Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoría de Señales Fundamentos (2009)
Teoría de Señales Fundamentos (2009)
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1
Under construction
Teora de Seales:
Fundamentos
Autores
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
4
Teora de Seales:
Fundamentos
Autores
2009
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
9
10
ISBN: XXX-XXX-XXXX-XX-X
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
11
12
13
14
Probability is our evaluation supported by all what we know. Its a situation that depends essentially
upon our incomplete information, and its also a measurement of the incompleteness of our
information.
K. Popper
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
15
16
Prefacio
17
18
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
19
Introduccin
20
21
22
25
esde la visin pitagrica, basada en un primitivo anlisis armnico, de que la naturaleza completa es armnia
y nmero, que inevitablemente estructura el Todo como un cosmos lleno de proporciones y armonas.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
Notaciones
26
27
Notacin
x (a ,b ; s )
x (s )
{x } ; {x }
x [k ]
{x k : k = 1, . . . , N }
x k (t )
d (x m , x n )
x , ; x, ; X ,
i1n ; Inn
rank X ; trace X ; det X
X -1 ; X T ; X H
K {x }; L , F , Z , W
X K (s ); X ()
X
N, Z, R, C
R1 ; Rn
L2 [a ,b ]
P()
F (x ); p (x )
N (m 1 , 1 )
E {}; (t )
m n (t ); n (t )
();
n (t )
R , (); K , ()
e
e
;
S ()
H
kk = E {||2 }1/2 ; ,
name
Significado
Seal x con parmetros a ,b y argumento s
Conjugado de x C por s
Parte real de x ; parte imaginaria de x
Seal discretizada (con argumento normalizado)
Conjunto o sucesin de N valores discretos x k
Trayectoria o contorno por el argumento t de x k
Distancia mtrica entre los elementos x m y x n
Escalar; Vector; Matriz
Vector unitario; Matriz unitaria con dimensin n n
Rango; traza; determinante de X
Matriz inversa; transpuesta, hessiana
Transformada K de x ; T. Laplace, Fourier, Zeta, Wavelet
Densidad espectral de K {x } por s ; Espectro de Fourier
Espacio mtrico funcional
Dominio de los naturales, enteros, reales y complejos
Espacio de los nmeros reales; E. eucldeo con dimensin n
Espacio de Hilbert de seales integrables por Lebesgue en [a ,b ]
Medida de probabilidad del espacio de eventos elementales
Distribucin de probabilidad; densidad de probabilidad de
Densidad de probabilidad Gaussiana de con momentos m 1 y 1
Valor esperado - promedio de ensamble ; promedio de tiempo
Momento inicial; Momento centralizado de orden n para
Funcin caracterstica; cumulantes de orden n por ()
Funcin de correlacin; Funcin de covarianza entre y
Valor estimado de obtenido por el estimador
Relacin de verosimilitud; Est. por mxima verosimilitud
Densidad espectral potencia de
Espacio de Hilbert de p.a. centralizados, integrables al cuadrado
Norma del p.a. ; producto punto de los p.a. y en H
P.a. ortogonales y , definidos en H
Algoritmos o aplicaciones de software
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
28
ndice general
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
5
5
10
15
15
20
27
31
32
40
42
47
47
50
53
54
2. Principios de modulacin
2.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1. Canal bsico de transmisin . . . . . . . . . . . .
2.1.2. Clasificacin de mtodos de modulacin . .
2.1.3. Comparacin de mtodos de modulacin . .
2.2. Modulacin de amplitud anloga y radiofrecuencia
2.2.1. Modulacin de doble banda lateral . . . . . . .
2.2.2. Modulacin de banda lateral nica . . . . . . .
2.2.3. Modulacin de banda lateral vestigial . . . . .
2.3. Modulacin de ngulo anloga y radiofrecuencia . .
2.3.1. Modulaciones de fase y frecuencia . . . . . . .
2.3.2. Modulacin de ngulo de banda angosta . . .
2.3.3. Modulacin de ngulo de banda ancha . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
57
57
57
58
60
61
61
65
70
75
75
77
78
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
ndice general
VI
62
63
64
65
66
67
68
69
70
71
72
73
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
85
85
87
91
91
95
99
99
101
101
104
107
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
113
113
114
118
125
127
137
137
143
144
149
149
153
157
163
163
165
173
173
178
107
4. Teora de la informacin
4.1. Fuentes de informacin . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1. Medida de la informacin . . . . . . . . . . . . . . . . . . .
4.1.2. Entropa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.3. Propiedades de la entropa . . . . . . . . . . . . . . . . . .
4.2. Codificacin de una fuente . . . . . . . . . . . . . . . . . . . . . . .
4.2.1. Propiedades de los cdigos . . . . . . . . . . . . . . . . . .
4.2.2. Cdigos instantneos . . . . . . . . . . . . . . . . . . . . . .
4.2.3. Cdigo binario . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.4. Compresin de datos . . . . . . . . . . . . . . . . . . . . . .
4.3. Canales de transmisin . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1. Medidas de capacidad en canales . . . . . . . . . . . . .
4.3.2. Transmisin de informacin en canales discretos .
4.3.3. Entropa e informacin para ensambles continuos
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
183
183
183
185
187
194
194
195
196
196
201
201
202
207
108
Bibliografa
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
3. Anlisis de aleatoriedad
3.1. Seales aleatorias en el tiempo . . . . . . . . . . . . . . . . . .
3.1.1. Estacionariedad de las seales aleatorias . . . . . .
3.1.2. Ergodicidad de las seales aleatorias . . . . . . . . .
3.1.3. Descomposicin espectral de seales aleatorias
3.1.4. Densidad espectral de potencia . . . . . . . . . . . .
3.2. Paso de seales aleatorias por sistemas lineales . . . . . .
3.2.1. Anlisis en el tiempo . . . . . . . . . . . . . . . . . . . .
3.2.2. Anlisis en la frecuencia . . . . . . . . . . . . . . . . . .
3.2.3. Empleo de operadores lineales . . . . . . . . . . . . .
3.3. Filtracin ptima lineal por mnimos cuadrados . . . . .
3.3.1. Optimizacin de la respuesta a impulso . . . . . .
3.3.2. Condicin de realizacin fsica . . . . . . . . . . . . .
3.3.3. Filtros acoplados . . . . . . . . . . . . . . . . . . . . . . .
3.4. Mtodos de deteccin . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.1. Modelo de deteccin Gaussiana . . . . . . . . . . . .
3.4.2. Deteccin bayesiana de seales . . . . . . . . . . . .
3.4.3. Deteccin de mxima verosimilitud . . . . . . . . .
3.5. Recepcin ptima coherente de seales digitales . . . . .
3.5.1. Fidelidad del detector ptimo potencial binario
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
213
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
na seal se puede definir como una funcin que conlleva informacin, la cual se puede
referir a un fenmeno fsico medido o al comportamiento de un sistema fsico. Aunque la
informacin se puede representar en variadas formas, en todos los casos se busca que la informacin est contenida en un patrn de variaciones de alguna forma. Las seales se representan
matemticamente por funciones de una o ms variables independientes.
y (s ) = K {x (s )}
129
donde K {} corresponde a la transformacin o transformada de entradasalida (o seal respuesta). En la mayora de los casos de anlisis de seales informativas, el parmetro s corresponde al tiempo t .
130
1.1.1.
127
128
?ClasificacionSenales?
131
132
Las seales, de acuerdo a la forma de definicin de sus valores con respecto a su argumento del
tiempo, se clasifican en los siguientes tipos:
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
133
134
135
136
137
138
139
140
141
142
143
144
Seales anlogas o continuas (en el tiempo). Seales para las cuales, tanto su argumento como la misma funcin, pueden tomar cualquier valor del continuo de los intervalos para los que se define el argumento, t [t 0 , t f ], x [x min ,x max ]. La definicin de
seales anlogas usualmente se extiende hasta soportar discontinuidades de primer grado, x (t k ) 6= x (t k + ) , siendo |x (t )| < , t .
Seales discretas (en el tiempo). El argumento de la funcin (tiempo) est definido solamente sobre una malla de valores x (t k ), k N. Sin embargo, la funcin toma cualquier
valor del intervalo continuo x [x min ,x max ]. En aquellos valores del tiempo sobre los
cuales la seal no se define t 6= t k , el valor de la funcin se asume igual a cero.
Cuando los valores de una seal discretizada en el tiempo, x (t k ) , pertenecen a un conjunto finito, xQ {xQ (i ) : i , . . . , N }, N < , se habla de seales digitales.
Otras formas de clasificacin de las seales son las siguientes:
Seal de energa. Sin importar que el intervalo de tiempo sea infinito, se cumple que la
energa de la seal es finita, esto es,
Z
E x = kx k2 =
|x (t )|2 d t < ,
(1.1) SenalEnergia
(1.3) Periodicidad_Def
donde el valor de min {T } que satisfaga la condicin (1.3), cuando existe, se denomina
perodo fundamental. En caso de no cumplirse la anterior condicin, la seal se denomina aperidica.
x (t ) = e j (0 t + ) = e j (0 (t +T )+ ) = e j 0 (t +T ) e = e j 0 t e j 0 T e
Adems, cuando e j 0 T = cos 0 T + j sin 0 T = 1, la seal es peridica y equivale a decir que cos 0 T = 1
y sin 0 T = 0, entonces, 0 T = 2k con k N. Por lo tanto, 0 = 2k /T.
149
150
Una seal cuasiperidica corresponde a una funcin con perodo fundamental demasiado
largo. Estas seales, generalmente, se componen por dos o ms seales peridicas. Un ejemplo
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
151
152
153
154
155
156
157
158
159
160
161
= a 1 y 1 (t ) + a 2 y 2 (t ) + . . . + a i y i (t ) + . . . + a n y n (t )
n
X
a i y i (t )
=
(1.4) Linealidad_def
i =1
162
Ejemplo 1.2 Sea un sistema con relacin entrada-salida de la forma y (t ) = a x (t ) + b, siendo los valores
a ,b = c t e . Determinar el valor de b para el cual el sistema se puede considerar lineal.
Considerando dos seales de entrada diferentes x 1 (t ) y x 2 (t ), las salidas correspondientes seran
y i (t ) = a x i (t ) + b, i = 1, 2
163
(1.5) Invariabilidad
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
165
166
167
168
169
170
Sistema estable. Si una seal de entrada x (t ) con amplitud finita, max{|x (t )|} < , produce
una respuesta y (t ) de amplitud finita, esto es, max{|y (t )|} < . De otra manera, el sistema
es inestable.
Sistema invertible. Si distintas entradas producen distintas salidas, esto es, si al observar
la salida del sistema se puede determinar su correspondiente entrada. En caso contrario,
el sistema se considera no invertible.
Ejemplo 1.3
y (t ) = const .
171
debe ser considerado como no invertible, por cuanto genera un mismo valor a la salida, sin importar cual sea
el valor de la seal de entrada.
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
Sistema realizable o causal. Se debe tener una respuesta de salida que no suceda antes de
ser aplicada al sistema una funcin de entrada. Esto es, si la funcin de entrada se aplica
a partir de un tiempo, t = t 0 , entonces, la respuesta slo estar determinada para t t 0 .
Si no se cumple esta condicin el sistema es no causal.
Sistema (de tiempo) continuo. Cuando los cambios de los valores de entrada y salida corresponden a intervalos continuos (en el tiempo).
Sistema (de tiempo) discreto. Cuando las seales asociadas con el sistema son discretas,
esto es, existen sobre una malla de valores puntuales (en el tiempo). En los dems valores
del argumento, la seal es igual a cero.
Generalmente, los sistemas de tiempo continuo se modelan mediante ecuaciones diferenciales, mientras, los sistemas discretos, con ecuaciones iterativas.
Sistemas sin memoria. Si la salida, para cualquier tiempo t k , depende slo de la entrada
para el mismo valor de tiempo.
Sistemas con memoria. Si la seal de salida, para un valor del tiempo dado t k , depende de
valores de la seal de entrada determinados dentro del intervalo (t k T, t k ), entonces el
sistema tiene memoria T .
Sistemas con parmetros concentrados. Si el tiempo de proceso de la seal de entrada a
travs del sistema es considerablemente pequeo. Estos sistemas se modelan mediante
ecuaciones diferenciales ordinarias. En los sistemas elctricos, esto significa que la longitud de onda de la seal de entrada es mucho mayor con respecto a las dimensiones fsicas
de los elementos de proceso del sistema.
Sistemas con parmetros distribuidos. La seal de entrada tarda un tiempo considerable
en excitar los elementos del sistema, dependiendo el retardo de la velocidad de proceso
de la seal. Estos sistemas se pueden modelar con ecuaciones diferenciales parciales.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
196
1.1.2.
Proceso de seales
Sec:ProcesoSeales
El
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
proceso, entendido como la aplicacin y sentido prctico que toma la transformacin de las
seales con carga informativa, se puede clasificar as:
(a). Continuo o anlogo. Cuando la transformacin, que caracteriza el proceso, se realiza sobre una seal que repite la forma de la magnitud fsica observada, esto es, existe analoga
entre ambas. El conjunto de valores sobre el cual se realiza el proceso es continuo y, por
lo tanto, infinito.
(b). Digital. Cuando la transformacin se realiza sobre una funcin correspondiente a la forma de la magnitud fsica observada, la cual se representa por un conjunto finito (contable)
y a priori conocido de estados o, inclusive, de relaciones entre los mismos. En el proceso
digital, las funciones de salida no deben presentar ninguna analoga de forma con la seal
de entrada.
Entre las principales ventajas de los sistemas de proceso digital con respecto a los anlogos
estn las siguientes:
Son realizables sobre tecnologa digital lgica, por lo cual se alcanzan alta confiabilidad,
estabilidad, reducido tamao y baja potencia, adaptndose rpidamente al diseo de los
circuitos integrados.
Los dispositivos digitales son menos sensibles a las tolerancias de sus elementos y pueden
ser reproducidos en grandes volmenes con alta exactitud sin requerir un ajuste adicional, como usualmente ocurre con los elementos anlogos.
Se facilita el proceso simultneo de varias seales mediante un solo dispositivo digital,
reduciendo los costos de hardware. Adems, las caractersticas de proceso pueden cambiarse y ajustarse durante el proceso realizando la sintona necesaria sobre el respectivo
algoritmo de proceso; condicin importante en la adaptabilidad de los sistemas.
230
231
1.1.3.
220
221
222
223
224
225
226
227
228
229
232
233
234
Estas funciones son modelos ideales matemticos y, en rigor, no aparecen en sistemas fsicamente implementables. Sin embargo, son buenas aproximaciones a ciertas condiciones y restricciones reales, que permiten evaluar el comportamiento asinttico de los sistemas fsicos.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
Funcin signo.
235
236
237
1, t < t 0
sgn(t t 0 ) = 0,
t = t0
1,
t > t0
6sgn(t )
1
t0
Funcin delta de Dirac. La funcin delta (t ) es tambin llamada funcin impulso o funcin
Kronecker, y se puede interpretar como la accin que hace angosta una funcin dada, p (t t 0 ),
definida con rea unitaria en la forma:
Z
p (t )d t =
1
=1
(1.6) Delta_defa
de tal manera, que su base determinada para un intervalo de tiempo (t 0 /2, t 0 + /2) tiende
a 0, esto es,
(
, t = t 0
(t t 0 ) = lm p (t t 0 ) =
(1.7) Delta_def
0
0, t 6= t 0
(t t 0 )
t0
p (t )
6
6x (t )
-
......................................................................................
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.
6
.
........
......... ............
......... .....................
...... ..........
.....
..
...
..
..
x (k )p (t k )
.................... .........................
......... ....
........... ........
............ ... .......
..
. ...
........
...
...
..
.
.
..
........ ...
...
...... ..............
...
.
..
...
...
...
...
....
..
....
....
..
...........
.........................................
p (t k )
p (t )
..
2 3
- t
k (k + 1)
t0
t
(b) Aproximacin
(a) Representacin
Cabe anotar, que la definicin completa de la funcin delta est dada por el par de ecuaciones
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
239
240
241
242
243
1
(t )
||
(1.8) delta_escala
Z
(t t 0 )x (t )d t = x (t 0 )
(t t 0 )d t = x (t 0 )
(1.9) delta_Selectiv
x ()( t )d
(1.10) Duhamel
247
248
249
250
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
Ejemplo 1.4
Evaluar la expresin
Z
t 2 e sint cos 2t (2t 2)d t ,
Mediante el empleo secuencial de las propiedades, primero de escala (1.8) y luego de selectividad (1.9), se
obtiene que:
251
Z
2 sint
t e
1
cos 2t (2t 2)d t =
2
Z
t 2 e sin t cos 2t (t )d t
1
= 2 .
2
u (t t 0 ) =
1,
0,
t t0
t < t0
6u (t t 0 )
(1.11) FuncEscalon
1
p (t ) =
t0
(t ) = lm p a (t ) = lm
t 0 0
d u (t )
dt
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
u (t t 0 )d t
t0
252
Z
u (t n t 0 )d t k
nt 0
(t m t 0 )d t = 0
Sin embargo,
ZT
ZT
lm
u (t t 0 )d t u (t n t 0 )d t
k = 0
T
t0
nt 0
lm ((T t 0 ) 1 (T n t 0 ) 1) k = 0
lm (T t 0 T + n t 0 ) k = 0
luego,
n t 0 t 0 k = 0,
rect (t t 0 ) =
1,
0,
|t t 0 | /2
|t t 0 | > /2
Por cuanto,
rect (t ) = u (t ) u (t t 0 )
entonces se cumple la siguiente relacin:
d
rect (t ) = ((t ) (t t 0 ))
dt
As mismo, se cumple que
rect (t t 0 ) =
1
sgn(t t 0 ) sgn(t t 0 )
2
(1.12) eq:DefRecPulse
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
10
253
1.1.4.
Espacios de representacin
Cualquier espacio vectorial con dimensin n se caracteriza completamente por las proyecciones sobre sus n ejes de coordenadas. En la descomposicin vectorial, es preferible el uso
de ejes perpendiculares y normalizados, para los que se cumple la condicin de ortogonalidad:
(
i , j =
254
255
256
257
258
GrammSch
0,
1,
i 6= j
i =j
donde i , j son los vectores unidades de los respectivos ejes de coordenadas. Si el vector est
dado en un espacio con n dimensiones, entoncesP
ste se puede descomponer en n compon
nentes y, por lo tanto, expresado por la suma, a = k =1 a k k , siendo a k las proyecciones del
vector sobre los ejes de coordenadas, la direccin de los cuales est dada por el sistema de vectores coordenadas o bases, {k : k = 1, . . . , n}.
Ejemplo 1.6
se observa que al multiplicar escalarmente ambos lados de la igualdad por cada uno de los vectores y
teniendo en cuenta su ortogonalidad, se obtiene que:
n (k 1 1 + k 2 2 + + k n n + + k N N ) = n 0
{n k n n } = 0, n = 1, . . . , N
259
En forma general, el conjunto de las posibles seales de anlisis se entender como el formado por todas las funciones de variable compleja definidas en forma continua sobre un eje real,
por ejemplo, el del tiempo:
L = {x = x (t ) : x (t ) C, t R}
donde L = {x : K } es el conjunto formado por todos los elementos, x , para los cuales K cumple
que: K x L. La mayora de los espacios de funciones de seales se restringen a los espacios
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
11
L p = L p (R) =
x L : kx kp =
1/p
|x (t )|p d t
< , p 1
(1.13) ?RepSenales:Nor
260
261
262
!1/p
p = x : kx kp =
|x n |p
<
n =1
263
264
265
266
1/2
2
d x , y = kx y k =
|x (t ) y (t ) | d t
(1.14) RepSenales:Dis
Definicin 1.2 El conjunto de funciones relacionados con la distancia (1.14), para los cuales la
respectiva norma es acotada, kx k2 < , o espacio L 2 (R), corresponde a un espacio de Hilbert que
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
12
x , y L 2 (R) = x (t )y (t )d t
(1.15) ?RepSenales:ProdInterno
Un conjunto con una distancia dada en forma adecuada conforma un conjunto de seales. El
espacio de funciones dado por la distancia (1.14) tiene aplicacin amplia en la representacin
de seales debido a la interpretacin fsica simple de su respectiva norma, que corresponde a
la energa de las seales. Esto es, cuando x L 2 (T ) se dice que
kx k2 = x ,x L 2 (T ) E x
267
268
269
270
271
272
273
274
275
276
(1.16) ?NormaEnergetica?
