Odry Peter - Osnovi Telekomunikacija I Komunikacione Mreze PDF

VIŠA TEHNIČKA ŠKOLA
SUBOTICA
OSNOVI TELEKOMUNIKACIJA
I
KOMUNIKACIONE MREŽE
rukopis
Dr. Odry Péter

Uvod
Telekomunikacija čini danas jedan od najznačajnijih delatnosti čoveka. Telekomunikacije

prema današnjem shvatanju bave se sa prenosom informacije pomoću elektromagnetnih talasa
od jedne do druge tačke. Ovo je složen proces.
Izrazito složeneprocese obuhvata prenos signala. U nastavku želimo da ove procese donekle
opišemo sa matematičkim aparatom.
Ova publikacija pre svega je pisana za studente Više Tehničke Škole u Subotici. U prvom
poglavlju pregledamo osnovne pojmove, pokazujemo arhitekturu sistema.
U drugom poglavlju bavićemo se sa definisanjem i klasifikacijom osnovnih parametara
signala i sistema. Posebno se bavimo sa najviše korišćenim signalima i na kraju poglavlja
povezujemo signale pomoću konvolucionog integrala.
U trećem poglavlju bavimo se sa razdvajanjem signala na ortogonalne činioce, čiji rezultat
je veza između vremenskog i frekventnog domena. Veza u slučaju periodičnih signala čine
Fourierovi redovi, a za aperiodične signale Fourierov transformacioni par.
U četvrtom poglavlju razrađuju se linearni invariantni sistemi. Uzorkovanje i rekonstrukcija
signala je osnovni aparat u digitalnoj telekomunikaciji.
U telekomunikacijama izrazito su bitni uskopojasni signali i sistemi. U najviše sistema širina
spektra signala (sistema) u odnosu na centralnu frekvenciju signala (sistema) izrazito mala
vrednost. Ovo možemo da zahvalimo modulacionom postupku. Sa ovim problemom bavićemo se
u petom poglavlju.
Prenos analognih signala i prijem ovih signala je problematika koja se obražuje u šestom
poglavlju. Amplitudalne ugaone modulacije i multiplexiranje analognih signala je glavna tema.
Sedmo poglavlje se bavi na osnovnom nivou sa transportom digitalnih signala kroz šumni
kanal. Posebno se bavimo sa teorijom uskopojasnog digitalnog prenosa.
1. Poglavlje / Uvod
Osmo poglavlje je najobimnije. Bavi se sa kodiranjem oblika signala. Posebno se bavi sa

prenosom raznih vrsta PCM signala, takođe i sa vremenskim multiplexom.
Posebno bih želeo da naglasim da više teoretskih i praktičnih oblasti nije pokriveno u ovoj
publikaciji, koje su u predavanjima obrađene. To su:
- tehnike kanalnog kodiranja
- analogna modulacija digitalnih signala
- spread spectrum technic (tehnika proširenja spektra)
- pregled telekomunikacionih raznih exploatacionih sistema:
- zemaljske telekomunikacione mreže
- mobilne mreže
- satelitske mreže
- Internet mreže
- Kablovske TV mreže
- ISDN, ATM
- i neke problematike koje se vezuju za telekomunikacije.
U nastavku prvo želimo dati jedan kratak pregled na osnovu čega lakše će se moći pratiti
izlaganja. Navešćemo nekoliko sredstava sa kojim možemo ove zadatke da ostvarimo.
1.1. Osnova teorije telekomunikacija

Osnovni zadatak telekomunikacije da izučava problematiku prenosa informacije sa
jednog mesta na drugo.
Smatra se vestima što na mestu prijema uzrokuje vremenski promenjivi proces.
Vesti mogu da budu:
- ljudski govor
- muzika, ili
- podaci koje stvara jedan računar, itd.
Može da se desi da skup podataka koji se prenosi nije vremenska funkcija, u tom slučaju
to nazivamo porukom.
Poruka može da bude:
- podaci koji se memorišu na magnetnoj traci ili ploči
- fotografija
- podaci koji su snimljeni na filmsku traku, itd.
Ako poruku želimo da prenesemo, u tom slučaju moramo da stvorimo vremensku
funkciju. Prema tome vest je poruka koja je pretvorena u vremensku funkciju.
Prenos vesti se ostvaruje sa varijacijom jednog električnog parametra (napon, struja, jačina
polja, itd).
Električnu sliku vesti nazivamo signalom.
2
1. Poglavlje / Uvod
1.1. slika Opis različitih pojmova u komunikacoinom sistemu

Telekomunikacioni sistem možemo da podelimo na tri osnovna dela. Prvi je predajnik,
drugi je telekomunikacioni kanal, a treći je prijemnik. Prijemnik je suprotno radi u odnosu na
predajnik.
Kanal je pogodan za prenos signala. I zadatak je da po mogućnosti verno prenese signal
koji se daje na ulaz kanala. Prilikom prenosa signala opterećuje se sa šumom. Pri modelovanju
šuma predpostavljamo, da ukupni šum se stvara na prijemnom kraju kanala, za ovakav model je
razlog što je jednostavniji. U stvarnosti to nije istina jer šum se paralelno akumuliše. Samo u
idealnom slučaju može da nastane veran prenos signala. Informacija signala može da nastane
pored uticaja šuma i od promene karakteristike kanala. Po karakteristici kanal može da bude i
linearan i nelinearan. Kanal zbog različitih uticaja može da poseduje i memoriju, tj. sadašnja
komponenta signala može da bude sastavljena od predhodnih vremenskih komponenti.
Jedan realan telekomunikacioni sistem oslikava slika 1.2., u obliku blok šeme. Jedna TV
prenosna mreža može da se vidi od studija do TV prijemnika. Kako se vidi jedan ovakav sistem
pored unutršnjih studijskih uređaja poseduje dva komunikacijska sistema, jedan koji je tipa
tačka-tačka, koja prenosi informaciju od studija do sistema velike snage tzv. TV predajnika koji
distribuira do TV prijemnika, ovaj deo mreže je tipa tačka-površina.
U ovom predmetu posebno se bavimo sa prenosnim kanalom, prilagodnim članovima i filtrima.
Sa ostalim delovima sistema se ne bavimo.
1.2. slika blokdijagram TV komunikativnog sistema
3
1. Poglavlje / Uvod
Kanal generalno gledano polazi od izvora informacije do korisnika informacije, kako

možemo da vidimo u suštini kanal je složeni sistem koji ima više prostih činioca.
Naša je osnovna namera da upoznamo nekoliko u praksi korišćenih kanala, i time da
odredimo i njihove parametre, koji jednoznačno opisuju kanale u pogledu prenosa in formacija.
1.2. Osnovni pojmovi teorije informacije

Da bismo razumeli informaciju uzećemo jedan primer is istorije. Vrednost informacije su
poštovali i u starijim, ne informativnim društvima. U sedamnaestom veku u našem kraju ( kada
još Fourier nije definisao njegovu teoriju. U daljnjem ćemo videti da Fourierova teorija će nam
poslužiti kao pomoćno sredstvo u telekomunikaciji) kod Tekilje (blizu Novog Sada) su se
spremili za borbu. Ujutru na dan borbe je padao sneg. Ovo ne bi bilo neočekivano ako se to ne
bi desilo u Avgustu mesecu. Da će padati sneg u Avgustu, mala verovatnoća, ( zato po
današnjem modernom shvatanju ovaj događaj ima veliki sadržaj informacije) ovo su shvatili
kao Božlju poruku i nisu se dalje borili nego su gradili na licu mesta dvotoranjsku crkvu tako,
da na jednom tornju te crkve se nalazio simbol zapadnjačke vere (krst) a na drugom se nalazio
simbol istočnjačke vere (polumesec) i potpisali sporazum o miru.
Prvo ćemo definisati strukturu o prenosu informacije. Prenosni sitem za informaciju se
sastoji od izvora informacije, od prenosnog kanala i od prijemnika informacije. Izvor
informacije generiše {xi } red simbola a nakon prenosa preko prenosnog kanala na prijemnoj
strani { y j } red simbola ćemo dobiti. Simboli mogu biti diskretni ili kontinualni. U opštem
slučaju što smo i već spominjali, prenosni kanal nije idealan i zbog toga {xi } i { y j } redovi se
ne poklapaju.
Pokazali smo na to da prenosni kanal kod našeg modela po sistemu slučajnosti, ali sa
određenom verovatnoćom bira reda poruka iz jednog za nas definisanog rečnika. Zbog toga u
ovakvim sistemima; izvor informacije, prenosni sistem, smetnja i prijemnik informacije moramo
uzeti statistički. To znači da telekomunikacione sisteme ne možemo posmatrati bez teorije
verovatnoće.
1.3. slika Osnovna šema informacionog sistema
1.1.1. Pojam i jedinica informacije

Modeli sa kojima se kojima se bavimo su statistički dobro definisani modeli za koje je
najkarakterističnije da su nepredvidljivi. Izvor će nam pružiti slučajno bilo koju poruku iz
jednog skupa unapred definisanih poruka, ali nećemo znati koji će biti sledeći izvor podataka.
Očevidno je da ukoliko treba birati jedan iz što većeg skupa, toliko je veći problem
znači operacija će dati utoliko više informacija.
Probajmo približiti pojam količine informacije preko jednog dobro poznatog primera.
Predpostavimo da treba da izabramo jednu kartu iz jednog skupa koji sadrži 32 različitih karata.
4
1. Poglavlje / Uvod
Označimo ove karte u sledećem obliku :
{x1 , x2 ,..., x32 } (1.1)
Količina informacija I ( x k ) koja pripada izabiranju x k karte zavisi od verovatnoće

izabiranja x k karte :
I (x k ) = g [P( x k )] ; n=1,...,N; N=32 (1.2)
1. pitanje
2. pitanje
5. pitanje
dali je ova karta zelena
desetka
1.4. slika Reprezentacija postavljanja pitanja
Za merni broj informacije uzećemo toliko minimalne „da” i „ne” odgovora koliko je
potrebno za izvlačenje date karte iz mogućih. Zato postavićemo pitanja čoveku ko vodi igru i ko
zna karte. Vođe igre je podelio karte u dve grupe iste količine, u 16-16 karata a zatim igrač
postavlja svoja pitanja:
1. pitanje : dali li je u desnoj ruci zelena desetka?
Odgovor vođe igre : Ne

Ovaj odgovor znači da je tražena karta u drugoj grupi.
Vođa igre deli ostatak karata u dve grupe sa po 8-8 karata.
Zatim igrač postavlja ....
2. pitanje : dali je u desnoj ruci zelena desetka? Ovde nije bitno dali je u desnoj ili u
levoj ruci tražena karta !
5
1. Poglavlje / Uvod
Možemo postaviti pitanje, koliko koraka treba da bismo došli do tražene karte ?
Odgovor je pet (5), jer posle petog koraka igrač bi došao do tražene karte.
( vidi sliku 1.4. )
Odavde možemo lako videti ako je I=1, u tom slučaju imamo dva moguća izbora .
Izabranje iz dva istotežišna mogućnosti označimo osnovnom jedinicom informacija i zbog
ovoga nazivamo bit - om ( na engleskom binary unit).
Definicija stoji ako se r sastoji od konačno velikog broja vrednosti. Gde r označava broj
mogućih događaja.
1 1
Pošto u našem primeru svaka karta ima istu verovatnoću pojavljivanja P ( xi ) = =
s 32
veličinu informacije možemo napisati i u sledećem obliku :
1
I (xi ) = log 2 = log 2 P( xi ) (1.3)
P (xi )
Bitno je konstatovati da je ovaj izraz jako pogodno jer i tad ga možemo koristiti kada
verovatnoće pojavljivanja nisu iste.
Predpostavimo da je prenosni kanal idealan, tj. ne gubimo informaciju, u ovom slučaju :
I(xi)=-logP(xi)=I(yj) (1.4)
Prenosni kanali u praksi su sa smetnjama i u ovom slučaju vrednost prenete

informacije je :
P ( xi / y j )
I ( xi ↔ y j ) = log 2 (1.5)
P ( xi )
- ako je prijemna strana u stanju yj , onda je verovatnoća da je stanje izvora xi je

P(xi/yj).
U slučaju da je prenos apsolutno precizna, tada je P(xi/yj)=1 i ovako ćemo dobiti
jednačinu prenosa bez smetnje.
1.1.2. Entropija i redundancija

Ako je verovatnoća poruka različita, onda jedna predstavlja više, a druga će predstavljati
manju informaciju. Pitanje je to, ako prenosimo dosta veliki broj poruka, kolika će biti
prosečno predstavljena informacija po porukama ?
Dobijanje proseka se vrši tako što poruke koje se ćešće javljaju uzimamo u obzir sa
većim naglaskom nego one koje se ređe javljaju. Po ovome prosečna informacija je :
X
1
I pros = H ( X ) = ∑ P( xi ) log 2 [bit / poruka] (1.6)
i =1 P( xi )
Prosečnu informaciju zovemo entropijom.

Ako imamo r komad poroka sa istom verovatnoćom, tada P ( xi ) = 1 / r i entropija se
pojednostavljuje, i biće :
6
1. Poglavlje / Uvod
1
H ( X ) = log 2 = log 2 r [bit / poruka ] (1.7)
1/ r
Entropija H(X) je jednaka nuli ako i samo ako je P(xi) samo u jednom slučaju jenaka
jedinici a u ostalim slučajevima jednaka nuli.
U ostalim slučajevima H(X) je pozitivan broj veći od nule i u većini slučajeva manji od
log 2 r .
1.1.3. Relativna entropija i redundancija

Ako vrednost prosečne informacije, znači jednu entropiju upoređujemo sa mogućom
maksimalnom veličinom dobijamo izraz za relativnu entropiju :
H (X ) H(X )
relativna entropija = = (1.8)
H ( X ) max log 2 r
Relativna entropija označuje i stepen efikasnosti, jer definiše razliku između maksimalne
vrednosti informacija/simbol i stvarne.
Redundancija: po istorijskoj tradiciji umesto izraza relativne entropija uglavnom se
koristi izraz 1-relativna entropija .
H (X ) H ( X ) max − H ( X )
R(X) = 1 − = (1.9)
H ( X ) max H ( X ) max
Kapacitet prenosnog kanala diskretnog znaka bez smetnje

Kod prenosa simbola kod diskretnog kanala bez smetnje možemo zanemariti grešku prenosa.
Vreme prenosa jednog simbola je t, pošto vreme prenosa pojedinih simbola nije iste
dužine pogodno je definisati prosečno vreme prenosa :
r
 s 
t pros = ∑ P( xi )t i  (1.10)
i =1  simbol 
Znamo da je prosečna informacija po simbolu je :

X
1  bit 
H ( X ) = ∑ P( xi ) log 2 (1.11)
i =1 P( xi )  simbol 
Sad već možemo definisati brzinu prosečne informacije kroz kanal :
H ( X )  bit 
v= (1.12)
t pros  s 
Kapacitet prenosnog kanala možemo definisati kao maksimalnu brzinu prenosnog kanala :
7
1. Poglavlje / Uvod
H max ( X ) log 2 r  bit 

v= = (1.13)
t pros t pros  s 
Kapacitet prenosnog kanala sa smetnjom.

Napisaćemo izraz I ( X ↔ Y ) u drugom obliku :
I ( X ↔ Y ) = H (Y ) − H (Y X ) (1.14)
U jednom kanalu samo tada imamo prenos informacije koji se može prosečnu izraziti, ako je
entropija prijemnika informacija H(Y) veća nego greška prosečnog prenosa, H (Y X ) , u kanalu
sa potpunom smetnjom prosečna informacija prijemnika je potpuno nezavisna od informacije
izvora, i možemo uzeti u ovom slučaju da je veza prekinuta :
H (Y ) = H (Y X ) (1.15)
u ovom slučaju prosečno prenešena informacija je :
H (Y ) − H (Y ) = 0 (1.16)
Bitno je odrediti maksimalnu vrednost izraza I ( X ↔ Y ) . Ovo u opštem slučaju je skoro

nemoguće ali u slučaju binarno simetričnog kanala BSC kada se koriste samo dva simbola
prilikom prenosa ako p označuje verovatnoću pogrešnog prenosa tada q=1-p označuje
verovatnoću prenosa bez smetnje .
1.5. slika karakteristika BSC prenosa znakova
Pošto imamo samo dva simbola i ako je prenos ispravan onda P ( y j xi ) = q , ali ako je
pogrešan onda P( y j xi ) = p , možemo napisati :
8
1. Poglavlje / Uvod
1 1
H (Y X ) = q log 2 + p log 2 (1.17)
q p
a kapacitet BSC kanala :
1
C = 1 − q log 2 q − p log 2 (1.18)
p
c[bit/znak]
1.6. slika kapacitet BSC u funkciji verovatnoća greška p
1.1.4. Kapacitet analognog kanala

Koristeći teoriju uzimanja uzorka i izračunamo broj maksimalno prenetih informacija u
jedinici vremena što daje kapacitet kanala. Prilikom izvođenja proizilazimo iz izraza kapaciteta
modifikovanog diskretnog kanala :
C = 2 f B I (X ↔ Y ) (1.19)
i onda prezentujemo gotov izraz, nećemo izvoditi :
 P   bit 
C = f B log 2 1 + izlazniznak  (1.20)
 P   s 
 izlaznasmetnja 
gde je f B širina opsega besprekidnog znaka .
9
1. Poglavlje / Uvod
1.1. Sadržaj informacija važnijih vrsta poruka
1.1.1. Prenos govornih signala

Zvuk je mehanička vibracija u vazduhu. Pri proučavanju govornih signala došli su do
zaključka da ih možemo preneti uz mali poremećaj ako obezbedimo minimalan opseg od 300-
3000 Hz odnosno obezbedimo minimalno 20dB kao odnos između zanka i smetnje.
f B = f max − f min = 2700 Hz (1.21)
za 20dB odgovara odnos od 1:100.
 Pjel 
vbeszed = f B log 2 1 +  = 2.7 ⋅ 10 3 log 2 (1 + 100 ) = 18 ⋅ 10 3  bit 
 P   s 
 zaj 
ove rezultate su overili i subjektivna merenja. Kod korišćenja vokodera za kodiranje govora
dobijamo približno istu vrednost gore navedenima.
1.1.2. Prenos muzičkih signala

Kod prenosa muzičkih signala poželjen je opseg između 40-15000 Hz :
f B ≈ 15000 Hz
traženi odnos između znaka i smetnje 80dB, što odgovara odnosu 1:108 . Minimalna prenosna
brzina koja je potrebna za prenos muzičkih signala je :
 
P
v muzika = f B log 2 1 + znak
 P 
( )
 = 15 ⋅ 10 3 log 2 1 + 10 8 = 4 ⋅ 10 5  bit 
 s 
 smetnja 
1.1.3. Prenos slika

Iz jedne slike možemo dobiti signal ako sliku podelimo na dosta veliki broj malih
segmenata koje definišemo po određenom sistemu, po intenzitetu osvetljenosti. Ako ove
vrednosti uzimamo kontinualno jedan za drugim dobićemo signal. Sa strane predajnika moramo
imati uređaj koji šalje ove signale a na prijemnoj strani uređaj koji jedan po jedan vraća te
segmente (pixel) i stvara jedinstvenu sliku.
10
1. Poglavlje / Uvod
odnos slike
oko
1.6. slika Uvidna površina, definicija vidnog ugla, definicija pixela
Osnovni zadatak je da odredimo kolika je potrebna brzina prilikom prenosa slika.

