תדירות Shift Keying (FSK) היא תוכנית מודולציה דיגיטלית בסיסית המשמשת אינספור מערכות תקשורת, מ מודמים טלפון מורשת לרשתות חיישן אלחוטיות מודרניות.על ידי שינוי תדירות המוביל בין ערכים דיסקרטיים לייצג נתונים בינאריים, FSK מציע עמידות נגד רעש חדיר, עם זאת, הביצועים המעשיים של כל מערכת מבוססת FSK המתפתלת ביקורתיות על היכולת של מקלט מדויק כדי להתאים את התזמון והתדירות של התזמון הזה.

הבנה של FSK Signal Synchronization

בפשוטו ביותר, סינכרון FSK כרוך בשני תהליכים מפוקחים: שחזור תדירות נושא ושיקום תזמון סמלים. המקלט חייב להינעל לראשונה על תדירות נושאת הרכב המדויק (או תדרים) בשימוש על ידי המשדר, ולאחר מכן לקבוע את הרגע המדויק שבו כל סמל מתחיל.שיטות מסורתיות מסתמכות על לולאות שנשלטות בשלב (PLL) למעקב אחר גלאי אפס-crossing או שערים מוקדמים לתזמון מוקדם, בעוד שלעתים קרובות, בתנאים אנלוגיים מוקדמים, או הפרעות).

האתגר המרכזי הוא שטעויות סינכרון מפיץ במהירות.התדירות הקטנה עלולה לגרום לחלון ההדגמה לחמוק, המוביל ל-Cscade של שגיאות bit. במערכות בזמן אמת - כגון קישורים טלמטאריים עבור מל"טים, חיישניים תעשייתיים, או טלמטארי רפואי - שגיאות כאלה יכולות להיות השלכות חמורות.

טכניקות חדשניות ב-FSK SynSyncization

ההתקדמות האחרונה יצרה מספר משפחות של טכניקות אשר באופן דרמטי מהירויות מבוססות PLL קלאסיות.שיטות אלה מנצלות עיבוד אותות דיגיטליים (DSP) גמישות, למידה סטטיסטית וארכיטקטורה מקבילה כדי להשיג סינכרוניזציה כמעט-אידאלית אפילו בתנאים קיצוניים.

1.הפילטרים וההתמדה המשותפת

אלגוריתמים פילטרים, כגון כיכרות Least Mean (LMS) ו- Recursive Least Squares (RLS) אלגוריתמים, מאפשרים למערכת הסינכרון לשנות את הפרמטרים שלה באופן קבוע בהתבסס על האות השגיאה הנצפה.כאשר החל על FSK, מסננים אדפטיים יכולים במקביל להעריך תדירות החל מהתפרצות, שלב, ותזמון על ידי צמצום תפקוד העלות הנגזרת מהבדל המתקבל בין היתר ל-Fretatives:

אחד החידושים ספציפיים הוא השימוש של FLT:0 פילטרים מתאימים באופן חללי של תזמון 1.10.10. [בניגוד לסננים מבוססי סמל, אלה פועלים במספר של שיעור הבשור, המציעים החלטה מעולה עבור התאוששות תזמון.הפילטר אפקטיביות מעודכנת באמצעות אלגוריתם מונחה החלטה, אשר משתמש בסמלים שזוההההההה הוא יעיל במיוחד בערוצים עם עיכוב מתון, כגון פילטרים ראשוניים של 10 נקודות תורמות, כמו גם אם הם יכולים להתאים את סמלים של פילטרים ראשוניים.

Machine Learning and Deep Neural Networks

למידת מכונה (ML) הביאה לשינוי פרדיגמטי לסנכרוניזציה במקום אלגוריתמים בעלי ידיים, רשתות עצביות יכולות ללמוד את המיפוי האופטימלי מפלט / מדגימות (I/Q) לפרמטרים סינכרוניים.

יישום מעשי משתמש בתוצאה קצרה של דגימות:0 (האינטרנט של CNN מדרגת רשת עצבית) 1 (FLT:1) אשר מפלט תזמון מעודן מהתפרצות קצרה של דגימות. כי ההיקף של רשת עצבית קטנה ניתן לשמור היטב מתחת 1 מיקרונים על DSP מודרניים או FPGA- מבוסס FPGA, טכניקה זו היא אפשרית עבור מערכות בזמן אמת.