X
x (t ) =
x k k (t ) ,
(1.17) RepEspecGeneral
k
277
278
279
280
281
282
donde k (t ) corresponde a un conjunto de funciones elegidas a priori, que conforman una base
en el espacio vectorial L 2 (T ), las cuales son denominadas funciones base, siendo k el orden de la
funcin dentro del conjunto k (t ) . La descomposicin en funciones base (1.17) corresponde
a la representacin espectral generalizada.
En forma general, las funciones base, obtenidas para la representacin de seales, deben
cumplir los siguientes requerimientos:
283
284
285
3. Sus valores no deben depender del lmite superior de la suma de la representacin (1.17).
286
0.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
13
287
Problemas
288
289
0,
t <0
x (t ) = x 0 (t /t 0 ) , 0 t t 0
x0,
t > t0
290
x (t ) = 30 exp 105 t u (t )
4. Sea x (t ) = u (t t 0 ) u (t nt 0 ) k (t m t 0 ), siendo m , n 1. Determinar el valor de k para
el cual se cumpla que:
Z
x (t )d t = 0
291
292
293
x 1 (t )
x 2 (t )
0
a)
t0
A
A
t0
b)
t1
x 3 (t )
.
0
t0
c)
t1
B
Bt2
Figura 1.5
problem1_1
294
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
15
295
RepDiscreta
296
Los sistemas ortogonales son un caso particular de sistemas de funciones independientes lineales. Ms an, cualquier sistema de este ltimo tipo puede ser transformado a un sistema
ortogonal empleando, por ejemplo el mtodo de Gramm-Schimdt (ver ejemplo 1.6) [3]. Un
sistema de funciones complejas m (t ) se define como ortogonal en el intervalo de representacin (t i , t f ), si se cumple la relacin:
Zt f
Zt f
m (t )n (t )d t
ti
m
(t )n (t )d t
ti
0,
m 6= n
(1.18) ortogonalidad
Em n , m = n
Zt f
ti
1
m (t )n (t )d t =
t f ti
m
(t )n (t )d t =
ti
0,
Pm n ,
m 6= n
m =n
Zt f
|m (t )|2 d t =
ti
298
Zt f
|n (t )|2 d t = E m n = 1, m , n
ti
299
300
301
302
(t
)
(t ) 0
d t , siendo N
n n
t f ti
n =0
t1
(1.20) potenciaerror
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
16
Por cuanto, el error cuadrtico medio (1.20) est dado en funcin de los coeficientes x 0 ,x 1 , . . . ,x N ,
2
entonces, para su minimizacin, min{N
(t )}, se deben hacer igual a cero todas las respectivas
derivadas parciales:
2
(N
)
x0
2
(N
)
x1
= =
2
(N
)
xN
=0
tf
2
Z
N
2
X
N
(t )
1
=
x n n (t ) d t = 0
x (t )
xk
t f ti xk
n =0
ti
Denotando por a = x (t ) y b =
forma
n x n n (t ),
|a b |2 = (a b ) (a b ) = (a b ) a b
= a a ab b a + bb
xk
Zt f
t
f
Zt f
N Z
X
x (t )x (t )d t + x (t )x n n (t )d t
|x (t )|2 d t
n n
n =0
ti
ti
ti
Zt f
ti
N
X
x n n (t )
xm
m
dt
= 0
m =0
xk
Zt f
ti
|x (t )|2 d t
N
X
n =0
Zt f
ti
Zt f
x (t )x n n (t )d t +
Zt f
x (t )x n n (t )d t
ti
x n n (t )2 d t
ti
= 0 (1.21) 1.22a
303
304
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
17
Zt f
Zt f
x (t )x k k (t )d t + x k k (t )x k k (t )d t = 0
xk
ti
ti
Zt f
x (t )k (t )d t = x k
ti
k (t )2 d t
ti
ti
tf
n (t )2 d t
1
1
=
Pn t f t i
Zt f
x (t )n (t )d t
(1.22) calculo_xn
ti
ti
305
306
1
2
N
(t ) =
t f ti
N
X
n =0
Zt f
|x (t )|2 d t
ti
tf
Zt f
x (t )x n n (t )d t +
ti
x k Pn =
1
t f ti
x (t )x n n (t )d t
ti
Zt f
ti
x n n (t )2 d t
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
18
1
t f ti
=P
Zt f
|x (t )|2 d t
ti
Zt f
|x (t )|2 d t
ti
N
X
n =0
N
X
2x n x n Pn x n x n Pn
n =0
N
X
n =0
|x n2 |Pn
|x n2 |Pn
(1.23) potenciaerror_b
Por cuanto la potencia del error siempre es positiva, 2 (t ) 0, entonces, de la anterior expresin se deduce la siguiente desigualdad:
P
307
308
309
310
311
N
X
|x k |2 Pk ,
(1.24) ?RepSenales:Bessel?
k =0
|x (t )| d t =
ti
312
X
n =1
|x n |2 = Pn ,
x n n (t )
(1.25) seriegeninfty
n =
313
314
315
316
317
entonces, la serie infinita converge hacia la funcin x (t ), de tal manera que el valor cuadrtico
medio del error 2 (t ) de la aproximacin se hace igual a 0. Por lo tanto, la representacin de una
funcin x (t ), dada en (1.25) por medio de un sistema base con nmero infinito de funciones
ortogonales, se identifica con la representacin generalizada de Fourier de x (t ) para la base
n (t ) .
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
19
Z
-
T
6
1/T
x0
0 (t )
x (t ) -
.
T
6
..
..
..
..
.
1/T
x1
1 (t )
T
6
n (t )
1/T
xn
.
.................................................................
.
.
.
.
.
.
.
.
..
..
.
.
.
.
..
..
.
.
6
.
.
.
.
0 (t )
..
..
.
.
.
.
..
..
.-
.
.
. x (t )
.
.
..
.. .
.
6
.
.
..
..
(t
)
1
..
.
.
..
.
.
..
..
..
.
.
.
.
.
.
..
..
.
.
.
.
.
.
....
.
.
.
.
..
..
.
.
.
.
6
..
..
n (t )
.
.
.
.
.................................................................
330
331
332
333
334
335
336
337
338
339
Una seal de potencia (o energa) puede ser descompuesta si el conjunto de funciones base
genera un sistema completo, para el cual los coeficientes x n se determinan por (1.22). El mismo
conjunto de los coeficientes {x n } se denomina espectro de la seal x (t ), mientras el producto
x n n (t ) se define como la componente espectral de la seal. Cualquiera de las dos formas: la
serie generalizada de Fourier (1.25) o el espectro {x n } (1.22) determinan unvocamente la seal
x (t ).
Basados en la expresin (1.25) es posible la sntesis de seales, as en la Figura 1.6 (para Pn = 1)
se muestra el diagrama de un generador de seales empleando el sistema de funciones base
n (t ) .
Por cuanto, la cantidad de sistemas ortogonales completos es inconmensurable, la eleccin
del mejor sistema base de representacin tiene un amplio sentido prctico. Las siguientes son
las recomendaciones generales a tener en cuenta en este caso:
1. El sistema base debe ser descrito analticamente de manera simple, as que las correspondientes funciones ortogonales sean sencillas de generar.
2. El sistema base debe ser una tarea con solucin adecuada, de manera que se facilite la
resolucin de problemas, tales como la representacin econmica de seales, la realizacin de filtros espectrales y la disminucin de costos computacionales en el proceso
de seales, entre otros.
3. Es preferible que el sistema base i (t ) sea multiplicativo, esto es, que se cumplan las
siguientes condiciones:
Sea n (t ), m (t ) i (t ) , si k (t ) = n (t )m (t ), entonces, k (t ) i (t ) .
Sea n (t ) i (t ) , si k (t ) = 1/n (t ), entonces, k (t ) i (t ) .
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
20
340
341
342
343
344
345
346
347
348
349
La eleccin del sistema de funciones ortogonales ms conveniente depende del objetivo con
que se descompone la seal compleja original. Entre los diferentes problemas que exigen esta
descomposicin pueden distinguirse dos orientaciones importantes:
1. La descomposicin en sistemas completos de funciones ortogonales,
2. La aproximacin de las seales, de tal manera que se pueda brindar la precisin deseada
con el menor nmero de elementos de la serie en (1.19).
357
En el primer caso, se difundi el empleo de las funciones exponenciales de Fourier y en particular de las funciones trigonomtricas: los senos y cosenos. Sin embargo, en algunos casos
se emplean otros sistemas. Por ejemplo, para la discretizacin de seales continuas en el tiempo se emplean bases del tipo sinc(x ). En el proceso digital de seales es muy frecuente el empleo de funciones constantes en segmentos de tiempo [4] (bases de Rademacher, Walsh, Paley,
Hadamar y Haar).
Como ejemplos de conjuntos ortogonales en la segunda orientacin se pueden analizar los
polinomios de Chebyshev, Hermite, Laguerre, Legendre, entre otros [4, 5].
358
1.2.2.
350
351
352
353
354
355
356
SerieFourier
359
360
361
362
Si se propone una funcin x(t) cuyo valor est representado en un intervalo determinado,
desde t=0 hasta x=T, por la ordenada de una curva trazada arbitrariamente, se podr
desarrollar esta funcin en una serie que no contendr ms que los senos y cosenos de los
arcos mltiples...
363
Fourier
364
Serie exponencial de Fourier. Se define a partir del conjunto ortogonal conformado por las
funciones exponenciales complejas del tipo:
n (t ) = e j n 0 t ,
365
(1.26) SerieDisFourier
Zt f
e j n 0 t e j m 0 t d t =
n (t )m
(t )d t =
ti
ti
0,
En ,
n 6= m
n =m
1
e j (n m )0t f e j (n m )0t i = 0, n 6= m ,
j (n m )0
1
=
e j (n m )0t i e j (n m )0(t f t i ) 1 = 0.
j (n m )0
=
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
21
E n = (t f t i )
(1.27) 1.30
x n e j n 0 t , t i < t < t f
(1.28) SerieExpFourie
n =
donde cada uno de los coeficientes de la serie, teniendo en cuenta (1.22), se determinan por la
siguiente expresin:
1
xn =
t f ti
366
367
368
369
370
371
Zt f
x (t )e j n 0 t d t
(1.29) ?xn_Fourier?
ti
Pulsos rectangulares
Definicin
T
1,
|t | <
4
T
T
1,
< |t | <
4
2
+1, |t | <
2
T
0,
|t | <
2
2
Triangular simtrica
Diente de sierra
2t /T, |t | < T /2
Sinusoide rectificada
|sin 0 t |
Coeficiente x n
(
sinc(n /2), n 6= 0
0,
n =0
sinc(n /T )
T
(
sinc(n /2),
n 6= 0
0,
n =0
j (1) , n 6= 0
n
0,
n =0
, n par
(1 n )
0,
n impar
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
22
meandro
Ejemplo 1.7
x (t ) =
< t < t1
2
t1 < t < t1 + ,
2
a ,
t1
b,
xn =
t 1Z
+/2
x (t )e j n0 t d t =
t
a e j n0 t 1
b e j n0 t
+
j n 0 t 1 /2
j n 0
t 1 +/2 !
b e j n0 t d t
a e j n0 t d t +
t 1 /2
t 1 /2
xn =
t 1Z
+/2
Zt 1
t1
t1
0
/2 !
a e j n0 t
a e j n0 t
j n 0 /2
j n 0 0
a j n0 t 0
j n0 t /2
=
e
e
/2
0
j n 0
a
=
(1 cos n )
j n
1
xn =
372
xn =
2a ,
j n
0,
n impar
n par
j n 0 0
j n 0 /2
a
a
=
0 e j n0 t /2 =
sin n
j n 0
n
= 0, n .
1
xn =
Finalmente, la representacin completa en forma de serie exponencial de Fourier (1.19), para la funcin
dada en el intervalo (t 1 /2, t 1 + /2), es la siguiente:
x (t ) =
P
n=
x n e j n0 t
2a
e j 3t
e j 5t
e j 3t e j 5t
j t
j t
=
e
+
+
+ e
j
3
5
3
5
En la Figura 1.7 se muestra la seal dada en el tiempo y sus respectivos coeficientes obtenidos en la
ltima expresin para la serie exponencial de Fourier.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
23
6x (t )
xn
a
0.5
-t
t1
t 1 + 2
t1
0.5
.
80 60 40 20
20 40 60 80
T /2
Z
T /2
1
x (t )e j n 0 t d t =
T
1
x0 =
T
a dt =
rect (t k T ) ,
a e j n 0 t d t
/2
Z/2
Z/2
a
a
e j n 0/2 e j n 0/2 = 2
sin n0
j n0 T
n0 T
2
a sin(n0 /2) a
xn =
=
sinc (n0 /2) , n 6= 0
T
n0 /2
T
xn =
a
T
(1.30a) xn_pulrec
(1.30b) xn0_pulrec
/2
381
El conjunto de valores, definidos por (1.30a) y (1.30b), que determina el espectro de un tren
de pulsos cuadrados, est representada en las Figuras 1.8(a) y 1.8(b). Para este caso, se define
como el ancho de banda del lbulo principal del espectro a la distancia que hay entre los dos
primeros ceros de la funcin (1.30a) e igual a = 2/.
La influencia de los parmetros bsicos de la funcin pulso cuadrado, como son la amplitud a , el perodo T y el ancho del pulso en el tiempo , sobre la forma del respectivo espectro
(1.30a), se da en los siguientes aspectos:
382
375
376
377
378
379
380
- Sea el perodo T = var, tal que se conserva la relacin /T = const. Si se tienen dos seales
con perodos respectivamente diferentes, tales que T1 = 2T2 , para las cuales se cumple que
01 = 2/T1 ,
02 = 2/T2 = 2 (2/T1 )
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
24
1
0
0.2
0
4
T = 0.1
/T = 1
1
0
0.2
0
4
T = 0.15
/T = 2
1
0
0.2
0
4
T = 0.3
/T = 0.5
Figura 1.8: Acomodamiento espectral con el cambio de parmetros de un tren de pulsos cuadrados
MeandroPulsos
383
384
385
386
387
388
389
390
391
392
1 = 2/1 ,
2 = 2/2
X
n =1
a n cos(n0 t )+
b n sin(n0 t )
(1.31) serTrigFourier
n =1
(1.32) an_serTrigFourier
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
25
ti
2
t f ti
tf
Zt f
cos2 (n0 t ) d t
x (t ) cos (n0 t ) d t , n 6= 0
ti
ti
Zt f
x (t ) sin (n0 t ) d t
bn =
ti
tf
sin2 (n0 t )d t
2
t f ti
Zt f
x (t ) sin (n0 t ) d t
ti
ti
1
=
t f ti
ti
Zt f
dt
Zt f
x (t )d t .
ti
ti
c n cos (n0 t + n ) ,
(1.33) ?serCompFourier
n =0
donde
(p
cn =
p
a 2n + b n2 = 2|x n | = 2 x n x n ,
x0,
n = tan
393
394
395
bn
an
= tan
{x n }
{x n }
n 6= 0
n =0
(1.34a) ?an_cn?
(1.34b) ?thetan_cn?
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
26
396
397
398
399
400
401
402
Todas las expresiones anteriores son vlidas para las funciones peridicas reemplazando el
intervalo de definicin de las seales aperidicas [t i , t f ] por el valor del perodo T de las funciones peridicas.
Cabe anotar que la representacin mediante las series de Fourier converge en x (t ), en el sentido en que el error cuadrtico medio tiende a cero de manera uniforme y absoluta cuando la
cantidad de trminos de la aproximacin tiende a infinito, siempre y cuando la funcin x (t )
cumpla las condiciones de Dirichlet [6]:
1. x (t ) es absolutamente integrable sobre cualquier intervalo de anlisis T , esto es,
+T
Z
|x (t )| d t <
(1.35) RepSenales:DirichletDeb
403
404
405
406
Riemman
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
Zb
x () cos(v )d = lm
x () sin(v )d = 0.
a
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
27
425
426
427
428
429
430
431
432
433
434
435
436
0
1
=
2 T
(1.36) ?FT:Resolucion?
1.2.3.
funciones, que conforman sistemas
p base completos n (t ) , siendo ortonormales en
los intervalos indicados con valor de peso w (t ), esto es, que se cumpla la condicin:
?ConjOrtogonales? Existen
o
np
n (t ) =
w (t )n (t ) ,
(1.37) funcionOrtPeso
donde w (t ) es la funcin de peso y {n (t )} son las funciones sobre los cuales se forman los
sistemas base ortogonales. Como consecuencia de (1.37), la definicin de ortogonalidad (1.18)
sobre el intervalo T , cambia por:
(
Z
Z
p
p
2
0,
m 6= n
m (t ) n (t ) w (t ) d t =
, E n =
w (t )n (t )
=
w (t )n (t ) d t
2
En , m = n
T
(1.38) xn_funcionOrtP
2 T
Particular importancia tienen las funciones de Walsh, para las cuales c (l ) corresponde al elemento l en representacin del valor c en cdigo Gray, mientras rn (t ) son las funciones de
Rademascher [4]. La descomposicin de una seal, x (t ), en este caso tiene la forma:
x (t ) =
X
n =0
x n waln (t )
(1.39) WalshDescomp
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
28
donde los coeficientes de la serie Fourier-Walsh (1.39), determinados por (1.22) y (1.38),
Z1/2
xn =
x (t ) waln (t ) d t
1/2
437
438
Debido a la imparidad de la funcin x (t ) respecto al punto t = 1/2, todos los coeficientes para las
funciones pares wal2n (t ) = 0, al igual que los coeficientes de las funciones impares 3, 7, 11, 15, 19, 23, 27, 31.
Los dems coeficientes tienen los siguientes valores:
Z1/2
x1 =
Z1/2
x (t ) wal1 (t ) d t =
1/2
Z1/2
sin (2t ) wal1 (t ) d t = 2
2
0.637
1/2
Z1/2
x5 =
sin (2t ) d t =
Z1/8
sin (2t ) wal5 (t ) d t = 4
sin (2t ) d t 2
0
1/2
Z3/8
sin (2t ) d t 0.264
1/8
De igual manera, se puede establecer el S -espectro de la seal x (t ) = cos 2t , para la cual se obtiene
los siguientes coeficientes: x 2 0.637, x 6 0.264, x 10 0.052, x 14 0.127, x 18 0.012, x 22 0.005. Los
dems coeficientes son iguales a cero. En la Figura 1.8 se observan las respectivas representaciones.
En general, el S -espectro de la funcin x (t ) = sin (2t + ) se obtiene a partir de la relacin:
sin (2t + ) = sin (2t ) cos + cos (2t ) sin
por lo cual es claro, que cambiando el desfase cambian los valores de los coeficientes de descomposicin
de la serie de Walsh.
