பண்பேற்றம், டிஜிட்டல் தொடர்பு மற்றும் பிழை மீட்பு

ஆதாயங்கள்:

• AI ஆதரவுடன் அனலாக்/டிஜிட்டல் மாடுலேஷன் வகைகள் (AM/FM, QAM, QPSK, OFDM) மற்றும் விண்மீன் தர்க்கத்தை விளக்கும் திறன்
• AI உடன் ஒரு சூழ்நிலை அடிப்படையில் BER, SNR மற்றும் குறியீட்டு ஆதாய உறவை பகுப்பாய்வு செய்யும் திறன்
• நிலையான சூத்திரங்கள், உருவகப்படுத்துதல்கள் மற்றும் அளவீடுகள் மூலம் AI ஆல் தயாரிக்கப்பட்ட செயல்திறன் கணிப்புகளை சரிபார்க்கும் திறன்

பண்பேற்றம் என்பது தகவல்களை (குரல், தரவு, வீடியோ) ஒரு கேரியர் அலையில் மிகைப்படுத்தி தூரத்திற்கு எடுத்துச் செல்லும் கலையாகும். ஒவ்வொரு வயர்லெஸ் இணைப்பும், ரேடியோ முதல் வைஃபை வரை, 5ஜி முதல் செயற்கைக்கோள் வரை, ஒரு மாடுலேஷன் திட்டத்தில் கட்டமைக்கப்பட்டுள்ளது. இந்த யூனிட்டில், பண்பேற்றம் வகைகளைக் கற்றுக்கொள்வதற்கும், விண்மீன் கூட்டத்தின் தர்க்கத்தைப் புரிந்துகொள்வதற்கும் (சிக்கலான விமானத்தில் புள்ளிகளாக மாற்றியமைக்கப்பட்ட சின்னங்களைப் பிரதிநிதித்துவப்படுத்துதல்) மற்றும் பிழை செயல்திறனை பகுப்பாய்வு செய்வதற்கும் (பிட் பிழை விகிதம், சிக்னல்-க்கு-இரைச்சல் விகித உறவு) AI ஐ எவ்வாறு பயன்படுத்துவது என்பதை நீங்கள் காண்பீர்கள். மீண்டும், மையக் கொள்கை பொருந்தும்: AI கோட்பாடு மற்றும் பொதுவான வளைவுகளை சரியாக விளக்குகிறது, ஆனால் உங்கள் கணினியின் உண்மையான செயல்திறன் சேனல் மாதிரி, உருவகப்படுத்துதல் மற்றும் அளவீடு ஆகியவற்றால் மட்டுமே தீர்மானிக்கப்படுகிறது.

அனலாக் மற்றும் டிஜிட்டல் பண்பேற்றத்தின் அடிப்படைகள்

அனலாக் மாடுலேஷனில், கேரியரின் ஒரு பண்பு தொடர்ந்து மாற்றப்படுகிறது: அலைவீச்சு (AM: அலைவீச்சு மாடுலேஷன்), அதிர்வெண் (FM: அதிர்வெண் மாடுலேஷன்) அல்லது கட்டம் (PM). டிஜிட்டல் மாடுலேஷனில், தகவல் என்பது பிட்களின் வரிசையாகும் மற்றும் கேரியரின் நிலை தனித்தனி நிலைகளுக்கு அமைக்கப்படுகிறது:

• ASK/OOK: வீச்சு மாறுதல்; எளிமையானது, சத்தத்திற்கு உணர்திறன் கொண்டது.
• FSK: அதிர்வெண் மாற்ற விசை; எளிய மற்றும் நீடித்த, குறைந்த செயல்திறன்.
• PSK (BPSK, QPSK): ஃபேஸ் ஷிப்ட் கீயிங்; QPSK ஒரு குறியீட்டில் 2 பிட்களைக் கொண்டுள்ளது.
• QAM (16-QAM, 64-QAM, 256-QAM): வீச்சு மற்றும் கட்டம் இரண்டையும் பயன்படுத்துகிறது; இது ஒரு குறியீட்டில் அதிக பிட்களைக் கொண்டுள்ளது ஆனால் சத்தத்திற்கு அதிக உணர்திறன் கொண்டது.
• OFDM: டேட்டாவை பல குறுகிய துணைக் கேரியர்களாகப் பிரிப்பதன் மூலம் மல்டிபாத்களுக்கு எதிர்ப்புத் தெரிவிக்கிறது; Wi-Fi என்பது LTE மற்றும் 5Gயின் அடித்தளம்.

