Aufgaben:Aufgabe 3.7: Bitfehlerquote (BER): Unterschied zwischen den Versionen
Zeile 13: | Zeile 13: | ||
− | Wichtigstes Beurteilungskriterium eines solchen Digitalsystems ist die <br>'''Bitfehlerwahrscheinlichkeit''' (englisch: <i>Bit Error Probability</i>). | + | Wichtigstes Beurteilungskriterium eines solchen Digitalsystems ist die <br>'''Bitfehlerwahrscheinlichkeit''' (englisch: <i>Bit Error Probability</i>). |
*Mit dem Erwartungswert ${\rm E}\big[\text{ ...} \big]$ ist diese ist wie folgt definiert: | *Mit dem Erwartungswert ${\rm E}\big[\text{ ...} \big]$ ist diese ist wie folgt definiert: | ||
:$$\it p_{\rm B} = \rm E\big[\rm Pr(\it v_{\nu} \ne q_{\nu} \rm )\big]=\rm E\big[\rm Pr(\it e_{\nu}=\rm 1)\big]=\lim_{{\it N}\to\infty}\frac{\rm 1}{\it N}\cdot\sum\limits_{\it \nu=\rm 1}^{\it N}\rm Pr(\it e_{\nu}=\rm 1).$$ | :$$\it p_{\rm B} = \rm E\big[\rm Pr(\it v_{\nu} \ne q_{\nu} \rm )\big]=\rm E\big[\rm Pr(\it e_{\nu}=\rm 1)\big]=\lim_{{\it N}\to\infty}\frac{\rm 1}{\it N}\cdot\sum\limits_{\it \nu=\rm 1}^{\it N}\rm Pr(\it e_{\nu}=\rm 1).$$ | ||
Zeile 22: | Zeile 22: | ||
− | Die Bitfehlerwahrscheinlichkeit ist eine A-priori-Kenngröße, erlaubt also eine Vorhersage für das zu erwartende Resultat. Dagegen muss zur messtechnischen Ermittlung der Übertragungsqualität oder bei der Systemsimulation auf die vergleichbare A-posteriori-Kenngröße '''Bitfehlerquote''' (englisch: <i>Bit Error Rate</i>) übergegangen werden: | + | Die Bitfehlerwahrscheinlichkeit ist eine A-priori-Kenngröße, erlaubt also eine Vorhersage für das zu erwartende Resultat. |
+ | |||
+ | Dagegen muss zur messtechnischen Ermittlung der Übertragungsqualität oder bei der Systemsimulation auf die vergleichbare A-posteriori-Kenngröße '''Bitfehlerquote''' (englisch: <i>Bit Error Rate</i>) übergegangen werden: | ||
:$$h_{\rm B}=\frac{n_{\rm B}}{N}=\frac{\rm 1}{\it N}\cdot\sum\limits_{\it \nu=\rm 1}^{\it N} e_{\nu}.$$ | :$$h_{\rm B}=\frac{n_{\rm B}}{N}=\frac{\rm 1}{\it N}\cdot\sum\limits_{\it \nu=\rm 1}^{\it N} e_{\nu}.$$ | ||
− | + | $h_{\rm B}$ ist eine [[Digitalsignalübertragung/Fehlerwahrscheinlichkeit_bei_Basisbandübertragung#Definition_der_Bitfehlerquote|relative Häufigkeit]]. $n_{\rm B}$ gibt die Anzahl der aufgetretenen Bitfehler an, wenn insgesamt $N$ Symbole (Bit) übertragen wurden. | |
*Im Grenzfall $N \to \infty$ stimmt die relative Häufigkeit $h_{\rm B}$ mit der Wahrscheinlichkeit $p_{\rm B}$ überein. | *Im Grenzfall $N \to \infty$ stimmt die relative Häufigkeit $h_{\rm B}$ mit der Wahrscheinlichkeit $p_{\rm B}$ überein. | ||
− | *Hier soll nun die Frage geklärt werden, mit welcher statistischen Unsicherheit bei endlichem | + | *Hier soll nun die Frage geklärt werden, mit welcher statistischen Unsicherheit bei endlichem $N$ gerechnet werden muss. |