בעוד סינכרוניזציה מבוססת ML מוסיפה הכשרה וזיכרון מעל ראש, היתרונות שלה ביצועים במשטרים נמוכים של SNR משכנעים.לדוגמה, במערכת טיפוסית 2-FSK עם Eb/N0 של 5 dB, CNN מאומנים היטב יכול להפחית את התזמון על ידי יותר מ -30% בהשוואה לשער מתקדם מתקדם רגיל.

Multi-Carrier Synchronization and ofDM-Like Techniques

למרות ש- FSK הוא תוכנית חד-קרנית, החידושים יצאו כי ישאלו עקרונות של חטיבת תדירות אורתורגנית (OFDM) כדי לשפר את הסינכרון. inFLT:0 (multi-carrier FSK (MC-FSK) LT:1, זרם הנתונים מחולק למספר מקבילות FK, כל אחד מהם יכול לעשות שימוש בתדירות גבוהה יותר של NRSK).

טכניקה מרכזית היא השימוש של טייס ⁇ -domain nesciosFLT 1 0.1 בין סמלים FSK. טייסים אלה ידועים המקלט ולספק התייחסות חזקה לתדירות הפחתת הסטיות באמצעות מתאם. כי הטייסים תופסים רק חלק של רוחב הפס הכולל, את יעילות הספקטרום הוא קטן.

חידוש נוסף הוא FSK:0cyclostationary-based RecoveryFLT:1 עבור FSK. האות FSK המועבר מציג מחזוריות - תקופות תקופתיות סטטיסטית שניתן לנצל כדי להפיק מידע תזמון. על ידי הפחתת המחזוריות המחזורית בקצב הסמל, המקלט יכול להפיק תזמון שהוא חסין במידה רבה על ידי שלב ותדירות נמוכה מאוד, לא יכול להפעיל אותות גמישים מאוד עבור טייסים מתחת למים.

שלב דיגיטלי - שלב-Locked Loops (Digital PLLs) עם Bandwidth הסתגלות

בעוד שלא חדש, ה- PLL הדיגיטלי (DPLL) עבר רנסנסנס עם הופעתם של ממירים אנלוגיים-לספרטיים מהירים (ADCs) ולוגיקה מהירה מאוד. DPLL מודרניים עבור FSK סינכרוניזציה מעסיקה FSK:0adaptive רוחב פס שליטה FLT:1; לולאות רוחב פס במהלך רכישת מנעולים במהירות, ולאחר מכן צרים עבור פילטר אנרגיה זה הוא מזערי.

אדריכלות מתקדמת של DPLL משלבת גם את FLT:0 (הרכישה של ⁇ -aided AcquisitionFLT:1 באמצעות טאטא מהיר של Fourier (FFT) במהלך הסטארט-אפ, המקלט מבצע FFT של אות הנכנס כדי להעריך את תדירות המוביל בתוך כמה מאות הרץ, הערכה זו של coarse מוזן ל- DPLLs מספר פעמים תחת scosonapletams (החליפקודמת) בשלב הראשון של ®) לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, ניתן לשחזר את התדירות של 10 שניות לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, כדי להפחית את הפחתת התדירות של מילימטרית הפחתת מילימטרית הפחתת מילימטר זמן קצר לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, את הפחתת התדירות של 10 שניות לאחר מכן, את התזמון זמן קצר לאחר מכן, את התדירות של תזמון של מילימטרית התזמון של תזמון של תזמון של תזמון של תזמון של תזמון של מילימטר זמן קצר לאחר מכן, לאחר מכן, לאחר מכן

5.SynSyncization Using Higher-Desorder

עבור מערכות שאינן יכולות להרשות לעצמן טייסים או רצף הדרכה, טכניקות סינכרוניזציה עיוורות משתמשות בתכונות הסטטיסטיות של האות FSK עצמו.FLT:0;0) cumulantssveFLT:1 ו-FLT:2moment-based estimimatorsFLT 3: 3 יכול לחלץ תזמון ומידע תדר ללא התייחסות.

גישה עיוורת נוספת משתמשת באלגוריתם ספקטרום:0 [פרופיל המחזור] של ה-Cycarostationary פרופילFLT]:1 שהוזכר קודם לכן, בשילוב עם אלגוריתם מתאם ספקטרלי.ה המקלט קובע את צפיפות ה-spectralization (SCD) של האותות והחיפושים של תכונות בדרגה המוכרת של הסמל.זה מביא הערכה מדויקת מאוד גם כאשר SNR הוא נמוך כמו שיטות עיוורות D5B הן בעיקר לא ניתוח קוגניטיבי, כמו תרחישים של רדיו, כמו לא יכול לשדר תרחישים קוגניטיביים, כמו גם אם לא יכול להיות בעל ערך מוקדם יותר, כמו רדיו, כמו גם אם לא יכול להיות בעל ערך מוקדם יותר, כמו תרחישים קוגניטיביים, כמו רדיו, כמו תרחישים קוגניטיביים, כמו תרחישים לפני כן, כמו גם אם לא יכול לשדר תרחישים של תרחישים של תרחישים של רדיו, כמו רדיו, כמו .

