计算机网络五层模型之物理层

2024-02-25 15:20

本文主要是介绍计算机网络五层模型之物理层,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、物理层

网络七层模型:

    物理层,数据链路层,网络层,运输层,会话层,表现层,应用层

 

网络五层模型:

    物理层,数据链路层,网络层,运输层,应用层

 

一、会话层

           提供的服务可使应用建立和维持会话,并能使会话获得同步。会话层使用校验点可使通信会话在通信失效时从校验点继续恢复通信。这种能力对于传送大的文件极为重要。

二、表示层

           主要作用是为异种机通信提供异种公共语言,以便能进行互操作。这种类型的服务之所以需要,是因为不同的计算机体系结构使用的数据表示方法不同。

          例如,IBM主机使用EBCDIC编码,而大部分PC机使用的是ASCII码。在这种情况下,便需要表示层来完成这种转换。

 

1、物理层:  为数据端设备提供传送数据通路(物理媒介)、传输数据。

 概念:物理层是OSI的第一层,它虽然处于最底层,却是整个开放系统的基础。物理层为设备之间的数据通信提供传输媒体及互连设备,为数据传输提供可靠的环境。如果您想要用尽量少的词来记住这个第一层,那就是“信号和介质”

 物理层要解决的主要问题:

             (1)物理层要尽可能地屏蔽掉物理设备和传输媒体,通信手段的不同,使数据链路层感觉不到这些差异,只考虑完成本                        层的协议和服务。

              (2)  在两个相邻系统之间唯一地标识数据电路

功能: 为数据端设备提供传送数据的通路,数据通路可以是一个物理媒体,也可以是多个物理媒体连接而成。一次完整的数据传输,包括激活物理连接,传送数据,终止物理连接。所谓激活,就是不管有多少物理媒体参与,都要在通信的两个数据终端设备间连接起来,形成一条通路。

       传输数据:物理层要形成适合数据传输需要的实体,为数据传送服务。一是要保证数据能在其上正确通过,二是要提供足够的带宽(带宽是指每秒钟内能通过的比特(BIT)数),以减少信道上的拥塞。传输数据的方式能满足点到点,一点到多点,串行或并行,半双工或全双工,同步或异步传输的需要。

主要任务:确定与传输媒体的接口有关的一些特性

                 机械特性 指明接口所用接线器的形状和尺寸、引线数目和排列、固定和锁定装置等等。

                 电气特性 指明在接口电缆的各条线上出现的电压的范围。

                 功能特性 指明某条线上出现的某一电平的电压表示何种意义。

                  过程特性 指明对于不同功能的各种可能事件的出现顺序。

香农公式: 

信噪比: 

复用 

频分复用:它的所有用户在同样时间占用不同的带宽资源:请注意,这里的“带宽”是频率带宽而不是数据的发送速率)。

时分复用:它的所有用户是在不同的时间占用同样的频带宽度

统计时分复用 STDMSTDM 帧不是固定分配时隙,而是按需动态地分配时隙。因此统计时分复用可以提高线路的利用率。

波分复用:就是光的频分复用。使用一根光纤来同时传输多个光载波信号。

码分复用:每一个用户可以在同样的时间使用同样的频带进行通信。由于各用户使用经过特殊挑选的不同码型,因此各用户之间不会造成干扰。

信道

一般都是用来表示向某一个方向传送信息的媒体。因此,一条通信电路往往包含一条发送信道和一条接受信道。

从通信的双方信息交互的方式来看,可以有以下三种基本方式:

(1)单向通信(单工通信):即只能有一个方向的通信而没有反方向的交互,例如电视广播

(2)双向交替通信(半双工通信):即通信的双方都可以发送信息,但不能双方同时发送(当然也就不能同时接收),是一方发送,另一方接收,过一段时间后再反过来

(3)双向同时通信(全双工通信):即通信的双方可以同时发送和接收信息
 

传输

       提高信号传输速率的方法:第一:增大带宽(相同条件下可以传输更多的信息,类似水管,水管越粗铜梁越大)。第二:编码(通过编码让最少的码元传输更多的信息)

 

导引型传输媒体:

            双绞线、同轴电缆、光缆’

非导引型传输媒体:

当通信线路要通过一些高山或岛屿,有时很难施工,或当通信距离较远的时候,由于铺设电缆昂贵费时,所以就利用无线电波在自由空间的传播就可以很快的实现多种通道。

 

数字传输系统:

这个和通信原理里面知识点一样。

脉冲编码调制:将模拟信号转换成数字信号,

脉冲编码调制就是把一个时间连续,取值连续的模拟信号变换成时间离散,取值离散的数字信号后在信道中传输。

对模拟信号先抽样,再对样值幅度量化

 

抽样定理:将模拟信号中抽样,可以等间隔采样,

 

量化:幅度上仍连续的抽样信号进行幅度离散

异步通信与同步通信 :

异步通信是指通信的发送与接收设备使用各自的时钟控制数据的发送和接收过程。为使双方的收发协调,要求发送和接收设备的时钟尽可能一致 

同步通信时要建立发送方时钟对接收方时钟的直接控制,使双方达到完全同步

 

 

码分复用及其计算

 

CDMA给每一个站分配的码片序列不仅必须各不相同,并且还必须互相正交,用数学公式表示为,令向量S表示站S的码片向量,再令T表示其他任何站的码片向量,两个不同站的码片序列正交,就是向量S和T的规格化内积为0

 

3、任何一个码片向量和该码片向量自己的规格化内积都是1(下面计算题用到!)

4、任何一个码片向量和该码片的反码的向量的规格化内积都是-1

共有四个站进行码分多址CDMA通信。四个站的码片分别为
A:(-1 -1 -1 +1 +1 -1 +1 +1) B:(-1 -1 +1 -1 +1 +1 +1 -1)
C:(-1 +1 -1 +1 +1 +1 -1 -1) D:(-1 +1 -1 -1 -1 -1 +1 -1 )
现收到这样的码片序列:(-1 +1 -3 +1 -1 -3 +1 +1)问哪个站发送数据了?发送数据的站发送的1还是0?

参考:https://blog.csdn.net/ymnl_gsh/article/details/83245304

https://baike.baidu.com/item/%E7%A0%81%E5%88%86%E5%A4%8D%E7%94%A8/749972?fr=aladdin

http://www.sohu.com/a/287750147_100123073

https://blog.csdn.net/qq_37792173/article/details/77505348

这篇关于计算机网络五层模型之物理层的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/745890

相关文章

Golang的CSP模型简介(最新推荐)

《Golang的CSP模型简介(最新推荐)》Golang采用了CSP(CommunicatingSequentialProcesses,通信顺序进程)并发模型,通过goroutine和channe... 目录前言一、介绍1. 什么是 CSP 模型2. Goroutine3. Channel4. Channe

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU