadinges csatornát. A
c = ∞ pedig a fadingmentes esetnek feleltethető meg. A kettő között a Rice-
eloszlásnak megfelelően alakulnak a görbék.

113
 1

Pb
Koherens PSK
10-1

-2
10
c=0
(Rayleigh)
-3
10

c=2
(3 dB)
-4
10 c=5
(7 dB)
c=∞
-5
Gauss c = 10
10 (10 dB)

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30

γ 0 = E s / N 0 [dB]
6. 21 ábra Átlagos bithibarány Rice-fadinges csatornában koherens PSK
moduláció esetén

Pb
Nemkoherens FSK
-1
10

-2
10
c=0
(Rayleigh)

-3
10
c=2
(3 dB)
c=5
-4 (7 dB)
10

c=∞ c = 10
Gauss (10 dB)
-5
10

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
γ0 = (Es /N0) [dB]
6. 22b ábra Átlagos bithibarány Rice-fadinges csatornában nemkoherens
FSKmoduláció esetén

114
6.2 Nemlineáris modulációs rendszerek
A nemlineáris modulációs eljárások nagy családjából vizsgálódásunkat
most a mobil rendszerekben alkalmazott nemlineáris modulációkra koncentráljuk.
Ezek elsődleges jellemzője, hogy a modulált jel fázisa folytonos függvénye az
időnek. Ennek magyarázata a következő. Ismert, hogy a frekvencia-, illetve
fázismodulált jelek sávszélessége végtelen, szemben a lineáris modulált jelekkel.
Ezért arra törekszünk, hogy olyan nemlineáris modulációkat keressünk,
melyeknél minél kisebb sávszélességben koncentrálódik a jelteljesítmény. Az
előző alfejezetben már szóltunk a nemlineáris FSK modulációról. Nyilvánvaló,
hogy FSK esetén a szimbólumhatárokon bekövetkező frekvenciaugrás nagy
sávszélességet eredményez. Ezért arra törekszünk, hogy a modulált jel fázisa
folytonos legyen.
A nemlineáris modulációknak nagy előnye a lineáris modulációkkal
szemben az állandó burkoló. Állandó burkoló esetén ugyanis nagy hatásfokú
nemlineáris erősítőket is alkalmazhatunk, ami rendkívül fontos olyan
környezetben, ahol takarékoskodni kell az energiaforrással.
Folytonos fázisú modulációs (Continuous Phase Modulation, CPM)
rendszerekben az általános jelelőállítást a 6.23 ábrán mutatjuk be. A modulátor
felépítése az általános lineáris modulátor struktúrához hasonlóan a bitfolyam
soros/párhuzamos átalakításával kezdődik. De itt a jelrendező kimenetén egy
valós értékű dn sorozat jelenik meg, melyre teljesül, hogy
d n ∈[ − ( M − 1), ... ,−11
, , ... ,( M − 1)] M páros.
A g(t) elemi frekvenciafüggvényt itt is egy Dirac-sorozat és egy g(t)
súlyfüggvényű szűrő segítségével rendeljük a dn sorozathoz. Ezután egy 2πh
értékkel való szorzás következik, ahol h a fázismodulációs indexet jelöli, ami
megadja, hogy egy szimbólum a modulált jel fázisát a 2π teljes fázisforgatás
hányad részével forgatja el. Végül a jel egy frekvenciamodulátorra kerül.

uk ∈{0,1} b jel- dn
FM x(t )
bites rendezõ g(t ) 2πh
mod
S/P
∞
b
∑ δ (t − nT )
n =−∞
s

6.23 ábra Jelelőállítás CPM rendszerekben

Vizsgáljuk meg a CPM modulációt az alapsávi ekvivalensek világában is.

A szögmodulált jel vivőfrekvenciás alakja az alábbi
x ( t ) = A cos( 2π f 0 t + ϕ 0 + ϕ ( t ) ) ,

115
ahol ϕ(t) hordozza a hasznos információt, ϕ0 a vivő konstans fázistolása. x(t) két
tag különbségére bontható a következő módon
x ( t ) = A cos(ϕ ( t ) ) cos(2π f 0 t + ϕ 0 ) − A sin(ϕ ( t ) ) sin(2π f 0 t + ϕ 0 ) .

Ismert, hogy az x(t)-nek megfelelő komplex alapsávi ekvivalens jel

x ekv (t ) = x I (t ) + j x Q (t ) ,

ahol ϕ 0 = 0 választással
x I (t ) = A cos(ϕ (t ) ) ,

x Q (t ) = A sin(ϕ (t ) )

s ezért az alapsávi jel felírható, mint

x ekv (t ) = Ae j ϕ ( t ) ,
ahol a jel amplitúdója
2Es
A= .
Ts

A modulált jel fázisának időfüggvénye a 6.23 ábra alapján

+∞ t +∞
ϕ ( t ) = 2π h ∑ d n ∫ g (τ − n Ts ) dτ = 2π h ∑ d n q ( t − n Ts ) ,
n =−∞ −∞ n =−∞

ahol q(t) az elemi fázisfüggvény, melynek deriváltja g(t) az elemi

frekvenciafüggvény
t

q( t ) = ∫ g (τ ) dτ .
−∞

Hagyomány alapján a
1
q (t )|t →∞ ≡
2
megkötést alkalmazzák a fázisfüggvényre, ezért egyetlen szimbólum
1
∆ϕ = 2π h d n
2
fázisváltozást okoz. A frekvenciaváltozás pedig
dϕ ( t ) +∞
= 2π h ∑ d n g (t − n Ts ) .
dt n =−∞

A CPM moduláció tehát mind a frekvenciát, mind a fázist változtatja. Ez egyben

azt is jelenti, hogy a szimbólumok additív módon járulnak hozzá a modulált jel
fázisához, illetve frekvenciájához.

116
 A CPM modulációkat a q(t) elemi fázisfüggvények alapján különböztetjük
meg egymástól.

6.2.1 Teljes válaszfüggvényű rendszerek

A teljes válaszfüggvényű modulációk esetén a q(t) függvény Ts tartóval
rendelkezik, azon kívül az elemi fázisfüggvény értéke nulla, ahogy az a 6.24
ábrán látható.

g(t ) q(t )
1
2

0 t 0 t
Ts Ts
6.24 ábra Teljes válaszfüggvényű CPM rendszer elemi frekvencia- és fázis
függvénye

Lineáris fázisú rendszerek

Az elemi frekvenciafüggvény az alábbi
 1
 ; t ∈[0, Ts )
g (t ) =  2 Ts
0 ; egyébként

Bináris esetben, azaz ha M = 2, valamint a fázismodulációs tényező hagyományos
h = 21 , akkor ún. Minimum Shift Keying (MSK) modulációról beszélünk,
melynek lényege, hogy minden egyes új szimbólum a vivő alá vagy fölé hangolja
1 π
a frekvenciát értékkel, illetve ± fázistolást okoz. Az MSK modulációhoz
2Ts 2
tartozó elemi frekvencia- és fázisfüggvény a 6.24a ábrán látható.

q(t )
1 g(t ) 1
2Ts 2

0 t 0 t
Ts Ts
6.24a ábra MSK moduláció elemi frekvencia- és fázis függvénye

117
 Az MSK alkalmazhatóságának azonban határt szab a teljesítménysűrűség
függvényének alakja, melyet a 6.24b ábrán rajzoltunk fel. Az ábra vízszintes
1
tengelyén a relatív egység [Hz]. A jel teljesítményét ugyanis jelentős
Ts
1
mértékben a melléknyalábok hordozzák, ezért a szomszédos csatornákat az
Ts
frekvencia többszörösére kell eltávolítani egymástól, ami gyenge sávkihasználást
eredményez.

Teljesítménysûrûség [dB]
0

-20

-70
0 0.75 1 1.25 f
6.24b ábra MSK moduláció spektruma

Az MSK moduláció melléknyalábjaira jutó nagy teljesítmény azzal

magyarázható, hogy bár a fázis folytonos, de a frekvencia ugrik a
szimbólumhatáron. Természetesen felmerülhet a kérdés, hogy miért nem szűrjük
ki a modulált jel melléknyalábjait? Nos azért, mert GHz körüli frekvenciákon
ilyen kis sávszélességű szűrőt megfelelő mértékű csillapítással nem lehet
készíteni. Ezen a problémán segítenek a simított teljes válaszfüggvényű
rendszerek

Simított teljes válaszfüggvényű rendszerek

Az MSK modulációnál tapasztalt frekvenciaugrásból adódó
sávszélességnövekedés kiküszöbölése érdekében tegyük a frekvenciafüggvényt is
folytonossá. Példaként a 6.25 ábrán felrajzoltuk a
 π  tπ 
 sin  t ∈[0, Ts )
g (t ) =  4 Ts  Ts 
0 egyébként

elemi frekvenciafüggvényű rendszer elemi fázis- és frekvenciafüggvényét.
A q(t) elemi fázisfüggvény A’ és B’ pontjaiban a derivált 0 értékű, ezért az
elemi frekvenciafüggvény is folytonos lesz a szimbólumátmenetkor. Azonban a
C’ pontban q(t) meredeksége nagyobb lesz, mint MSK esetben. Ezt
szemléltetendő a 6.25 ábrán szaggatott vonallal rajzoltuk be az MSK-hoz tartozó
görbéket. Sajnos g(t) C pontbeli kiemelése csökkenti a folytonos

118
frekvenciaátmenet révén fellépő sávszélesség nyereséget. A probléma végleges
megoldását a részleges válaszfüggvényű rendszerek jelentik.

g(t ) q(t )
C 1 B'

1 2
C'
2Ts A
B
A'

0 t 0 t
Ts Ts
6.25 ábra Simított teljes válaszfüggvényű moduláció elemi frekvencia-
és fázis függvénye

6.2.2 Részleges válaszfüggvényű rendszerek

Két alesetet különböztetünk meg, de mindkettőre egyaránt jellemző, hogy
az elemi fázis-, illetve frekvenciafüggvény a Ts idő többszörösére terjed ki. Így a
fázis és frekvencia változás lassabban megy végbe, ami a sávszélesség
csökkenését eredményezi.
Véges tartójú elemi jelekre az alábbiakban mutatunk néhány példát.
Lineáris fázisú
 1
 t ∈[0, L Ts )
g (t ) =  2 L Ts
0 egyébként


g(t ) q(t )
1
2

0 t 0 t
Ts 2Ts Ts 2Ts
6.26a ábra Lineáris fázisú részleges válaszfüggvényű moduláció elemi
frekvencia- és fázisfüggvénye L=2 esetén

Emelt koszinusz (RC) impulzus

 1   2π t  
  1 − cos  t ∈[0, L Ts )
g (t ) =  2 L Ts   L Ts  

0 egyébként

119
 g(t ) q(t )
1
2

0 t 0 t
Ts 2Ts Ts 2Ts

6.26b ábra Emelt koszinusz impulzusos moduláció elemi frekvencia- és

fázisfüggvénye L=2 esetén

Konvolvált emelt koszinusz (CRC) impulzus

 1  2t 1  4π t    LT 
  − sin  t ∈ 0, s 
 L Ts  L Ts 2π  L Ts    2 

 1  2t 1  4π t    LT 
g (t ) =  2 − + sin  t ∈  s , L Ts 
 L Ts  L Ts 2π  L Ts    2 
0 egyébként




Fél periódusú szinusz (HSC)

 π  tπ 
 sin  t ∈[0, L Ts )
g (t ) =  4 L Ts  L Ts 
0 egyébként


Az igazi megoldást a mobil rendszerek számára elegendően kis

sávszélesség biztosítására a végtelen tartójú elemi jelek jelentik, melyek közül a
leggyakrabban alkalmazottakat az alábbiakban foglaltuk össze.
Emelt koszinusz spektrumú Nyquist-impulzus (NYQ)

 1
1 | f |< (1 − β )
L Ts

 1   LT  2π    1 1
G ( f ) =   1 − sin s  2π f −    (1 − β ) ≤| f | < (1 + β )
2   4β  L Ts    L Ts L Ts
0 egyébként



120
  2π t   2π t 
sin  cos β 
1  L Ts   L Ts 
g (t ) =
L Ts 2π t  4β 
2

L Ts 1−  t
 L Ts 

Gauss MSK pulzus (GMSK)

1 1  t2   t 
g (t ) = exp −  ∗ rect  
2Ts2 2π σ  2(σ Ts ) 2   Ts 

 T
 t  1 ; | t | < ln 2
rect   =  2 ; Ts B =
 Ts   2π σ
0 ; egyébként

Tamed FM (TFM)

1 d  ∞ 1 1 
g (t ) =  ∑ d ( t − i T + T ) + d ( t − i T ) + d ( t − i T − T )  
4 dt  i =1  2
s s s s s
2 

π t
sin 
 Ts 
d (t ) =
πt
Ts

6.2.3 A CPM vevő

A CPM jelekhez kapcsolódóan három lehetséges vevőstruktúra
alkalmazhatóságát vizsgáljuk.

ML értelemben optimális koherens vevő

A CPM típusú szögmodulált jel zajos környezetben történő vételére létezik
ML értelemben optimális vevő. Azonban ennek felépítése annyira összetett, hogy
a gyakorlatban nem alkalmazzák. A vevő komplexitásának érzékeltetésére
induljunk ki az A=1, ϕ0=0 feltevésből és az elemi fázis-, illetve
frekvenciafüggvény tartója legyen LTs. A modulált jel ekkor
x (t ) = cos(2π f 0 t + ϕ (t )) ,

melynek fázisa
+∞
ϕ (t ) = 2π h ∑ d i q (t − i Ts ) .
i =−∞

Tegyük fel, hogy éppen az n-dik szimbólumot vesszük, azaz

nTs ≤ t < (n + 1)Ts .

121
Ekkor a vett jel fázisa felírható, mint
n n− L
1
ϕ n (t ) = 2π h ∑d i q (t − i Ts ) + 2π h ∑ d i
2
,
i = n − L +1 i =−∞

ahol az első tag az n-dik szimbólumhoz tartozó elemi frekvenciafüggvény

1
értékeket tartalmazza, míg a második tagban q (t ) = . Ezért a második tag egy
2
Θn konstans fázistolásnak feleltethető meg. ϕ n (t ) a fenti képlet alapján bináris
esetben
k = 4 ⋅ 2 L −1 ⋅ 2 = 2 L +2
különböző értéket vehet fel, ahol a 4 a kezdeti fázisok lehetséges számát adja
bináris esetben, 2 az n-dik időrésben érkező, 2 L−1 pedig a korábbi bitek száma.
ML vétel esetén minden egyes lehetséges jelalakra külön illesztett szűrőt
kell alkalmazni, ami a fentiek tükrében kivihetetlen.

MSK típusú szuboptimális vevő

A gyakorlatban a komplexitás csökkentését optimumközeli vétel révén
biztosítják. Ennek egyik példája az MSK típusú vevő, melyet többek között a
GSM rendszerben is alkalmaznak. A vevőstruktúra a 6.27 ábrán látható.

cos(2πf 0 )
Ts
Aluláteresztõ

r(t)
szûrõ páros d$n
kombinálás
sin(2πf 0 ) és
Ts döntés
Aluláteresztõ
szûrõ páratlan

6.27 ábra MSK típusú szuboptimális vevőstruktúra koherens vétel esetén

Az egyszerűsítés lényege, hogy először előállítjuk a

kvadratúrakomponenseket, majd a két mintavetőt váltott ütemben működtetjük.
Így egy adott szimbólumra vonatkozó döntés a kvadratúrakomponensek bizonyos
megfigyelt értékeinek kombinálásával jön létre. Biztos, hogy ezáltal a döntés nem
lesz optimális, de elegendő mindössze két jelutat megvalósítani.

Nemkoherens optimális vevő: FM demodulátor

Hagyományos FM demoduláció esetén a ϕ (t ) fázisfüggvény deriváltjával
arányos jelet állítunk elő, azaz
dϕ ( t ) +∞
= 2π h ∑ d i g (t − i Ts ) .
dt i =−∞

122
A gondot a zaj jelenléte okozza. Ugyanis deriváláskor a nagyfrekvenciás zajt
kiemeljük, amit analóg rendszerekben a preem és deem fázisok (előkiemelés és
utóelnyomás) segítségével orvosolnak. Digitális rendszerekben azonban ilyen
módon nem oldható meg a zajelnyomás, ezért ezt a fajta demodulálást nem is
alkalmazzák mobil rendszerekben.

6.3 Az egyoldalsávos SSB moduláció módosított változata

Az egyoldalsávos (Single Side Band, SSB) moduláció mobil
rendszerekben való alkalmazásának fő előnye a sávtakarékosság, hátránya viszont
az, hogy érzékeny a nemlineáris torzításokra és a fadingre. Ugyanakkor a mobil
készülékek kis teljesítményű akkumolátorai jó hatásfokú nagy teljesítményű
végfokozatokat igényelnek, ezek viszont nem lineárisak.
A probléma megoldását a
• lineáris visszacsatolt végfokozat alkalmazása és
• pilot jel sáv közepén való elhelyezése jelenti.
Innen ered a moduláció elnevezése is: SSB-TTiB, Single Side Band–Transparent
Tone in Band, ahol a pilot jelenti a Tone in Band-et. A pilotjel nemcsak a
csatorna torzításának a kiegyenlítésére alkalmas, hanem egyúttal a koherens
detekció végrehajtását is lehetővé teszi.
Az adóoldali alapsávi telefonjel spektrumát a 6.28a ábrán rajzoltuk fel,
míg a TTiB feldolgozás utáni spektrum a 6.28b ábrán látható.

