Faida:
- Uwezo wa kuelezea aina za moduli za analogi/dijitali (AM/FM, QAM, QPSK, OFDM) na mantiki ya nyota kwa usaidizi wa AI.
- Uwezo wa kuchambua BER, SNR na kupata uhusiano wa coding kwa msingi wa hali na AI.
- Uwezo wa kuthibitisha utabiri wa utendakazi unaotolewa na AI na fomula za kawaida, masimulizi na vipimo
Urekebishaji ni sanaa ya kubeba habari (sauti, data, video) kwa umbali kwa kuiweka juu kwenye wimbi la mtoa huduma. Kila muunganisho usiotumia waya, kutoka kwa redio hadi Wi-Fi, kutoka 5G hadi setilaiti, hujengwa kwenye mpango wa urekebishaji. Katika kitengo hiki, utaona jinsi ya kutumia AI kujifunza aina za urekebishaji, kuelewa mantiki ya kundinyota (uwakilishi wa alama zilizorekebishwa kama pointi kwenye ndege changamano), na kuchanganua utendakazi wa makosa (kiwango cha makosa kidogo, uhusiano wa uwiano kati ya ishara na kelele). Tena, kanuni kuu inatumika: AI inafafanua nadharia na mikondo ya jumla kikamilifu, lakini utendakazi halisi wa mfumo wako unabainishwa tu na muundo wa kituo, uigaji na kipimo.
Misingi ya urekebishaji wa analogi na dijiti
Katika urekebishaji wa analog, tabia ya carrier hubadilishwa mara kwa mara: amplitude (AM: Amplitude Modulation), frequency (FM: Frequency Modulation) au awamu (PM). Katika urekebishaji dijiti, habari ni mlolongo wa biti na hali ya mtoa huduma imewekwa kwa viwango tofauti:
- ULIZA/OOK: Kubadilisha amplitude; Rahisi zaidi, nyeti kwa kelele.
- FSK: Ufunguo wa kuhama mara kwa mara; rahisi na ya kudumu, yenye ufanisi mdogo.
- PSK (BPSK, QPSK): Ufunguo wa mabadiliko ya awamu; QPSK hubeba biti 2 kwa ishara moja.
- QAM (16-QAM, 64-QAM, 256-QAM): Hutumia amplitude na awamu; Inabeba biti zaidi katika ishara lakini ni nyeti zaidi kwa kelele.
- OFDM: Huifanya iwe sugu kwa kuzidisha kwa kugawanya data katika vibebaji vidogo vidogo vingi; Wi-Fi ndio msingi wa LTE na 5G.
AI inaelezea vizuri jinsi aina hizi zinavyofanya kazi, ni ipi inayopendekezwa katika hali gani, na michoro za nyota zinasema nini. Kwa mfano, inaeleza wazi swali "kwa nini QAM ya juu hubeba data zaidi lakini inahitaji SNR bora?"
SNR, BER na faida ya usimbaji
Mawasiliano ina viashiria viwili vya msingi vya utendaji. SNR (Uwiano wa Ishara-kwa-Kelele) ni uwiano wa nguvu ya mawimbi kwa nguvu ya kelele (dB). BER (Kiwango cha Hitilafu Kidogo) ni kiasi gani cha biti zinazopitishwa hupokelewa kimakosa. Mwelekeo wa jumla ni kwamba kadiri SNR inavyoongezeka, BER hupungua. Kila aina ya moduli ina curve ya kipekee ya BER-SNR; Mipango ya utaratibu wa juu (256-QAM) hubeba data zaidi lakini inahitaji SNR ya juu zaidi ili kufikia BER sawa.
Kuweka misimbo ya idhaa (hitilafu ya kurekebisha misimbo) huruhusu mpokeaji kusahihisha baadhi ya hitilafu kwa kuongeza upungufu unaodhibitiwa kwa data; Hii inaruhusu kudumisha BER sawa katika SNR ya chini na inaitwa faida ya usimbaji. Nambari kama vile LDPC, Turbo, Reed-Solomon ni za kawaida katika mifumo ya kisasa.
AI inaelezea uhusiano huu na curves za kinadharia vizuri sana na huandika msimbo wa kuiga. Lakini tahadhari: mkondo wa kinadharia wa BER (k.m. AWGN, ikizingatiwa kelele nyeupe ya Gaussian) ni ya chaneli bora. Kituo chako halisi kina uenezi wa njia nyingi, uingiliaji, kelele ya awamu, na vizalia vya programu vya maunzi; BER halisi ni mbaya zaidi kuliko curve ya kinadharia. Thamani ya "BER katika SNR hiyo" iliyotolewa na AI ni marejeleo ya awali, si hakikisho la mfumo wako.
Kidokezo: Acha AI iweke kikomo cha uchanganuzi wa BER-SNR kuwa "Mwingo wa kinadharia unaochukua chaneli ya AWGN" na uorodheshe athari halisi za kituo (njia nyingi, mwingiliano, vizalia vya programu vya maunzi) katika kichwa tofauti. Kwa njia hii unafanya tofauti kati ya nadharia na mazoezi kuonekana.