Zeile 38: | Zeile 40: | ||
*Die Aufgabe gehört zum Kapitel [[Stochastische_Signaltheorie/Gaußverteilte_Zufallsgröße|Gaußverteilte Zufallsgrößen]]. | *Die Aufgabe gehört zum Kapitel [[Stochastische_Signaltheorie/Gaußverteilte_Zufallsgröße|Gaußverteilte Zufallsgrößen]]. | ||
− | *Lösen Sie die Aufgaben so weit wie möglich allgemein. Verwenden Sie zur Kontrolleingabe die Parameterwerte $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$. | + | *Lösen Sie die Aufgaben so weit wie möglich allgemein. |
+ | *Verwenden Sie zur Kontrolleingabe die Parameterwerte $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$. | ||
*Nachfolgend finden Sie einige Werte der sogenannten Q-Funktion: | *Nachfolgend finden Sie einige Werte der sogenannten Q-Funktion: | ||
:$$\rm Q(\rm 1.00)=\rm 0.159,\hspace{0.5cm}\rm Q(\rm 1.65)=\rm 0.050,\hspace{0.5cm}\rm Q(\rm 1.96)=\rm 0.025,\hspace{0.5cm}\rm Q(\rm 2.59)=\rm 0.005.$$ | :$$\rm Q(\rm 1.00)=\rm 0.159,\hspace{0.5cm}\rm Q(\rm 1.65)=\rm 0.050,\hspace{0.5cm}\rm Q(\rm 1.96)=\rm 0.025,\hspace{0.5cm}\rm Q(\rm 2.59)=\rm 0.005.$$ | ||
+ | |||
+ | |||
Zeile 51: | Zeile 56: | ||
- Für $n_{\rm B}$ sind alle Werte $(0$, ... , $N)$ gleichwahrscheinlich. | - Für $n_{\rm B}$ sind alle Werte $(0$, ... , $N)$ gleichwahrscheinlich. | ||
+ Die Zufallsgröße $n_{\rm B}$ ist binomialverteilt. | + Die Zufallsgröße $n_{\rm B}$ ist binomialverteilt. | ||
− | + Mit $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$ ergibt sich ${\rm E}[n_{\rm B}] = 100$. | + | + Mit $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$ ergibt sich ${\rm E}\big[n_{\rm B}\big] = 100$. |
{Wie groß ist die Streuung der Zufallsgröße $n_{\rm B}$ für $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$? | {Wie groß ist die Streuung der Zufallsgröße $n_{\rm B}$ für $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$? | ||
|type="{}"} | |type="{}"} | ||
− | $\sigma_{n{\rm B}} \ = $ { 10 3% } | + | $\sigma_{n{\rm B}} \ = \ $ { 10 3% } |
{Welche Werte kann die Bitfehlerquote $h_{\rm B}$ annehmen? Zeigen Sie, dass der lineare Mittelwert $m_{h{\rm B}}$ dieser Zufallsgröße gleich der tatsächlichen Bitfehlerwahrscheinlichkeit $p_{\rm B}$ ist. Wie groß ist deren Streuung? | {Welche Werte kann die Bitfehlerquote $h_{\rm B}$ annehmen? Zeigen Sie, dass der lineare Mittelwert $m_{h{\rm B}}$ dieser Zufallsgröße gleich der tatsächlichen Bitfehlerwahrscheinlichkeit $p_{\rm B}$ ist. Wie groß ist deren Streuung? | ||
|type="{}"} | |type="{}"} | ||
− | $\sigma_{h{\rm B}} \ = $ { 0.0001 3% } | + | $\sigma_{h{\rm B}} \ = \ $ { 0.0001 3% } |