Spektrum

300 Hz 1650 Hz 3000 Hz

f

6.28a ábra Alapsávi telefonjel

Spektrum
Φm ( f ) pilot

300 Hz 1650 Hz 2050 Hz 3400 Hz

f
1850 Hz

6.28b ábra Alapsávi telefonjel TTiB feldolgozás után

A SSB-TTiB moduláció leírásához jelöljük a TTiB feldolgozás utáni

hasznos jelet m(t ) -vel, spektrumát pedig Φ m ( f ) -fel. Az egyoldalsávos SSB

123
alapsávi jelet az ún. SSB szűrővel állíthatjuk elő, melynek átviteli függvénye az
alábbi
1; ha f ≥ 0
H( f ) = 
0 ; ha f < 0
vagy másképpen
1 1
H( f ) =
2
[1 + sgn( f )] = [1 + j ( − j ) sgn( f )] .
2
Az SSB alapsávi jel spektruma így az
1
Φ SSB ( f ) = H ( f ) Φ m ( f ) =
2
[1 + j ( − j ) sgn( f )]Φ m ( f )
alakban állítható elő, azaz a jel maga
1 1
mSSB (t ) = F −1
{Φ SSB ( f )} = 2 m(t ) + 2 j m$ (t )
ahol
+∞
1 m(τ )
m$ (t ) =
π ∫ t − τ dτ
−∞

az alapsávi jel Hilbert-transzformáltját jelöli, mivel a Hilbert-transzformáló szűrő

súlyfüggvénye
1
F −1 {− j sgn( f )} = .
πt
A fentiek alapján a modulált jel az alapsávi ekvivalens segítségével a következő
alakban írható fel

{
s(t ) = Re mSSB (t ) e j 2π f 0 t = } 1
2
[m(t ) cos(2π f 0 t ) − m$ (t ) sin(2π f 0 t )] .

Antenna
m$ v (t )

Demodu-
mv ( t ) látor
s(t)
– mn ( t )
m( t )
telefon +
TTiB
jel
jel cos(2π f t ) Σ Végfok
+
m$ ( t )
– m$ n (t )
− sin(2π f t )
pilot
6.29 ábra SSB-TTiB adó felépítése

124
 A visszacsatolással kiegészített adó felépítését a 6.29 ábrán rajzoltuk fel.
Az alapsávi telefonjelet először TTiB jellé alakítjuk a pilot segítségével. Ezután a
TTiB jel kvadratúrakomponenseit a visszacsatoló ágból érkező jelekkel vetjük
össze, majd a különbségképzés után két szorzó és egy összegző segítségével
előállítjuk az SSB jelet. A visszacsatolás biztosítja azt, hogy a kimenő antennára
jutó jel alapsávi kvadratúra összetevői megegyezzenek az m(t ) és m$ (t ) hasznos
jelekkel, így valódi SSB jelet lehet előállítani akkor is, ha a végfokozat
nemlineáris. Az ábra demodulátorának feladata nyilvánvalóan a vevőoldali jel
előállítása a visszacsatoláshoz. Felépítése megegyezik az alábbiakban ismertetett
vevőstruktúrában alkalmazottal.
A 6.30 ábra vevőjének bemenetére érkező jelnek először a
kvadratúrakomponenseit állítjuk elő, majd egy aluláteresztő szűrővel levágjuk a
felharmónikusokat. Ezután leválasztjuk a pilotjelet, melynek segítségével
koherens vételt valósítunk meg, azaz korrigáljuk a csatorna csillapítását és
fázistolását. Végül a hangfrekvenciás sávok egyesítése következik.

demodulátor

LPF
r (t ) A hang-
cos(2π f 0 t ) Amplitudó
frekvenciás
és fázis-
sávok
korrekció
egyesítése
LPF

− sin(2π f 0 t )

A pilot
leválasztása

6.30 ábra SSB-TTiB vevő felépítése

A fading SSB-TTiB modulációra gyakorolt hatásának vizsgálatához

legyen m1 (t ) a hasznos jel és A p cos(2π f p t ) a pilot. Ekkor a TTiB feldolgozás
utáni jel
m(t ) = m1 (t ) + Ap cos(2π f 0 t )

és a Hilbert-transzformáltja
m$ (t ) = m$ 1 (t ) + A p sin(2π f p t ) .

Így az adó komplex alapsávi ekvivalens jele:

mSSB (t ) =
1
2
[
m1 (t ) + j m$ 1 (t ) + A p e
j 2π f p t
]

125
 A fading a vevő bemenetére jutó jelet torzítja egy z komplex szorzóval és a
vivő fázisa sem ismert a vevőben, azaz a vet jel alapsávi ekvivalense
rekv ( t ) = mSSB ( t ) z .
Állítsuk elő a vevőbe jutó jel alapsávi ekvivalensének valós és képzetes
részét, ekkor

rekv ( t ) =
1
2
[
m( t ) − j m$ ( t ) + A p e ]
j 2π f p t
z.

Mérjük meg a pilot amplitúdóját és fázisát, azaz állítsuk elő az

A p | z| és arc( z )

értékeket. Segítségükkel az eredeti jel fadinges környezetben is visszaállítható az

alábbi módon
'
rekv (t ) =
| z|
e [
rekv (t ) − j arc ( z ) 1
= m(t ) − j m$ (t ) + Ap e
2
]
j 2π f p t
.

126
7. Diverziti technikák
A diverziti nem jelent mást, mint azt, hogy a mobil vétel helyén két vagy
több független (korrelálatlan) fadinggel terhelt jelet felhasználva (kombinálva)
csökkentjük annak az esélyét, hogy az eredő (kombinált) jel szintje egy
küszöbérték alatt marad. A diverziti rendszerek tehát többszörös (többutas)
vevőből és kombináló rendszerből (algoritmusból) állnak. A diverziti
rendszereket két alapcsoportba osztjuk
• Makroszkopikus diverziti: itt az lassú fading hatásának csökkentéséről van
szó azáltal, hogy a vételi minőség javítására például több különböző helyen
elhelyezett bázisállomásról sugározzuk ugyanazt az adást, és a mobil
vevőben tipikusan szelektív kombájnert alkalmazunk.
• Mikroszkopikus diverziti: itt a mobil vevő helyén alkalmazunk valamilyen
elven többszörös vételt elsősorban a gyors, dinamikusan változó
fadingkomponensek hatásának csökkentésére.
A továbbiakban vizsgálatainkat a mikroszkopikus diverzitire
koncentráljuk, melynek típusai a következők
• Térdiverziti: két vagy több antenna elhelyezése egymástól elkülönítve a
mobil egységen
• Frekvencia diverziti: a koherencia sávszélességnél nagyobb frekvencia
távolságban az adás és a vétel megismétlése
• Polarizáció diverziti: a vett jel tipikusan két polarizációs összetevőjének
elválasztott vétele
• Elektromágneses komponens diverziti: a vevőnél kialakuló elektromos és
mágneses tér összetevőinek párhuzamos vétele
• Szögdiverziti: nagyfrekvenciás (>10 GHz) átvitel esetén több irányú
irányított antennák alkalmazásával többszörös vétel megvalósítása
• Idődiverziti: azonos üzenetek adása és vétele különböző
időintervallumokban, amelyekre már független fading hat

A kombájnerek felépítése és típusai

A következőkben a leggyakrabban alkalmazott kombájnereket ismertetjük.
Az egyszerűség kedvéért valamennyinél csak a kétutas megoldást rajzoljuk fel.
Az egyes kombájnertípusok bemutatása után először rátérünk a leírás
szempontjából legösszetettebb lineáris kombinációs maximális jel-zaj viszonyú
kombájner részletes analízisére, majd másik három, szuboptimális vételt biztosító
megoldást vizsgálunk meg.

127
Szelektív kombájner
Ez a legnagyobb szintű jelet választja ki az M különböző, párhuzamosan
vett jelből.

V V

7.1a ábra Szelektív kombájner

Kapuzott kombájner
Az alábbi algoritmus szerint működik (két út esetén): kiválasztjuk az egyik
jelet, és addig vesszük, amíg az egy adott küszöbszint felett van, egyébként a
másik jelre kapcsolunk át függetlenül attól, hogy annak milyen a szintje.
Megvalósítástól függ, hogy mi történik, ha a második jel is éppen a küszöb alatt
van ebben az időben.

7.1b ábra Kapuzott kombájner

Azonos erősítésű kombájner

Itt a súlyozó tényezőket úgy választjuk meg, hogy azok abszolút értéke
mindig azonos (azonos erősítés), ugyanakkor a kimeneti jel-zaj viszony ilyen
feltételek mellett a legnagyobb.

128
 |súly|=K |súly|=K

V V

7.1c ábra Azonos erősítésű kombájner

Lineáris kombinációs maximális jel-zaj viszonyú kombájner (optimális lineáris
kombájner):
Itt azt a súlyozó vektort választjuk, amelyik mellett a kimeneti jel-zaj
viszony a legnagyobb.

súly súly

V V

7.1d ábra Lineáris kombinációs maximális jel-zaj viszonyú kombájner

7.1 Az optimális lineáris kombájner analízise csatornainformáció

esetén
Az optimális lineáris kombájner analízisét először a csatornainformáció
ismeretére alapozva végezzük el. Mindenekelőtt a kiindulási feltevéseket
fogaljuk össze.
Optimálisnak nevezzük a lineáris kombinációs kombájnert, ha a súlyok
megfelelő megválasztásával maximalizáljuk a jel-zaj viszonyt. Feladatunk az
optimális vételhez szükséges súlyok meghatározása.
A kombájner valós kimeneti jelét az
{ }
r (t ) = Re rekv (t ) e j 2π f 0 t = Re{r+ (t )}
jelöli.
A fadingről feltételezzük, hogy multiplikatív és lassú, ami azt jelenti, hogy
csak szimbólumidőnként változik és a különböző diverziti ágba érkező jelhez

129
tartozó fadingminták függetlenek (a fading korrelálatlan). Jelölje zk (t ) a k-dik
ágra ható fadinget, ekkor
z k (t ) = z k
és
[ ]
E z k zi* = 0, k ≠ i .

A csatornainformáció megléte azt jelenti, hogy ismerjük a zk

fadingmintákat, azaz a csatorna csillapítását és fázistolását. Ennek biztosítása a
gyakorlatban történhet például pilotjel segítségével.
A csatornában fellépő nk (t ) zaj additív, Gauss-eloszlású és sávhatárolt. Az
egyes kombájnerágakhoz tartozó zajminták pedig függetlenek
[ ]
E n k (t ) ⋅ ni* (t ) = 0

és egyoldalas teljesítménysűrűség függvényük N0.

A rádiócsatorna és a kombájner együttes modelljét a 7.2 ábrán rajzoltuk
fel. Az ábrán sekv (t) jelöli az adó jelének alapsávi ekvivalensét, αk pedig a
kombájner súlyozó paramétereit, melyek megfelelő megválasztásával biztosítható
az optimális kombinálás.
n1(t)

z1
nk(t)
Lineáris
sekv (t) rekv (t)
kombi-
náció
zk
nM(t)
αk

zM
7.2 ábra A rádiócsatorna és a kombájner együttes modellje

A 7.2 ábra modellje alapján a kombájner kimenő alapsávi jele

M
rekv (t ) = ∑ α k ( sekv (t ) z k + n k (t )) .
k =1

A jel-zaj viszony a k-dik csatornában az alábbi módon állítható elő

Γk =
[
E | sekv (t ) z k |2 ],
[
E | n k (t )| 2
]
ami figyelembe véve, hogy z k ismert s ezért kiemelhető a várható érték
képzésből, valamint az egy szimbólumhoz tartozó átlagenergia (teljesítmény)

130
 [
Ps = E | sekv (t )|2 = ] Es
Ts
,

1
továbbá az sávra eső zajteljesítmény
Ts

[
E | n k (t )|2 = N 0] 1
Ts
,

ezért a jel-zaj viszony tovább írható a

Es
T E
Γ k = s | z k | 2 = s | z k |2
N0 N0
Ts

formában. A teljes jel-zaj viszony pedig a következőképpen állítható elő

 M 2

E sekv (t ) ∑ α k z k 
 
Γ= 
k =1
,
 M 2

E ∑ α k n k (t ) 
 k =1 

ahol figyelembe véve a zajminták függetlenségét

M 2

E
∑α
k =1
k zk
Γ= s M
.
N0
∑ |αk =1
k | 2

Az optimális kombájner megvalósításához célunk a fenti kifejezés

maximálása az αk paraméterek függvényében. Ehhez a Schwarz-egyenlőtlenséget
hívjuk segítségül, mely kimondja, hogy tetszőleges ak és bk komplex számokra
igaz az alábbi reláció
2
  
∑a
k
*
k bk ≤  ∑ | a k |2   ∑ | bk |2 
 k  k 

és az egyenlőség akkor áll fenn, ha a k = K bk , ahol K konstans.

Esetünkre alkalmazva a Schwarz-egyenlőtlenséget
2
M
 M  M 
∑ α k zk ≤  ∑ |α k |2   ∑ | zk |2 
k =1  k =1   k =1 

amiből a legjobb választás (az egyenlőség teljesülése) nyilvánvalóan az, ha

α *k = K z k , α k = K z k* .
Próbáljunk meg most fizikai tartalommal kitölteni a fenti eredményt.
Abból, hogy a kombájnerparamétereket a fading komplex konjugáltjára

131
választjuk, az következik, hogy a vett hasznos jelet jelképező fazor szögét
minden ágban visszaforgatjuk annyival, amennyit a csatorna forgatott rajta s így a
fazorok mind egy irányba mutatnak. Ezzel elérjük, hogy a hasznos jelet képviselő
fazorok amplitúdóban adódnak össze, míg a rájuk ültetett zaj vektoriálisan.
Ráadásul azt az ágat vesszük nagyobb erősítéssel figyelembe az összegzéskor,
ahol a jel-zaj viszony nagyobb. Ezzel olyan vételt valósítunk meg, amelynél nem
lehet jobbat csinálni. Megjegyezzük ugyanakkor, hogy ehhez a
csatornainformáció ismerete szükséges.
Mivel ismerjük zk értékeket, ezért α k -kat be tudjuk állítani a fenti
szabálynak megfelelően. Ezért
2 2
M
 M 
∑α
k =1
k zk =  K ∑ | z k |2 
 k =1 

és
M M

∑ |α k |2 = K 2 ∑ | z k |2 ,
k =1 k =1

amiből az eredő jel-zaj viszonyra

M M
Es
Γ=
N0
∑ | zk |2 = ∑ Γk
k =1 k =1

adódik. Az eredményből jól látszik, hogy az eredő jel-zaj viszony kialakításában

az összes kombájner ág részt vesz, tehát a legrosszabb jel-zaj viszonyú ág is javít
a vételen.
Tekintettel arra, hogy a fadinget valószínűségi változóval írjuk le, ezért a
jel-zaj viszony is az lesz. Az eredő jel-zaj viszony valószínűségi
sűrűségfüggvényét az egyes ágakra vonatkozó sűrűségfüggvények
konvolúciójával határozhatjuk meg
M
f Γ (γ ) = ∗ f Γk (γ ) ; γ ≥ 0 .
k =1

Az eredő jel-zaj viszony számítása visszavezethető az egyes ágak

sűrűségfüggvényének Laplace-transzformáltjára az alábbi módon

L { f Γ (γ )} = ∏ L { f Γ }
M

k
(γ ) .
k =1

Rayleigh-fading esetében
γ
1 −
γ0
f Γk (γ ) = e ; γ ≥ 0,
γ0
melynek Laplace-transzformáltja
 1 − γγ 
L { fΓ }
(γ ) = L  e 0=
1
.
 γ 0  1 + s γ 0
k

132
Így az eredő jel-zaj viszony Laplace-transzformáltjára
M
 1 
L { f Γ (γ )} =  1 + s γ 
 0

adódik, amiből az eredő sűrűségfüggvény

γ
1 γ M −1 − γ 0
f Γ (γ ) = e .
( M − 1)! γ 0M
Mivel nem minden esetben M darab egyforma csatornából érkezik a jel,
ezért vezessük be a jel-zaj viszony pontosabb jellemzése és az egyes modulációk
jobb összehasonlíthatósága érdekében az alábbi normálást
Teljes jel - zaj viszony a kimeneten Γ
Y= = ,
A jel - zaj viszony átlagos értéke Mγ 0

melynek sűrűségfüggvénye
M
f Y ( y) = ( M y ) M −1 e − M y
( M − 1)!
és
γ
y= .
Mγ 0
A 7.3 ábrán a normalizált eredő jel-zaj viszony sűrűségfüggvényét
rajzoltuk fel M-ben paraméterezve. M=1 esetén visszakapjuk a diverzitimentes
Rayleigh-fadinges csatornát, míg a diverziti ágak számának növelésével a
sűrűségfüggvény a δ ( y − 1) függvényhez tart, azaz a konstans jel-zaj viszonyt
jelentő esethez. Ez pedig azt jelenti, hogy elvben diverziti alkalmazásával
biztosítható a fadingmentes vétel.

133
 2

↑
f Y ( y)

Rayleigh
M=1

2
4
8
16 32

0
γ
0 1 y= → 2
Mγ 0

7.3 ábra A normalizált eredő jel-zaj viszony sűrűségfüggvénye

Az optimális vétellel kapcsolatban egy fontos kérdést nem érintettünk

még. Az optimális lineáris kombájner igényli, hogy az α k = K zk*
meghatározásához pontosan ismerjük a csatorna amplitúdó és fázis adatait. A
probléma megoldására pilot jelet alkalmazunk. A kombájner k-dik ágának elvi
felépítése a 7.4 ábrán látható.

(k) k-dik
bemenet
j 2π f p t Pilot Jel
zk e z k s( t )

Pilotszûrõ Jelszûrõ
Demodulá-
Lineáris torhoz
zk súlyozású
α k (t ) kombájner
7.4 ábra Az optimális lineáris kombájner elvi felépítése

#
Az adó jelének sekv alapsávi ekvivalense kiegészül az a amplitúdójú, fp
frekvenciájú periodikus pilot jellel az alábbi módon
j 2 πf p t
#
sekv = sekv ( t ) + a ⋅ e .

