Difference between revisions of "Aufgaben:Exercise 5.6: Error Correlation Duration"

From LNTwww
Line 1: Line 1:
  
{{quiz-Header|Buchseite=Digitalsignalübertragung/Bündelfehlerkanäle}}
+
{{quiz-Header|Buchseite=Digital_Signal_Transmission/Burst_Error_Channels}}
  
[[File:P_ID1842__Dig_A_5_6.png|right|frame|Fehlerkorrelationsfunktion beim GE–Modell]]
+
[[File:P_ID1842__Dig_A_5_6.png|right|frame|Error correlation function of the GE model]]
Die Grafik zeigt die ''Fehlerkorrelationsfunktion''  (FKF) des ''Gilbert–Elliott–Modells''  mit den Parametern
+
The graph shows the ''error correlation function''  (ECF) of the ''Gilbert–Elliott model''  with the parameters
 
:$$p_{\rm G} \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 0.001,
 
:$$p_{\rm G} \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 0.001,
 
\hspace{0.2cm}p_{\rm B} = 0.1,\hspace{0.2cm}
 
\hspace{0.2cm}p_{\rm B} = 0.1,\hspace{0.2cm}
Line 11: Line 11:
 
B\hspace{0.05cm}|\hspace{0.05cm} G) = 0.01\hspace{0.05cm}$$
 
B\hspace{0.05cm}|\hspace{0.05cm} G) = 0.01\hspace{0.05cm}$$
  
in logarithmierter Darstellung.
+
in logarithmic representation.
  
Dieses Modell wird in der  [[Aufgaben:Aufgabe_5.6Z:_GE-Modelleigenschaften| Aufgabe 5.6Z]]  ausführlich behandelt. Insbesondere wird in dieser Aufgabe auch die Fehlerkorrelationsfunktion (FKF) berechnet. Mit den Hilfsgrößen
+
This model is discussed in detail in  [[Aufgaben:Exercise_5.6Z:_Gilbert-Elliott_Model|"Exercise 5.6Z"]].  In particular, the error correlation function (ECF) is also calculated in this exercise. With the auxiliary quantities
 
:$$A \hspace{-0.1cm} \ = \ \hspace{-0.1cm} (p_{\rm B}- p_{\rm M})
 
:$$A \hspace{-0.1cm} \ = \ \hspace{-0.1cm} (p_{\rm B}- p_{\rm M})
 
\cdot (p_{\rm M}- p_{\rm
 
\cdot (p_{\rm M}- p_{\rm
Line 21: Line 21:
 
G\hspace{0.05cm}|\hspace{0.05cm} B)$$
 
G\hspace{0.05cm}|\hspace{0.05cm} B)$$
  
kann für diese geschrieben werden:
+
it can be written for:
 
:$$\varphi_{e}(k) =
 
:$$\varphi_{e}(k) =
 
  \left\{ \begin{array}{c} p_{\rm M} \\
 
  \left\{ \begin{array}{c} p_{\rm M} \\
 
  p_{\rm M}^2 + A \cdot (1-B)^k \end{array} \right.\quad
 
  p_{\rm M}^2 + A \cdot (1-B)^k \end{array} \right.\quad
\begin{array}{*{1}c} f{\rm \ddot{u}r }\hspace{0.15cm}k = 0  \hspace{0.05cm},
+
\begin{array}{*{1}c} f{\rm or }\hspace{0.15cm}k = 0  \hspace{0.05cm},
\\  f{\rm \ddot{u}r }\hspace{0.15cm} k > 0 \hspace{0.05cm}.\\ \end{array}$$
+
\\  f{\rm or }\hspace{0.15cm} k > 0 \hspace{0.05cm}.\\ \end{array}$$
  
 
Hierbei handelt es sich um einen Bündelfehlerkanal. Zur quantitativen Beschreibung der statistischen Bindungen verwendet man oft die Korrelationsdauer gemäß der folgenden Definition:
 
