6. JELDIGITALIZÁLÁS ÉS JELREKONSTRUKCIÓ: KVANTÁLÁS, KÓDOLÁS 2

Hasonló dokumentumok
A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab

GEOFIZIKA / 4. GRAVITÁCIÓS ANOMÁLIÁK PREDIKCIÓJA, ANALITIKAI FOLYTATÁSOK MÓDSZERE, GRAVITÁCIÓS ANOMÁLIATEREK SZŰRÉSE

Statisztika. Eloszlásjellemzők

Híradástechikai jelfeldolgozás

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése

Azonos névleges értékű, hitelesített súlyokból alkotott csoportok együttes mérési bizonytalansága

A felhasznált térfogalmak: lineáris tér (vektortér), normált tér, Banach tér, euklideszi-tér, Hilbert tér. legjobban közelítõ elem, azaz v u

Információs rendszerek elméleti alapjai. Információelmélet

VII. A határozatlan esetek kiküszöbölése

Feladatok és megoldások a 11. heti gyakorlathoz

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I o)

A pályázat címe: Rugalmas-képlékeny tartószerkezetek topológiai optimalizálásának néhány különleges feladata

A G miatt (3tagra) Az egyenlőtlenségek két végét továbbvizsgálva, ha mindkét oldalt hatványozzuk:

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3

8.1. A rezgések szétcsatolása harmonikus közelítésben. Normálrezgések. = =q n és legyen itt a potenciál nulla. q i j. szimmetrikus. q k.

V. Deriválható függvények

Matematikai statisztika

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)

Híradástechikai jelfeldolgozás

Számsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.

A Sturm-módszer és alkalmazása

10.M ALGEBRA < <

Miért pont úgy kombinálja kétfokozatú legkisebb négyzetek módszere (2SLS) az instrumentumokat, ahogy?

FELADATOK MÉRÉSELMÉLET tárgykörben. 1. Egy műszer osztálypontossága 2.5, a végkitérése 300 V. Mekkora a mérés abszolút hibája?

Statisztika 1. zárthelyi dolgozat március 21.

(d) x 6 3x 2 2 = 0, (e) x + x 2 = 1 x, (f) 2x x 1 = 8, 2(x 1) a 1

ALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198.

2.2 Memóriamentesség Lineáris és memóriamentes rendszerek (lineáris modulátorok) 6

1. Sajátérték és sajátvektor

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn

Matematika I. 9. előadás

Stabilitás Irányítástechnika PE MI_BSc 1

Nevezetes sorozat-határértékek

GEOMETRIAI OPTIKA - ÓRAI JEGYZET

AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN

Függvénygörbe alatti terület a határozott integrál

képzetes t. z = a + bj valós t. a = Rez 5.2. Műveletek algebrai alakban megadott komplex számokkal

SZERKEZETEK MÉRETEZÉSE FÖLDRENGÉSI HATÁSOKRA

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

? közgazdasági statisztika

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

A peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.

Backtrack módszer (1.49)

BIOMATEMATIKA ELŐADÁS

i 0 egyébként ábra. Negyedfokú és ötödfokú Bernstein polinomok a [0,1] intervallumon.

? közgazdasági statisztika

Egy lehetséges tételsor megoldásokkal

MÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011

Sorozatok október 15. Határozza meg a következ sorozatok határértékeit!

5. SZABAD PONTRENDSZEREK MECHANIKAI ALAPELVEI, N-TESTPROBLÉMA, GALILEI-

Debreceni Egyetem. Kalkulus példatár. Gselmann Eszter

Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet

Megjegyzés: Amint már előbb is említettük, a komplex számok

1. A radioaktivitás statisztikus jellege

Hajós György Versenyre javasolt feladatok SZIE.YMÉTK 2011

MATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

2. fejezet. Számsorozatok, számsorok

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Hiba! Nincs ilyen stílusú szöveg a dokumentumban.-86. ábra: A példa-feladat kódolási változatai

A függvénysorozatok olyanok, mint a valós számsorozatok, csak éppen a tagjai nem valós számok,

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

INJEKTIVITÁS ÉS EGYÉB TULAJDONSÁGOK MEGOLDOTT FELADATOK

Folytonos idejű rendszerek stabilitása

Ha n darab standard normális eloszlású változót négyzetesen összegzünk, akkor kapjuk a χ 2 - eloszlást: N

Jelek 1/44 1. JELEK 2

Bizonyítások. 1) a) Értelmezzük a valós számok halmazán az f függvényt az képlettel! (A k paraméter valós számot jelöl).