134
A k-dik kombájnerágba jutó alapsávi vett jel ez alapján

(
rk ( t ) = sekv ( t ) + a ⋅ e
j 2 πf p t
)⋅z k = sekv ( t ) ⋅ zk + a ⋅ e
j 2 πf p t
⋅ zk ,

amiből kiszűrve a pilotot közelítőleg az

j 2 πf p t
a ⋅e ⋅ zk
mennyiséget kapjuk. Ezt mérve tudjuk azután a zk értéket számítani.

7.2 Az optimális lineáris diverziti kombinációs eljárás hibaanalízise

Rayleigh-fading esetén
A hibaanalízist most is a korábbiakhoz hasonló módon végezhetjük el.
Először meghatározzuk az adott modulációs rendszerre jellemző Pb (γ )
bithibavalószínűség függvényt és a jel-zaj viszony f Γ (γ ) valószínűségi
sűrűségfüggvényét. Majd ezek ismeretében kiszámoljuk az átlagos hibaarányt az
alábbi módon
∞
v
PbMR = ∫f Γ (γ ) Pb (γ ) dγ ,
0

ahol az MR index a Maximum Ratio (maximális jel-zaj viszonyú) kifejezés

rövidítése.
A következőkben néhány tipikus modulációra meghatározzuk az M-utas
diverzitit alkalmazó vevő bithibavalószínűségét majd összehasonlításul
feltüntetjük a diverziti nélküli eredményeket is.

BPSK

PbPSK =
1
2
erfc γ ( )
∞

( )
v 1
PbMRPSK = ∫ erfc γ f Γ (γ ) dγ =
20

∞ γ
γ M −1 − γ 0
1
= ∫ erfc γ
20
1
( )
( M − 1)! γ 0M
e dγ =

1  
r
 1− µ2 
M −1 2 r
γ0
= 1 − µ ∑      , ahol µ =

2 r =0  r   4   1+ γ 0

v 1 γ0 
PbPSK =  1 − 
2 1+ γ 0 

135
FSK (nemkoherens)
1  γ
PbFSK = exp − 
2  2

∞ γ γ
v 1 −2 1 γ M −1 − γ 0 1 1
PbMRFSK = ∫ e e dγ =
20 ( M − 1)! γ 0
M
2  γ 0M
1 + 
 2

v 1
PbFSK =
2+γ 0

DPSK
1
PbDPSK = exp( −γ )
2
∞ γ
v 1 −γ 1 γ M −1 − γ 0 1 1
PbMRDPSK = ∫ e e dγ =
20 ( M − 1)! γ 0
M
2 (1 + γ 0 ) M

v 1
PbDPSK =
2 + 2γ 0

A fenti eredményekből általánosítva megállapíthatjuk, hogy nemkoherens

vétel esetében
1 M
PbMR = ∏ 2 Pbk .
2 k =1
A 7.5a és 7.5b ábrákon BPSK és nemkoherens FSK moduláció esetére
rajzoltuk fel az átlagos bithibaarányt az optimális lineáris kombájner ágai
számában paraméterezve. Az M=1 eset felel meg a diverziti alkalmazása nélküli
vételnek. A diverziti ágak számának növelésével várakozásunknak megfelelően
az átlagos bithibavalószínűség csökkenő tendenciát mutat.

136
 1

Pb BPSK
-1
10

-2
10

M=1
-3
10

M=2
-4
10

M=4
-5
10
M=8

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
γ 0 = E s / N 0 [dB]

7.5a ábra Átlagos bithibaarány BPSK moduláció esetén optimális lineáris

kombájner alkalmazásakor

Pb FSK
-1
10

-2
10
M=1

-3
10
M=2

M=4
-4
10
M=8
M =16
-5
10

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
γ 0 = E s / N 0 [dB]

137
 7.5b ábra Átlagos bithibaarány nemkoherens FSK moduláció esetén optimális
lineáris kombájner alkalmazásakor

7.3 Optimális kombinációs eljárás csatornainformáció nélkül

Nyilvánvaló, hogy az optimális vétel kérdése nemcsak koherens esetben
vethető fel, ezért a következőkben feltételezzük, hogy semmilyen információval
sem rendelkezünk a csatornáról. Nemkoherens csatornában azt vizsgáljuk, hogy
milyen a legkisebb hibavalószínűséghez vezető kombináció. Analízisünk során az
alábbi feltevésekből indulunk ki
• a vétel bináris,
• FSK modulációt alkalmazunk ortogonális jelekkel,
• M db. független Rayleigh-fadinggel terhelt jelutat veszünk figyelembe,
• a kombináció a vevőszűrő kimenetén történik és
• az egyes diverziti csatornákon független Gauss-zaj és független fading
hat.
Induljunk ki a 6.18 ábra diverziti nélküli optimális vevőstruktúrájából.
Gondolatban minden diverziti ághoz rendeljünk egy ilyen struktúrát, az alábbi
gondolatmenettel pedig megmutatjuk, hogy milyen módosításra van szükség
diverziti alkalmazása esetén. A fentiek figyelembe vételével a k-dik ág
vevőszűrőjének bemenetén lévő alapsávi ekvivalens jel az alábbi módon írható
fel
rk (t ) = s j (t ) ⋅ z k + n k (t ); k = 1,2, ... , M

ahol s j (t ) az adó kimenő jelének alapsávi ekvivalense a j-dik szimbólum küldése

esetén, nk (t ) pedig a k-dik diverziti csatorna független, N0 egyoldalas
teljesítménysűrűségű, valós és képzetes résszel rendelkező Gauss-zaja. A bináris
eset miatt j értéke csak 1 vagy 2 lehet. Az i-dik elemi jelhez tartozó vevőszűrő
kimenetén Ts időnként megjelenő jel ezután a következőképpen számolható
Ts
1 1
rik =
Ts Ps
∫ r (t ) g (t ) dt ; i = 1,2
k i
0

ahol Ps a szimbólum teljesítmény, ezért

 P T z + nik ha i = j
rik =  s s k
nik ha i ≠ j ,

ahol nik i-ben és k-ban független Gauss-eloszlású valószínűségi változó N0

szórásnégyzettel. A zk pedig független komplex Gauss-eloszlású valószínűségi
változó, mely valós és képzetes részei szórásnégyzete a következő módon
határozható meg. A hasznos jel teljesítménye
[ ] [ ]
E | Ps Ts z k |2 = Ps Ts E | z k |2 = Ps Ts 2σ 2 ,

mivel zk = x k + j y k és

138
 [ ] [ ]
E x k2 = E y k2 = σ 2 .

Az átlagos jel-zaj viszony ezután

γ0 =
[
E | Ps Ts z k |2 ] = P T 2σ
s s
2
,
[
E | nik |2 ] N0

amiből
γ 0 N0
σ2 = .
2 Ps Ts

A fentiek tükrében a kombájner ágak együttes r vételi vektorának feltételes

valószínűségi sűrűségfüggvénye az alábbi alakban adható meg
2
M  1   rik2I + rik2Q 
f r | j ( r| j ) = ∏    
 exp − 2 N  ⋅

k =1  2π N 0   0 
2
   
   r 2
+ r 2 
1
⋅  exp − ,
ik I ik Q

 1   1 
 2π N0 + γ 0 N0   2 N0 + γ 0 N0 
 2   2 

ahol i ≠ j , j = 1,2 és rik , rik az k-dik kombájner ágban az i-dik szimbólum

I Q

küldése esetén a vett jel kvadratúra komponenseit jelöli.

Mivel a természetes alapú logaritmus függvény szigorúan monoton
növekvő, ezért a 6.1.4 alfejezet döntéselméleti kitérőjében leírtak alapján
maximum likelihood döntésnél a kritérium
  I 
max[ln ( f (r| j ))] = max ln ∏ f (ri | j )  ,
m m
  i =1 

ami bináris esetben a maximumkereső helyett nullkomparálást alkalmazva a

következő
 f r |1 (r|1)  > 0 ; akkor az 1- es
ln  =  üzenetre döntünk .
 f r |2 (r|2)  < 0; akkor a 2 - es
Behelyettesítve a feltételes sűrűségfüggvényre kapott eredményünket a döntési
szabály az alábbi
 f r |1 (r|1)  M r12k I + r12k Q r22k I + r22kQ r12k I + r12kQ r22k I + r22kQ 1
ln  = ∑ − − + + >0,
 f r |2 (r|2)  k =1  γ  2 N0 2N0  γ 0  <2
2 N 0 1 + 0  2 N 0 1 + 
 2  2

vagyis

139
    
 1  M  1 1
∑ (r ) ( )
M
1 1
2
+ r12kQ  −  − ∑ r22k I + r22kQ  − >0,
γ
 2 N 0 2 N  1 + 0   k =1  2 N 0 2 N  1 + γ 0   <2
1k I
k =1
 0
 2    0
 2  

azaz

∑ (r ) ( )
M 1 M
2
+ r12k Q > ∑ r22k I + r22k Q
k =1
1k I
<2 k =1

amiből a végleges forma

M 1 M
∑ r1k > ∑ r2 k .
2 2

k =1
<2 k =1

Az ML értelemben vett, csatornainformáció nélküli optimális döntésnek

ezt az alakját kvadratikus kombinációnak hívják. A hozzá tartozó vevőstruktúrát
a 7.6 ábrán rajzoltuk fel két kvadratúra ág esetére. M növelése esetén az abszolút
érték képzők kimenetén elhelyezett összegzők bemeneteinek számát kell növelni.

g1* (t )
nTs
Ts
2
∫ dt
0

r1(t)
g 2* (t ) j=1
nTs
Ts

∫ dt
0
2
nullkomparátor
+
$j
*
-
g (t )
1
nTs
Ts
2
∫ dt
0
j=2
r2(t) y1

g 2* (t )
nTs
Ts
2
∫ dt
0

7.6 ábra ML értelemben optimális nemkoherens vevőstruktúra ortogonális elemi

jelkészlet esetén M=2 kvadratúra ágat alkalmazva

Kvadratikus kombináció alkalmazása esetén nemkoherens FSK moduláció

átlagos bithibavalószínűségre az alábbi eredmény vonatkozik
M k
 1  M −1
 M − 1 + k  1 
PbQK FSK = 
1+ γ 0 
∑  k  1 − 2 + γ  ,
k =0 0

140
melyre a 7.5b és 7.7 ábrák összehasonlítása alapján várakozásainknak
megfelelően fennáll, hogy
PbQK FSK > PbMR FSK ,

hiszen a csatornainformáció hiánya rontja a helyes detektálás valószínűségét.

Pb
10-1
M=1

-2
M=2
10

-3
M=4
10

-4
M=8
10

-5 M = 16
10
M = 32

-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
γ 0 = E s / N 0 [dB]
7.7 ábra Átlagos bithibaarány nemkoherens FSK moduláció esetén csatorna
információ nélküli kvadratikus kombinációjú (optimális) kombájner
alkalmazásakor

7.4 Lineáris szuboptimális kombájnerek

A következőkben szuboptimális vételt biztosító lineáris kombájnerek
közül hármat vizsgálunk meg. Az első az azonos erősítésű kombájner
csatornainformáció nélkül, ahol az azonos erősítés azt jelenti, hogy minden
kombájner ágban ugyanazzal a súlyozó tényezővel szorozzuk a vett jelet.
Természetesen ennek az egyszerűsítésnek következtében az eredő jel-zaj viszony
romlani fog az optimális kombinációhoz képest.
A korábbiakhoz hasonlóan most is igaz, hogy a kombájner eredő kimenő
jele az
M
rekv (t ) = ∑ α k ( sekv (t ) z k + n k (t ))
k =1

alakban adható meg, de most univerzálisan |α k | állandó, vagyis α k = α , azaz

minden úton ugyanazt a súlyozó tényezőt alkalmazzuk. Ekkor az M kombájner ág
kimeneti eredő jel-zaj viszonya az alábbi módon határozható meg

141
  M 2

α E ∑ s(t ) z k 
2
2
 k =1  PT M
Γ=
 M

= s s
M N0
∑z k .
α 2 E∑ | n k (t )|2  k =1

 k =1 
Tudjuk, hogy a fadinget reprezentáló komplex valószínűségi változó valós és
képzetes rész összegére bontható a következőképpen
M 2 M 2

∑z
k =1
k = ∑ (x
k =1
k + j yk ) .

Az egyes összetevőkre Rayleigh-fading esetén a korábbiakkal összhangban igaz,

hogy függetlenek
[
E xk ⋅ yk = 0 , ]
várható értékük nulla
[ ] [ ]
E xk = E yk = 0
és
[ ] [ ]
E x k2 = E y k2 = σ 2 ,

ahol σ 2 a fadingösszetevők szórását jelöli, melyek mint tudjuk Gauss-

eloszlásúak, azaz sűrűségfüggvényük az alábbi
1  x2 
f Σxk ( x ) = f Σy k ( x ) = exp − .
2π Mσ 2  2 Mσ2

Az eredő jel-zaj viszony valószínűségi sűrűségfüggvénye ezek után

1  γ 
f Γ (γ ) = exp −  ,
γ0  γ 0

ahol a jel-zaj viszony várható értéke

Mσ2 σ2 E
γ0 = = = s .
M N0 N0 N0

Eredményül az eredő jel-zaj viszonyra szintén Rayleigh-eloszlást kaptunk. Ez úgy

modellezhető, mintha az M db. diverziti ág helyett csak egyetlen egyet
használnánk, tehát a kombájner nem javított semmit a jel-zaj viszonyon.
Belegondolva a jelenség fizikai hátterébe világossá válik, hogy ugyan a
többszörös vétel miatt javulás várható, de az azonos erősítés miatt a zajt is
többszörösen vesszük.
Második kísérletként tételezzük fel, hogy az egyes jelutakon az amplitúdó
nem, de a fázis becsülhető, azaz a súlyozó tényezőket
z k*
αk = K = K e − j arc ( zk )
| zk |

142
értékűre választjuk. Ezáltal |α k | = K minden k-ra. Ezt a megoldást azonos
erősítésű fázisforgatásos kombinációnak hívják. Sajnos ebben az esetben sem
jutunk megfelelő analitikus eredményre, mert az f Γ (γ ) sűrűségfüggvény nem
adható meg zárt alakban.
A harmadik az ún. azonos erősítésű szelektív diverziti módszer
alkalmazásakor is egyforma a súlyozó tényezőket használunk, de mindig csak azt
az ágat választjuk, ahol a legnagyobb a jel-zaj viszony, azaz
0 ; k ≠ k 0
αk = 
1 ; k = k 0
és γ k > γ k minden k ≠ k 0 esetén.
0

A 7.1 táblázatban az utóbbi két szuboptimális diverziti módszert

hasonlítottuk össze a diverziti ágak függvényében Rayleigh-fading és
nemkoherens FSK moduláció esetén. Az egyes számértékek decibelben adják
meg, hogy az adott módszer átlagos bithibaarány nyeresége mekkora az optimális
vételhez képest.
A fázisforgatásos megoldás segítségével hiába növeljük a diverziti ágak
számát, látható módon nem érhetjük el a fadingmentes esetet, de elég jól
közelítjük azt (-1.33 dB). Ugyanakkor szelektív diverziti alkalmazásával a
bithibaarány még csak aszimptotikusan sem fut az optimális esettel.

M Fázisbecslés Szelektív
2 -0.62 dB -1.52 dB
4 -0.97 dB -3.45 dB
8 -1.15 dB -5.76 dB
∞ -1.33 dB -∞
7.1 táblázat Szuboptimális kombájnerek összehasonlítása Rayleigh-fading és
FSK moduláció esetén

7.5 A diverziti eljárások határtulajdonságai

Eddigi vizsgálatainkban a bithibavalószínűség ábrázolása az átlagos jel-zaj
viszony
Es
γ0 =
N0
függvényében történt. Ha M különböző csatornán érkezik a jel, akkor bináris
esetben az egy bitre jutó energia átlagos értéke
Eb = M E s ,
így célszerű referenciának a
Eb M Es
γb = =
N0 N0

143
értéket választani.
Az egyes diverziti eljárások értékelésénél gyakran vizsgálják ezért az
átlagos bitenergiára vonatkoztatva a bithibavalószínűség függését a diverziti utak
számától. Példaként a nemkoherens FSK és DPSK modulációk esetében
meghatározzuk a hibaarány alakulását a diverziti csatornák számának növekedése
során Rayleigh-csatornát alapul véve.
Kvadratikus kombinációt feltételezve FSK moduláció esetén az átlagos
bithibaarány
M M
   
1  1  
 =  1
1 
 .
PbMRFSK =
2 γ0  2 γb 
1+  1+ 
 2   2M 
Ha a diverziti utak száma minden határon túl nő, azaz M → ∞ , akkor
1 −γ2b
PbMRFSK = e
2
mivel
x
M  M

 x  
= lim   1 +   = e x .
x x
lim  1 + 
M →∞  M M →∞   M 
 

A 7.8 ábra alapján megállapíthatjuk, hogy bármely jel-zaj viszony és

átlagos bithibaarány értékpárhoz rendelhető egy maximális M érték, amit még
célszerű alkalmazni.
1

Pb
10-1

-2 M=1
10

-3
M=2
10

-4 M=4
10

-5
10
M=8
M = 16
-6
10
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30

γ b = E b / N 0 [dB]

144
 7.8 ábra Az átlagos bithibaarány aszimptotikus viselkedése nemkoherens FSK
moduláció és kvadratikus kombinációjú kombájner alkalmazásakor

Optimális lineáris kombinációt alkalmazó BPSK moduláció (koherens)

esetében, ha M → ∞ , akkor a rendszer is konvergál a Gauss-csatornához
(fadingmentes csatorna). Ennek belátása a következő módon történhet.
Mint azt a 7.2 alfejezetben megmutattuk
∞

( )
v 1
PbMRPSK = ∫ erfc γ f Γ (γ ) dγ =
20

∞ γ
γ M −1 − γ 0
1
= ∫ erfc γ
20
( )1
( M − 1)! γ 0M
e dγ =

Tudjuk, hogy γ b = Mγ 0 , ezért ha M → ∞ , akkor f Γ (γ ) a δ (γ − γ 0 ) Dirac-

függvényhez tart, ezért
v 1∞
20
( ) 1
PbMRPSK = ∫ erfc γ δ (γ − γ 0 )dγ = erfc γ 0
2
( )
10–1

Pb

10–2
M=1

M=2
10–3

M=4

10–4
M=8

M = 16

M = 32
–5
10
0 2 4 6 8 10 12 14 16 18 20
γ b = E b / N 0 [dB]
7.9 ábra Az átlagos bithibaarány aszimptotikus viselkedése BPSK moduláció
és optimális lineáris kombájner alkalmazásakor

145
8. A szórt spektrumú moduláció
A mobil távközlő rendszerekben mind nagyobb teret hódítanak az ún. szórt
spektrumú modulációs rendszerek, sőt a harmadik generációs mobil távközlésben
meghatározó szerepet fognak betölteni. Mivel a szórt spektrumú moduláció és a
kódosztásos többszörös hozzáférési technika szoros kapcsolatban áll egymással,
ezért ezt a modulációs típust a többi moduláció közül kiemelve, a kódosztással
együtt külön fejezetben ismertetjük.

