Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clasificacion de Las Señales
Clasificacion de Las Señales
v 2 (t )
R
p(t ) =
(1)
p(t ) = i 2 (t )R
(2)
p(t ) = x 2 (t )
(3)
donde x(t) representa una tensin o una corriente, indistintamente. La energa disipada
durante el intervalo de tiempo (- T/2, T/2) por una seal con potencia instantnea expresada
por (3) se puede escribir como:
E xT =
T /2
T / 2
x 2(t )dt
(4)
1
T
T /2
T / 2
x 2(t )dt
(5)
E x = lim
T /2
x 2(t )dt =
T T / 2
x 2(t )dt
(6)
En la prctica siempre transmitimos seales que tienen energa finita. Sin embargo,
para describir las seales peridicas, que por definicin existen para todo tiempo t y tienen
energa infinita, es conveniente definir una clase de seales llamadas seales de potencia. Por
definicin, una seal es de potencia si, y slo si, tiene potencia mayor que cero y de valor
finito para todo t:
1
T T
Px = lim
T /2
T / 2
x 2(t )dt
(7)
Seales Peridicas
Seales de Potencia
Seales Aleatorias
Seales de Energa {Seales Determinsticas no Peridicas
La clasificacin en estas dos categoras descriptas es un modelo conveniente para tratar
cierto tipo de seales y el ruido.
Densidad espectral
La densidad espectral de una seal caracteriza la distribucin de energa o de potencia
de una seal en el dominio de la frecuencia.
Densidad Espectral de Energa. La energa total de una seal de energa x(t), definida
sobre un intervalo (-, +) se describe mediante la ecuacin (6). Podemos relacionar la
energa de esa seal expresada en el tiempo con la energa expresada en el dominio de la
frecuencia mediante la siguiente expresin:
Ex =
x 2 (t )dt =
X (f ) df
(8)
X (f ) =
x(t ) e j 2ft dt
Podemos hacer:
x (f ) = X (f )
(9)
Ex =
x (f )df
(10)
Esta ecuacin establece que la energa de una seal es igual al rea bajo la curva x(f).
La densidad espectral de energa describe la energa de la seal por unidad de ancho de
banda, expresado en Joules/Hertz. Como X(f) es una funcin par resulta que:
E x = 2 x (f )df
(11)
Densidad Espectral de Potencia. La potencia promedio, de una seal real x(t) se define
en la ecuacin (7). Si x(t) es una seal peridica con perodo T0, se la clasifica como una
seal de potencia, con potencia media expresada por:
Px =
1
T0
T0 / 2
T0 / 2
x 2(t )dt =
2
n
(12)
n =
G x (f ) =
2
n
(f nf 0 )
(13)
n =
La ecuacin (13) define la densidad espectral de potencia de una seal peridica x(t)
como una sucesin de funciones delta pesadas por el coeficiente cn2 . Esto significa
que es una funcin discreta de la frecuencia. La potencia media total, normalizada, queda
expresada como:
Px =
G x (f )df = 2 G x (f )df
0
(14)
Autocorrelacin
Autocorrelacin de una seal de energa
La correlacin es un proceso de comparacin. La autocorrelacin se refiere a la
comparacin de una seal con una versin desplazada de s misma. La funcin de
autocorrelacin, Rx(), de una seal real de energa x(t), viene definida por:
Rx ( ) =
(15)
1. R x ( ) = R x ( )
4. Rx (0) =
x2(t )dt
1
T T
Rx ( ) = lim
T /2
T / 2
(16)
Cuando la seal de potencia x(t) es peridica con perodo T0, el tiempo de promediacin
puede tomarse sobre un perodo, quedando la expresin:
Rx ( ) =
1
T0
T0 / 2
T0 / 2
(17)
1. R x ( ) = R x ( )
4. Rx (0) =
1
T0
T0 / 2
T0 / 2
x2(t )dt
Seales aleatorias
Veremos a continuacin algunas caractersticas de las seales aleatorias y repasaremos
algunos conceptos bsicos de estadsticas.
