Aufgabe 7.1 Bei einer digitalen Übertragung liege folgendes Modell vor:

Ähnliche Dokumente
P (x i ) log 2 = P (x. i ) i=1. I(x i ) 2 = log 1. bit H max (X) = log 2 MX = log 2 2 = 1. Symbol folgt für die Redundanz. 0.9 = 0.

Übung 14: Block-Codierung

Übung zur Vorlesung. Informationstheorie und Codierung

Einführung in die Kodierungstheorie

Fehlerschutz durch Hamming-Codierung

Single Parity check Codes (1)

Signalübertragung und -verarbeitung

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2

Übung 13: Quellencodierung

4.0.2 Beispiel (Einfacher Wiederholungscode). Im einfachsten Fall wird die Nachricht einfach wiederholt. D.h. man verwendet die Generatorabbildung

Die Mathematik in der CD

Theoretische Grundlagen der Informatik WS 09/10

Übungen zur Vorlesung Grundlagen der Rechnernetze. Zusätzliche Übungen

Informationstheorie und Codierung. Prof. Dr.-Ing. Lilia Lajmi

Informationstheorie und Codierung

Kapitel 4 Leitungscodierung

6 Fehlerkorrigierende Codes

Information und Codierung

Rechnernetze Übung 5. Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai Wo sind wir?

Index. Chien-Suche, 220 CIRC, 234 Code, 2, 9 äquidistanter, 81

Verkettungen von optimalen algebraischen und sphärischen Codes bei Coderate 1/2

Information & Kommunikation - Zusammenfassung

Allgemeine Beschreibung von Blockcodes

Redundanz. Technische Informationsquelle Entropie und Redundanz Huffman Codierung. Martin Werner WS 09/10. Martin Werner, Dezember 09 1

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes

Übung 1: Quellencodierung

Skalarprodukt und Orthogonalität

Bestimmung einer ersten

Grundlagen der Technischen Informatik. 2. Übung

Digital Signal Processing

Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai 2011

Übertragungssysteme WS 2011/2012. Vorlesung 5. Prof. Dr.-Ing. Karlheinz Brandenburg.

Fehlererkennung und Fehlerkorrektur in Codes

Angewandte Informationstechnik

Grundlagen der Nachrichtentechnik 4

Decodierung von Faltungscode- und Turbocode-basierten 2D-Barcodes unter Ausnutzung des Matched-Filter Ansatzes

(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)

Die Schicht unterhalb von GSM/UMTS, DSL, WLAN & DVB

Skalarprodukte (Teschl/Teschl Kap. 13)

2.3 Binäre Übertragung

Blockweise und symbolweise Codierung

Euklidische und unitäre Vektorräume

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

3.6 Eigenwerte und Eigenvektoren

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Ein (7,4)-Code-Beispiel

Codierungstheorie Rudolf Scharlau, SoSe

Signalübertragung und -verarbeitung

A2.5: DSL-Fehlersicherungsmaßnahmen

Lineare Algebra und Numerische Mathematik für D-BAUG

Codierung, Codes (variabler Länge)

1 Grundlagen. 1.1 Erste Grundbegriffe 1.2 Kryptographische Systeme 1.3 Informationstheoretische Grundlagen

Übungen zur Vorlesung Diskrete Strukturen

Übungen zur Linearen Algebra 1

ADSL über ISDN-Basisanschlüsse

3 Der Hamming-Code. Hamming-Codes

Kanalkapazität. Grundlagen der Rechnernetze Physikalische Schicht 25

Musterlösungen zur Linearen Algebra II Übungsklausur

Nachrichtentechnik 4 3 Kanalcodierung in der Nachrichtenübertragung

Organisation. Was kommt zum Test? Buch Informatik Grundlagen bis inkl. Kapitel 7.4 Wissensfragen und Rechenbeispiele

Übung zu Drahtlose Kommunikation. 9. Übung

Dynamisches Huffman-Verfahren

CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005

Übung zu Drahtlose Kommunikation. 7. Übung

Lineare Gleichungssysteme

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

28 4. DIE MATHEMATIK HINTER DER COMPACT DISC. Abbildung 4.1: Selbstkorrigierende Codes

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

37 Gauß-Algorithmus und lineare Gleichungssysteme

Der Huffman Algorithmus

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

Digi-Mode Verfahren Einsatz Klang

Grundlagen exakter Methoden zur Verschlüsselung von Codewörtern mittels linearer Codes*

Empfänger. Sender. Fehlererkennung und ggf. Fehlerkorrektur durch redundante Informationen. Längssicherung durch Paritätsbildung (Blockweise)

Codierungstheorie Teil 1: Fehlererkennung und -behebung

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Definition der Entropie unter Verwendung von supp(p XY )

Fehlerkorrigierende Codes

Übungen zu Einführung in die Lineare Algebra und Geometrie

Technische Universität München Zentrum Mathematik. Übungsblatt 7

3.4 Der Gaußsche Algorithmus

Geometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Übrigens: um den Algorithmus im Unterricht einzuführen, sind keine Formeln notwendig! Warum reicht die normale ASCII-Codierung nicht aus?