Hierbei handelt es sich um einen Bündelfehlerkanal. Zur quantitativen Beschreibung der statistischen Bindungen verwendet man oft die Korrelationsdauer gemäß der folgenden Definition:

Revision as of 03:00, 19 September 2022

Error correlation function of the GE model

The graph shows the error correlation function  (ECF) of the Gilbert–Elliott model  with the parameters

$$p_{\rm G} \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 0.001, \hspace{0.2cm}p_{\rm B} = 0.1,\hspace{0.2cm} {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)\hspace{-0.1cm} \ = \ \hspace{-0.1cm} 0.1, \hspace{0.2cm} {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) = 0.01\hspace{0.05cm}$$

in logarithmic representation.

This model is discussed in detail in  "Exercise 5.6Z".  In particular, the error correlation function (ECF) is also calculated in this exercise. With the auxiliary quantities

$$A \hspace{-0.1cm} \ = \ \hspace{-0.1cm} (p_{\rm B}- p_{\rm M}) \cdot (p_{\rm M}- p_{\rm G})\hspace{0.05cm},$$
$$B\hspace{-0.1cm} \ = \ \hspace{-0.1cm} {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) + {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)$$

it can be written for:

$$\varphi_{e}(k) = \left\{ \begin{array}{c} p_{\rm M} \\ p_{\rm M}^2 + A \cdot (1-B)^k \end{array} \right.\quad \begin{array}{*{1}c} f{\rm or }\hspace{0.15cm}k = 0 \hspace{0.05cm}, \\ f{\rm or }\hspace{0.15cm} k > 0 \hspace{0.05cm}.\\ \end{array}$$

Hierbei handelt es sich um einen Bündelfehlerkanal. Zur quantitativen Beschreibung der statistischen Bindungen verwendet man oft die Korrelationsdauer gemäß der folgenden Definition:

$$D_{\rm K} = \frac{1}{\varphi_{e0} - p_{\rm M}^2} \cdot \sum_{k = 1 }^{\infty}\hspace{0.1cm}\big [\varphi_{e}(k) - p_{\rm M}^2 \big]\hspace{0.05cm}.$$

Der Bezugswert  $\varphi_{e0}$  ergibt sich dabei durch Extrapolation  der Fehlerkorrelationsfunktion in den Punkt  $k = 0$. Ist wie hier der FKF–Verlauf analytisch gegeben, so kann man  $\varphi_{e0}$  auch dadurch berechnen, dass man in die eigentlich nur für  $k > 0$  gültige Gleichung den Wert  $k = 0$  einsetzt.




Hinweise:



Fragebogen

1

Welcher FKF–Wert gilt exakt für  $k = 0$?

$\varphi_e(k = 0) \ = \ $

$\ \cdot 10^{-2}$

2

Wie groß ist der aus der gegebenen FKF extrapolierte Wert für  $k = 0$?

$\varphi_{e0} \ = \ $

$\ \cdot 10^{-2}$

3

Welches Ergebnis erhält man für die Fehlerkorrelationsdauer  $D_{\rm K}$  mit den vorne definierte Größen  $A$  und  $B$?

$D_{\rm K} = A \cdot B$,
$D_{\rm K} = 1/A \, - B$,
$D_{\rm K} = 1/B \, -1$.

4

Welche Korrelationsdauer ergibt sich beim vorliegenden GE–Modell?

$D_{\rm K} \ = \ $

5

Welche Aussagen gelten bezüglich der Korrelationsdauer  $D_{\rm K}$  des GE–Modells? Beachten Sie für Ihre Antwort die logarithmische Ordinate.

$D_{\rm K}$  bleibt gleich, wenn man  ${\rm Pr}({\rm B\hspace{0.05cm}|\hspace{0.05cm}G})$  und  ${\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}B)}$  vertauscht.
$D_{\rm K}$  hängt nur von der Summe  ${\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}B) + Pr(B\hspace{0.05cm}|\hspace{0.05cm}G)}$  ab.
Die rote Fläche in der Grafik ist gleich der blauen Rechteckfläche.