இந்த வகைகள் எவ்வாறு செயல்படுகின்றன, எந்த சூழ்நிலையில் எது விரும்பப்படுகிறது மற்றும் விண்மீன் வரைபடங்கள் என்ன சொல்கிறது என்பதை AI நன்றாக விளக்குகிறது. எடுத்துக்காட்டாக, "ஹயர் ஆர்டர் க்யூஏஎம் ஏன் அதிக தரவைக் கொண்டுள்ளது, ஆனால் சிறந்த எஸ்என்ஆர் ஏன் தேவைப்படுகிறது?" என்ற கேள்வியை இது தெளிவாக விளக்குகிறது.

SNR, BER மற்றும் குறியீட்டு ஆதாயம்

தகவல்தொடர்பு இரண்டு அடிப்படை செயல்திறன் குறிகாட்டிகளைக் கொண்டுள்ளது. SNR (Signal-to-Noise Ratio) என்பது சத்தம் சக்திக்கு (dB) சிக்னல் சக்தியின் விகிதமாகும். BER (பிட் பிழை விகிதம்) என்பது கடத்தப்பட்ட பிட்களில் எவ்வளவு தவறாகப் பெறப்படுகிறது. SNR அதிகரிக்கும் போது BER குறையும் என்பது பொதுவான போக்கு. ஒவ்வொரு பண்பேற்ற வகைக்கும் ஒரு தனிப்பட்ட BER-SNR வளைவு உள்ளது; உயர் வரிசை திட்டங்கள் (256-QAM) அதிக தரவைக் கொண்டுள்ளன, ஆனால் அதே BER ஐ அடைய அதிக SNR தேவைப்படுகிறது.

சேனல் குறியீட்டு முறை (பிழை திருத்தும் குறியீடுகள்) தரவுகளில் கட்டுப்படுத்தப்பட்ட பணிநீக்கத்தைச் சேர்ப்பதன் மூலம் பெறுநரை சில பிழைகளைச் சரிசெய்ய அனுமதிக்கிறது; இது அதே BER ஐ குறைந்த SNR இல் பராமரிக்க அனுமதிக்கிறது மற்றும் குறியீட்டு ஆதாயம் என்று அழைக்கப்படுகிறது. LDPC, Turbo, Reed-Solomon போன்ற குறியீடுகள் நவீன அமைப்புகளில் நிலையானவை.

AI இந்த உறவுகள் மற்றும் கோட்பாட்டு வளைவுகளை நன்றாக விளக்குகிறது மற்றும் உருவகப்படுத்துதல் குறியீட்டை எழுதுகிறது. ஆனால் எச்சரிக்கை: கோட்பாட்டு BER வளைவு (எ.கா. AWGN, சேர்க்கும் வெள்ளை காசியன் சத்தம்) ஒரு சிறந்த சேனலுக்கானது. உங்கள் உண்மையான சேனலில் மல்டிபாத் பரவல், குறுக்கீடு, கட்ட இரைச்சல் மற்றும் வன்பொருள் கலைப்பொருட்கள் உள்ளன; உண்மையான BER கோட்பாட்டு வளைவை விட மோசமாக உள்ளது. AI வழங்கிய "அந்த SNR இல் உள்ள BER" ​​மதிப்பு ஆரம்பக் குறிப்பு, உங்கள் கணினியின் உத்தரவாதம் அல்ல.

