多路复用技术概述

article/2025/10/19 12:46:35

  • 概述
  • 频分复用(Frequency Division Multiplexing)
  • 时分复用(Time Division Multiplexing)
  • 波分复用(Wave Division Multiplexing)
  • 码分复用(Code Division Multiplexing)

概述

数据是在物理链路的信道中传输的,通常一条链路上会有多条信道。在默认情况下,一条信道只传输一路信号,这就有可能造成信道带宽的浪费。就如同一条10m宽的车道,如果不划分子车道,必然就会使该道路的效率下降,实际上除了划分车道还有很多其他的方式来提升其效率。

对于计算机网络的数据传输也是一样的,可以将一条高带宽的信道划分成多条小带宽的子信道,这样就可以同时进行多路带宽需求低的数据传输,提升信道的利用率。这种技术就叫做信道复用(Channet Multiplexing)技术。

信道复用主要有如下技术:

  1. 频分复用(FDM, Frequency Division Multiplexing)
  2. 时分复用(TDM, Time Division Multiplexing)
  3. 波分复用(WDM, Wave Division Multiplexing)
  4. 码分复用(CDM, Code Division Multiplexing)

频分复用(Frequency Division Multiplexing)

按照信道频带宽度进行复用,是调制技术的一种,也就是把一条高带宽的信道按照频带再次划分成若干个低带宽的子频带(信道)。如一个1\~10MHz的信道,如果需要划分成4个子信道,则可划分成1\~2.5、2.52\~5.0、5.02\~7.5、7.52\~10.0Mhz的4个子信道。

频分复用

图片来自《深入理解计算机网络》

其基本原理就和车道划分一样,将可用车道(信道)划分成若干个不交叠的子车道(子信道)。这样汽车(信号)就可以在子车道(子信道)中互不干扰的行使(传输)了。

但在FDM中,为了防止相邻子信道传输的信号互相干扰,不仅子信道之间载波频带是完全分隔的,而且子信道间最好也有一定的间隙,所以FDM对频带的利用率是相对较低的,但复用路数不是很多时可以考虑。

它优点在于复用率高,实现简单,是模拟通信中常采用的一种方式。而缺点则是容易出现干扰,主要原因是滤波器特性不理想,容易出现非线性造成的信号频谱展宽。

还有一种新的方式——正交频分复用(OFDM, Orthogonal Frequency Division Multiplexing),通过将数据流分解成为若干子信道流,将单信道流传输调制为多信道流的并行传输,也就是多载波调制(MCM, Multi-Carrier Modulation),正交指的是载波信号频谱是正交的,即载波频谱可以有交叉,但不能重叠,通过某种技术实现分离。由于载波可以交叉,无需保护频带,这样频谱的使用效率更高,比FDM要求的信道带宽小的多,另外OFDM可动态分配子信道中的数据来提升数据吞吐量。


时分复用(Time Division Multiplexing)

FDM是出于单一数据无法占用整条带宽,浪费了信道资源考虑的。而时分复用则是出于单个用户不可能总是有数据在传输,总是有无数据传输的空闲时段的考虑,将信息传输过程划分为一个个时间片,而时间片中在划分为更小的时隙,每个时隙对应一个用户的传输,这样就可以使得每个时间片中总有一个或多个时隙在传输数据(因为不太可能多路信号同时没有数据传输),以此实现提高信道利用率。

时分复用

图片来自《深入理解计算机网络》

如上图所示,先把整个数据传输过程划分成时间片,时间片中又划分成时隙,分别用于传输三路信号。

时分复用是建立在采样定理的基础上,因为采用定理使连续的信号变成时间上的离散脉冲,当采样脉冲占据时间较短时就留出了时隙。因为时分复用以时间作为信号分割的参量,所以各路信号在时间轴上不能重叠,又由于每路数据总是用每个时间片的固定时隙,所以这种复用过程又称作同步时分复用

通过这种原理可以看出,尽管划分成小的时隙可以提高信道的利用率,但还是会存在一些问题,如某路信号无数据传输,但其他路信号也无法占用该路信号的时隙进行传输。所以又有一种改进型的TDM——统计时分复用(STDM, Statistical Time Division Multiplexing),它也称作异步时分复用,是一种可以动态分配时隙的时分复用,使用按需分配的技术来减少空闲时隙。


