【计算机网络】物理层 : 编码 ( 数字数据 编码 数字信号 | 非归零编码 | 归零编码 | 反向不归零编码 | 曼彻斯特编码 | 差分曼彻斯特编码 | 4B/5B 编码 )

简介: 【计算机网络】物理层 : 编码 ( 数字数据 编码 数字信号 | 非归零编码 | 归零编码 | 反向不归零编码 | 曼彻斯特编码 | 差分曼彻斯特编码 | 4B/5B 编码 )

文章目录

一、 数字数据 编码 数字信号

二、 非归零编码 ( NRZ )

三、 归零编码 ( RZ )

四、 反向不归零编码 ( NRZI )

五、 曼彻斯特编码

六、 差分曼彻斯特编码

七、 4B/5B 编码





一、 数字数据 编码 数字信号


数字数据 编码为 数字信号 的编码方式 :


① 非归零编码 ( NRZ )


② 曼彻斯特编码


③ 差分曼彻斯特编码



后面的编码仅做了解


④ 归零编码 ( RZ )


⑤ 反向不归零编码 ( NRZI )


⑥ 4B/5B 编码






二、 非归零编码 ( NRZ )


非归零编码 ( NRZ ) :



高电平 1 11 , 低电平 0 00 ;


编码 实现 简单 ;



没有检错功能 ;


无法判断 码元 的 开始 , 结束 ;


收发双方 无法 保持同步 ;

image.png





非归零编码 同步示例 :


① 发送数据 : 如果发送连续 50 个 高电平 1 11 ;


② 接受数据 : 那么接收端就会接受到一个长条持续高电平 , 无法判断接收了多少高电平 ;


③ 码元宽度信息 : 接收端需要知道发送端的 码元宽度 , 才可以解析接受到了多少高电平数据 ;


④ 建立同步 : 因此在发送数据之前 , 首先要通知接收方 , 当前发送的数据的码元宽度 , 建立同步后 , 才能开始发送数据 ;






三、 归零编码 ( RZ )


归零编码 ( RZ ) :


信号 电平 在一个码元之内 , 必须要恢复到 0 00 ;


每个码元的 后半段 都是 0 00 , 前半段表示 电平 高低 ;

image.png


如果发送持续低电平数据 , 此时也会出现大量持续的低电平数据 ;


这里需要 发送端 和 接收端 同步 ;






四、 反向不归零编码 ( NRZI )


反向不归零编码 ( NRZI ) :


信号 电平翻转 表示 0 00 , 信号电平不变 表示 1 11 ;

image.png


如果 发送端 持续 发送 0 00 数据 , 此时可以明确分辨出数据个数 ;


如果 发送端 持续 发送 1 11 高电平数据 , 接收端还是会接收到 连续的长条形的 高电平数据 ;


这里需要 发送端 和 接收端 同步 ;






五、 曼彻斯特编码


曼彻斯特编码 :


码元间隔 : 将 码元 分成 相等间隔 ;


前低后高 : 前一个间隔 低电平 , 后一个间隔 高电平 表示 码元 1 11 ;


前高后低 : 前一个间隔 高电平 , 后一个间隔 低电平 表示 码元 0 00 ;


两个作用 : 每个 码元 中间 都会出现电平跳变 , 该跳转既可以作为时钟信号 , 又可以作为 数据信号 ;


时钟信号 : 可以使 发送方 和 接收方 进行时钟同步 ;



频带宽度 : 该编码 占用的 频带宽度 是 原始基带宽度 的 2 22 倍 ; 一个时钟周期内 , 其脉冲个数是 2 22 个 , 其数据传输速率 , 是调制速率的 1 / 2 1/21/2 , 一个脉冲就是一个码元 , 相当于 2 22 个码元携带1 11 比特的数据量 ;


image.png









六、 差分曼彻斯特编码


差分曼彻斯特编码 :


码元为 1 11 : 前半个码元 电平 与 上一个 码元的 后半个码元 电平相同 ;


码元为 0 00 : 前半个源码 电平 与 上一个 码元的 后半个码元 电平相反 ;


编码特点 : 每个码元 都有一次电平跳变 ; 实现 自同步 ;