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

I. rész. Valós számok

A Secretary problem. Optimális választás megtalálása.

7. MÉRÉSEK KIÉRTÉKELÉSE FÜGGVÉNYILLESZTÉSSEL

Komplex számok. 6. fejezet. A komplex szám algebrai alakja. Feladatok. alábbi komplex számokat és helyvektorukat:

Kulcsszavak: Dimenzióredukció, főkómpónens analízis, altér módszerek, kernel reprezentáció

13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai

Adatfeldolgozás, adatértékelés. Dr. Szűcs Péter, Dr. Madarász Tamás Miskolci Egyetem, Hidrogeológiai Mérnökgeológiai Tanszék

Kényszereknek alávetett rendszerek

ANALÓG-DIGITÁLIS ÉS DIGITÁLIS-ANALÓG ÁTALAKÍTÓK

Statisztika I. 4. előadás. Előadó: Dr. Ertsey Imre

Kvantum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus

Mérési adatok feldolgozása Méréselmélet PE_MIK MI_BSc, VI_BSc 1

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

A heteroszkedaszticitásról egyszerûbben

A FUNDAMENTÁLIS EGYENLET KÉT REPREZENTÁCIÓBAN. A függvény teljes differenciálja, a differenciális fundamentális egyenlet: U V S U + dn 1

Diszkrét Matematika 1. óra Fokszámsorozatok

min{k R K fels korlátja H-nak} a A : a ξ : ξ fels korlát A legkisebb fels korlát is:

Kalkulus I. Első zárthelyi dolgozat szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l n 6n + 8

18. Differenciálszámítás

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo

VÉLETLENÍTETT ALGORITMUSOK. 1.ea.

Arrhenius-paraméterek becslése közvetett és közvetlen mérések alapján

Valószínűségszámítás. Ketskeméty László

Információs rendszerek elméleti alapjai. Információelmélet

Komplex számok (el adásvázlat, február 12.) Maróti Miklós

1. feladatlap megoldása. Analízis II. 1. Vizsgálja meg az alábbi sorokat konvergencia szempontjából! a) n 2 n = 1 1X 1

Átírás:

Kvatálás, kódolás /8 6. JELDIGIALIZÁLÁS ÉS JELEKOSUKCIÓ: KVAÁLÁS, KÓDOLÁS 6.3. Dfferecáls, predktív kvatálás, kódolás 6.3.. A dfferecáls kvatálás alapelve 6.3.. A leárs predkcó 3 6.3.3. A predkcós yereség elv határa 4 6.3.4. A dffereca képző és rekostruáló leárs hálózatok 6 6.3.5. A dffereca képzés és kvatálás 8 6.4. észsávú, kódolás 6.4.. A részsávú kódolók felépítése, aalízse 6.4.. Az optmáls btallokácó 3 6.5. raszformácós, kódolás 5 6.5.. A traszformácós kódolók felépítése, aalízse 5 6.5.. Az optmáls traszformácós kódolás: KL 6 6.5.3. Szuboptmáls traszformácók 7 6.5.4. Képjelek traszformácós kódolása 8 fle: KVA.doc verzó: 05. május

Kvatálás, kódolás /8 6. Jeldgtalzálás és jelrekostrukcó: kvatálás, kódolás 6.3. Dfferecáls, predktív kvatálás, kódolás 6.3.. A dfferecáls kvatálás alapelve δ δ Q csatora Q $ $ ahol $ a ek valamlye becslése, jóslása (predkcó). δ a külöbség (predkcós hba) jel, Q pedg ehhez a külöbség jelhez llesztett kvatáló, melyek jelzaj vszoya az előző potok szert optmalzált S Q jelzaj vszoy érték. A kvatált dfferecáls jel: δ δ ε ahol ε a kvatálás hba. Az eredő redszer jelzaj vszoyára írhatjuk: S ahol G p az u.. predkcós yereség, E { } { ε } E E q E q { } { } { { } } E δ G p S Q δ E ε { } { δ } E G E amely megmutatja, hogy a bejövő jel teljesítméyéhez képest mekkora a hbajel teljesítméye. S Q pedg a sémá Qval jelölt kvatáló jelzaj vszoya. Az eredméy tehát: S G S. azaz a dfferecáls kvatálás elvét alkalmazva a em dfferecáls kvatáláshoz képest a predkcós yereséggel megövelt jelzaj vszoy érhető el. p Q, fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 3/8 6.3.. A leárs predkcó A predkcós yereség maxmalzálásához a δ $ dfferecáls jel teljesítméyét kell mmalzál. δ E ˆ A $ predkcó legye a forrás korább mtájáak valamlye függvéye: $ S (,..., ), ahol S egy ed fokú predkcó. A továbbakba leárs predkcóval foguk foglalkoz, a mkor S(,..., ) függvéy, azaz $ a a... a. $ Az a,,... együtthatókat az ed fokú predkcós együtthatókak evezzük. leárs Ekkor a leárs predkcó alapfeladata: határozzuk meg a predkcós együtthatók azo értékét, melyekél a dfferecáls jel teljesítméye mmáls: m E $ a,..., a. A továbbakba legye: a [ a,..., a ] és [,..., ] Ekkor a predkcós egyelet vektoros formába: $ a. A mmalzáladó kfejezés: E ˆ δ E a a Amből az változós kvadratkus alak: { a } E{ a a a} δ r ( 0) ( ) ( ) r r a... r ( ) r r a... r ( 0) r ( )... r ( ) ( ) r ( 0) r ( )... ( ) r ( )... r ( 0) a, ahol: ( ) { } r m E m az autokorrelácós függvéy, r ( ) ( ) r r... r ( ), és fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 4/8 ( 0) ( )... ( ) ( ) ( 0) ( ) r r r r r r,...... r ( ) r ( )... r ( 0) am a folyamat ed redű autokorrelácós mátrxa (egybe oepltz mátrx). A mmum megkereséséhez a ormál egyeletet kell megolda. A megoldás: grad σ δ r a 0 a a r opt. megj: az verz autokorrelácós mátrxot Levso módszerrel számítják. A predkcós egyeletből látható, hogy a leárs predkcó egy hurokmetes FI szűrőt valósít meg, vagys (z) $ δ ahol a predkcót végző blokk ((z)): a a a a $ ( z) a z. 6.3.3. A predkcós yereség elv határa Az ed fokú predkcó optmáls együtthatóra kapott predkcós hba teljesítméyéek r ( 0) a r a a a opt r eredméyüket a δ képletébe vsszaírva kapjuk, hogy δ r 0 m ( ) r r fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 5/8 és a predkcós yereség értéke: G r (0) r ylvávaló, hogy a predkcós yereség az fokszámak mooto em csökkeő függvéye, így létezk határértéke, melyre bebzoyítható, hogy r (0) r lm G, exp F / F F / G max, γ F / γ S ( f F F / l ( S ( f )) ) df df ahol a γ szám a stacoer forrás spektráls laposság mértéke, mely az S (f) teljesítméysűrűség spektrum mérta közepéek és számta közepéek a háyadosa. Eek belátásához tételezzük fel egy f F/ szélességű tervallumok felett S kostas értékű, lépcsős S(f) spektrumot, (vagy am ezzel ekvvales, az tegrálokat tégláyösszeggel közelítjük): exp l( S ) f exp l( S ) S F γ, S f S S F ezért γ. ehát G max és akkor, ha a forrás fehér zaj. A fehér zaj tehát em predkálható. Egy jel aál hatásosabba predkálható, mél egyelőtleebb a teljesítméysűrűség spektruma. Az s ylvávaló, hogy a ulla sávszélességű, azaz voalas spektrumú összetevő perodkus kompoest jelet, mely ulla predkcós hbával rekostruálható. Ez azt jelet, hogy a harmokus összetevők mtát em kell kvatál és átv a csatorá, a dekóderbe egy megfelelőe beállított kezdőértékekkel működő oszcllátor tökéletese rekostruálja őket. fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 6/8 6.3.4. A dffereca képző és rekostruáló leárs hálózatok A dfferecáls kódolásál