Da bi ovo odredili treba da odredimo na koliko segmenata treba da podelimo sliku. (za
merenje kvaliteta nam služe naše oči ).
Ljudsko oko može da razlikuje dve tačke sa rastojanjem od 2’ (dva prostorna minuta),
ako je rezolucija veća to već ljudsko oko ne može da razlikuje.
Pronašli su da vidni ugao 20° i optimalna uvidna površina su u odnosu 3:4 (vertikalna na
odnosu na horizontalnu).
Odavde proizilazu dobro poznati brojevi. U vertikalnom odnosu broj pixela je :
20 o 20 ⋅ 60 ,
n1 = = = 600 pixel
2, 2,
u horizontalnom odnosu :
4
n2 = n1 = 800 pixel
3
znači broj pixela jedne slike je:
n = n1 n2 = 4.8 ⋅ 10 5 pixel
Bitni elemenat slikovite prezentacije je koliko različitih intenziteta osvetljenosti može

oko razlikovati. Sa očima možemo razlikovati 100 različitih intenziteta osvetljenosti ako je taj
broj manji onda nam se čini grubim. Sad ćemo odrediti količinu informacije koje može jedan
pixel da nosi sa sobom :
I segmenatslike = log 2 100 = 6.7bit
To znači da količina informacije jedne slike je :
I slika = nI segmenatslike = 3.19 ⋅ 10 6 bit
11
1. Poglavlje / Uvod
1.1.4. Prenos stojeće slike

Ako je zadatak da šaljemo stojeću sliku onda je jedini problem koliko će nam terbati
vremena za prenos slike :
I slika
Tslika = [s ]
C
za manje vreme nije moguće preneti sliku bez deformacije jer ne možemo prestupiti kapacitet
kanala. Za primer neka uzmemo primer običnog telefonskog kanala čiji su osnovni parametri :
Psignal
f B ≈ 3kHz = 26dB
Psmetnja
i odavde potrebni kapacitet kanala :
 kbit 
C = 3 ⋅ 10 3 log 2 (1 + 400) = 26
 s 
minimalno vreme za prenos slike preko telefonskog kanala je :
I slika 3.19 ⋅ 10 6
Tslika = = = 123[s ]
C 26 ⋅ 10 3
1.1.5. Monokromatski TV
Možemo iskoristiti inerciju oka ovako je zadovoljavajuće preneti 20-30 slika po
sekundi.
Potrebni kapacitet prenosa je :
 Mbit 
v monokromTV = I slika N = 3.19 ⋅ 10 6 ⋅ 25 = 80 
 s 
v monkromTV
2 fB =
log 2 r
gde je fB tražena širina opsega , v potrebni kapacitet za monokromatsku sliku , r različiti
intenziteti svetljenja.
NI slika NnI pixel Nn log 2 r Nn

fB = = = = = 6[ MHz ]
2 log 2 r 2 log 2 r 2 log 2 r 2
Ovo je granična situacija. Važno je pitanje kolika je minimalna frekvencija:0 Hz ako je

svaki pixel jednako osvetlen.
1.1.6. Prenos slika u boji
12
1. Poglavlje / Uvod
U praksi je dovoljno preneti maksimalno 200-300 različitih nijansi (neka uzmemo 256
boja).
Pošto ovo možemo uzeti da su boje površinski elementi, ovako nijanse boja možemo dati
u pravcu x i y 256=16⋅16 i tako ( predpostavljajući ravnomernu raspodeljenost):
S x = 16 S y = 16
I x = I y = log 2 16 = 4 bit
Ovako jedan pixel boje nosi sa sobom ukupno:
I x + I y = 2 ⋅ 4 bit = 8 bit informacija
U principu ovu količinu trebalo bi dodati ImonokromTV=6.65 bitu, ali ovo ne bi bilo
korektno jer vidljiva rezolucija za boje je samo 10’ (deset prostornih minuta što je pet puta
manja rezolucija u jednom pravcu ili 25 ).
oko
t
1.7. slika Definicija bojanog pixela
Ovako ukupna informacija jednog pixela :
Ix + Iy
I = I pixelosvetljenost + I obojenost = 6.65 + = 6.65 + 0.32 = 6.97 bit
∑ pixel 5⋅5
sadržaj infomacije slike u boji :
I slikauboji = nI = 3.35 ⋅ 10 6 bit

∑ pixel
potrebna brzina za prenos TV slike u boji :
 Mbit 
vTVuboji = NI slikauboji ≈ 84 
 s 
13
Telekomunikacioni sistemi i signali
Električni telekomunikacioni sistemi su planirani da šalju vesti ili informacije jednom ili
više korisnika. Na slici 2.1. možemo videti šematski prikaz telekomunikacoinog sistema.
izvor korisnik
informacije informacije
2.1. slika Opšti model telekomunikacionog sistema

Informacije generisana sa strane izvora može biti zvuk (govor, muzika, ili slika itd), ili
štampani tekst na različitim jezicima (engleski, nemački, mađarski itd.) koji stiže na ulaznu
stranu prenosnog sistema. Ulazni spojnik pretvara generisane fizičke pojave sa strane različitih
izvora (npr. zvuk - promenu pritiska) u električne signale dok izlazni spojnik ponovo pretvara te
signale u istu fizičku pojavu što se javila kod izvora. U opštem slučaju fizička vrednost izvora
informacija nije ista sa fizičkom pojavom prijemnika jer prilokom prenosa signal će pretrpeti
deformacije.
Zadatak predajnika da spaja signal sa pretvarača sa kanalom dok zadatak prijemnika je
da izlazni signal iz kanala spaja sa spojnikom prijemnika tako da na izlazu iz spojnika fizička
pojava bude sa maksimalnom vernošću reprodukovana. Predajnik i prijemnik su međusobno
komplementni tj. ulazni signal kod predajnika i idealnom slučaju je istovetna sa izlaznim
signalom sa prijemne strane. U praksi ovo nije slučaj jer i predajnik i prijemnik i prenosni kanal
deformišu signal.
Izlazni signal kod predajnika električne ili optičko talasne prirode, prolazi kroz prenosni
kanal npr. telefonsko strujno kolo, komunikacija preko satelita, radio veza ili optički kabel.
Prilikom prelaza signala talasnog oblika kroz prenosni kanal dolazi do menjanja zbog
2. Poglavlje / Telekomunikacioni sistemi i signali
nepoželjnih slučajnih signala tj. smetnji. Zbog uticaja ovih slučajnih signala primjeni talasati
oblik ne odgovara u potpunosti nijednom od definisanih oblika talasa.
Važno je istaknuti na početku da je informacija slučajne prirode (stohastičan), nije
unapred definisan (determonističan). Telekomnikacijone sisteme ne možemo proučavati na
odgovarajućem nivou bez pripremjenosti iz oblasti teorija verovatnoće.
U osnovi razlikujemo:
- analogne
- digitalne komunikacione sisteme.
Kod analognih komunikacionih sistema prilikom prenosa signali se razrađuju samo
analognim elektroničnim uređajima, dok kod digitalnih komnikacoinih sistema izvorni signal
pretvaramo u brojeve sa A/D pretvaračem i prilikom prenosa ostaje ova karakteristika. Samo u
poslednjoj fazi prijema pretvaramo u analogni signal sa D/A pretvaračem ako je informacija
analognog karaktera ako nije, onda ostaje u digitalnom obliku. npr. prenos informacija za
računar.
Telekomunikacioni kanal
Kod projektovanja telekomunikacionih sistema važno je da imamo na raspolaganju
matematički model koji obuhvata sve fizičke osobine prenosnog medijuma.
Nakon toga matematički model kanala upotrebljavamo prilikom projektovanja kodera i
modulatora kanala i dekodera i demodulatora kanala.
Posebno zanimljiv model kanala je tzv. aditivni kanal sa smetnjom, ovo je
najjednostavniji model (2.2. slika), gde je s(t) preneti signal , a n(t) je smetnja.
2.2. slika Model aditivnog kanala sa smetnjom

Ako nam se stvorila smetnja u prvom redu sa strane elektroničnih komponenata ili sa
strane predpojačivača prijemnika onda u tom slučaju ovo možemo karakterisati kao termička
smetnja. Smetnju ovog tipa statistički možemo opisati Gausovim slučajnim procesom. Kao
rezultat dobićemo ukupan signal r(t) kao zbir signala i smetnje i zbog toga rezultat je tzv.
Gausov aditivni kanal sa smetnjom ili na engleskom :
Additive Gaussian Noise Channel
Za smirenje kanala jednostavno se može uneti u model. Primljeni signal možemo
napisati u obliku (2.1) gde je α faktor smirenja:
r (t ) = αs (t ) * h(t ) + n(t ) (2.1)
15
A * označava konvolucioni integral:
+∞
k (t ) = s (t ) * h(t ) = ∫ s(τ )h(t − τ )dτ
−∞
(2.2)
Najveći broj kanala na jednostavnom modelu možemo opisati kao linearni filter. Izlazni
signal kod ovih kanala možemo izračunati sa izrazom (2.1) gde je h(t) funkcija odgovora
impulsa linearnog filtra. Sa pojmom konvolucije ćemo se baviti detaljnije u buduće.
2.3. slika Kanal sa aditivnim linearnim filtrem sa smetnjom

Ove kanale u opštem slučaju uzimamo kao konstantne u vremenu tj. ne menjaju se sa
vremenom, invarijantni su. Isto tako u nastavku sisteme ćemo uzeti kao kauzalne u vremenu.
Kauzalni sistemi takvi sistemi kod kojih budućnost ne može da utiće na sadašnjost tj. trenutni
događaj je rezultat samo prošlosti ili sadašnjosti. Na osnovu toga u daljnjem kanale ćemo
modelirati kao invarijantne i kauzalne sisteme, ukratko ovi sistemi nose naziv LTI .
Signali i linearni sistemi
U ovom poglavlju ćemo razjasniti osnove signala i linearnih sistema. Telekomunicioni
kanal je primer linearnog sistema. Ako imamo znak na ulazu onda ćemo imati zank i na izlazu.
Podela signala
Prvo ćemo podeliti signale na:
- kontinualne u vremenu i
- diskretne u vremenu.
Po definiciji signale x(t) nazivamo kontinualnim signalima u vremenu, gde je nezavisna
promenjiva t realan broj. Kod diskretnih signala u vremenu x[n] je nezavisna promenjiva a n
je intedžerni broj.
2.4. slika Primer a.) u vremenu kontinualnog i b.)u vremnu diskretnog signala
Osnovna podela signala je na: kontinualne i diskrekne. Postoje i druge podele kao npr. :
- reailnim nazivamo te signale kod kojih za svaku vrednost t x(t ) ∈ R .
16
- Kompleksnim nazivamo te signale kod kojih vrednost signala za svaku nezavisanu

promenjivu kompleksan broj odnosno x(t ) ∈ C .
Kompleksni signali se često koriste u telekominikacionim sistemima jer kod ovog
modela dobijemo potpunu informaciju o amplitudi i fazi signala. Kompleksni signal možemo
napisati i sa dva realna signala. Jedan od signala će opisati realni deo a drugi imaginarni deo.
Isto tako apsolutnu vrednost (moduo i magnitudo) i fazu. Kod grafičkih opisa najčešće
predstavljaju fazu i magnitudu.
Sa inženjerske strane imaginarni i realni član ne nosi informacije, ne predstavlja merljivu
vrednost dok magnituda i faza posredno ili neposredno su merljive vrednosti.
2.1.Primer : Neka defnišemo jedan signal na sledeći način :
x(t ) = Ae j ( 2πf 0t +θ ) , A>0 (2.5)
treba odrediti imaginarni i realni deo odnosno fazu i magnitudu signala .
Rešenje : Realni član je:
xr (t ) = A cos(2πf 0 t + θ )
a imaginarni član je:
xi (t ) = A sin(2πf 0 t + θ )
Slično možemo napisati sa modulom i fazom signala. Apsolutna vrednost je :
x(t ) = xr (t ) + xi (t ) = A
a faza :
< x(t ) = 2πf 0 t + θ
Ove prikazatelje signala u grafičkom prikazu možemo videti na slici 2.5. Vrednost
amplitude kod primera je A=2.5 a vrednost početnog faznog ugla θ=π/5. Zanimljivo je primetiti
da efektivna vrednost ugla je u području od 0 do 2π nastali ugao faze po grafiku 2.5. d) je ista za
slučaj da uzmemo u obzir deo grafika 1. ili deo 2. prilikom analize.
Prilikom opisa kompleksnog signala treba još jednog naglasiti da imamo potpuni opis
svih važnih parametara signala nasuprot realnom opisu.
17
2.5. slika: a.) reprezentacija realnog b.)reprezentacija imaginarnog

c.) modua i d.) faza signala
Deterministički je taj signal kod kojeg za svaku nezavisnu promenljivu t možemo

dodeliti jedan realan ili kompleksnu vrednost x(t) .
Slučajan ili stohastičan je taj signal gde nezavisnoj promenljivi t pripada jedna slučajna
vrednost x(t) .
Periodičan i nepreiodičan signal: periodični su ti x(t) signali, koji ipunjavaju sledeći
uslov :
x(t + kT0 ) = x(t ) (2.6)
gde je T0 vreme perioda signala .

Slično je kod diskretnih periodičnih signala:
x[n + kN 0 ] = x[n] (2.7)
gde je N0 broj koji označava broj uzoraka koji se javljaju u jednoj periodi .
Signali koji ne ispunjavaju ove uslove nisu periodični signali.
18
1.1. Zadatak: Dali je svaki diskretni sinusiodni signal periodičan za svaku vrednost f0 ?
Rešenje: Usluv periodičnosti:
2πf 0 (n + kN 0 ) + θ = 2πf 0 n + θ + 2mπ
za svaku vrednost n i k i nekoliko N0 i m koji su intedžer vrednosti.

Po ovome predpostavljamo:
2πf 0 kN 0 = 2mπ vagy f 0 = m / kN 0
Znači diskretni sinusoidalni signal je periodičan ako je f0 racionalan broj.
Kauzalni signal : Signal x(t) nazivamo kauzalnim ako za t<0 funkcija x(t)=0; u
suprotnom slučaju signal nije kauzalan. Uslov za diskretan signal da je n<0. To znači da je
signal kauzalan ako na sadašnjost može da utiče samo prošlost ili sadašnjost dok budućnost ne.
Kod nekauzalnih sistema i budućnost može da utiče na sadašnjost što po prirodnom shvatanju
nije moguće.
Signal x(t) je paran (even) za zvaki t ako:
x(−t ) = x(t ) (2.8)
Signal je neparan (odd), ako:
x(−t ) = − x(t ) (2.9)
U opštem slučaju možemo napisati:
x(t ) = xe (t ) + xo (t ) i (2.10)
x(t ) + x(−t ) x(t ) − x(−t )

xe (t ) = és xo = (2.11)
2 2
Pogledajmo sledeći opšti sinusoidalni signal :
x(t ) = A cos(2πf 0 t + θ ) (2.12)
Ako ovo razvrstavamo onda:
A A
x(t ) = cos(θ ) cos(2πf 0 t ) − sin(θ ) sin( 2πf 0 t ) (2.13)
2 4442444
1 3 1 2 44 42444 3
x o (t ) xe (t )
Funkciju x(t), možemo napisati kao zbir dva odvojena signala gde je jedan paran xo(t) dok drugi
neparan xe(t) . Ako θ = kπ onda je i x(t) paran, dok ako je θ = (2k + 1)π / 2 onda je funkcija
x(t) neparna.
Jedan kompleksni signal samo tada poseduje Hermitovu simetriju ako je realan činioc
ima parnu dok imaginarni činioc poseduje neparnu simetriju.
19
Signal x(t) je tipa energije ako :
∞ 2 T /2 2
E x ( t ) = ∫ x(t ) dt = lim ∫ x(t ) dt < 0 (2.14)
−∞ T →∞ −T / 2
i ako je dobro definisan.

Signal x(t) je tipa snage ako :
1 T /2 2
T →∞ T ∫−T / 2
Px ( t ) = lim x (t ) dt (2.15)
dobro definisan i sledeći uslov ispunjen :
0 < Px ( t ) < ∞ (2.16)
Nekoliko zanimljivih signala i njihove osobine

Kod komunikacionih sistema najčešće se koriste signali definisanog tipa. U nastavku
ćemo uvesti ove signale i prikazaćemo neke od njihovih karakteristika.
Sinusni signal : U opštem slučaju :
x(t ) = A cos(2πf 0 t + θ ) (2.17)
gde je A amplituda , f0 frekvencija a θ fazni ugao.

Kompleksno eksponencijalni signal definišemo po sledećem :
x(t ) = Ae j ( 2πf 0t +θ ) (2.18)
Jedinični skok ili signal po Hevisajdu u(t):
2.6. slika Signal jediničnog skoka

Ako pomnožimo signal jediničnog skoka sa jednim signalom rezultat u svakom slučaju će biti
kauzalni signal jer u budućnosti nije definisana.
Četvorougaoni signal : oznaka Π(t) i definisana je po sledećem :
1 − 0.5 < t < 0.5


Π (t ) = 0.5 t = ±0.5 (2.19)
0 drugde

Četvorougaoni signal možemo definisati i na sledeći način :
Π (t ) = u −1 (t + 0.5) − u −1 (t − 0.5) (2.20)
20
gde je u(t) funkcija jediničnog skoka.

Trougaoni signal označavamo sa Λ(t) :
 t +1 −1 ≤ t ≤ 0

Λ (t ) = − t + 1 0 ≤ t ≤1 (2.21)
 0 drugde

Kao što ćemo videti kasnije :
Λ(t ) = Π (t ) * Π (t ) (2.22)
to znači da trougaoni signal možemo izračunati kao autokonvoluciju četvorougaonog signala.

Sinc ili Six signal definišemo po sledećem:
sin(πt ) / πt t≠0
Si (t ) =  (2.23)
 1 t =0
ovaj izraz ćemo često koristiti prilikom korišćenja Fourierove transformacije signala.
Predznak signal je definisan sledećim izrazom :
1 t>0

sgn(t ) = − 1 t<0 (2.24)
 0 t=0

Samu funkciju predznaka možemo odrediti kao graničnu vrednost sledećeg signala:
 - nt
 e t t >0
 -
sgn(t ) = lim xn = lim − e n t<0 (2.25)
n →∞ n →∞
 0 t=0


ovu definiciju ćemo koristiti kod određivanja Furijerove transformacije signala predznaka.
Impulsni signal ili delta signal : Ovaj signal koristimo kao matematički model jednog
beskrajno kratkog događaja. Ovaj signal je najčešće korišćen u modernoj telekomunikaciji.
Delta signal ćemo uvesti tako kao jedan beskrajno kratkotrajni signal Π(t) odnosno:
1
δ (t ) = lim Π (t / ε ) (2.26)
ε →0 ε
definišemo ga slično kao:
1
δ (t ) = lim Si (t / ε ) (2.27)
ε →0 ε
21
na slici 2.7. je prikazano generisanje delta impulsa sa strane signala (t) i Si(t) .
2.7. slika Generisanje delta impulsa a) od četvorugaonog impulsa i od b) Si funkcije

Nekoliko karakteristika delta impulsa koje možemo koristiti u telekomunikaciji su .
1. δ (t ) = 0 za svaki t ≠ 0 vrednost i δ (0) = ∞ .
2. Jedan φt) ako je kontinualan u okolini t0 onda :
b  φ (t 0 ) a < t0 < b

∫a φ (t )δ (t − t 0 )dt = 0.5φ (t 0 ) t 0 = a ili t 0 = b (2.28)
 0 drugde

3. Ako je φt) neprekidna u centru koordinatnog sistema onda važi:
b  φ (t 0 ) a<0<b

∫a φ (t + t 0 )δ (t )dt = 0.5φ (t 0 ) a = 0 ili t 0 = 0 (2.29)
 0 drugde

1
4. Za svaku vrednost a ≠ 0 biće δ (at ) = δ (t ) .
a
5. δ(t) je jedinični operator konvolucione operacije:
x(t ) * δ (t ) = x(t )
(2.30)
x(t ) * δ (t − t0 ) = x(t − t0 )
22
6. Funkcija jediničnog skoka je integral delta impulsa, a impulsni signal je derivat

jediničnog skoka tj. :
t
u −1 (t ) = ∫ δ (τ )dτ
−∞ (2.31)
d
δ (t ) = u −1 (t )
dt
7. Slično moćemo definisati opšti derivat impulsnog signala
+∞
dn
∫δ (t )φ (t )dt = (−1) φ (t ) t =0
(n) n
(2.32)
−∞
dt n
ovaj rezultat možemo i uopštiti :
+∞
dn
∫ δ (t − t0 )φ (t )dt = (−1) φ (t ) t =t
(n) n
(2.33)
−∞
dt n 0
8. Za vrednost parnog n je δ n (t ) paran, dok, za vrednost neparnog n funkcija će biti

neparna.
Podela sistema
Jedan sistem ima bar jedan ulaz i jedan izlaz. Na ulaznoj strani ćemo naći ulazni signal, a
na izlaznoj izlazni signal.
Važan činioc definicije sistema je da je izlaz sistema jasno definisan sa ulazom sistema.
Ovaj odnos možemo napisati u sledećem matematičkom obliku :
y (t ) = O[ x(t )] (2.34)
gde operator O[.] karakteriše sistem. Najjednostavniji sistem možemo prikazati na sledećoj slici
:
2.7. slika Sistem, ulazni i izlazni signal
2.3. U vremenu diskretni i neprekidni sistemi

Diskretnim sistemom nazivamo taj sistem kod kojeg ulazni diskretni signal proizvodi
diskretni signal na izlazu.
Kod kontinualnih sistema ulazni i izlazni signali su neprekidni
23
.
Važno je napomenuti tzv. sisteme sa mešovitim signalom gde je ulazni ili izlazni signal
diskretan ili neprekidan dok druga strana obrnuta. Ovakva sredstva su A/D i D/A konverteri .
2.3.1. Linearni i nelinearni sistemi