Sea X(A) una variable aleatoria. Representa la relacin entre un evento aleatorio A y un
nmero real. Por conveniencia indicaremos a la variable aleatoria solamente por X, quedando
implcita su relacin con A. La variable aleatoria puede ser discreta o continua. Las variables
aleatorias discretas son aquellas que ante un evento, el conjunto de resultados posibles es
discreto. Por ejemplo, supongamos el evento A = se arroja un dado. Los valores posibles
para X son {1, 2, 3, 4, 5 y 6}. Las variables aleatorias continuas son aquellas que, para un
F X (x) = P(X x)
(18)
1. 0 FX (x) 1
2. FX ( x1) FX (x2 ) si x1 x2
3. F X () = 0
4. F X (+) = 1
Para el caso de una variable aleatoria continua, la fda es continua. Para el caso de una
variable aleatoria discreta la fda tiene saltos escalonados o bien podramos decir que es
continua por segmentos. Tambin sigue siendo creciente.
Otra expresin til es la funcin de densidad de probabilidad (fdp), definida como:
p X (x) =
dF X ( x)
dx
(19)
P ( x1 X x 2 ) = P ( X x 2 ) P ( X x 1 )
= F X ( x 2 ) F X (x1 )
=
x2
x1
p X ( x )dx
1. p X (x) 0
2.
p X (x)dx = F X (+) F X () = 1
Obviamente el rea debajo de pX(x) debe ser igual a 1 pues la probabilidad de obtener
un resultado cualquiera (perteneciente al conjunto), una vez observado el evento, es 1.
La fdp de una variable aleatoria continua es una funcin continua. Para el caso de las
tensiones elctricas tomado antes como ejemplo, la funcin de densidad de probabilidad sera
una recta horizontal, de altura 1/40, y que se extiende desde x = 200 hasta x = 240. Esto
forma un rectngulo cuya rea tiene valor 1, como debe ser. En este caso decimos que la
1
Esta suposicin es en realidad bastante exagerada para una situacin real. Si se mide, por ejemplo, la tensin
elctrica domiciliaria repetidas veces, se encontrar que el valor es bastante estable y difcilmente tenga una
distribucin uniforme entre 200 y 240V sino en un intervalo ms pequeo (y con una distribucin diferente).
variable aleatoria tiene una distribucin uniforme. Para el caso de una variable aleatoria
discreta, la fdp tambin es discreta. Entonces, para el ejemplo del dado, tendramos una
funcin discreta formada por puntos de ordenada = 1/6 y abscisa 1, 2, 3, etc, hasta 6. La
suma de las ordenadas de cada punto da 1, como debe ser. La fdp tambin tiene, en este
caso, una distribucin uniforme. La distribucin uniforme es la ms sencilla de todas y desde
luego que existen numerosas funciones de densidad de probabilidad con diferentes formas.
Ntese que, para el caso de la fdp continua y uniforme del ejemplo de las tensiones, si
calculamos la funcin primitiva (la antiderivada) obtenemos como fda, funcin de distribucin
acumulativa, una recta que cumple con la ecuacin (18) y con todas las propiedades que se
enumeraron acerca de ella. Para el caso del dado, la fda sera una recta escalonada.
Indicaremos a la funcin de densidad de probabilidad como p(x). Adems, escribiremos
P(X=xi) como la probabilidad de que una variable aleatoria discreta X tome el valor xi. Es
importante aclarar que esta ltima expresin slo es vlida para variables discretas.
Para el caso de variables continuas pX(x0) no representa la probabilidad de nada.
Siempre se debe integrar entre dos valores x1 y x2 y lo que se obtiene es la
probabilidad de que la variable aleatoria X se encuentre entre los valores x1 y x2. Una
vez ms, refirindonos al ejemplo de las tensiones elctricas, la probabilidad de que el
resultado del evento sea, por decir algo, 223,18 volts no tiene sentido. En tal caso, deberemos
calcular la integral de la fdp entre dos valores muy cercanos a 223,18 y obtendremos la
probabilidad de que el resultado del evento est dentro de ese rango de integracin.
El valor medio (o valor esperado) mX de una variable aleatoria X viene definido por
m X = E {X } =
xp X ( x )dx
(20)
j P(X
= xj)
j =1
= 1
1
1
1
+2 +L+6
6
6
6
1
(1 + 2 + 3 + 4 + 5 + 6)
6
= 3,5
=
Ntese que la variable aleatoria X puede no ser igual a su valor esperado para ningn
resultado experimental.