a jelzaj vszoyak a predkcós yereséggel megövelt értékéek remélt realzálásához vzsgáljuk meg éháy dfferecaképző ötletet. Egyelőre tegyük fel, hogy ormál üzemmódú, agyo fom kvatálókat haszáluk, azaz most eltektük a emleárs kvatálás torzítástól, és a leárs modell kerete belül a kódolóbel dffereca képzés és a hozzátartozó dekódolóbel rekostrukcó éháy strukturáls lehetőségét vzsgáljuk meg. A vzsgált struktúrákba a traszferfüggvéyű dobozok alatt mdg a bemeet mták késleltetettjeek valamlye súlyozott összegét értjük (FI szűrők).. Előrecsatolt dfferecaképzés H( z) all zero koder (MA) all pole dekoder (A) Megjegyzések: együtthatóak optmáls értékét a jól smert leárs predkcó feladatáak 6...bel egyszerű megoldása adja. A kódoló hurokmetes hálózat, így feltétel élkül stabl. A dfferecáls jel hurko kívűl keletkezk. A rekurzív dekóder esetleges stabl pólusaál a bemeet dfferecáls jelek zérusa va (a kódoló matt), gy az esetleges stabl pólus em gerjesztődk. Mél agyobb predkcós yereséget érük el a kódolóba, azaz mél ksebb a dfferecáls jel teljesítméye, aál kább teljesítméyerősítőkét üzemel a dekóder.. Hátracsatolt dfferecaképző H( z) all zero decoder (MA) fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 7/8 Megjegyzések: együtthatóak optmáls értékét egy agyo boyolult, emleárs optmalzálás feladat em smert megoldása adja. A rekurzív kódoló stabltását semm sem garatálja. A dfferecáls jel hurko belül keletkezk. 3. Hátracsatolt dffereca képzés leárs predktorral H( z) Ekvvales.gyel (A) dekóder Megjegyzések: Ha ugyaaz az egyszerű leárs predktor, mt az első esetbe, akkor a kódoló (és természetese a dekódoló s) ekvvales az. esettel, és így megörökl aak smert és stabl tulajdoságat. Ugyaakkor ez a kódoló rekurzív hálózat, a dfferecáls jel egy hurko belül keletkezk. 4. öbbfokozatú dffereca képzés ( H ( z) )( H ( )) z ( H ( z) )( H ( )) z H (z) H (z) H (z) H (z) Megjegyzések: Az egyes fokozatokra ugyaaz gaz, mt az. esetre. öbb fokozatú predkcó lehetővé tesz a külöböző típusú predkcók (például közel mtáko alapuló és távol mtáko alapuló) szétválasztását. fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 8/8 5. öbb hurkú dffereca képzés H (z) H (z) Megjegyzések: A kódoló és így a dekódoló s ekvvales az előzővel A dfferecáls jelek hurkokba képződek, így ezekre ugyaaz gaz, mt a 3. esetre. 6.3.5. A dffereca képzés és kvatálás A továbbakba a dfferecáls jel kvatálását s fgyelembe vesszük, feltéve, hogy a dfferecáls jelhez llesztett kvatálókat alkalmazuk, és így a ormál üzemmódú kvatálókat leárs, addtív zajhelyettesítő képükkel vesszük fgyelembe. Ebbe az esetbe két bemeetű ( az x jel, és az e kvatálás hbajel, zaj) és egy kmeetű (az y rekostruált jel) leárs hálózatokat vzsgálhatuk, alkalmazva a szuperpozcó elvét.. Előrecsatolt leárs predktor E(z) X(z) Y(z) Az aalízs eredméye: Y(z) X(z) E(z) fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 9/8 Megjegyzések: agy baj va: a rekostruált jelbe a kvatálás hba a dekóder teljesítméyerősítő jellegű traszferfüggvéyé keresztül, felerősítve jelek meg, így em realzálódk a predkcós yereség, értelmetle a dfferecáls kvatálás.. Hátracsatolt dfferecaképző X(z) E(z) Y(z) Az aalízs eredméye: Y(z) X(z) E(z) Megjegyzések: A kvatálás hba erősítés élkül kerül a rekostruált kmeetre, realzálható lee a predkcós yereség, ha a több, az előző potba leírt ehézség em álla fe továbbra s. 3. Leárs predktor vsszacsatolt változata E(z) X(z) Y(z) Az aalízs eredméye: Y(z) X(z) E(z) Örömtel felsmerés: Skerül realzál a predkcós yereséget a leárs predktor felhaszálásával stabl kódolóval, ha a kvatálót a dfferecaképző hurko belül helyezzük el. Ez a struktúra a dfferecáls, predktív kódolók alapstruktúrája. fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 0/8 A többfokozatú predktív kódolókat több hurkú, dferecáls kódolókkal valósíthatjuk meg: Q H (z) H (z) H (z) H (z) fle: KVA.doc verzó: 05. május