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19

Versuch 5: Filterentwurf

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:

Seite 108. Datenübertragung: asynchron synchron. langsame Übertragung kurze Distanzen langsame Übertragung weite Distanzen

Verkettungen von optimalen algebraischen und sphärischen Codes bei Coderate 1/2

Kapitel 3 Kanalcodierung

Fehler-korrigierende Codes

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Grundlagen der Technischen Informatik. Codierung und Fehlerkorrektur. Kapitel 4.2

2 Euklidische Vektorräume

Informationstheorie und Codierung. Prof. Dr.-Ing. Lilia Lajmi

Einführung in die Codierungstheorie

Man unterscheidet zwei Gruppen von Codes: Blockcodes und Faltungscodes.

Die Begriffe analog und digital stammen aus der Rechentechnik:

Transkript:

1 Aufgabe 7.1 Bei einer digitalen Übertragung liege folgendes Modell vor: Q x q x akf digitale Übertrag. q y akf S y Quellensymboldauer T q = 1ms diskreter Kanal Q x sei eine stationäre Markov-Quelle nullter Ordnung mit q x (k) X = {x 1, x 2 } und x 1 = 0, x 2 = 1. Für die Symbolwahrscheinlichkeit gelte zunächst: P (x 1 ) = P (x 2 ) = 1 2. a) Sind Aussagen über das digitale Übertragungsverfahren möglich? Wenn ja, welche? b) Besitzt die Quelle Q x ein Gedächtnis? Was bedeutet ein Quellen- Gedächtnis im Hinblick auf die statistische Beschreibung? c) Berechnen Sie die Entropie H(X) und die Redundanz R(X) der Quelle Q x. Welche Übertragungsrate in bit/s muss das digitale Übertragungsverfahren bereitstellen? Es gelte nun: P (x 1 ) = 0,1 und P (x 2 ) = 0,9. d) Beantworten Sie die Fragen unter c) entsprechend. Wie kann man erreichen, dass das digitale Übertragungsverfahren wirklich nur die minimal notwendige Übertragungsrate bereitstellen muss? Betrachtet werde im Folgenden die Quelle Q y, die entsteht, wenn man die Quelle Q x mit dem digitalen Übertragungsverfahren zusammenfasst. Das digitale Übertragungsverfahren definiert einen diskreten Kanal, der als symmetrisch, stationär und ohne Gedächtnis angenommen werden soll. Für das Ausgangsalphabet gelte Y = X, und die mittlere Bitfehlerwahrscheinlichkeit sei P b = 0,1. e) Welcher spezielle diskrete Kanal ist hier als Modell passend? Ist Q y stationär und ohne Gedächtnis? f) Berechnen Sie die Entropie, Redundanz und Irrelevanz der Quelle Q y. Was bedeutet die Irrelevanz in q y (k)?

2 Aufgabe 7.2 Mit Hilfe einer bipolaren Übertragung sollen Quellensymbole q(k) {0, 1} übertragen werden. Auf der Empfangsseite sei bei der bipolaren Übertragung die Entscheidungsschwelle verstellt, so dass ungleiche Bitfehlerwahrscheinlichkeiten resultieren: q(k) = x 1 = 0 P b1 = 10 2 q(k) = x 2 = 1 P b2 = 10 1. Der resultierende diskrete Kanal sei ohne Gedächtnis. a) Geben Sie die Kanalmatrix P (Y X) an. Welcher bekannte diskrete Kanal ist als Modell passend? Die Quelle am Eingang des Kanals sei eine stationäre Binärquelle ohne Gedächtnis mit P (x 1 ) = 0,2. b) Berechnen Sie die Entropie am Kanaleingang, sowie die Entropie, die Transinformation und die Irrelevanz am Ausgang des Kanals. c) Wie groß ist die Kanalkapazität C dieses Kanals? d) Welche Maßnahmen sind erforderlich, damit die vorgegebene Quelle die Kapazität des Kanals auch nutzen kann? Aufgabe 7.3 Gegeben sei ein BSC mit P b = 10 1. a) Wie viel bit/s könnte man prinzipiell über diesen Kanal fehlerfrei übertragen, wenn die Kanalzugriffe mit den kleinstmöglichen zeitlichen Abständen von T Kan = 1 µs erfolgen? b) Skizzieren Sie ein Blockbild der in a) angesprochenen Übertragung. c) Die Quelle sei binär und ohne Gedächtnis und es gelte P (x 1 ) = 0,4. Welche Redundanz muss der Quellencodierer entfernen und wie viel muss der Kanalcodierer wieder hinzufügen, wenn man optimale Codierungsvorschriften voraussetzt? Aufgabe 7.4 Folgende Kanalmatrix sei gegeben: ( ) 1 0 0 P (Y X) =. a) Handelt es sich um einen gestörten oder ungestörten Kanal? b) Berechnen Sie die Kanalkapazität und die zugehörige Quellenstatistik. 0 1 2 1 2