Para el ejemplo de las tensiones elctricas el valor medio o esperado (tambin llamado
esperanza algunas veces) es 220 V, suponiendo una distribucin uniforme, es decir, una
distribucin con igual probabilidad para todos los resultados. Se puede comprobar fcilmente
aplicando la (20).
El n-simo momento de una distribucin de probabilidad de una variable aleatoria X
viene definido por
{ }
E Xn =
x n p X (x)dx
(21)
{ }
E X2 =
x 2 p X ( x)dx
(22)
var(X ) = E ( X m X )2 =
( x mX )2 p X (x)dx
(23)
{
= E {X } 2m
= E {X } 2m
= E {X } m
2X = E X 2 2m X X + m 2X
{X } + m2X
XE
X mX
+ m 2X
2
X
Procesos aleatorios
Un proceso aleatorio, X(A, t), puede ser visto como una funcin de dos variables: un
evento A y el tiempo t. Supongamos N muestras de una funcin del tiempo {Xj(t)}. Cada una
de las muestras puede ser relacionada con la salida de diferentes generadores de ruido. Para
un evento especfico Aj tenemos una funcin del tiempo X(Aj, t) = Xj(t) (o sea una muestra de
la funcin). La totalidad de las muestras forman un conjunto o ensamble. Para un tiempo
especfico tk, X(A, tk) es una variable aleatoria X(tk), cuyo valor depende del evento. Para un
evento especfico A = Aj y un tiempo especfico t = tk, X(Aj, tk) es simplemente un nmero. Por
conveniencia designaremos a este proceso aleatorio como X(t) y la dependencia con A quedar
implcita. La Figura 1 muestra un ejemplo de proceso aleatorio. Se trata de N eventos; cada
evento depende del resultado aleatorio del mismo y del tiempo.
E {X (t k )} =
xp X k ( x)dx = m X (t k )
(24)
donde X(tk) es la variable aleatoria obtenida por observacin del proceso aleatorio en el
tiempo tk. La fdp de X(tk) es pxk(x). Es la funcin de densidad de probabilidad sobre todo el
conjunto de eventos, tomada en el tiempo tk.
Definiremos a la funcin de autocorrelacin del proceso aleatorio X(t) como una funcin
de dos variables, t1 y t2:
R X (t1 , t 2 ) = E {X (t1 )X (t 2 )}
(25)
donde X(t1) y X(t2) son las variables aleatorias obtenidas por observacin de X(t) en los
tiempos t1 y t2 respectivamente. La funcin de autocorrelacin da una pauta de cunto se
parecen dos muestras del mismo proceso aleatorio, desplazadas en el tiempo.
Procesos estacionarios
Un proceso aleatorio X(t) se dice estacionario en sentido estricto si ninguna de sus
propiedades estadsticas son afectadas por un desplazamiento sobre el eje de tiempos. Un
proceso aleatorio se dice estacionario en sentido amplio si la media y la autocorrelacin no
varan con un desplazamiento en el tiempo. As, un proceso es estacionario en sentido amplio
si,
E {X (t )} = mX = constante
(26)
RX (t1, t2 ) = RX (t1 t2 )
(27)
(28)
Para un proceso estacionario en sentido amplio, RX() da una idea del parecido de los
valores del proceso separados por un tiempo . En otras palabras, da una idea de la rapidez
con que va cambiando el proceso a lo largo del tiempo. Si RX() cambia lentamente significa
que, en promedio, los valores de X(t) tomados en t1 y t1 + son aproximadamente iguales. De
esa manera una representacin de X(t) en el dominio de la frecuencia debera tener una
preponderancia de bajas frecuencias. Por el contrario, si RX() decrece rpidamente con el
aumento de deberamos esperar que X(t) cambie rpidamente con el tiempo y que contenga
principalmente altas frecuencias.
Las propiedades de la funcin de autocorrelacin para un proceso estacionario en
sentido amplio son:
1. R x ( ) = R x ( )
4. Rx (0) = E X 2 (t )
la seal.