Kvatálás, kódolás /8 6.4. észsávú, kódolás 6.4.. A részsávú kódolók felépítése, aalízse Az eddgek sorá az F órajelű, átlagteljesítméyű stacoer forrást az F órajellel működtetett btes llesztett (optmáls) kvatálóval kvatáltuk: Q Csatora Q η Az llesztett kvatálás eredméyekét a ormál működésű kvatálóba keletkező ε η zaj teljesítméyre írhatjuk, hogy ε c, ahol c eloszlás és kvatáló típus függő kostas, tehát jelzaj vszoy: S Q k, k/c. Az adott mőséghez (jelzaj vszoy) szükséges csatora sebesség: I Q F. (bt/sec). A részsávú kódolás eseté a agy F sebességű bemeetet az aalízs szűrőbak darab ksebb F,,,... sebességű,,... összetevőkre botja, melyek teljesítméye,,,.... részsávú összetevőket külökülö, F sebességgel működtetett btes llesztett kvatálókkal kvatáljuk. A részsávú összetevők kvatálóak kmeetet az MX multplexer szervez a dgtáls csatorá átvhető szmbólum sorozattá. A dekóder a DMX demultplexerrel kezdődk, a kssebességű részsávú összetevők mtát az verz kvatálók rekostruálják, majd az eredő agysebességű kmeetet a sztézs szűrőbak állítja elő. btes Q Q η Aalízs szűrőbak btes Q M X Csatora D M X Q η Sztézs szűrőbak η Q Q η fle: KVA.doc verzó: 05. május