波分复用(Wave Division Multiplexing)

波分是针对光信号的频分复用技术(FDM是针对电信号的),所以又称作光波分复用,是在单条光纤中同时发送多束波长不一的光信号的技术。不同的光纤波长并不一致,绝大多数是不能完全占用整条光纤的带宽的。在以前不采用WDM技术的光纤连接中,收、发要用两条光纤,而新型光纤连接都支持WDM,只需一条光纤即可实现双工工作。

波分复用

图片来自《深入理解计算机网络》


码分复用(Code Division Multiplexing)

码分复用是通过不同编码来区分各路原始信号的一种复用方式,和各种多址技术结合产生很多接入技术,最常见的码分多址(CDMA)即是其中一种。

码分多址为每个用户分配各自特定的码片(地址码),然后利用公共信道来传输信息,CDMA系统的码片之间互相具有准正交特性,以此来区分各路原始信号,各路信号在时间、频率、空间上都有可能会重叠。

同时码分复用还有一个优点可以降低信噪比,因为总的信号增加了。

码分复用

图片来自《网络技术与应用MOOC》


http://chatgpt.dhexx.cn/article/DZX1p3Uj.shtml

相关文章

计算机网络-多路复用

什么是多路复用技术呢? 多路复用(multiplexing),简称复用,是通信技术中的基本概念 。 事实上,多路复用技术的原理就是,把通信资源或者说是链路、信道资源进行的划分,分成一系列的资源片。把这些资源片分配…

一、多路复用

1.什么是多路复用 数据通信系统或计算机网络系统中,传输媒体的带宽或容量往往会大于传输单一信号的需求,为了有效地利用通信线路,希望一个信道同时传输多路信号,这就是所谓的多路复用技术(Multiplexing)。采用多路复用技术能把多个信号组合起…

分类变量回归: R语言中哑变量编码本质

本篇描述分类变量如何进行回归(翻译自http://www.sthda.com/english/articles/40-regression-analysis/163-regression-with-categorical-variables-dummy-coding-essentials-in-r/) 分类变量(也称为因子或定性变量)是可以将观测数据分组的变量。它们有…

python哑变量转换为类别变量

就是get_dummies()功能的逆变化,把哑变量重新变为类别变量 原先的数据 转变后的数据 代码如下: df.columns[1,2,3,4,5,6]df df[df1].stack().reset_index() df.columns[A,B,C] print(df) del df[A] del df[C]

回归模型中的哑变量

在构建回归模型时,如果自变量X为连续性变量,回归系数β可以解释为:在其他自变量不变的条件下,X每改变一个单位,所引起的因变量Y的平均变化量;如果自变量X为二分类变量,例如是否饮酒(…

Python超实用小技巧:分类变量转化为哑变量(附哑变量详解)

代码示例 features ["Pclass", "Sex", "SibSp", "Parch"]# 筛选出分类变量用来建模X pd.get_dummies(train[features])# 把分类变量转化为哑变量 哑变量详解 定义:哑变量(DummyVariable)&#xf…

多元线性回归哑变量设置方法

多元线性回归是研究一个连续型变量和其他多个变量间线性关系的统计学分析方法,如果在自变量中存在分类变量,如果直接将分类变量和连续性变量统一纳入模型进行分析是有问题的,尤其是无序分类资料,即使进入了模型,也难以…

matlab虚拟变量,不要再稀里糊涂的做回归了:如何设置哑变量

原标题:不要再稀里糊涂的做回归了:如何设置哑变量 虚拟变量 ( Dummy Variables) 又称虚设变量、名义变量或哑变量,用以反映质的属性的一个人工变量,是量化了的自变量,通常取值为0或1。引入哑变量可使线形回归模型变得更…