Linearnim sistemima nazivamo te sisteme gde je princip superpozicije ispunjen odnsno
po definiciji : Operator O[.] je linearan ako, na dva ulazna signala x1 (t) i x2(t) :
O[αx1 (t ) + βx2 (t )] = αO[ x1 (t )] + βO[ x2 (t )] (2.35)
Gde α ι β
  su dve skalarne konstante .
Ako ovaj uslov nije ispunjen onda sistem nije linearan.
2.3.2. Sistemi zavisni i nezavisni od vremena

Sistem je nezavisan od vremena ako znamo da y(t)=O[x(t)] za svaki x(t) i za t0 stoji da:
y (t − t 0 ) = O[ x(t − t 0 )] (2.36)
2.3.3. Kauzalni i nekauzalni sistemi

Pojam kauzalnosti se nadovezuje pojmu fizičke izvodljivosti. Sistem je kauzalan ako
izlaz za jedno vreme t0 zavisi od vrednosti ulaznog signala x(t) u vremenu pre t0 odnosno:
y (t ) = O[ x(t ); t ≤ t 0 ] (2.37)
2.3.4. Analiza LTI sistema u vremenu

LTI (Linear Time Invariant) sistemi su od velike važnosti kod telekomunikacione sisteme i
u tehnici sistema. Za ovaj tip sistema zavisnost ulaznog/izlaznog može se relativno jednostavno
definisati. i računa se pomoću konvolucionog integrala. Za izvođenje ovog odnosa prvo ćemo
uvesti pojam odzivne funkcije impulsa.
Po definiciji odzivna funkcija impulsa sistema h(t) je odziv sistema na delta impuls (t)
odnosno :
h(t ) = O[δ (t )] (2.38)
2.4. Konvolucioni integral

Pošto se odnosi na x(t) signal :
24
+∞
x(t ) = x(t ) * δ (t ) = ∫ x(τ )δ (t − τ )dτ (2.39)
−∞
Ako se na ulazu nalazi impuls x(t) , onda na izlazu LTI sistema signal je :
+∞
y (t ) = O[ x(t )] = O[ ∫ x(τ )δ (t − τ )dτ ] =
−∞
a) + ∞
= ∫ x(τ )O[δ (t − τ )]dτ = (2.40)
−∞
b) + ∞
= ∫ x(τ )h(t − τ )dτ = x(t ) * h(t )
−∞
u slučaju jednakosti a) korišćena je teorema linearnosti dok, u slučaju jednakosti b) koristimo

invarijaciju u vremenu.
25
Ortogonalno rastavljanje signala
Konstrukcionu građu većine telekomunikacionih sistema možemo modelirati LTI

sistemima.
U ovom poglavlju ćemo opisati jedno drugo sredstvo sa kojim možemo analizirati LTI
sisteme. Osnovna ideja proizilazi iz pojma superpozicije odnosno ako raspodelimo ulazni signal
na više komponenata (linearna kombinacija komponenata). Za svaku komponentu možemo lako
odrediti izlaznu vrednost i onda koristeći princip linearnosti lako možemo odrediti izlaz i u
slučaju složenog signala.
Ova raspodela može se vršiti iz različitih gledišta, u našem slučaju vodeći računa o
spektralnim komponentima signala. Ovaj metod raspodele nazivamo raspodelom na Furiereve
redove.
3.1. Ortogonalna raspodela

Koristeći se sličnostima između signala i vektora (faza, magnituda) možemo koristiti
različite operatore iz vektorskog prostora u tzv. linearnom prostoru (signalni prostor).
Ako je signal definisan u intervalu [a,b] onda unutrašnji proizvod signala x(t) i y(t) koje
obeležavamo sa x(t), y(t) , i možemo definisati na sledeći način.:
b
x(t ), y (t ) = ∫ x(t ) y * (t )dt (3.1)
a
Moramo istaknuti da ovaj operator poseduje sledeću karakteristiku :

*
x(t ), y (t ) = y (t ), x(t ) (3.2)
Normalu signala možemo definisati na sledeći način:

3. Poglavlje / Ortogonalno rastavljanje signala
b 1/ 2
∫
1/ 2 2
x(t ) = x(t ), x(t ) = x(t ) dt (3.3)
a
gde x(t ) nije negativan realan broj.
Jedna sekvencija signala {Ψn (t )} je ortonormalna ako i samo ako:
1 m = n
Ψn (t ), Ψm (t ) = δ mn =  (3.4)
0 m ≠ n
gde je δ mn tzv. Kroneker delta. Ako svaki elemenat prostora signala možemo izraziti u obliku
ortonormalnih elemenata onda ovu osnovu zovemo kompletnom osnovom u prostoru i
kojeficijente izraza Ψn (t ) dobijamo po Ψn (t ) :
x(t ) = ∑ x n Ψn (t ) = ∑ x(t ), Ψn (t ) Ψn (t ) (3.5)

n n
u ovom slučaju:
x n = x(t ), Ψn (t ) (3.6)
Ekvivalentan je sa Pitagorinom teoremom u prostoru signala:
= ∫ x(t ) dt = ∑ x n = ∑ x(t ), Ψn (t )
2 b 2 2 2
x(t ) (3.7)
a
n n
3.2. Fourierovi redovi i njihove osobine

Funkcije LTI sistema je skup sopstvenih kompleksno eksponencijalnih funkcija.
Možemo postaviti sledeća pitanja: koje signale možemo rastaviti na kompleksno
eksponencijalne činioce? Odgovor je : periodične signale. O neperiodičnim signalima biće reč u
nastavku.
Fourierovi redovi : predpostavićemo da je x(t) periodični signal , sa vremenom periode
T0 . Ako ovaj opis funkcija zadovoljava tzv. Dirikletove uslove, odn.:
T0
∫ x(t ) dt < ∞
0
(3.8)
-x(t) je apsolutna integrabilna unutar periode, odn.

- broj maximuma i minimuma je konačna unutar vremena periode, i
- broj prekida je isto konačna unutar vremena peroiode .
U ovom slučaju x(t) možemo rastaviti na zbir eksponencijalnih činioca :
+∞
j 2π Tn t
x ± (t ) = ∑x e
n = −∞
n
0
(3.9)
gde je :
27
n
− j 2π
1 α +T0 t
xn = ∫
T0
x(t )e dt (3.10)
T0 α
za neke vrednosti α i
 x(t ) ako je x(t ) neprekidna za vrednost t

 +
x ± (t ) =  x(t ) + x(t − ) (3.11)
 ako je x(t ) prekidna za vrednost t
2
Nekoliko primedbi u vezi ove teoreme :

- xn je Fourierov red x(t) funkcije što je u opštem slučaju kompleksni broj.
- u opštem slučaju vrednost α može da bude bilo koji broj . U opštoj primeni α=0.
- Za svaki praktično primenjeni signal x ± (t ) = x(t ) .
- Dirikletove uslove u većini signala funkcija ne moramo prekontrolisati jer su uslovi

ispunjeni.
1
. f0 = vrednost za signal x(t) nazivamo osnovnom frekvencijom.
T0
- Fourierov red možemo izraziti i u obliku funkcije ω 0 = 2πf 0 kružne frekvencije kao:
+∞
x ± (t ) = ∑x e
n = −∞
n
jnω 0t
(3.12)
ω0 α + 2π / ω 0
xn =
2π ∫α x(t )e − jnω 0t dt (3.13)
- U opštem slučaju, x n = x n e j < xn je n ta harmonična magnituda, a <xn je faza, ovi su

nacrtljivi (vidi sliku 3.1). Ovakve dijagrame nazivamo diskretnim spektrumom periodičnog
signala x(t).
28
3.1. slika Slika a) je periodični signal b) spektar amplitude signala c) fazni spektar signala
3.1.1. Fourierov red realnih signala

Za realni signali:
*
ω α + 2π / ω 0 ω α + 2π / ω 0 
∫α ∫α
jnω 0t − jnω 0t
x−n = 0 x(t )e dt =  0 x(t )e dt  = x n* (3.14)
2π  2π 
Koristeći ovaj uslov :
a 0 +∞  n n 
x (t ) = + ∑ a n cos(2π t ) + bn sin(2π t ) (3.15)
2 n =1  T0 T0 
stižemo do sledećeg uslova:
ω0 α + 2π / ω 0 an b
x−n =
2π ∫α x(t )e jnω 0t dt =
2
−j n
2
(3.16)
2 α +T0 n
an =
T0 ∫α x(t ) cos(2π
T0
t )dt (3.17)
2 α +T0 n
bn =
T0 ∫α x(t ) sin(2π
T0
t )dt (3.18)
1 bn
xn = a n2 + bn2 < x n = − arctan( ) (3.19)
2 an
3.1.2. Fourier red parnih i neparnih signala

29
Za parne x(t) funkcije važi:
2 α +T0 n
bn =
T0 ∫α x(t ) sin(2π
T0
t )dt = 0 (3.20)
prema ovome:
a 0 +∞ n
x (t ) = + ∑ a n cos(2π t ) (3.21)
2 n =1 T0
Slično je za neparne signale:

+∞
n
x (t ) = ∑ bn sin(2π t) (3.22)
n =1 T0
3.2. slika a) neparni y(t) = sin ( 2πt) + 0.5 sin ( 10πt) + 0.25 sin ( 18πt) i
b) parni y(t) = 0.2 + cos ( 4πt) + 0.5 cos ( 12πt) + 0.25 cos ( 20πt) signali
3.1.3. Signali sa parnim i neparnim harminijama

30
Parnim harmoničnim signalima nazivamo te signale kod kojih u Fourier redu samo za
paran n imamo članove. Slično kod neparnih harmoničnih signala samo za neparan n imamo
članove.
3.3. slika Signali sa a) neparnim harmonijama y(t) = sin ( 2πt) + sin ( 6πt) + sin ( 10πt) i
b) parnim harmonijama y (t ) = sin ( 4πt) + sin ( 8πt) + sin ( 12πt)
Za neparne harmonične članove :

2 n +1 T0 2 n +1 2 n +1 T0
+∞ +∞
T j (t + ) j t j ( )
x(t + 0 ) = ∑ x 2 n +1e T0 2
= ∑x 2 n +1 e T0
e1 3 = − x(t ) (3.23)
424
T0 2
2 n = −∞ n = −∞ ( −1)
Za parne harmonične signale:
T0
x(t + ) = x(t ) (3.24)
2
3.1. Tabela Fourier red nekoliko u praksi često korišćenih funkcija
31
Redni Oblik signala u vremenu Fourier red signala

broj
f (t ) = cos( 2πt / T ) =
1. 2 4 1 1 1 
= + cos 2ωt − cos 4ωt + cos 6ωt − ...
π π 1 * 3 3*5 5*7 
f (t ) = sin( 2πt / T ) =
2. 2 4 1 1 1 
= − cos 2ωt + cos 4ωt + cos 6ωt + ...
π π 1 * 3 3*5 5*7 
f (t ) =
3. 1 1 2 1 1 1 
= + cos ωt +  cos 2ωt − cos 4ωt + cos 6ωt − ...
π 2 π 1 * 3 3*5 5*7 
f (t ) =
4. =
1 1 2 1
+ cos ωt −  cos 2ωt +
1
cos 4ωt +
1 
cos 6ωt + ...
π 2 π 1 * 3 3*5 5*7 
4 
5. f (t ) = 
1 1
sin ωt + sin 3ωt + sin 5ωt + ...
π 3 5 
4 
6. f (t ) =
1 1
cos ωt + cos 3ωt + cos 5ωt + ...
π  3 5 
8  
7. f (t ) =
1 1
sin ωt − 2 sin 3ωt + 2 sin 5ωt − ...
π 2  3 5 
32
8  
8. f (t ) =
1 1
cos ωt + 2 cos 3ωt + 2 cos 5ωt + ...
π 2  3 5 
1 1  1 1 
9.
f (t ) = −
2 π sin ωt + 2 sin 2ωt + 3 sin 3ωt + ...
 
1 1  1 1 
10.
f (t ) = +
2 π sin ωt + 2 sin 2ωt + 3 sin 3ωt + ...
 
 1 
sin ωt sin ωτ + 2 sin 3ωt sin 3ωτ +
4  3
f (t ) =  
11. πωτ  1
+ sin 5ωt sin 5ωτ + ... 
 5 2 
 1 
 sin ωt cos ωτ − 2 sin 3ωt cos 3ωτ +
4 3
12. f (t ) = 
πωτ  1

+ sin 5ωt cos 5ωτ + ... 
 5 2 
3.3. Odziv LTI sistema na periodičan signal
Ako je h(t) impulsno odzivna funkcija jednog LTI sistema a sopstvene funkcije sistema
su kompleksno eksponencijalne funkcije, onda možemo napisati:
∞
∫ h(t )e
− j 2πft
H( f ) = dt (3.25)
−∞
Ako predpostavimo da na ulazu jednog LTI sistema imamo periodičan signal x(t) sa
periodom T0
+∞
x(t ) = ∑x e
n = −∞
n
jnω 0t
(3.26)
33
Nakon toga :
 +∞  +∞ +∞
n  jnω 0t
y (t ) = O[ x{t}] = O  ∑ x n e jnω 0t  = ∑ x n O[e jnω 0t ] = ∑ x n H  e
 n = −∞  n = −∞ n = −∞  T0 
gde je H (n / T0 ) = H ( f ) j = n / T0
. Na osnovu ove relacije :
- Ako je na ulazu LTI sistema signal periodičan sa periodom T0 onda je i odzivna

funkcija periodična sa istom periodom.
- Na izlazu LTI sistema jedino se mogu javiti ti spektralni komponenti koji su prisutni i
na ulaz. Samo nelinearni sistemi generišu nove spektralne komponente.
-Sledeći izraz:
∞
∫ h(t )e
− j 2πft
H( f ) = dt = H ( f ) e j < H ( f ) (3.27)
−∞
nazivamo frekventno odzivnom funkcijom ili frekventnom karakteristikom.
3.4. Parservalova povezanost

Parservalova povezanost je specijalan oblik Pitagorine teoreme primenjenu na Fourier
red signala.
b
∫ x(t ) dt = ∑ x n
2 2
(3.28)
a n
Predpostavljajući da je x(t) oblik Fourierovog reda jednog periodičnog signala :

+∞
x(t ) = ∑x e
n = −∞
n
jnω 0t
(3.29)
i kompleksno konjugovanjem obe strane:

+∞
x (t ) =
*
∑x e
n = −∞
* − jnω 0t
n (3.30)
pomnoženjem prethodna dva izraza:

+∞
x(t ) = ∑x e
n = −∞
n
jnω 0t
(3.31)
pošto smo integrisali obe strane unutar periode

α +T0
T m=n
∫
α
e j ( n − m )ωt dt = T0δ m ,n =  0
0 m≠n
(3.32)
ovako stižemo do sledećeg izraza :
34
α +T0 +∞ +∞ +∞
∫ ∑∑ ∑x
2 2
x(t ) dt = x n x m* T0δ m,n = T0 n (3.33)
α n = −∞ m = −∞ n = −∞
tj. krajnji izraz je sledećeg oblika:

α +T0 +∞
1
∫ ∑x
2 2
x(t ) dt = n (3.34)
T0 α n = −∞
a n − jbn
Ako uvrstimo x n = onda
2
α +T0
a 02 1 +∞ 2
Px =
1
T0 ∫ x(t ) dt =
2
+ ∑ a n + bn2
4 2 n =1
( ) (3.35)
α
Snaga jednog signala je jednaka sa zbirom snaga pojedinih harmonija, tj.

ne zavisi od faznih spektra pojedinih harmonija.
3.5. Od Fourier reda do Fourierove transformacije
U ovom podpoglavlju osnovna ideja proizilazi iz ideje kako možemo primeniti
Fourierove redove za neperiodične signale.
Ako signal x(t) nije periodičan i predpostavimo da posmatramo u intervalu T0
 T0 T0 
 − ,  gde je T0 prizvoljna vrednost:
 2 2
 T T
 x(t ) - 0 ≤ t ≤ 0
xT0 (t ) =  2 2 (3.36)
 0 drugde
Nakon toga pretvorićemo u periodičnu:

+∞
xTpö (t ) = ∑x
n = −∞
T0 (t − nT0 ) (3.37)
Nakon svega ovo veštačko periodičan signal uredićemo u Fourier red, gde su koeficijenti
reda:
T0 / 2 n T0 / 2 n
− j 2π τ − j 2π τ
1 1
x = ∫ x (τ )e dτ = ∫ x(τ )e dτ
p p T0 T0
n T0 (3.38)
T0 −T0 / 2
T0 −T0 / 2
n
∞ j 2π t T0 T
x(t ) = x (t ) =p
T0 ∑x
n = −∞
p
n e T0
; -
2
≤t ≤ 0
2
(3.39)
35
prema tome:
∞ 1 T0 / 2 − j 2π
n
τ  j 2π Tn t T0 T
x(t ) = ∑  ∫ x(τ )e T0
dτ e 0 ; - ≤t≤ 0

n = −∞ T0
 2 2
 −T0 / 2 
Ako sad uzmemo daje T0 → ∞ i ovako uvrstimo nove promenjive:
n 1
f = és ∆f = (n + 1) f 0 − nf 0 = f 0 = (3.40)
T0 T0
3.4. slika Ilustracija uvođenja Fourierove transformacije
∞  T0 / 2  T0 T
x(t ) = ∑  ∆f ∫ x(τ )e − j 2πfτ dτ e j 2πft ; - ≤t ≤ 0
 −T / 2
n = −∞ 
 2 2
0 
posle uvrstenja T0 → ∞, ( f 0 → 0, ∆f → 0) ove sume prelaze u integral, a granice se

približavaju beskonačnom:

∞ ∞

x(t ) = ∫  ∫ x(τ )e − j 2πfτ dτ e j 2πft df (3.41)
− ∞ − ∞ 
nakon toga možemo definisati Fourierov trasnformacioni par:

∞
∫ x(τ )e
− j 2πfτ
X(f ) = dτ
−∞
∞
(3.42)
∫ X ( f )e
j 2πft
x(t ) = df
−∞
36
Spektar neperiodičnog signala x(t) je kontinualna ( nije diskretna kao kod periodičnih
signala ).
3.6. Osobine Fourierove transformacije

Osnovne osobine ćemo uvesti kao teoremu bez dokazivanja.
1. Fourierova transformacija je linearni operator
2. Fourierova transformacija je dualni operator. Ako je X ( f ) = O[ x(t )] onda
x( f ) = O[ X (−t )] i x(− f ) = O[ X (t )]
3. Pomeranje u intervalu vremena: O[ x(t − t 0 )] = e − j 2πft0 O[ x(t )]

1 f 
4. Teorema skaliranja , ako a ≠ 0 onda O[ x(at )] = X 
a a
5. Konvoluciona teorema : O[ x(t ) * y (t )] = O[ x(t )] ⋅ O[ y (t )] = X ( f ) ⋅ Y ( f )
6. Modulaciona teorema: O[ x(t )e j 2πft0 ] = X ( f − f 0 )

∞ ∞
∫ x(t ) y (t )dt = ∫ X ( f )Y
* *
7. Parservalova teorema: ( f )df
−∞ −∞
8. Autokorelaciona teorema (u intervalu vremena):

∞
∫ x(t ) x
2
R x (τ ) = *
(t − τ )dt ⇒ O[R x (τ )] = X ( f ) (3.42)
−∞
9. Teorema diferenciranja u intervalu vremenu:
d 
O  x(t ) = j 2πfX ( f ) odnosno opšta teorema diferenciranja
 dt 
dn 
O  n x(t ) = ( j 2πf ) n X ( f ) (3.43)
 dt 
10. Teorema diferenciranja u intervalu frekvencije:
j d
F [tx(t )] = X(f ) u opštem slučaju (3.44)
2π df
[ ]
n
 j  d
F t x(t ) = 
n
 X(f ) (3.45)
 2π  df
n
11. Integraciona teorema:
t  X(f ) 1
F  ∫ x(τ )dτ  = + X (0)δ ( f ) (3.46)
 −∞  j 2πf 2
12. Momenti : ako F [ x(t )] = X ( f ) tada

37
∞ n n
 j  d
∫ t x(t )dt = 2π  df n X ( f )
n
(3.47)
−∞ f =0
specijalni slučaj je kada n=0 tada stižemo do jednog jednostavnog izraza:

∞
∫ x(t )dt = X (0)