EjemSpecWalsh
xn
.6
0
.2
0
.6
15
funcin sin
31
31
xn
0
.2
0
15
funcin cos
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
29
440
441
442
Problemas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
31
443
v (s ) =
(1.40) TransDirGen
T
444
445
446
447
siendo s el parmetro generalizado del dominio S y (s , t ) el ncleo base dual con respecto al
ncleo base (s , t ). La funcin v (s ) es una representacin continua de x (t ) anloga a los coeficientes x n en (1.17), que corresponde a la densidad, la cual caracteriza la distribucin de x (t )
con relacin a (s , t ) en las diferentes regiones de S.
De manera recproca, se determina la transformada inversa generalizada de Fourier,
Z
x (t ) =
v (s )(s , t )d s , t T
(1.41) TransInvGen
S
448
449
450
451
Si existe la base dual (s , t ), las ecuaciones (1.40) y (1.41) analizadas en conjunto corresponden al par de transformadas de representacin integral de seales, las cuales, en forma general,
no exigen que (s , t ) y (s , t ) pertenezcan a L 2 (T ). Sin embargo, se conserva la representacin
de v (s ) para cada valor de s como un funcional lineal de x (s ).
Reemplazando x (t ) de (1.41) en (1.40) e intercambiando el orden de integracin se obtiene la
condicin conjunta que deben cumplir los ncleos base duales:
Z Z
Z
x (t ) =
x () (s , ) (t , s ) d d s =
S T
452
453
454
455
donde K (t , ) =
K (t , )x ()d f K {x (t )}
(1.42) 1.86a
R
S
(s , ) (t , s ) d s .
(t )x ()d ,
t T
Dado un ncleo base, de (1.42) se establece la restriccin que debe cumplir el respectivo n-
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
32
cleo dual:
Z
(t , s ) (s , ) d s = (t )
(1.43) NucleoCondicion1
(1.44) NucleoCondicion2
T
456
457
458
que debe cumplir, tanto (s , t ) como (t , ) , para conformar un par de ncleos conjugados
base. Sin embargo, el anlisis de (1.43) y (1.44) muestra que ambos ncleos al mismo tiempo no
pueden pertenecer a L 2 (R).
Algunos ncleos base tienen la propiedad por la cual la transformada de la funcin en el
dominio t , siendo integrable y perteneciente a L 2 (T ), siempre genera funciones en el dominio s
tambin integrables (pertenecientes a L 2 (S)). La correspondencia completa entre las funciones
determinadas en los dominios de t y s se provee con los ncleos autoconjugados, esto es [9],
(s , t ) = (t , s )
(1.45) nucleoAutoconj
v x (s ) , v y (s ) = v x (s ) v y (s ) d s =
x (t ) y () (s , t ) (s , ) d d t d s
S T T
que asumiendo la condicin (1.45) sobre los ncleos autoconjugados se tiene que,
Z Z
v x (s ) , v y (s ) =
x (t ) y () (t ) d t d
T T
Z
=
x (t ) y (t ) d t = x (t ) , y (t )
460
De lo anterior se observa, que el valor del producto escalar se mantiene igual al cambiar del
dominio t al dominio s .
461
1.3.1.
459
Transformada de Fourier
para T (, ) y S (, ).
(1.46) Franks412
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
33
lm =
sin t
= (t )
t
463
464
465
466
467
468
469
470
471
472
entonces, el par de funciones (1.46) cumple las restricciones (1.43) y (1.44), impuestas a los
ncleos de base conjugados. El parmetro s caracteriza la frecuencia de cada funcin base, y
usualmente, se nota por alguna de las variables de frecuencia angular , o bien, de frecuencia
lineal 2f .
Como se indica en el numeral 1.2.2, el conjunto de las series de Fourier permite representar,
tanto la seal aperidica en cualquiera de los puntos comprendidos en el intervalo de tiempo
[t i , t f ] como las seales peridicas con perodo T . Sin embargo, para el caso en que las funciones aperidicas extiendan su representacin a todo el eje del tiempo (, ) se obtiene,
para cualquiera de los coeficientes del sistema (1.32), una indeterminacin al reemplazar E n de
(1.27).
La seal x (t ), definida en el intervalo finito de tiempo [t i , t f ], se puede representar como una
suma de funciones exponenciales pero para todo el intervalo (, ) por medio de una nueva
funcin peridica x T (t ) con perodo T , que corresponde a la seal x (t ) repetida cada T segundos, como se ilustra en la Figura 1.10. La seal original puede obtenerse de nuevo haciendo
T , es decir,
x (t ) = lm x T (t )
T
x T (t ) =
x (t )
x n e j n 0 t ,
n =
donde
0
T /2
Z
1
xn =
T
x T (t )e
j n 0 t
2
d t , 0 =
T
x T (t )
T /2
n = n0 ,
X (n ) = T x n
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
34
1 X
X (n )e j n t ,
T n =
T /2
Z
x T (t )e j n t d t
X (n ) =
T /2
La distancia entre las lneas adyacentes en el espectro de lnea, obtenida para la seal lmite
x T (t ), se nota por = 2/T, la cual se puede reemplazar en la anterior serie, as:
x T (t ) =
X (n )e j n t
n =
Al realizar la operacin del lmite, cuando T , las lneas contiguas discretas del espectro de x T (t ) se acercan hasta formar un intervalo continuo de valores. La suma infinita de la
anterior expresin resulta en la integral ordinaria de Riemann, as que:
x (t ) = lm x T (t ) = lm
T
X (n )e j n t
n =
X ()e j t d = F 1 {X ()}
(1.47) TFInv
x (t )e j t d t = F {x (t )}
(1.48) TFDir
473
474
475
476
477
478
479
El par de transformadas (1.47) y (1.48) representa la seal x (t ) como una suma continua de
funciones exponenciales cuyas frecuencias estn en el intervalo (, ). La amplitud relativa
de los componentes a cualquier frecuencia es proporcional a X ().
Cabe anotar, que cuando la seal x (t ) representa voltaje, entonces, X () tiene las dimensiones de voltaje por tiempo. Como la frecuencia tiene unidades de tiempo inverso, luego, puede
considerarse a X () como un espectro de densidad de voltaje o, en forma ms general, como la
funcin densidad espectral de x (t ) (o simplemente FDE).
A cada seal se le puede hallar su respectiva FDE por medio de la Transformada Directa de
Fourier dada en (1.48), cuyo sentido fsico queda claro de (1.47) para la TF inversa. En esta
relacin, el valor de x (t ) se puede calcular, aproximadamente, cambiando la integral por una
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
35
X
X (n)e j n t
2 n =
x (t )
2
480
481
482
483
484
485
486
487
488
489
490
X (n) cos(nt ) + j
n =
!
X (n) sin(nt )
(1.49) TFApprox
n =
Z
a rect (t )e j t d t = a
X () =
491
e j t d t
/2
a
a sin(/2)
(e j /2 e j /2 ) =
=
j
/2
X () = a sinc(/2).
Dirichlet
Existencia de la transformada de Fourier.
492
493
494
495
496
497
498
Si una seal x (t ) cumple las condiciones de Dirichlet en cualquier intervalo de tiempo finito se puede demostrar la existencia de la Transformada
de Fourier, esto es, si se cumplen las condiciones descritas en el numeral 1.2.2, a partir del
anlisis de la ltima condicin, se puede decir que la transformada de Fourier se puede usar
para representar unvocamente cualquier seal real de energa. Estas condiciones son tambin
suficientes para la convergencia de las series de Fourier en la representacin de cualquier seal
de potencia en el intervalo de tiempo (0, T ).
X
2
x n e j n 0 t , donde 0 =
.
T
n
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
36
x n F e j n 0 t
F {x T (t )} =
n
Adems,
1
{( 0 )} =
2
Z
( 0 )e j t d =
1 j 0 t
e
,
2
1
F F 1 {( 0 )} =
F {e j 0 t }
2
o intercambiando trminos,
F {e j 0 t } = 2F {F 1 {( 0 )}} = 2( 0 )
entonces,
F {x T (t )} =
X
X
x n F e j n 0t = 2 x n ( 0 ),
n
501
502
Propiedades de la TF
499
500
(1.50) TFLinealidad
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
37
504
X ()
x (t )
0
0
max
X (t )
max
x ()
X (/)
||
(1.51) ?TFpropEscala?
x (t )
X ()
X (/)
||
x (t )
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
38
(1.52) TFpropRetardo
(1.53) TFpropModulacion
F {(t t 0 )} =
507
Si t 0 = 0, entonces, F {(t )} = 1.
En caso de tener solamente la parte real,
F {x (t ){e
j 0 t
}} = F {x (t ) cos(0 t )} = F x (t )
e j 0 t + e j 0 t
2
F x (t ){e j 0 t } = (X ( + 0 ) + X ( 0 ))
2
(h). Diferenciacin.
d
F
x (t ) = j X ()
dt
(i). Integracin.
Zt
1
F
x ()d =
X () + X (0)()
(1.54) TFpropDif
(1.55) TFpropInt
Z
508
donde X (0) =
x (t )d t .
(j). Relacin de Parseval. El reemplazo de (1.46) en (1.45) muestra que la base de Fourier es
autoconjugada, por lo que se obtiene la relacin,
X , Y = x , y
(1.56) ?RepSenales:Parsevall_a
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
39
tiene,
Z
1
X ()X ()d =
2
509
Z
|X ()|2 d = 2
x 2 (t ) d t = E x
(1.57) RepSenales:Par
Discretizacin uniforme
El empleo de sistemas discretos en campos donde las seales son continuas supone su previa acomodacin, esto es, la discretizacin de las seales. El modelo conveniente para la discretizacin ideal, o muestreo de una seal continua x c (t ), est dado por su multiplicacin con
alguna seal peridica de discretizacin x d (t ), con el fin de obtener la seal discretizada x (k t ):
x (k t ) = x c (t )x d (t ) =
X
x c (k t )(t k t )
(1.58) Discret
510
511
512
513
Teo:Kotielnikov
P
donde x d (t ) = k = (t k t ), siendo t el perodo de discretizacin.
A partir de la expresin (1.58) se observa que la seal discretizada x (t ) se define solamente en
los momentos equidistantes de tiempo t = k t , luego entonces, parte de la informacin de la
seal original x c (t ) se pierde durante su discretizacin.
Teorema 1.3 (Discretizacin de Kotelnikov.) Sea una seal continua x c (t ), para la cual no se
consideran componentes espectrales mayores a max = 2f max [r a d /s ], donde f max es el mximo
valor de frecuencia para la cual X () 6= 0, entonces, toda la informacin de la seal continua
estar enteramente contenida en los valores x c (nt ), asegurando que se cumpla la desigualdad:
t 1/2f max
(1.59) TeoremaDiscret
x c (t ) =
k =
x c (k t )
sin (max (t k t ))
max (t k t )
(1.60) serkotielnikov
Al comparar la serie (1.60) con la representacin (1.17), se observa que las funciones base de
descomposicin son las siguientes:
k (t ) =
514
515
516
517
518
519
520
521
sin (max (t k t ))
max (t k t )
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
40
S x () = lm
(1.61) ?RepSenales:EspectroPot
523
La DEP de una funcin peridica es la serie de funciones impulso cuyos coeficientes de peso
corresponden a la magnitud de los respectivos coeficientes de la serie de Fourier.
524
1.3.2.
522
Transformada de Laplace.
x (t ) e c t e j t d t
No obtante, para asegurar la convergencia de la anterior integral, se debe tomar la seal ajustada sobre el dominio del tiempo, x (t )u (t ), tal que para t < 0, su aporte sea 0. De otra manera,
el factor de multiplicacin e c t puede conllevar a la divergencia de la integral. Por lo tanto, el
lmite inferior de la anterior densidad espectral de Fourier acotada siempre es 0, esto es,
Z
X (, c ) =
0
x (t ) e c t e j t d t =
x (t ) e (c +j )t d t = X c + j
(1.62) RepSenales:TFAcotada
Si se halla la TF inversa de la densidad espectral X c + j se obtiene
1
2
X c + j e j t d = x (t ) e c t
As mismo, si ambas partes de la integral anterior se multiplican por e c t , juntando los factores
de multiplicacin exponencial y haciendo el cambio de variable c + j , entonces,
1
2j
cZ
+j
X c + j e (c +j )t d c + j = x (t )
c j
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
41
x (t ) e p t d t = X p L {x (t )}
(1.63a) RepSenales:Tra
X p e p t d p = x (t ) L 1 X p
(1.63b) RepSenales:Tra
1
2j
cZ
+j
c j
525
526
527
De (1.63b), se observa que la TL inversa se realiza mediante la integracin en el plano complejo p sobre toda la recta vertical c = cons t . Tambin es claro, que el reemplazo de p = j
conduce directamente a la TF. Por lo tanto, todas sus propiedades tienen lugar para la TL.
Z
u (t ) e
j t
dt =
e
0
j t
e j t
dt =
j 0
1
=
1 lm e j t
t
j
Sin embargo, e j t , cuando t no converge a ningn valor, y por lo tanto, la densidad es indeterminada. La razn est en que la funcin u (t ) no cumple las condiciones de Dirichlet.
En el caso de la transformada de Laplace (1.63a), X p = L {x (t )}, se puede demostrar que,
L
528
dx
dt
= p X p x (0+ )
(1) EjemLaplace1
donde x (0+ ) es el valor de la seal en t 0, que sea infinitamente cercano por la derecha. En ese sentido, la
funcin escaln unitario se puede representar como la derivada
de la seal rampa, tal que, x 2 (t ) = k t u (t ) =
R
u (t ) d u /d t , para la cual se obtiene la transformada, X p = 0 k t e p t d t . Integrando por partes, haciendo
v = k t , d v = k d t y d w = e p t d t , entonces, w = e p t /p :
e p t
X p =
kt +
p
e p t
e p t
k
kdt =
kt +
p
p
p
e pt
=0 0 k = k
p2
p2
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
42
529
1.3.3.
Integral de convolucin
Nuevos sistemas bases se pueden formar a partir del desplazamiento en el tiempo de un sistema
base original. Por ejemplo, si se analiza el siguiente caso particular,
(s , t ) = (t s )
(1.64) baseDespl
de tal manera, que el sistema base es funcin de una sola variable, correspondiente a la diferencia (t s ), adems, considerando T,S (, ), entonces, la seal original corresponde a la
integral:
Z
x (t ) =
v (s )(s t )d s = v (t ) (t )
(1.65) IntConvolucion
530
(1.66) ConvTiempo
1
(X m () X n ())
2
Por cierto, (t 1 ) (t 2 ) = (t 1 2 ).
Finalmente, se puede demostrar que:
d
d
d
(x m (t ) x n (t )) = x m (t )
x n (t ) =
x m (t ) x n (t )
dt
dt
dt
(1.67) ?ConvFrecuen?
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
43
x (t ) (t s )d t
(1.68) ?1.99?
x (t )(t s )d t = x (s )
532
En otras palabras, la funcin original en el tiempo puede ser representada por s misma.
(a u () sin) ( (t ) (t t 0 )) d
533
534
t <0
0,
x (t ) = a sin t , 0 < t < t 0
0,
t > t0
Transformada de Hilbert
Otro caso de anlisis de conformacin de funciones base por desplazamiento, por el principio
(1.64), corresponde al ncleo de la forma,
(t s ) =
1
(t s )
e f ,
e f
f >0
,
f <0
(1.69) QuadFilFreq
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
44
Z0
Z
e f e j 2 f t d f
0
e f e j 2 f t d f =
j 4t
2 + (2t )2
= g (a , t )
j
t
(1.70) QuadFilTime
luego
(f ) = F (t ) = j F lm g (, t ) = j lmG (f , ) = j sgn(f )
0
1
(s t )
El par que obtiene de transformadas se denomina Transformada de Hilbert, cuya transformada directa es notada tpicamente de la forma x(s ) y que se describe como
1
x (s ) =
x (t ) =
535
536
x (t )
1
d t = x (t )
s t
t
(1.71a) TransDirHilbert
x(s )
1
d s = x(s )
s t
s
(1.71b) TransInvHilbert
Cabe anotar que las transformadas (1.71a) y (1.71b) presentan un punto especial y exigen la
definicin de las respectivas integrales en el sentido del valor principal de Cauchy.
De otra parte, la relacin entre el par de transformadas de Fourier y el par de transformadas
de Hilbert se determina de la siguiente manera
X (f ) = F {x (s )} = j sgn(f )X (f )
X (f ) = F {x (s )} = j sgn(f )X (f )
(1.72a) TFHilbert
(1.72b) TFHilbertInv
(1.73) eq:AnalComplexSignal
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
45
2X (f ),
f >0
0,
f <0
Ejemplo 1.12 Representar una seal en el tiempo mediante un conjunto base de exponenciales desplazados en el tiempo, descritos en la forma,
(t s ) = e a |t s | ,
a >0
Por cuanto,
2a
2
2 + a 2
f =
entonces, se obtiene,
2
1
a
1 2 j 2 f
f =
2
a
a
1
(t ) =
(t ) 2 (t )
2
a
537
x (t ) =
a
v (s ) =
2
538
539
1
x (s ) 2 x (s )
a
Una siguiente forma de construccin de una base, a partir de una seal dada, consiste en su
continuo cambio de escala o dilatacin.
Sea
(t , s ) = (s t )
(1.74) ?1.110?
siendo s > 0 el parmetro de escala, de tal manera que si s > 1, la escala se comprime mientras
que para s < 1 la escala se expande. Si T,S [0, ) se puede demostrar que el par de transformadas generalizadas resultantes ser [9]:
Z
x (t ) =
v x (s )(s t )d s , t 0
0
Z
v x (s ) =
x (t ) (s t )d t , s 0
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
46
540
541
542
Problemas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
543
RepSistemasLineales
544
47
?IntegralSuper? Cuando un sistema cumple ambas condiciones: de linealidad (1.4) e invariabilidad en el tiempo
(1.5), entonces, como se deduce de (1.10), cualquier seal x (t ) se aproxima por una sucesin
infinita de funciones delta en el tiempo, esto es, teniendo en cuenta la propiedad de selectividad
de la funcin delta (t ) en los instantes en que se determinen dentro de la sucesin infinita,
entonces
Z
x () (t ) d
x (t ) =
(1.75) Conv_x
545
546
547
luego, la seal de salida y (t ) se podr determinar para cualquier x (t ) dada, si se sabe la reaccin
del sistema cuando a la entrada se tiene la funcin delta (t ) (respuesta a impulso h(t )).
Las respuestas a impulso consecuentemente al aplicar las siguientes propiedades:
548
549
Z
x ()h (t ) d .
De lo anterior, resulta que la salida y (t ) de un sistema lineal e invariante en el tiempo corresponde a la integral de superposicin de la respuesta a impulso h(t ) con la entrada x (t ), as:
Z
y (t ) =
x ()h (t ) d = x (t ) h(t )
(1.76) RepImpuls_Def
550
551
552
x ()h (t ) d
En cualquier sistema invariante en el tiempo siempre se podr tomar el origen del tiempo
igual a cero, esto es, si la seal de entrada satisface la condicin x (t ) = 0, t < 0, entonces, la
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
48
Zt
h (t ) x ()u ()d =
y (t ) =
Zt
h (t )x ()d =
h()x (t ) d , t 0
(1.77) RepImpulsoReal
En forma general, la ecuacin (1.77) muestra que para cualquier funcin de entrada x (t ), la
derivada de orden n en el tiempo de la funcin de salida es igual a:
dny
=
dtn
Z
h()
dnx
(t ) d
dtn
s1
h 1 (t )
s2
h 2 (t )
h(t , ) .