உதவிக்குறிப்பு: AI வெளிப்படையாக BER-SNR பகுப்பாய்வை "AWGN சேனலாகக் கருதும் கோட்பாட்டு வளைவு" என்று வரம்பிடவும் மற்றும் உண்மையான சேனல் விளைவுகளை (மல்டிபாத், குறுக்கீடு, வன்பொருள் கலைப்பொருள்) தனித்தனி தலைப்பில் பட்டியலிடவும். இந்த வழியில் நீங்கள் கோட்பாட்டிற்கும் நடைமுறைக்கும் உள்ள வித்தியாசத்தை தெரியும்.

விண்மீன் வரைபடம்: கண்டறியும் கருவி

விண்மீன் வரைபடம் சிக்கலான விமானத்தில் பெறப்பட்ட சின்னங்களின் விநியோகத்தைக் காட்டுகிறது மற்றும் ஒரு தகவல் தொடர்பு அமைப்பின் ஆரோக்கியத்தை பார்வைக்கு படிக்க மிகவும் சக்திவாய்ந்த வழியாகும். சிறந்த புள்ளிகள் கூர்மையாக இருக்க வேண்டும்; மங்கலானது சத்தம், சுழற்சி கட்டப் பிழை, நெரிசல் வீச்சு/ஆதாயப் பிரச்சனை, சிதறல் குறுக்கீடு ஆகியவற்றைக் குறிக்கிறது. நீங்கள் ஒரு விண்மீன் படத்தை விவரிக்கும் போது AI சாத்தியமான காரணங்களை அனுமானிக்க முடியும். ஆனால் உறுதியான நோயறிதல் வெக்டர் சிக்னல் பகுப்பாய்வி (விஎஸ்ஏ) அளவீடு மற்றும் ஈவிஎம் (பிழை வெக்டர் அளவு: இலட்சிய மற்றும் உண்மையான சின்னத்திற்கு இடையேயான பிழை அளவு) போன்ற உறுதியான அளவீடுகள் மூலம் செய்யப்படுகிறது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - அதிக QAM இன் வரம்பு. செயல்திறனை அதிகரிக்க ஒரு குழு 64-QAM இலிருந்து 256-QAM க்கு மாற விரும்புகிறது. 256-QAM க்கு சுமார் 6 dB கூடுதல் SNR தேவைப்படுகிறது மற்றும் இணைப்பு விளிம்பு போதுமானதாக இல்லாவிட்டால் BER வெடிக்கும் என்று AI விளக்குகிறது. குழு இணைப்பு வரவுசெலவுத் திட்டத்தைக் கணக்கிட்டு, புலத்தில் SNR விளிம்பு 3 dB மட்டுமே என்று அளவிடுகிறது, மேலும் மாற்றத்தை கைவிடுகிறது. இங்கே AI கருத்தியல் எச்சரிக்கையை வழங்கியது; கள அளவீடு முடிவை தீர்மானித்தது.

வழக்கு 2 - கட்ட இரைச்சல் பொறி. கோட்பாட்டு வளைவின்படி போதுமான SNR இருந்தாலும் ஒரு பொறியாளர் உயர் BER ஐப் பார்க்கிறார். AI உடன் சாத்தியமான காரணங்களைப் பற்றி விவாதிக்கிறது; விண்மீன் கூட்டத்தின் தோற்றமானது கட்ட இரைச்சலைக் குறிக்கிறது (உள்ளூர் ஆஸிலேட்டர் மோசமான தரம்). VSA அளவீடு இதை உறுதிப்படுத்துகிறது மற்றும் ஆஸிலேட்டர் மேம்படுத்தப்பட்டுள்ளது. பாடம்: கோட்பாட்டு SNR போதுமானதாக இருந்தாலும், வன்பொருள் குறைபாடுகள் BER ஐக் குறைக்கலாம்; AI கருதுகோள்களை உருவாக்குகிறது, அளவீடு நோயறிதலைச் செய்கிறது.