8.2 Szórt spektrumú távközlés alapelve

A szórt spektrumú távközlés eredete a II. világháborúig nyúlik vissza. Az
ellenséges rádiólehallgatás elleni védelem fő eszköze a titkosítás mellett az
összeköttetés frekvenciájának időbeli változtatása volt, mely arra késztette a
lehallgatót, hogy az új sáv megkeresésének idejére szüneteltesse a megfigyelést.
A frekvenciasáv időről-időre történő megváltoztatása megnehezítette a
kommunikáció zavarását is. Idővel az elektronika fejlődése lehetővé tette, hogy a
frekvenciákat nem manuálisan, hanem automatikus módon változtassák akár
másodpercenként több ezerszer is.
A frekvenciasávok gyors váltása együtt jár a jel sávszélességének jelentős
növekedésével. Innen kapta a technológia a nevét is. Ez elsőre hátránynak tűnhet,
de ha belegondolunk, hogy az adott jelteljesítmény egy jóval nagyobb sávban
oszlik el, akkor nyilvánvalóvá válik, hogy keskenysávú zavarással a
kommunikáció nem akadályozható meg. A hasznos jel sávjának kiterjesztésére az
ún. frekvenciaugratáson kívül többféle technikát is kifejlesztettek, mint azt majd
látni fogjuk s mindezen technikák gyűjtőneveként használják manapság a szórt
spektrum elnevezést.
A következőkben a szórt spektrumú moduláció elvét mutatjuk be
szemléletesen. A modulációs rendszer általános felépítése az 8.1 ábrán látható.

Φj( f )

~
Φs( f ) Φ( f )
Φ
$(f)
Kóder Dekóder Szûrõ
Φt ( f ) Φr ( f )

c(t) c(t)
Szinkronizálás
Álvéletlen zaj vagy
álvéletlen kód

8.1 ábra A szórt spektrumú rendszer általános felépítése

A kódoló bemenetére érkező hasznos továbbítandó jelet, melynek

sávszélessége Bs, a Φ s ( f ) teljesítményspektrummal jellemezzük. A kódoló a
hasznos jelet egy előre definiált c(t) álvéletlen kóddal szorozza meg, ami azt

145
eredményezi, hogy a kódoló kimenetén megjelenő Φ t ( f ) jel sávszélessége (Bt)
lényegesen nagyobb lesz, mint a hasznos jelé. Ebből a tulajdonságból ered a szórt
spektrumú moduláció elnevezés is. Fontos megjegyezni, hogy a kódoló által
végzett művelet azzal a speciális tulajdonsággal bír, hogy kétszer egymás után
végrehajtva az eredeti jelet állítja vissza. A kódolóban alkalmazott kódsorozat
elemeit chip-nek (csip) nevezik megkülönböztetésül a hasznos jel bitjeitől.
A kódoló kimenetéről a jel a rádiócsatornába jut ahol keskenysávú zavaró
jel ( Φ j ( f ) ) adódik hozzá teljesítménysűrűségben additív módon. A dekóder
bemenetére érkező Φ r ( f ) jelen a dekóder ismét végrehajtja a kódolásnál
alkalmazottal megegyező kódsorozattal a transzformációt, aminek
eredményeképpen a hasznos jel sávszélessége visszacsökken az eredeti értékre,
míg a zavaró jel esetében megnő. Ennek következtében a hasznos jel sávjába eső
zajteljesítmény lényegesen kisebb lesz, mintha nem alkalmaztuk volna a kétszeri
transzformációt.

Φs( f ) Φt ( f ) Φj( f )

S j 0 Bs
S s0 St 0 = S j0
Bt

f f f
Bs Bt Bj

Φr ( f ) ~
Φ( f ) Φ
$(f)

Bj Bs
Bj
S j0 Bj S j0
S j0 S s0 Bt S s0
St 0 Bt

f f f
Bt Bt Bs
8.2 ábra Jelek teljesítményspektruma a modulációs rendszer különböző pontjain

Határozzuk meg a szórt spektrumú moduláció alkalmazásával elérhető

kimeneti jel-zaj viszony javulást. A 8.2 ábra jelöléseivel
Pjel Ss 0 Bs Ss 0 Bs Bt
= = ,
Pzavar Bj S j 0 Bj Bs
S j0 Bs 123 {
Bt Processing
 P 
P jel gain
 zavar  eredeti

ahol azonos sávszélességű hasznos jelet és zavart feltételezve

146
 Pjel B j = Bs
S s 0 Bt
= .
Pzavar S j 0 Bs

Az eredmény azt mutatja, hogy a spektrum kiterjesztése következtében a jel-zaj

viszony éppen
Bt
PG =
Bs

mértékben javul ahhoz az esethez viszonyítva, ha a zavaró jel közvetlenül okozna

interferenciát a csatornában, azaz a zavar elnyomása megegyezik a sávszélesség
kiterjesztés mértékével. A PG mennyiséget Processing Gain-nek nevezi a
szakirodalom.
Mint azt láttuk, a sávkiterjesztés speciális kódsorozat segítségével történik.
Ha ezeket a kódokat úgy választjuk meg, hogy egymástól egyértelműen
megkülönböztethetők legyenek, akkor a szórt spektrumú modulációval egy új
többszörös hozzáférési technika hozható létre. Az egyes felhasználók ugyanabban
az időintervallumban és ugyanabban a frekvenciasávban kommunikálnak
egymással, közöttük pedig a kódok alapján teszünk különbséget. Ezért ezt a fajta,
szórt spektrumú modulációt alkalmazó többszörös hozzáférési rendszert
kódosztásos hozzáférésnek (Code Division Multiple Access, CDMA) nevezik.
A fentiek ismeretében a szórt spektrumú moduláció, illetve a kódosztásos
rendszerek előnyeit az alábbiakban foglalhatjuk össze

Pont-pont összeköttetés esetén

• Erős védettség a frekvenciaszelektív (kis sávszélességű) szándékos és
természetes (fading) zavaró jelekkel szemben.
• A sávkiterjesztés miatt lecsökken a jel spektrális sűrűsége, azaz adott
frekvenciára eső teljesítménye. Ezáltal
♦ a jel egyrészt nehezebben fedezhető fel a rosszindulatú
zavaró/lehallgató számára, másrészt
♦ csökken a jel által képviselt elektronikus szennyezés, azaz
csökken a többi felhasználót érő zavaró hatás.

Többszörös hozzáférésű csatorna esetén

• FDMA és TDMA rendszerekben adott sávszélességben egzaktul
meghatározható a felhasználói csatornák száma. Szórt spektrumú
esetben a felhasználók számának csupán lágy korlátozásáról beszélünk,
ami azt jelenti, hogy mindaddig beléphetnek újabb felhasználók a
csatornába amíg a belépésük okozta zajnövekedés a többi előfizető
számára elviselhető.
• Időosztásos (TDMA) rendszerekkel szemben nincs szükség
szinkronizációra s így védőrésekre sem az egyes időrések között.
• Hasonlóan az előzőkhöz, a frekvenciaosztásos (FDMA) rendszerekkel
szemben nincs szükség védősávok alkalmazására.

147
 • A cellás rendszerekben nincs szükség frekvencia tervezésre, hiszen
minden cellában ugyanabban a sávban kommunikálnak, így nő a
frekvenciasáv kihasználásának hatékonysága.
• A kódolókban különböző kódokat használva lehetővé válik a
kódmultiplexálás.

Ugyanakkor fellép egy új, megoldásra váró feladat az ún. közel-távol hatás
problémája, mely a jelenlegi rendszerekben nem okozott gondot. Ez a következőt
jelenti. A bázisállomás minden mobil felé azonos teljesítménnyel sugároz, melyet
minden mobil a bázisállomástól való távolságától függő csillapítással vesz.
Ugyanakkor, ha minden mobil azonos teljesítménnyel adna a bázisállomás felé
akkor a bázisállomás helyén a vett eredő jelben az egyes mobilok jelei az eltérő
távolságok miatt különböző arányban szerepelnének, akár el is nyomhatnák
egymást. Ezért elengedhetetlen, hogy a mobilok teljesítményüket folyamatosan
úgy szabályozzák, hogy jelük a bázisállomásnál egyforma teljesítménnyel
jelenjen meg.

8.3 A szórt spektrumú modulációs rendszerek típusai

A spektrum kiterjesztése többféle módon is lehetséges attól függően, hogy
a {ci} chipsorozatot miként használjuk. A következőkben a szórt spektrumú
moduláció alaptípusait tekintjük át.

8.3.1 Direkt szekvenciális szórt spektrumú moduláció

Ebben az esetben az üzenet minden egyes dn szimbólumát egy álvéletlen
{ci} kódsorozat chipjeivel szorozzuk meg a 8.3a ábrán látható módon. Lényeges,
hogy a chipidő lényegesen kisebb mint a szimbólumidő (Tchip<<Ts). Az így kapott
chipsorozat minden chipjéhez egy gc(t) elemi jelalakot rendelünk a már jól ismert
módon (Dirac-függvény és szűrő alkalmazásával). Végül a jelet a kívánt f0
vivőfrekvenciára ültetjük.

δ ( t − i Tchip − n Ts ) Kimeneti
{d n } jel
Ts gc (t ) s( t )
Bináris kód cos( 2π f 0 t )
{ci }
Tchip

8.3a ábra A direkt szekvenciális adó felépítése

Határozzuk meg a DS modulátor kimenő s(t) jelét. A 8.3a ábra alapján

+∞ N −1
s(t ) = 2 P cos(2π f 0 t ) ∑ d n ∑ ci g c (t − n Ts − i Tchip ) ,
n =−∞ i =0

148
ahol P a vivő jel teljesítménye, N pedig a kódsorozat chipjeinek száma. A chip-
és szimbólumidő között nyilvánvalóan a Ts = N ⋅ Tchip kapcsolat áll fenn. Vegyük
észre, hogy korábbi gyakorlatunk alapján a
N −1
g (t ) = ∑c i g c (t − i Tchip )
i =0

mennyiséget úgy is tekinthetjük mint a dn szimbólumhoz tartozó elemi jelet, ahol

g c (t ) az ún. chip elemi jel.
A kimenő jelet tovább írhatjuk az
+∞
s(t ) = 2 P cos(2π f 0 t ) ∑ d n g (t − n Ts ) ,
n =−∞

alakban, ahol az
Al = d n ci ; l = n + i ; i = 0,1, ... , N − 1
helyettesítéseket alkalmazva a kimenő jel
+∞
s(t ) = 2 P cos(2π f 0 t ) ∑ Al g c (t − l Tchip )
l =−∞

módon is felírható.
Az utóbbi leírás azt fejezi ki, hogy egy bitet egy N elemű kódszóba
kódolunk és a kódszó elemeit gc (t ) elemi jellel visszük át, míg a korábbi alak
szerint egy bitet egy g (t ) elemi jellel viszünk át. Mindkét felfogáshoz fizikai
megvalósítás is rendelhető. Ilyen speciális g(t) függvény felületi hullámú szűrőkel
állítható elő, mely egyben a vivőfrekvenciára való ültetést is megoldja.
Mindehhez elegendő bitenként egy keskeny impulzussal gerjeszteni a szűrőt. A
g c (t ) alapú megoldást pedig memóriák és shiftregiszterek segítségével lehet
előállítani DSP processzorokkal.
A direkt szekvenciális modulált jel szemléltetéséhez a lehető
legegyszerűbb g c (t ) négyszögjel elemi jelalakot alkalmazzuk
1 ; 0 ≤ t < Tchip
g c (t ) =  .
0 ; egyébk ént

Tegyük fel, hogy szimbólumforrás bináris (±1 értékeket ad) és a

chipsorozat a 8.3b ábra szerinti.

g( t )
c0 c1 cN-1
1
t
-1
Tc Ts

8.3b ábra Az alkalmazott chipsorozat

149
Ekkor az adó jele a vivőfrekvenciás moduláció előtt a 8.3c ábrán látható módon
szemléltethető.

+∞
∑d n
g (t − n Ts )
n = −∞
dn = 1 dn = -1
1
t
-1

n Ts (n+1) Ts (n+2) Ts
8.3c ábra Direkt szekvenciális alapsávi jel időtartománybeli ábrázolása

8.3.2 Lassú frekvenciaugratásos moduláció

A frekvenciaugratásos technika lényege, hogy egy álvéletlen kódsorozat
chipjeinek megfelelően változtatjuk a vivőjel frekvenciáját. Abban az esetben, ha
a frekvenciaváltás több szimbólumot is átfog időben, lassú frekvenciaugratásról
beszélünk, míg ha szimbólumonként többször változik a frekvencia, akkor gyors
frekvenciaugratásról. Mielőtt rátérnénk a lassú frekvenciaugratásos adó
felépítésének tárgyalására néhány jelölést rögzítünk
L: a chip és a szimbólumidő arányát adja meg
K: a szimbólum és a bitidő arányát jelöli
Q: az alkalmazott frekvencialépcsők száma
A 8.4a ábrán a lassú frekvenciaugratásos adó felépítése látható.

{d n }
x(t ) s(t )
Ts Mod.
PM, FM 2π f 0 t + 2π f ( t )

Kódge- Frekv.
nerátor szintézer
ci
8.4a ábra Lassú frekvenciaugratásos adó felépítése

A Ts időnként érkező dn szimbólumok valamilyen hagyományos

moduláción mennek keresztül (pl. BPSK, stb.). A modulált jel vivőjének
frekvenciáját a frekvenciaszintézer segítségével a kódgenerátor chipjeinek
megfelelően elhangoljuk diszkrét lépcsőkben és egyben az f0 vivőfrekvenciára is
ültetjük. A szintézer kimenetén a vivőfrekvencia nélkül az alábbi jel jelenik meg
+∞ L −1
f (t ) = ∑∑c i ∆f g c (t − i Tchip − l L Tchip ) ,
l =−∞ i = 0

150
 ahol L a chipsorozat periódusa, ∆f pedig a frekvencialépcső értéke.
Megjegyezzük, hogy ci általános esetben nem bináris szám, hanem tetszőleges
pozitív egész értékeket vesz fel
ci = 0,1, 2, ... , Q − 1 .
Az egyszerűség kedvéért legyen a chip elemi jelalak továbbra is négyszögjel
1 ; 0 ≤ t < Tchip
g c (t ) =  .
0 ; egyébk ént

A tényleges jel az x(t)-t előállító alapmodulációtól függ. A lassú

frekvenciaugratás miatt Tchip = L ⋅ Ts .
BPSK moduláció esetén az adó kimenő jele
+∞  t

s(t ) = 2 P ∑ d n g (t − n Ts ) cos 2π f 0 t + 2π ∫ f (σ ) dσ  ,
n =−∞  −∞ 

ahol g(t) a BPSK modulációnál alkalmazott elemi jel.

BFSK moduláció esetén látszólag bonyolultabb eredményt kapunk
 +∞
t
s(t ) = 2 P cos(2π f 0 t + 2π ∫  ∑ d n ∆f m g (σ − n Ts ) +

−∞ n =−∞
+∞ L −1

+ ∑∑c
l =−∞ i = 0
i ∆f g c (σ − i Tchip − l L Tchip ) dσ ,

ahol ∆f m frekvenciával hangoljuk a vivő alá vagy fölé a jel frekvenciáját a BFSK
modulációnak megfelelően. A 8.4b ábra szemlélteti a lassú frekvenciaugratás
lényegét. Jól megfigyelhető, hogy egy frekvencián (két frekvenciaugratás között)
több szimbólum is adásra kerül.

f (t )
∆f
Q -1
Q -2 Tchip

∆ fm

Ts =Tb
4 BFSK
3
2 t
1 Tchip
0
0 1 2 3 L -2 L -1

8.4b ábra Lassú frekvenciaugratás szemléltetése

151
 A következő alfejezetekben két gyors frekvenciaugratásos modulációs
technikát mutatunk be.

8.3.3 Frekvencia kódolt frekvenciaugratásos moduláció

A gyors frekvenciaugratásnak két alesetét fejlesztették ki. A
frekvenciakódolt gyors frekvenciaugratás esetén egy szimbólum ideje alatt
többször is változik a vivőfrekvencia. Minden szimbólumot tulajdonképpen egy
kétdimenziós frekvenciaminta azonosít, hasonlóan a középkorban alkalmazott
titkosítási rácsokhoz, ahol a megfelelő helyen kilukasztott rácsot ráhelyezve a
papírlapra a kijelölt betűk hordozták az üzenetet. Ennél a technikánál is az tudja
detektálni a vett jelből a küldött információt, aki birtokában van annak, hogy
mikor, melyik frekvencián kell figyelnie.