Z
h 12 (t ) =
h 2 (, z )h 1 (, z )d z
h 2 (t z )h 1 (z )d z
h 1 (v )h 2 ((t ) v )d v
h 1 (v )h 2 ( v )d v , = t
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
49
Respuesta a escaln unitario. Se denomina a la reaccin del sistema lineal cuando a la entrada existe una funcin del tipo escaln unitario u (t ) (1.11), donde:
Z
p (t ) = u (t ) h(t ) =
Z
u ()h (t ) d =
h (t ) d
0
entonces,
Zt
p (t ) =
h()d ; donde = t
(1.78) RespEscalon
553
554
555
556
557
558
Ejemplo 1.13
Encontrar la respuesta a impulso del sistema lineal dado por la ecuacin diferencial
el tiempo en el cual la entrada es aplicada al sistema y considerando la linealidad de este, se tiene que
y (t ) = {0} = 0. Adems, como x (t ) = 0, t < 0, entonces, tambin ser y (t ) = 0. As, se podr resolver la
ecuacin diferencial sujeta a esta condicin inicial. Preferiblemente se tomar t = 0, es decir, y (0) = 0. Para
resolver la ecuacin resultante y aplicando la condicin inicial se multiplican por un factor de integracin,
obtenindose
d ((t ))
e
y (t ) = e ((t )) x (t ), (t ) =
dt
Zt
a (z )d z
0
559
e ((t )) y (t ) =
Zt
e ((t )) x ()d =
que corresponde a la relacin entrada/salida deseada. Teniendo en cuenta la definicin para la respuesta a
impulso se obtendr
h(t ) = e ((t )) u (t )
que corresponde a una respuesta a impulso fsicamente realizable, mientras, para el caso de a (t ) = a = c t e .
se tendr que:
h(t ) = e a (t ) u (t ),
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
50
560
1.4.2.
En el caso del anlisis de los sistemas en el dominio de la frecuencia, sea la forma de la seal a
la entrada x (t ) = e j t . Aceptando la linealidad del sistema, se analizar la solucin particular:
y (t ) = K ()x (t ) = K ()e j t , K () C
(1.79) 1.134
Asumiendo que todos los parmetros que definen el sistema lineal son invariantes en el tiempo, {k (t ), k (t )} = const, entonces se tendr
0 x (t ) + 1
Dado que
d (k )
dtk
dx
dnx
dy
dmy
+ . . . + n
+
.
.
.
y
(t
)
+
,
0
1
m
dt
dtn
dt
dtm
(1.80) 1.134a
x (t ) = (j )k e j t , entonces,
n
m
0 e j t + j 1 e j t + + j n e j t = 0 K ()e j t + + m j K ()e j t
n
m
0 + j 1 + + j n e j t = 0 + 1 j + + m j
K ()e j t
n
m
0 + j 1 + + j n = 0 + 1 j + + m j
K ()
Luego, es clara la siguiente relacin:
n
P
K () =
k
m
P
k (j )k
=
k
(j )k
N ()
= H (),
D()
(1.81) FunTransfer_Def
De (1.81), se observa que la funcin K () corresponde exactamente con la funcin de transferencia H () definida en (1.75), la cual depende exclusivamente del sistema y no de la seal de
entrada, adems, el mismo resultado se puede obtener al hallar la TF de (1.80):
dx
d nx
dy
dmy
F 0 x (t ) + 1
= F 0 y (t ) + 1
+ + n
+ + m
dt
dtn
dt
dtm
n
m
0 X () + 1 j X () + + n j X () = 0 Y () + 1 j Y () + + m j Y ()
n
m
0 + 1 j + + n j
X () = 0 + 1 j + + m j
Y ()
n
P
Y () k =0
= m
P
X ()
k j
k
k j
k
= H ()
k =0
561
562
563
Fsicamente, H () indica que una manera de probar la condicin de linealidad de un sistema invariable en el tiempo es aplicando a la entrada una sinusoide con valores de amplitud,
frecuencia y fase conocidos y constantes.
En caso de linealidad, la salida del sistema deber ser otra sinusoide con la misma frecuencia
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
51
(1.82) FuncTransfer_w
Este proceso se hace repetitivo para el rango analizado de frecuencia. El cociente de estos dos
coeficientes complejos corresponde a los valores de amplitud y fase de la funcin de transferencia. Por cuanto, en (1.79) la funcin de transferencia H () se asume compleja, por lo tanto, se
describe en trminos del mdulo (respuesta de amplitud) y de la fase (desfase), respectivamente
como:
H () = |H ()| e j () = {H ()} + {H ()}
donde
p
{H ()}2 + {H ()}2
{H ()}
() = arctan
{H ()}
|H ()| =
564
565
566
567
568
(1.83a) Magnitud_def
(1.83b) Desfase_def
ejemRC 1.14(a).
y (t ) =
H () =
1
(1/j C )
=
R + (1/j C ) 1 + j
siendo = RC .
Al convertir en forma polar la anterior expresin se obtienen las respectivas magnitud y desfase:
1/2
|H ()| = 1 + ()2
, las cuales se muestran en la Figura 1.14(b)
Z
h()x (t ) d =
j t
=e
=e
j t
F {h(t )}
H ()
Z
h()e j (t ) d = e j t
h()e j d
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
52
|H ()|
()
1.5
1
2 = 21
x (t )
0.5
y (t )
0.5
0.5
0.2
1.5
h(t )e j t d t
Por ltimo, aplicando la transformada inversa de Fourier a (1.82), para todo valor k , la
salida se expresa en forma alterna como
1
y (t ) =
2
Z
H ()X ()e j t d
Ejemplo 1.15 eterminar la magnitud de respuesta de un filtro pasabajos RC (Figura 1.14(a)) de la funcin
rect (t ), donde = 4RC .
Teniendo en cuenta la magnitud |X ()| = sinc(/2) de la FDE
p del pulso cuadrado obtenida en
1
(1.30a) y la respuesta de amplitud obtenida |H ()| = |1 + j RC | = ( 1 + (/4)2 )1 en el ejemplo 1.14,
entonces, la magnitud de la salida ser:
570
/T
1 + (/4)2
| sinc (T /2) |
Las grficas de la magnitud en las Figuras 1.15(a) y 1.15(b) muestran que este sistema atena las altas
frecuencias de la FDE a la entrada y permite el paso de frecuencia relativamente ms bajas con menor
atenuacin. Adems, la transmisin desigual de todas las componentes produce una rplica distorsionada de
la seal de entrada.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
53
X ()
H ()
Y ()
x (t )
y (t )
0.8
0.6
0.5
0.4
0.2
0
RC = P
0.9
0.5
0.9
0.5
0.9
0.5
1
0.8
0.6
0.5
0.4
0.2
0
RC = 0.5P
1
0.8
0.6
0.5
0.4
0.2
RC = 2P
571
1.4.3.
dx
,
dt
1
, = RC
1 + j
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
54
572
x (t )d t ,
575
En forma general, el circuito R L tambin puede ser configurado, bien como diferenciador,
bien como integrador. En la prctica es preferible la implementacin sobre circuitos RC , por
presentar menores prdidas activas que las que usualmente registran las inductancias.
576
1.4.4.
573
574
|H()|
6
k
..
()
y (t ) = k x (t 0 )
siendo k el coeficiente de escala, y 0 el retardo inherente al tiempo de proceso del sistema. La FDE a la salida del circuito estar dada por
F y (t ) = Y () = k X ()e j 0
()
.........................................................................................................................................
.
FiltroFaseIdeal
(1.84) MagSistReal
De otra parte, la funcin de retardo de grupo del sistema tiene uso amplio y es determinada
por:
() =
d
d
(1.85) DesSistReal
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
55
duce que la respuesta de amplitud y cambio de fase de los sistemas lineales con parmetros
constantes poseen las cualidades de simetra:
H () = H (), |H ()| = |H ()|, () = ()
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
Modelos de filtracin bsica lineal. Basados en las condiciones (1.84), (1.85) y (1.86) se pueden
establecer los siguientes modelos bsicos de filtracin
(a). Filtro pasabajos, el cual atena las componentes de alta frecuencia (por encima de una
frecuencia denominada de corte) de la seal de entrada, dejando pasar las componentes
de baja frecuencia
(b). Filtro pasaaltos, atena las bajas frecuencias, por debajo de valor de frecuencia mnimo
establecido (frecuencia mnima) y deja pasar las frecuencias altas.
(c). Filtro pasabanda, deja pasar las seales comprendidas dentro de una banda espectral
(banda de paso) establecida entre un valor mnimo de frecuencia (frecuencia mnima) y
un valor mximo permitido (frecuencia mxima), atenuando todas las componentes que
estn fuera de la banda de paso.
(d). Filtro rechazabanda, atenan las seales comprendidas de una banda espectral (banda de
rechazo) establecida entre un valor mnimo de frecuencia (frecuencia mnima de rechazo)
y un valor mximo permitido (frecuencia mxima de rechazo), dejando pasar todas las
componentes que estn fuera de la banda de rechazo.
La integral de convolucin (1.76) en la respuesta a impulso se puede aproximar de la
siguiente manera:
Zt
y (t ) =
x (t ) h()d
0
tX
/
592
593
594
595
596
597
(1.86) SistLin_simetr
k =0
x (t k )h(k )
x (t )
Lnea de retardo
Registro de desplazamiento
?
?
?
?
-
-
a0
a 1 a n 1
an
?
PP
(t )
q
P
- P y:
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
56
598
599
600
Problemas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
2
601
Principios de modulacin
602
sec:Modulacion
603
2.1. Definiciones
604
2.1.1.
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
(2.1) DefModulacion
La medida de efectividad del proceso, d (x , x ), usualmente corresponde a la diferencia informativa entre el mensaje original, x , y el reconstruido, x . As por ejemplo, la distancia Eucldea,
kx x k2 , encuentra bastante aplicacin. Las funciones f I y f E , denominadas mtodos de modulacin, son formas de adecuacin del mensaje, tanto, informativo, como energtico, respectivamente.
57
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
58
624
625
626
627
628
629
2.1.2.
Los mtodos de modulacin pueden clasificarse en concordancia con sus diferentes formas de
desarrollo; a saber: Mtodos energticos y Mtodos informativos.
Mtodos energticos. Cuando la funcin, f E (x ), corresponde a una funcin de adecuacin
electromagntica del mensaje original. En la prctica, se emplean dos formas bsicas de adecuacin: sin corrimiento del espectro original del mensaje, o modulacin de banda base:
X Y 6= ;,
630
631
632
633
634
635
636
637
X Y = ;.
638
639
640
641
642
643
644
645
646
647
648
(2.2) ?ModDesar?
x (t )
A
A
A
y (t )
x p (t )
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
59
2.1. Definiciones
donde
xnp =
649
650
651
652
653
654
655
656
657
658
659
660
(2.3) ModRepBasica
661
662
663
(2.4) eq:modcompleja
(2.5a) eq:mod_envolve
(t ) = f E (x , t ),
modulacin de ngulo
(2.5b) eq:mod_angulo
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
60
664
Mtodos informativos. En este caso se analiza la forma de adecuacin, descrita por la funcin,
666
f I (x ), que transforma la representacin informativa del mensaje original. En concordancia con
667
las formas de proceso introducidas en la seccin1.1.2 se consideran dos formas bsicas de
668
mtodos informativos de modulacin:
665
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
Modulacin analgica, cuando la transformacin del mensaje, f I (x , t ), resulta en un conjunto A R(, ) con cantidad infinita de elementos de representacin.
Modulacin digital, cuando por el contrario la transformacin del mensaje, f I (x , t ), resulta en un conjunto A = {a i : 1, . . . , N , } con cantidad finita , N N, de elementos de
representacin o alfabeto (de ah su trmino digital - contable).
2.1.3.
En la seleccin del mtodo modulacin de la seal de informacin, se pueden tomar los siguientes criterios:
1. Fidelidad de los dispositivos de formacin y proceso de las seales e inmunidad de estos
ante diferentes clases de interferencias: ruido blanco, estaciones emisoras de interferencias, diversidad del medio de propagacin, y otros. Adems teniendo en cuenta el grado
imperfeccin (no linealidad por ejemplo) de los canales de formacin y proceso de las
seales.
2. Las cualidades espectrales y el ancho de banda ocupado, cuyos parmetros dependen del
mtodo de modulacin. En este caso se analiza tambin la efectividad espectral de las
seales y el nivel de energa fuera de banda.
3. La complejidad de realizacin de los dispositivos de formacin y proceso de las seales
con modulacin, la cual depende de la complejidad terica y cantidad de operaciones
necesarias en la formacin, proceso y recepcin del tipo de modulacin empleado.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
688
61
689
690
691
692
693
694
695
(2.6) eq:gnr:portado
2.2.1.
a (t ) k x (t ) + k d ; k , k d = cons t .
(2.7) eq:AM:lineal
(2.8) eq:mod:DSB:SC
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
62
x (t ) cos(c t )
tiempo (s)
(a) Seal moduladora x (t )
tiempo (s)
(b) Seal modulada por cos(c t )
X ()
F {x (t ) cos (c t )}
1
X (0)
2
X (0)
Banda
Lateral
Inferior
Banda
Lateral
Superior
Figura 2.3: Seal moduladora y seal modulada junto con sus DEE.
le:first:dsbsc
(2.9) eq:DefDemodAM
= x (t ) cos (c t )
1
1
= x (t ) + x (t ) cos(2c t ),
2
2
cuya DEE est dada por la expresin:
1
1
1
F {y (t ) cos(c t )} = X () + X ( + 2c ) + X ( 2c ),
2
4
4
712
713
714
715
716
717
718
719
de la cual se observa que la seal x (t ) se recupera al aplicar un filtro pasa bajas, como se muestra
en el diagrama de demodulacin en la Figura 2.4.
Cabe anotar, que los principios desarrollados sobre la modulacin DSB-SC son de aplicacin general a cualquier seal moduladora x (t ), siempre que vare lentamente con
respecto a la frecuencia portadora, esto es,
c .
y (t )
e
e
e
x (t ) cos2 (c t )
- \%
%\
6
Filtro
-2
x (t )
Pasa Bajas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
63
724
725
726
727
728
729
730
731
732
733
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
64
F {x (t ) cos(c t ) + a cos (c t )}
1
2 X (0)
Tiempo (s)
(b) Densidad Espectral de x (t )
lo:first:dsblc
738
de forma que
y AM (t ) = a cos c t + a cos m t cos c t
= a (1 + cos(m t )) cos(c t ).
739
740
741
742
743
(2.10) eq:dsblc:time
donde los mximos de la envolvente de (2.10) son (1 + )a , mientras los mnimos son (1 )a ,
que ocurren para 1.
La exigencia en la deteccin correcta de la envolvente, cuando no se considera fuente alguna
de distorsin, implica que 1. A propsito, el ndice tambin se expresa en porcentaje, % =
100 %. Luego, cuando % > 100 % se dice que la seal est sobremodulada. La Figura 2.6
muestra seales moduladas en DSB-LC para diferentes valores de .
D
B
0
0
B
Tiempo (s)
(a) > 1
Tiempo (s)
(b) = 1
D
0
Tiempo (s)
(c) < 1
Figura 2.6: Ejemplos de oscilogramas de la modulacin de amplitud de una seal a cos (m t ) para
diferentes valores de .
emplo:sobremod
744
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
65
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
2.2.2.
La presencia en la modulacin DSB de las dos bandas laterales con igual contenido informativo,
como se observa en las Figuras 2.7(c) y 2.7(d), significa la duplicacin del ancho de banda del
mensaje, que implica redundancia en la transmisin. En otras palabras, bien se podra enviar
tan solo una de las bandas; tal esquema tiene aplicacin prctica y se denomina modulacin
de banda lateral nica (Single Sideband - SSB), que de forma inmediata aumenta la efectividad
espectral en dos: SSB = .
Generacin de seales SSB. Bsicamente, la forma directa de generar una seal SSB consiste
en formar inicialmente una seal DSB y, luego, suprimir una de las bandas laterales con un
filtro como se ilustra en la Figura 2.8. En la prctica, esas operaciones suelen ser complejas; la
primera dificultad radica en implementar un filtro de banda lateral con la calidad requerida, que
debe tener unas caractersticas de corte bastante pendientes en c , tales que rechacen todos las
componentes de frecuencia por un lado de c , pero aceptando todas las otras al lado contrario
de c . Los filtros con pendientes de corte en forma de flancos, en la prctica, se reemplazan por
dispositivos con caratersticas de corte menos exigente, que implican que las componentes de
frecuencia de la seal, que se encuentran cercanas a cero, sufran distorsiones.
Sin embargo, es posible generar una seal SSB a travs de la adecuada sincronizacin por fase
de las seales, como se ilustra en la Figura 2.9 que muestra el esquema de generacin de seales
SSB,
Ejemplo 2.1
?QuadFil? Sea un filtro de cuadratura que realiza el desplazamiento en fase de /2 de cada componente de frecuencia
de la seal x (t ), sin alterar su amplitud, y cuya respuesta en frecuencia est dada por
e j /2 , > 0
H () = j sgn () =
(2.11) eq:respuestaen
e j /2,
< 0.
764
El modelo (2.11) corresponde al presentado en (1.69) y cuya respuesta impulso se da por la expresin
(1.70).
Cabe anotar que la seal analtica compleja, x(t ), definida en (1.73), corresponde a la salida del filtro
de cuadratura.
(2.12) eq:mod:SSB:pha
donde la diferencia representa una seal SSB de banda lateral superior (Upper Sideband - USB),
mientras la suma es la de banda lateral inferior (Lower Sideband - LSB).
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
66
X ()
X (0)
DSB-SC
1
2 X (0)
(2.13) eq:TF:SSB:PhaseShifted
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
67
DSB-SC
1
2 X (0)
cos (c t )
x (t )
P ySSB (t )
sin (c t )
2
xb(t )
xb(t ) sin (c t )
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
68
(2.14) eq:TF:SSB:THTerms
(2.15) eq:TF:SSB:PhaseShifted2
Los trminos 1 + sgn ( c ) y 1 sgn ( + c ) equivalen a
(
2,
1 sgn ( c ) =
0,
> c ,
< c .
0
|| < c ,
Y () = X ( + c ) < c ,
X ( c ) > c .
767
768
769
(2.16) eq:TF:SSB:PhaseShifted3
La DEE (2.16) corresponde a la seal SSB de banda lateral superior, pero de manera similar
se demuestra que la diferencia en la ecuacin (2.12) conduce a la seal SSB de banda lateral
inferior.
Resumiendo, el formato de modulacin (2.12) corresponde a generar la seal analtica, (1.73)
desplazando hasta c su respectiva DEE unilateral, acordes con la propiedad (1.52). Finalmente, se restaura la caracterstica bilateral de la seal desplazada tomando su parte real, as:
{ x (t ) + j xb(t ) exp(j c t )} = x (t ) cos c t xb(t ) sin c t .
770
771
772
773
774
775
776
777
Desde el punto de vista prctico, es importante enfatizar que no es posible implementar filtros de cuadratura que desplacen cada una de las componentes de frecuencia de la seal en
/2. A lo sumo, este comportamiento slo se puede aproximar sobre una banda finita de frecuencias.
Demodulacin de seales SSB. La demodulacin de las seales SSB que se realiza utilizando
el modelo de deteccin coherente implica que la seal modulada ySS B (t ) se multiplique por una
portadora local, despus de lo cual la seal resultante se filtra usando un filtro pasabajas, como
se ilustra en la Figura 2.10.
