计算机网络-信道复用技术

还记得计算机网络中的信道复用技术么? 来来来, 一起复习一下.

why

问: 什么是信道复用. 在回答这个问题之前先看这样一个场景:

image-20201016222944555

其中u1 u2是两个用户, 如果这两个用户之间连通的信道在他们使用过程中, 被他们完全占用了, 其他人就只能等着了. 那有人说了, 那就多架设信道不就好了. 如果说 A B之间的信道可以满足20G 流量的传输, 而u1 u2 在通信的过程中, 只使用了其中的千分之一, 这就造成了资源的极度浪费, 不管从哪方面考虑, 都应该充分利用其传输的性能.

而这个时候, 为了解决这个问题, 就出现了信道的复用技术. 简单说, 就是可以在同一个信道上同时传送多路数据. 如图:

image-20201016223617823

为了方便理解, 将信道转化为单工通信. 其中u1u2发送数据的同时, u3也可以给u4发送数据. 同一个信道可传输多路信号的通信.

信道复用的基本思路简单说就是, 在发送端将多路信号揉成一个信号发送, 而接收端需要将信号再拆分成各路信号进行分发.

如何实现信道的复用呢?

频分复用

现在最常使用的传输媒介就是光纤了, 都知道光信号有不同的频率, 可见光只占用其中的一小部分.

而频分复用, 就是通过将不同频率的信号进行融合, 然后在接收端再进行不同频率信号的分离. 当然, 叠加后的频率是不能超出传输媒介的频率带宽的.

image-20201016231136049

复用技术是可以连续复用的, 从A通过复用, 生成的信号可以在B处再次进行信号的叠加, 而遇到频率带宽低的信道可拆分传输, 最大限度的使用其传输性能.

image-20201016231943144

时分复用

时分复用很好理解, 将信道按照时间段进行划分, 多个输入端轮流发送数据, 接收端再按照时间段将数据进行拆分.

image-20201016232640475

问题

时分复用技术的问题显而易见, 每个输入方占用信道的机会都是均等的. 如果说A没有数据, 为了接收端能够按照时间间隔正确分发数据, A所占用的时间间隔会留空, 造成资源的浪费.

统计时分复用

为了解决时分复用空闲造成的资源浪费, 出现了统计时分复用. 基本思路一致, 也是将信道按照时间间隔进行分割, 不同的是, 每次放入数据的时候, 会携带一个tag, 标记本段数据的所属, 接收端根据tag对分段数据进行识别分发(当然, 接收端同时会将附带的tag去掉). 这样一来, 只要有数据就方, 而不用空出空闲间隔了.

image-20201016233513797

波分复用

波分复用技术说白了, 其实就是频分复用. 都知道, 光是有不同的波长的, 波分复用是根据不同的波长进行复用.

问题是, 光的波长和频率成反比, 波长一定, 频率就也定了. 这这这, 不就是频分复用换了个名嘛. (可能只是因为在复用时用到的技术不同吧)

码分复用

先说一下, 码分复用中的是什么. 在传输过程中, 将一个比特的时间间隔, 再次切分为 n 个间隔, 其中每个间隔称为一个码片.

每个发送接收方, 定义一个自己的码片序列, 如下:

image-20201017081823090

一共7个码片(也就是说, 原来发送1比特的数据, 现在需要发送7比特). 当发送数据的时候, 如果是二进制1, 就直接发送码片序列, 如果是二进制0, 则将码片序列取反再发送.

那么这个发送的序列如何叠加呢? 很简单, 就是两者波形的叠加. 1+1=2, (-1)+(-1)=-2, -1+1=0. (向量的点积) 叠加后的波形是两个波形的和.

到这里都很好理解, 问题是接收方如何从数据中将波形分离出来呢? 前面的分离都是物理模型, 咱也不太懂, 到这里是数学模型了, 可以简单唠一唠.

先复习一下向量相关的概念

首先, 上方的码片就是一个包含: 1, -1 的向量.

码片向量的规格化内积: 按位相乘, 取平均值. (内积是向量的概念, 就是点积除以 n)

根据这个定义, 有如下推理:

  • 任一码片与自身规格化内积为1 (每位都相同, 相乘后均为1, 取平均值任为1)
  • 任一码片与其反码片内积为-1 (每位都相反, 相乘后均为-1, 取平均值-1)

正交码片: 内积为0

信号拆分

首先, 容易分离的不同向量必须是正交向量. 证明过程就不说了, 咱也不懂

如何拆分信号呢? 结果很简单, 将收到的信号与自己的码片序列做内积运算, 若内积为0, 则当前比特没有自己的信号, 否则为1或-1, 既1或0.

其他

信道复用技术除了上面几种, 还有: 空分复用等等.

不同的复用技术, 其对应的应用场景不同. 简单回顾一下.

订阅评论
提醒
guest
0 评论
内联反馈
查看所有评论
0
希望看到您的想法,请发表评论。x