差分曼彻斯特编码 与 曼彻斯特编码 区别是 : 差分曼彻斯特编码 抗干扰性强 , 其它与曼彻斯特编码一致 , 也是 2 22 码元 携带 1 11 比特信息量 ;



image.png





七、 4B/5B 编码


4B/5B 编码 : 在 比特流 中 插入 额外 比特 , 打破 一连串的 0 00 或 1 11 , 使用 5 55 比特 编码 4 44 比特数据 , 然后传递给接收方 ;


编码效率 : 80 % 80\%80% ;


目录
相关文章
|
7月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a,使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术,广泛应用于现代通信系统。传统方法在复杂环境下性能下降,而GRU通过门控机制有效提取时间序列特征,实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示,GRU在低SNR下表现优异,且训练速度快,参数少。核心程序包括模型预测、误检率和漏检率计算,并绘制准确率图。
177 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
|
9月前
|
存储 监控 网络协议
一次读懂网络分层:应用层到物理层全解析
网络模型分为五层结构,从应用层到物理层逐层解析。应用层提供HTTP、SMTP、DNS等常见协议;传输层通过TCP和UDP确保数据可靠或高效传输;网络层利用IP和路由器实现跨网数据包路由;数据链路层通过MAC地址管理局域网设备;物理层负责比特流的物理传输。各层协同工作,使网络通信得以实现。
|
11月前
|
运维 监控 网络架构
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习还不如浅层网络?RL教父Sutton持续反向传播算法登Nature
【9月更文挑战第24天】近年来,深度学习在人工智能领域取得巨大成功,但在连续学习任务中面临“损失可塑性”问题,尤其在深度强化学习中更为突出。加拿大阿尔伯塔大学的研究人员提出了一种名为“持续反向传播”的算法,通过选择性地重新初始化网络中的低效用单元,保持模型的可塑性。该算法通过评估每个连接和权重的贡献效用来决定是否重新初始化隐藏单元,并引入成熟度阈值保护新单元。实验表明,该算法能显著提升连续学习任务的表现,尤其在深度强化学习领域效果明显。然而,算法也存在计算复杂性和成熟度阈值设置等问题。
203 2
|
域名解析 存储 网络协议
一次读懂网络分层:应用层到物理层全解析
**网络五层模型简介:** 探索网络服务的分层结构,从应用层开始,包括HTTP(网页传输)、SMTP(邮件)、DNS(域名解析)和FTP(文件传输)协议。传输层涉及TCP(可靠数据传输)和UDP(高效但不可靠)。网络层由IP(路由数据包)、ICMP(错误报告)和路由器构成。数据链路层处理MAC地址和帧传输,物理层规定了电缆、连接器和信号标准。了解这些基础,有助于深入理解网络运作机制。
790 5
|
机器学习/深度学习 边缘计算 量子技术
ICML 2024:信号表征指数级强、内存节省超35%,量子隐式表征网络来了
【7月更文挑战第6天】QIREN,量子隐式表征网络,借助量子计算增强信号处理能力,内存效率提升35%以上。该技术旨在改进高频信号建模,提升图像和音频处理任务的性能,同时在资源受限环境下减少内存需求。尽管面临量子技术成熟度和训练复杂性的挑战,QIREN为机器学习开辟了新途径。[论文链接: https://arxiv.org/abs/2406.03873]**
194 3
计算机网络学习记录 物理层 Day2
计算机网络学习记录 物理层 Day2
75 3
|
机器学习/深度学习 网络协议 C语言
程序技术好文:网络编程中的SIGPIPE信号
程序技术好文:网络编程中的SIGPIPE信号
356 0
|
机器学习/深度学习 算法 语音技术
基于语音信号MFCC特征提取和GRNN神经网络的人员身份检测算法matlab仿真
**语音识别算法概览** MATLAB2022a中实现,结合MFCC与GRNN技术进行说话人身份检测。MFCC利用人耳感知特性提取语音频谱特征,GRNN作为非线性映射工具,擅长序列学习,确保高效识别。预加重、分帧、加窗、FFT、滤波器组、IDCT构成MFCC步骤,GRNN以其快速学习与鲁棒性处理不稳定数据。适用于多种领域。
|
9月前
|
SQL 安全 网络安全
网络安全与信息安全:知识分享####
【10月更文挑战第21天】 随着数字化时代的快速发展,网络安全和信息安全已成为个人和企业不可忽视的关键问题。本文将探讨网络安全漏洞、加密技术以及安全意识的重要性,并提供一些实用的建议,帮助读者提高自身的网络安全防护能力。 ####
215 17

热门文章

最新文章