分类汇整 - 学术

link layer几个protocols的读书体会

一直想搞清楚 PPP,Ethernet,ATM 和 SONET/SDH 几个协议,分别工作在协议栈的哪个层次,彼此之间的关系等等。可是原来看过的书上,基本都是分开讲述,没有综合分析的。(如我现在才知道 TCP/IP 的 link layer 并没有运用任何 flow control 的机制,而是把该工作都留给 transport layer 来做 。)

最近看 Kurose 的 A  top-down approach 和 Peterson 的 A system approach,对这些协议有了点新的体会,现在记录一下。

1 从层次上说:实际上Ethernet, ATM 和 SONET/SDH 都对 physical layer 和 link layer 作了规范,PPP 本身是 link layer, 但实际中,我们也有 PPPoE 和 PPPoA 实际上是对物理层有了规范。参考WIKI,它把 SONET/SDH 视作物理层协议,但我认为它在某种意义上提供了地址和选址,不仅仅处于物理层了(其物理层仅限于它使用的STS-X光缆等)。

2 从用途上说:PPP 主要用于家庭网络接入到 ISP; Ethernet主要用于LAN; ATM 和 SONET/SDH 则是从电话公司的电路交换而来,是作为主干网的传输机制。

3 彼此依赖关系:虽然都是处于相同的层次,但是某种协议是可以建立在另外一种协议的基础上的,比如 PPPoE, PPPoA 还有 ATM 把 SONET/SDH 作为其物理传输层看待 (ATM 本身协议栈就分为3层, AAL5, ATM 和 Physical)。下层协议把上层协议看成一个数据包,对其进行存储寻址转发,并不关心数据包到底是哪一种协议。当然这需要有相应的“交换机”来支持。

4 Network Layer 总是建立在这些 Link Layer Protocols 之上的。但一个路由器的两端是可以连接不同种类的链路层的, 这正是IP协议的一个特点。如果一个路由器两端链路层采用了不同协议,那么路由器的两个端口除了提供不同的IP地址外,还需要提供不同链路层相应的物理地址(很可能要用到ARP协议从IP地址获得物理地址)。

码间干扰 Intersymbol Interference(ISI)

今天自己脑袋里想了想,到底什么叫Intersymbol Interference.

最初的理解是,由于信道不是理想的,所以信道的频响 (frequency response) 是SINC函数,这样就有码间干扰了,至于为什么,不知道。

后来的理解是,由于多径效应 (multipath),先到后到的信号叠加了,这样就形成了码间干扰。

今天觉得其实这个定义就是字面上的。码间干扰即码元间的相互重叠。信道的非理想(这里指不是无限宽的频带)和多径效应都会产生时域上的码间相互串叠。但它们并不是一个东西。

(1)假设信源发出一个理想的冲击(幅度响应在频带内平稳),没有多径效应,只是信道带宽有限,那么将接收到成SINC函数一个的波形。一个理想的脉冲只产生一个SINC。码间的干扰是由于传输了多个脉冲而产生的多个SINC的延时叠加。只有当他们间隔适当宽度出现的时候(第一个零点),(也在相应的点抽样),这个码间干扰可以去除。与这个间隔相应的速率也就是Nyquist速率。 

(2)如果传输一个码元(矩形脉冲),带宽无限,只有多径效应,那么这时将是一串码元(矩形脉冲)的相互干扰和叠加。有多少叠加是跟有多少条路径一致的(此时只传送了一个码元)。对于多径效应的解决办法要看是宽带的信号还是窄带的信号。具体的思路自己还不算仔细学过,只是听过这些名字而已: equilization (均衡), diversity(分集接收), spread spectrum (扩频).

想到了再补充。

[转贴]一个相关的讨论帖子

解释 白噪声\高斯噪声\高斯白噪声的区别?
 
白噪声,就是说频谱为一常数;也就是说,其协方差函数在delay=0时不为0,在delay不等于0时值为零;换句话说,样本点互不相关。所以,“白”与“不白”是和分布没有关系的。当随机的从高斯分布中获取采样值时,采样点所组成的随机过程就是“高斯白噪声”;同理,当随机的从均匀分布中获取采样值时,采样点所组成的随机过程就是“均匀白噪声”。
那么,是否有“非白的高斯”噪声呢?答案是肯定的,这就是”高斯色噪声“。
这种噪声其分布是高斯的,但是它的频谱不是一个常数,或者说,对高斯信号采样的时候不是随机采样的,而是按照某种规律来采样的。
———————————————————-
白噪声应该是自相关函数在delay=0时不为0,在delay不等于0时值为零。如果要说协方差函数,那么应该加个条件:零均值。   
———————————————————-
谢谢指出漏洞。另外补充一句,高斯白噪声代表最大的随机性,因而在诸多的仿真中都采用高斯白噪声。
———————————————————-
白噪声,我觉得应该是功率谱是一个常数,而不是频谱。 继续阅读 “[转贴]一个相关的讨论帖子”

Large-scale Path Loss vs Small-scale Fading

原来自己一直把large-scale和small-scale的都叫做fading, 这两天仔细研究了一下为什么书上从来不提large-scale fading,原来fading是指信号的波动不定,而不是attenuation。恍然大悟。

这两天为了准备一个面试,恍然大悟了好多事情。突然觉得原来好多东西都忘得差不多了,而当拣起来重新看的时候,发现原来觉得完全没有意义的数学游戏现在增加了好多物理意义。可能当时火候实在尚浅。

比如看到一个地方说从uncorrelated到independence,你说这哪记得啊。一翻概率论的书,恍然大悟。前面强调线性的无关,后面是说所有线性非线性都无关。

再比如为什么有频率,功率谱,能量谱。当初觉得,这些东西不都差不多,为什么不统一到一个概念。

继续复习和发掘新的思想。

关于武大华工的对比讨论(QQ聊天纪录)

netravel 18:23:15
1.我考两次T 老师服务态度明显不一样
2.最近去了4-5次 华工校园建设比武大好 环境不比武大差, 所以武大如果全国第一美 华工也差不到哪
3.华工BBS出国版的人气明显比山水高无数个百分点
4.ISU MSU有明文对华工的优待
5.就学院来说,华工全国前5没有问题,我们应该在10之外,而且师资上他们起码有个院士
。。。。
待续 继续阅读 “关于武大华工的对比讨论(QQ聊天纪录)”

DIP小结

(文字格式有待修改,图片马上更新)

1.DIP研究的范围

人类的视觉被限制在电磁波谱的可视频段,而成像机器几乎覆盖了全部电磁波谱,伽马射线到无线电波。它们还可以在人类不常涉及的图像源所产生的图象上进行处理,包括超声波、电子显微镜和计算机产生的图象。

低级  降低噪声、对比度增强、图象锐化。(输入输出均为图象)计算机化处理 
中级  分割为区域和对象,描述、识别(输入为图象,输出为属性,如边缘、轮廓以及单个对象的特性)             
高级  执行与人类视觉相关的感知函数,对识别的对象进行总体确认。 继续阅读 “DIP小结”