Mchoro wa nyota: chombo cha uchunguzi
Mchoro wa nyota unaonyesha usambazaji wa alama zilizopokelewa katika ndege tata na ndiyo njia yenye nguvu zaidi ya kuibua kusoma afya ya mfumo wa mawasiliano. Pointi zinazofaa zinapaswa kuwa kali; Ukungu huonyesha kelele, hitilafu ya awamu ya mzunguko, tatizo la amplitude/kupata faida, usumbufu wa mtawanyiko. AI inaweza kukisia sababu zinazowezekana unapoelezea picha ya kundinyota. Lakini utambuzi wa uhakika unafanywa kwa vipimo madhubuti kama vile kipimo cha kichanganuzi cha mawimbi ya vekta (VSA) na EVM (Ukubwa wa Vekta ya Hitilafu: ukubwa wa makosa kati ya ishara bora na halisi).
kesi tatu ndogo
Kesi ya 1 - Kikomo cha juu cha QAM. Timu inataka kuhama kutoka 64-QAM hadi 256-QAM ili kuongeza matokeo. AI inaeleza kuwa 256-QAM inahitaji takriban 6 dB SNR zaidi na BER italipuka ikiwa ukingo wa kiungo hautoshi. Timu hukokotoa bajeti ya kiungo, kupima kwamba ukingo wa SNR kwenye uwanja ni dB 3 pekee, na huachana na ubadilishaji. Hapa AI ilitoa onyo la dhana; Kipimo cha shamba kiliamua uamuzi.
Kesi ya 2 - Mtego wa kelele wa Awamu. Mhandisi huona BER ya juu licha ya kuwa na SNR ya kutosha kulingana na mkondo wa kinadharia. Inajadili sababu zinazowezekana na AI; Kuonekana kwa kundinyota kuzungushwa kunaonyesha kelele ya awamu (oscillator ya ndani ya ubora duni). Kipimo cha VSA kinathibitisha hili na oscillator inaboreshwa. Somo: ingawa SNR ya kinadharia inatosha, kasoro za maunzi zinaweza kuharibu BER; AI inazalisha hypotheses, kipimo hufanya uchunguzi.
Kesi ya 3 - Faida ya usimbaji kwa kutumia vibaya. Mwanafunzi anauliza AI "nitapata dB ngapi ikiwa nitaongeza msimbo wa kurekebisha makosa"; AI inatoa thamani ya jumla (~5-6 dB). Mwanafunzi hakika anaandika hii kwenye bajeti ya kiunga. Hata hivyo, faida inategemea aina ya msimbo, kiwango cha msimbo, ukubwa wa kuzuia na kituo; Katika mfumo huu, faida halisi ni ~3.5 dB kwa kuiga. Mtazamo sahihi ni kuchukua faida ya uandishi kutoka kwa simulation/kipimo cha mfumo wenyewe.
Violezo vya haraka vinavyoweza kunakiliwa
KIOLEZO CHA UCHAMBUZI WA BER-SNR "Eleza uhusiano wa kinadharia wa BER-SNR wa [QPSK/16-QAM/64-QAM] kwa dhana ya kituo cha AWGN na uandike msimbo unaochora mkunjo wa kinadharia na Python. PIA toa orodha tofauti ya athari (njia nyingi, hitilafu ya maunzi kutoka kwa awamu hii ya ulandanishi, hitilafu ya ulandanishi) curve katika mfumo halisi USITOE sehemu kamili ya BER;
KIOLEZO CHA UCHAGUZI WA MODULATION "Linganisha mpango wa urekebishaji kwa vikwazo vifuatavyo: [bandwidth, kiwango cha data lengwa, ukingo unaopatikana wa SNR, kizuizi cha nguvu, mazingira ya njia nyingi]. Eleza usawa wa ufanisi wa taswira, mahitaji ya SNR, na ustahimilivu kwa kila chaguo. Tamka kwamba uteuzi wa mwisho unapaswa kuthibitishwa na bajeti ya kiungo na uchunguzi wa uga."
KIOLEZO CHA UTAMBUZI WA CONSTELATION "Nyota iliyopokelewa ina dalili ifuatayo: [maelezo ya kutia ukungu/mzunguko/jamming/utawanyiko]. Sababu zinazowezekana (kelele, kelele ya awamu, hitilafu ya kupata, usawa wa IQ, kuingiliwa, usawazishaji) huonekana kama orodha ya dhana. Kwa kila hypothesis (VSA, IDOM itathibitisha. USIFANYE UTAMBUZI WA HAKIKA."
KIOLEZO CHA KUANGALIA PEMBENI YA KIUNGO "Orodhesha hatua ninazohitaji kuangalia kabla ya kubadilisha urekebishaji kwenye kiungo cha mawasiliano: SNR inayohitajika, ukingo wa kiungo cha sasa, faida ya usimbaji, hali ya kituo. Bainisha ni data gani ninayohitaji kupata kutoka kwa kipimo/uigaji kwa kila hatua. Toa kanuni ya jumla lakini sisitiza kwamba ninahitaji kuthibitisha nambari."
