over-δειγματοληψίας στο δέκτη

[BLWFSOJ]

Γεια σου, είμαι αντιμετωπίζει κάποιο πρόβλημα κατανόηση αυτής της έννοιας. Διάβασα σε ορισμένες εφημερίδες ότι η υπερβολική δειγματοληψία στο πλάι του δέκτη αύξηση δείγματα συσχετισμό του σήματος. Πώς μπορεί να γίνει αυτό δεν ξέρω. Απ 'όσο γνωρίζω, η αύξηση του αριθμού των δειγμάτων που δεν επηρεάζει τη συσχέτιση. παρακαλώ βοηθήστε. αφορά,

 

[drizzd]

Υπερδειγματοληψίας σημαίνει ότι έχετε δείγμα σε ένα υψηλότερο ποσοστό από ό, τι το ποσοστό του σήματος. Δεδομένου ότι το σήμα αλλάζει σιγά-σιγά WRT. ο ρυθμός δειγματοληψίας, συσχετίζονται γειτονικές δείγματα. Αλλά αν ομαλοποιήσει την καθυστέρηση συσχέτιση με το ποσοστό δειγματοληψίας, τότε υπερδειγματοληψίας απλά σου δίνει μια μεγαλύτερη ανάλυση την ίδια λειτουργία αυτοσυσχέτισης. Έτσι με αυτή την έννοια, τίποτα δεν αλλάζει.

 

[BLWFSOJ]

Ευχαριστώ, Ο σκοπός της ερώτησής μου ήταν να βεβαιωθείτε για τα εξής: Σε ένα πολύ χαμηλό SNR περιβάλλον των διακυμάνσεων του θορύβου δεν επιτρέπει τη μη συνεπή ανίχνευσης (ανιχνευτής ενέργεια) για να δώσει καλά αποτελέσματα. Γι 'αυτό προσπαθούν να προσδιορίσουν το σήμα από το θόρυβο από ορισμένα συστήματα συσχέτισης (γιατί ο θόρυβος είναι τυχαία μεταβλητή iid Gaussian). Με αυτή την έννοια μπορούμε να πούμε ότι κατά τη δειγματοληψία αυξάνει την αντιστοιχία μεταξύ της δειγματοληψίας. ειδικά αν χρησιμοποιήσουμε τις ιδιοτιμές του πίνακα συσχέτισης για να πιάσει αυτή την αυξημένη συσχέτιση. αφορά,

 

[drizzd]

Εγώ δεν ακολουθούν τη γραμμή σας συλλογιστική. Αυτό που νομίζετε ότι μπορεί να κάνει είναι αυτό. Το επιθυμητό σήμα είναι μπάντα περιορισμένη και ντετερμινιστική. Έχετε ένα σήμα θορύβου με μεγαλύτερο εύρος ζώνης από το επιθυμητό σήμα. Εάν στο δείγμα κατά το ποσοστό που αντιστοιχεί στο επιθυμητό σήμα, θα υπάρχει aliasing για το σήμα του θορύβου. Αυτό μειώνει in-band SNR σας. Αν αυξηθεί ο ρυθμός δειγματοληψίας σας υπάρχει λιγότερη aliasing. Μετά από αυτό, οι λειτουργίες συσχέτιση ως χαμηλοπερατό φίλτρο, το οποίο μειώνει out-of-band θορύβου σας. Μπορείτε να επιτύχετε το ίδιο αποτέλεσμα με διήθηση χαμηλής διέλευσης πριν από τη δειγματοληψία. Με αυτόν τον τρόπο μπορείτε να αποφύγετε υπερδειγματοληψίας.

 

[kaleem.ullah]

πάνω από τη δειγματοληψία μπορεί να αυξήσει την correlation.for περισσότερες λεπτομέρειες δείτε το παρακάτω χαρτί,, Spectrum-Sensing Αλγόριθμοι για Γνωστική Radio με βάση στατιστικά συνδιασπορών Yonghong Zeng, ανώτερο μέλος, IEEE, και Ying-Chang Liang, Ανώτερο μέλος, IEEE "θα πάρετε ur απάντηση

 

[BLWFSOJ]

Γεια σου, ευχαριστώ για την απάντηση. Στην πραγματικότητα ο ίδιος συγγραφέας σε διάφορα δημοσίευση (μέγιστη ιδιοτιμή ανίχνευσης) με έκανε να θέσω το ερώτημα. Δεν είναι σαφές για ποιο λόγο το στενό σήματα μπάντας έχουν υψηλή συσχέτιση μεταξύ των δειγμάτων του (τα δείγματα των δεδομένων θα πρέπει να είναι ανεξάρτητοι). Εκτός αν το κανάλι θεωρείται ως συχνότητα επιλεκτική ξεθώριασμα. (Παρακαλώ πείτε μου αν είμαι λείπει το είδος του καναλιού) Από την άλλη πλευρά, έχω ελέγξει τις άλλες λογοτεχνία s (ασύρματες τεχνολογίες κυκλωμάτων, συστήματα και συσκευές, για Krzysztof Iniewski ), η οποία λέει: Σελίδα 148 "Σημειώστε ότι οι υπερ-δειγματοληψία θα συσχετίζονται δείγματα θόρυβο? Έτσι, η ανίχνευση μπορεί να είναι πάντα μειωθεί σε δειγματοληψίας Nyquist." Ξέρω ότι αν η αύξηση του αριθμού των δειγμάτων που αισθάνθηκε η απόδοση της ανίχνευσης θα αυξηθεί, αλλά αυτό είναι μια άλλη ιστορία, έτσι δεν είναι; στην πραγματικότητα, έχω κάνει ακόμα και προσομοίωση για το χαρτί του συγγραφέα: "Μέγιστη ιδιοτιμή Ανίχνευση: Θεωρία και Εφαρμογές», αλλά το MED (που βασίζεται στη θεωρία της αύξησης συσχέτιση με υπερδειγματοληψίας) ανίχνευση μου δίνει τα ίδια αποτελέσματα με την ανίχνευση της ενέργειας. τις καλύτερες ευχές,

 

[drizzd]

"Σημειώστε ότι οι υπερ-δειγματοληψία θα συσχετίζονται δείγματα θόρυβο? Έτσι, η ανίχνευση μπορεί να είναι πάντα μειωθεί σε δειγματοληψίας Nyquist."

Το συμπέρασμα είναι σωστό, αλλά λέγοντας ότι έτσι είναι παράξενο και παραπλανητική. Πάνω-δειγματοληψία δεν αλλάζει τίποτα σχετικά με τις ιδιότητες του σήματος. Είναι _only_ αλλάζει η ανάλυση σας. Υπερδειγματοληψίας είναι συνεπώς άσκοπο - δεν υπάρχουν νέες πληροφορίες. (Αν και μπορεί να είναι επωφελής για ορισμένες χαμηλής πολυπλοκότητας εφαρμογές.) Μπορεί ακόμη και να είναι αντιπαραγωγική, διότι μπορεί να προκαλέσει προβλήματα-condition.

Ξέρω ότι αν η αύξηση του αριθμού των δειγμάτων που αισθάνθηκε η απόδοση της ανίχνευσης θα αυξηθεί, αλλά αυτό είναι μια άλλη ιστορία, έτσι δεν είναι;

Απολύτως.