יישומים במערכות הנדסה בזמן אמת

ההשפעה המעשית של חידושים סינכרוניים אלה ניכרת ביותר במערכות שבהן התזמון הוא קריטי. להלן ארבעה תחומים מרכזיים ביישום שבו סינכרוניזציה מתקדמת FSK הפכה למשנה משחק.

רשתות חיישן אלחוטיות (WSNs)

חיישנים אלחוטיים בעלי כוח נמוך משתמשים לעתים קרובות FSK בשל יעילות האנרגיה שלה.עם זאת, שינויים סביבתיים - סחף זמני, ירידה מתח סוללה ותנועה - יכול לגרום לתדירות של DPLLs ו- Machine Learning מבוסס סינכרונים המאפשרים צניפים לשמור על קישורים עם צריכת אנרגיה מינימלית. A טיפוסי WSN לא לעשות שימוש בתקן IEEE 802.15.4 (שפועל FSK בכמה להקות) לא יכול להשיג פחות מ-32 מיליון סגסוגת אמינה של פחות מ-m (לא פחות מ-A) מאשר חלק של פחות מ-32 סגסוגת של פחות מ- 1 מ-A טיפוסית של פחות מ- 1 מ-32 סגסוגת של צריכת אנרגיה).

תקשורת לווין

לווייני מטה קישורים פועלים לעתים קרובות ב SNR נמוך ו מנוסים שינויים דופלר גדולים בשל תנועה מתמדת. Multi-carrier FSK עם טונים טייס משמש כמה טלמטרי, מעקב ופקד (TT & C) קישורים לספק סינכרוניזציה חזקה. Real-Time FPGA-Hz FPGA-Hz מקלטים יכול לנעול על נושאת FSK בתוך שניות של רכישה, אפילו כאשר Dop הוא משתנה בתחנת מעבר חיונית עבור תחנת רדיו.

אינטרנט של דברים (IoT) & Smart Grids

פריסות IoT מסיביות דורשות סינכרון כי הוא מדויק והיקף. שיטות מחזוריות עיוורות אטרקטיביות כאן כי הם מבטלים את הצורך רצפים preamble ייעודיים, צמצום חבילות מעל הראש ואת חיי סוללה ראויים. עבור יישומי רשת חכמה - שבו חיישנים מחוברים אלחוטיים מדווחים על שימוש בכוח או תנאים פגומים - טכניקות סינון ptive להבטיח כי מנות נתונים מאלפי מטרים הם דמו כראוי למרות קווי חשמל אחרים והפרעות.

רפואת טלמטארי

במערכות טלמטריות בבית החולים, FSK משמש להעברת סימנים חיוניים מחיישנים של המטופל-החולים לצגים מרכזיים.הסנכרון חייב להיות אמין גם כאשר המטופל נע, מה שגורם אותות התפתלים ושינויים בתדירות.מודלים של למידת מכונות שהוכשרו על חפצים בתנועה הוכחו לשמור על שיעור השגיאה נמוך מתחת 10-6 בתנאים ריאליים, הרחק מפרסום PLLs קונבנציונליים.

כיוונים עתידיים ומגמות מתפתחות

התחום עובר לשילוב הדוק יותר של טכניקות אלה עם תשתיות התקשורת והמחשוב הרחבות יותר.ישנן כמה מגמות ברורות.

שילוב עם 5G ומעבר

פרויקט השותפות של הדור השלישי (3GPP) הגדיר את ה-FSK מבוסס גלפורציות עבור תרחישים מסוימים של תקשורת מסוג מכונה (MTC) ברשתות 5GML, במיוחד עבור תקשורת אולטרה-עוצמה נמוכה (URLLC) בעתיד 5G מערכות סביר להניח להעסיק FLT:0 (AI-AI-native Air InterfacesFLT:1), שבו הסינכרון הוא קופטציה עם קוד פתור מבוסס כדי להתאים את עצמו לשילוב אוטונומי, כמו קוד קידוד, כלומר, כלומר, כמו קוד קידוד מבוסס על בסיס קידוד, כלומר, כמו קידוד, כלומר, כלומר, יכול להתאים את האסטרטגיה הממשק מבוסס קוד קידוד קידוד קידוד מבוסס קידוד קידוד קידוד קידוד קידוד, כמו קידוד, בין שיטות למידה אוטונומי, כלומר, כלומר, כלומר, בין קידוד יעיל של מערכת קידוד מבוסס קידוד קידוד קידוד קידוד קידוד, בין שיטות למידה.