வழக்கு 3 - குறியாக்க ஆதாயத்தை தவறாகக் கருதுதல். ஒரு பயிற்சியாளர் AIயிடம் "நான் பிழை திருத்தக் குறியீட்டைச் சேர்த்தால் எத்தனை dB பெறுவேன்" என்று கேட்கிறார்; AI ஒரு பொதுவான மதிப்பை (~5-6 dB) அளிக்கிறது. பயிற்சியாளர் நிச்சயமாக இதை இணைப்பு பட்ஜெட்டில் எழுதுகிறார். இருப்பினும், ஆதாயம் குறியீடு வகை, குறியீடு விகிதம், தொகுதி அளவு மற்றும் சேனல் ஆகியவற்றைப் பொறுத்தது; இந்த அமைப்பில், உருவகப்படுத்துதலின் மூலம் உண்மையான ஆதாயம் ~3.5 dB ஆகும். கணினியின் உருவகப்படுத்துதல்/அளவீட்டில் இருந்தே குறியீட்டு ஆதாயத்தை எடுப்பதே சரியான அணுகுமுறை.

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

BER-SNR பகுப்பாய்வு டெம்ப்ளேட் "[QPSK/16-QAM/64-QAM] க்கான கோட்பாட்டு BER-SNR உறவை AWGN சேனலின் அனுமானத்துடன் விளக்கவும் மற்றும் பைத்தானைக் கொண்டு கோட்பாட்டு வளைவை வரையக் குறியீட்டை எழுதவும். மேலும் வன்பொருள் நிலை, இடையூறு, குறைபாடு, குறைபாடுகள் ஆகியவற்றின் தனிப் பட்டியலைக் கொடுங்கள். உண்மையான அமைப்பில் இந்த வளைவில் இருந்து விலகலை ஏற்படுத்தும் BER உண்மையானது உருவகப்படுத்துதல்/அளவிடுதல் மூலம் தீர்மானிக்கப்படும் என்பதை வலியுறுத்துங்கள்.

பண்பேற்றம் தேர்வு டெம்ப்ளேட் "பின்வரும் கட்டுப்பாடுகளுக்கான பண்பேற்றம் திட்டத்தை ஒப்பிடுக: [அலைவரிசை, இலக்கு தரவு வீதம், கிடைக்கும் SNR விளிம்பு, மின் தடை, மல்டிபாத் சூழல்]. ஒவ்வொரு விருப்பத்திற்கும் ஸ்பெக்ட்ரல் செயல்திறன், SNR தேவை மற்றும் சகிப்புத்தன்மையின் சமநிலையை விளக்குங்கள். இறுதித் தேர்வு மற்றும் கள ஆய்வு இணைப்பு வரவு செலவுத் திட்டம் மூலம் சரிபார்க்கப்பட வேண்டும் என்பதைக் குறிப்பிடவும்."

கான்ஸ்டலேஷன் கண்டறிதல் வார்ப்புரு "பெறப்பட்ட விண்மீன் பின்வரும் அறிகுறிகளைக் கொண்டுள்ளது: [மங்கலானது/சுழற்சி/நெரிசல்/சிதறல் பற்றிய விளக்கம்]. சாத்தியமான காரணங்கள் (சத்தம், கட்ட இரைச்சல், ஆதாயப் பிழை, IQ ஏற்றத்தாழ்வு, குறுக்கீடு, ஒத்திசைவு) ஒவ்வொரு கருதுகோளுடன், EV அளவீடு, கருதுகோள்களின் பட்டியலாக தோன்றும் (EV, அனுமானம், எழுதவும். ஸ்பெக்ட்ரம்) உறுதியான நோயறிதலைச் செய்ய வேண்டாம்."

இணைப்பு விளிம்பு சரிபார்ப்பு டெம்ப்ளேட் "தொடர்பு இணைப்பில் பண்பேற்றத்தை மாற்றுவதற்கு முன் நான் சரிபார்க்க வேண்டிய படிகளைப் பட்டியலிடுங்கள்: SNR, தற்போதைய இணைப்பு விளிம்பு, குறியீட்டு ஆதாயம், சேனல் நிலை. ஒவ்வொரு படிக்கும் அளவீடு/உருவாக்கத்திலிருந்து நான் என்ன தரவைப் பெற வேண்டும் என்பதைக் குறிப்பிடவும். பொதுவான விதியைக் கொடுங்கள் ஆனால் எண்களைச் சரிபார்க்க வேண்டும் என்பதை வலியுறுத்தவும்."