−∞
(3.48)
3.7. Fourierov transformat periodičnih signala

U daljnjem opisati metod sa kojim možemo Fourierovom transformacijom razvrstati u
red periodične signale.
Predpostavimo da je x(t) jedan periodičan signal sa periodom T0, koji zadovoljava
Dirikletove uslove.
Koeficijenti Fourier reda su {xn} , tada :
n
∞ j 2π t
x(t ) = ∑x e
n = −∞
n
T0
(3.49)
uzeći u obzir i sledeću činjenicu da :
 j 2π Tn t  n
F e 0  = δ ( f − ) (3.50)
  T0
stižemo do sledećeg:
∞
n
X(f ) = ∑ x δ(f −T
n = −∞
n ) (3.51)
0
Ako definišemo skraćeni signal xT0 (t ) , kao :
 − T0 T
 x(t ) <t < 0
xT (t ) =  2 2 (3.52)
 0
0
drugde
onda možemop napisati da :

∞
x(t ) = ∑x
n = −∞
T0 (t − nT0 ) (3.53)
Možemo opaziti sledeće
xT0 (t − nT0 ) = xT0 (t ) * δ (t − nT0 ) (3.54)
koristeći ovo:
38
∞
x(t ) = xT0 (t ) * ∑ δ (t − nT )
n = −∞
0 (3.55)
po konvolucionoj teoremi :
1 ∞

X ( f ) = X T0 ( f )  ∑ δ ( f − n / T ) 0 (3.56)
 T0 n = −∞ 
posle skraćenja :
∞
1 n
X(f ) =
T0
∑X
n = −∞
T0 (
T0
)δ ( f − n / T0 ) (3.57)
u upoređenju ovog sa
∞
1
X(f ) =
T0
∑ x δ ( f − n /T )
n = −∞
n 0 (3.58)
stižemo do sledećeg izraza:
1 n
xn = X T0   (3.59)
T0  T0 
Ovaj izraz nam daje jedan alternativni put do određivanja koeficijenata Fourier reda.
Ako imamo jedan periodičan signal x(t), u sledećem koraku možemo odrediti koeficijente xn :
1. Prvo ćemo odrediti skraćeni signal xT0 (t ) .
2. Odredićemo Fourierov transformat za skraćeni signal

3. Na kraju ćemo odrediti iz Fourierove transformacije skraćenog signala n-tu harmoniju
zamenom f=n/T0 i množimo sa 1/T0 .
39
Prenos signala sa LTI sistemom
Konvoluciona teorija je osnova za analizu LTI sistema u frekvencijskom domenu.Na

osnovu toga spektar izlaznog signalaje:
Y ( f ) = X ( f )H ( f ) (4.1)
LTI sisteme nazivamo filterima,jer u spektralnom domenu deo spektra prenetog signala
ili favorizuju,ili potiskuju.Tako razlikujemo nekoliko osnovnih tipa filtra,to su:niskopropusni,vi-
sokopropusni,propusnik opsega,nepropusnik opsega,filtar koji sve propušta,i češeljasti filtar.
Magnituda prenosne funkcije ovih filtra je dato na slici 4.1.
Kod filtra razlikujemo tri opsega:propusni opseg,prelazni opseg i zaključni opseg.U ide-
alnom slučaju spektralne komponente koji spadaju u propusni opseg,filtar prenosi bez torzije,a
spektralne komponente koji spadaju u zaključni opseg,u idealnom slučaju filtar ne prenosi,nego
maksimalno ih smiruje.U idealnom slučaju pretpostavljamo da je prelazni opseg bezkonačno
uzak,što je u istini nemoguće,i videćemo da ova pretpostavka kod projektovanja digitalnih FIR
filtra ima negativne posledice.
slika 4.1 Definicija pojedinih opsega filtra

4.Poglavlje/Prenos signala sa LTI sistemm
slika 4.2 Osnovni tipovi filtra
Moramo naglasiti da filtri koji sve propuštaju služe kao korektor faze i kao
prilagodnostrujno kolo.
4.1. Snaga i energija

Izračunaćemo snagu i energiju signala koji se javlja na 1Ω otpornosti.Energiju x(t) sig-
nala ćemo označiti sa Ex i onda:
∞
∫ x(t )
2
Ex = dt (4.2)
−∞
a snagu Px:
∞
1
Px = lim ∫ x(t ) dt
2
(4.3)
T →∞ T
−∞
Signal je tipa energije ako je Ex< ∞ ;a ako je 0<Px< ∞ onda je tipa snage.Signal ne može
da bude oba tipa,jer signal tipa energije karakteriše Px=0,a signal tipa snage karakteriše Ex → ∞ .
Signal ne mora da bude tipa energije,ni tipa snage.Skoro svi periodični signali su tipa sna-
ge,i snaga je:
α +T0
1
∫ x(t )
2
Px = dt (4.4)
T0 α
41
4. Poglavlje/Prenos signala sa LTI sistemom
4.1.1. Signali tipa energije

U slučaju ,ako je signal x(t) tipa energije trebamo definisati autokorelacionu funkciju
Rx(τ) u sledećem obliku:
∞ ∞
R x (τ ) = x(τ ) * x * (−τ ) = ∫ x(t ) x (t − τ )dt = ∫ x(t + τ ) x (t )dt (4.5)
* *
−∞ −∞
i energija ovog signala je:
∞ ∞
∫ x(t ) dt = ∫ X ( f ) df = E x
2 2
R x (0) = (4.6)
−∞ −∞
Ako je ulazni signal sistema x(t),izlazni signal y(t),u tom slučaju energija izlaznog signala
je:
∞ ∞ ∞
∫ y (t ) dt = ∫ Y ( f ) df = ∫ X(f )
2 2 2 2
Ey = H ( f ) df =R y (0) (4.7)
−∞ −∞ −∞
Inverzna Fourier-ova transformacija |Y(f)|2 je:
E y = F −1 Y ( f ) [ 2
]=
[
= F −1 X ( f ) H ( f ) ]=
2 2
[ X ( f ) ]* F [H ( f ) ] =
a) (4.8)
2 2
= F −1 −1
b)
= R x (τ ) * Rh (τ )
a.) jednačina je na osnovu konvolucione teorije napisan,dok b.) jednačina je na osnovu autoko-
relacione teorije napisan:
Pretpostavimo da imamo idealni filtar sa sledećom prenosnom funkcijom:
1 w < f < w + ∆w
H( f ) =  (4.9)
0 drugde
onda
 X ( f ) 2
2 w < f < w + ∆w
Y( f ) =  (4.10)
 0 drugde
i
∞
∫ Y( f )
2 2
Ey = df ≈ X ( w) ∆w (4.11)
−∞
iz prethodnog izraza sledi:

2
X ( w) ≈ E y / ∆w (4.12)
42
i odavde se vidi,da |X(f)|2 u stvari predstavlja potrebnu energiju x(t) signala.Dolazimo do slede-
ćeg zavisa:
G x ( f ) = X ( f ) = F [R x (τ )]
2
(4.13)
Pregledajmo dosadašnje:
1. Za signal x(t) tipa energije možemo definisati autokorelacionu funkciju u sledećem
obliku:
R x (τ ) = x(τ ) * x * (−τ ) (4.14)
2. Funkcija gustine energije signala x(t) je Gx(f):
X ( f ) = F [R x (τ )]
2
(4.15)
3. Energiju x(t) signala možemo izračunati na sledeći način:

∞
E x = R x (0) = ∫ G x ( f )df (4.16)
−∞
4. Ako signal x(t) propuštamo kroz filtar sa impulsnim odzivom h(t),dobijamo izlazni sig-
nal y(t):
y (t ) = x(t ) * h(t )
R y (τ ) = R x (τ ) * Rh (τ ) (4.17)
G y ( f ) = G x ( f )Gh ( f ) = X ( f ) H ( f )
2 2
4.1.2. Signali tipa snage

Jednačine za signale tipa snage su slične prethodnima.U ovom slučaju definisaćemo auto-
korelacionu jednačinu,kao:
T /2
1
T →∞ T ∫
R x (τ ) = lim x(t ) x * (t − τ )dt (4.18)
−E / 2
posle ovoga snaga x(t) signala je:

T /2
1
∫
2
Px = lim x(t ) dt = R x (0) (4.19)
T →∞ T
−E / 2
Ako definišemo Sx(f) kao funkciju gustine snage(ili kao spektar snage):
S x ( f ) = F [R x (τ )] (4.20)
ili:
43
∞
Px = R x (0) = ∫S
−∞
x ( f )df (4.21)
Signal na izlazu sistema:

∞
y (t ) = ∫ x(τ )h(t − τ )dτ
−∞
(4.22)
vremenska prosečna autokorelacija izlaznog signala je:

T /2
1
T →∞ T ∫
R y (τ ) = lim y (t ) y * (t − τ )dt (4.23)
−E / 2
smenom i sređivanjem izraza dobijamo:
R y (τ ) = R x (τ ) * h(τ ) * h * (−τ ) (4.24)
i vrednost Fourier-ove transformacije:

2
S y ( f ) = S x ( f )H ( f )H * ( f ) = S x ( f ) H ( f ) (4.25)
Kao što smo rekli periodični signali su signali tipa snage.Za periodične signale vremenska pro-
sečna autokorelacija je:
T0 / 2
1
R x (τ ) = ∫ x(t ) x (t − τ )dt
*
(4.26)
T0 − E0 / 2
n
∞ j 2π τ
∑x
2
R x (τ ) = n e T0
(4.27)
n = −∞
2  n
∞
Sx ( f ) = ∑ x n δ  f − 
T0 
(4.28)
n = −∞ 
snaga periodičnog signala je:

∞
∑x
2
Px = n (4.29)
n = −∞
Gustina snage izlaznog signala sa sistema:
2  n
∞
∑
2
Sy ( f ) = H( f ) x n δ  f −  =
n = −∞  T0 
2 (4.30)
∞
n   n
∑
2
= xn H   δ  f − 
n = −∞  T0   T0 
44
snaga izlaznog signala je:

2
∞
n 
∑
2
Py = xn H   (4.31)
n = −∞  T0 
4.2. Uzorkovanje signala i rekonstrukcija

U modernoj tehnici procesiranje signala i oblici digitalne telekomunikacije zavise od
dobrote procesa.
Na sledećoj slici se vidi mehanizam uzorkovanja:
slika 4.3 Mehanizam uzorkovanja
4.2.1. Idealno uzorkovanje,A/D konverzija

Prilikom uzorkovanja signal sa antiperiodičnom spektrom,sa ω H graničnom frekvenci-
jom,postaje periodičan signal.Perioda je jednaka sa brzinom uzorkovanja.
slika 4.4 Spektar signala a.)pre uzorkovanja,b.)posle uzorkovanja
45
Da spektralne komponente prilikom uzorkovanja ne bi preskakali,osnovni kriterijum je:
(ω S − ω H ) − ω H > 0 ⇒ ω S > 2ω H (4.32)
To znači, da brzina uzorkovanja mora da bude najmanje dva puta veća od granične
učestanosti f H = ω H / 2π .
4.2.2. Rekonstrukcija signala,D/A konverzija
Pretvaranje iz digitalnog domena u analogni domen zovemo D/A konverzija.Ako dobro

pogledamo sliku 4.4,možemo videti kako dobijamo analogni signal iz digitalnog signala.Jednos-
tavno periodičan spektar propuštamo kroz niskopropusni filtar i dobićemo signal osnovnog op-
sega,slika 4.5.Ovo je obrnuti proces.Niskopropusni filtar deluje i na spektar signala.
slika 4.5 Uticaj rekonstrukcionog filtra na diskretni signal
Fourier-ov transformacioni par idealnog niskopropusnog filtra:

sin( ω s t / 2 )
↔ H ( jω ) (4.33)
πt
impulsni odziv na mestu n-tog vremenskog uzorka u vremenskom i frekvencijskom domenu:
sin( ω s ( t − nT ) / 2 )
↔ H ( j ω ) e − jω nT
π ( t − nT )
posle ovoga filtrirani signal u vremenskom domenu se može napisati u sledećoj formi:
+∞
sin[ ω s ( t − nT ) / 2 ]
x (t ) = ∑
n = −∞
x ( nT )
ω s ( t − nT ) / 2
(4.34)
FN=2Fmax nazivamo Nyquist-ova frekvencija.
46
Uloga funkcije Sinc(a)=sina/a je da izvrši interpolaciju između diskretnih funkcija.
slika 4.6 Interpolaciona funkcija Sinc(x)
47
Uskopojasni signali
(Bandpass-narrowband signals)
Ovi signali se često javljaju u komunikacionim sistemima.Analiza ovih tipa signala se

zasniva na analizu monohromatskih signala.
Prema definiciji uskopojasni signali su oni signali,čiji spektar X(f) nije jednaka nuli u
okolini veoma uskog opsega f0 frekvencije(f0>>ωg/2π je širina spektra ωg/2π signala).Usko-
pojasni sistemi su oni sistemi, koji prenose uskopojasni signal i u širokom frekvencijskom
opsegu sa velikom intenzitetom smiruju spektar signala.
Na sledećim slikama se prikazuju primeri za spektar uskopojasnog signala:
slika 5.1 Spektar uskopojasnog signala
5.1. Hilbert transformacija

Takav uskoopsegni signal možemo zamisliti kao množina jednog kosinusnog(kompleks,
eksponencijalni) signala i jednog osnovno- uskoopsegnog signala.
5.Poglavlje/Uskopojasni signali
X = z (t )e − j 2πf 0t (5.1)
gde je z(t) osnovno-uskoopsegni signal:
slika 5.2. Odnos Z(f) i X l ( f ) prema X(f)-u

Definisaćemo z(t) tako da vrednost spektra X(f) u pozitivnom frekvencijskom domenu
množimo sa dva,i brišemo negativni frekvencijski domen:
Z ( f ) = 2U −1 ( f ) X ( f ) (5.2)
Tako definisan Z(f) u daljem tekstu zvaćemo analitički signal.Pre nego što odredimo vre-
menski oblik z(t), odredićemo inverznu transformaciju u-1(f):
1 1
F [u −1 (t )] = δ ( f ) + (5.3)
2 j 2πf
primenom teorije dualiteta:
1 1 
F  δ (t ) + = u −1 ( f ) (5.4)
2 j 2πt 
primenom konvolucione teorije dobijamo:
49
5. Poglavlje/Uskopojasni signali
 j
z (t ) = δ (t ) +  * x(t ) =
 πt 
j
= x(t ) + * x(t ) = (5.5)
πt
= x(t ) + jxˆ (t )
gde je:
j
xˆ (t ) = * x(t ) (5.6)
πt
Izraz xˆ (t ) nazivamo Hilbert transformacijom x(t)-a.Hilbert transformacija ne menja do-

men kao dosad predstavljeni transformacije.Na primer:Fourier transformacija menja vremenski
⇔ frekventni domen.Hilbert transformaciju možemo uzeti kao jedan prosti filtar, zbog toga,što
je nastao primenom konvolucione teorije.
 − jπ
− j f > 0 e 2 f >0
1  
F   = − j sgn( f ) =  0 f =0 = 0 f =0 =
 πt  + j f < 0 e j2
π
(5.7)
  f <0

π
- j sgn( f )
=e 2
, f ≠0
Hilbert transformacioni filtar nazivamo kvadraturni filtar,jer u fazi vrši pomeranje od

o
90 stepeni.Filtra kojeg generiše Hilbert transformacija,možemo ga opisati sa sledećom pre-
nosnom funkcijom:
H ( f ) = − j sgn( f ) (5.8)
Ovaj filtar nazivamo kvadraturni filtar.Ako spektar Z(f) pomeramo nalevo za f0 onda
dobijamo xl(t) ,koji je osnovnoopsegni reprezentans uskoopsegnog signala.
X l ( f ) = Z ( f + f 0 ) = 2U −1 ( f + f 0 ) X ( f + f 0 ) (5.9)
xl (t ) = z (t )e − j 2πf 0t (5.10)
xl(t) je kompleksan signal,i možemo ga rastaviti na realan komponent xc(t) i imagi-

naran komponent xs(t).
xl (t ) = xc (t ) + jx s (t ) (5.11)
xc(t) i xs(t) su niskofrekventni signali,prvi je fazni član a drugi je kvadraturni član,odnosno orto-
gonalni vektorski član(pomeren član za 900 stepeni).Smenom xl(t) u z(t) dobijamo:
50
z (t ) = x(t ) + jxˆ (t )
= x l (t )e j 2πf 0t
= ( x x (t ) + jx s (t ))e j 2πf 0t (5.12)
= [xc (t ) cos(2πf 0 t ) − x s (t ) sin( 2πf 0 t )] +
j[xc (t ) sin(2πf 0 t ) + x s (t ) cos(2πf 0 t )]
Kad izjednačimo realne i imaginarnečlanove,dobijamo:
x(t ) = x c (t ) cos(2πf 0 t ) − x s (t ) sin(2πf 0 t )

(5.13)
xˆ (t ) = x c (t ) sin(2πf 0 t ) + x s (t ) cos(2πf 0 t )
Ako definišemo funkciju V(t) kao obujnicu (anvelopa) funkcije x(t):
V (t ) = xc2 (t ) + x s2 (t ) (5.14)
a faza je:
x s (t )
θ (t ) = arctan (5.15)
xc (t )
na kraju xl(t) se može napisati :
xl (t ) = V (t )e jθ ( t ) (5.16)
slika 5.3 Faza i anvelopa osnovnoopsegnog signala
V(t) i θ(t) su vremenski sporo promenljivi procesi u odnosu na x(t) koji na f0 frekvenciji
oscilira,tako:
51
5. Poglavlje/Uskopojasni signali
z (t ) = x(t ) + jxˆ (t )
= xl (t)e j 2 πf 0t
j 2πf 0t (5.17)
= V(t)e jθ ( t ) e
= V (t ) cos(2πf 0 t + θ (t )) + jV (t ) sin(2πf 0 t + θ (t ))
razdvajanjem realne i imaginarne komponente:
x(t ) = V(t ) cos(2πf 0 t + θ (t ))

(5.18)
xˆ (t ) = V (t ) sin( 2πf 0 t + θ (t ))
5.1.1. Osobine Hilbert transformacije

1. Zakon:Hilbert transformacija parnog signala je neparan,dok Hilbert transformacija
neparnog signala je paran.
2. Zakon:Dvostrukim primenom Hilbert transformacije se promeni predznak signala.
xˆˆ (t ) = − x(t ) (5.18)
3. Zakon:Energijski sadržaj Hilbert transformacionog signala je jednak energijskim sa-

držajem osnovnog signala.
4. Zakon:Signal i Hilbert transformacija su ortogonalni.
Zakon: x(t) signal je uskoopsegni signal,m(t) je osnovnoopsegni signal i njihovi spektri se ne

preklapaju.U ovom slučaju c(t)=m(t)*x(t).Hilbert transformacija je m(t ) xˆ (t ) .
5.2. Prenos uskoopsegnog signala preko uskoopsegnog

sistema
Počev od osnovne veze LTI sistema:
Y ( f ) = X ( f )H ( f ) (5.19)
Pošto LTI sistemi ne generišu nove spektralne komponente,i X(f) je uskoopsegni signal
tako i Y(f) će biti uskoopsegni signal,i imaćemo osnovnoopsegni reprezentans.
Yl ( f ) = 2U −1 ( f + f 0 )Y ( f + f 0 )
(5.20)
= 2U −1 ( f + f 0 ) X ( f + f 0 ) H ( f + f 0 )
Ako napišemo osnovnoopsegni reprezentans X(f) i H(f):
X l ( f ) = 2U −1 ( f + f 0 ) X ( f + f 0 )
(5.21)
H l ( f ) = 2U −1 ( f + f 0 ) H ( f + f 0 )
uzimajući u obzir da u −21 ( f ) = u −1 ( f ) :
52
X l ( f ) H l ( f ) = 4u −1 ( f + f 0 ) X ( f + f 0 ) H ( f + f 0 ) (5.22)
i na kraju dobijamo Yl(f):
1
Yl ( f ) = X l ( f )H l ( f )
2 (5.23)
1
y l (t ) = xl (t ) * hl (t )
2
5.3. Uskoopsegni šum

Pretpostavimo da slučajna vremenska funkcija opiše uskoopsegni šum.Spektar ovog
šuma [ω0-ωm , ω0+ωm] se nalazi u frekvencijskom domenu.Ovakav šum se može napisati slede-
ćom funkcijom:
n(t ) = nc (t ) cos ω 0 t + n s (t ) sin ω 0 t (5.24)
U ovom izrazu nc(t) i ns(t) su slučajni procesi koji su spori procesi.Ovi procesi su tkzv.
ortogonalni procesi i nalaze se 0-ωm domenu i ispunjavaju sledeće uslove:
n (t ) = n s (t ) = nc (t )
2 2 2
(5.25)
Treba naglasiti da je n(t) slučajan proces i prosek mu je n(t)=0.Ako je proces Gauss-ov
proces,onda su nc(t) i ns(t) Gauss-ovi procesi.Ovi procesi i varijacije ovih procesa su jednaki va-
rijacijom osnovnog šuma.
53
Prenos i prijem analognih signala
Prenosni signal označimo sa m(t),po našoj pretpostavki ovaj signal nosi informacije.Sig-
nal m(t) možemo opisati kao funkcija uzorka i M(t) slučajnog procesa(jer samo slučajni procesi
nose informacije).Slučajan proces prema našoj pretpostavki u širem smislu je stacionaran,
RM(τ) autokorelacijom i SM(f)gustinom snage.
S ( f ) f <W
SM ( f ) =  M (6.1)
 0 f >W
Ovakav signal nazivamo osnovnoopsegni signal.