La demodulacin sncrona de seales SSB tambin presenta problemas, como es el caso DSBSC, cuando existen errores en los valores nominales de fase o frecuencia en la portadora de
referencia, esto es, (t ) = cos (c + c ) t + 0 , donde c es el error de frecuencia y 0 es
el error de fase. De hecho, la seal demodulada z (t ), mediante el principio coherente (2.9), es
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
69
z (t )
ySS B (t )
Filtro
pasabajas
x (t )
cos (c t )
2c
c
Z ()
Filtro pasabajas
c
0
Y ()
YSS B (0)/2
2c
igual a,
z (t ) = ySS B (t )(t )
= (x (t ) cos c t xb(t ) sin c t ) cos (c + c ) t + 0
1
= x (t ) cos (c ) t + 0 + cos (2c + c ) t + 0
2
1
xb(t ) sin (c ) t + 0 sin (2c + c ) t + 0
2
Como se observa de la ecuacin anterior, cuando no hay desacople de la valores de frecuencia, c = 0, ni de fase, 0 = 0, entonces, la seal demodulada coincide por forma completamente con el mensaje, x (t ) x (t ).
Cuando se asume tan solo un desfase desconocido, 0 6= 0, pero c = 0, se obtiene que:
1
1
x (t ) = x (t ) cos 0 xb(t ) sin 0 .
2
2
781
782
783
con lo cual se producen dos tipos de perturbacin: la atenuacin y distorsin del mensaje original. El peor caso, cuando adems se tiene que c 6= 0, induce una demodulacin parsita
adicional.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
70
Ejemplo 2.2
donde a |x (t )| es la amplitud de la portadora, que se asume suficientemente grande, tal que permita la
recuperacin del mensaje empleando un detector de envolvente. As,
ySS B LC (t ) = (a + x (t ))cos c t xb(t ) sin c t
= r (t ) cos (c t + (t )) ,
siendo (t ) el desfase definido en (1.83b) y r (t ) la envolvente, que para el caso se determina como:
r (t ) =
(a + x (t )) + (b
x (t ))
2x (t ) 1/2
a 1+
,
a
784
2x (t ) x 2 (t ) (b
x (t ))2
+
+
=a 1+
a
a2
a2
1/2
a |b
x (t )|
Usando la expansin binomial e ignorando los trminos de mayor orden, debido a que x (t ) a , se
llega a la siguiente expresin:
x (t )
r (t ) a 1 +
= a + x (t ).
a
De esta forma, la seal moduladora x (t ) se restablece empleando un detector de envolvente. Este esquema de deteccin por envolvente, que simplifica la complejidad de realizacin del modulador, se conoce
como modulacin de banda lateral nica con gran portadora (Single Sideband Large Carrier - SSB-LC). Sin
embargo, la deteccin de envolvente para la seal AM requiere que a |x (t )|, mientras que la deteccin por
envolvente para la seal de banda lateral nica requiere a |x (t )|. Como la amplitud de la portadora debe
ser mayor en la deteccin de envolvente para seal de banda lateral nica, la eficiencia de la modulacin
SSB-LC es comparativamente ms baja.
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
2.2.3.
La generacin de seales SSB, definitivamente, conlleva a una serie de dificultades: por un lado es posible distorsionar las componentes dc de la seal que se desea transmitir mientras por
otro lado, la realizacin de un filtro de cuadratura slo se logra de forma aproximada. En cambio, la generacin de seales DSB es mucho ms simple, pero requiere del doble del ancho de
banda de la seal. Un nuevo tipo de modulacin o modulacin de banda lateral vestigial (Vestigial Sideband - VSB), que resulta del compromiso entre los tipos DSB y SSB, tiene tambin
aplicacin. En este caso, una de las bandas laterales se transmite casi completamente, mientras
que para la otra banda lateral slo se transmite una parte o vestigio de la misma. Las seales
VSB son relativamente fciles de generar y al mismo tiempo su ancho de banda es tpicamente
25 % mayor que el ancho de banda de una seal SSB.
Generacin de seales VSB. La seal modulada VSB se genera al filtrar una seal DSB empleando un filtro especial conocido con el nombre de filtro vestigial, que permite el paso de una
pequea parte de la banda lateral inferior (o superior) y una parte mucho mayor de la banda
lateral superior (o inferior). La respuesta en magnitud del filtro VSB se muestra en la Figura
2.11(a), mientras la Figura 2.11(b) muestra la transformacin que sufre la densidad espectral de
la seal x (t ) al ser modulada de esta manera.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
71
|H V S B ()|
H V S B ( + c ) + H V S B ( c ) = const .
La condicin anterior se verifica de la siguiente manera. Dado el espectro de la seal
y DS B (t ) por YDS B () = X ( c )+ X ( + c ),
la seal modulada y V S B (t ) se obtiene al filtrar
y DS B (t ) con el filtro vestigial, que es equivale
a multiplicar la DEE YDS B () por la respuesta
en frecuencia del filtro H V S B (), esto es,
0
X DS B ()
1
(YV S B ( c ) + YV S B ( + c )) .
2
0
H V S B () Filtro vestigial
c
0
X V S B ()
?fig:mod:vsb?
1
((X ( 2c ) + X ()) H V S B ( c ) + (X () + X ( + 2c )) H V S B ( + c )) .
2
La accin del filtro pasabajas elimina las componentes de frecuencia en 2c y la DEE del
mensaje reconstruido X () est dada por
1
X () = X () (H V S B ( + c ) + H V S B ( c )) .
2
802
803
804
805
806
807
808
809
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
72
810
811
812
813
814
815
816
817
818
819
820
821
822
823
Espectro de audio
fc
0.25 MHz
f c + 4.5
f , MHz
f c + 4.5
f , MHz
f c 1.25
fc
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
73
824
Problemas
825
826
827
828
2.
829
830
831
3. La seal x (t ) = cos 200t se usa para modular una portadora de 5 kHz. Trace las ondas
temporales y los espectros de lnea si la modulacin empleada es
832
a) DSB-SC
833
b) DSB-LC
834
c) SSB-SC
835
d) SSB-SC+
836
837
838
839
840
4. Dibuje una seal de AM modulada con un coseno, con ndices de modulacin de = 0.5
y = 1.
5. Demuestre que si la salida de un modulador por desplazamiento de fase (ver figura 2.9)
es una seal SSB, la suma de seales en el punto de suma produce la seal SSB de banda
lateral inferior.
6. Muestre que el sistema de la figura 2.13 puede emplearse para demodular una seal SSB.
x SSB (t ) cos(c t )
- \%
%\
%
\
6
cos(c t )
x SSB (t )
2
-
2
+
?
x (t )
P
6
+
? sin(c t )
%
\
%\
%
\
xbSSB (t )
xbSSB (t ) sin(c t )
evsbmod
842
843
844
845
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
74
|H ()|
1
1
0.5
...
c 1
c c + 1 c + 2
8. La deteccin sncrona de una seal DSB-SC se puede llevar a cabo al multiplicar la seal
modulada recibida por un tren de pulsos p (t ) de frecuencia c . El resultado de esta multiplicacin es la seal x (t ) cos(c t )p (t ). Deducir la expresin analtica de la funcin de
densidad espectral de esta seal y demostrar que se puede recuperar la seal x (t ) en la
salida con un filtro pasabajos.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
75
851
852
853
854
Modulacin de fase
d /d t k f x (t ),
Modulacin de frecuencia
(2.17a) eq:ModPhaseDef
(2.17b) eq:ModFreqDef
donde k p y k f son los trminos de proporcionalidad lineal, denominados respectivamente coeficientes de desviacin de fase y frecuencia. Cabe anotar, que de la expresin (2.17b), la desviacin
de fase en la modulacin de frecuencia es proporcional a la integral de la seal moduladora,
Z
(t ) = k f
x ()d + const .
(2.18) eq:desv_fase_f
t
855
2.3.1.
Derivados del modelo (2.4) y teniendo en cuenta (2.18), las seales moduladoras de los formatos
de modulacin (2.17a) y (2.17b) se describen, respectivamente como:
y PM (t ) = a cos c t + k p x (t )
(2.19a) eq:ModPhaseDef
Z
x ()d + 0 .
y F M (t ) = a cos c t + k f
(2.19b) ?eq:ModFreqDef0
856
857
858
859
860
861
862
863
864
865
(2.20a) eq:def:w_i:PM
(2.20b) ?eq:def:w_i:FM?
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
76
x (t )
a cos(m t )
a sin(m t )
t
a
y PM (t )
y PM (t )
y F M (t )
y F M (t )
Figura 2.15: Ejemplos oscilogramas para los tipos de modulacin de fase y frecuencia
pm:fm:examples
866
867
868
869
870
871
872
873
874
875
Si en la expresin anterior, la componente exponencial exp(j (t )) se reemplaza por su correspondiente serie de potencias, se obtiene
(
n !)
X
(j (t )
y (t ) = a exp(j (c t + (t ))) = a exp(j c t )
n!
n =0
De esta manera, la seal modulada en ngulo consiste de una portadora sin modular y varios
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
77
881
trminos modulados en amplitud, tales como (t ) sin c t , 2 (t )/2! cos c t , 3 (t )/3! sin c t ,
entre otros. La DEE consiste entonces de una portadora sin modular adems de la TF de (t ),
2 (t )/2!, 3 (t )/3!; todos centrados en c . Del anlisis anterior ser observa que no existe una
relacin sencilla entre la seal modulada y (t ) y la seal moduladora x (t ), como s exista en el
caso de la modulacin de amplitud.
882
2.3.2.
877
878
879
880
(2.22) eq:condicion:b
(2.23) eq:BandaAngosD
El formato de modulacin (2.23) se conoce como la seal modulada en ngulo de banda angosta. De esta manera,
y N B PM (t ) a cos c t a k p x (t ) sin c t
Zt
y N B F M (t ) a cos c t a k f
883
884
885
886
887
888
889
890
x ()d sin c t ,
(2.24a) eq:nbpm:tone
(2.24b) eq:nbfm:tone
Ejemplo 2.3 Sea la seal moduladora una sinusoidal pura x (t ) = a cos m t . En el caso de FM, la frecuencia instantnea est dada por
i (t ) = c + k f x (t ) = c + a k f cos m t .
891
(2.25) eq:nbfm02
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
78
La ecuacin (2.25) sigue la misma forma que la modulacin de amplitud DSB-LC que usa
una moduladora sinusoidal (ver ecuacin (2.10)) y DS B LC (t ) = a cos c t + a cos m t cos c t .
Debido a esta similitud, el coeficiente recibe el nombre de ndice de modulacin. En la modulacin de fase de banda angosta, x (t ) = a sin c t , lo que conduce a
y N B PM (t ) = a cos c t a sinm t sin c t ,
892
895
896
2.3.3.
893
894
897
898
899
900
901
902
Cuando la condicin (2.22) no tiene lugar, entonces, los trminos (t ) sin c t , 2 (t )/2! cos c t ,
3 (t )/3! sin c t , y de mayor orden se deben tener en cuenta en el clculo del correspondiente
espectro de Fourier. En forma general, este anlisis no es sencillo desde el punto de vista analtico; se requiere calcular la DEE de todos los trminos que aparecen en la sumatoria de la expresin (2.21). La forma ms comn de aproximacin considera el caso en el cual la seal moduladora corresponde a una seal sinusoidal.
Caso sinusoidal. Sea x (t ) = a cos m t la seal moduladora. En el caso de FM, la frecuencia
instantnea es igual a
i (t ) = c + a k f cos m t = c + cos m t ,
por lo tanto, la fase instantnea se determina como
Z
i ()d = c t + sin m t ,
(t ) =
0
y F M (t ) = Ae j c t e j sin m t .
(2.26) eq:fm:wideband
La seal exponencial e j sin m t en la expresin (2.26) es una funcin peridica del tiempo
con frecuencia fundamental m = 2/T [rad/s], que puede representarse usando la serie de
Fourier:
e
j sin m t
Fk e j k m t ,
k =
donde
1
Fk =
T
T /2
e j sin m t e j k m t d t .
T /2
(2.27) eq:fourier:fm:bessel
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
79
e j ( sin k ) d .
914
1. J k ( ) R,
915
2. J k ( ) = J k ( ), para k par.
916
3. J k ( ) = J k ( ), para k impar.
917
4.
fig:bessel:plots
2
k = J k ( ) = 1.
j sin m t
J k ( )e j k m t ,
k =
j c t
)
J k ( )e
j k m t
k =
J k ( ) cos ((c + k m )t ) .
k =
918
919
920
921
922
923
924
925
926
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
80
927
928
929
930
=1
=1
=2
=2
=5
=5
= 10
= 10
= 15
= 20
(a) m constante
(b) constante
Figura 2.17: Densidad espectral de la seal de FM de banda ancha con moduladora sinusoidal
g:spectro:wbfm
Una propiedad de las funciones J k ( ) es que su amplitud disminuye rpidamente para valores de k mayores que . Algunos ejemplos de esta propiedad se observan de la figura 2.17. El
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
81
ancho de banda para valores grandes de puede aproximarse si slo se tienen en cuenta las
bandas laterales para las cuales k . Para k > se considera que la amplitud de J k ( ) es lo
suficientemente pequea para no ser tenida en cuenta. De esta manera, el ancho de banda para
valores grandes de se puede aproximar como
F M = 2k m 2 m = 2
m
m
2.
931
932
933
kp
y N B PM (t )
x (t )
a sin c t
kf
P y N B F M (t )
a sin c t
a cos c t
a cos c t
La regla de Carson se aproxima a los valores correctos en los lmites en que toma valores
pequeos o valores grandes. Tambin se emplea para cualquier seal de banda limitada. En este
caso, el ndice de modulacin se conoce en forma general como ndice de dispersin o ndice
de desviacin D y se define como
D=
Generacin de seales moduladas en ngulo. La generacin de seales moduladas en ngulo de banda angosta se realiza mediante la implementacin directa de las ecuaciones (2.24a)
y (2.24b), tal y como se muestra en los diagramas de la figura 2.18. La Figura 2.18(a) muestra
el esquema de generacin de seales moduladas en fase de banda angosta, mientras la Figura
2.18(b) muestra el esquema de generacin de seales moduladas en frecuencia de banda angosta. La generacin de seales moduladas en ngulo de banda ancha se puede realizar de manera
indirecta a travs de un esquema de modulacin conocido como modulacin indirecta de FM
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
82
941
942
943
944
945
946
947
tipo Armstrong. En este esquema de modulacin, primero se genera una seal de banda angosta que se transforma en un seal de banda ancha empleando multiplicadores de frecuencia. Un
multiplicador de frecuencia es un circuito que multiplica el argumento de la seal sinusoidal
de entrada por un factor n. Por ejemplo, si la seal de entrada al multiplicador de frecuencia es
x (t ) = a cos c t + (t ) , entonces, la seal de salida es x (n, t ) = a cos nc t + n(t ) .
El coeficiente n en frente de la fase (t ) tiene por objetivo aumentar el valor de la desviacin
mxima de frecuencia o en otras palabras del ndice de desviacin D. La Figura 2.19 muestra
un diagrama en bloques simplificado del modulador tipo Armstrong.
y N B F M (t )
x (t )
NBFM
Multiplicador
de frecuencia
x W B F M (n, t )
Figura 2.19: Diagrama de bloques simplificado del generador indirecto de onda FM tipo Armstrong
r:fm:armstrong
948
Demodulacin de seales moduladas en ngulo. La demodulacin de una seal de FM requiere de un sistema que produzca una salida proporcional a la desviacin de frecuencia instantnea de la seal de entrada. Tal sistema recibe el nombre de discriminador de frecuencia,
para el cual, cuando la entrada es una seal modulada de ngulo, entonces su salida tendr la
forma,
y d (t ) = k d
d (t )
,
dt
d
dt
xc (t )
Detector de
envolvente
a i (t )
g:demod:fm:dif
949
950
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
83
951
Problemas
952
953
954
955
a) 10 cos(200t + /3)
956
b) 10 cos(20t + t 2 )
2. Una seal modulada de ngulo se describe por
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
84
975
(a) f m se dobla.
976
977
978
979
980
981
982
983
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
85
984
993
994
2.4.1.
985
986
987
988
989
990
991
992
995
996
997
998
999
1000
Cuando la amplitud del pulso en un tren de pulsos cambia en proporcin directa con las valores muestreados de x (t ), como se ilustra en la Figura 2.21(a). La modulacin por amplitud de
pulso se realiza de manera similar al muestreo, empleando pulsos de amplitud plana (Flat-top
sampling) (Figura 2.21(b)). Este tipo de muestreo contrasta con el muestreo natural (natural
sampling), en el cual la amplitud de los pulsos muestreadores no es constante, si no que cambia con la forma de la seal continua que se muestrea, como se observa en la Figura 2.21(c).
x (t )
Instantes de muestreo
y PAM (t )
La modulacin PAM se realiza a travs de dos operaciones conocidas como muestreo y retencin. En el muestreo la seal moduladora x (t ) se muestrea de manera instantnea cada T
segundos, donde T se selecciona de acuerdo al teorema del muestreo. En la retencin, la duracin de cada muestra se sostiene por un perodo de [s]. El objetivo de retener el pulso por
un perodo prolongado es evitar el uso excesivo del ancho de banda del canal de transmisin,
debido a que el ancho de banda es inversamente proporcional a la duracin del pulso. Sin embargo, debe tenerse cuidado qu tan largo es el pulso que se utilice debido a un fenmeno que
se conoce como efecto de apertura, y que se explica a continuacin.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
86
(2.28) eq:mod:PAM:basica
X
=
Z
x (s ) rect (t s )d s =
x (k T )
x (k T )(s k T ) rect (t s )d s
(s k T ) rect (t s )d s =
X
k
x (k T ) rect (t k T )
= y PAM (t ).
De esta manera, la seal modulada por amplitud de pulso es igual a
y PAM (t ) = x (t ) rect (t ).
La DEE de la seal y PAM (t ) se obtiene aplicando la propiedad de convolucin de la TF (ver ec.
(1.66)) a la ecuacin anterior (donde 0 = 2/T ),
YPAM () = X ()F {rect (t )} =
X
X ( k 0 ) sinc (/2) .
T
(2.29) eq:pam:spectrum
|X ()|
2
T
|X ()|
2
T
2
T
|Q()| 6= |X ()|
2
T
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
87
X () sinc (/2). El efecto de esta distorsin consiste bsicamente en la eliminacin de contenido de altas frecuencias en la densidad espectral de la seal original. Este efecto se conoce
como efecto de apertura. Entre ms larga sea la duracin del pulso o apertura , ms pronunciado ser el efecto. El efecto de apertura puede corregirse empleando un ecualizador con respuesta en frecuencia igual a
H e c () =
1009
1010
1
.
sinc (/2)
La ecualizacin puede evitarse si la duracin del pulso es relativamente pequea en comparacin al tiempo de muestreo. Un criterio que se emplea en la prctica es /T 0.1.
1011
1012
1013
a X
( k 0 ) + X ( k 0 ) sinc (/2) .
T
k
1017
1018
2.4.2.
1014
1015
1016
?examples:mod:pwm:ppm?
y PW M (t )
y PPM (t )
x (t )
x (t )
t
Instantes de muestreo
t
Instantes de muestreo
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
88
1019
1020
1021
1022
1023
1024
1025
1026
1027
1028
1029
1030
1031
Dos formas alternativas de modulacin por tren de pulsos incluyen la modulacin por duracin
o ancho de pulsos y la modulacin por posicin de pulsos. En la modulacin PWM los valores
muestreados de la seal moduladora x (t ) se emplean para variar la duracin de los pulsos individuales de la seal portadora, como se muestra en la Figura 2.23(a). En la modulacin PPM
la posicin relativa de cada pulso con respecto a los instantes de muestreo, cambia en forma
proporcional a los valores muestreados de x (t ) ( ver Figura 2.23(b)).