Musterlösung

(1)  Der FKF–Wert $\varphi_e(k = 0)$ gibt stets die mittlere Fehlerwahrscheinlichkeit $p_{\rm M}$ an, während der FKF–Grenzwert für $k → ∞$ gleich $p_{\rm M}^2$ ist.

  • Aus der Grafik auf der Angabenseite kann man $p_{\rm M} \ \underline {= 0.01}$ ablesen.
  • In der Aufgabe 5.6Z wird dieser Wert auf anderem Wege berechnet.


(2)  Setzt man in die untere FKF–Gleichung, die eigentlich nur für $k > 0$ gültig ist, den Parameter $k = 0$ ein, so erhält man den gesuchten Extrapolationswert.

$$\varphi_{e0} \hspace{-0.1cm} \ = \ \hspace{-0.1cm} p_{\rm M}^2 + (p_{\rm B}- p_{\rm M}) \cdot (p_{\rm M}- p_{\rm G})\hspace{0.05cm} = 10^{-4} + (0.1- 0.01) \cdot (0.01- 0.001)=10^{-4} + 0.09 \cdot 0.009 \hspace{0.15cm}\underline {\approx 0.091 \cdot 10^{-2}}\hspace{0.05cm}.$$


(3)  Nach der allgemeinen Definitionsgleichung gilt für die Fehlerkorrelationsdauer

$$D_{\rm K} = \frac{1}{\varphi_{e0} - p_{\rm M}^2} \cdot \sum_{k = 1 }^{\infty}\hspace{0.1cm} [\varphi_{e}(k) - p_{\rm M}^2]\hspace{0.05cm}.$$
  • Mit den Ausdrücken
$$A \hspace{-0.1cm} \ = \ \hspace{-0.1cm} (p_{\rm B}- p_{\rm M}) \cdot (p_{\rm M}- p_{\rm G}) = \varphi_{e0} - p_{\rm M}^2\hspace{0.05cm},$$
$$B\hspace{-0.1cm} \ = \ \hspace{-0.1cm} {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) + {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)$$
lässt sich diese Gleichung wie folgt schreiben:
$$D_{\rm K} = {1}/{A} \cdot \sum_{k = 1 }^{\infty}\hspace{0.1cm} A \cdot (1 - B)^k = \sum_{k = 1 }^{\infty}\hspace{0.1cm} (1 - B)^k\hspace{0.05cm}.$$
  • Mit der Summenformel einer geometrischen Reihe ergibt sich daraus das Endergebnis:
$$D_{\rm K} = {1}/{B} - 1 = \frac{1}{{\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) + {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)} - 1\hspace{0.05cm}.$$
  • Richtig ist also der Lösungsvorschlag 3.


(4)  Mit ${\rm Pr(B|G)} = 0.01$ und ${\rm Pr(G|B)} = 0.1$ ergibt sich

$$D_{\rm K} = \frac{1}{0.01 + 0.1} - 1 \hspace{0.15cm}\underline {\approx 8.091}\hspace{0.05cm}.$$


(5)  Richtig ist nur der Lösungsvorschlag 1, wie in den Musterlösungen zu den letzten Teilaufgaben gezeigt wurde:

  • Damit liegt die Korrelationsdauer fest, zum Beispiel:
  • Mit ${\rm Pr(B\hspace{0.05cm}|\hspace{0.05cm}G)} = 0.1$ und $\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}B) = 0.01$ ergibt sich das gleiche $D_{\rm K} = 8.091$ wie mit $\rm Pr(B\hspace{0.05cm}|\hspace{0.05cm}G) = 0.01$ und $\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}B) = 0.1$.
  • Aber nun ist die mittlere Fehlerwahrscheinlichkeit  $p_{\rm M} \approx 9.1\%$  statt  $1\%$, jeweils für  $p_{\rm G} = 0.001$  und  $p_{\rm B} = 0.1$.
  • Auch die letzte Aussage ist falsch. Diese Aussage würde nur dann gelten, wenn  $\varphi_e(k)$  linear aufgetragen wäre und nicht wie hier logarithmisch.