新闻详情

新闻详情

首页 / 资讯中心 / 详情

从0到1的计网速成 物理层

发布时间:2026/11/13 13:27:42来源:尧图网络
从0到1的计网速成 物理层
比特 0 和 1到底怎么从一台机器传到另一台机器在电脑内部它只是二进制数据。但如果要通过网线发送出去就不能把“0”和“1”这两个字符扔进网线。所以物理层需要规定用什么介质传怎么表示0和1例如网线是电信号光纤是光信号wifi是电磁波这些都是物理层层面。不管发送的内容是什么怎么来只管怎么发出去。目录信号调制通信信道信道极限速率物理层特性物理层设备信号信号从形态分为两类模拟信号取值连续数字信号取值离散可以有两个就0和1或者多个离散状态从处理程度分为两类基带信号来自信源的原始信号可以是数字也可以是模拟。带通信号基带信号经过调制的信号基带信号保留了原始信号里的“慢变化”甚至可能包含完全不变化的部分所以它的频谱会一直延伸到低频甚至0Hz长时间保持同一电平比如连续发送0或者1。很多信道根本不适合传低频甚至接近 0 Hz 的信号所以需要调制。比如调剂到2.4gHz。但这并不意味着真能每秒发送2400000000bit它实际占用的频率范围可能是2.402 GHz 2.422 GHz那它的带宽就是大约20 MHz虽然频率上去了但是信息量没有变调制传输需要载体波。根据基带信号调整这个载体的振幅、频率相位之类的就叫做调制。调制需要注重同步要使接收方清楚每一个比特从什么时候开始到什么时候结束。而在编码里跳变有助于双发对bit的边界感一致。基带调制编码直接改变原始电脉冲的形状简单分为五种不归零NRZ1为高电平0为低电平优点简单带宽利用率高。缺点没有跳变同步能力差比如如果一直是1一直为高电平很难分清是10000个1还是10001个1。用于早期/简单数字电路、芯片内部、短距离数字信号归零RZ每发送一个 bit电平中途会“归零”。1前半段高电平后半段回到 00前半段低电平后半段回到 0哪怕一直是1也不会一直是高电平根据跳变次数可判断发送了多少个。优点同步能力更强缺点需要更快的电平变化带宽利用率差用于一些早期通信系统、光通信中的某些脉冲传输反向非归零NRZI编码看电平有没有发生翻转1 → 电平翻转0 → 电平不变小例子数据1 0 1 1 0开始低1 → 翻转 → 高0 → 不翻 → 高1 → 翻转 → 低1 → 翻转 → 高0 → 不翻 → 高电平高 高 低 高 高优点正负接反也能正常使用不失为一种幽默如果某种 bit 经常出现同步会很好缺点只能解决一部分bit的连续相同问题。用于USB、某些串行链路、磁记录等曼切斯特编码bit 中间一定跳1低 → 高0高 → 低优点同步能力强缺点跳变太频繁用于经典以太网 10BASE-T、RFID、一些工业通信差分曼切斯特编码NRZI曼切斯特0 → bit 开头跳变1 → bit 开头不跳变优点同步能力强不依赖绝对电平缺点跳变太频繁用于经典 Token Ring 等系统带通调制直接将信号载到一个高频的波上调幅有幅度无幅度表示01调频高频低频表示01调相不同相位表示01通信信道单工通信单个信道单向传输半双工通信两条信道相反传输不可同时物理上一条信道可以做到全双工通信两条信道反向传输可同时信道极限速率比特率bit/s波特率码元/s补充知识NRZ、NRZI 比特率波特率RZ、曼切斯特反向曼切斯特比特率波特率12一个码元携带比特数量为,V代表有多少种形态的码元奈氏准则理想信道极限传输速率W代表带宽为什么前面乘2因为最快半个正弦周期能安排一个互不干扰的码元既然一个正弦周期能切两份为什么不能切成4份、8份因为你越想制造更短、更陡的变化就需要越高的频率成分而信道带宽有限高频成分过不去波形会越来越圆滑相邻码元最终混在一起。带宽有限的信道无法产生任意快速的独立变化。香农定理如果考虑噪声的场景极限传输速率为S代表信号功率N代表噪声功率信息论这一块两年前学的都忘光了绝望地蠕动奈氏香农信道无噪声理想信道有噪声信道限制来源带宽 码元形式带宽 信噪比意义符号不能无限快加再多编码状态也不能突破容量物理层特性机械特性硬件层面接口外形电气特性接口电缆各线的电压范围功能特性出现某一电平的电压的意义过程特性各种可能事件的出现顺序物理层设备中继器信号整形、放大、再转发原理是信号再生数字信号而非简单的放大两个接口一端进一端出放大器直接放大模拟信号集线器多端口中继器一端进多端出不具备定向传送能力只能半双工
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