Značajna karakteristika osnovnoopsegnog signala je prosečna snaga:
W
PM = RM (0) = ∫
−W
S M ( f )df (6.2)
m(t) signal je sa nosećim signalom prenet preko komunikacionog sistema,čiji je oblik:
c(t ) = Ac cos(2πf c t + φ c ) (6.3)
Sledi,da m(t) informacioni signal moduliše jednog parametra nosećeg signala,ili amplitudu,ili
frekvenciju,ili fazu.Rezultat ovog procesa je da se osnovnoopsegni signal pretvori u opsegno
ograničen signal u okolini fc noseće frekvencije.
6. Poglavlje/Prenos i prijem analognih signala
6.1. Modulacija amplitude

Razlikujemo više vrsta postupka za modulaciju amplitude,to su:sa dva bočna opsega(do-
uble side band AM)DSB,konvencionalna modulacija amplitude KAM,sa jednim bočnim opse-
gom(single side band)SSB,VSB modulacija,sa nezavisnim bočnim opsegom AM,kvadraturna
modulacija,itd.
6.1.1. Modulacija sa potiskovanim nosačem DSB,sa dva bočna opsega

Ovaj modulacioni postupak karakteriše množina modulacionog i nosećeg signala:
u (t ) = m(t ) * c(t ) = Ac m(t ) cos(2πf c t + φ c ) (6.4)
Ako je modulacioni signal determinističan,tada je spektar modulisanog signala:
U ( f ) = F [m(t )]* F [ Ac cos(2πf c t + φ c )]
= M( f )*
2
[
Ac jφc
e δ ( f − f c ) + e − jφ c δ ( f + f c ) ] (6.5)
=
Ac
2
[
M ( f − f c ) e jφ c + M ( f + f c ) e − jφ c ]
slika 6.1. Signal za primer:a.)Amplitudni spektar osnovnoopsegnog signala,b.)fazni

spektar,c.)Amplitudni spektar modulisanog signala,d.)fazni spektar
56
6.Poglavlje/Prenos i prijem analognih signala
U slučaju kada je modulacioni signal stohastičan(slučajan),a signal m(t) je jedna funkcija

uzorka M(t) slučajnog procesa,tada je modulisani signal u(t) jedna funkcija U(t) slučajnog pro-
cesa.Prosečna vrednost U(t) procesa je:
E [U (t )] = Ac E [M (t )]cos(2πf c t + φ c ) = 0 (6.6)
jer pretpostavljamo da je E[M(t)]=0.
slika 6.2. Balansni modulator

Autokorelaciona funkcija U(t) procesa:
Ru (t , t + τ ) = E [U (t )U (t + τ )]
= Ac2 E [M (t ) M (t + τ )]cos(2πf c t + φ c ) cos(2πf c (t + τ ) + φ c ) (6.7)
Ac2
= RM (τ )[cos(2πf cτ ) + cos(2πf c (2t + τ ) + 2φ c )]
2
vidi se da je funkcija Ru(t,t+τ) periodičan i zato je U(t) ciklostacionaran.Prema tome prosečna

vrednost autokorelacione funkcije:
Tp / 2
1
Ru (τ ) =
Tp ∫R
−T p / 2
u (t , t + τ )dt (6.8)
smenom dobijamo:
1 2
Ru (τ ) = Ac RM (τ ) cos 2πf cτ (6.9)
2
i prosečna snaga DSB-Sc signala:
1 2
Ru (0) = Ac RM (0) (6.10)
2
spektralna gustina funkcije DSB-Sc signala:
57
∞
Ac2
Su ( f ) = ∫ R (τ )e c dτ =
− j 2πf τ
[S M ( f − f c ) + S M ( f + f c )] (6.11)
−∞
4
6.1.2. Demodulacija AMDSB-Sc signala

Ako zanemarimo šum i pretpostavimo da imamo idealan kanal,onda je primljeni signal
jednak emitiranom signalu:
r (t ) = u (t ) (6.12)
Ako primljeni signal množimo sa nosećim signalom:
r(t) cos ( 2πf c t + φ ) = Ac2 m(t ) cos(2πf c t + φ c ) cos(2πf c (t + τ ) + φ )

Ac (6.13)
= m(t )[cos(φ c − φ ) + cos(4πf c t + φ c + φ )]
2
Ako primljeni signal propuštamo kroz niskopropusni filtar,na izlazu filtra imamo:
Ac
y l (t ) = m(t ) cos(φ c − φ ) (6.14)
2
ako je φ c = φ onda amplituda primljenog signala opada sa vrednostom cos(φc−φ).Na primer ako
je φc−φ=900 ,onda željeni nestaje.Zbog toga na primanju možemo koristiti samo sinhron demo-
dulator ili demodulator sa koherensom fazom.Prema tome na strani primanja faza generisanog
sinusoidalnog signala,u idealnom slučaju mora da bude jednak sa φc
a) ako imamo pilotni signal,čija je faza jednaka sa φc
b) koristimo PLL za generisanje nosećeg signala
slika 6.3. Demodulator AM DSB-Sc signala
Ostale AM modulacije nećemo detaljno predstaviti.
6.2. Sistemi frekvencijskog multipleksa (FDM)
58
Multipleks je takav tip prenosa,koji omogućava u istom sistemu prenos više samostalne
informacije.Razlikujemo dva osnovna tipa:podelilac frekvencije i podelilac vremena.
U ovom poglavlju analiziramo frekvencijski podelilac i označavamo ga sa FDM (Freq.
Division Multiplex).
U ovakvom sistemu,pomoću analogne modulacione tehnike,spektar svakog nezavisnog
signala pomeramo posebno iz osnovnog frekvencijskog domena u jedan unapred naznačen do-
men.Pomoću ovoga,imamo mogućnost da spektar signala poredamo jedan pored drugog,a da ne
dođe do preklapanja.Tako dobijeni jedinačni signal možemo preneti preko prenosnog sistema.
slika 6.4. Nastanak FDM signala u slučaju prenosa preko telefonskog kanala u spektralni
domen
Na slici 6.4. možemo videti kompoziciju FDM signala u frekvencijskom domenu.
Kompozicioni signali su signali telefonskih kanala.Prema našoj pretpostavki svaki telefonski
kanal je ograničen na 0.3kHz i 3.4kHz frekvencijski domen.Signali pojedinih kanala su
međusobno nezavisni,takve su u1 (t ), u 2 (t ) és u 3 (t ) .U slučaju modulisanog signala(AM-DSB)
pu- na linija označava direktni opseg,isprekidana linija označava indirektni opseg.
Blok šema takvog multipleksnog sistema se vidi na slici 6.5.
59
Demultiplekser sa filtrima razdvaja multipleksni signal tako,da u svaki kanal spada spek
tar tog signala,koji pripada tom kanalu.
Multipleksni prenosni sistem je koristan i pored toga što je skup,jer zajednička linija do
svakog kanala jednostavnija i jeftinija nego kada bi imali samostalnu liniju za svakog kanala.To
se ne računa i na kratke linije.
Pošto mreže čine internacionalni sistem,frekvencijske opsege moramo standardizovati.
Ove podele frekvencije se može naći u CCITT publikaciji.
Drugi multipleksni postupak u frekvencijskom domenu je tkzv. modulacija noseće kvad-
rature.Sa jednim nosačem možemo preneti više samostalnih signala,tako da kodistimo ortogo-
nalni noseći signal Accos2πfct i Acsin2πfct.
Neka bude prva poruka m1(t) signal,druga m2(t) signal.Signal prve poruke moduliramo sa
jednim ortogonalnim signalom,a signal druge poruke moduliramo sa drugim ortogonalnim signa
lom.
Posle toga sabiramo ova dva signala i dobijamo:
u(t)=Acm1(t)cos2πfct+Acm2(t)sin2πfct
Na slici 6.6 se vidi blok šema kvadraturnog modulatora i demodulatora.

Na strani primanja posebnom PLL strujnom kolom dobijamo nazad prvi nosač,posle sa
strujnom kolom za pomeranje faze za 90° stepeni dobijamo drugi nosač.
Kako vidimo,u takvom sistemu možemo dobiti nazad preneti signal.
slika 6.5. Šematička slika potrebnog HARDWARE
60
slika 6.6. Šematička slika sistema kvadraturne modulacije
6.3. Ugaona modulacija

Razlikujemo dva osnovna tipa:modulacija frekvencije (FM) i fazna modulacija (PM).
Ugaono modulisani signal možemo napisati u sledećoj formi:
u (t ) = Ac cos(θ (t )) (6.15)
gde je θ(t) faza signala, fi(t) trenutna frekvencija:
1 d
f i (t ) = f c + Φ (t ) (6.16)
2π dt
u(t) je opsegno ograničen,možemo ga napisati u sledećoj formi:
u (t ) = Ac cos(2πf c t + φ (t )) (6.17)
ako je m(t) informacioni signal,onda za PM sistem:
Φ (t ) = k p m(t ) (6.18)
za FM sistem:
1 d
f i (t ) − f c = k f m(t ) = Φ (t ) (6.19)
2π dt
61
gde su kp i kf deviacioni koeficijenti faze i frekvencije.

Na osnovu gornjih izraza imamo:
 k p m(t ) PM
 t
Φ (t ) =  ili (6.20)
2πk f ∫ m(τ )dτ FM
 −∞
 dm(t )
dΦ (t )  k p PM
= dt (6.21)
dt 2πk f m(t ) FM
prema ovome možemo nacrtati sledeću 6.7. sliku.
slika 6.7. Prikaz ekvivalentne veze PM i FM modulacije
62
a) b)
c) d)
e) f)
slika 6.8. Prikaz FM i PM signala
Slika a.) i b.) prikazuju dva interesantno izabranih signala,jer signal na slici b.)je prvi
derivat signala signala na slici a.)(signal FM možemo dobiti derivacijom PM signala)Slika c.) i
d.) prezentuje FM signal,za signal a.) odgovara FM signal na slici c.),a za signal b.) odgovara
FM signal na slici d.).Dok slike e.) i f.) prezentuju PM signal iz slike a.) i b.).Prema zakonima
63
između signala FM i PM možemo dati odgovor na pitanje zašto su signali na slici c.) i f.)
jednaki.
Maksimalna devijacija faze kod PM signala:
∆Φ max = k p max[ m(t ) ] (6.22)
Maksimalna devijacija frekvencije PM signala:
∆f max = k f max[ m(t ) ] (6.23)
6.3.1. Ugaona modulacija sa sinusoidalnim signalom

Ako je informacioni signal sinusoidalni signal,u tom slučaju PM i FM signali su
sledećeg
oblika:
u (t ) = Ac cos(2πf c t + β cos 2πf m t ) (6.24)
gde je β modulacioni indeks jednom βP jednom βF.-u.

Modulisani signal možemo napisati u sledećem obliku:
{
u (t ) = Re Ac e j 2πf ct e jβ cos 2πf mt } (6.25)
pošto je cos 2πf m t periodičan sa Tm = 1 / f m periodom,što važi za kompleksni eksponencijalan

signal
e jβ cos 2πf mt (6.26)
zato možemo ga rastaviti u Fuorier-ov red:

1/ fm
∫e
jβ cos 2πf m t
Cn = f m e − jn 2πf mt dt
0
2π
(6.27)
u = 2πf m t
1
∫e
j ( β cos u − nu )
= du
2π 0
poslednji integral je poznat kao Bessel-ova funkcija J n ( β ) :
∞
e jβ cos 2πf mt = ∑ J n ( β )e i 2πnf mt (6.28)
n −∞
smenom:
 ∞ 
u (t ) = Re Ac ∑ J n ( β )e i 2πnf mt e j 2πf ct 
 n −∞  (6.29)
∞
= Ac ∑ J n ( β ) cos(2πnf m t + 2πf c t )
n −∞
64
Spektar ugaono modulisanog signala pomoću sinusoidalnog signala čine više spektralne
komponente.Razlikujemo osnovnoopsegni ugaonomodulisani signal,gde je broj spektralnih
komponenta mali,u slučaju kada je modulacioni indeks male vrednosti,i širokoopsegni.Na slici
6.9. se može videti uskoopsegni i širokoopsegni ugaonomodulisani spektar signala.
slika 6.9. a.)uskoopsegni i b.)širokoopsegni ugaonomodulisani spektar signala

Ako raste broj harmonika u modulirani signal,raste i broj spektralnih komponenta u mo-
dulisan signal.
6.4. Realizacija ugaonog modulatora i demodulatora

U realizaciji modulatora koristimo varaktor diodu,čiji kapacitet zavisi od napona modu-
modulisanog signala.
C (t ) =C 0 + k 0 m(t ) (6.30)
trenutna frekvencija je:
1 1
f i (t ) = = fc (6.31)
π L0 (C 0 + k 0 m(t )) k
1 + 0 m(t )
C0
pretpostavljeno:
k0
ε= m(t ) << 1 (6.32)
C0
koristeći sledeću približnu jednačinu:
ε 1
1+ ε ≈ 1+ ⇒ ≈ 1− ε (6.33)
2 1+ ε
smenom:
65
 k 
f i (t ) ≈ f c 1 − 0 m(t )  (6.34)
 C0 
Direktna upotreba ove metode je tkzv. modulator sa varaktor diodom(slika 6.10.)
slika 6.10. Modulator sa varaktor diodom
Drugo rešenje za generisanje ugaonomodulisanog signala je,kada osnovnoopsegni ugao-

nomodulisan signal pretvaramo u širokoopsegni signal.Ovo nazivamo indirektan metod.Ovaj
postupak prezentira slika 6.10. i 6.11.
Imamo indirektne metode za generisanje ugaonomodulisanog signala.Nosač dobija-
mo iz kristalnog oscilatora,drugu veću frekvenciju zato koristimo,da bi dobili veću
devijaci- ju na izlazu modulatora.Tipično rešenje je Amstrong modulator.Prvi stepen
Amstrong modulatora se vidi na slici 6.10,drugi stepen na slici 6.11.Osnovna ideja
realizacije je da uskoopsegni ugaonomodulisan signal se može napisati u sledećoj formi:
1  π
u (t ) ≅ U 0 cos ω 0t + U 0 cos (ω 0 − ω m )t + 
2  2
1  π
+ U 0 cos (ω 0 − ω m )t − 
2  2
slika 6.10.Upoređenje uskoopsegno ugaonomodulisanog signala i AM signala
Sledi,da signal sastoji se od nosača i dva sporedna opsega.Ovi sporedni opsezi su isti kao
kod AM signala,samo su fazno pomereni za π/2,od nosača.Ako pratimo ove teoreme,možemo re
alizovati šeme.Množenjem frekvencije raste devijacija.
66
slika 6.10. Uskoopsegni FM modulator
slika 6.11. Indirektna metoda za generisanje ugaonomodulisanog signala
FM modulator u prvom koraku generiše AM signal čija je amplituda srazmerna sa frek-

vencijom FM signala.Tako dobijeni signal AM demodulator pretvara u informacioni signal.
slika 6.12. Osnovna koncepcija demodulacije FM signala

FM demodulacija
Osnovno strujno kolo koji vrši FM-AM konverziju je jedno paralelno oscilatorno kolo u
frekvencijskom domenu,gde je karakteristična kriva oscilatora linearan.
67
slika 6.14. Paralelno oscilatorno kolo i impedansa
Ako oscilator napajamo iz strujnog generatora,napon na oscilatoru je jednak impedansi

oscilatora.Vidimo da je noseća frekvencija približno linearan ω=ω0 i u ovom domenu možemo
izvršiti konverziju.Ima više vrsta konverzije,s kojima ovaj linearni domen možemo povećati.
slika 6.13. Blok šema PLL-FM demodulatora
6.5. Uticaj šuma na analogni komunikacioni sistem

Različite modulacioni sistemi se zasnivaju na osnovnoopsegni sistem,zato je ovo analiza
šuma osnovnoopsegnog sistema.Snaga šuma na izlazu prijemnika:
w
N0
PN 0 = ∫
−w
2
df = N 0 w (6.35)
Ako je snaga primljenog signala PR,,dobijeni signal/šum zavisnost je:
S P
  = R (6.36)
 N b N 0 w
6.5.1. Uticaj šuma na DSB-Sc AM sisteme

Oblik DSB signala:
u (t ) = Ac m(t ) cos(2πf c t + φ c ) (6.37)
68
primljeni signal na izlazu prijemnog filtra:
r (t ) = u (t ) + n(t ) = Ac m(t ) cos(2πf c t + φ c )

(6.38)
+ nc (t ) cos 2πf c t − n s (t ) sin 2πf c t
množenje az r(t) signala sa cos(2πf c t + φ ) :
r (t ) cos(2πf c t + φ ) = Ac m(t ) cos(2πf c t + φ c ) cos(2πf c t + φ )

+ n(t ) cos(2πf c t + φ ) =
1 1 (6.39)
= Ac m(t ) cos(φ − φ c ) + Ac m(t ) cos(4πf c t + φ c + φ )
2 2
1 1
+ [nc (t ) cos φ + n s (t ) sin φ ] + [nc (t ) cos(4πf c t + φ ) − n s (t ) sin (4πf c t + φ )]
2 2
signal na izlazu niskopropusnog filtra:
1 1
y (t ) = Ac m(t ) cos(φ − φ c ) + [nc (t ) cos φ + n s (t ) sin φ ] (6.40)
2 2
u slučaju koherensnog ili sinhronog demodulatora φ c = φ = 0 ,ispunjava se sledeći uslov:
1
y (t ) = [ Ac m(t ) + nc (t )] (6.41)
2
Snaga informacionog signala:
Ac2 Ac2 Ac2

P0 =
4
[
E M 2 (t ) = ] 4
RM (0) =
4
PM (6.42)
snaga šuma:
1 1
Pn0 = Pnc = Pn (6.43)
4 4
Spektar snage šuma:
 N0
 f − fc < w
Sn ( f ) =  2 (6.44)

 0 drugde
a zaj teljesitménye:
∞
N0
Pn = ∫S
−∞
n ( f )df =
2
4 w = 2 wN 0 (6.45)
Signal/šum zavisnost na izlazu:
69
Ac2
PM Ac2 PM
S P0 4
  = = = tumačiti (6.46)
 N  0 Pn0 1 2 wN 0
2 wN 0
4
Ac2 PM
snaga primljenog signala PR = i tako zavisnost signal/šum u DSB signalu:
2
S P S
  = R =  (6.47)
 N  0 DSB wN 0  N  b
zavisnost signal/šum kod DSB-Sc signala i kod osnovnoopsegnog signala su jednaki.
6.5.2. Uticaj šuma na frekventnomodulisan signal

Pošto izračunanje zavisnosti signal/šum kod frekventnomodulisanih signala dugo traje,
zato dajemo samo izlaznu jednačinu zavisa signal/šum:
  Ω / 2 −1 2 S
 PM     PM
S   max m(t )   N  b

  =  2 tumačiti (6.48)
 N 0   Ω / 2 −1   S 
3PM  max m(t )   N  FM
    b
Bc
gde je: Ω = , Bc je širina opsega ulaznog filtra prijemnika,a w širina opsega niskopropusnog
w
filtra na izlazu prijemnika(posle ugaonog modulatora).
6.6. Upodeđenje analognih modulacionih sistema

Pregledaćemo analogne modulacione sisteme:
Upoređenje se može vršiti na više načina:
1. Potrebna širina opsega sistema
2. Potrebna snaga sistema,s obzirom na šum
3. Složenost sistema
6.6.1. Po širini opsega

Najmanju širinu opsega ima SSB-Sc sistem,tako da širina opsega prenosnog signala je
jednak sa širinom opsega osnovnoopsegnog signala.Ovaj sistem koriste u kritičnim slučajima
širinama opsega,kao što je prenos tona u mikro ili satelit linkovima,i u drugim od tačke do tač-
ke sistemima.Ne koriste se za prenos signala gde ima pretežno DC komponenta.Ovaj sistem
koriste u TV tehnici.Ugaonomodulisani sistemi zahtevaju veliku širinu opsega prilikom prenosa.
70
6.6.2. Snaga sa gledišta efektivnosti

Kriterium je zavisnost signal/šum.Parametri ugaonomodulisanih sistema su bolji.KAM i
VSB+C sistemi pokazuju najmanju efektivnost na ovom području.
6.6.3. Sa gledišta složenosti

Najjednostavniju prijemnu strukturu ima KAM sistem i malo složeniji ima VSB+C sis-
tem.FMsistem je relativno jednostavan.
Ova tri sistema su najkorišćeni.
71
Prenos PCM signala u osnovnompsegu i uskopojasni PCM
7.1. PCM prenos preko AWGN kanala sa konačnom

širinom
Takav kanal možemo opisati kao jedan linearan filtar sa c(t) impulsnim odzivom i C(f)
prenosnom funkcijom:
∞
∫ c(t )e
− j 2πft
C( f ) = dt (7.1)
−∞
Širina opsega kanala ja BC[Hz]=w.