MFSK–FFH
K bites
{dn}
S/P Ts Frekv. s(t)
Tb Kódoló
átalakító szintézer
Bináris
Q = 2K
forrás
Tchip {ci}
8.5a ábra Frekvenciakódolt gyors frekvenciaugratás adó felépítése

Az adó felépítése MFSK moduláció esetén a 8.5a ábrán látható. A bináris

forrásból érkező {dn} biteket egy soros/párhuzamos átalakító segítségével K bites
szavakká fogjuk össze Ts időnként. Ezek a szavak egy 2 K × L méretű mátrix
sorait címzik meg. A kódoló a beérkezett K bites szó alapján a mátrixból
kiválasztott L hosszúságú K bites chipsorozattal vezérli a frekvenciaszintézert.
Minden egyes chip az MFSK modulációnak megfelelően adott frekvencialépcső
ci-szeresével hangolja el a vivőfrekvenciát.
f (t )
∆f
Q -1
Q -2

4
3
2
1
0
0 1 2 3 L -2 L -1 t
Tchip Tchip
Ts

8.5b ábra Frekvenciakódolt gyors frekvenciaugratás szemléltetése

152
 A gyors frekvenciaugratás miatt Ts = L ⋅ Tchip és a frekvencialépcsők száma
tipikusan Q = 2 K . A 8.5b ábrán a frekvenciakódolt gyors frekvenciaugratás
szemléltetése látható.

8.3.4 Fázis kódolt frekvenciaugratásos moduláció

A gyors frekvenciaugratás másik alesete amikor nem a frekvenciaminta,
hanem a fázis hordozza az információt. Az adót a 8.6a ábrán rajzoltuk fel. A
szimbólumforrás {dn} bitjei a frekvenciakódolt frekvenciaugratásos adóhoz
hasonlóan itt is egy soros/párhuzamos átalakítóra kerülnek, amelynek kimenetén
Ts szimbólumidőnként K bites szavakat állítunk elő. Ezek a szavak egy olyan
2 K × 2 Q méretű mátrix sorait címzik meg, melynek sorai ortogonálisak egymásra.
A kódszó által megcímzett sor bitjeit chipidőnként kiolvasva egy, a DPSK
modulációnál már megismert differenciális kódolóra kerülnek. Ezzel a
bitsorozattal szorozzuk meg azután a {ci} chipsorozat által vezérelt fáziskoherens
frekvenciaszintézer kimenő jelét
A gyors frekvenciaugratás miatt Ts = L ⋅ Tchip , a szimbólum- és bitidő között
pedig a Ts = K Tb kapcsolat áll fenn. Ebből következik, hogy 2 K = Q =$ L választás
esetén Ts = 2 K Tchip és K Tb = 2 K Tchip , amiből
K
Tchip = Tb
2K
adódik a chip- és bitidő közötti összefüggésre.
A modulációhoz szükséges speciális tulajdonságú mátrixot (sorai
ortogonálisak egymásra) Hadamard-mátrixnak hívják és az alábbi rekurzív
szabály alapján állítható elő
H0 = 1,

 H0 H0 
H1 =  ,
− H 0 H 0 

 H i −1 H i −1 
Hi =  .
 − H i −1 Hi −1 
Differenciális
kódoló
K bites
{ dn }
S/P Ts Fázis- Tchip
Tb
átalakító kódoló
Bináris
forrás Q = 2K Ts

{ci } s(t)
Frekv.
Tchip szint.
8.6a ábra Fáziskódolt gyors frekvenciaugratás adó felépítése

153
 Összefoglalva a fentieket elmondhatjuk, hogy ennél a modulációs
technikánál minden egyes szimbólumot ugyanazzal a frekvenciamintával
továbbítanak, ahogy az a 8.6b ábrán is látható, de a két egymást követő
szimbólum ugyanazon chipjének megfelelő vivőfrekvencián átvitt információk
között differenciális kódolást alkalmaznak.

f (t )
∆f differenciális fáziskódolás
Q -1
Q -2

4
3
2 t
1 Tchip
0
0 1 L -1 0 1 L -1

8.6b ábra Fáziskódolt gyors frekvenciaugratás szemléltetése

8.4 A direkt szekvenciális többszörös hozzáférésű rendszer

hibaanalízise
A következőkben a leginkább elterjedt direkt szekvenciális szórt
spektrumú modulációra épülő többszörös hozzáférésű rendszer hibaanalízisét
végezzük el. Modellünk a következő. A rendszerben M db. előfizető kommunikál
egyidejűleg, melyeket a k futóindexszel azonosítunk. Tegyük fel, hogy az i-dik
felhasználó adását a j-dik előfizetőnek küldi. A közös frekvenciasáv miatt a
csatorna zaja mellett a többi előfizető adása is zavarólag hat az i és j közötti
kommunikációra, ezért fellép az ún. rendszerzaj jelensége. Feladatunk tehát a
termikus és rendszerzaj által befolyásolt jel-zaj viszony meghatározása.
Tudjuk, hogy az i-dik felhasználónál a dn szimbólumot a
N −1
g ( i ) (t ) = ∑c (i )
l g c (t − lTchip )
l=0

elemi jellel visszük át, ahol cl( i ) ∈ {+1,−1} jelöli a chipsorozat l-dik chipjét, N a
chipsorozat hossza és feltesszük, hogy N>>1. Legyen a chip elemi jel a jól bevált
négyszögjel
1; 0 ≤ t < Tchip
g c (t ) =  .
0; egyébként

154
Ekkor a j-dik vevő bemenetén az
M
r ( t ) = s ( t ) + ∑ s ( k ) ( t − τ k ) + n( t )
( j)

k =1
k≠ j

eredő jelet vesszük. Az egyes előfizetőktől τk késleltetéssel érkeznek a jelek a

vevőbe. Közelítésként feltételezzük, hogy a késleltetések a chipidő egész számú
többszörösei, azaz τ k = lk Tc . Ezt bátran megtehetjük az N>>1 kikötés miatt. A
csatorna n(t) zaját pedig N0 paraméterű Gauss-zajjal írjuk le.
Korrelációs vevőt alkalmazva, ami a vett jelet külön-külön valamennyi
(k)
g (t ) elemi jellel beszorozza és a szimbólumidőre integrálja, az n-dik időrés
végén az alábbi jelet kapjuk a j-dik vevőben teljes szinkron esetén ( τ k = 0 )
Ts N −1
1
Pj ∫ d n( j ) ∑ cl( j ) ( )
2
r ' (t ) = g c2 (t − l Tchip ) dt +
Ts 0 l=0

M Ts N −1
1
+
Ts
∑ Pk ∫ d n( k ) ∑ cl( j ) cl( k ) g c2 (t − l Tchip ) dt +
k =1 0 l=0
j≠k

N −1
T
1 s
+ ∫ n(t ) ∑ cl( j ) g c (t − l Tchip ) dt .
Ts 0 l =0

A fenti a kifejezés sorrendben az alábbi három tagból áll

• a hasznos jel
• a rendszerzaj
• a termikus zaj.
A jel-zaj viszony számításához, határozzuk meg külön-külön az egyes
jeleket a korrelátor kimenetén.

A hasznos jel
Ts N −1 N −1
1
Pj ∫ d n( j ) ∑ cl( j ) ( ) 1
Pj ∑ d n( j )
Ts
2
g c2 (t − l Tchip ) dt = = d n( j ) Pj ,
Ts 0 l =0 Ts l=0 N

ahol felhasználtuk, hogy

Ts
Ts
∫g (t − l Tchip ) dt = = Tchip
2
c
0
N
és (c )
( j) 2
l = 1.

A rendszerzaj
M Ts N −1
1
Ts
∑ Pk ∫ d (k )
n ∑c ( j) (k )
l c l g c2 (t − l Tchip ) dt =
k =1 0 l =0
j≠k

155
 M N −1 M N −1
1 Ts 1
=
Ts
∑ Pk ∑ cl( j ) cl( k ) d n( k ) N N
= ∑ Pk ∑c ( j) (k )
l c d n( k ) .
l
k =1 l=0 k =1 l=0
k≠ j k≠ j

A termikus zaj
T N −1 T
1 s 1 s
n(t ) ∑ cl g c (t − l Tchip ) dt = ∫ n(t ) g (t ) dt .
Ts ∫0
( j)

l=0 Ts 0

A jel-zaj viszony ezek után az alábbi módon számolható:

A jel teljesítménye

(d )
2
( j)
n Pj = Pj .

A termikus zaj teljesítménye

2
 1 Ts  Ts Ts

∫ ∫ E[n(t ) n( ρ )] ⋅ g (t ) g ( ρ)dt dρ =
1
E ∫ n(t ) g (t ) dt  = 2
 Ts 0  Ts 0 0

Ts Ts
1
= 2 ∫∫N 0 ⋅ δ (t − ρ ) ⋅ g (t ) g ( ρ )dt dρ =
Ts 0 0

s T
1 N
= 2 N 0 ∫ g 2 (t ) dt = 0 .
Ts 0
Ts

A rendszerzaj teljesítménye
Jó közelítéssel feltehetjük, hogy cl( j )cl( k ) dn( k ) j-ben és k-ban független
±1 értékkészletű valószínűségi változó, ezért a rendszerzaj teljesítménye
 M 
2

 1  N −1
( j) (k ) (k )   1 M  N −1 ( j ) ( k ) ( k )  2 
E 2  ∑ Pk ∑ cl cl d n  = 2 ∑ Pk E ∑ cl cl d n   = ,
N  k =1
 k≠ j
l =0 
  N k =1  l = 0  
k≠ j
 
ahol felhasználva, hogy az egyes előfizetőkhöz rendelt kódok chipjei valamint az
egy kódon belüli chipek is függetlennek tekinthetők egymástól, azaz
[ ]
E ci( j ) ct( k ) = 0 és E ci( j ) ct( j ) = 0 , [ ]
ezért a rendszerzaj teljesítménye

[( ) ]
M M
1 1
∑ Pk N E cl( j ) cl( k ) d n( k ) ∑P
2
= k .
N2 k =1 N k =1
k≠ j k≠ j

A jel-zaj viszonyt most már könnyen fel tudjuk írni

156
 Pjel Pj E sj
γ = = M
= ,
Pzaj N0 1 1 M
Ts
+
N
∑P k N 0 + ∑ E sk
N k =1
k =1
k≠ j k≠ j

ahol a szimbólumenergiára az E sj = Pj Ts összefüggést alkalmaztuk.

Ha N nagy, akkor alkalmazható a Gauss-i közelítés, azaz a
bithibavalószínűség jó közelítéssel megegyezik a BPSK modulációra kapott
eredménnyel
 
   
  1  
( )  
1 1 E sj E sj 1
Pb ≅ erfc γ = erfc  = erfc
 ,
2 2  1 M  2 N0 1 E I sj 
E
 N 0 + ∑ E sk   1+ 
 N k =1   N E N 0 
 
sj
k≠ j

ahol a teljes interferencia

M
E I = ∑ E sk ,
k =1
k≠ j

az interferencia-jel arány pedig

EI
.
E sj
Pb
20 dB
–1
10

15 dB
–2
10

10 dB
–3
10

–4
10
-∞ dB

–5
10
0 2 4 6 8 10 12 14 16 18 20
10 lg(Es / N0 ) [dB]

8.7 ábra Bithibaarány jel-zaj viszony függése az interferencia-jel arányban

paraméterezve

157
 A 8.7 ábrán a bithibaarány jel-zaj viszony függését ábrázoltuk az
interferencia-jel arányban paraméterezve. Jól látható, hogy ha a jel
teljesítményéhez képest az interferencia nagyon kicsi, akkor visszakapjuk a
fadingmentes csatornára jellemző görbét. Ehhez képest az interferencia
növekedése ront a bithibaarányon.

158
9. A cellás struktúra alapjai és a különböző rendszerek
összehasonlítása
A mobil távközlő rendszerekben a szükséges terület rádiós ellátása
általában az ún. cellás elvre épül függetlenül attól, hogy földi vagy műholdas
rendszerről beszélünk. Ez azt jelenti, hogy az ellátandó területen bázisállomások
hálózatát építik ki. Minden bázisállomás egy adott sugarú környezetét látja el,
melyet cellának nevezünk. A bázisállomásokat vezetékes vagy mikrohullámú
kapcsolat köti össze a kapcsoló központokkal. A mobil hívás kezdeményezésekor
a legkedvezőbb összeköttetést biztosító bázisállomással lép kapcsolatba, mely
közvetve biztosítja a hívott féllel való összekapcsolását. A mobil mozgása során
természetesen előbb vagy utóbb annyira eltávolodik a bázisállomásától, hogy már
egy másik bázisállomással kedvezőbb összeköttetést tud létesíteni. Ekkor a mobil
átkapcsol az új bázisállomásra. Ezt az átkapcsolási folyamatot hívja a
szakirodalom átadásnak, angolul handover-nek vagy handoff-nak.
Ebben a fejezetben a cellás rendszerek felépítését és a különböző
többszörös hozzáférési technikák összehasonlítását vizsgáljuk meg közelebbről.

9.1 A szabályos cellás rendszerek felépítése

A bázisállomások a terepviszonyoktól, lefedettségtől, időjárástól, stb.
függően nyilvánvalóan nem szabályos kör alakú területeket fednek le. A
hálózattervezés és modellezés szempontjából azonban az ilyen szabálytalan alakú
területekkel való számolás meglehetősen körülményes, ezért első lépcsőben
szabályos méhsejt alakú (szabályos hatszögletű) cellákkal fedik le az ellátandó
területet, majd az így kapott eredményeket finomítják a helyi adatok alapján. A
9.1 ábrán ilyen típusú lefedésre rajzoltunk fel egy példát.

7
6 2
1
5 3
4
7
6 2
1
5 3
4

9.1 ábra Lefedés méhsejt alakú cellák segítségével

9.1.1 A 60°°-os koordinátarendszer tulajdonságai

A szabályos hatszögletű cellákkal történő lefedés esetén a számítások
sokkal egyszerűbben végezhetők el 60°-os koordinátarendszerben, mint
derékszögű Descartes-rendszerben, ezért röviden bemutatjuk a 60°-os
koordinátarendszer használatát.

159
 (i, j )
y x
j
i
60° i sin(30°) x'
30°
i cos(30°)

D2

9.2 ábra 60°-os koordinátarendszer

A 60°-os koordinátarendszer azt jelenti, hogy az x és y tengelyek ekkora

szöget zárnak be egymással. Egy ilyen koordináta rendszerben az (i,j)
helyvektorú pont origótól való D távolsága az alábbi módon határozható meg.
Helyezzünk egy képzeletbeli Descartes-koordinátarendszert a 60°-os
koordinátarendszer origójába oly módon, hogy az y tengelyek egybe essenek. A
9.2 ábrán szaggatott vonallal rajzoltuk be a Descartes-rendszer x’ tengelyét.
Ekkor Az (i,j) pont merőleges vetülete az x’ tengelyre
i cos(α ) ,
az y tengelyre pedig
j + i sin(α ) .
Alkalmazva a Pitagorasz-tételt az (i,j) helyvektor hosszának a négyzete
D 2 = ( j + i sin(α ) ) + i 2 cos 2 (α ) =
2

= j 2 + 2 i j sin α + i 2 sin 2 α + i 2 cos 2 α =

= j 2 + ij + i 2 .
A fentiek alapján az (u1 , v1 ) és az (u2 , v2 ) pontok távolsága tehát úgy adható meg,
hogy
i = u2 − u1 ; j = v2 − v1
és a fenti összefüggést alkalmazzuk.

9.1.2 A klaszterek és a cellák lehetséges száma a klaszterekben

Nyilvánvaló, hogy az egymással szomszédos cellákban nem
alkalmazhatjuk ugyanazt a frekvenciasávot, mert zavarnák egymást. Ugyanakkor
bármely mobil rendszer számára rendelkezésre álló frekvenciasáv véges, ezért
nem rendelhetünk minden cellához külön frekvenciasávot. Így tetszőlegesen nagy
területek csak úgy fedhetők le, ha egy adott cellában használt frekvenciát újra
hasznosítjuk más cellákban. A cellákat ezért ún. klaszterekbe csoportosítják. Egy

160
klaszteren belül minden cella más frekvenciát használ. A cél természetesen az,
hogy a klaszterek celláinak K számát úgy válasszuk meg, hogy az azonos
frekvenciájú cellák minél távolabb kerüljenek egymástól és a klaszterek
segítségével a sík hézagmentesen lefedhető legyen. Ez a két feltétel egyértelmű
kötést K-ra.
Legyenek a cellák szabályos méhsejt alakúak. Helyezzük el a 60°-os
koordinátarendszer origóját az egyik bázisállomásra a 9.3 ábrán felrajzolt módon.
Ekkor ha R a cella sugara, akkor a két szomszédos cella középpontjának a
távolsága 3 R .