La Figura 2.24(a) muestra el diagrama en bloques de un generador de seales PWM y seales
PPM. El sistema emplea un comparador y un generador de ondas en forma de diente de sierra
con perodo T . La salida del comparador es igual a cero, excepto cuando la seal moduladora
x (t ) excede el valor de la seal diente de sierra, en cuyo caso la salida es constante y positiva,
generando de esta manera la seal PWM. La modulacin por posicin se obtiene al aplicar la
seal PWM a un generador de pulsos monoestable que se activa por lo cambios de flanco en su
respectiva entrada y produce pulsos cortos de duracin constante (ver Figura 2.24(b)).
x (t )
Comparador
x (t )
+
_
PWM
t
PWM
Generador
Diente de sierra
Monoestable
PPM
PPM
tk
ions:sampling?
1036
1037
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
89
1038
Problemas
1039
1040
1041
1042
1. Una seal de pulsos modulados se genera al muestrear uniformemente el mensaje descrito como x (t ) = cos (2t /Tm ) para valores t = nT , donde T = Tm /3. Dibuje:
1043
1044
X 2a
a 0
1 + x (t ) +
sin n(t ) cos(n0 t ),
y PW M (t )
T
n
n =1
1045
1046
donde (t ) = (0 /T ) 1 + x (t ) .
3. Analice la forma del espectro de la seal y PW M (t ) del punto anterior.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
91
1047
ction:mod:dig:baseband
? La modulacin digital de banda base es un paso necesario en cualquier comunicacin digital y
1048
1052
1053
2.5.1.
1049
1050
1051
En la modulacin por cdigo de pulso, la seal moduladora se representa a travs de una secuencia de pulsos codificados, que se logra al representar la seal en forma discreta, tanto
en tiempo como en amplitud. Las operaciones bsicas en un sistema PCM son el muestreo,
la cuantizacin y la codificacin, como se muestra en la Figura 2.25. En la etapa de muestreo, la
seal anloga se convierte en seal de tiempo discreto. En la etapa de cuantizacin los valores
continuos de amplitud se representan empleando un conjunto finito de valores y en la etapa de
codificacin a cada nivel de cuantizacin se le asigna un cdigo.
1054
1055
1056
1057
1058
1059
1060
x (t )
Muestreo
Cuantizacin
Codificacin
Cabe anotar que el uso conjunto de las etapas de cuantizacin y codificacin es que lo que
distingue la modulacin de cdigo de pulsos de la modulacin anloga de pulsos.
1061
1062
Muestreo. La operacin de muestreo est sustentada en el teorema de muestreo, 1.3. En particular, para asegurar una reconstruccin perfecta de la seal de informacin, la razn de discretizacin debe ser mayor que dos veces el valor de la componente de frecuencia ms alta max
de la seal que se desea muestrear.
1063
1064
1065
1066
Salida
9
2
7
2
mp
5
2
3
2
5 4 3 2
3
2
5
2
7
2
9
2
m p
Entrada
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
92
1067
1068
1069
1070
1071
1072
1073
1074
1075
1076
1077
1078
x (t )
m p
g:noUni:sketch
1079
/2
e c2 d e c =
/2
2
.
12
1080
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
93
Uniforme
0
x
1 x =
x
mp
No uniforme
rtoon:compressor:Nouni
mediante niveles de cuantizacin de menor tamao. Esta idea se ilustra en la figura 2.27. El esquema de cuantizacin no uniforme equivale a comprimir primero las muestras de la seal para
luego usar un esquema de cuantizacin uniforme. La curva caracterstica de un compresor tpico se muestra en la figura 2.28. El eje horizontal corresponde a la seal de entrada normalizada
(x (t ) = x (t )/m p ) y el eje vertical corresponde a la seal de salida y . El compresor mapea el incremento de la seal de entrada x en incrementos y que son mayores, si la seal toma valores
de amplitud menor, incrementos y menores si la seal toma valores de amplitud mayor. De
esta manera, el cuantizador uniforme emplear un mayor nmero de niveles de cuantizacin
para representar los valores de amplitud menor de la seal y un menor nmero de niveles de
cuantizacin para representar los valores de amplitud mayor. Una expresin particular que se
emplea en la prctica (en Norte Amrica y Japn) como ley de compresin se conoce como ley
y se define como
y=
1081
log(1 + |x /m p |)
log(1 + )
sgn(x ),
|x /m p | 1,
x 1
x
A
si
1
+
log
A
m
m
p
p
y=
x
1 + log A
mp
1 x
1.
sgn(x ) si
1 + log A
A
m
p
1082
1083
1084
La Figura 2.29 muestra ejemplos de la ley y la ley A. Los sistemas de telefona digital en
Norte Amrica emplean la ley con = 255, mientras los sistemas europeos usan la ley A con
A = 87.6.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
94
Ley A
Ley
1
x =
x
mp
nUnif:examples
1085
1086
1087
Con el objetivo de restaurar las muestras de la seal a sus niveles correctos, se utiliza, en el
lado de la recepcin, un expansor con una caracterstica complementaria a la del compresor.
La combinacin de compresin y expansin se conoce como compansin.
5
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
0.5
1.5
2.5
3.5
4.5
t1
t2
t3
t4
1
2
t5
t
Tiempo de
muestreo
t1
t2
t3
t4
t5
Valor
muestreado
0.9
3.1
2.1
2.7
4.4
Valor
cuantizado
0.5
3.5
2.5
2.5
4.5
Nmero
cdigo
4
8
7
2
0
3
4
5
e:mod:baseband
1088
1089
1090
1091
1092
1093
1094
1095
1096
1097
Cdigo
binario
0100
1000
0111
0010
0000
Codificacin. La tarea del codificador en la modulacin por cdigo de pulso consiste en traducir la muestra cuantizada en un nmero cdigo. En forma general, el nmero cdigo se convierte a su representacin binaria. Esta secuencia de bits se transforma en una secuencia de
pulsos adecuados para la transmisin (ver seccin 2.6). En esta caso la modulacin se conoce
como PCM binaria. La Figura 2.30 muestra un ejemplo de modulacin PCM binaria. La seal
x (t ) toma valores entre 5 y 5 [V]. El tamao de es igual a 1 V. Se realiza cuantizacin uniforme con 10 niveles de cuantizacin localizados en 4.5, 3.5, . . . , 3.5, 4.5 V. Se asigna el nmero
cdigo 0 a 4.5 V, el nmero cdigo 1 a 3.5 V, sucesivamente hasta asignar el nmero cdigo 9
a 4.5 V. Cada nmero cdigo tiene su representacin binaria, desde 0000 para el nmero cdigo
0 hasta 1001 para el nmero cdigo 9.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
95
1098
1099
1100
1101
1102
1103
1104
1105
1106
1107
1108
1109
1110
1111
1112
1113
1114
1115
1116
1117
1118
1119
1120
2.5.2.
Modulacin delta
Los valores muestreados de la seal anloga que se obtienen al aplicar el teorema del muestreo
por lo general estn correlacionados. Es posible explotar esta correlacin presente en las muestras de forma tal que el proceso de codificacin se pueda realizar con un nmero menor de bits.
Considrese un esquema de modulacin donde en lugar de transmitir los valores muestreados,
se transmite la diferencia entre valores sucesivos. Esto es, si x [n] es la muestra n-sima, en lugar
de transmitir x [n], se transmite la diferencia d [n] = x [n] x [n 1]. Si en el receptor se conocen
d [n] y el valor previo de la muestra x [n 1], es posible reconstruir x [n]. La diferencia entre los
valores de muestras sucesivas es por lo general mucho menor que los valores de las muestras
y por esta razn se necesita un menor nmero de bits para su codificacin. Es posible mejorar
este esquema de modulacin si el valor de la muestra anterior se emplea para estimar el valor
de la muestra actual. Si la muestra estimada es x [n], la diferencia que se transmite es el error
de prediccin d [n] = x [n] x [n]. Si el valor que se predice x [n] es lo suficientemente cercano a
x [n], la respectiva diferencia entre los dos valores es inclusive menor que la diferencia entre dos
muestras sucesivas. La modulacin delta lleva al extremo la idea anterior al sobre muestrear la
seal de bandabase de manera tal que el error de prediccin puede codificarse empleando un
nico bit. En efecto, el sobre muestreo incrementa la correlacin entre muestras adyacentes lo
que resulta en un error de prediccin que suele ser mucho menor que en el caso del muestreo
simple. En la modulacin delta la muestra estimada est retrasada un perodo de muestreo.
La Figura 2.31 muestra el esquema bsico de la modulacin delta. La seal de tiempo discreto
x [n] se compara con la muestra estimada x [n] = x p [n 1], donde x p [n] es una versin cuantizada de x [n] y as se genera la seal de error de tiempo discreto d [n]. Esta seal de error se
cuantiza en un slo bit y luego se codifica para ser transmitida como una secuencia de bits.
x [n]
x p [n 1]
d [n]
d p [n]
Cuantizador
de un bit
Codificador
+
+
z 1
x p [n]
Acumulador
Seal
codificada
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
96
donde
(
d p [n] = sgn(d [n]) =
si d [n] > 0
si d [n] < 0.
n
X
d p [k ].
k =0
1121
1122
1123
1124
1125
1126
1127
1128
1129
1130
1131
1132
.
mx
T
dt
Al no cumplirse esta condicin, el tamao de resulta insuficiente para que la aproximacin
en forma de escalera x p [t ] siga los segmentos de mayor pendiente de x (t ). Esta fenmeno se
conoce como sobrecarga de pendiente y se ilustra en la Figura 2.33(a). El error de cuantizacin
resultante se conoce como distorsin por sobrecarga de pendiente.
En contraste, el ruido granular ocurre cuando el tamao del escaln es grande en comparacin a la pendiente local de la forma de onda x (t ). El ruido granular tiene una interpretacin
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
97
Ruido granular
Distorsin por
sobrecarga de pendiente
fig:problemas:deltamod?
1
2
e c2 d e c =
2
.
3
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
98
1133
Problemas
1134
1135
1136
para k W.
para w n W.
(b ). sinc 2 (100t )
(c ). sinc(100t ) + sinc(50t )
3. Demuestre que
n (t ) =
sin(W (t nT ))
,
W (t nT )
n = 0, 1, 2, . . .
n (t )k (t )d t = T n k ,
n k =
1,
si n = k
0,
si n 6= k .
1137
1138
1139
(x (t ))2 d t = T
(x (nT ))2 ,
T=
n =
5. Una seal anloga se cuantiza y transmite usando un sistema PCM. Si cada muestra en
el receptor debe conocerse dentro de un 0.5 % del valor de escala completa pico a pico,
cuntos dgitos binarios debe contener cada muestra?
6. Considrese una seal sinusoidal x (t ) = a cos m t a la entrada de un modulador delta
con tamao de escaln . Muestre que la distorsin por sobre carga de pendiente ocurre
si
fs
A>
=
,
m T
2 f m
1140
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1141
ection:mod:dig:carrier
1142
1143
1144
1145
1146
1147
1148
1149
1150
1151
1152
1153
1154
1155
1156
1157
1158
1159
1160
1161
1162
1163
1164
1165
1166
1167
1168
1169
1170
1171
1172
1173
1174
1175
1176
1177
1178
1179
1180
99
Descripcin bsica
Uno de los principales problemas en el diseo y realizacin de sistemas de Telecomunicaciones (STC) multicanales, es la escogencia del mtodo de modulacin de las seales que pueda
brindar mejores resultados de fiabilidad, eficiencia espectral y compatibilidad electromagntica con otros radiosistemas vecinos.
El angostamiento del ancho de banda del
Cdigo binario
1
0
0
0
1
1
lbulo principal junto con la disminucin
del
nivel de los lbulos laterales espectrales de
la seal, permiten disminuir la influencia de
las interferencias entre smbolos de la seal
ASK
similares. La Figura 2.34 ilustra los tres esquemas bsicos de modulacin digital de portadora. En los ltimos tiempos se ha realizado un cambio en los mtodos de modulacin
utilizados en los STC. Desde el antes utilizado
corrimiento de fase binario (BPSK Phase Shift
Keying) o de su modalidad diferencial (DBPFSK
SK Differential PSK ), se va hacia los mtodos de modulacin con valores mltiples de
fase (M-ary PSK), por ejemplo el corrimiento
de fase cuaternario (QPSK- Quadrature PSK )
o de su modalidad con codificacin relativa
(DQPSK).
Otros mtodos de corrimiento que se empiezan a utilizar son una modalidad de los
PSK
mtodos de multiplexacin en cuadratura de
seales PSK (cuaternarias) con un corrimiento adicional en uno de sus canales (OQPSK Offset QPSK ). En estas seales hay un retraso adicional de la secuencia informativa del Figura 2.34: Formas de onda en modulacin digital
de portadora.
canal en cuadratura de la seal que es igual
fig:digital:carrier
a Ts /2, donde Ts es el perodo de pulso informativo. Las influencias de los efectos no lineales de los radiocircuitos y de los medios fsicos de
transmisin, adems de las limitaciones espectrales (filtracin preliminar para el angostamiento del ancho de banda), disminuyen significativamente la fiabilidad de los STC. En la prctica, en los medios fsicos de radiotransmisin se tiene un gran nivel de no linealidad; adems,
muchas veces los dispositivos ptimos de trabajo de las seales pueden tener tambin caracter no lineal y por ello es ms recomendable utilizar mtodos de modulacin con envolvente
constante (Constant Enveloment Signals).
En general, el modulador transforma el mensaje a transmitir d (t ) en la seal modulada y (d , t )
de tal manera que se cumpla la igualdad:
y (d , t ) = { f E {d (t )} exp{j (c t + 0 )}},
(2.30) eq:env_digital
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
100
donde c = 2f c es la portadora, 0 es la fase inicial instantnea, f E (t ) es una funcin compleja, dada en la definicin 2.1, que determina el mtodo de modulacin digital empleado.
Adems, el mensaje enviado d (t ) consiste en una serie de pulsos discretos de informacin con
una duracin de Ts [s]:
d (t ) =
X
t =
d k (t Ts ),
(2.31) {?}
siendo (t ) la funcin de cambio de la envolvente o funcin ventana de los pulsos que se determina como:
(
6= 0; t ( + L s )Ts
(t ) =
(2.32) {?}
0;
para otros t ,
donde L s es la cantidad de pulsos durante la cual el valor de la envolvente es diferente de cero.
En general, a partir de la expresin (2.30) la seal modulada y (t ) se puede representar en forma
de una serie cuasiarmnica:
y (t ) =
X
k =
y k (t Ts , c + k ),
k Ts t (k + 1)Ts ,
(2.33) eq:modulada_digital
donde k es el desplazamiento adicional de los armnicos, cuyo valor no depende de los smbolos de informacin enviados. Teniendo en cuenta que k = 2f c t , entonces, y (t ) se puede
representar en (2.33) en forma de suma de dos componentes en cuadratura:
y i (t ) = i (t ) cos(c t + c ) i (t ) sin(c t + 0 ),
(2.34) eq:mod_quadrature
donde:
d i (t ) = i (t ) + i (t )
1181
i (t ) = i (t ),
i (t ) = i (t ).
(2.35) {?}
1182
1183
(2.36) {?}
el cual representa un espacio bidemensional conformado por los vectores base (t ) cos(c t +
0 ) y (t ) sin(c t + 0 ).
De otra parte, la densidad espectral de potencia de la seal y (t ), se representa por medio del
espectro F {y }(f ) de la envolvente compleja de la seal y (t ) por la expresin:
S y (f ) = (S y (f f c ) + S y (f + f c ))/4,
1184
(2.37) {?}
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
101
1185
2.6.2.
1186
2.6.3.
X
k =
r (t k Ts ) + 0 ),
(2.38) eq:PSK_def
(
1;
0;
0t T
(2.39) eq:phi_rect
t < 0 t > T.
t /,
0 t Ts
v (t ) = 1,
(2.41a) eq:v_t_rect
t Ts
(Ts t )/, Ts t Ts
v (t ) = sin(nt /Ts ); 0 t Ts
1
v (t ) = {1 cos(2t /Ts )} sin2 (nt /Ts ) ;
2
(2.41b) eq:v_t_sin
0 t Ts .
(2.41c) ?eq:v_t_sin2?
El modelo de la seal PSK de (2.38) se puede representar en forma de cuadratura, (2.34), entonces, se cumple que
X
X
(t ) =
cos (r ) ; (t ) =
sin (r ) .
(2.42) eq:env_complej
En el caso particular de las secuencias binarias (M = 2, N = 1), para las seales PSK se tiene
que (r ) (t ) = {0, }, luego, la expresin (2.38) ser:
y (t ) = cos(c t + 0 + r ),
(k 1)Ts t k Ts .
(2.43) eq:PSK_def02
sin(f Ts )
f Ts
2
.
(2.44) {?}
Modulacin digital de fase en cuadratura (QPSK): La seal PSK se puede representar en forma de dos seales con modulacin digital de amplitud (ASK) cuyas portadoras estn desfasadas
una a otra en un valor de 90 (componentes en cuadratura), con lo cual el modelo de (2.34), para
el caso de variacin de fase se denomina modulacin de fase en cuadratura, cuyas respectivas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
102
(2.45) {?}
t k T
t k Ts
s
d
=
cos
, k Ts t k Ts +
i
2
2
= 0, k Ts + < t < (k + 1)Ts
(t ) = cos 2 d i
t k T
(k +1)Ts t
s
cos 2 d i
= cos 2
, (k + 1)Ts t (k + 1)Ts
Ts
sin 2 t k
,
k Ts t k Ts +
(k +1)Ts t
d i cos 2
, (k + 1)Ts t (k + 1)Ts .
cos
Mientras, para las ventanas sinoidales (ver ec. (2.41b)), se tiene que
sin
(t k Ts )
= J0
+2
J 2
cos 2p (t k Ts )
2
Ts
2
2
Ts
p =1
sin
(t k Ts )
=2
J 21
sin (2p 1) (t k Ts ) ,
(t ) = d i sin
2
Ts
2
Ts
p =1
(t ) = cos
1187
d i = exp
+ 2i
, i = 0, 1, . . . , M 1.
(2.46) eq:estadosfase
2
2
De la expresin (2.46), en el caso de QPSK (M = 4) se tienen los siguientes valores concretos
de estados de fase d i = {90, 0, 90, 180}. De otra parte, los mtodos de modulacin de fase con
funcin de cambio de fase v (t ), cuando presentan cambios abruptos de fase en 180 conllevan
a la cada de la envolvente de la seal. Por ejemplo, en la ec. (2.41a) conllevan la aparicin de la
deformacin significativa de la envolvente, principalmente, por su proceso mediante dispositivos no lineales, lo que a su vez disminuye la fidelidad de los STC. Sin embargo, la introduccin
de un desplazamiento o retardo en el tiempo adicional en una de las componentes en cuadratura (por lo general en el canal de cuadratura) puede brindar un mayor nivel de constancia de la
envolvente. En este caso, la expresin para la fase k en la ec. (2.40) ser:
k
1
k = 2f c k Ts +
= 2 f c +
k Ts ,
(2.47) {?}
2
4Ts
entonces As, la expresin (2.30) para el formato de QPSK con desplazamiento adicional tiene
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
103
la forma
X
y (d , t ) = {e j (c t +c )
d k (t )e j k /2 },
(2.48a) eq:oqpsk01
k
X
=
d k (t ) cos(c t + c + k /2)
k
X
X
(1)k d 2k (t ) cos(c t + 0 )
(1)k d 2k +1 (t ) sin(c t + 0 ) . (2.48b) eq:oqpsk02
=
k
La expresin (2.48a) corresponde al formato de seal ASK con un mismo valor de portadora,
para la cual la fase cambia en /2 despus de cada smbolo. Mientras, la expresin (2.48b) es la
suma de dos componentes en cuadratura, adicionalmente desplazadas en el tiempo, de manera
que la secuencia de pulsos pares se puede representar como la componente de sinfase y la de
impares como la de cuadratura. Si (t ) se diferencia de la funcin determinada en la ec. (2.39),
entonces en este caso, las ecuaciones (2.48a) y (2.48b) se determinarn as:
y (t ) =
y (t ) =
k
X
X
k
d k (t k Ts ) cos(c t + 0 + k /2),
(1)k d 2k (t 2k Ts ) cos(c t + 0 )
X
(1)k d 2k +1 (t (2k + 1)Ts ) sin(c t + 0 ).
k
En la prctica, el tipo de modulacin de fase con desplazamiento adicional, descrito por las
anteriores ecuaciones y denominado modulacin QPSK con desplazamiento (OQPSK), tiene
amplio uso, para el cual son vlidas las expresiones:
X
k rectT (t 2k Ts )
(t ) =
k
X
(t ) =
k
1188
1189
1190
1191
1192
1193
1194
1195
1196
1197
1198
1199
1200
1201
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
104
1202
2.6.4.
