加快误码率测试的置信度和精度估算方法

FB100A (除数据和时钟端口及其补码外)还有两个端口或通道。这些额外的端口可用作一个或两个附加控制线，即帧结构同步通道及其补码；或单端帧结构同步信道及附加单端帧结构数据有效指标同步控制线。这些附加的端口可用于测试在设计中包含这些控制线的简单数据接收机，避免增加前期的硬件投入。

FB100A 的另一项重要性能是仪表的内部数据发生器和数据分析仪可以用作单独的仪表。发生器产生的数据可以不同于分析仪分析的数据。当需要分析从被测设备(而不是 FB100A)发出的信号时，这是一个重要的工具。这一性能是因为FB100A中发生器和分析仪分别使用了单独的4M字节内存。对于多功能的控制线功能， FB100A数据发生器拥有附加的4M字节可编程内存，用于独有的帧结构同步序列。

最后，FB100A在物理层方面的多功能性为用户提供了逻辑接口界面的多种不同选择。串行通讯方式中，标准输出提供TTL和ECL，或TTL和PECL逻辑电平。并行通讯方式，用户可购买各种 POD选件，包括了字节宽度的数据和控制线。这些并行POD通过FB100A标准物理逻辑接口提供用户设备的连接。接口包括：使用SPI(同频串行接口) 的MPEG，ASI(异步串行接口)，或RS422，还有更为通用的串行数据传输，如RS232、RS449和HSSI，包含如TTL和LVDS逻辑电平。

当加入开始提到的通用数据发生器和协议分析仪等设备的功能，FB100A的上述性能使得简单的误码率测试设备可以成为功能强大的通讯分析工具。

AWGN和高斯概率分析

理论上，你可以测量无限长时间得到精确的误码率测试结果。然而，实际上你需要相对短的时间进行测试。因此，真实的BER统计可能明显高于或低于你的测试结果。

通过加入已知统计概率的权重到系统中，你可以通过已知的概率分布描述误码的发生。使用概率分布，你可以简单地用可信度水平和实际精度估算描述单个测试。这种方法可以在可接受的不确定度下，在短时间内得到可重复的测试结果。

在给出公式之前，回顾一下置信度水平和精度估算会很有帮助。置信度水平定义了实际误码率包含在你测试的精度范围内的概率。精度与测试误码率和真实误码率的差有关。你通常用百分数来表示它。

作为一个样例，假设你作一个测试，记录了100位误码。如果设定置信度水平是一个标准偏差(或68.27%),测试精度是10%。也就是说，真正的误码率落在误码率测试结果10%范围内的可能性有68.27%。如果你测试了10,000次，有6,827次在测试结果误差10%范围内，其余3,172次超出测试结果10%的范围。

使用高斯概率分布计算误码率测试参数

高斯概率分布提供了一个包含置信度水平和精度估算的公式，可用于误码率测量。基本公式把置信度水平和精度估算与实际测得的误码数关联起来。你可以使用其中两个参数，使用这个公式解决任何包含三个参数的问题。更多的，你用它解决精度估算，但它也可解决给定精度和置信度水度时需要测得多少误码的问题。本文介绍的第二个公式描述了最少的无误码测试时间与可信的理想误码上限的关系。

第一个公式在假定误码不为零的情况下，为期望的精度估算提供一个计算方法。执行这个计算时，你还必须设定置信度水平。这个等式解决了测量精度问题，可以表示为 ± 误差，用于误码率测试。这个误差因素与测试时间和误码率无关，它只取决于测试的误码位数。

精度 =s/vn

s：标准偏有效期 n：误码位数

标准偏差直接与置信度有关。表1和表2给出了置信度水平和标准偏差的关系样例。上面等式中标准偏差的数值代表了置信度水平；置信度水平代表了真正误码率落入你计算的精度范围内的可能性。

举个例子，假定一个测试结果有4,331位误码位。期望的置信度水平是99.9%，你用3.29053的标准偏差。可以计算出精度大约是5%：

精度=3.29053/v4331

=3.29053/65.8027

=0.050006

你可以用相同的公式确定得到相应精度和置信度所需的误码位数。这个等式可以有效地确定何时可以结束测试，当测试的误码数量达到这一值时就可以终止测试。解决计算误码位数的问题，这个公式可以变为：

误码位数=(s/a)/v

s：标准偏差； a：期望的精度

继续使用前面的样例，假定目标精度是±5% ，置信度为 99.9%。需要测试的误码位数为4,332：

位误码率 =(3.29053/0.05 )/v

= 65.81062/v

= 4331.035

注意置信度、精度和误码位数在等式中的关系。置信度和精度成反比，而他们两个同时正比于误码位数。基本上，置信度提高，则精度变差或误码位数增加。相同的关系适用于精度的增加，置信度下降，或误码位数增加。当你在测试前使用公式确定置信度、精度或测试时间，这一概念非常有用。

没有误码时误码率参数的计算

前面介绍的公式确定了精度但需要误码位数。注意其前提条件是测试时会产生累积的误码位数。但是，当测试没有无误码时，会发生什么呢？因为误码率是零，设置精度是没有意义的，因为任何精度乘零结果都是零。你不能假定真实的误码率为零，因为你只进行了一个样本测试。因此你需要找到一条可信的误码率上限，用于测量零误码的情况。

进行此项测试，你需要考虑另一种不同的概率分布，叫泊松分布。分析泊松分布，你使用一个公式计算一个几乎不可能再次发生的事件的概率。如果真正的误码率是知道的，你可以用公式计算在给定时间内零误码的概率：

P(0)=e - rT

R：误码位出现的频率 T：测试时间

这个公式提供了测试零误码的概率。这个概率可以转化置信度。零误码概率等于真正的误码率等于或高于公式中设定的误码率的几率。因此，如果你变换概率为“1-P(0)”，它变为真实误码率等于或低于公式中误码率的概率。