Pretpostavimo,da na ulazu takvog kanala imamo signal gT(t).Odziv na takav signal raču-
namo sa konvolucijom:
∞
h(t ) = ∫ c(τ ) g
=∞
T (t − τ )dτ = c(t ) * g T (t ) (7.2)
u frekvencijskom domenu:
H ( f ) = C ( f )GT ( f ) (7.3)
Pretpostavimo,da je signal u kanalu korumpiran sa Gauss-ovom šumom.

Prema teoriji optimalnog digitalnog prijemnika u slučaju AWGN-a,postižemo maksimalan
S/N ako je prijemnik-filtar prilagođen h(t) signalu.
7.Poglavlje/Prenos PCM signala u osnovnom opsegu i uskopojasni PCM
slika 7.1 Amplitudna i fazna karakteristika jednog kanala
Ako sada pretpostavimo da na prijemniku imamo sledeći signal:
h(t ) + n(t ) (7.4)
čiji je spektar:
2π
−j
G R ( f ) = H ( f )e
* t0
(7.5)
gde je t0 kašnjenje filtra.

Na izlazu optimiziranog prijemnog filtra vrednost signala je:
∞
∫ H( f )
2
y s (t 0 ) = df = E h (7.6)
−∞
Na izlazu prijemnog filtra komponenta šuma ima prosečnu vrednost nula i spektralnu gustinu:
N0 2
Sn ( f ) = H( f ) (7.7)
2
Varijancija šuma na izlazu prijemnog filtra:

∞ ∞
N N 0 Eh
σ = ∫ S n ( f )df = 0
2
n ∫ H( f )
2
df = (7.8)
−∞
2 −∞
2
zavisnost signal/šum na izlazu filtra:
S ε n2 2Eh
  = = (7.9)
 N  out N ε h N0
0
2
73
7.Poglavlje/ Prenos PCM signala u osnovnom opsegu i uskopojasni PCM
Primer 7.1:Signal je definisan na sledeći način:
1  2π  T 
g T (t ) = 1 + cos t −   0≤t≤T
2 T  2 
neka signal bude prenešen preko filtra sa sledećom prenosnom funkcijom:
slika 7.2 Amplitudni spektar prenosne funkcije
Signal prilikom prenosa je ometan sa AWGN šumom,sa N0/2 spektralnom gustinom.
Rešenje:Spektar gT(t) signala:
T sin π fT
GT ( f ) =
2 π fT (1 − f 2 T 2 )
spektar primljenog signala

GT ( f ) f ≤w

H ( f ) = C ( f )GT ( f ) = 
 0 drugde

Snaga signala posle optimiziranog prijemnog filtra:

w w
1 (sin πfT ) 2
∫ GT ( f ) df = ∫ 2
2
Eh = df
−w (2π )2 − w f (1 − f T )
2 2 2
w
T (sin πα ) 2
=
(2π )2 ∫−wα 2 (1 − α 2 ) 2 dα
Varijancija komponenata prijemnog šuma:
w
N N0
∫G
2
σ = 0
2
n T ( f ) df = Eh
2 −w
2
S/N vrednost na izlazu prijemnog filtra:
 S  2Eh
 =
 N  N0
74
7.2. Prenos PCM signala preko uskoopsegnog kanala

Signal na ulazu kanala je:
∞
v(t ) = ∑a
n = −∞
n g T (t − nT ) (7.10)
gde je T = k / Rb , k je bit u kodu.
slika 7.3 Prenosni sistem sa šumom
Signal na ulzu prijemnog filtra:

∞
r (t ) = ∑ a h(t − nT ) + n(t )
n = −∞
n (7.11)
gde je h(t) impulsni odziv filtra predajnika i kaksadu kanala:
h(t ) = g T (t ) * c(t ) (7.12)
prijemni signal prelazi preko linearnog prijemnog filtra sa impulsnim odzivom g R (t ) .

Signal na izlazu prijemnog filta:
∞
y (t ) = ∑a
n = −∞
n x(t − nT ) + ν (t ) (7.13)
gde: x(t ) = h(t ) * g R (t ) = g T (t ) * c(t ) * g R (t ) (7.14)
predstavlja aditivni šum na izlazu prijemnog filtra:
ν (t ) = n(t ) * g R (t ) (7.15)
Izlaz prijemnog filtra je periodično uzorkovan:

∞
y (mT ) = ∑a
n = −∞
n x(mT − nT ) + ν (mT ) (7.16)
ili ekvivalentno:
75
7.Poglavlje/ Prenos PCM signala u osnovnom opsegu i uskopojasni PCM
∞ ∞
ym = ∑a
n = −∞
n x m− n + ν m = x0 a m + ∑ a n x m−n + ν m
n = −∞
(7.17)
n≠m
Na desnoj strani prvog izraza am simbol je modiran sa x0 težišnim koeficijentom.Ako je

prijemni filtar prilagođen za prijemni signal h(t) ,onda je težišni koeficijent:
∞ ∞ w
∫ h (t )dt = ∫ ∫G
2 2 2
x0 = 2
H ( f ) df = T ( f ) C ( f ) df ≡ E h (7.18)
−∞ −∞ −w
drugi član u izrazu predstavlja uticaj drugih simbola u t=mT trenutku.

Ovo trebamo shvatiti,kao uticaj između simbola,engleski Inter Symbol Interferency (ISI).
7.3. Spektar snage PCM signala
Signal na izlazu predajnog filtra:

∞
v(t ) = ∑a
n = −∞
n g T (t − nT ) (7.19)
Prosečna vrednost v(t)-a:

∞
E[ν (t )] = ∑ E[a
n = −∞
n ]g T (t − nT )
∞
(7.20)
= ma ∑g
n = −∞
T (t − nT )
gde je ma slučajni vremenski red,{an} prosek amplitude.Trebamo naglasiti,ako je ma stacionaran

onda je izraz periodična funkcija sa T periodom,ili prosek V(t) je periodičan sa T periodom.
Autokorelaciona funkcija v(t) funkcije:
Rν (t , t + τ ) = E[ν (t )ν (t + τ )]
∞ ∞ (7.21)
= ∑ ∑ E[a a ]g
l = −∞ n = −∞
n l T (t − nT )g T (t + τ − lT )
U osnovnom slučaju:
Ra (n) = E[a n al ] (7.22)
∞ ∞
Rν (t , t + τ ) = ∑ ∑ R (l − n) g
l = −∞ n = −∞
a T (t − nT )gT (t + τ − lT )
∞ ∞ (7.23)
= ∑ Ra (m)n∑
m = −∞ = −∞
gT (t − nT ) gT [t + τ − (m + n)T ]
144444 42444444 3
ovaj deo je periodican sa T
76
Ako su E{v(t)} i Rv{v(t)} periodične funkcije,onda takve slučajne procese nazivamo cik-
lostacionarnim procesima.
Funkciju spektralne gustine ciklostacionarnog procesa možemo odrediti kao prosek auto-
korelacione funkcije u jednom periodu:
T /2 ∞ ∞ T /2
_
1 1
Rν (τ ) = ∫ R
T =T / 2
ν (t , t + τ ) dt = ∑
m = −∞
R a ( m ) ∑ ∫ g T (t − nT )g T [t + τ − (m + n)T ]dt
n = −∞ T −T / 2
∞ ∞ nT +T / 2
1
= ∑
m = −∞
Ra ( m) ∑
n = −∞ T
∫g T (t )g T (t + τ − mT )dt
nT −T / 2
∞
1 ∞
= ∑ Ra (m) ∫ g T (t )g T (t + τ − mT )dt
T m = −∞ −∞
Ovaj integral možemo prikazati kao vremenska autokorelaciona funkcija:

∞
R g (τ ) = ∫g
−∞
T (t )g T (t + τ )dt (7.24)
prosečna vrednost autokorelacione funkcije:

_
1 ∞
Rν (τ ) = ∑ Ra (m)Rg (t − mT )
T m = −∞
(7.25)
Ovaj izraz možemo shvatiti kao konvoluciona suma.Fourier-ova transformacija:
∞
Sν ( f ) = ∫R
−∞
ν (τ )e − j 2πfτ dτ
∞
1 ∞
= ∑ Ra (m) ∫ R g (τ − mT )e − j 2πfτ dτ (7.26)
T m = −∞ −∞
1 2
= S a ( f ) GT ( f )
T
gde je Sa(f) funkcija spektralne gustine snage {an} informacionog vremenskog reda.
77
Kodiranje oblika signala
8.1. Impulsna modulacija PCM
Ovo je najjednostavniji i najstariji način za kodiranje oblika signala(ovo je modifikovana

A/D konverzija).Sastoji se od tri strujna kola:uzorkovani,kvantizacioni, kodirani.
slika 8.1.Najjednostavniji koder oblika signala
- kvantizaciju vršimo na N = 2ν nivou,ν bitom.

- jedan kvantizacioni nivo:
2 x max x max
∆= = r −1 (8.1)
N 2
Prvo se bavimo sa jedinačnim uzorkovanjem nivoa.

Kvantizaciona greška:
8. Poglavlje/Kodiranje oblika signala
~
x = x − Q(x) (8.2)
pretpostavljamo,da je greška jednako raspodeljena na celoj teritoriji  − ∆ , ∆  ,tako da je snaga

   2 2
kvantizacionog šuma:
∆
2
{ } ∫ 1∆ ~x d~x = ∆R
2 2
x max
E~
x2 = 2
= (8.3)
∆ 3N 2
−
2
Prema ovome odnos signal/šum:
x 2 3N 2 x 2
SQNR = ~ 2 = 2 (8.4)
x x max
Primer 8.1. Koliko je SQNR za signal(signal/šum) čiji su nivoi jednako raspodeljeni u [-1,1]
domenu,i jednako je izvršen uzorkovanje nivoa sa 256 nivoa.
Rešenje:
1
1 1
x max = 1 ⇒ P~x = ∫2x dx = ν = log 256 = 8
2
−1
3
1
SQNR = 3 N 2 = 65536 ≈ 48.16dB
3
8.2. Antiuniformni PCM

U slučaju ako je raspodeljenost amplitude signala ravnomeran,onda se koristi uniformni
PCM.
Ovo ne važi za govorni signal,jer sa velikom verovatnoćom se javljaju signali sa manjim
amplitudom.To znači,da su nam potrebni kvantizatori,koji imaju više kvantizacionog nivoa na
manjoj amplitudi.Da bi ovo postigli,prvo treba da prenosimo signal preko jednog nelinearnog
elementa,koji komprimira veće amplitude,i posle uniformno kvantizuje.
Na prijemu se odigrava suprotan proces.
slika 8.2. Antiuniformni prenosni sistem
Ovaj postupak nazivamo companding (compressing+expanding).

U svetu se koristi dva postupka za compandovanje.
U USA+Kanadu se koristi tkzv. µ-log kompresija,gde se koristi kvantizator sa 256 nivoa.
80
8.Poglavlje/Kodiranje oblika signala
log(1 + µ x )
g ( x) = sgn( x) µ = 255 (8.5)
log(1 + µ )
-U Evropi se koristi kompresija sa A-parametrom.
1 + ln A x 1
 sgn x ≤ x ≤1
 1 + ln A A
g ( x) =  A = 87.56 (8.6)
 Ax 1
 sgn x 0≤ x ≤
 1 + ln A A
8.3. Diferencijalni PCM ili DPCM

Primenom informacione teorije može se dokazati,da kod klasičnog PCM postupka pret-
hodni uzorak je korelalan sa trenutnom vrednošću,i tako unose veliku redundanciju u prenos.Za-
to su napravili diferencijalnu modulaciju koda(DPCM).Ovaj postupak kodira razliku nivoa izme
đu dva susedna uzorka.
slika 8.3. DPCM sistem
Yn = X n − Yˆn,− 1
Yˆn, = Yˆn − Yˆn,−1 (8.7)
Razlika između izlaza i ulaza kvantizatora:
Yˆn − Yn = Yˆn − ( X n − Yˆn,−1 )

= Yˆn − X n − Yˆn,−1 (8.8)
= Yˆn, − X n
Na strani prijema:
Xˆ n = Yˆn + Xˆ n −1 (8.9)
Na sledećoj slici se vidi osnovni oblik DPCM sistema:
81
slika 8.4. Prediktorni DPCM sistem
Ovo slika je slična prethodnom.Razlika je u tome,što je strujno kolo za kašnjenje zame-

njen sa prediktornim filtrom.
∑ a Xˆ
i =1
i n −1 (8.10)
Ako koristimo prediktor p-tog reda,onda puno informacije dobijamo iz p-1 prethodnog
uzorka,ako odredimo trenutnu vrednost Xn –a.Sledi da je dovoljan manji broj bita za prenos.
8.3.1. Linearni prediktor
slika 8.5. Analiza linearnog prediktora
Na početku analize pretpostavljamo,da imamo dovoljan broj nivoa,pa kvantizalni šum

možemo zanemariti.
82
Neka ulazni signal s(t) bude stacionarni proces sa nula prosekom,efektivna vrednost σ,i
da bude uzorkovan u T0 intervalu u k prethodnom trenutku (k=1,2,...,k).Vrednosti uzorka su
s=si.U izabranom t=t0 trenutku dolazi s0 trenutni uzorak.i iz ovoga je uzet predviđena vrednost
trenutnog ŝ 0 uzorka.Diferencijalni signal:
d 0 = s 0 − ŝ 0 (8.12)
Posle idealnog PCM kodiranja i dekodiranja se sabere sa predviđenom vrednošću ŝ 0 .Ta

ko na ulazu idealnog linearnog prediktora nastaje trenutni uzorak s0.
Linearni prediktor k-tog reda se sastoji od k paralelnih grana,u svakoj grani ima linija za
kašnjenje (D1,...,Dn) i jedno kolo za množenje (a1,...,ap).
D1 linija za kašnjenje ga kasni za T0 vrednost,a D2→2T0, itd.Na izlazu linearnog predikto
ra imamo sledeći signal:
sˆ0 = a1 s1 + a 2 s 2 + ... + a k s k (8.13)
Za dati ulazni signal,da kvadratna prosečna vrednost diferencijalnog signala bude mini-
malan,treba da zadovolji sledeći uslov:
δ [s 0 − sˆ0 ]
2
= 0; i = 1,2,..., k (8.14)
δa i
kao rezultat algebrih manipulacija dobijamo optimalni prediktor:
δ [s 0 − sˆ0 ]s i = d 0 si = 0; i = 1,2,..., k (8.15)
Korelacija između si i sj uzorka je jednaksa autokorelacijom ulaznog signala,što možemo

napisati u sledećem obliku:
Rkn = R(t k − t n ) = s (t k )s (t n ) = s k s n
R0i = a1 R1i + a 2 R2i + ... + a k Rki , i = 1,2,..., k (8.16)
ovo je sa k nepoznatim,sa k brojem jednačina,gde su nepoznati aI (i=1,2,...,k),ako je korelacija

Rij poznata.
Ako je ? najbolje linearno prilaženje s0 vrednosti,onda je varijacija diferencije:
σ d2 = δ [s 0 − sˆ0 ] = δ [s 0 − sˆ0 ]s 0
2
(8.17)
Ako je R00 varijancija ulaznog signala,onda je vrednost prosečne snage diferencnog

signa
la manja od vrednosti prosečne snage ulaznog signala.Tako možemo definisati dobitak predikci-
je:
σ
dobitakpredikcije = 20 log [dB] (8.18)
σd
83
što je prediktor većeg reda,te je bolja i predikcija:
σ d2 = R00 − [a1 R01 + a 2 R02 + ... + a k R0 k ] (8.19)
U takvom idealnom slučaju diferencijalni signal bi bio slučajan sa uniformnom funkci-

jom gustine snage:
0 k≠n
dk dn =  2 (8.20)
σ d k=n
DPCM prenos koriste kod gušćenja govora i slike.
8.4. Delta modulacija (∆M)

Delta modulacija je pojednostavljeni DPCM postupak.
Koristeći ∆M postupak ,imamo kvantizator sa 2 nivoa (1 bit), sa +/- ∆ magnitudom.Blok
šema je slična sa jednostavnim DPCM modulatorom.
slika 8.6. ∆M modulacioni prenosni sistem

Prednost kod ∆M postupka je da prijemnik i predajnik se sastoji od jednostavnih strujnih
kola:
Na prijemu pomoću sledećeg izraza rekonstruiramo X̂ n vrednost:
Yn = X n − Yˆ' n −1 (8.21)
Rešavanjem ove diferencne jednačine(sa pretpostavkom 0 početne vrednosti) dobijamo

sledeći izraz:
n
Xˆ n = ∑ Yˆi (8.22)
i =1
Veličina kvantizacionog koraka je važan parametar kod planiranja ∆M sistema.Ako ∆

ima veliku vrednost,onda raste i granularni šum(velika oscilacija prilikom aproksimacije oko
stvarne vrednosti).
84
Ako je vrednost ∆ mali,i signal brzo se promeni,onda ne možemo pratiti promenu oblika
signala.Na sledećoj slici se vidi kakav uticaj imaju na aproksimaciju veliki i mali kvantizacioni
koraci.
slika 8.7. Uticaj velikih kvantizacionih koraka na aproksimaciju
slika 8.7. Uticaj malih kvantizacionih koraka na aproksimaciju
Uticaj malih kvantizacionih koraka se manifestuju u tome,da kod veće brzine promene
oblika signala,modulator može pratiti samo sa kašnjenjem.Na takvo kešnjenje imamo primer na
prethodnoj slici,τ prezentuje kašnjenje.
8.5. Adaptivna delta modulacija

Ovaj postupak rešava prethodne probleme.Veličinu kvantizacionih koraka menjamo,ka-
ko se ulazni signal menja.Ako vremenski grandiens ulaznog signala brzo raste,onda i veličina
kvantizacionog koraka brzo raste,ako opada,onda i veličina koraka opada.
85
slika 8.8. Aproksimacije adaptivne delta modulacije

Ovo je jednostavan zakon,koji opisuje promenu veličine koraka:
En ⋅ En-1
∆n=∆n-1 ⋅ k
gde je εn izlaz kvantizatora i K>1.