(t ) = 2h
d ()d + 0 ,
(2.49) eq:FSK_def
d ()d ).
(2.50) {?}
Los siguientes mtodos de modulacin de ngulo con envolvente constante han sido desarrollados:
1205
1206
1207
3. Corrimiento de frecuencia con mltiples valores del ndice de modulacin (Multi-h PSK).
1208
1209
1210
1211
1212
1213
1214
1215
La primera forma directa de limitacin y mejoramiento del espectro de las seales con corrimiento angular consiste en allanar o alisar los cambios de fase entre los smbolos informativos
hasta llegar a su continuidad, esto es, que la frecuencia instantnea no tenga ningn punto de
discontinuidad en el tiempo, como el caso de las seales con corrimiento de frecuencia con
fase continua (CPFSK - Continuous Phase Frequency Shift Keying) o, por lo menos, disminuir la
frecuencia y la amplitud de estos puntos de discontinuidad, por ejemplo, realizando cambios
transitorios de fase con valores intermedios (Multih PSK).
Modulacin digital de frecuencia con fase continua (CPFSK): Este formato de modulacin
corresponde a seales con valores relativamente bajos del ndice de modulacin h (por lo general, h < 2), que se forman sin rompimiento de fase en el momento del cambio de los pulsos de
informacin. La seal modulada CPFSK en general se puede escribir de la siguiente manera:
!
Z t
f a i d x + 0 ,
y (t ) = u m cos 2f 0 t + 2
(2.51) {?}
0
1216
1217
1218
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
105
En general, CPFSK representa la transformacin de la secuencia de pulsos digitales de informacin, d (t ), en una funcin continua de la fase en el tiempo (t , d ). Para este tipo de modulacin se puede construir cdigos especiales con relaciones de malla entre sus elementos, los
cuales pueden bien maximizar la distancia de Euclides de las seales moduladas o bien aumentar la cantidad de valores posibles de cambios de fase. Un aumento posterior de las cualidades
espectrales de las CPFSK se obtiene en caso de eleccin simultnea de la ley de modulacin de
la fase y/o frecuencia, de tal manera, que se aumente la cantidad de derivadas continuas de la
seal modulada. En la prctica, se emplean seales de modulacin digital de frecuencia con
longitud finita de la ley de cambio de la frecuencia, para los cuales la funcin de cambio de la
envolvente, se extiende por una cantidad de smbolos L s R+ , a diferencia de lo que ocurre en
(2.39), esto es:
(
0;
t < 0 t > L s Ts
(t ) =
(2.52) eq:cpfsk_env_p
6= 0; t t L s Ts ,
entonces, la seal modulada CPFSK se puede representar en la forma:
y (t ) =
X
k =
(t k Ts ) cos(c t + (t , d ) + 0 ),
(t , d ) = 2h
i =
(2.53a) eq:cpfsk_env
(2.53b) eq:cpfsk_phase
Tpica e independiente del formato digital, el desfase aleatorio inicial 0 se asume con funcin densidad de probabilidad uniforme,
p (0 ) = 1/(2), 0 [0, 2]
De otra parte, un caso especial de anlisis se tiene cuando h es igual a 1/2, luego, la exigencia de ausencia de distorsiones entre canales significa que en la seal y (t ), se debe cumplir la
siguiente condicin:
Z
q (t ) =
Ts
(x )d x , h =
0
1
(t )d t = ,
2
= 2h
m Ts
dk
(m 1)Ts
X
k
q (x k Ts )d x
d k qi (m k + 1)Ts qi (m k )Ts ,
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
106
LX
s 1
i =0
= 2h
LX
s 1
=0
1219
1220
d m 1 q(i +1)Ts qi Ts
Z
d m 1
(L+1)Ts
q (x )d x .
(2.54) eq:desfase_elemen_cpfsk
LTs
De acuerdo al valor L s diferencian formatos de modulacin digital con enlace entre smbolos
de frecuencia (cuando L s > 1) y formatos sin enlace de frecuencia (cuando L s = 1).
Las expresiones analticas para la funcin densidad espectral de potencia S y (f ) de las seales
CPFSK se puede hallar recurriendo a los modelos (2.53a) y (2.54), para el caso de un intervalo L s
finito del pulso de modulacin de frecuencia (t ), asumiendo adems que no hay correlacin
de los smbolos de informacin. Sin embargo, la complejidad y el volumen de la memoria de
los clculos exigidos para el espectro aumentan drsticamente con el incremento de L s . En este
sentido, el empleo de clculos basados en la funcin de correlacin permiten disminuir tales
limitaciones. La expresin general para la funcin de autocorrelacin de las seales CPFSK se
puede representar de la forma:
R() = R( + m Ts ) =
!
Zm
Y
1
2 X
cos(2hk i q ( i Ts ) q ( (i m )Ts ) d ,
Ts 0 i =1L M
k =1
1221
1222
i =0
l =0
m =0
(L s +1)T
S y (f ) = 2
R() cos(2f )d ,
h=
2k + 1
,
2
k = 0, 1, 2, . . . , N+ .
(2.56) eq:PSDCPFSK
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1223
2.6.5.
107
Tericamente, los mtodos CPFSK, que se diferencian de acuerdo con el ndice de modulacin
elegido h, brindan una fidelidad igual a la mxima posible, sin embargo construir un receptor
coherente ideal, hasta hoy, es una tarea tcnicamente compleja. La dificultad radica en la implementacin de las seales coherentes de reloj y sincronizacin, necesarias para la recepcin,
para cualquier valor de h. En particular, los esquemas que pueden recomendarse para cualquier
relacin seal/ruido son realizables slo para valores enteros de h I+ . Por otra parte, la efectividad de la utilizacin del espectro de las seales CPFSK aumenta cuando el valor del ndice de
modulacin disminuye (h < 1) . Adems, la mxima fidelidad potencial de las seales binarias
se obtiene maximizando la distancia Eucldea (1.14), dado el conjunto de seales informativas
{d 0 , d 1 }, que se determina como:
R
2
max{ 2E1 T y (d 1 , t ) y (d 2 , t ) d t },
max{ky (d 1 , t ) y (d 2 , t )k}
s
=
h
h
1224
1225
1226
1227
1228
1229
1230
1231
1232
1233
siendo X k =
Pk =1
i =0
Cabe anotar que X k toma los valores k , de acuerdo con la polaridad de los smbolos enviados d i = 1 en el intervalo de transmisin Ts . De esta manera, en cada instante de tiempo t , la
seal MSK contiene determinada informacin sobre otros smbolos antes transmitidos; efecto
denominado enlace de fase entre smbolos o trama de fase, el cual, bien utilizado, puede aumentar la fidelidad de la recepcin de la seales. A propsito, empleando la relacin del enlace
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
108
de fase entre los valores de X k y X k +1 , para las seales MSK se puede obtener:
y (t ) =
1234
1235
1236
(2.57) eq:msk_quad
Del anlisis de la ecuacin (2.57) se observa que las componentes en cuadratura de la seal
MSK representan dos secuencias de pulsos, con un corrimiento adicional entre ellas en el tiempo igual a Ts , donde una de las secuencias es par y la otra impar.
MSK
OQPSK
QPSK
cos t
T
- Ts /2
PSK
cos (o t )
cos (o t )
cos t
T
- FPB
?
6
-
sin t
T
sin (o t )
sin (o t )
sin t
T
6
- FPB
fig:GenMSKQuad
La expresin (2.57) se identifica con la manera general de describir una gran clase de seales
clasificadas dentro de los mtodos de modulacin digital con componentes en cuadratura sobre
una misma portadora y que se diferencian de acuerdo con el tipo de funciones empleadas para
la modulacin de la envolvente de los pulsos en cada una de las componentes sin (t ) y cos (t ).
En particular, para las seales QPSK se tiene:
(
cos (t ) =
1237
1238
1239
1240
1241
1242
1243
p1 ,
2
0,
0 t 2Ts
(
,
sin (t ) =
p1 ,
2
0,
Ts t Ts
Como antes se haba dicho, en las seales PSK y QPSK se tienen rompimientos o puntos de
discontinuidad en la fase iguales a , los cuales generan cadas completas de la envolvente de
la seal hasta 0, a su paso por algn circuito selectivo. Motivo por el cual, aumenta la probabilidad de que el sistema pueda ser neutralizado por alguna interferencia externa al STC y por
las interferencias entre smbolos. En el caso de las seales OQPSK, los cambios de fase en
son menos probables y codificando apropiadamente la seal, pueden eliminarse. Sin embargo,
el rompimiento de fase de /2 empeora las propiedades espectrales de la seal y, de cierta
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1244
1245
1246
1247
1248
109
manera, la hace vulnerable a la no linealidad del medio fsico de transmisin. Cuando se estn
utilizando las seales MSK, independientemente de que polaridad lleve el smbolo de informacin d i = 1, la fase cambia su valor en /2 linealmente, con lo cual se puede brindar la continuidad de la envolvente. De hecho, cuando la seal MSK pasa a travs de un circuito selectivo
el nivel de su envolvente sigue siendo constante, neutralizando as sus efectos no lineales.
Propiedades energticas de las seales MSK: El espectro de potencia del tipo de modulacin
MSK se deduce de la expresin (2.56), cuando h = 0.5, y M = 2:
2
L s +(n
/2)
X
T sin(f T /)
S y (f ) =
R(nTs /) cos(2f nTs /) .
(2.58) {?}
R(0) + 2
(f t /)
n =0
Sin embargo, una expresin ms compacta se puede obtener considerando que el parmetro
de informacin d k se puede determinar como una secuencia aleatoria del tipo markoviano.
As, las expresiones de la envolvente espectro de las seales MSK y QPSK son las siguientes,
respectivamente:
8Ts 1 + 4 cos 4f Ts
Sy f =
(2.59a) eq:psd_msk
2 , MSK
2 1 16Ts2 f 2
sin 2f Ts
S y f = 2Ts
, QPSK .
(2.59b) eq:psd_qpsk
2f Ts
1249
1250
1251
1252
1253
1254
1255
1256
1257
1258
1259
De (2.59a) y (2.59b), se infiere que la utilizacin de las seales MSK permite disminuir significativamente el nivel de energa espectral fuera de la banda en relacin con las seales PSK,
debido a que el primer mximo lateral del espectro S y f para las seales MSK es igual a 23
dB. De hecho, el nivel de los lbulos laterales del espectro para las seales MSK decrece con
2
una razn proporcional de f Ts , mientras que para QPSK esta es de f Ts , Adems, el uso de
MSK permite angostar el ancho de banda del lbulo principal del espectro (es el que determina
el ancho de banda de trabajo de los sistemas), pues mientras el ancho de banda para MSK es
de 1.5
, para las seales PSK es de 2.0/Ts . Cabe notar que el ancho de banda del trabajo para las
Ts
seales de modulacin digital en cuadratura (QPSK, OQPSK) es igual a 1.0/Ts . Para el caso de las
seales MSK, el 99 % de la cantidad de energa del espectro G f esta concentrada en el lbulo
principal, mientras que para las seales PSK, esta cantidad es solo del 92 %.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
110
cos 2t 1 (t ) , 0 t Ts
2Ts
cos (t ) =
cos 2t 2 (t ) , Ts t 0
2T
s
2t
2Ts
sin (t ) =
sin 2t
2Ts
sin
1 (t ) ,
2 (t ) ,
0 t Ts
Ts t 0,
donde 1,2 (t ) es una funcin adicional de variacin de la fase continua, que puede tomar un
valor de ceros solo en los extremos del intervalo de modulacin [0, Ts ] de los smbolos de informacin. Un amplio uso ha tenido el formato de modulacin digital, obtenido a partir del ltimo
par de expresiones para la generacin de la funcin de modelacin de la envolvente de los smbolos informativos y que consiste en la introduccin de funcin de variacin de la frecuencia
de forma sinusoidal (SFSK sinusoidal FSK ), para las cuales la anterior expresin se simplifica
hasta la siguiente forma:
1 sinc 2t , 0 t Ts
2Ts
(t ) =
0,
|t | > T .
s
1260
1261
1262
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
111
1263
1264
1265
Problemas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
3
1266
1267
1268
1269
1270
1271
1272
1273
1274
1275
1276
1277
1278
1279
1280
1281
1282
1283
1284
1285
1286
1287
1288
1289
1290
1291
1292
1293
1294
a seal aleatoria (s ) corresponde a un proceso, que se desarrolla sobre la variable s . Cuando la variable del argumento de la seal aleatoria, que usualmente es el tiempo, discurre
continuamente, entonces se habla de funciones aleatorias. Si en cambio, la variable del tiempo
corresponde a una malla de valores discretos, s 1, s 2 , . . . , s n , entonces se habla de sucesiones o
series aleatorias. El anlisis de las seales aleatorias, en gran medida, depende de si cambia o
no su estructura de aleatoriedad con respecto a su variable del argumento.
ProcAleatorio3D
En cualquier caso, las seales aleatorias pueden ser descritas mediante un ensamble de mltiples observaciones, entonces, se generan dos clases diferentes de promedios: se pueden efectuar mediciones sucesivas a lo largo de una misma observacin (t ) a partir de las cuales
se
hallan sus momentos y valores de aleatoriedad o valores promedios de tiempo E { ni (t ) }, as
mismo, se pueden examinar todas las observaciones del ensamble, en un momento de tiempo
dado t i con lo cual se hallan los valores promedios de ensamble E {{n (t i )}}.
113
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
114
1295
1296
1297
1298
1299
3.1.1.
1300
E {n (t n )} = cons t .
En consecuencia, los momentos de las seales estacionarias se asocian con los siguientes
promedios de tiempo:
- Valores medios
E { n (t ) } =
Z
n (t ) d t n (t ),
n N
(3.1) ProcEst:VarMed
E { (t ) (t )} =
n
(t ) (t ) d t ,
n 2, n N
(3.2) ProcEst:VarCen
- Valores de correlacin
K (t m , t n ) = E { (t m ) m 1 (t m ) (t n ) m 1 (t n ) }
Z
(t m ) m 1 (t m )
(t n ) m 1 (t n ) d t
= R (t m , t n ) m 1 (t m ) m 1 (t n )
(3.3a) ProcEst:Covar
R (t m , t n ) = E { (t m ) (t n )} =
(t m ) (t n )d t
(3.3b) ProcEst:FunCorr
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
115
Cuando en los ncleos de valores de correlacin se tiene el caso de dos variables aleatorias
diferentes, (t ) 6= (t ), se habla de la funcin de correlacin mutua, mientras en el caso de
anlisis de una misma funcin, (t ) = (t ), se dice de funcin de correlacin propia. Si se tienen
dos variables aleatorias (t ) y (t ) con los respectivos valores de correlacin propia R (t m , t n )
y R (t m , t n ), de forma adicional se considera la matriz de correlacin:
R (t m , t n ) R (t m , t n )
R=
R (t m , t n ) R (t m , t n )
Asumiendo que se analiza la suma de la seal aleatoria 1 (t ) con otra seal no aleatoria x (t ), se obtiene
el siguiente valor medio:
E { (t )} = E {1 (t ) + x (t )}
= E {1 (t )} + x (t )
con la respectiva funcin de correlacin R (t m , t n ) = R 1 (t m , t n ) .
Si la variable x (t ) se convierte en constante x (t ) = con s t ., se obtienen los momentos:
E { (t )} = E {1 (t ) + c } = m 1 (t ) + m 1c
R (t m , t n ) = R 1 (t m , t n ) + c2
R (t m , t n ) = a 2 R 1 (t m , t n ) + b 2 R 2 (t m , t n ) + a b R 1 2 (t m , t n ) + R 2 1 (t m , t n )
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
116
SumaSenosAlea
Ejemplo 3.2
(t ) =
N
X
n (t )
n=1
N
X
R n (t 1 , t 2 )
n=1
N
X
=
n=1
2 n cos n (t 1 t 2 )
OperadorLineal
1305 Transformacin lineal de seales aleatorias.
1306
1307
1. y = K {x } = K {x }, = cons t .
1308
2. y = K {x 1 + x 2 } = K {x 2 } + K {x 1 }
1309
1310
1311
= E {K (t m ) m 1 (t m ) }E {K (t n ) m 1 (t n ) }
= K E {(t m ) m 1 (t m )} K E {(t n ) m 1 (t n )}
= K(t m ) K(t n ) R (t m , t n )
(3.4a) ProcAleaMed
(3.4b) ProcAlea:OperLineal
Cabe anotar que la suposicin de estacionariedad simplifica las expresiones (3.4a) y (3.4b),
obtenidas para la transformacin de seales, as:
E { (t )} = E {K { (t )}} = K {E { (t )}} = m 1
R () , = t m t n
(3.5a) ?ProcEstMed?
(3.5b) ?ProcEst:OperLineal?
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
117
De otra parte, la reaccin de un sistema lineal e invariante en el tiempo (1.77) se describe por
la reaccin del operador lineal del sistema a la funcin (t ), o respuesta a impulso h(t ), por
lo que si a la entrada del sistema se tiene la seal aleatoria (t ), mientras a la salida se tiene
la seal aleatoria (t ) , entonces, se observan las siguientes relaciones en el tiempo entre los
momentos de entrada y salida del sistema:
Z
m 1 (t ) =
m 1 (t )h()d
(3.6a) ProcAlea:Media
0
Z Z
R (t m , t n ) =
R (t m m , t n n ) h(m )h(n )d m d n
(3.6b) ProcAlea:FunCo
0 0
Ejemplo 3.3
R (t m , t n ) = 2 exp |t m t n |
d
m 1 (t )
dt
= 2a t
La funcin de correlacin del proceso de salida se halla diferenciando dos veces la funcin de correlacin
del proceso de entrada, de la siguiente manera:
1312
t m > t n : R (t m , t n ) = 2 e (t m t n )
R (t m , t n ) = 2 e (t m t n )
tm
2
R (t m , t n ) = 2 2 e (t m t n )
tm tn
R (t m , t n ) = 2 e (t n t m )
tm
2
R (t m , t n ) = 2 2 e (t n t m )
tm tn
Juntar ambos casos de anlisis (t m > t n y t m > t n ) es imposible. Por lo tanto, se puede inferir que la
funcin de correlacin R (t m , t n ) no tiene la segunda derivada para el valor t m = t n , luego, el proceso (t )
no es diferenciable.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
118
2
E { (t ) (t ) } = E { f (t ) f (t ) }
1313
= f 2 (t ) E {}
1314
3.1.2.