Agizo dhaifu / Ukumbusho thabiti
TAARIFA DHAIFU: "BER ya 64-QAM itakuwa nini?"
STRONG PROMPT: "Eleza mkondo wa kinadharia wa BER-SNR wa 64-QAM ukichukua chaneli ya AWGN na uandike msimbo ili kuipanga katika Python. Kokotoa BER ya kinadharia kwa SNR fulani (k.m. 20 dB), lakini sisitiza kwamba hii ndiyo thamani bora ya chaneli, itakuwa mbaya zaidi katika hali ya utendakazi, hitilafu na utendakazi kwa sababu ya kutokuwa na kasoro ya mfumo. kipimo."
Kidokezo dhaifu huuliza nambari moja na hupuuza muktadha; Kidokezo chenye nguvu hufanya ionekane tofauti kati ya nadharia na mazoezi na kuchora mstari wa uthibitishaji.
Jedwali la muhtasari wa utendaji wa urekebishaji
mpango
bits kwa ishara
Ufanisi wa Spectral
SNR haja
Matumizi ya kawaida
BPSK
1
chini
chini kabisa
Kasi ya chini, kiungo cha kudumu
QPSK
2
kati
chini
Satelaiti, kituo cha kudhibiti
16-QAM
4
juu
kati
Wi-Fi, LTE hali ya wastani
64-QAM
6
juu sana
juu
LTE/Wi-Fi katika hali nzuri
256-QAM
8
ya juu zaidi
ya juu zaidi
Viungo vinavyohitaji SNR nzuri sana
Tahadhari: Chati hii inaonyesha mwelekeo wa jumla; Kiwango halisi cha SNR cha kila mfumo kinategemea kiwango cha msimbo, ubora wa mpokeaji na chaneli. Tambua mpangilio sahihi katika jedwali na kizingiti cha nambari na kipimo chako mwenyewe.
Makosa ya kawaida
- Inakosea mseto wa kinadharia wa BER kwa dhamana halisi ya mfumo. Dhana ya AWGN ni ya kituo bora; chaneli halisi ni mbaya zaidi.
- Kubadilisha hadi QAM ya mpangilio wa juu bila kuangalia ukingo wa kiungo. Ikiwa SNR haitoshi, BER hulipuka.
- Kwa kudhani faida ya usimbaji ni nambari isiyobadilika. Mapato hutegemea aina ya msimbo, kiwango na kituo; Inapimwa kutoka kwa mfumo yenyewe.
- Kuhusisha dalili ya kundinyota kwa sababu moja. Ukungu/kuzungusha kunaweza kutokea kwa sababu nyingi; hutenganishwa na kipimo.
- Kupuuza makosa ya vifaa (kelele ya awamu, usawa wa IQ). Hata kama SNR ni ya kutosha, wanaweza kuharibu BER.
Kwa muhtasari
Katika kitengo hiki umetumia AI kama msaada wa nguvu katika kujifunza aina za urekebishaji, mantiki ya kundinyota na uhusiano wa kupata msimbo wa BER-SNR, na kuzalisha mikondo ya kinadharia katika msimbo. Lakini mikondo ya kinadharia inakuja na dhana ya kituo bora; Utendaji wa mfumo wako halisi huamuliwa na njia nyingi, uingiliaji, kelele ya awamu na vizalia vya programu vya maunzi na hubainishwa pekee kwa kuiga na kupima. Thibitisha uamuzi wa mabadiliko ya urekebishaji kwa ukingo wa kiungo na kipimo cha sehemu, utambuzi wa mkusanyiko kwa kipimo cha VSA/EVM, faida ya usimbaji kwa kuiga mfumo wenyewe.
Jukumu la maombi
Ukiwa na kiolezo cha "BER-SNR uchanganuzi", iulize AI msimbo wa Python ambao unapanga mikondo ya kinadharia ya QPSK na 16-QAM na ulinganishe curve mbili kwenye grafu sawa. Kisha uulize AI ije na orodha tofauti ya angalau sababu tano zinazosababisha mfumo halisi kupotoka kutoka kwa curve hizi. Hatimaye, eleza dalili ya kundinyota (kwa mfano, "matangazo yaliyogeuka") na uorodhe sababu zinazowezekana na vipimo vya uthibitisho na kiolezo cha "Uchunguzi wa Constellation".
orodha ya ukaguzi
- [ ] Niliwekea viwango vya BER vya AI kwa "AWGN kinadharia", sikuichukulia kama dhamana ya uga.
- [ ] Nilihusisha uamuzi wa mabadiliko ya urekebishaji ili kuunganisha ukingo na kipimo cha sehemu.
- [ ] Faida ya usimbaji haijasasishwa, niliipata kutoka kwa uigaji wa mfumo wenyewe.
- [ ] Nilipanga kutenganisha dalili ya kundinyota kwa kipimo bila kuihusisha na sababu moja.
- [ ] Nimeorodhesha dosari za maunzi (kelele za awamu, usawa wa IQ) kama hatari tofauti.
- [ ] Nilikubali agizo katika jedwali la utendaji wa urekebishaji kama sahihi na thamani ya kiwango cha juu kwa kipimo.