Prilikom adaptivnog ∆M prenosa zavisnost signal/šum je bolji za 5-10dB od klasičnog
∆M prenosa.
8.6. ∆M ⇒ PCM konverzija

Kodovi za ∆-modulaciju su jednostavniji od PCM kodova.Prema tome kod pretplatnika
se koristi ∆M koder,kod dalja koncentratora se vrši ∆M↔PCM konverzija.
Indirektni postupak za konverziju,uvek se može izvršiti (∆M signal preko analognog sig-
nala u PCM signal).Postavlja se pitanje,da li postoji postupak koji ovo vrši u digitalnom domenu
a da ne pređe u analogni domen.
Sledeća 8.9. a.) slika predstavlja klasični ∆M koder,koji ulazni signal s(t) preslika u
binarni red.
{bn}=…,b1,b0,b1,… (8.23)
bi može da ima ±1 vrednost.Ove binarne simbole koder generiše za ∆t vreme.∆M uzorko-

vanje se vrši sa sledećom frekvencijom:
1
fd = (8.24)
∆t
Linearni filtar u povratnoj sprezi je idealni integrator,čiji je impulsni odziv:
1 t ≥ 0
u (t ) =  (8.25)
0 t < 0
86
Jedinični skok je pojačan ∆a puta,tako da v(t) nivo integriranog ∆M signala se promeni

sa ±∆a,pre svakog ∆M uzorkovanog trenutka.
slika 8.9.
Na slici 8.9 b) se vidi model ∆Μ prijemnika.Linearni filtar sa h(t) impulsnim odzivom i

pojačavač je identičan sa tim,što ima u povratnoj sprezi ∆M kodera.Ovaj filtar ravna ∆M,v(t)
signal, i eliminiše komponente šuma iznad granične vrednosti frekvencije (fg).
Na slici 8.9. c) se vidi teorijski model PCM kodera.
Na slici 8.9 a) i b.) se vidi respektivno idealno „analogni-∆M”i „analogni-PCM” modeli.
Naš cilj je postići ∆M→PCM sistem u digitalnom domenu.Takav sistem je napravio
D.J.Godmann (1969-e godine).Osnovna ideja je da analogni filtar zamenimo sa digitalnom filt-
rom.
Da ∆M↔PCM konverzija bude jednostavna,u ovom postupku pretpostavljamo da vi-
šestruki množilac brzine uzorkovanja u ∆M koderu f∆ je f0 ,brzina uzorkovanja PCM kodera.
87
Ovaj srazmer nazivamo koeficijent hiperuzorkovanja,i vrednost je puno veća od jedan:
f ∆ T0
r0 = = >> 1 (8.26)
f 0 ∆t
PAM uzorak u n-tom uzorkovanom trenutku nT0 se približava osnovnom signalu s(nT0):
sˆn = sˆ(nT0 + t 0 ) (8.27)
gde je t0 kašnjenje niskopropusnog filtra.

Uzorak ŝ n je u vezi sa {bn } binarnom redom,koji je na ulazu ∆M kodera sa sledećom za-
visnosti:
∞
sˆn = ∆a ∑ g (n∆t )b(nT0 + t 0 − n∆t ) (8.28)
n =0
gde je g(t) impulsni odziv ∆M prijemnika,ili konvolucija u(t) i h(t).

Na modelu u(t) je jedinična odskočna funkcija,tako je g(t) impulsni odziv niskopropus-
nog filtra na jediničnu odskočnu funkciju:
t
g (t ) = ∫ h(τ )dτ (8.29)
0
Prema tome h(t) možemo izabrati kao:
lim g (n∆t ) = 1 (8.30)

n →∞
što znači,da postoji broj n,za koji ,izraz (8.30) možemo približno napisati sa željenom tačnošću.
Drugi član bi lako mogli realizovati sa reverzibilnim brojčanikom,koji bi kasnio sa N ∆t
sekundom.
N −1 ∞
sˆnk = ∆a ∑ g (n∆t )b(nT0 + t 0 − n∆t ) + ∆a ∑ g (n∆t )b(nT0 + t 0 − n∆t )
n =0 n= N
Prvi član predstavlja sumu težišnog kašnjenja.∆M→PCM pretvarač se vidi na slici 8.10.
Strujno kolo na slici predstavlja transverzalni filtar sa analognim koeficijentima,koji nas-
taju sa analognim uzorkama.Potrebnu kvantizaciju uzorka možemo izvršiti pomoću uzorkovanja
koeficijenata filtra.
Ako koeficijent hiperuzorkovanja (r0) raste,onada opada razlika između integralnog ∆M
signala v(t),i analognog ulaznog s(t) signala.
U slučaju r0<10,najbolje je da standardni ∆M dekodiranje izvršimo do analognog sig-
nala,kasnije možemo izvršiti standardnu PCM kodiranje.
88
slika 8.10. ∆M→PCM pretvarač u digitalnom domenu
8.7. Delta sigma modulacija (∆ΣM)

Klasična modulacija ima par problema:
-jednosmerni komponent se ne može prenositi
-zbog integracije na prijemniku se akumuluje greška od prenosa.
Ove greške rešava ∆ΣM.Osnovna ideja ∆ΣM je u tome,da pre standardnog ∆M, ukopča-
mo jedan integrator,i pre standardnog ∆M prijemnika ukopčamo diferencijator.
slika 8.11. ∆ΣM sistem: a) modulator i b) demodulator
89
Ulazni s(t) signal prvo se integruje,pa se formira diferencni signal:

t t
∆(t ) = ∫ s (t )dt − ∫ v(t )dt (8.31)
0 0
izlazn ∆ΣM signal označavamo sa v(t).Signal greške uzorkovan je sa: fd=1/Td ,i kodiran je sa jed
nim bitom po uzorku.
t t
∫ [s(t ) − v(t )]dt = ∫ ∆(t )dt = g (t )

0 0
(8.32)
prema tome dva integratora možemo zameniti sa jednim integratorom,što se vidi na slici 8.12.
Prijemnik možemo pojednostaviti,jer su diferencijator i integrator komplementarni blo-
kovi,i zato se mogu zanemariti.
Na sledećoj slici se mogu videti osnovni oblici signala ∆ΣM predajnika.
slika 8.12. ∆ΣM a) modulator i b) demodulator bez integratora
Iz ∆Σ signala možemo dekodirati informaciju sa amplitude,ako ovaj signal propuštamo

kroz niskopropusni filtar.Pošto u prijemniku nema integratora,nema ni akumulacije greške.Gusti
na impulsa može biti beskonačno konstantan,i ∆Σ sistem će efektivno prenositi informacije sa
jednosmernog komponenta signala.
90
slika 8.13. ∆ΣM generisani signali na modulatoru sa raznim jednosmernim naponskim

signalima
91
Osnovni oblici signala sa ∆Σ modulacijom se vide na slici 8.13. na vremenskim dijagra-

mima.Da bi obljašnjenje bilo jasnije,pretpostavimo,da je signal jednosmeran,i da rezultat bude
unipolaran signal.Oblik signala gledamo u tri različita slučaja,kada je signal minimalan,srednje
vrednosti i maksimalan (slika a.)).
Uzorkovanje se vrši u ritmu digitne brzine ( slika b)),tkzv. jednobitno kodiranje.U sluča-
ju minimalnog nivoa signala na izlazu kodera nema „jedan” znak.Maksimalni amplitudni nivo
ulaznog signala pojavljuje jedinicu na svakom mestu digita.Koriste impulsni red,čija je frekven-
cija jednaka sa periodom uzorkovanog signala.U slučaju srednjeg ulaznog nivoa,na mestu sva-
kog drugog impulsa se javlja „jedan” impuls.
Diferencni signal (slika d)),∆(t) je određen sa razlikom s(t) ulaznog i v(t) izlaznog signa-
la.
Na osnovu ovoga,kod ∆Σ modulatora gustina impulsa na izlazu,ili frekvencija,nosi sa
sobom informaciju sa amplitude ulaznog signala.
Da bi dekodirali ∆Σ signal,dovoljno je da ga propuštamo kroz niskopropusni filtar,kako
se vidi na slici.U ∆Σ prijemniku nema integratora,i zato nema akumulacije greške.Gustina im-
pulsa može biti beskonačno konstantan,i zato ∆Σ modulator može korektno da prenosi jedno-
smerne komponente signala.
8.8. TDM vremenski multipleksni sistemi

U slučaju vremenskog multipleksa (Time Division Multiplex) digitalne signale iz različi
tih kanala možemo sabirati (multipleksirati) na dva načina.Prvi način je,kada multipleksni signal
sastoji se od bita,a drugi način je kada se sastoji od reči.
U hierearhiji evropskog PCM-a,multipleksni sistem prvog nivoa ima 30 telefonskih kana
la.Granična frekvencija govornog signala je 4kHz,minimalna uzorkovana frekvencija je 8kHz, ili
razmak između dva susedna uzorka je 125µs,i broj kvantalnih nivoa je q=28=256.Pored trideset
kauzalnih kanala,ima i dva kanala za servis (svega 30+2=32 kanala).Od kanala za servis jedan
prenosi signalizaciju,a drugi sinhronizacioni signal.Brzina bita u sistemu:
2x4x5x(30+2)=2048kbit/s (8.33)
Iterval od 125µs nazivamo „okvir”.Impulsi ne zauzmu celi vremenski okvir nego samo
polovinu od toga: 125µs/(80x32)=0,65µs,polovina ovoga je 0,325µs.
U daljoj hierarhiji oni se sastoje od četiri prethodna kanala hierarhičnog nivoa.Brzina
drugog hierarhičnog nivoa je 8448kbit/s>4x2048kbit/s.
Ovo je zato veće,jer svakom sledećom hierarhičnom nivou treba servisni bit .
Multipleksiranje na prvom hierarhičnom nivou se radi po rečima,dok na drugom nivou
po bitima.
92
slika 8.14. TDM postupak uklapanja reči i bita
slika 8.15. Prikazivanje vremenskog okvira u 2Mbitnom sistemu
93
slika 8.15. Struktura PCM hierarchije
8.9. Sinhronizacija digitalnog prenosnog sistema

Kod vremenskog multipleksiranja signala važno je da na predajniku,kod demultipleksi-
ranja na prijemniku,osnovni taktovi budu sinhronizani na strani predajnika i prijemnika,i da pri-
jemnik ima informacije o početkama PCM prozora.
Prvo prijemnik izabere digit frekvenciju pa posle sinhronizacioni prozor.
PCM sistemi koji rade „od tačke do tačke”,digitnu sinhronizaciju tako izaberu,da predaj-
nik ima oscilatorno kolo,čija je frekvencija fd.Ovom frekvencijom digituje signal u predajnič-
kom terminalu.U prijemniku ima spregnuto oscilatorno kolo koji na uticaj prijemnog signala
sinhronizuje signal sa fd frekvencijom.
U složenom PCM sistemu može da bude više predajnika i prijemnika,koji su međusob-
no povezani.
slika 8.16. Digitalni komunikacioni sistem
94
Pojedini PCM terminali (T) se povezuju sa centrom (C) koji automatično komutuje sa
pojedinim centrima na digitalnom nivou,multipleksovano na strani predajnika i demultiplekso-
vano na strani prijemnika.Osnovno pitanje u takvim složenim mrežama je,kako ostvariti,da
primljeni bitovi budu sinhroni i sinfazni.Što je složenija mreža i geografski raspodeljena to je te-
že ovaj uslov ostvariti.
Ima više sistema koji koriste,to su:sistem sa centralnim oscilatornom kolom,mreže sa
stabilnom oscilatornom kolom i komunikaciona mreža sa usađenim bitom.
8.9.1. Mreže sa centralnom oscilatornom kolom

Geografski raspodeljene PCM terminale i komunikacione centrale možemo homokroma-
tično sa jednim oscilatornom kolom sinhronizovati.(homokromatičan=istovremeno)
Taktni signali iz centralnog oscilatornog kola u pojedine centrale stižu preko PCM signa-
la ili preko druge mreže.Prvi postupak nije korektan,jer se ne može izbeći vremenska fluktuacija
impulsnih početaka.Ovo nazivamo „jitternek”.Zato koristimo samo drugi postupak,osnovni takt
prenosimo preko druge mreže.Ovakav sistem ima veliku negativnost ako celu mrežu jedna cent-
rala izdržava.Treba ga sačuvati od naturalnih i nenaturalnih uticaja.
U svakom komunikaconom centru svaki primljeni impulsni red mora biti u fazi.Svaki
element distribucionog sistema mora da ima jednako kašnjenje koje se teško može postići.
Svako vreme promenljive vrednosti moramo posebno kompenzovati kao što se vidi na
slici.Sinfaza primljenog bita možemo ostvariti sa promenljivim kašnjenjem.Aktualno kašnjenje
možemo ostvariti merenjem vremena između primljenog PCM-a i lokalnog PCM-a.
slika 8.17. Mreže sa centralnim oscilatornim kolima
95
Na primeru ako imamo 1500km koaksialnog kabla pored vd=100Mbit/s prenosa,može da

ima kašnjenje od 8ms.Pored toga kompenzaciju kašnjenja moramo izvršiti sa tačnošću od par
nanosekunda,zato da fazna razlika bita ne bude veća od polovine vremenske dužine bita.
Ova mreža nije zadovoljavajućasa gledišta ekonomije jer je skupa.Koriste se u izolova-
nim mrežama sa manjim kapacitivnostima.
8.9.2. Mreže sa stabilnom oscilatornom kolom

Ako koristimo nezavisne stabilne oscilatore,možemo ostvariti asinhroni rad mreže.
Na strani prijema za takve mreže moramo predvideti „elastičnu memoriju” za svaki bitni
proces.Primljeni bitovi se upisuju u elastičnu memoriju sa f1 frekvencijom,i mogu se čitati sa f0.
lokalnom frekvencijom.Razlika (f1-f0) ima krajnju vrednost,nekada kapacitivnost C buffera neće
biti dovoljan,a nekada će biti praznog mesta.U takvim slučajevima izgubi se poneki informacio-
ni bit,i tako nastaje greška u prenosu.
Ako je kapacitivnost buffera C,razlika između učitane i izčitane frekvencije ∆f = f I − f 0
tako greška nastaje na sledećem vremenskom vrednošću:
C
Tε = [s ] (8.34)
∆f
Ako definišemo normalizovano pomeranje lokalnog oscilatora:
∆f
r= (8.35)
f0
onda možemo definisati prosečnu periodu greške:
C
Tε = (8.36)
rf 0
Na osnovnu digitalnu brzinu od 100Mbit/s pored tačne 1011Hz frekvencije potrebna veli-
čina buffera je od C=100bita.Pored buffera sa takvim kapacitivnostom javlja se greška sa inten-
zitetom 1 greška/dan.
96
slika 8.18.
Pored današnjih brzih memorijskih kapacitivnosti,kako se vidi na slici,čekana greške se

može izbeći na jednu grešku godišnje.
C -13
Tε = 10 [nap ] (8.37)
r
Greške nastaju u paketima.Da ne bi izgubili sinhronizaciju,veličina elastične memorije

mora mora da bude jednaka sa brojem digita u PCM-u.Takav tip integralne mrežne sinhronizaci-
je je dovoljno dobar za prenos analognih signala,ali se ne koristi za sinhronizaciju sistema za
prenos podataka.
8.9.3. Način sa usađivanjem impulsa

Sa postupkom se može prenositi informacija bez gubitka bita.Tamo gde se radi multiplek
siranje,generiše se periodičan impulsni red,čija je frekvencija malo veća od frekvencije koja se
očkuje posle multipleksiranja.Zbog razlike između lokalne brzine digita fd i multipleksirane
brzine bita fk se javljaju takvi digit intervali u multipleksu,koji ne nose informacije.Ove „praz-
ne” digit intervale možemo shvatiti kao da su usađeni impulsi.
97
slika 8.19. Način sa usađivanjem impulsa
Da bi centar,koji prima multipleksni signal znao koji je informacioni a koji usađeni sig-
nal,treba da sa posebnim kanalom javljamo centrali mesto bita koji su usađeni.Zbog ovoga,prili-
kom demultipleksiranja možemo izostaviti usađene bitove,i tako na izlazu demultipleksera ima-
mo osnovni digitalizovani signal.
Neka bude na ulazu predajnika PCM signal sa nominalnom brzinom bita f d0 .Stvarna
brzina bita je fd,koji statistički fluktuje oko nominalne vrednosti sa ±δf vrednostom.
f d = f d0 ± δf (8.38)
Ulazni signal upšemo sa bufferom sa fd frekvencijom bita.Memorizovane bitove od ovog

malo većim frekvencijom čitamo gde je:
f d+ = f d0 + ∆f (8.39)
Elementi koji se koriste za ostvarivanje logike,možemo da pogledamo na sledećim slika-

ma.
Na drugoj slici se vidi vremenski dijagram mehanizma usađivanja i izvađenja.
Ako ne bi bilo fluktuacija takta osnovnog PCM signala ili δf=0,onda mesto usađenog
bita bi bio ograničen sa ∆f vrednostom,i ne bi trebalo posebno prenositi.Ima malo instabilnosti u
frekvenciji ∆f > δf ,zato stvarna razlika u frekvenciji zavisi od vremena:
∆f (t ) = ∆f − ∆f (t ) > 0 (8.40)
Informaciju sa bita koji označava mesto usađenog bita,treba čuvati fizički ili nekom
kodiranom postupkom.
98
slika 8.20. Nekoliko tipa signala kod metode usađivanja impulsa
U 8Mbit/s sistemu ima četiri 2Mbit-na sistema.Da bi ove signale skroz razdvoljili,moramo
koristiti metodu koja je kontrolisana preko CCITT –a.U ovom postupku se koristi se specijalan
tip usađivanja impulsa.
Ovaj blok je prema dogovoru 212 bita po kanalu.Na početku prvog bita opisana je
hierarhija u 10 bita,prateći sa dva pomoćna bita.13-i bit je prvi ulazni bit koji dolazi iz prvog sis-
tema,14-i bit dolazi iz drugog podsistema.itd…
Na slici 8.21. tipično se vidi okvir.
99
slika 8.21. 8 Mbitni okvir
100
Optički i radio prenos
9.1. Sistemi sa proširenom spektrom

U razvijenim sistemima uvek je bio cilj da se realizuje sistem,koji ima minimalnu širinu
spektra.Kako je ukupni radiospektar konačne širine,ali sve korisnika se javlja i tako sve više
će međusobno da smetaju.Sve više je priznata međusobna interferencija.Ovi izvori interferen
cije mogu da budu:
-namerni (u vojnim slučajevima)
-nenamerni
U prvom momentu za izbegavanje interferencije je da se poveća snaga.To nije dobro,jer
pre ili posle svako će da povećava snagu emisije (to povećava cenu),i na kraju mera smetnji
će biti ista.
Da bi došli do efektivnih rešenja imamo dva načina:
-da sužavamo spektar
-da proširimo spektar,
9.2. Definicija proširenog spektra
Proširivanje spektra je specijalni postupak za obradu signala,koji ispunjava sledeće uslo-

ve:
a.) ako je širina spektra signala sa proširenom spektrom W ,a širina prenešenog signala
B,u tom slučaju:
W>>B
b.) za takvo proširivanje spektra koristi se poseban signal za proširivanje spektra(taj sig-
nal je nazvan kodom za proširivanje spektra)
c.) tako da nastali širokopojasni signal bude sličan šumu.
.......................................................................................................................................................
Sa uslovom b.) isključili smo iz razmatranja takve širokopojasne signale,kao što su FM

signali sa velikim indeksom modulacije.Ovakav signal ima sledeće važne osobine:
- gustina spektra je mali-takvo se teško može prpoznati
- težak je za dekodiranje
9. Poglavlje/Optički I radio prenos__________________________________________________________
- teško se može ometati-svi radiokomunikacioni sistemi

- pomoću njega se može ostvariti višestruki pristup-mobilna G3.
Dva najvažnija postupka za proširivanje spektra su:
- DS (Direct sequence)-direktni red
- FM (Freqence hopping)-sa frekventnim skokom
9.3. DS postupak
Na sledećoj slici se vidi blok šema DS predajnika:
s (t )e jtω c
s(t) modulator X(t)
*
generator
oscilator koda
slika 9.1. Blok šema DS predajnika

Kako se vodi modulisani signal:
x(t ) = s (t ) * c(t ) * e jω ct (9.1)
u principu s(t) može da bude i analognog tipa i digitalnog tipa.Mi smatramo da imamo digital-
ni signal,i to +-1 sa bit vremenom T.Smatrajmo da je s(t) rezultat fazne modulacije.C(t) je slu-
čajan digitalni signal.
Da bi razlikovali od informacionih bitova,nazivaćemo elemente chip-ovima,i trajanje
jednog chip-a je Tc.Da bi proširili spektar obavezno je da T>>Tc.
Spendoslučajne signale u digitalnim telekomunikacijama na više mesta koriste,mate-
matička teorija je prilično složena,ali vrlo često korišćeni tip sa maksimalnom dužinom seq-
uenci.Prilično se jednostavno realizuje,i to sa shift registrom sa povratnom spregom.Na slede-
ćoj slici se vidi shift registar sa tri elementa:
Tc Tc Tc
102
slika 9.2. Shift registar sa tri elementa
Generator generiše periodičan signal (u našem slučaju 1011100) koji ima nekoli-
ko osobina:
- perioda je dužine 2 n − 1 (u članova shift registra)
- u ovoj sekvenci broj jedinica je 2 n − 1 ,za jedan više nego broj nuli.
Izričito 0 svake n-dužine sekvence samo jednom se javlja.
Donja slika prikazuje jednu informacionu sekvencu,gornji prikazuje kod i fazu od
x(t),(signal sa proširenom spektrom).
1 0 1 0 1
slika 9. 3.
Prijemnik DS signala se vidi na sledećoj slici:
^
x(t) ~ k (t ) = s (t ) * c(t ) * c(t ) * e j (ω c −ω e )t ~ DEM
nosač ~
~
103
^
jω c t
l (t ) = c* e
*
lokalni
generator
^
lokalni oscilator c(t )
slika 9.4. Prijemnik DS signala
^
Pretpostavimo da je C(t) c(t ) = 1 ,ovako smo opet koncentrisali spektar,samo je
informacioni signal prisutan (u AM modulisanoj formi),što se mora posle demodulisati.
Moramo da naglasimo,da u praksi T/Tc nije 7 kao što je u ovom slučaju,nego je
100:1000.Na sledećoj slici se vide neki spektri:
S(ω)
ω
S(ω-ωc)
ωc ω
X(ω)
slika 9.5. Spektar signala
9.4. Optički prenos
104
prilagodno optički fotode- pojača-

strujno kolo generator tektor vač
optičko vlakno
slika 9.6. Optički prenosni sistem

U optičkom prenosnom sistemu moduliramo jedan od parametara svetlosnog talasa.To u
najviše slučajeva je intenzitet svetlosti.
Najveći izvor smetnji je optički predajnik (najveći šum).
9.5. Optički talasovod:(Dielektrični talasovodi)

Kao prenosni medij koriste se dielektrični talasovodi sa kružnim presekom.Sa analizom se
utvrđuje da takvi talasovodi imaju dobre parametre za prenos,koji imaju dva dela,i to:srž i
omotač.Za materiale postoji mera i to:
n0 < n1 < n2 , n-konstanta prelamanja svetlosti uz ε ,

0-za slobodan prostor,1-za omotač,2-za srž.
Ako je n2 konstantan,u tom slučaju SI (steped index)
Povoljniji slučaj,ako je manja (npr. paraboličan indeks n2 (t ) ),u tom slučaju GI (gradient
index).
Gubici u prenosu zavise od diametra-u odnosu na talasnu dužinu većeg diametra biće ma-
nji gubici.Iz ovog razloga ranije su koristili vlakno većeg preseka,pa time su nastali različiti
talasni tipovi u vlaknu-Multimodna vlakna.Sa razvojem tehnologije proizvodnje vlakna u toli-
koj meri je uspelo potisnuti slabljenje,da svakako je poželjnije MONOMODNA vlakna koris-
titi.
9.6. Disperzija talasovoda

Disperzijom nazivamo osobinu,kada u jednoj sredini jedan parametar je frekventno zavisan.
Ako disperzija ima uticaja na prenos signala,dovešće do pjosnatijeg signala.Disperzija optič-
kih vlakana pre svega izaziva frekventnu zavisnost brzine prostiranja.Bitnim parametrom
biramo frekventnu brzinu grupne brzine ( vg = dω / dβ ,gde je β fazni faktor talasa).
Na prenosnom medijumu sa disperzijom širina impulsa se povećava:
dT d 1 d 2β (9.2)
∆T = ∆ω = L ∆ω = L ∆ω = Lβ 2 ∆ω
dω dω vg dω 2
gde je frekventna širina ∆ω.L je dužina linije,β2 je drugi izvod od β.