Aufgabe 7.5 Über einen bandbegrenzten AWGR-Kanal sollen Daten mit einer Rate von rü = 10 Mbit/s übertragen werden. Die Mittenfrequenz des BP-Kanals sei f 0 = 4 GHz und für die Bandbreite gelte f = 5 MHz. Als Übertragungsverfahren soll QAM mit einem Raised Cosine -Elementarsignal und α = 1 angenommen werden. a) Welche Bandbreiteausnutzung η in bit/(s Hz) ist mindestens erforderlich? b) Welche konkreten QAM-Verfahren könnte man einsetzen? c) Geben Sie das theoretisch für eine fehlerfreie Übertragung minimal notwendige SNR an. Welche Bitfehlerwahrscheinlichkeit ergibt sich für das konkrete, unter b) von Ihnen vorgeschlagene Verfahren, wenn man das minimal notwendige SNR annimmt? Warum ist diese Bitfehlerwahrscheinlichkeit ungleich Null? Aufgabe 7.6 Eine stationäre, gedächtnislose Quelle mit einem 4-wertigen Symbolalphabet x i, (i = 1,..., 4) und den Wahrscheinlichkeiten P (x 1 ) = 0,5 P (x 2 ) = 0,25 P (x 3 ) = 0,125 P (x 4 ) = 0,125 soll so codiert werden, dass möglichst viel Redundanz entfernt wird. a) Berechnen Sie Entropie und Redundanz der Quelle. b) Konstruieren Sie mit Hilfe des Huffman-Algorithmus einen passenden Code zur Entropiecodierung. c) Wie groß ist die verbleibende Redundanz nach der unter b) bestimmten Codierung? Wie viel bit/codesymbol ergeben sich nach der Codierung? Aufgabe 7.7 Gegeben seien zwei orthogonale Vektoren im R n, die eine Ebene aufspannen: c 1 = (1, 1,..., 1, 1,..., 1) c 2 = (1, 1,..., 1, 1,..., 1 }{{}}{{} n 2 mal 1 n 2 mal 1 ) a) Skizzieren Sie die Ebene mit den Basisvektoren c 1 und c 2. Wie groß ist die euklidische Distanz zwischen c 1 und c 2? Es gelte nun c 1e = c 1 +e (Addition im R n ). Mit dem Fehlervektor e bestehend aus n um den Mittelwert 0 gaußverteilten Komponenten. c 1 und c 2 sollen im Folgenden als Codevektoren aufgefasst werden, die mit gleicher Wahrscheinlichkeit gesendet und von einem zeitdiskreten Kanal übertragen werden. Das Ausgangsalphabet des Kanals sei R. 3