Ergodicidad. Para calcular mX y RX() por promediacin del ensamble o conjunto,
deberamos promediar todas las muestras de la funcin y deberamos contar con informacin
estadstica ms amplia que generalmente no est disponible. Cuando un proceso aleatorio
pertenece a cierta clase especial llamado proceso ergdico, su promedio temporal es
igual al promedio del ensamble y las propiedades estadsticas del proceso pueden
determinarse a partir del promedio temporal de una sola muestra. Para que un
proceso aleatorio sea ergdico debe ser estacionario en sentido estricto (la inversa
no es necesariamente verdadera). Sin embargo, en sistemas de comunicaciones que
satisfacen la condicin de estacionario en sentido amplio, slo nos interesa saber la media y la
funcin de autocorrelacin.
Podemos decir que un proceso es ergdico en la media si
mX = lim 1 / T
T
T /2
T / 2
X (t )dt
(29)
RX ( ) = lim 1 / T
T
T /2
T / 2
X (t )X (t + )dt
(30)
4. La cantidad
DC). Teniendo en cuenta el punto 3, vemos que se trata de la raz cuadrada de la potencia
media normalizada total. Esto coincide con la definicin de valor rms de una seal (en otras
palabras, es la raz cuadrada del valor medio del cuadrado de la seal de tensin o de
corriente)
2X = var( X ) = E (X m X )2
(x m ) p (x)dx
= (x 2 xm + m )p (x )dx
= x p (x )dx 2 xm p ( x )dx
= E {X } 2m E {X } + m
= E {X } 2m + m
= E {X } m
123
{
=
2
X
2
X
2
X
m2X p X ( x )dx
2
X
10
potencia
total
2
X
potencia
dc
{ }
1. G X (f ) 0
2. G X (f ) = G X (f )
3. G X (f ) RX ( )
4. PX =
G X (f )df
p(n) =
1 n 2
exp
2
2
(31)
11
12
13
p(z ) =
1 z a 2
exp
2
2
(32)
donde, una vez ms, sigma cuadrado es la varianza de n. Esta forma gaussiana que se
le asigna a la distribucin de probabilidad de ruido blanco surge de un teorema que dice que la
suma de muchas variables aleatorias independientes tiende a una distribucin gaussiana, sin
importar qu distribucin tiene cada variable. La grfica de la (32) es similar a la de la Figura 3
pero en vez de estar centrada en el eje y est centrada en un eje que pasa por a (donde a es
un valor de la abscisa).
Ruido blanco
La caracterstica distintiva del ruido trmico es que su densidad espectral de potencia es
constante para todas las frecuencias que son de inters en la mayora de los sistemas de
comunicaciones. Es decir, una fuente de ruido trmico emana una igual cantidad de potencia
por unidad de ancho de banda para todas las frecuencias (desde DC hasta aproximadamente
1012 Hz). Por lo tanto se puede describir al ruido trmico asumiendo que su densidad espectral
de potencia Gn(f) es constante para todas las frecuencias, y se expresa como:
Gn(f ) =
14
N0
2
watts / hertz
(33)
El factor se incluye para indicar que la funcin es par y abarca tanto frecuencias
negativas como positivas. Un ruido de estas caractersticas se dice que es ruido blanco. El
adjetivo blanco se debe a que se lo compara con la luz blanca que tiene componentes iguales
para todas las frecuencias (para todos los colores).
La funcin de autocorrelacin del ruido blanco viene dada por la antitransformada de
Fourier de la densidad espectral de potencia:
Rn ( ) = 1 {G n (f )} =
N0
(t )
2
(34)
Por lo tanto, la funcin de autocorrelacin del ruido blanco es una funcin delta
pesada por el factor N0/2 y ocurre en = 0. Esto indica que dos valores cualquiera de la
funcin de ruido son incorrelados y no tienen ningn parecido.
La potencia media Pn del ruido blanco es infinita ya que el ancho de banda es infinito y
el rea debajo de la curva de densidad espectral de potencia es infinita:
Pn =
N0
df =
2
Figura 4. (a) Densidad espectral de potencia del ruido blanco. (b) Funcin
de autocorrelacin del ruido blanco.