Edge מחשוב ו- Distributed SynSyncization

צוק עשוי בקרוב לארח מודלים של בינה מלאכותית קלים אשר מבצעים סינכרוניזציה בזמן אמת, צמצום הנטל על תחנות הבסיס המרכזיות.FLT:0;0) ידע מחוספס 1 יכול לאפשר מכשירים מרובים קצה כדי להכשיר מודל סינכרוניזציה משותף ללא שיתוף נתונים של I/Q גולמי, שמירה על פרטיות בינתיים, אלגוריתמים מסונכרנים מבוזרים כגון תזמון מבוסס קונצנזוס יאפשרו ל-Hoc של רשתות FSK כדי לאפשר שיתוף פעולה באמצעות שעון אדנכרון.

המונחים: Quantum-Assisted Synchronization

בטווח הארוך יותר, עיבוד קוונטי עשוי להציע דרכים חדשניות להעריך פרמטרים אותות עם דיוק גדול יותר מאשר שיטות קלאסיות, בעוד עדיין ניסיוני, FLT:0quantum שלב estimation אלגוריתמיםFLT:1 יכול באופן עקרוני להפחית את השחלות של הערכות תדירות מתחת למגבלת הקוונטים, לטובת מערכות תקשורת עמוקות מאובטחות המשתמשות במודולציה FSK.

שיקולים מעשיים למהנדסים

בעת בחירת טכניקת סינכרון עבור מערכת FSK בזמן אמת, מהנדסים חייבים לשקול כמה פילטרים מקצועיים. עקורים מותאמים ו DPLLs הם מובן היטב וקל ליישום על מחוץ ל-Shelf FPGAs או DSPs, אבל הם עשויים להיאבק עם SNR נמוך מאוד (בקיצור 0DB נמוך) למידת Machine גישות להציע ביצועים טובים יותר ברעש אבל דורשות הפעלה עשוי להציג שיטות חלופיות על ידי אימון, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, הן, מעקב קבוע, לאחר מכן, לאחר מכן, לאחר מכן, הוא לחץ חזק יותר, הוא לחץ על ידי שימוש קבוע, אך ורק על ידי תרגיל קבוע, הוא לחץ דם גבוה יותר, הוא לחץ על ידי אבטחה, אך הוא לחץ דם נמוך יותר, הוא לחץ על ידי שימוש קבוע, אך הוא לחץ דם נמוך מאוד.

בנוסף, מהנדסים צריכים לקחת בחשבון את התוספת של סינכרוניזציה במונחים של כוח וזמן.במכשירים המופעלים על סוללות, חסימת הסינכרון יכולה לצרוך חלק משמעותי של האנרגיה הכוללת לחבילה.עבודה אחרונה על FLT:0 אנרגיה-מודע סינכרווניזציה FLT:1 מציע להפחית באופן מותאם את שיעור העדכון של הסינכרון כאשר הערוץ הוא חוסך, ללא דיוק מקודש.

מסקנה

טכניקות חדשניות לסינכרון אותות FSK מאפשרות דור חדש של מערכות תקשורת חזקות, בזמן אמת.ממסנן הסתגלותיות ולמידה מכונה לאדריכלות מרובות-קר ושיטות סטטיסטיות עיוורות, גישות אלה מתייחסות לאתגרים הבסיסיים של רעש, דופלר והתערבות. כמו הדרישות של IoT, 5G, ומחשוב קצה להמשיך לגדול, היכולת לשמור על סינכרורציה מדויקת במהנדסים אלה אפילו לא אמינים יותר, אבל לא יכולים לאמץ יותר את המהנדסים יעילים יותר.

קריאה נוספת ומשאבים

  • הסבר מפורט על ה-FSK Modulation:0WikipediaFLT:1.
  • עקרונות סינון מותאמים, כולל אלגוריתם ה-PSD, ב-FLT:0WikipediaFIRLT:1.
  • סקירה כללית של סינכרון רב-קריירה מ-FLT:0 [IEEE Communications Society]
  • למידת מכונות עבור תקשורת אלחוטית: סקר של FLT:0IEEE XploreFLT:1 (תוכנית גישה פתוחה).
  • מאמר על מהדורות דיגיטליות של FSK Demodulation:0EDN Networkigrph 1