哑变量与逻辑回归

哑变量与逻辑回归 数据 部分数据: admit,gre,gpa,rank 0,380,3.61,3 1,660,3.67,3 1,800,4,1 1,640,3.19,4 0,520,2.93,4 1,760,3,2 1,560,2.98,1 0,400,3.08,2 1,540,3.39,3 0,700,3.92,2 0,800,4,4 0,440,3.22,1 1,760,4,1 0,700,3.08,2 1,700,4,1导入库 numpy…

哑变量处理

dummyVars(formula, data, sep “.”, levelsOnly FALSE, fullRank FALSE, …) sep:因子变量名及其级别之间的可选分隔符。使用sep NULL表示没有分隔符(即模型的正常行为)。 data4 <- read.csv("玩家玩牌数据.csv") head(data4) library(VIM) aggr(data4,pro…

哑变量的基本介绍及R语言设置

哑变量的基本介绍及R语言设置 1. 哑变量的基本介绍【摘自医咖会】1.1 什么是哑变量&#xff1f;1.2 什么情况下需要设置哑变量?1.3 如何设置哑变量的参照组&#xff1f;1.4 设置哑变量时的注意事项 2. R语言中哑变量的设置2.1 示例数据2.2 哑变量设置的4种方式2.3 线性回归小实…

matlab如何转换哑变量,SPSS教程:手把手教你设置哑变量及解读结果!

将哑变量引入回归模型,虽然使模型变得较为复杂,但可以更直观地反映出该自变量的不同属性对于因变量的影响,提高了模型的精度和准确度。 举一个例子,如职业因素,假设分为学生、农民、工人、公务员、其他共5个分类,其中以“其他职业”作为参照,此时需要设定4个哑变量X1-X4…

clear both

<style type"text/css"> p.f1{float:left;width :100px;} p.f2{float:left;width :100px;} </style> <title>无标题文档</title> </head> <body> <p class"f1">这个是第1项 </p> <p class"f2&quo…

CSS中正确理解clear:both

原文地址&#xff1a;http://blog.sina.com.cn/s/blog_709475a10100wkdj.html 要注意以下几点&#xff1a; 1、 浮动元素会被自动设置成块级元素&#xff0c;相当于给元素设置了display:block&#xff08;块级元素能设置宽和高&#xff0c;而行内元素则不可以&#xff09;。 …

clear:both 的作用

如&#xff1a; <div style"border:2px solid red;"> <div style"float:left;width:80px;height:80px;border:1px solid blue;">TEST DIV</div> <div style"clear:both;"></div> </div> 你可以将此部分代码…

CSS中clear:both的作用

clear:both意思就是清除浮动&#xff0c;例如我们设置了三个div如下&#xff1a; <div style"line-height: 30px;background-color: #EEEEEE;height: 100px;width: 50px;float: left;padding: 5px;">侧边栏<br>侧边栏 </div> <div style"…

css中clear:both属性的理解及用法

css中clear:both属性的作用是清除浮动&#xff0c;设置了浮动就会破坏文档流结构&#xff0c;影响后边的布局&#xff0c;此时在设置清除浮动便可解决这一问题&#xff0c;可以认为&#xff0c;设置了clear:both的当前元素会把前边元素中设有浮动属性的元素&#xff0c;当做没设…

CSS规则clear: both有什么作用?

clear属性用来指定的浮动元件不允许浮动该哪一侧&#xff1b;它设置或返回元素相对于浮动对象的位置。而"clear: both"用于设置在左右两侧均不允许浮动元素。 原文地址&#xff1a;CSS规则"clear: both"有什么作用&#xff1f; 当不需要与指定元素相关的任…

clear:both清除浮动的基本原理

clear属性 关于clear属性&#xff0c;官方文档是这样描述的&#xff1a; 其中clear: both的意思是要求框的顶边框边低于在源文档中之前生成的任何浮动框的底外边距边。也就是说可以清除之前所有浮动框所带来的影响。 利用有clear:both属性的空的块元素撑开父元素的盒子&…

Diffusion Model

DDPM codebase 为 https://github.com/lucidrains/denoising-diffusion-pytorch 训练和推理流程如下&#xff1a; Train diffusion() ---> forward() ---> self.p_losses() 完成一个扩散阶段&#xff08;包括前向计算和 BP&#xff09;&#xff0c;每次前向和 BP 中用…