{Unter gewissen Voraussetzungen kann eine binomialverteilte Zufallsgröße durch eine Gaußverteilung mit gleichem Mittelwert $(m_{h{\rm B}})$ und gleicher Streuung $(\sigma_{h{\rm B}})$ angenähert werden. Welche Aussage ist zutreffend? | {Unter gewissen Voraussetzungen kann eine binomialverteilte Zufallsgröße durch eine Gaußverteilung mit gleichem Mittelwert $(m_{h{\rm B}})$ und gleicher Streuung $(\sigma_{h{\rm B}})$ angenähert werden. Welche Aussage ist zutreffend? | ||
− | |type=" | + | |type="()"} |
+ ${\rm Pr}(|h_{\rm B} - p_{\rm B}| \le \varepsilon)=1- 2\cdot \rm Q({\varepsilon}/{\sigma_{h{\rm B}}}).$ | + ${\rm Pr}(|h_{\rm B} - p_{\rm B}| \le \varepsilon)=1- 2\cdot \rm Q({\varepsilon}/{\sigma_{h{\rm B}}}).$ | ||
- ${\rm Pr}(|h_{\rm B} - p_{\rm B}| \le \varepsilon)=1- \rm Q({\varepsilon}/{2\cdot \sigma_{h{\rm B}}}).$ | - ${\rm Pr}(|h_{\rm B} - p_{\rm B}| \le \varepsilon)=1- \rm Q({\varepsilon}/{2\cdot \sigma_{h{\rm B}}}).$ | ||
Zeile 71: | Zeile 76: | ||
− | {Zur Abkürzung verwenden wir das Konfidenzniveau $p_\varepsilon = {\rm Pr}(|h_{\rm B} - p_{\rm B}| \le \varepsilon)$. Welches $p_\varepsilon$ ergibt sich mit $\varepsilon = 10^{-4}$, $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$? | + | {Zur Abkürzung verwenden wir das Konfidenzniveau $p_\varepsilon = {\rm Pr}(|h_{\rm B} - p_{\rm B}| \le \varepsilon)$. <br>Welches $p_\varepsilon$ ergibt sich mit $\varepsilon = 10^{-4}$, $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$? |
|type="{}"} | |type="{}"} | ||
− | $p_\varepsilon \ = $ { 0.684 3% } | + | $p_\varepsilon \ = \ $ { 0.684 3% } |
{Das Argument der Q-Funktion sei $\alpha$. Wie groß muss $\alpha$ mindestens gewählt werden, damit das Konfidenzniveau $p_\varepsilon = 95\%$ beträgt? | {Das Argument der Q-Funktion sei $\alpha$. Wie groß muss $\alpha$ mindestens gewählt werden, damit das Konfidenzniveau $p_\varepsilon = 95\%$ beträgt? | ||
|type="{}"} | |type="{}"} | ||
− | + | $\alpha_{\rm min} \ = \ $ { 1.96 3% } | |
{Es gelte weiterhin $p_{\rm B} = 10^{-3}$ und $p_\varepsilon = 95\%$ Über wie viele Symbole muss man mindestens gemittelt werden, damit die ermittelte Bitfehlerquote im Bereich zwischen $0.9 \cdot 10^{-3}$ und $1.1 \cdot 10^{-3}$ liegt $(\varepsilon = 10^{-4}, \text{10% vom Sollwert)}$? | {Es gelte weiterhin $p_{\rm B} = 10^{-3}$ und $p_\varepsilon = 95\%$ Über wie viele Symbole muss man mindestens gemittelt werden, damit die ermittelte Bitfehlerquote im Bereich zwischen $0.9 \cdot 10^{-3}$ und $1.1 \cdot 10^{-3}$ liegt $(\varepsilon = 10^{-4}, \text{10% vom Sollwert)}$? | ||
|type="{}"} | |type="{}"} | ||
− | $N_\text{min} \ = ${ 400000 3% } | + | $N_\text{min} \ = \ ${ 400000 3% } |
Version vom 10. August 2018, 09:58 Uhr
Wir betrachten ein binäres Übertragungssystem mit
- der Quellensymbolfolge $\langle q_\nu \rangle $ und
- der Sinkensymbolfolge $\langle v_\nu \rangle $.