R 3

9.3 ábra A 60°-os koordinátarendszer és a cellastruktúra összerendelése

Egy cella területe 9.3 ábra geometriája alapján

3 3
a = R2 .
2
Ha K elem van egy reguláris klaszterben, akkor annak a területe a cellaterület
K-szorosa
3 3
A = K a = K R2 .
2
Legyen két klaszter távolsága (az ekvivalens pontok távolsága) D. Képzeletben
pedig minden klasztert helyettesítsünk egy szabályos hatszög alakú klaszterrel.
Ekkor klaszterek középpontjainak távolsága is D. Fejezzük ki a klaszter területét
D segítségével
2
 D 1 3 2
A = 3 3  = D .
 3 2 2
A klaszter mérete egyszerűen meghatározható a klaszter és a cella területének
hányadosaként

161
 2
A 3 2 1  D 
K= = D =  .
a 2 3 3 2  3 R
R
2
Ha a 60°-os koordinátarendszer tengelyein az egységet R 3 -nek választjuk, és az
egyik klaszter középpontját az origóba helyezzük, akkor az origótól D távolságra
levő másik klaszter középpontjának koordinátái (i,j), ezért
K = i2 + i j + j2 .
Tehát csak olyan klasztereket lehet létrehozni, melyek két egész számból, i-ből és
j-ből a fenti módon származtathatók, pl. 1, 3, 4, 7, 9, 12, 13, 16, 19, 21, stb. A 9.4
ábrán néhány példát mutatunk be klaszterek kialakítására.
A klaszterek közötti távolság és a cellasugár között ezért az alábbi kötött
kapcsolat áll fenn
D
= 3K .
R

1
2
1 4
R 3
3 2 D
1
1 R 2 D
1
D 4
1 3
3 2 R

12 8

4 10 2
7
7 1 6 9
6 2
1
5 3 11
D 5 3
D
4 12 8
7
6 2 4 10 2
1 R
5 3 7 1 6 9
4 R
5 3 11

9.4 ábra Példák klaszterek kialakítására

Cellás szerkezetben a frekvenciasáv hatékonyabb kihasználására két

módszer kínálkozik
• mikrocellák alkalmazásakor a cellát kisebb ún. mikrocellákra bontják,
ezáltal növelve a frekvencia újrahasznosítás mértékét,
• szektorizálás esetén a bázisállomásokon nem körsugárzó antennákat
helyeznek el, hanem tipikusan 60°, 90° és 120°-os nyalábszögű

162
 antennákat. A szomszédos szektorokban más és más frekvenciákat
használva cellán belül is megvalósítható a frekvencia-újrafelhasználás.

9.2 Interferenciák a cellás rendszerben

A hagyományos rádiócsatornákkal ellentétben, ahol az átviteli távolságot
és az átviteli minőséget az adóteljesítmény, az eredő csillapítás és a környezetből
származó zaj határozza meg, többfelhasználós rádiós rendszerekben a fentieken
kívül (a zaj hatását néha teljesen háttérbe szorítva) a fő zavarforrás az
interferencia.
A cellás rendszerekben fellépő interferenciákat két csoportra oszthatjuk
• Szomszéd csatornás interferenciák
• Azonos csatornás interferenciák
A szomszéd csatornás interferencia az egy cellán belüli frekvenciák között
lép fel és elsősorban a készülékek korlátai (frekvenciastabilitás, szűrés,
sávszélesség) határozzák meg. Az azonos csatornás interferencia pedig, mely két
szomszédos klaszter azonos frekvenciasávot használó cellái között lép fel,
elsősorban a frekvencia-újrafelhasználási klaszter szerkezetétől függ, azaz a D
távolságtól. Az előbbi jelenség elsősorban berendezésfüggő, míg az utóbbi
rendszertechnikai jellemző, ezért a következő alfejezetben az azonos csatornás
interferenciára vonatkozó alapösszefüggéseket foglaljuk össze.

9.2.1 Alapösszefüggések az azonos csatornás interferenciára

Az elnyomásra vonatkozó legfontosabb paraméter az a~ ún. azonos csatornás
elnyomási tényező
D
a~ = = 3 K ,
R
mely egyenesen arányos a klaszterek közötti D távolsággal (az azonos
frekvenciájú cellák távolsága), hiszen minél távolabb vannak az azonos
frekvenciát használó cellák egymástól, annál kisebb lesz az általuk okozott
zavaró hatás. Ugyanakkor az azonos csatornás elnyomási tényező fordítottan
arányos az R cellasugárral, mivel a cellasugár növelésével csökken az azonos
frekvenciájú cellák távolsága.
Határozzuk meg most a 9.5 ábra referencia cellájában fellépő jel-zaj
viszonyt, mely a saját Pj teljesítmény és a sávba eső Pz teljes zavaró teljesítmény
hányadosaként az alábbi módon számolható
P  P E
γ =  j  = S
= S
L ,
1 L
1
 Pz  N 0 + ∑ I i N0 + ∑ Ii
TS i =1 TS i =1

ahol Es a szimbólumenergia, N0 a fehér Gauss-zaj egyoldalas

1
teljesítménysűrűsége, melyet sávszélességgel veszünk fegyelembe. I i pedig
Ts

163
az L db. interferáló cella közül az i-dik, Di távolságra levő cellából származó
szimbólumenergia.

(i)

Di i-dik interferáló
R
cella

Referencia cella
9.5 ábra Az azonos csatornás interferencia számításához

Vegyük most a jel-zaj viszony szempontjából lehető legrosszabb esetet.

Helyezzük a mobil vevőt a referencia bázisállomástól a lehető legmesszebb a
cellahatárra. Ez egyben azt is jelenti, hogy a lehető legközelebb van az interferáló
bázisállomáshoz. Nyilvánvalóan ezt csak egy interferáló cella viszonylatában
tehetjük meg, hiszen azok jó közelítéssel körszimmetrikusan helyezkednek el a
referencia cella körül, de a számítások egyszerűsítése érdekében, most
feltételezzük, hogy a fenti elhelyezés egyszerre teljesül valamennyi interferáló
cellára.
A kétutas hullámterjedési modellt alkalmazva a jel teljesítménye a távolság
negyedik hatványával fordítottan arányos. Ha minden adó azonos teljesítménnyel
dolgozik, akkor
Es 4 1 1
Ii = R ; Es ~ ; Ii ~ ,
Di4 R4 Di 4

a jel-zaj viszony pedig az alábbi alakú

 Pj  1
γ = = .
 Pz  N 0 L
R4
+∑
E s i =1 Di4

Körszimmetrikusan elhelyezkedő interferáló cellákat feltételezve Di = D s így a

következő egyszerű kifejezés adódik
1
γ = ,
N0 R4
+L 4
Es D

N0
amiből az << 1 feltételezéssel
Es

164
  D4 
 4  ~4
R  a
γ≅ = .
L L
Végeredményünkből jól látszik, hogy az azonos csatornás interferencia döntően
befolyásolja a jel-zaj viszonyt.
A szabályos méhsejt-típusú cellás rendszerben első közelítésben elegendő
a hat legközelebbi azonos csatornás interferáló cella hatását figyelembe venni.
Ennek alapján a jel-zaj viszony
 Pj  a~ 4  D  1
4

γ =  ≅ =  ,
 Pz  6  R 6
amiből
D 4
= 6γ .
R
Tudjuk, hogy egyúttal
D
= 3K ,
R
ezért megállapíthatjuk, hogy a jel-zaj viszony és a klaszterben lévő cellák K
száma (mely egyben egyben a teljes frekvenciasáv szegmentálási száma is) között
is az alábbi egyértelmű kapcsolat áll fenn

1 2
K= 6γ = γ .
3 3

9.3 A cellás rendszerek hatékonysága

A cellás rendszerek geometriájának és interferenciaviszonyainak
áttekintése után a különböző multiplexálási technikák alkalmazhatóságát, illetve
hatékonyságát vizsgáljuk. Jelenleg három multiplexálási technika ismert
• Frekvenciaosztásos rendszer (Frequency Division Multiplex, FDM)
• Időosztásos rendszer (Time Division Multiplex, TDM)
• Szórt spektrumú rendszer (Code Division Multiplex, CDM),
melyek jellemzői megegyeznek a megfelelő, korábban ismertetett többszörös
hozzáférési technika jellemzőivel.
Mindenekelőtt vezessük be az alábbi jelöléseket:
Bt=1.25 MHz a teljes rendelkezésre álló sávszélesség
Bc egy cella egy csatornájára eső sávszélesség
K a frekvencia újrafelhasználás paramétere (a különböző
frekvenciákat használó cellák száma, az egy klaszterben levő cellák
száma)
L a frekvenciasávok teljes száma

165
 Z a sávon belüli időosztásos részcsatornák száma (TDM)
n az egy cellára jutó csatornák száma
k az antennaszegmensek száma (tipikusan 3)
γ jel-interferencia viszony
l a beszédaktivitás mérőszáma, megadja, hogy az idő hány
százalékában van valós átviendő információ a csatornában. Tipikus
értéke 1/3.

Az egyes rendszereket az egy cellára jutó csatornák számára épülő

hatékonysági mutatók alapján lehet összehasonlítani, ezért első feladatunk n
meghatározása az egyes esetekben. Mielőtt a számításokba kezdenénk
emlékeztetünk, hogy a jel-zaj viszony és a klaszter cellaszáma között a
2
 3K 
γ = 
 2 

összefüggés áll fenn.

FDM analóg rendszer

Bc = 25 kHz (FM)
K = 7 (γ = 18,6 dB )
Bt 1,25 ⋅ 103
n= = ≅7
Bc K 25 ⋅ 7

TDM digitális rendszer

Bc = 25 kHz (FM)
Z = 3 (~8 kbit/sec csatorna)
K = 4 (γ = 13,8 dB )
Bt 1,25 ⋅10 3
n= Z= ⋅ 3 ≅ 37
Bc K 25 ⋅ 4
CDM digitális rendszer
Bt = Bc = 1.25 MHz (FM)
PG = 156
K = 1; k = 1 vagy 3; l = 1/3
Es E
γ '= N = 7dB ; γ = s = −15dB
∑ Ii ∑ Ii
A CDM struktúrában elsősorban a rendszerzaj dominál, ezért a lehetséges
csatornák számát a következőképpen célszerű kiszámítani:

166
A mobil → bázisállomás irányban (teljesítményszabályzás esetén)
M db. mobil esetén a rendszerzajt az (M-1) mobil generálta interferencia
határozza meg, ezért a jel-interferencia viszony jó közelítéssel
 Pj  Es 1
γ b→ m =   ≅ = .
 Pz  b ( M − 1) Es M − 1

A bázisállomás → mobil irányban

Az átlagos teljesítmény számítása az alábbi módon történhet. Annak a
valószínűsége, hogy egy mobil egy R sugarú cellában a bázisállomástól számítva
az r és r +dr tartományban található
1 2r
P{r ≤ x < r + dr} = r dr 2π = 2 dr
Rπ
2
R
abban az esetben, ha a mobilok eloszlása egyenletes a cellán belül.
A bázisállomás egy mobilhoz küldött átlagos teljesítménye a távolság
negyedik hatványával arányos
  r 4
P1 = E Pj    ,
  R  
ahol Pj a cellahatáron vett teljesítmény. A várható érték képzéshez helyettesítsük
be r sűrűségfüggvényét
R 4 R
 r  2r 2
P1 = ∫ Pj   2 dr = Pj 6 ∫ r 5dr =
0
 R R R 0

R
2 r 6  1
= Pj 6   = Pj .
R  6 0 3

Ezért az M különböző mobilhoz a leadott átlagteljesítmény

1
Pt = M Pj
3
és nem Pj M , mint azt első pillanatban gondolnánk.
A jel-interferencia viszony meghatározásához a 9.6 ábra
cellastruktúrájából indulunk ki. A mobil három cella közös határán áll, ezek a
közeli cellák. Ezeken kívül figyelembe vesszük az 1. és 2. távoli cellákat is. Ha
minden cellában M db. mobil van, akkor a saját cellában levő interferencia
teljesítmény
1
E s Ts ( M − 1) ,
3
a két másik szomszédos cellából származó interferencia pedig
1
E s Ts 2 M .
3

167
A három darab 1. távoli cellákból érkező interferencia teljesítmény számításakor
1
értékkel vesszük figyelembe a távolságfüggést
24
1 1
E s Tj 3 M ,
3 24
a hat darab 2. távoli cellánál pedig
4
1 1 
E s Ts 6 M   .
3  2,633
Az interferenciák összegzése után a jel-interferencia viszony
 Pj  Es
γ m→b =   ≅ =
 Pz  m→ b  1 1 1 1 1 1  
4

E s  ( M − 1) + 2 M + 3 M
 + 6M   
 3 3 3 2 4
3  2 ,633  

1
= .
1104
, M − 0,33

Esetünkben ha γ = –15 dB, M = 28 akkor

84 ha k = 1
n= Mkl =
252 ha k = 3

2. távoli cellák (D = 2,633R )

1. távoli cellák (D = 2R )

saját cella
a mobil helyzete

közeli cellák (D = R )
9.6 ábra A jel-interferencia viszony számításához

9.3.1 Hatékonysági mutatók

A következőkben a csatornaszám felhasználásával számítható
hatékonysági mutatókat foglaljuk össze.

168
Területi hatékonyság
Az egységnyi területre és egységnyi frekvenciára eső csatornák száma
n  csatornaszám 
ηt =  
R π Bt  km 2 MHz 
2

Pl. FDM esetben

7 1,78  csatornaszám 
ηt = = 2  
R π 1,25 R  km 2 MHz 
2

Ellátottsági hatékonyság
Megadja az ellátott felhasználók számát, a blokkolási valószínűség
ismeretében
T
Nf = M ( n, PB , t ) ,
π R2
ahol T a teljes lefedett terület, R a cellák sugara, n a cellánkénti rendelkezésre álló
forgalmi csatornák száma, PB a blokkolási valószínűség, t pedig az átlagos
hívási idő (egy óra perceiben) és
F (n, PB )
M ( n, PB , t ) = 60
t
az egy cellában ellátott felhasználók száma, ahol F ( n, PB ) az Erlang B formula,
λ
mely a felajánlott forgalmat adja meg a csatornaszám és PB függvényében az
µ
alábbi egyenlőség alapján
n
 λ 1
 
 µ  n!
PB = i
.
n
 λ 1
∑  
i =0  µ  i !

Vegyünk egy hazai példát a fentiekre

T = 100.000 km2
R = 01
. , 1, 10 km
n=7
PB = 0.02
t = 176
. perc
l
F (7;0.02) = 2,94 ≡
m
2,94
M= 60 = 100
1,76

169
 . ⋅ 108 ;
318 R = 01
. km
100000 107 
Nf = 100 = = 318
. ⋅ 106 ; R = 1 km
Rπ2
Rπ 
2

. ⋅ 104 ;
318 R = 10 km

9.3.2 Az egyes rendszerek előnyei és hátrányai

FDM rendszer
Előnyök:
− keskeny sávú átvitel (nincs szükség
csatornakiegyenlítésre)
− a technológia ismert
− a rendszer illeszkedik a meglévő analóg rádiós
rendszerekhez
Hátrányok:
− szükség van keskenysávú szűrőkre (nem VLSI)
− a bitsebesség rögzített

TDM rendszer
Előnyök:
− a bitsebesség változtatható
− a handoff eljárás jól támogatható a térerő mérésével és a
hibaarány monitorozásával
− a gyors fading ellen jól használható a
csatornakiegyenlítési technika
Hátrányok:
− nagy csúcsteljesítmény kell (uplink)
− nagy a vevő komplexitása

CDM rendszer
Előnyök:
− kis teljesítménysűrűség
− zavarvédettség
− többutas terjedés elleni védettség
− adatvédelem
Hátrányok:
− nagy sávszélesség

170
10. Digitális modulált jelek átvitele diszperzív csatornán
A mobil rádiós rendszerekben a többutas terjedés és a véletlenül változó
átviteli közeg miatt diszperzív fadinges csatornáról beszélünk. E csatornatípusban
tipikusan többféle hibajelenség okoz eltérést az ideális rendszerhez viszonyítva,
úgymint
• az időben változó lineáris torzítás (késleltetés szórás, Doppler-szórás,
fading)
• nemlineáris torzítás
• additív zavaró jelek (termikus zaj, impulzus zaj, azonos csatornás
interferencia, idegen csatornás interferencia)
• fázis jitter, stb.
Ebben a fejezetben az időben változó lineáris torzítások hatására létrejövő
szimbólumközi áthallás (Inter Symbol Interference, ISI) jelenségével
foglalkozunk. Ehhez szorosan kapcsolódik azon csatornakiegyenlítési
eljárásoknak a tárgyalása, melyek alkalmasak az ISI hatásának csökkentésére.

10.1 A szimbólumközi áthallás fogalma

10.1.1 Az alapmodell
A lineáris torzításos csatorna komplex alapsávi ekvivalens modellje a 10.1
ábrán látható.

n( t )
∑ d δ (t − kT )
k s 1 yk
k Ts
g s (t ) c( t ) g r (t )
+
w(t ) y (t )
Gs ( f ) C (f ) Gr ( f )

h(t ) = g s (t )∗ c(t )
10.1 ábra A lineáris torzításos csatorna komplex alapsávi ekvivalens modellje

Az ábrán látható jelölések jelentése a következő:

g s (t ) : az adó alapsávi elemi jele
c(t ) : a csatorna súlyfüggvénye
n(t ) : a komplex alapsávi zaj
h(t ) : az adó és a csatorna eredő alapsávi elemi jele, h(t ) = g s (t )∗ c(t )
g r (t ) : a vevő szűrőjének súlyfüggvénye

171
 A csatornában a mintavevő előtti y (t ) jel az alábbi módon írható le:
+∞
y (t ) = ∑d k f (t − kTs ) + ν (t ) ,
k =−∞

ahol
+∞

f (t ) = ∫g r (τ )h(t − τ )dτ
−∞

és
+∞

ν (t ) = ∫ g (τ ) ⋅ n(t − τ )dτ .
r
−∞

A mintavevő kimenetén Ts időnként az alábbi jelet kapjuk:

+∞
y n = y (nTs ) = ∑d k f (nTs − kTs ) + ν (nTs ) =
k =−∞
+∞
= dn f 0 + ∑d
k =−∞
k f n−k + ν n ,
k ≠0

ahol az első tag a hasznos jelet, a második a szimbólumközi áthallást, a harmadik

pedig a szűrt additív zajt írja le.
A fentiek figyelembe vételével a szimbólumközi áthallás illusztrációja
transzverzális szűrő segítségével történhet, mint az a 10.2 ábrán látható. A
szimbólumközi áthallástól való mentesség nyilvánvaló feltétele, hogy fn=0, ha
n≠0. Ilyenkor y n = d n f 0 + ν n .
Fontos megjegyezni, hogy az ISI mentesség akkor fontos, ha egy mintából
akarunk döntést hozni egy szimbólumra, tehát yn értékéből akarjuk dn értékét
becsülni.