Optičari najviše vole λ-talasni duž da koriste,tako u praksi korišćeni disperzni parametar:
d 1 (9.3)
D= = −(2π / λ2 ) β 2
dλ vg
D kod monomodnih vlakna je sastavljen od dva dela:
105
- od 10 frekventne zavisnosti (D označava se sa Dw)

- od 20 frekventne zavisnosti materiala koji su korišćeni sa Dm.
Disperzija materiala nastaje iz toga razloga,što od elektromagnetnih talasa samo neki
talasni oblici se absorbuju.Disperzioni parametar za materiale značajan je u 800-1500nm:
Dm=122*(1-λzd/λ) (9.4)
gde je λzd talasna dužina sa unetom disperzijom (1,276 µm) koji se u nekim granicama može
da se menja sa sastavom materijala idiametrom vlakna.Prema tome za λ<λzd je Dm<0,za
λ>λzd je Dm>0.Disperzija talasovoda Dw (kromatična disperzija) je bitni parametar veličina
β(ω).Za standardna vlakna je negativan u celom domenu.Kako je rezultantni D=Dm+Dw se
može postaviti da bude nula,talasna dužina λzd se može manipulisati sa materijalnom sasta-
vom.
Disperzija talasovoda-proširuje impulse-ograničava najveću moguću bit brzinu.Najveća
moguća bit brzina se može proceniti sa iskustvenim izrazom:
L s (∆λ ) / Tmin < 1 (9.5)

2
gde je:- L dužina talasovoda

- širina optičkog impulsa
- S gradient dispezije
- 1/Tmin najveća bit brzina na liniji
Ovaj izraz je približan,ali se može i detaljnije razmotriti.
9.7. Gubici u optičkom talasovodima

Optički talasovodi možda u smanjenju gubitaka su postigli najveću brzinu.Sa savreme-
nom tehnologijom proizvedeno vlakno na 1,5 µm nema veće slabljenje od 0,2 dB/km (to na
15 km rastojanju opada na polovinu snage).
Za gubitke imamo dva razloga:
a.) sam materijal absorbuje jedan deo energije
- samo staklo absorbira,ali to je manje od 0,01 dB/km na 0,8-1,6 µm
- drugi važan činilac je prljavština,OH joni.
b.) geometrijske neravnomernosti i nehomogenost mateijala (mikrorefleksije,savilja-
nje,itd.).
Ako sve detalje razmotrimo,kao rezultat nastaje ta prozor za prenos i to na 850 nm,1300
nm,1550 nm.Isključivo ove pojase koriste za prenos.
9.8. Polarizacija svetla koji prolazi kroz optički talasovod

Jedan stvarni talasovod nije ososimetričan,ni geometrijski ni u materijalnom sastavu.To
dovodi do toga da obe talasne forme se poremete po brzini.Tome je direktna posledica da po-
106
larizacija talasa prilikom prostiranja se promeni,tako se ne može znati da na mestu prijema

kakav će biti.Kod moguće primena to nema nikakav značaj,kao kod modulacije.
9.9. Optički davači-izvori svetlosti

U optičkim komunikacionim sistemima koriste poluprovodničke diode ili laser.
9.10. Osnovne osobine laserskih dioda

Ako u pozitivnom pravcu napajamo lasersku diodu,u tom slučaju emituje fotone.Sam
poluprovodnički element je pravougaono optički rezonator.Mere se mogu izabrati tako,da u
poprečnom pravcu jedna jedina talasna forma se generiše.Ali po dužini mora da bude nekoli-
ko puta duža nego talasna dužina,tako će se formirati puno različitih talasnih formi,različite
longitudialne talasne forme su formirane.Kod modernih lasera sa pogodnim podešavanjem
unutrašnjeg slabljenja u šupljini rezonatora,značiće samo jedan tip talasnih formi (SLM-Sing-
le Longitudinal Mode).Svetlost u relativno uskom snopu izlazi iz lasera,od čega veći deo se
može ubaciti u talasovod.
Kod laser dioda svetlosna snaga zavisi od temperature i od struje.Stimulisana svetlost sa-
mo u tom slučaju,ako prelazimo izvesnu graničnu vrednost napona.Preko ove granice bit će
veoma linearan zavisnost.U idealnom slučaju jedan elektron će ostvariti jedan foton.Tako
optička snaga sa dobrim približavanjem je:
P=ηexternal * (I-Igranična)*h*f /e (9.6)
gde je h-Plankova konstanta,f-frekvencija.

Snaga koja se može izvući je reda 3-1000mW.
9.11. Neke modulacijone osobine laserskih dioda

Laserske diode skoro uvek sa intenzitetskom modulacijom se mogu modulisati.Intenzitet
svetlosti linearno zavisi od struje:
I(t)=IB+Im*x(t) (9.7)
gde je IB grnična struja,a Imx(t) je modulaciona struja.

U slučaju male dubine modulacije,sistem se može smatrati linearnim:
pm (ω m ) ω R2 + rR2
H (ω ) = = 2 (9.8)
pm (0) (ω R + ω m − jrR )(ω R − ω m + jrR )
107
-ω r,γr je relaksaciona frekvencija i slabljenje.ω r određuje koja je maksimalna frekvencija sa

kojom se može modulisati laser.Granica je 3dB:
fc ≈ 3 f R (9.9)
U slučaju velikih dubina modulacije-u slučaju digitalnih modulacija to mora da nestane-

mora se uzeti u obzir i nelinearne osobine dioda.Sa modernim laserskim diodama mogu se
postići granične frekvencije i do 100 Gbit/s.
9.12. Šum laserskih dioda

Amplituda oscilatora (intenzitet),i frekvencija nisu konstanti,nego se slučajno menja.U
električnom domenu to se može praktično zanemariti,ali u optičkom domenu su toliko šumi
(i to od lasera),da to može da bude ograničavajuća okolnost.U nastavku se bavimo sa intenzi-
tetskim modulacijom,intenzitetskim šumom (RIN-Relative Intensity Noise),što je spektralne
gustine.
9.13. Optički davači

Radi ubacivanja snage u vlakno potrebno je na laser jedan mali komad staklenog vlakna,
koji se posle sa odgovarajućim konektorom se dalje nastavljaju u vlakno.Sa ovakvom struktu-
rom 70% efektivnošću može ubaciti snaga.
Diodu treba napajati sa jednosmernom strujom,pored toga treba ubaciti i modulacioni sig-
nal i to preko prilagodnog člana.
Kako snaga lasera zavisi od temperature,zato potrebno je stabilizovati temperaturu.Da bi
to mogli da kontrolišemo,jedan deo optičke snage se vraća na upravljanje,napajne jednosmer-
ne struje.
9.14. Fotodiode,optički prijemnici

Fotodiode:sa njima se vraća iz svetlosnog domena u električni domen.Kao prijemna dio-
da mogu da budu PIN i lavinske diode.
PIN diode u idealnom slučaju na jedan foton generišu jedan elektron,tako struja diode je:
e (9.10)
I = ηg * P *
hf
Lavinska dioda: na uticaj jednog fotona izlazi više elektrona,tako izlazna struja:
108
e (9.11)
I = ηg * P * *M
hf
gde je M lavinski koeficijent.

Fotodioda ima dva važna parametra i to je brzina i širina spektra i to većim delom šum je
zavisan od diode.Kod lavinskih dioda većem M manja spektralna širina odgovara,M je frek-
ventno zavisan:
M (ω ) 1 (9.12)
=
M (0) 1 + [ωτM (0)]
2
9.15. Šum na liniji
- Šum sačme koji nastaje usled kvantne osobine svetlosti i elektrona: σ 2

s
- Termički šum: σ T2
- Šum slučajne promene intenziteta: σ R2
Ova tri izvora su međusobno nezavisni izvori šuma.Odnos signal/šum:
2
S I (9.13)
=
N σ 2
S +σ 2
T +σ 2
R
Od ovih termički šum:
σ 2
T = 4 Fk β T 0 B / R 2 (9.14)
Šum sačme zavisan je od vrednosti struje,otpora i kvantnom efikasnošću:
σ 2
S = 2 e 2 P η g B / (hf ) (9.15)
Kod stvarnih fotodioda i bez osvetljenja neka struja teče (tkzv. struja Id) što ima
izvesni efekat šuma sačme,tako ukupni deo šuma sačme:
σ 2
S = 2 e 2 P η g B / (hf )+ 2 eI d B (9.16)
Od intenzitetskog šuma predajnika,zavisan je od kvadrata snage:
109
2
 e  (9.17)
σ 2
=  η g  P 2 rR B
hf 
R

gdeje rr parametar RIN(ω).

U lavinskim diodama se dobija:
σ 2
S [
= 2 e 2 P η g B / (hf )+ ]
2 eI d B M 2
FA (9.18)
FA između Z i M.Kako se vidi,lavinska dioda se onda koristi ako je termički šum više puta
veći od šuma sačme,u suprotnom slučaju koristi se PIN dioda.
110
Sadržaj
1.Uvod 1
1.1. Osnova teorije telekomunikacija 2
1.2. Osnovni pojmovi teorije informacije 4
1.2.1.Pojam i jedinica informacije 4
1.2.2. Entropija i redundancija 6
1.2.3. Relativna entropija i redundancija 7
1.2.4. Kapacitet analognog kanala 9
1.3. Sadržaj informacija važnijih vrsta poruka 10
1.3.1. Prenos govornih signala 10
1.3.2. Prenos muzičkih signala 10
1.3.3. Prenos slika 10
1.3.4. Prenos stoljeće slike 12
1.3.5. Monokromatski TV 12
1.3.6. Prenos slika u boji 13
2. Znakovi i telekomunikacioni sistemi 14

2.1. Telekomunikacioni kanal 15
2.2. Podela signala 16
2.3. U vremenu diskretni i neprekidni sistemi 24
2.3.1. Linearni i nelinearni sistemi 24
2.3.2. Sistemi zavisni i nezavisni od vremena 24
2.3.3. Kauzalni i nekauzalni sistemi 24
2.3.4. Analiza LTI sistema u vremenu 24
2.4. Konvolucioni integral 25
3. Ortogonalno rastavljanje signala 26

3.1. Ortogonalna raspodela 26
3.2. Fourierovi redovi i njihove osobine 27
3.2.1. Fourier red realnih signala 29
3.2.2. Fourier red parnih i neparnih signala 30
3.2.3. Signali sa parnim i neparnim harmonijama 31
3.3. Odziv LTI sistema na periodičan signal 33
3.4. Parservalova povezanost 34
3.5. Od Fourier reda do Fourierove transformacije 35
3.6. Osobine Fourierove transformacije 37
3.7. Fourierov transformat periodičnih signala 38
4. Prenos signala na LTI sistemu 40

4.1. Snaga i energija 41
4.1.1. Signali tipa energije 42
4.1.2. Signali tipa snage 43
4.2. Uzorkovanje signala i rekonstrukcija 45
4.2.1. Idealno uzorkovanje ,A/D konverzija 45
4.2.2. Rekonstrukcija signala,D/A konverzija 46
5. Uskopojasni signali 48
5.1. Hilbertova transformacija 49
5.1.1. Osobine Hilbertove transformacije 52
5.2. Prenos uskopojasnih signala preko uskoopsegnog sistema 52
5.3. Uskopojasni šum 53
6. Prenos i primanje analognog signala 55

6.1. Modulacija amplitude 56
6.1.1. Modulacija sa potiskovanim nosačem DSB,sa dva bočna
opsega 56
6.1.2. Demodulacija AMDSB-Sc signala 58
6.2. Sistemi frekvencijskog multiplexa (FDM) 58
6.3. Ugaona modulacija 61
6.3.1. Ugaona modulacija sinusoidalnim signalom 64
6.4. Realizacija ugaonog modulatora i demodulatora 65
6.5. Uticaj šuma na analogni komunikacioni sistem 68
6.5.1. Uticaj šuma na DSB-Sc AM sistem 68
6.5.2. Uticaj šuma na frekvencijski modulisan signal 70
6.6. Upoređenje analognih modulacionih sistema 70
6.6.1. Po širini opsega 70
6.6.2. Po efektivnosti snage 71
6.6.2. Sa gledišta složenosti 71
7. Osnovno opsegni i uskoopsegni PCM 72

7.1. PCM prenos preko AWGN kanala sa konačnom širinom 72
7.2. Prenos PCM signala preko uskoopsegnog kanala 75
7.3. Spektar snage PCM signala 76
8. Kodiranje oblika signala 79

8.1. Impulsna modulacija PCM koda 79
8.2. Antiuniformni PCM 80
8.3. Diferencialni PCM ili DPCM 81
8.3.1. Linearni prediktor 82
8.4. Delta modulacija( ∆M) 84
8.5. Adaptivna delta modulacija 85
8.6. ∆M -PCM konverzija 86
8.7. Delta-sigma modulacija 89
8.8. TDM vremenski multipleksni sistemi 92
8.9. Sinhronizacija digitalnog prenosnog sistema 94
8.9.1. Mreže sa centralnim oscilatornim kolama 95
8.9.2. Mreže sa stabilnim oscilatornim kolama 96
8.9.3. Način usađivanja impulsa 97
9. Optički i radio prenos 101

9.1. Sistemi za prenos sa proširenom spektrom 101
9.2. Definicija proširenog spektra 101
9.3. DS postupak 102
9.4. Optički prenos 104
9.5. Optički talasovod 105
9.6. Disperzija talasovoda 105
9.7. Gubici u optičkom talasovodu 106
9.8. Polarizacija svetla koji prolazi kroz optički talasovod 106
9.9. Optički davači-izvori svetlosti 106
9.10. Osnovne osobine laserskih dioda 107
9.11. Neke modulacijone osobine laserskih dioda 107
9.12. Šum laserskih dioda 108
9.13. Optički davači 108
9.14. Fotodiode,optički prijemnici 108
9.15. Šum na liniji 109

Odry Peter - Osnovi Telekomunikacija I Komunikacione Mreze PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Odry Peter - Osnovi Telekomunikacija I Komunikacione Mreze PDF

Uploaded by

Copyright:

Available Formats

VIŠA TEHNIČKA ŠKOLA

Dr. Odry Péter

Telekomunikacija čini danas jedan od najznačajnijih delatnosti čoveka. Telekomunikacije

Osmo poglavlje je najobimnije. Bavi se sa kodiranjem oblika signala. Posebno se bavi sa

1.1. Osnova teorije telekomunikacija

1.1. slika Opis različitih pojmova u komunikacoinom sistemu

1.2. slika blokdijagram TV komunikativnog sistema

Kanal generalno gledano polazi od izvora informacije do korisnika informacije, kako

1.2. Osnovni pojmovi teorije informacije

1.3. slika Osnovna šema informacionog sistema

1.1.1. Pojam i jedinica informacije

Označimo ove karte u sledećem obliku :

{x1 , x2 ,..., x32 } (1.1)

Količina informacija I ( x k ) koja pripada izabiranju x k karte zavisi od verovatnoće

I (x k ) = g [P( x k )] ; n=1,...,N; N=32 (1.2)

1.4. slika Reprezentacija postavljanja pitanja

Odgovor vođe igre : Ne

Zatim igrač postavlja ....

Prenosni kanali u praksi su sa smetnjama i u ovom slučaju vrednost prenete

- ako je prijemna strana u stanju yj , onda je verovatnoća da je stanje izvora xi je

1.1.2. Entropija i redundancija

Prosečnu informaciju zovemo entropijom.

1.1.3. Relativna entropija i redundancija

Kapacitet prenosnog kanala diskretnog znaka bez smetnje

Znamo da je prosečna informacija po simbolu je :

Sad već možemo definisati brzinu prosečne informacije kroz kanal :

H max ( X ) log 2 r  bit 

Kapacitet prenosnog kanala sa smetnjom.

u ovom slučaju prosečno prenešena informacija je :

Bitno je odrediti maksimalnu vrednost izraza I ( X ↔ Y ) . Ovo u opštem slučaju je skoro

1.5. slika karakteristika BSC prenosa znakova

a kapacitet BSC kanala :

1.6. slika kapacitet BSC u funkciji verovatnoća greška p

1.1.4. Kapacitet analognog kanala

i onda prezentujemo gotov izraz, nećemo izvoditi :

gde je f B širina opsega besprekidnog znaka .

1.1. Sadržaj informacija važnijih vrsta poruka

1.1.1. Prenos govornih signala

f B = f max − f min = 2700 Hz (1.21)

za 20dB odgovara odnos od 1:100.

1.1.2. Prenos muzičkih signala

1.1.3. Prenos slika

Osnovni zadatak je da odredimo kolika je potrebna brzina prilikom prenosa slika.

znači broj pixela jedne slike je:

Bitni elemenat slikovite prezentacije je koliko različitih intenziteta osvetljenosti može

I segmenatslike = log 2 100 = 6.7bit

To znači da količina informacije jedne slike je :

I slika = nI segmenatslike = 3.19 ⋅ 10 6 bit

1.1.4. Prenos stojeće slike

i odavde potrebni kapacitet kanala :

minimalno vreme za prenos slike preko telefonskog kanala je :

NI slika NnI pixel Nn log 2 r Nn

Ovo je granična situacija. Važno je pitanje kolika je minimalna frekvencija:0 Hz ako je

1.1.6. Prenos slika u boji

Ovako jedan pixel boje nosi sa sobom ukupno:

I x + I y = 2 ⋅ 4 bit = 8 bit informacija

1.7. slika Definicija bojanog pixela

Ovako ukupna informacija jednog pixela :

sadržaj infomacije slike u boji :

I slikauboji = nI = 3.35 ⋅ 10 6 bit

potrebna brzina za prenos TV slike u boji :

2.1. slika Opšti model telekomunikacionog sistema

2.2. slika Model aditivnog kanala sa smetnjom