4 b) Wie groß darf der Betrag des Vektors e maximal sein, wenn keine Fehlentscheidung vorkommen soll (ML-Entscheidung)? Ist bei größerem e immer eine falsche Entscheidung zu erwarten? Wo liegt die Entscheidungsgrenze in der unter a) skizzierten Ebene? Welchem Übertragungverfahren entspricht das hier betrachtete? Die Werte 1 in c 1 und c 2 sollen nun durch die Werte 0 ersetzt werden und c 1, c 2 und e seien Vektoren aus dem n-dimensionalen Vektorraum über dem Körper GF(2). c) Berechnen Sie die Hamming-Distanz zwischen c 1 und c 2. Was bedeutet die Orthogonalität jetzt? Der Fehlervektor e soll nun mit dem Fehlermuster identisch sein, das ein BSC in den empfangenen Codeworten erzeugt. d) Beantworten Sie die Fragen unter b) entsprechend. e) Wenn sämtliche weiteren n 2 orthogonalen Basisvektoren hinzugenommen werden, entsteht ein Orthogonalcode. Welchem Übertragungsverfahren entspricht die zugehörige Übertragung von Codeworten? f) Der Orthogonalcode spannt den gesamten Vektorraum auf. Wäre auch ein Code vorstellbar, der nur einen Unterraum aufspannt? Welche Vorteile hätte dieser Code? Aufgabe 7.8 Vorgegeben sei ein bereits realisiertes digitales Übertragungssystem, das zur Übertragung von Messdaten verwendet werden soll: q x akf k0,1p digitale Übertr. q y akf k0,1p Abb. 0.1. Zu Aufgabe 7.8: Modell des Übertragungssystems Für die digitale Übertragung gelte: 2 PSK, AWGR-Kanal P b = 10 2 rü = 10 Mbit/s Für die Messdaten ist eine Bitfehlerwahrscheinlichkeit von P brest = 10 4 gerade noch tragbar. Es soll nun untersucht werden, wie man dieses Ziel mittels Kanalcodierung erreichen kann. a) Welches Kanalmodell ist hier passend? Wie groß ist die Kanalkapazität?

In einem ersten Ansatz soll ein Bi Code mit n = 8 auf seine Brauchbarkeit untersucht werden. b) Welche Coderate r c besitzt der Code? Ist mit dieser Coderate prinzipiell ein P brest < P b zu erreichen ( Satz von Shannon)? c) Welcher wahrscheinlichst gesendete Codevektor c i ergibt sich, wenn der empfangene Vektor folgendermaßen lautet: c e = (1, 1, 0, 1, 0, 0, 1, 1) Kann man sagen, ob die Entscheidung in jedem Fall richtig ist? d) Wie viele Fehler kann der Code sicher korrigieren? Wie groß ist die relative Korrekturfähigkeit t n? Warum treten trotz P b < t n Fehlentscheidungen auf? e) Welche Coderate r c, welche relative Korrekturfähigkeit t n und welche Restbitfehlerwahrscheinlichkeit P b Rest ergeben sich, wenn man einen Bi Code mit n = 16 in Betracht zieht? f) Suchen Sie aus den in diesem Kapitel angesprochenen Codes den aus, der das Ziel P b Rest 10 4 bei größter noch verbleibender Nutzdatenrate erreicht. Wie groß ist diese Datenrate? Aufgabe 7.9 Vorgegeben sei ein AWGR-Kanal mit der Rauschleistungsdichte N 0, über den Daten mittels 2 PSK übertragen werden sollen. Durch den Einsatz von Kanalcodierung soll die Sendeleistung verkleinert werden, die man für P b 10 6 benötigt. Vorausgesetzt werden soll, dass harte Entscheidungen ( Hard Decisions ) auf der Empfangsseite an die Decodierung weitergegeben werden. a) Welches diskrete Kanalmodell ist passend? b) Wie groß ist die Sendeleistung S uncod, die man bei uncodierter Übertragung benötigt (bei gegebenen N 0, P b = 10 6 )? c) Welches P b ist zulässig, wenn man einen (255, 131, 18)-BCH-Code verwendet um P b Rest = 10 6 zu erreichen? Wie viel db an Sendeleistung können damit auf Kosten der Datenrate eingespart werden? Welche Reduktion tritt bei der Datenrate auf? Aufgabe 7.10 Ein bereits realisiertes digitales Übertragungverfahren soll zur Übertragung von Daten über einen Kanal verwendet werden, für den das Verfahren eigentlich nicht vorgesehen war. Das Modell der Übertragung ist das gleiche wie in Abb. 0.1. Die Übertragungsrate ist rü = 10 Mbit/s. Umfangreiche Messungen bestätigen, dass zu hohe Fehlerhäufigkeiten resultieren, wobei die Fehler aber in Bündeln ( Bursts ) auftreten. Innerhalb der Bündel liegt eine vollständig gestörte Binärübertragung vor. Erste Vorüberlegungen führten zu dem Ergebnis, dass mit einer passenden 5