{d n }
Ts Ts Ts Ts Ts Ts

⊗ ⊗ ⊗ ⊗ ⊗
f−L f −2 f −1 f0 f2
⊗ ⊗
f1 fL

{ yn }
⊕ ⊕ ⊕ ⊕ ⊕ ⊕
{ν n }
10.2 ábra Szimbólumközi áthallás illusztrálása transzverzális szűrő segítségével

172
10.1.2 Az ISI mentesség feltétele (Nyquist-feltétel)
A Nyquist-feltétel az f (t ) = g s (t )∗ c(t )∗ g r (t ) eredő átvitelre ad megkötést
a következő formában
 f0 ha n = 0
f n = f (nTs ) = 
0 ha n ≠ 0,

ami azt jelenti, hogy az f (t ) függvény Ts időnként vett mintái közül csak egy
különbözhet nullától.
Az f (t ) akkor teljesíti a fenti feltételt, ha
+∞
1  n 1
Ts
∑ F  f
n =−∞
+  = f0 a f ≤
Ts  2Ts
tartományon,

ahol F ( f ) az f (t ) Fourier-transzformáltja. Ennek belátása a következő

lépésekben történik
+∞ +∞ ( 2 n +1)/ 2 Ts
f k = f ( kTs ) = j 2 πfkT
∫ F ( f ) ⋅ e s df = ∑ ∫ F( f ) ⋅ e j 2 πfkTs
df =
−∞ n =−∞( 2 n −1)/ 2 Ts

 n
+∞ 1/ 2 Ts
 n  j 2π  f ' +  kTs
= ∑ ∫ F  f '+  ⋅ e  Ts  df ' =
n =−∞ −1/ 2 Ts  Ts 

1/ 2 Ts
 +∞  n 
= ∫ e j 2 πfkTs
⋅  ∑ F  f +  df .
−1/ 2 Ts n =−∞  Ts  

Mivel
1/ 2 Ts
sin πk  f0 ha k = 0
∫ e j 2πfkTs ⋅ Ts f 0 df = f0 = 
−1/ 2 Ts
πk 0 ha k ≠ 0,

így teljesülnie kell, hogy

+∞
1  n 1
FΣ ( f ) =
Ts
∑ F  f
n =−∞
+  = f 0 , ha f ≤
Ts  2Ts
,

azaz az ún. Nyquist spektrumnak konstansnak kell lennie.

Megjegyzendő, hogy az {fn} sorozat Z-transzformáltját az
+∞
F ( z) = ∑f n z −n
n =−∞

kifejezés alapján számolhatjuk és

1
F ( z) = FΣ ( f ) , f ≤
z = exp( j 2 πfTs ) 2Ts
a Nyquist spektrum értékét adja.

173
10.2 Optimális koherens vétel diszperzív csatornában
A jelek vektoriális leírásához adjuk meg a vevőszűrő bemenetén
megjelenő jelet az alábbi formában
∞ +∞

w( t ) = ∑ wn ϕ n ( t ) , ∫ϕ n (t ) ⋅ ϕ *k (t )dt = δ kn ,
n =1 −∞

ahol {ϕ n (t )} a jelre nézve teljes ortonormált bázis és

+∞
wn = ∑d k hnk + nn ,
k =−∞

ahol
Ts

hnk = ∫ h(t − kTs ) ⋅ ϕ *n (t )dt

0

és
Ts

nn = ∫ n(t ) ⋅ ϕ *n (t )dt .
0

Fontos kiemelni, hogy az {nn } komplex Gauss-eloszlású független

jelsorozat nulla várható értékkel és
1
2
[ ]
E nk* ⋅ nm = N 0 ⋅ δ km kovarianciával
rendelkezik.

10.2.1 A komplex alapsávi fehér Gauss zaj leírása a vektortérben és a jel

energiája
A zajvektor n-dik elemét a komplex vektortérben az
Ts

nn = ∫ n(t ) ⋅ ϕ *n (t )dt
0

összefüggéssel állíthatjuk elő.

Az {nn } sorozat Gauss-eloszlású, nulla várható érétkű valószínűségi
változó sorozat, melynek korrelációs függvénye az alábbi módon számolható

1  s *   Ts 
T
1
2
[ *
]
E n k ⋅ nn = E ∫ n (t ) ⋅ ϕ k (t )dt  ⋅  ∫ n( ρ ) ⋅ ϕ *n (t )dρ   =
2  0  0  

1 s s * 
T T

= E ∫ ∫ n (t ) ⋅ n( ρ ) ⋅ ϕ k (t ) ⋅ ϕ *n (t )dtdρ  =
2  0 0 

T T
1 s s
[ ]
= ∫ ∫ E n * (t ) ⋅ n( ρ ) ⋅ ϕ k (t ) ⋅ ϕ *n (t )dtdρ =
200

174
 T T T
1 s s s

= ∫ ∫ 2 N 0δ (t − ρ ) ⋅ ϕ k (t ) ⋅ ϕ *n (t )dtdρ = N 0 ∫ ϕ k (t ) ⋅ ϕ *n (t )dt = N 0 ⋅ δ kn .
200 0

A komplex alapsávi zajkomponens valós és képzetes része független,

azonos eloszlású, nulla várható értékű és N0 szórásnégyzetű Gauss eloszlású
valószínűségi változó. A hasznos komplex alapsávi jel Ts időre jutó energiáját
vektortérben az alábbi kifejezéssel határozhatjuk meg
Ts +∞  Ts 2

E ∫ ∑ d k h(t − kTs ) dt  = E ∫ ∑ ∑ d k ⋅ d l* ⋅ h(t − kTs ) ⋅ h * (t − lTs )dt  =
 0 k =−∞   0 k l 

∫ ∑ E[ d ] ⋅ h(t − kT ) dt = E[ d ] ⋅ ∫ ∑ h(t − kT ) dt =
Ts Ts

=
2 2 2 2
k s k s
0 k 0 k

[ ]
+∞

= E dk ⋅ ∫ h( t )
2 2
dt ,
−∞

ha E[d k ⋅ d l* ] = 0, l ≠ k , azaz a különböző időrésekben érkező komplex adatjelek

korrelálatlanok.

10.2.2 Az optimális vevőszűrő meghatározása

Vizsgáljuk meg a vett jel statisztikáját! A w = ( w1 , w2 ,..., w N ) jelvektor
együttes valószínűségi sűrűségfüggvénye a
N  +∞ 2

P{ w d, H} = ∏
1 1
exp − ⋅ wn − ∑ d k hnk 

n =1 2πN 0  2N0 k =−∞ 

kifejezéssel adható meg, ahol H = (h 1 , h 2 ,..., h N ) T alakú és

h i = (..., hi , −2 , hi , −1 , hi ,0 , hi ,1 , hi ,2 ...) , hiszen E nk [ ] = 2 N , azaz a zajkomponens valós
2
0

és képzetes részének szórásnégyzete egyaránt N0.

Maximum likelihood értelemben optimális vevő esetében arra a d vektorra
döntünk, amely a P( w d, H) feltételes valószínűségi sűrűségfüggvényt vagy annak
logaritmusát maximálja. Azaz d-re döntünk, ha log P{ w d, H} > log P w d$ , H { }
minden d$ ≠ d -re.
Fehér Gauss zajos csatornában ez annyit jelent, hogy a
N +∞ 2

µ (d) = − ∑ wn − ∑d k hnk =
n =1 k =−∞

+∞ +∞
N N
 
= − ∑ wn + ∑  wn* ⋅ ∑ d k hnk + wn ⋅ ∑ d k* hnk*  −
2

n =1 n =1  k =−∞ k =−∞ 

175
 N
 +∞   +∞ * 
− ∑  ∑ d k hnk  ⋅  ∑ d m* hmk 
n =1  k =−∞   m=−∞ 
N

∑w
2
kifejezést kell maximalizálni a d megválasztásával. Mivel n független
n =1

d-től, ezért elegendő a második két tag összegét maximalizálni

 +∞
 N  +∞ +∞ N
µ '(d) = 2Re ∑ d k* ⋅  ∑ wn hnk*   − ∑ ∑ d k ⋅ d m* ⋅∑ hnk ⋅ hnm* .
k =−∞  n =1  k =−∞ m =−∞ n =1

Tudjuk továbbá, hogy

N +∞

∑ wn ⋅ hnk* =
n =1
∫ w(τ ) ⋅ h
*
(τ − kTs )dτ = y k
−∞

és
N +∞

∑h
n =1
nk ⋅h*
nm = ∫ h(τ − kT ) ⋅ h s
*
(τ − mTs )dτ = f k −m ,
−∞

amiből látszik, hogy optimális esetben a vevőszűrőnek a g r (t ) = h * ( −t ) feltételt

kell teljesítenie. Ebben az esetben beszélünk illesztett szűrős vételről.
Végezetül figyelembe véve a fentieket az optimális dekódolást a
+∞ +∞ +∞
 
µ ' (d) = 2Re ∑ d k* ⋅ y k  − ∑ ∑d k ⋅ d m* ⋅ f k −m ,
k =−∞  k =−∞ m=−∞

kifejezés maximalizálásával lehet biztosítani.

Az illesztett szűrő kimenetén a zajmintákat a
+∞ +∞

ν n = ∫ n(nTs − τ ) ⋅ h * ( −τ )dτ = ∫ n(nTs + τ ) ⋅ h * (τ )dτ ,

−∞ −∞

kifejezés segítségével számolhatjuk. Ebből a sorozat diszkrét korrelációs

függvényére
1
2
[ ]
E ν *k + n ⋅ ν k = N 0 ⋅ f n adódik, mivel

+∞ +∞
1  
1
2
[ ]
E ν k + n ⋅ ν k = E ∫ ∫ h(τ ) ⋅ n * (( k + n)Ts + τ ) ⋅ h * ( ρ ) ⋅ n( kTs + ρ )dτdρ  =
*

2 −∞−∞ 
+∞ +∞

=
1
∫ ∫
2 −∞−∞
[
h(τ ) ⋅ h * ( ρ ) ⋅ E n * ( ( k + n)Ts + τ ) ⋅ n( kTs + ρ ) dτdρ = ]
+∞ +∞

= N0 ∫ ∫ h(τ ) ⋅ h
*
( ρ ) ⋅ δ ( nTs + τ − ρ )dτdρ =
−∞ −∞

+∞

= N 0 ∫ h(τ ) ⋅ h * (τ + nTs )dτ = N 0 ⋅ f n (nTs ) = N 0 ⋅ f n .

−∞

176
10.2.3 A szimbólumközi áthallással terhelt csatorna összefoglalása
Az optimális vevőszűrővel rendelkező csatorna modellje a 10.3 ábrán
látható. Az adószűrő és csatorna együttes átvitelét a h(t ) = g s (t )∗ c(t )
súlyfüggvénnyel jellemezzük. A bemenet és a mintavétel előtti y(t) jel között az
f (t ) = g s (t )∗ c(t )∗ g s* ( − t )∗ c * ( − t ) = h(t )∗ h * ( − t ) függvény teremt kapcsolatot.

n( t )
∑ d δ (t − kT ) 1
{yk }
k s
k Ts
zajfehérítõ
g s (t ) c( t ) + h ( −t )
*
szûrõ
w(t ) y (t ) {v k }
Gs ( f ) C (f ) Gr ( f ) W ( z)

h(t ) = g s (t )∗ c(t )

f (t ) = g s (t )∗ c(t )∗ g s* ( − t )∗ c * ( − t ) = h(t )∗ h * ( − t )

10.3 ábra Az ideális vevőszűrővel rendelkező csatorna

A mintavétel után
+∞ +∞
y n = y (nTs ) = ∑ d k f (nTs − kTs ) + ν n = ∑d k f n−k + ν n
k =−∞ k =−∞

és
+∞ +∞

f n− k = ∫ h(t − kTs ) ⋅ h (t − kTs )dt = ∫ h(τ ) ⋅ h ((n − k )T + τ )dτ .

* *
s
−∞ −∞

Az illesztett szűrő kimenetén a szimbólumközi áthallás mentesség

általában nem teljesül. Ez jelentősen leronthatja az átvitel tulajdonságait
(beszűkül a szemábra, jelentősen nő a hibaarány). Az illesztett szűrő kimenetén a
zajminták nem korrelálatlanok, a mintasorozat autókorrelációs függvénye direkt
módon kapcsolódik a vevőszűrő kimenetén mérhető { f n } jelminta sorozat
értékeihez
Az ISI megszűntetésére két alapvető lehetőség kínálkozik:
• g s (t ) módosítása úgy, hogy az eredő f (t ) = g s (t )∗ c(t )∗ g r (t ) elemi jel
teljesítse a Nyquist-feltételt.
• A vevőszűrő után egy folytonos vagy diszkrét idejű ún.
csatornakiegyenlítő szűrő elhelyezése.
Jegyzetünkben az utóbbi megoldást tárgyaljuk részletesen.

177
10.3 A csatornakiegyenlítés módszerei
A csatornakiegyenlítés célja tehát olyan diszkrét idejű szűrő méretezése,
amely biztosítja, hogy a csatorna kimenetén a szimbólumközi áthallás mértéke az
eredeti állapothoz - azaz az { yn } sorozatban érzékelhetőhöz - képest csökkenjen.
A fenti általános feladat megoldásakor az alábbi problémákkal kell számolni:
• A szimbólumközi áthallás alapvető oka a csatorna paramétereinek,
nevezetesen a c(t) súlyfüggvénynek az állandó változása. Ez azt jelenti,
hogy a csatornakiegyenlítés feladatát adaptív módon kell megvalósítani.
• A csatornakiegyenlítő szűrő elsősorban a szimbólumközi áthallás
hatásának csökkentésére szolgál, befolyásolja azonban az additív zaj
hatását is. Az egyes csatornakiegyenlítési módszerek között éppen az a
különbség, hogy azok a szimbólumközi áthallást és az additív zajt
együttesen hogyan kezelik.
A csatornakiegyenlítés típusai a következők:
• Nullázó stratégia (Zero Forcing, ZF): a szimbólumközi áthallás értékét
nullára állítjuk be.
• Négyzetes átlaghibára optimális megoldás (Mean Square Error,
MSE): a zaj és a szimbólumközi áthallás négyzetes összegének
minimalizálásával alakítunk ki optimális rendszert.
• Döntésvisszacsatolt kiegyenlítés (Decision Feedback, DF): a
demodulálás és dekódolás után nyert szimbólumokat is felhasználjuk a
csatorna kiegyenlítésére.
• Maximum likelihood sorozat becslés (Maximum Likelihood Sequence
Estimation, MLSE): közvetlenül a diszperzív csatornához tartozó
optimális vételt valósítjuk meg az ún. Viterbi-algoritmus
alkalmazásával anélkül, hogy a csatornakiegyenlítést külön szűrővel
oldanánk meg.
A csatornakiegyenlítő szűrő tervezése két lépésben történik. Először
meghatározzuk a 10.3 ábrán feltüntetett ún. diszkrét zajfehérítő szűrőt. Ennek a
valóságos rendszerekben nincs önálló szerepe, a konkrét megoldásban a
csatornakiegyenlítő szűrő valósítja meg ezt a funkciót is. Bevezetése mindössze a
rendszerparaméterek számítását támogatja.
Az optimális vevőszűrővel és a zajfehérítő funkciót is tartalmazó
csatornakiegyenlítő szűrővel rendelkező csatorna modellje a 10.4 ábrán látható.

178
 n( t )
∑ d δ (t − kT ) 1
{yk }
k s
k Ts csatorna-
g s (t ) c( t ) + h ( −t )
* kiegyenlítõ

{d$ }
szûrõ
w(t ) y (t ) k
Gs ( f ) C (f ) Gr ( f ) C'( z)

h(t ) = g s (t )∗ c(t )

f (t ) = h(t )∗ h * ( − t )

10.4 ábra Az optimális vevőszűrővel és csatornakiegyenlítő szűrővel rendelkező

csatorna

10.3.1 A zajfehérítő szűrő méretezése

Célunk egy olyan diszkrét idejű szűrő méretezése, amely a vevőszűrő
kimenetén lévő { y n } mintasorozatot lineáris transzformáció segítségével (pl. egy
transzverzális szűrő beiktatásával) olyan {v n } sorozattá alakítja, amely független
(korrelálatlan) Gauss eloszlású additív zajösszetevőket tartalmaz.
Mint korábban már láttuk az { y n } sorozat zajmentes esetben
+∞
yn = ∑d k f n−k
k =−∞

alakban írható fel, amiből az egyenlet két oldalának Z-transzformációja után az

Y ( z ) = D( z ) ⋅ F ( z )
egyenlethez jutunk, ahol
L
F ( z) = ∑f n ⋅ z − n és fn=0 ha n > L .
n =− L

Korábbi eredményekből tudjuk, hogy f n* = f − n , ezért fennáll az alábbi

összefüggés
 1
F ( z) = F *  *  ,
z 

mivel
* −n * *
 1  − n   1   1 
n

F ( z) = ∑ f n ⋅ z −n
=∑f *
−n ⋅  − n   = ∑ f − n ⋅  *   = ∑ f n ⋅ *  .
n n  z    n  z    n  z  

Mindebből az következik, hogy F ( z) minden gyökének van egy reciprok

konjugált párja. Így az F ( z) biztosan két polinom szorzatára bontható, azaz

179
  1
F ( z ) = G( z ) ⋅ G *  *  .
z 

Válasszuk a zajfehérítő szűrő W(z) átviteli függvényét G * 

1
 értékűre,
 z* 
ekkor
ν ( z)
V ( z ) = ( D( z ) ⋅ F ( z ) + ν ( z ) ) ⋅ W ( z ) = D( z ) ⋅ G ( z ) + .
 1
G  *
*
z 

A zaj teljesítménysűrűség függvénye a zaj diszkrét korrelációs

függvényének Z-transzformációjával állítható elő, azaz
∞
Sνν ( z ) = N 0 ⋅ ∑f n ⋅ z −n =N 0 ⋅ F ( z) ,
n =−∞

amiből
(
Sνν ( f ) = N 0 ⋅ F e j 2πfTs ) , ha f ≤
1
2Ts
.