15
Entrada
Salida
Red Lineal
x(t)
X(f)
h(t)
H(f)
y(t)
Y(f)
16
(35)
x( )h(t )d
(36)
El sistema es asumido como causal, lo cual significa que no hay salida antes del tiempo
t = 0 cuando la seal es aplicada. Por lo tanto, la expresin anterior queda:
y(t ) =
x( )h(t )d
0
(37)
(38)
H(f ) =
Y (f )
X (f )
(39)
siempre y cuando X(f) 0 para todo f. Aqu, H(f) es la transformada de Fourier de h(t)
y se llama funcin de transferencia en frecuencia o respuesta en frecuencia de la red. En
general, H(f) es una expresin compleja y puede escribirse como:
H(f ) = H(f ) e j (f )
(40)
(f ) = tan1
Im{H(f )}
Re{H(f )}
(41)
(42)
17
seal que sale de una lnea de transmisin ideal debe ser igual a la seal de entrada, salvo un
factor de escala y un retardo. Es decir, una lnea de transmisin ideal, sin distorsin, debe
relacionar las seales de entrada y de salida de la siguiente manera:
y(t ) = Kx(t t 0 )
(43)
Y (f ) = KX (f )e j 2ft0
(44)
H(f ) = Ke j2ft0
(45)
o bien
t0[segundos] =
[radianes]
2f [radianes/segundo]
(46)
Figura 6. Ancho de banda de una seal digital. (a) Mitad de potencia. (b) Rectngulo
equivalente. (c) Ancho entre ceros. (d) 99% de la potencia. (e) DEP limitada a 35 y
50 dB.
18
Todos los criterios de ancho de banda tienen en comn la intencin de especificar una
medida del ancho B, para una densidad espectral de potencia definida para todas las
frecuencias tales que f<. En la Figura 6 se ilustran algunas de las definiciones ms
comunes.
a) Ancho de banda de mitad de potencia. Es el intervalo de frecuencias en los puntos
donde G(f) cae a la mitad del valor mximo. Esto equivale a una cada de 3 dB.
b) Rectngulo equivalente (tambin llamado ancho de banda de ruido equivalente). Es
un ancho de banda definido como BN = Px/Gx(fc), donde Px es la potencia total de la
seal sobre todo el espectro de frecuencias y Gx(fc) es el valor de la densidad
espectral de potencia en el centro de la banda. Ntese que si Px se expresa en watts
y Gx(fc) en watts/hertz entonces BN resulta en hertz, como debe ser.
c) Ancho de banda entre ceros. Es quizs la clasificacin ms popular para el ancho de
banda en sistemas digitales. Es el lbulo principal del espectro, all donde se
distribuye la mayor cantidad de potencia.
d) Ancho de banda de 99%. Es el ancho de banda limitado por las frecuencias que
determinan una potencia del 99% del total.
e) Densidad Espectral de Potencia limitada. Establece un ancho de banda tal que, fuera
de l, Gx(f) debe caer por debajo de un cierto nivel con respecto del nivel que hay
en el centro de banda. Valores tpicos son 35 dB y 50 dB.
Resumen
Hemos clasificado las seales segn sean determinsticas o aleatorias. Por otra parte
tambin las clasificamos segn sean seales de energa o seales de potencia, y hablamos de
densidades espectrales de energa y densidades espectrales de potencia, respectivamente. Las
seales que manejaremos en el resto del curso sern de alguno de estos dos ltimos tipos y
sus espectros sern de energa o de potencia.
Las seales aleatorias, muy comunes en sistemas de comunicaciones, quedan
representadas por sus parmetros estadsticos, como ser la media o la varianza. Cuando las
seales aleatorias son ergdicas entonces los parmetros estadsticos pueden calcularse a
partir de los valores temporales de la seal. Por ejemplo, el valor medio estadstico coincide
con el valor medio temporal. As, vimos cmo se relacionan los parmetros estadsticos con
variables temporales como potencia media, tensin media, tensin eficaz, entre otros. Esta es
la manera de describir las caractersticas elctricas de una seal aleatoria. La funcin de
autocorrelacin y la densidad espectral de potencia en estas seales quedan vinculadas a
travs de la transformada de Fourier. El ruido blanco gaussiano es uno de estos tipos de
seales ergdicas y tiene una fdp precisamente de forma gaussiana, un espectro de potencia
en forma prctica de extensin infinita en frecuencia y una funcin de autocorrelacin que es
una delta ubicada en = 0.
Finalmente vimos algunas caractersticas de las funciones de transferencias lineales y
cmo deben ser stas para que no se distorsione la seal a transmitir. Tambin se habl de los
lmites prcticos que tienen los espectros de potencia dado que no es posible que se extiendan
infinitamente con la frecuencia y cules son los criterios para establecer esos lmites.
19