6 Kanalcodierung und dem Einsatz von Interleaving das Ziel einer quasi fehlerfreien Übertragung wahrscheinlich erreicht werden kann. Vorausgesetzt werden soll ein binärer Blockcode. Fehlerbündel L k max. Länge L B = 1024 bit min. Abstand (fehlerfreies Intervall) L Abst = 6 L B Welche mittlere Bitfehlerwahrscheinlichkeit P b ist im ungünstigsten Fall zu erwarten? b) Die Matrix eines Blockinterleavers wird spaltenweise beschrieben. Wie viele Zeilen l max muss die Matrix des Blockinterleavers mindestens besitzen, wenn man die Fehlerbündel in jedem Fall in binäre Symbole zerstückeln will? Zeichnen Sie den ungünstigsten Fall bezüglich der Fehlerbündel in eine Deinterleaver-Matrix mit großer CW-Länge n ein. Für die Zahl der Zeilen soll l = l max gelten. c) Will man einen Code verwenden, der einen Fehler korrigieren kann, dann lässt sich die Interleavermatrix so dimensionieren, dass alle Fehler bei der Decodierung korrigiert werden können. Wie groß ist dabei die maximale Codewortlänge n 1? Welche Länge n ist maximal möglich, wenn man einen Code verwenden will, der t Fehler korrigieren kann? Wie groß ist die erforderliche relative Korrekturfähigkeit t n? d) Bestimmen Sie den BCH-Code, der die gewünschte Korrekturfähigkeit besitzt und bei dem die größte verbleibende Nutzdatenrate resultiert. Aufgabe 7.11 Mit der gleichen Aufgabenstellung wie in Aufgabe 7.10 soll nun ein RS-Code mit 8 bit/codesymbol betrachtet werden. RS-Codes erreichen das theoretische Optimum bezüglich der minimalen Hamming-Distanz d min = n k + 1. a) Welche Codewortlänge n (in 8 bit-symbolen!) ergibt sich? Wie groß ist die Korrekturfähigkeit? Nehmen Sie im Folgenden vereinfachend an, dass ein Fehlerburst immer am Beginn eines Codesymbols anfängt. b) Welche mittlere Symbolfehlerhäufigkeit P s resultiert im ungünstigsten Fall?

c) Ist Interleaving auf Bit- oder Symbolebene sinnvoller? d) Lösen Sie Punkte b) bis d) aus Aufgabe 7.10 für die hier vorausgesetzten RS-Codes. Ein verkürzter Code entsteht dadurch, dass man bei einem systematischen linearen Blockcode die ersten l Codesymbole zu Null setzt. Da diese Nullsymbole dem Decoder bekannt sind, braucht man sie nicht übertragen, womit der verkürzte Code die Parameter n = n l und k = k l besitzt. e) Bestimmen Sie den verkürzten RS-Code mit 8 bit/symbol, der bei kürzester Codewortlänge n in jedem Fall eine fehlerfreie Übertragung garantiert. Wie groß sind die Codewortlänge, die Coderate und die resultierende Nutzdatenrate? Welche Zeitverzögerung verursacht das Interleaving insgesamt bei der Übertragung? Aufgabe 7.12 Ein verketteter ( concatenated ) Code entsteht, wenn man eine Kanalcodierung doppelt anwendet. 7 innere Codierung COD KCA COD KCI Kanal I DEC KCI DEC KCA Kanal A äußere Codierung Der folgende verkettete Code soll auf seine Eigenschaften hin untersucht werden: Innerer Code: Bi, k Bi = 8 äußerer Code: RS, n RS = 64, k RS = 48. Die Verkettung soll derart sein, dass ein RS-Codesymbol über den inneren Kanal durch ein Bi Codewort übertragen wird. a) Betrachtet werde zunächst der innere Code. Wie groß ist die Codewortlänge n Bi-? Welche Coderate r c Bi- liegt vor? Wie viele Fehler t Bi- können mindestens korrigiert werden? b) Betrachtet werde nun der äußere Code. Wie viele bit/codesymbol müssen vorgesehen werden? Geben Sie die maximal mögliche Codewortlänge n RS max an. Um welche spezielle Variante von Code handelt es sich bei n RS = 64 (s. Aufgabe 7.11)? Wie viele Fehler t RS (in Symbolen) können mindestens korrigiert werden?

8 c) Schließlich werde der verkettete Code betrachtet. Welche Codewortlänge n ges in bit ergibt sich? Wie groß ist die resultierende Coderate r c ges? Wie viele Bitfehler t ges (vom Kanal I verursacht) kann der Code mindestens korrigieren? Welche maximale Länge L B und welcher minimale Abstand L Abst in bit dürfen bei Bündelfehlern vorliegen, ohne dass die Korrekturfähigkeit überfordert ist? Könnte man mit Interleaving die Korrekturfähigkeit bei Bündelfehlern verbessern? An welcher Stelle wäre Interleaving sinnvoll? Wie berechnet man die Gesamt-CW-Fehlerwahrscheinlichkeit, wenn beim inneren und äußeren Code eine BD-Decodierung angenommen wird?