Stimmen Sinkensymbol $v_\nu$ und Quellensymbol $q_\nu$ nicht überein, so liegt ein Bitfehler vor ⇒ $e_\nu = 1$. Ansonsten gilt $e_\nu = 0$.
Wichtigstes Beurteilungskriterium eines solchen Digitalsystems ist die
Bitfehlerwahrscheinlichkeit (englisch: Bit Error Probability).
- Mit dem Erwartungswert ${\rm E}\big[\text{ ...} \big]$ ist diese ist wie folgt definiert:
- $$\it p_{\rm B} = \rm E\big[\rm Pr(\it v_{\nu} \ne q_{\nu} \rm )\big]=\rm E\big[\rm Pr(\it e_{\nu}=\rm 1)\big]=\lim_{{\it N}\to\infty}\frac{\rm 1}{\it N}\cdot\sum\limits_{\it \nu=\rm 1}^{\it N}\rm Pr(\it e_{\nu}=\rm 1).$$
- Der rechte Teil dieser Gleichung beschreibt eine Zeitmittelung und muss zum Beispiel bei zeitvarianten Kanälen stets angewandt werden.
- Ist die Fehlerwahrscheinlichkeit für alle Symbole gleich (was hier vorausgesetzt wird), so kann man die obige Gleichung vereinfachen:
- $$\it p_{\rm B} = \rm E\big[\rm Pr(\it e_{\nu}=\rm 1)\big]=\rm E\big[\it e_{\nu} \rm \big].$$
Die Bitfehlerwahrscheinlichkeit ist eine A-priori-Kenngröße, erlaubt also eine Vorhersage für das zu erwartende Resultat.
Dagegen muss zur messtechnischen Ermittlung der Übertragungsqualität oder bei der Systemsimulation auf die vergleichbare A-posteriori-Kenngröße Bitfehlerquote (englisch: Bit Error Rate) übergegangen werden:
- $$h_{\rm B}=\frac{n_{\rm B}}{N}=\frac{\rm 1}{\it N}\cdot\sum\limits_{\it \nu=\rm 1}^{\it N} e_{\nu}.$$
$h_{\rm B}$ ist eine relative Häufigkeit. $n_{\rm B}$ gibt die Anzahl der aufgetretenen Bitfehler an, wenn insgesamt $N$ Symbole (Bit) übertragen wurden.
- Im Grenzfall $N \to \infty$ stimmt die relative Häufigkeit $h_{\rm B}$ mit der Wahrscheinlichkeit $p_{\rm B}$ überein.
- Hier soll nun die Frage geklärt werden, mit welcher statistischen Unsicherheit bei endlichem $N$ gerechnet werden muss.
Hinweise:
- Die Aufgabe gehört zum Kapitel Gaußverteilte Zufallsgrößen.
- Lösen Sie die Aufgaben so weit wie möglich allgemein.
- Verwenden Sie zur Kontrolleingabe die Parameterwerte $p_{\rm B} = 10^{-3}$ und $N = 10^{5}$.
- Nachfolgend finden Sie einige Werte der sogenannten Q-Funktion:
- $$\rm Q(\rm 1.00)=\rm 0.159,\hspace{0.5cm}\rm Q(\rm 1.65)=\rm 0.050,\hspace{0.5cm}\rm Q(\rm 1.96)=\rm 0.025,\hspace{0.5cm}\rm Q(\rm 2.59)=\rm 0.005.$$
Fragebogen
Musterlösung
- Bezüglich der Zufallsgröße $n_{\rm B}$ liegt der klassische Fall einer Binomialverteilung vor.
- Es wird die Summe über $N$ binäre Zufallsgrößen gebildet.
- Die möglichen Werte von $n_{\rm B}$ liegen somit zwischen $0$ und $N$.
- Der lineare Mittelwert ergibt $m_{n{\rm B}}=p_{\rm B}\cdot N=\rm 10^{-3}\cdot 10^{5}=\rm 100.$
(2) Für die Streuung der Binomialverteilung gilt mit guter Näherung:
$$\sigma_{n{\rm B}}=\sqrt{N\cdot p_{\rm B}\cdot (\rm 1- \it p_{\rm B})}
\hspace{0.15cm}\underline{\approx 10}.$$
(3) Mögliche Werte von $h_{\rm B}$ sind alle ganzzahligen Vielfachen von $1/N$. Diese liegen zwischen $0$ und $1$ liegen. Für den Mittelwert erhält man: $$m_{h{\rm B}}=m_{n{\rm B}}/N=p_{\rm B} = 10^{-3}.$$
Die Streuung ergibt sich zu $$\sigma_{h{\rm B}}=\frac{\sigma_{n{\rm B}}}{N}=\sqrt{\frac{p_{\rm B}\cdot (\rm 1- \it p_{\rm B})}{N}}\hspace{0.15cm}\underline{\approx \rm 10^{-4}}.$$
(4) Richtig ist der erste Vorschlag. Es gilt: $${\rm Pr}(h_{\rm B} > p_{\rm B} + \varepsilon)=\rm Q({\it\varepsilon}/{\it\sigma_{h{\rm B}}}),\hspace{0.5cm}\rm Pr(\it h_{\rm B} < p_{\rm B} - \varepsilon {\rm )}=\rm Q(\it{\varepsilon}/{\sigma_{h{\rm B}}}{\rm )}\hspace{0.5cm}\Rightarrow \hspace{0.5cm}\rm Pr(\it |h_{\rm B} - p_{\rm B}| \le \varepsilon \rm )=\rm 1-\rm 2\cdot \rm Q({\it \varepsilon}/{\it \sigma_{h{\rm B}}}).$$
(5) Man erhält mit den Zahlenwerten$\varepsilon = \sigma_{h{\rm B}} = 10^{-4}$: $$p_{\varepsilon}=\rm 1-\rm 2\cdot \rm Q(\frac{\rm 10^{\rm -4}}{\rm 10^{\rm -4}} {\rm )}=\rm 1-\rm 2\cdot\rm Q(\rm 1)\hspace{0.15cm}\underline{\approx\rm 0.684}.$$
Das heißt: Bestimmt man die Bitfehlerquote per Simulation über $10^5$ Symbole, so erhält man mit einem Konfidenzniveau von 68.4% einen Wert zwischen $0.9 \cdot 10^{-3}$ und $1.1 \cdot 10^{-3}$, wenn $p_{\rm B} = 10^{-3}$ ist.
(6) Aus der Beziehung $p_{\varepsilon}=\rm 1-\rm 2\cdot {\rm Q}(\alpha) = 0.95$ folgt direkt: $$\alpha_{\rm min}=\rm Q^{\rm -1}\Big(\frac{\rm 1-\it p_{\varepsilon}}{\rm 2}\Big)=\rm Q^{\rm -1}(\rm 0.025)\hspace{0.15cm}\underline{=\rm 1.96}\hspace{0.15cm}{\approx\rm 2}.$$
(7) Es muss $\alpha = \varepsilon/\sigma_{h{\rm B}}$ gelten. Mit dem Ergebnis der Teilaufgabe (2) folgt dann: $$\frac{\varepsilon}{\sqrt{p_{\rm B}\cdot(\rm 1-\it p_{\rm B})/N}}\ge {\rm 2} \hspace{0.5cm}\Rightarrow\hspace{0.5cm} N\ge \frac{\rm 4\cdot \it p_{\rm B}\cdot(\rm 1-\it p_{\rm B})}{\varepsilon^{\rm 2}}\approx \frac{\rm 4\cdot 10^{-3}}{10^{-8}}\hspace{0.15cm}\underline{=\rm 400000}.$$