计算机网络:物理层(码分复用计算)

简介: 计算机网络:物理层(码分复用计算)



一、码分复用

码分复用(CDM)

码分多址(CDMA):特点是正交,内积为0

内积公式:

二、例题详解

1、例题1

共有4个站进行CDMA通信,这4个站的码片序列分别为:

A:(-1,-1,-1,+1,+1,-1,+1,+1)

B:(-1,-1,+1,-1,+1,+1,+1,-1)

C:(-1,+1,-1,-1,+1,+1,-1,-1)

D:(-1,+1,-1,-1,-1,-1,+1,-1)

现收到码片序列(-1,+1,-3,+1,-1,-3,+1,+1),问是哪些站发送了数据,发送的是比特1还是0?

解答:

将A、B、C、D,四个码片序列的值分别与收到的码片序列相乘然后再相加,然后除以数据位数(本题是八位)即可得出答案。

A:(-1)(-1)+(-1)(+1)+(-1)(-3)+(+1)(+1)+(+1)(-1)+(-1)(-3)+(+1)(+1)+(+1)(+1)=8,8/8=1,所以A发送的是比特1
B:(-1)
(-1)+(-1)(+1)+(+1)(-3)+(-1)(+1)+(+1)(-1)+(+1)(-3)+(+1)(+1)+(-1)(+1)=-8,-8/8=-1,所以B发送的是比特0

C:(-1)(-1)+(+1)(+1)+(-1)(-3)+(-1)(+1)+(+1)(-1)+(+1)(-3)+(-1)(+1)+(-1)(+1)=0,0/8=0,所以C未发送。
D:(-1)
(-1)+(+1)(+1)+(-1)(-3)+(-1)(+1)+(-1)(-1)+(-1)(-3)+(+1)(+1)+(-1)(+1)=8,8/8=1,所以D发送的是比特1

总结:1发送1,0未发、-1发送0

2、例题2

站点A、B、C通过CDMA共享链路,A、B、C的码片序列分别是(1,1,1,1),(1,-1,1,-1),(1,1,-1,-1),若C从链路上收到的序列是(2,0,2,0,0,-2,0,-2,0,2,0,2),则收到A发送数据是什么?

解答:

首先将(2,0,2,0,0,-2,0,-2,0,2,0,2)拆开成(2,0,2,0)、(0,-2,0,-2)、(0,2,0,2),然后将A的码片序列分别相乘:

(1,1,1,1)(2,0,2,0)=4,4/4=1, 所以发送为1。

(1,1,1,1)(0,-2,0,-2)=-4,-4/4=-1, 所以发送为0。

(1,1,1,1)(0,2,0,2)=4,4/4=1, 所以发送为1。

所以C收到A发送的数据是101。

3、例题3

一条广播信道上接有3个站点A、B、C,介质访问控制采用信道划分方法,信道的划分采用码分复用技术,A、B要向C发送数据,设A的码序列为+1,-1,-1,+1,+1,+1,+1,-1,站B可以选用的码片序列为()

A,-1,-1,-1,+1,-1,+1,+1,+1

B.-1,+1,-1,-1,-1,+1,+1,+1

C. -1,+1,-1,+1,-1,+1,-1,+1

D. -1,+1,-1,+1,-1,+1,+1,+1

解答:

首先A,B要向C发送数据,那么就需要A和B正交,也就是说内积为0

所以只需要让A的码片序列与B的码片序列相乘再相加的结果为0,就可得出B的码片序列。


总结

以上就是物理层之码分复用(内含相关例题)的相关知识点,预祝大家期末考试过过过!。

相关文章
|
3月前
|
机器学习/深度学习
神经网络各种层的输入输出尺寸计算
神经网络各种层的输入输出尺寸计算
131 1
|
14天前
|
运维 监控 网络架构
|
29天前
|
存储 缓存 算法
|
28天前
|
存储
|
3月前
|
云安全 安全 网络安全
云端防御战线:融合云计算与网络安全的未来策略
【7月更文挑战第47天】 在数字化时代,云计算已成为企业运营不可或缺的部分,而网络安全则是维护这些服务正常运行的基石。随着技术不断进步,传统的安全措施已不足以应对新兴的威胁。本文将探讨云计算环境中的安全挑战,并提出一种融合云服务与网络安全的综合防御策略。我们将分析云服务模式、网络威胁类型以及信息安全实践,并讨论如何构建一个既灵活又强大的安全体系,确保数据和服务的完整性、可用性与机密性。
|
3月前
|
机器学习/深度学习 存储 自然语言处理
天啊!深度神经网络中 BNN 和 DNN 基于存内计算的传奇之旅,改写能量效率的历史!
【8月更文挑战第12天】深度神经网络(DNN)近年在图像识别等多领域取得重大突破。二进制神经网络(BNN)作为DNN的轻量化版本,通过使用二进制权重和激活值极大地降低了计算复杂度与存储需求。存内计算技术进一步提升了BNN和DNN的能效比,通过在存储单元直接进行计算减少数据传输带来的能耗。尽管面临精度和硬件实现等挑战,BNN结合存内计算代表了深度学习未来高效节能的发展方向。
47 1
|
3月前
|
网络协议 算法 网络架构
OSPF 如何计算到目标网络的最佳路径
【8月更文挑战第24天】
49 0
|
4月前
|
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。
335 5
|
5月前
|
存储 机器学习/深度学习 弹性计算
阿里云ECS计算型c8i服务器测评_网络PPS_云盘IOPS性能参数
阿里云ECS计算型c8i实例采用Intel Xeon Emerald Rapids或Sapphire Rapids CPU,主频2.7 GHz起,支持CIPU架构,提供强大计算、存储、网络和安全性能。适用于机器学习、数据分析等场景。实例规格从2核到192核,内存比例1:2,支持ESSD云盘,网络带宽高达100 Gbit/s,具备IPv4/IPv6,vTPM和内存加密功能。详细规格参数表包括不同实例的vCPU、内存、网络带宽、IOPS等信息,最高可达100万PPS和100万IOPS。
|
5月前
|
机器学习/深度学习 算法
**反向传播算法**在多层神经网络训练中至关重要,它包括**前向传播**、**计算损失**、**反向传播误差**和**权重更新**。
【6月更文挑战第28天】**反向传播算法**在多层神经网络训练中至关重要,它包括**前向传播**、**计算损失**、**反向传播误差**和**权重更新**。数据从输入层流经隐藏层到输出层,计算预测值。接着,比较预测与真实值计算损失。然后,从输出层开始,利用链式法则反向计算误差和梯度,更新权重以减小损失。此过程迭代进行,直到损失收敛或达到训练次数,优化模型性能。反向传播实现了自动微分,使模型能适应训练数据并泛化到新数据。
67 2
下一篇
无影云桌面