Kvatálás, kódolás /8 A részsávú összetevők teljesítméyere feltesszük, hogy, ugyas át em lapolódó részsávokba eső spektrumú stacoer folyamatok korrelálatlaok, tehát összeg égyzetes várható értéke egyelő a égyzetek várható értékeek összegével. Hasolóképpe a részsávú kvatálás eredő zajteljesítméye egyelő a rész kvatálók zajteljesítméyek összegével: ε ε, ovábbá a részsávú összetevők llesztett kvatálásaál keletkező zajteljesítméyre írhatjuk, hogy ε c, ahol c ugyaaz a kostas, amt az referecául tektedő em részsávú llesztett kvatálóál bevezettük. A részsávú (SubBad) kódolás eredő jelzaj vszoya tehát ahol S G SB SB c k az egyszer llesztett kvatálóhoz képest elért részsávú yereség, am tehát a részsávú felbotás által létrejött teljesítméy eloszlástól és a kvatálók btszámaak kosztásától függ. k G SB S Q A szükséges csatora sebesség: I F (bt/sec). SB Ha egyeközű részsávú felbotást végzük, akkor F F/,,,... és ekkor az azoos csatora sebességhez (I SB I Q ) szükséges btkosztásra adódk: fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 3/8 6.4.. Az optmáls btallokácó Ha a frekveca tegely felett egyeközű részsávú felbotás mellett dötük, akkor már adott a részsávú felbotás teljesítméy eloszlása és a részsávú kódolástól várható yereség már csak a kvatálók btszámaak kosztásától függ. A feladat tehát: adott,,,... teljesítméy eloszlású sávfelbotás és adott összbtszám mellet, keressük a kvatálók azo kosztását, melyél mmáls ez eredő kvatálás zaj teljesítméy:. m,,... azaz ε,sb feltéve, hogy m,,..., 0 öbbváltozós függvéy feltételes szélsőértékét keressük. A Lagrage multplkátoros módszer szert a feladatot vsszavezetjük az alább () változós, feltétel élkül szélsőérték keresésre: m,,... λ λ m,,... λ ϕ (,,... λ) A dfferecálható célfüggvéy szélsőértékére írhatjuk: grad φ(,..., λ)0, azaz ( ) λ l λ,,,... λ ahol l a természetes alapú logartmus. t kfejezve: l ld ld,,... λ Ezeket összegezve és l ld ld λ vsszahelyettesítve kapjuk: feltételt felhaszálva: l, melyből ld ld λ. Ezt be fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 4/8 ld ld ld ld azaz ld,,,... Eredméyük szert, tehát az optmáls bt kosztás azt jelet, hogy az átlagos btszámál agyobb btszámot (azaz fomabb kvatálást) azo részsávok kvatálására osztuk k, melyek teljesítméye agyobb a részsávú felbotásál kapott teljesítméy eloszlás mérta közepéél, azaz >. A ks teljesítméyű részsávok az átlagál kevesebb btszámot kapak, azaz ezeket durvábba kvatáljuk. Az optmáls bt kosztásál az egyes részsávokba keletkező kvatálás zajra kapjuk: ε c c c ehát ε től függetle, a kvatálás zaj teljesítméyegyeletes eloszlású a részsávokba. A részsávú kódolással elérhető yereség: G SB S S SB Q ε,q ε, c c észsávú kódolással tehát, aál agyobb jelzaj vszoy érhető el, mél jobba eltér a részsávú összetevők teljesítméyeek mérta közepe a számta középtől, azaz mél egyelőtleebb a teljesítméy eloszlás. Az elérhető jelzaj vszoy javulásra kapott eredméyük léyegébe ugya az mt a dfferecálspredktív kódolókál megsmert határ. fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 5/8 6.5. raszformácós, kódolás 6.5.. A traszformácós kódolók felépítése, aalízse A kódoló: Q () η() Q S/ A MX Csatora Q Blokk képzés Sorospárhuzamos átalakítás, Framg Leárs raszformácó Kompoesekét kvatálás Dekódoló: Q Q η () () Csatora DMX B /S Q Iverz traszformácó árhuzamossoros átalakító ahol: () [,,... () ], η () A () és. fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 6/8 6.5.. Az optmáls traszformácós kódolás: KL Olya traszformácós mátrxot keresük, amely a stacoer folyamat korrelált (), 0,,...() mtáak egyeletes eergaeloszlású vektorából egyeetlet állít elő. A stacoer forrás hosszú blokkjaak autokorrelácós mátrxa az alább (0) ()... ( ) E{ ( ) ( ) } (0)...,... mely egy oepltz mátrx, átlójába a kostas átlag teljesítméyel. A traszformált vektor autokorrelácó mátrxa: E { η( ) η ( ) } E{ A ( ) ( ) A } A A η Olya traszformácós mátrxot keresük, amely a stacoer folyamat korrelált (), 0,,...() mtáak egyeletes eergaeloszlású vektorából olya η() vektort állít elő, melyek kompoese korrelálatlaok, azaz az tételezzük fel) és mátrx dagoál mátrx (ulla várható értékű forrást η teljesítméyeek eloszlása a lehető legegyelőtleebb, azaz adott összeg mellett mmáls a szorzatuk, mert az optmáls btallokácó mellett ekkor realzálható a legagyobb yereség. A feladat megoldását a forrás xes sajátértéke alapjá kapjuk meg: Az autokorrelácós mátrxáak sajátvektora és mátrx d saját értéke és a hozzájuk tartozó v saját vektora defcója: v d v,,... am máskét s felírható: [ v, v,...v ] és D dag { d, d,... } V V D ahol V A poztív deft autokorrelácós mátrxra gaz, hogy sajátértéke poztív számok, sajátvektora ortogoálsak (és egyre ormáltak) t t v v j δ, j azaz V V I, azaz V ehát t V d η D V t V fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 7/8 Az optmáls traszformácós kódolóba alkalmazadó traszformácós mátrx a stacoer forrás autokorrelácós mátrxa sajátvektoraból mt sorokból álló mátrx: t v t t v A V lletve B A V [ v, v,...v ]... t v Ezt a traszformácót KarhueLoeve traszformácóak evezzük. 6.5.3. Szuboptmáls traszformácók raszformácók: 4 potos DWH 4 potos DF 4 4 H j j F j j 4 potos DC 4 a b b a C a a b a b π cos 8 3π s 8 DCt haszálják gyakra, am vsszavezethető DF (FF)re. Az potos, valós DC traszformácó potos bemeetét kegészíthetjük potos valóspáros bemeetté a komplex potos FF számára, ekkor a kmeet potos valóspáros lesz, melyek potos része az potos valós DC traszformácó kmeete. fle: KVA.doc verzó: 05. május

Kvatálás, kódolás 8/8 6.5.4. Képjelek traszformácós kódolása fle: KVA.doc verzó: 05. május