BER测量和测试时间

数字通信系统的BER可以定义为通过系统发送的任何比特将被错误接收的估计概率（例如，作为“0”接收的发送“1”，反之亦然）。

在实际测试中，通过在系统中传输有限数量的比特并计算接收到的比特错误的数量来测量BER。错误接收的比特数与发送的总比特数之比是BER。

随着发送比特总数的增加，BER估计的质量也会提高。在限制中，随着发送比特数接近无穷大，BER成为真实错误概率的完美估计。由于实际的BER测试需要有限的测试时间，我们应该找到一种方法来确定有多少传输比特足以满足所需的估计质量。

这可以使用统计置信水平（CL）的概念来完成。在统计学术语中，BER CL可以被定义为基于概率 – 基于N个发送比特中的E个检测到的错误 – “真实”BER将小于指定比率R.

出于此定义的目的，真BER意味着如果传输的比特数是无限的，则将测量BER。在数学上，这可以表示为：

CL = PROB [BER _T <R]，给定E和N，

这里CL表示BER置信水平，PROB []表示“概率”，BERT表示真正的BER。因为CL根据定义是概率，所以可能值的范围是0％到100％。一旦计算出CL，我们可以说我们有CL百分比确信真实BER小于R.另一种解释是，如果我们通过系统重复发送相同数量的比特N并计算检测到的数量误差E每次我们重复测试时，我们都期望得到的BER估计值E / N小于R，用于重复测试的CL百分比。

与方程式一样有意思的是，我们真正想知道的是如何转向它以便我们可以计算需要传输多少位来计算CL。

为此，我们利用涉及二项分布函数和泊松定理的统计方法。得到的等式是：

要么

E表示检测到的错误总数，ln []是自然对数。

当没有检测到错误时（即，E = 0），该等式中的第二项等于零，并且大大简化了对等式的求解。当E不为零时，仍然可以凭经验求解等式（例如，通过使用计算机电子表格）。

如果我们将方程转换为2-D，我们可以说明必须传输的比特数（归一化为BER）与CL之间的零，一和两位错误之间的关系，如下图所示：

例如，10 Gb / s的5分钟BER测试接收3万亿比特。如果没有观察到错误，该测试确保BER小于10-12，准确度为95％。

如果没有观察到错误，更长的30分钟测试可确保BER小于10-12，准确度为99.999999％。

有关更多信息，请参阅Lightwave 。