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான ப்ராம்ப்ட்: "64-QAM க்கு BER என்னவாக இருக்கும்?"

வலுவான அறிவுறுத்தல்: "AWGN சேனலைக் கருதி, 64-QAM இன் கோட்பாட்டு BER-SNR வளைவை விளக்கி, பைத்தானில் அதைத் திட்டமிட குறியீட்டை எழுதவும். கொடுக்கப்பட்ட SNRக்கு (எ.கா. 20 dB) கோட்பாட்டு BER ஐக் கணக்கிடவும், ஆனால் இது பன்முகத் தரநிலையின் உண்மையான மதிப்பு மற்றும் பன்முகத்தன்மையை மோசமாக்கும். புல அளவீடு மூலம் சரிபார்க்கப்பட வேண்டும்."

பலவீனமான வரியில் ஒற்றை எண்ணைக் கேட்கிறது மற்றும் சூழலைப் புறக்கணிக்கிறது; சக்திவாய்ந்த ப்ராம்ட் கோட்பாட்டிற்கும் நடைமுறைக்கும் உள்ள வேறுபாட்டைக் காணக்கூடியதாக ஆக்குகிறது மற்றும் சரிபார்ப்புக் கோட்டை வரைகிறது.

பண்பேற்றம் செயல்திறன் சுருக்க அட்டவணை

திட்டம்

ஒரு சின்னத்திற்கு பிட்கள்

ஸ்பெக்ட்ரல் திறன்

SNR தேவை

வழக்கமான பயன்பாடு

பிபிஎஸ்கே

1

குறைந்த

குறைந்த

குறைந்த வேகம், நீடித்த இணைப்பு

QPSK

2

நடுத்தர

குறைந்த

செயற்கைக்கோள், கட்டுப்பாட்டு சேனல்

16-QAM

4

உயர்

நடுத்தர

Wi-Fi, LTE நடுத்தர நிலை

64-QAM

6

மிக உயர்ந்தது

உயர்

LTE/Wi-Fi நல்ல நிலையில் உள்ளது

256-QAM

8

மிக உயர்ந்தது

மிக உயர்ந்தது

மிகவும் நல்ல SNR தேவைப்படும் இணைப்புகள்

கவனம்: இந்த விளக்கப்படம் பொதுவான போக்கைக் காட்டுகிறது; ஒவ்வொரு அமைப்பின் உண்மையான SNR வரம்பு குறியீடு வீதம், பெறுநரின் தரம் மற்றும் சேனல் ஆகியவற்றைப் பொறுத்தது. அட்டவணையில் சரியான வரிசையையும், உங்கள் சொந்த அளவீட்டின் மூலம் எண் வாசலையும் தீர்மானிக்கவும்.

பொதுவான தவறுகள்

• உண்மையான கணினி உத்தரவாதத்திற்காக கோட்பாட்டு BER வளைவை தவறாகப் புரிந்துகொள்வது. AWGN அனுமானம் சிறந்த சேனலுக்கானது; உண்மையான சேனல் மோசமாக உள்ளது.
• இணைப்பு விளிம்பை சரிபார்க்காமல் உயர் வரிசை QAM க்கு மாறுகிறது. SNR போதுமானதாக இல்லை என்றால், BER வெடிக்கும்.
• குறியாக்க ஆதாயம் ஒரு நிலையான எண் என்று வைத்துக்கொள்வோம். வருவாய் குறியீடு வகை, விகிதம் மற்றும் சேனல் சார்ந்தது; இது அமைப்பிலிருந்தே அளவிடப்படுகிறது.
• விண்மீன் அறிகுறியை ஒரே காரணத்திற்காகக் கூறுதல். மங்கலானது/சுழற்சி பல காரணங்களுக்காக ஏற்படலாம்; அளவீடு மூலம் பிரிக்கப்படுகிறது.
• வன்பொருள் குறைபாடுகளை புறக்கணித்தல் (கட்ட சத்தம், IQ ஏற்றத்தாழ்வு). SNR போதுமானதாக இருந்தாலும், அவை BERஐக் குறைக்கலாம்.

சுருக்கமாக

இந்த யூனிட்டில் பண்பேற்றம் வகைகள், விண்மீன் தர்க்கம் மற்றும் BER-SNR-குறியீட்டு ஆதாய உறவு மற்றும் குறியீட்டில் கோட்பாட்டு வளைவுகளை உருவாக்குதல் ஆகியவற்றில் AI ஐ சக்திவாய்ந்த உதவியாகப் பயன்படுத்தியுள்ளீர்கள். ஆனால் கோட்பாட்டு வளைவுகள் ஒரு சிறந்த சேனலின் அனுமானத்துடன் வருகின்றன; உங்கள் உண்மையான அமைப்பின் செயல்திறன் மல்டிபாத், குறுக்கீடு, கட்ட இரைச்சல் மற்றும் வன்பொருள் கலைப்பொருட்களால் தீர்மானிக்கப்படுகிறது மற்றும் உருவகப்படுத்துதல் மற்றும் அளவீடு மூலம் மட்டுமே தீர்மானிக்கப்படுகிறது. இணைப்பு விளிம்பு மற்றும் புல அளவீடு மூலம் பண்பேற்றம் மாற்ற முடிவை சரிபார்க்கவும், VSA/EVM அளவீடு மூலம் விண்மீன் கண்டறிதல், கணினியின் உருவகப்படுத்துதலின் மூலம் குறியீட்டு ஆதாயம்.

விண்ணப்ப பணி

"BER-SNR பகுப்பாய்வு" டெம்ப்ளேட்டுடன், QPSK மற்றும் 16-QAM க்கான கோட்பாட்டு வளைவுகளைத் திட்டமிடும் மற்றும் ஒரே வரைபடத்தில் இரண்டு வளைவுகளை ஒப்பிடும் பைதான் குறியீட்டை AI யிடம் கேட்கவும். இந்த வளைவுகளிலிருந்து உண்மையான அமைப்பு விலகுவதற்குக் காரணமான குறைந்தபட்சம் ஐந்து காரணிகளின் தனிப் பட்டியலைக் கொண்டு வர AI ஐக் கேளுங்கள். இறுதியாக, விண்மீன் கூட்டத்தின் அறிகுறியை விவரிக்கவும் (எ.கா., "புள்ளிகள் திரும்பியது") மற்றும் "விண்மீன் கண்டறிதல்" டெம்ப்ளேட்டுடன் சாத்தியமான காரணங்களையும் உறுதிப்படுத்தும் அளவீடுகளையும் பட்டியலிடவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் AI இன் BER மதிப்புகளை "AWGN கோட்பாட்டுக்கு" வரம்பிட்டேன், நான் அதை ஒரு புல உத்தரவாதமாக கருதவில்லை.
• [ ] நான் மாடுலேஷன் மாற்ற முடிவை விளிம்பு மற்றும் புல அளவீட்டை இணைக்க காரணம் என்று கூறினேன்.
• [ ] குறியீட்டு ஆதாயம் நிலையானது அல்ல, நான் அதை கணினியின் சொந்த உருவகப்படுத்துதலில் இருந்து பெற்றேன்.
• [ ] விண்மீன் அறிகுறியை ஒரே காரணத்திற்காகக் கூறாமல் அளவீடு மூலம் பிரிக்க திட்டமிட்டேன்.
• [ ] நான் வன்பொருள் குறைபாடுகளை (கட்ட இரைச்சல், IQ ஏற்றத்தாழ்வு) ஒரு தனி அபாயமாக பட்டியலிட்டுள்ளேன்.
• [ ] பண்பேற்றம் செயல்திறன் அட்டவணையில் உள்ள வரிசையை சரியானதாகவும், அளவீட்டின்படி த்ரெஷோல்ட் மதிப்பை ஏற்றுக்கொண்டேன்.