Tudjuk továbbá, hogy

1 ∞  n
(
F e j 2πfTs = ) ⋅ ∑ F f +  .
Ts n =−∞  Ts 

A zajfehérítő szűrő kimenetén levő {η n } zajminták teljesítménysűrűség

függvénye ebből az
(
Sηη ( f ) = N 0 ⋅ F e j 2πfTs ⋅ ) 1
= N0 , f ≤
1
( )
2
G * e j 2πfTs 2Ts

alakban adódik, azaz az {η n } sorozat fehér, vagyis független zajminták sorozata.

Ezért a zajfehérítő szűrő kimenetén a jel a
L
v k = ∑ g n d k −n + η k
n =0

módon adható meg, ahol g = ( g 0 , g1 ,..., g L ) T az ún. csatornavektor. Az eredő

jel/zaj viszony pedig a

[ ]
N
⋅ ∑ gi
2 2
E dk
E
γ= = i =0

N0 2N0
értékkel jellemezhető. A zajfehérítő szűrő paramétereinek birtokában most már
rátérhetünk a csatornakiegyenlítő szűrő meghatározására.

10.3.2 Nullázó csatornakiegyenlítés (Zero Forcing, ZF)

A lineáris csatornakiegyenlítő szűrő modellje és az alkalmazott jelölések a
10.5 ábrán láthatóak. Célunk a C ( z) , illetve a C'( z) = C( z) ⋅ W ( z) transzverzális

180
 szűrő méretezése oly módon, hogy a kimeneti jelsorozat minden eleme a
bemeneti {d k } üzenetek közül csak egytől függjön. A kiegyenlítő C ( z) szűrő
felépítését a 10.6 ábra mutatja.

n( t )
∑ d δ (t − kT )
k
k s 1
Ts
g s (t ) c( t ) + h ( −t )
*
{ wn } {cn }
w(t ) y (t ) {yk } {v k } {d$ }
k
Gs ( f ) C (f) Gr ( f ) {ν k } W ( z) {η k } C( z) {ξ k }
h(t ) = g s (t )∗ c(t )
C'( z) = W ( z) ⋅ C( z )
f (t ) = g s (t )∗ c(t )∗ g ( − t )∗ c ( − t ) = h(t )∗ h ( − t )
*
s
* *
F ( z ), { f n }

G ( z ), {g n }
10.5 ábra Az ideális vevőszűrővel rendelkező csatorna

{v n }
Ts Ts Ts Ts Ts Ts

⊗ ⊗ ⊗ ⊗ ⊗
c0 ck −2 ck −1 ck ck +2
⊗ ⊗
ck +1 c N −1

{d$ }
n

⊕ ⊕ ⊕ ⊕ ⊕ ⊕~
{d }
n

10.6 ábra A kiegyenlítő szűrő felépítése

A kiegyenlítő szűrő bemenetére a zajfehérítő szűrő kimenetén levő

v k = ∑ gn d k −n + η k
n

jelsorozat érkezik és a döntés előtt a kiegyenlítő szűrő kimenetén a jel a

~
d k = ∑ cn v k − n
n

alakban adható meg.

Feltételezve, hogy a C(z) szűrő fokszáma tetszőleges lehet, a feladat
megoldása igen egyszerű, hiszen a rendszer kimenetén a hasznos jel zajmentes
~
esetben d k = d$k , ahol

181
 d$k = ∑ q n d k −n
n

alakban írható fel és

q n = ∑ cn g n − j ,
j

azaz a két szűrő diszkrét súlyfüggvényének konvolúciója. Az egyenlet két

oldalának Z-transzformálása után az eredő átvitelre a
Q( z ) = C ( z ) ⋅ G ( z )
kifejezést kapjuk.
A nullázó kiegyenlítés feltétele (a természetes késleltetés
elhanyagolásával), hogy
1
Q( z ) = 1 , C ( z ) = ,
G( z)
amiből a nullázó típusú csatornakiegyenlítő szűrő átvitelére a
1 1 1
C' ( z) = C( z) ⋅ W ( z) = C( z) ⋅ = =
 1  1  F ( z)
G *  *  G ( z) ⋅ G *  * 
z  z 
kifejezés adódik.
A fenti eredmény egyszerűen magyarázható. A nullázó típusú
csatornakiegyenlítésnél a csatorna diszperziójának eredményeképpen a
csatornaszűrő kimenetén létrejövő szimbólumközi áthallást úgy lehet
megszüntetni, ha a teljes átvitelre jellemző lineáris átviteli függvény inverzét
valósítjuk meg a döntés előtt.
A megoldás hátránya az, hogy a kiegyenlítő szűrő a zaj hatását jelentősen
kiemelheti, mivel a kimeneti zaj teljesítménysűrűsége
N0 1
Sξξ ( f ) = , ha f ≤ ,
F e( j 2 πfTs
) 2Ts

tehát az F() átviteli függvény zérusai környékén a zaj szintje jelentősen

megemelkedhet.
Adaptív megoldás esetén a c vektor elemeit, vagyis a kiegyenlítő szűrő
paramétereit tanuló eljárással határozzuk meg.
A eljárás az alábbi algoritmust alkalmazza (a késleltetések
elhanyagolásával)
c kj +1 = c kj + α ⋅ ε k ⋅ d k*− j ; j=0,...,N-1

ahol
{c }
k
j a kiegyenlítő rendszer paramétereinek értéke a k-dik iterációs
lépésben,

182
 N −1
~
ε k = d k − d k = d k − ∑ ci v k −i a hibasorozat,
i =0

α pedig az iterációs lépés nagyságára jellemző paraméter, ami

meghatározza az adaptív algoritmus konvergenciasebességét.
Az eljárás során állandósult állapotban az ε k nulla étékűvé válik, amiből
~
zajmentes esetben a d k = d k eredmény adódik.
Az algoritmus alkalmazásakor az alábbi egyéb szempontokat kell még
figyelembe venni:
• Zaj jelenléte esetén a tanulási folyamatot a külső véletlen hatások is
alakíthatják, emiatt csak E[ε k ] válik nullává.
• A rendszerben fellépő késleltetések miatt az ε k kalkulációjánál és a
d k*− j meghatározásánál a bemeneti adatok késleltetett értékeivel kell
számolni.
• d k és d k*− j értékei csak egy ismert, ún. tréning sorozat esetén
határozhatók meg pontosan. A rendszer valódi adatokkal történő
működésekor ezek értékeit az adaptív kiegyenlítő kimenetén lévő d$k és
d$k*− j értékekkel kell helyettesíteni (döntésvisszacsatolás).
~
Megjegyzendő, hogy d$k a d k -ból nullkomparálással (hard decision,
előjelvizsgálat, szignumfüggvény alkalmazása) származik.

10.3.3 Minimális négyzetes átlaghibájú csatornakiegyenlítés (Mean Square

Error, MSE)
A kiegyenlítő rendszertechnikai modellje nem változik, csak az
~
alkalmazott algoritmus módosul. Az eljárás célja az ε k = d k − d k hiba négyzetes
várható értékének minimalizálása, azaz annak elérése, hogy

[ ] = minimális,
E εk
2

azaz
 2

E d k − ∑ cn v k − n  = minimális, ahol v k = ∑ g m d k − m + η k .
 n  c m

A minimalizálási eljárások elméletéből ismert, hogy a fenti egyenlet

minimumhelyét akkor találjuk meg, ha {c j } -t úgy választjuk, hogy teljesüljenek
az alábbi feltételek

[ ~
] [( ~
) ]
E ε k ⋅ d k* = 0 , E d k − d k ⋅ v *k -l = 0 ,

azaz az ε k hiba ortogonális a {v *k -l } sorozat minden elemére. Innen a

183
   
E d k − ∑ cn v k − n  ⋅ v *k -l  = 0
 n  
egyenlethez jutunk, amiből ha E[d k ⋅ d l* ] = δ kl akkor

  
[ ]
E d k ⋅ v *k-l = Ed k ⋅  ∑ g m* ⋅ d k*−l − m ⋅ η *k − l   =
 m 


 
= Ed k ⋅ ∑ g m* ⋅ d k*−l − m  =
 m 

[
= ∑ g m* ⋅ E d k ⋅ d k*−l −m = g −* l ⋅ E d k
m
] [ ] 2

és
 
[ ]
E v k -n ⋅ v *k -l = E∑ ∑ g h ⋅ g m* ⋅ d k −n − h ⋅ d k*− l −m + η k −n ⋅ η *k −l  =
h m 
l+ m= n+ h

[ ]+ N
m= n + h − l
= ∑g ⋅ g h*+n − l ⋅ E d k ⋅ δ nl .
2
h 0
h

A fentiek felhasználásával az alapegyenlet az alábbi formába írható át

[ ] = ∑ c ⋅  E[ d ] ⋅ ∑ g ⋅ g
g −* l ⋅ E d k
2

n
n k
2

h
h
*
h+n− l

+ N 0 ⋅ δ nl  .


Képezzük most mindkét oldal Z-transzformáltját és legyen

[ ] = 1,
E dk
2

akkor a
 1   1 
G *  *  = C ( z) ⋅  G ( z) ⋅ G *  *  + N 0 
z   z  

egyenlethez jutunk. Ebből

 1
G* * 
z 
C( z) =
 1
G( z) ⋅ G *  *  + N 0
z 
és a kiegyenlítő szűrő teljes átvitele
1
C' ( z) = .
F ( z) + N 0

Az optimális munkapontban a hiba meghatározásához számoljuk ki az

[ ] = E[ ε ⋅ (d
E εk
2
k
*
k
~
)] [ ] [
~
− d k* = E ε k ⋅ d k* − E ε k ⋅ d k* = ]

184
 [
= E ε k ⋅ d k* = E d k ] [ ] − E[d 2 *
k
~
]
 
⋅ d k = 1 − E∑ cn ⋅ v k − n ⋅d k*  =
n 

   
= 1 − E∑ ck ⋅  ∑ g m ⋅ d k − n −m + η k −n  ⋅ d k*  = 1 − ∑ cn ⋅ g − n
n  m   n

összefüggést, ahol nyilvánvaló, hogy a második tag összege nem más, mint a
F ( z)
Q( z ) = C ( z ) ⋅ G ( z ) =
F ( z) + N 0

átviteli függvényhez rendelt diszkrét súlyfüggvény nulla késleltetéshez tartozó

értéke. Mivel korábbiakból igaz, hogy

q k = ∑ cn g k − n
n

így
q 0 = ∑ cn g − n .
n

Alkalmazva az inverz Z-transzformált összefüggéseit

1 Q( z )
2πj ∫ z
q0 = dz

és z = e j 2πfT , azaz dz = j 2πTs df , ezért

s

( )
1
2 Ts
F e j 2πfTs
q 0 = Ts ∫ (
F e j 2 πfTs
)+ N
df
− 12 T 0
s

amiből optimális esetben

1

[ ]=T
2 Ts
N0
E εk ∫
2
df .
s
− 12 T
s
F e ( j 2 πfTs
)+ N 0

Adaptív eljárás esetén a c vektor elemeit, vagyis a kiegyenlítő szűrő

paramétereit tanuló eljárással határozzuk meg. Az eljárás alapja az alábbi
algoritmus (a késleltetések elhanyagolásával):
c kj +1 = c kj + α ⋅ ε k ⋅ v k − j ; j=0,...,N-1 ,

ahol
{c }
k
j a kiegyenlítő rendszer paramétereinek értéke a k-dik iterációs
lépésben,
N −1
~
ε k = d k − d k = d k − ∑ ci v k −i a hibasorozat,
i =0

α pedig az iterációs lépés nagyságára jellemző paraméter, ami

meghatározza az adaptív algoritmus konvergenciasebességét.

185
 [ ]
Az eljárás alkalmazásával teljesül az E ε k ⋅ v *k − j = 0 , j=0,...,N-1 feltétel.
Az eljárás során a rendszer tréningsorozatok alkalmazásával iteraktív úton
képes a paraméterek beállítására. Folyamatos működés esetén a d k ismét d$k
értékkel helyettesíthető.

10.3.4 Döntésvisszacsatolt csatornakiegyenlítés (Decision Feedback, DF)

A döntésvisszacsatolt csatornakiegyenlítő rendszer blokkvázlatát a 10.7
ábrán mutatjuk be.
Ts Ts Ts
{v n }

⊗ ⊗ ⊗
c− ( N −1) c− k c− ( k −1) c0
⊗
{d~ } {d$ }
n

⊕ ⊕ ⊕
n

Ts Ts Ts

c1
⊗ ⊗
cj
⊗
cM

⊕ ⊕
10.7 ábra Döntésvisszacsatolt csatornakiegyenlítő rendszer

A döntésvisszacsatolt csatornakiegyenlítő esetében a döntés előtti jel a

0 ∞
~
dk = ∑ c j v k − j + ∑ c j d$k − j
j =−∞ j =1

kifejezés szerint a zajfehérítő szűrő kimeneti jelének (vn) és a döntések

eredményének ( d$n ) a függvénye.
A kiegyenlítés lényege az, hogy a korábban detektált szimbólumokkal
kíséreljük meg lemásolni az áthallást, azaz
~ 0
  ∞
dk = ∑ j  ∑ m k − j −m k − j  + ∑ c j d$k − j =
c  g ⋅ d ⋅ η
j =−∞ m j =1

0 0 ∞
= ∑ c j ∑ g l − j ⋅ d k −l + ∑ c j ⋅ η k − j + ∑ c j d$k − j =
j =−∞ l j =−∞ j =1

186
  0  0 ∞
= ∑  ∑ c j ⋅ g l − j  ⋅ d k −l + ∑ c j ⋅ η k − j + ∑ c j d$k − j .
l  j =−∞  j =−∞ j =1

Ha d$k = d k , valamint bevezetve a

 0
ql =  j∑
 c j ⋅ gl − j l≤0
=−∞
 − cl l>0

jelölést akkor
∞ 0
~
dk = ∑q l ⋅ d k −l + ∑c j ⋅ηk− j .
l =−∞ j =−∞

Az algoritmus végtelen fokszámú kiegyenlítő szűrőt alkalmazva optimális

esetben
 12 Ts   
[ ]
E εk
2 
= exp Ts ∫ ln 

 − 12 Ts  F e
N0
j 2 πfTs
+ (
N
 df  .

0  )
nagyságú négyzetes hiba elérése képes.
Adaptív eljárás esetén a korábbiakhoz hasonlóan a
c kj +1 = c kj + α ⋅ ε k ⋅ v *k − j ; j ≤ 0

c kj +1 = c kj + α ⋅ ε k ⋅ x$ *k − j ; j > 0

rekurziók alapján jutunk el az optimális megoldáshoz.

187
Rövidítésjegyzék

4QAM 4 Quadrature Amplitude

Modulation
AGC Automatic Gain Control
ASK Amplitude Shift Keying
BPSK Binary Phase Shift Keying
CD Collision Detect
CDM Code Division Multiple
CDMA Code Division Multiple
Access
CDMA Code Division Multiple
Access
CPM Continuous Phase
Modulation
CSMA Collision Sense Multiple
Access
CT Cordless Telephone
DECT Digital European Cordless
Telephone
DF Decision Feedback
DPSK Differenciális PSK
DS Direct Sequence
DSRA Digital Short Range Radio
ERMES European Radio Messaging
System
ETSI European Standardisation
Institute
FDD Frequency Domain Duplex
FDM Frequency Division
Multiplex
FDMA Frequency Division Multiple
Access
FFH Fast Frequency Hopping
FH Frequency Hopping
FSK Frequency Shift Keying
GSM Groupe Speciale Mobile;

188
 Global System for Mobile
Comunications
IMT2000 International Mobile
Telecommunications 2000
IS Interim Standard
ISI Inter Symbol Interference
LAN Local Area Network
MLSE Maximum Likelihood
Sequence Estimation
MR Maximum Ratio
MSE Mean Square Error
MSK Minimum Shift Keying
NMT Nordic Mobile Telephone
OOK On/Off Keying
OQPSK Offset QPSK
PG Processing Gain
PSK Phase Shift Keying
QPSK Quadrature Phase Shift
Keying
SHF Slow Frequency Hopping
SMS Short Message Service
SSB Single Side Band
TACS Total Access Communication
Service
TDD Time Domain Duplex
TDM Time Division Multiplex
TDMA Time Division Multiple
Access
TETRA Terrestial Trunked Radio
TIA Telecommunications Industry
Association
TTiB Transparent Tone in Band
UHF Ultra High Frequency
UMTS Universal Mobile
Telecommunications System
UPT Universal Personal
Telecommunications

189
US Channel Uncorrelated Scattering
Channel
VHF Very High Frequency
WSS Wide Sense Stationary
Channel
WSSUS Channel Wide Sence Stationary
Uncorrelated Scattering
Channel
ZF Zero Forcing

190
Jelölések jegyzéke

P{A} Az A esemény bekövetkezésének valószínűsége

E[x] Az x valószínűségi változó várható értéke

Re{z} A z komplex szám valós része

Im{z} A z komplex szám képzetes része

F{s(t)} Az s(t) jel Fourier-transzformáltja

F-1{S(f)} Az S(f) jel inverz Fourier-transzformáltja

H{s(t)} Az s(t) jel Hilbert-transzformáltja

+∞
1 s(τ )
H {s(t )} =
π ∫ t − τ dτ
−∞

h(t) A Hilbert-szűrő súlyfüggvénye

11
h (t ) =
πt
erfc(v)
∞
2 − x2

π ∫
erfc(v ) = e dx
v

Q(v) A hibaintegrál függvény

∞
1 x2
Q( v ) = ∫
v 2π
exp( − )dx
2

J 0 ( x) 0-ad rendű első fajú Bessel függvény

2π
1 jx cos α
J0 ( x ) = ∫e dα
2π 0

L{s(t)} Az s(t) jel Laplace-transzformáltja

191
Irodalomjegyzék

192