Sea el proceso estacionario, en el cual se conocen los valores del primer momento inicial de cada una de las n trayectorias. Considerando la estacionariedad del proceso, la esperanza matemtica del mismo en cualquier corte de tiempo t i , como se muestra en la Figura 3.1, se determina
de la forma
n
1X
k (t i )
m 1(t i ) =
n
k =1
n
1X
i (t k ) t
n
k =1
ZT
i (t ) d t
0
Por cuanto, se asume que las propiedades de aleatoriedad de los procesos estacionarios se
mantienen invariantes en el tiempo, entonces, cuando se tiene un nmero n suficientemente
grande, para cada trayectoria se cumple la igualdad
f1i = m 1(t i ) ,
m
i = 1, . . . , n
Generalizando la expresin anterior, un proceso aleatorio estacionario se define como ergdico, cuando los valores promedios de tiempo y de ensamble son idnticos, esto es,
E {ni (t )} = E {n (t i )}
1315
1316
(3.7) ProcAlea:Ergodicidad
La media de cada observacin del ensamble es igual a la media de la observacin media del
ensamble. De (3.7), se entiende que un proceso ergdico es estacionario, pero no viceversa.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
119
La estimacin de los momentos (3.1) para una seal ergdica (t ) se describe como
Z
n
e { (t )} =
E
n (t ) w (t ) d t ,
n Z
(3.8) 2.63
w (t ) d t = 1
(3.9) ?2.63a?
w (t ) e j t d t
1317
1
T
1
T T
ZT
n (t ) d t ,
n N
(3.11a) 2.66a
ZT
(t ) (t )
dt,
n 2, n N
( (t )) (t + ) d t
(t ) (t )
(t + ) (t ) d t
2
= R () m 1
1319
(3.11c) ProcEst:FunCor
K () = lm
1318
(3.11b) 2.66
Los momentos de las seales ergdicas se relacionan con el siguiente sentido fsico:
(3.11d) ?ProcEst:CovarE
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
120
1320
1321
1322
1323
1324
1
R () = lm
T T
ZT
a2
= lm
T T
a cos t + a cos t + + d t
ZT
1
cos + + cos 2t + + 2 d t
2
ZT
cos d t =
a2
cos
2
1325
ZT
cos 2t + 2 + d t
a2
=
cos 2 +
2T
ZT
a2
cos 2t d t
sin 2 +
2T
ZT
sin 2d t
0
Por cuanto,
Z
lm
cos k t d t = lm sinc (k T ) = 0, lm
T
sin k t d t = 0, k Z
1326
1327
st:FunCorProp?
a2
cos
2
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
121
1328
(a). Paridad. R () = R () , K () = K ()
A partir de la estacionariedad del proceso se puede demostrar la simetra de los valores
de correlacin respecto a los argumentos t 1 y t 2 :
E {m (t 1 ) m (t 1 ), n (t 2 ) n (t 2 )} = E {n (t 2 ) n (t 2 ), m (t 1 ) m (t 1 )}
1329
(b). Valor mximo. R () R (0) ,
K () K (0).
ZT
(t ) (t ) (t ) (t ) d t = 2 ,
(3.12a) ?2.66b?
R (0) =
1
T
ZT
(t ) (t ) d t = 2 (t )
(3.12b) 2.66c
1330
1331
(c). Continuidad. Si la funcin R () es continua en = 0, entonces R () tambin ser continua para todo .
(d). Periodicidad. Cuando se cumple que:
R () = R ( + T ) , T
(e). Restriccin en la forma. Dado un proceso fsicamente realizable, la transformada de Fourier de su funcin de correlacin debe cumplir la siguiente restriccin de forma:
F R () 0,
(3.13) ProcAlea:Fouri
(f). Convergencia. Si el proceso aleatorio (t ) no es peridico, entonces se cumple,
lm R () = 2 (t ),
||
lm K () = 0,
||
En este sentido se introduce el concepto de intervalo de correlacin, que se puede determinar, bien como la parte 1 del valor mximo de la funcin de correlacin, bien
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
122
como la mitad de la base del rectngulo e con altura unitaria y rea igual a la de la
funcin de correlacin normalizada. En el primer caso, el intervalo de correlacin corresponde al valor = c , tal que el valor de la funcin normalizada de correlacin sea
considerablemente pequeo:
R (c )
2
= 0.05 . . . 0.1
(3.14) ProcAlea:IntervalCorrel
Z
R () d
(3.15) ProcAlea:IntervalCorrel
Ejemplo 3.6
Hallar
el intervalo de correlacin para la funcin de correlacin expresada en la forma,
R () = k 1 2 2 .
De la expresin (3.14), se tiene que
1 1 2 2c =
r
1 1
c =
1332
1
1
d
=
arctan
2
2
1+
Por ltimo, se puede decir que la funcin de correlacin caracteriza la dependencia estadstica entre los valores instantneos del proceso, dados en diferentes momentos del tiempo. As,
por ejemplo, sea la diferencia cuadrtica media entre dos valores instantneos del proceso
definida de la forma,
() = E {( (t ) (t + ))2 }
de la cual se observa que
() = 2 (t ) + 2 (t + ) 2 (t ) (t + ) = 22 (t ) 2R ()
= 2R (0) 2R ()
luego,
2R () + () = 2R (0) = const
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
123
1333
1334
1335
1336
6R ()
6R ()
.... .....................
.......
....
...
..
...
...
...
...
...
...
..
...
...
...
...
..
...
...
...
.........
(a )
(b )
6
R ()
(c )
(d )
1337
1338
1339
1340
1341
1342
1343
1344
1345
1346
Procesos con correlacin nula, en los cuales el valor de la funcin de correlacin es cero,
excepto para el corte de tiempo R (0) () (Figura 3.2(a )).
Procesos con correlacin continua, en los cuales el valor de la funcin cambia sobre un
dominio continuo, (Figura 3.2(b )).
Procesos con correlacin discreta o procesos de Markov, cuando la funcin de correlacin
cambia de forma escalonada sobre una malla discreta de valores del intervalo de correlacin {k }, (Figura 3.2(c )).
Dentro de los procesos de Markov, una clase importante corresponde al caso cuando la
funcin de correlacin discreta se limita a un solo escaln (Figura 3.2(d )) lo que se interpreta como la dependencia de dos valores contiguos del proceso.
Z
R () cos d =
0
a cos d
0
a
sin 1 0,
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
124
Ejemplo 3.7 Sean (t ) y (t ), seales aleatorias dadas en un intervalo finito de tiempo t T . Hallar la
funcin de correlacin mutua usando la descomposicin ortogonal de Fourier.
Las series de Fourier (1.28), para las seales aleatorias, (t ) y (t ), tienen la misma forma,
x (t ) = a 0 +
(a n cos n t + b 0 sin n t ) ,
n=1
2
,
T
x ,
X
n=1
a n cos n cos n t
b n sin n cos n t +
n=1
a n sin n sin n t +
n=1
b n cos n sin n t
n=1
1 X
1 X
a n a n + b nb n cos n +
a nb n a nb n sin n
2 n=1
2 n=1
Cuando se asume la paridad de ambas seales aleatorias en anlisis, entonces, los trminos del senos se
convierten en 0; b = b = 0, luego, la anterior expresin se simplifica hasta,
R () = a 0 a 0 +
1X
a n a n cos n
2 n=1
1347
Concretamente, se puede hallar la funcin de correlacin propia para el tren de pulsos cuadrados, mostrado
en la Figura 3.3(a ), empleando la descomposicin ortogonal de Fourier.
La serie de Fourier de la funcin tren de pulsos cuadrados tiene la forma
(t ) =
2X1
t
t
+
sin n
cos n t
2
n=1 n
n
la cual se reemplaza por la expresin, obtenida anteriormente para el caso de funciones pares, haciendo
a = a , con lo que la funcin de correlacin propia resulta en
1X 2
a cos n
2 n=1 n
t 2
4 1X 1
t
=
+ 2
sin2 n
cos n
2
2
2 n=1 n
2
R () = a 20 +
x
+
,
n
42
2
2
sin2 2 cos nx =
n
n=1
,
2
0 < x < 2
2 < x <
entonces, se observa claramente, que la funcin de correlacin corresponde a un tren de pulsos triangulares
como se muestra en la Figura 3.3(b ).
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
125
6 (t )
1
t - t
t
(a )
T
T
T
T
..
...
...
...
.. ..
.
.
(b )
3.1.3.
compEspectralSenalAlea? Del ejemplo 3.2, se observa que la funcin de correlacin resultante R (t , t ) es estacionaria,
1 2
en la medida en que el argumento del coseno depende slo de la distancia entre los valores de
tiempo |t 2 t 1 |. Por lo que la funcin de correlacin resultante es:
X
X
R (t 1 , t 2 ) = R () =
2 n cos n , 2 =
2 n
n
1349
1350
De lo anterior, se plantea la tarea de representacin de seales en forma de la serie generalizada de Fourier (1.28), pero ampliada al caso de procesos aleatorios estacionarios.
Sea (t ) un proceso estacionario en el sentido amplio, dado en el intervalo (0, T ). Entonces,
su descomposicin ortogonal tendr la forma:
(t ) =
(3.16) ProcAlea:Serie
n n (t )
n =0
ZT
ZT
(t ) n (t ) d t ,
0
n2 (t ) d t
Ei =
(3.17) ProcAlea:CoefS
Sin embargo, a diferencia de la representacin (1.28), los coeficientes de (3.17) son aleatorios,
por lo que la convergencia de la suma en (3.16) hacia la seal aleatoria (t ), se debe entender
en el sentido del valor cuadrtico medio:
XN
lm E {| (t )
n n (t )|2 } = 0
N
1351
1352
1353
1354
1355
Uno de los problemas importantes a resolver es la seleccin del conjunto base de representacin {n (t )}, el cual puede ser escogido por los dos siguientes principios: Primero, que
se brinde el menor error de representacin para un nmero N dado de coeficientes, o bien,
segundo, que se genere el menor nmero N de coeficientes para un valor dado de error de representacin. As mismo, es importante que los coeficientes (3.17) tengan correlacin cero entre
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
126
1356
1357
ellos, por cuanto las tareas asociadas al proceso de seales aleatorias se resuelven de manera
ms fcil.
Se puede demostrar que para una seal aleatoria, representada por la serie (3.16), que tenga
funcin de correlacin continua R(t , ), el valor de la esperanza del error cuadrtico medio
integral (potencia media de error), expresado como:
ZT
E{
(t )
0
N
1
X
!2
dt}
n n (t )
n =0
(3.18) ProcAlea:PotError
el error ser el mnimo posible (3.18), para cualquier N , si el conjunto base de representacin
{n (t ) : n = 0, 1, . . . , N 1} cumple la condicin homognea de Fredholm de segundo tipo [13,
14]:
1
i i (t ) =
T
ZT
R (t , )g ()d
(3.19) ProcAlea:EcuFredholm
0
1358
1359
1360
1361
1362
1363
1364
1365
donde {n (t )} son las funciones propias (solucin) de la ecuacin y los coeficientes n son los
valores propios del ncleo R (t , ) de la ecuacin. El conjunto de funciones propias {n (t )}
es ortogonal, cuyos coeficientes pueden ser escogidos de tal manera que puedan ser ortonormales. Los coeficientes de descomposicin (3.16) de la seal aleatoria, en caso de emplear el
conjunto base de representacin {n (t )} que cumplan con (3.19), resultan tener correlacin
nula. Adems, si la seal aleatoria se asume del tipo Gaussiano, entonces los coeficientes resultan ser independientes estadsticamente. As mismo, si se cumple que E {n } = 0, entonces, el
valor de la varianza 2 n converge al respectivo valor propio n .
Para el conjunto base de representacin {n (t )}, que cumple la condicin (3.19), la esperanza
de la potencia de error (3.18), dada en el intervalo (0, T ), se determina como:
1
T2 = E {
T
ZT (
(t )
0
1
=
T
ZT
)2
n n (t )
n =0
2
E {2 (t )}d t
T
1
+
T
N
1
X
ZT N 1
X
0
ZT N 1 N 1
XX
0
m =0 n =0
n =0
dt}
E {n 2 (t )}n (t )d t
E {m n }m (t ) n d t
N
1
X
n =0
2 n
(3.20) ProcAlea:PotError2
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
127
1366
1367
1368
1369
1370
1371
1372
1373
1374
1375
La expresin (3.20) permite hallar el nmero N de componentes de la serie de descomposicin (3.16), que brinde un valor a priori dado de error de representacin.
La descomposicin de seales aleatorias, que tengan funcin de correlacin continua, por la
serie (3.16), en la cual el conjunto base de representacin corresponde a las funciones propias,
se denomina descomposicin de Karhunen-Love (K-L).
El ruido blanco Gaussiano, mostrado en el literal 3.1.4 con funcin de correlacin (3.34), se
puede descomponer en el intervalo (0, T ) empleando cualquier conjunto base ortogonal, pero
en todo caso, los coeficientes de descomposicin sern valores aleatorios Gaussianos estadsticamente independientes con igual varianza de valor N 0 /2.
3.1.4.
DensidadPotencia La descripcin
Z
() =
(t ) e j t d t
1376
1377
1378
1379
1380
es imposible de realizar, principalmente, porque la integral (1.48) implica cumplir las condiciones de Dirichlet (seccin 1.3.1), las cuales no ocurren para cualquier observacin de proceso estacionario en el sentido amplio, particularmente, la condicin de convergencia exige que el
proceso sea absolutamente integrable; condicin que slo se alcanzara para seales aleatorias
de contenido cero.
El empleo de la TF exige la modificacin de la representacin para las observaciones de la
seal estacionaria, de tal manera que la integral (1.48) converja, para lo cual, la forma ms sencilla consiste en el truncamiento de la trayectoria (t ), empleado en el clculo de sus momentos
de una observacin sobre un intervalo de tiempo (T, T ), descrito en (3.11a) y (3.11b), que usa
la funcin ventana rectangular:
T (t ) = rectT (t ) (t )
1381
1382
(3.21) ProcAlea:ReaTr
La trayectoria de la seal aleatoria truncada de (3.21) es vlida, mientras la varianza del proceso sea finita. As, se asegura la convergencia de la integral (1.48).
De otra parte, el empleo del teorema de Parsevall, (1.57), para la observacin truncada (3.21),
asumiendo su valor medio igual a cero, da como resultado:
ZT
2T
1
(t ) d t =
2
Z
|T ()|2 d
ZT
1
2T (t ) d t =
4T
Z
|T ()|2 d
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
128
valo de anlisis (T, T ). Es ms, cuando se analizan las seales aleatorias estacionarias, al hacer
el intervalo T , la potencia tiende al valor cuadrtico medio dado en (3.11a), esto es,
ZT
1
E{
2T
1
lm
T 2T
ZT
1
2T (t ) d t } = E {
4T
E {2T
1
lm
T 2T
1
T 2T
|T ()|2 d }
1
(t )}d t = lm
T 4T
ZT
2T
T
1
(t )d t = lm
T 4T
ZT
2T (t )d t =
lm
1
2
E {2T (t )} =
1
2
E {|T ()|2 }d
E {|T ()|2 }d
lm
E {|T ()|2 }
lm
E {|T ()|2 }
2T
2T
En el caso de los procesos ergdicos, el promedio de ensamble es igual al promedio de tiempo, con lo que se obtiene,
1
2T (t ) =
2
Z
lm
E {|T ()|2 }
2T
(3.22) ProcAlea:PDS01
El operador dentro de la integral (3.22) es el promedio de tiempo del espectro de la observacin de la seal aleatoria, denominado densidad espectral de potencia (DEP),
S () lm
E {|T ()|2 }
2T
(3.23) ProcEst:PDS01
Z
S ()d
(3.24) ProcEst:PDS02
1383
1384
1385
1386
1387
La densidad espectral de potencia puede ser interpretada como la potencia media concentrada en los lmites de una banda de frecuencia con banda de paso igual a 1 H z para una frecuencia
central del espectro igual a /2 [H z ].
Atendiendo a las condiciones de realizacin fsicas de los procesos aleatorios, la DEP tiene,
entre otras, las siguientes propiedades:
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
129
1388
1389
1
=
2
Z
S () d
(3.25) ProcEst:PDS02a
1390
1391
1392
1393
1394
E {|T ()|2 }
2T
= lm
E {T () T ()}
2T
ZT
ZT
T (t 1 ) e ( j t 1 ) d t 1
1
E{
T 2T
ZT
= lm
ZT
e (j (t 2 t 1 )) T (t 1 ) T (t 2 ) d t 1 }
d t2
T (t 2 ) e (j t 2) d t 2 }
ZT
ZT
d t2
e (j (t 2 t 1 )) E {T (t 1 ) T (t 2 )}d t 1
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
130
forma:
1
S () = lm
T 2T
Z
=
TZt 1
ZT
d
T t 1
lm 1
T 2T
ZT
e j R (t 1 , t 1 + )d t 1
j
R (t 1 , t 1 + )d t 1
d
e
(3.26) ProcEst:PDS03
S () = F R (t , t + )
Por cuanto en los procesos estacionarios se cumple que la funcin de correlacin no depende
del tiempo inicial del intervalo de anlisis, esto es, R (t , t + ) = R (), entonces, se obtiene que
la DEP de un proceso estacionario en el sentido amplio es la TF de su funcin de correlacin:
S () = F R ()
(3.27) ProcEst:PDS04
F 1 S () = F 1 F R () = R ()
1395
1396
1397
1398
EjemPDS
Ejemplo 3.8
Hallar la DEP para la funcin de correlacin R () = 2 exp(||).
Empleando la relacin (3.29a) se tiene:
2
S () =
Z
2 e || cos d =
0
1399
(3.28) ProcEst:PDS05
22
Z
e d cosd
22
22
e
=
(
cos
sin
)
2
2
2
+
+ 2
0
En la Figura 3.4 se presentan la funcin de correlacin (parte superior) y la respectiva DEP (parte
inferior); ambas calculadas para los casos de = 1 y = 0.25 y asumiendo un valor de la varianza unitario.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
131
= 0.25
=1
0.4
0
3
1
0
1
Funcin de Correlacin R ()
100
101
2
1
0
1
Densidad espectral de potencia S ()
R () cos d
(3.29a) ProcEst:PDS04a
1
R () =
Z
S () cos d
(3.29b) ?ProcEst:PDS05a
0
1400
1401
1
e =
S (0)
S () d
1 S (0)
2 R (0)
m 1 =
2
2
Z
S ()d , m 2 =
0
2
2
Z
2
S ()d ,
0
2
2
Z
( m 1 )2 S ()d
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
132
De otra parte, en el ncleo de la integral (3.26) est presente la funcin de correlacin propia,
que en el caso de considerar la funcin de correlacin mutua (definida en (3.3b)), entonces, la
funcin espectral respectiva es definida como la densidad espectral de potencia mutua:
Z
R ()e j d
S () =
(3.30) ProcEst:PDS06
1402
1403
Cabe anotar, que cuando las seales aleatorias (t ) y (t ) tienen correlacin nula, esto es,
R () = 0, la correspondiente DEP mutua tambin es de contenido 0.
La relacin entre las densidades de potencia S () y S () se deduce a partir del anlisis
de las partes real e imaginaria de la definicin (3.30),
Z
S () =
Z
R () cos d j
R () sin d ,
(3.31) ProcEst:PDS06a
ZT
(t ) (t + ) d t ,
(3.32a) ?ProcEst:PDS07a?
(t ) (t + ) d t
(3.32b) ProcEst:PDS07b
ZT
0
ZT
( ) () d
0
ZT
(t ) (t ) d t
0
Z
R () cos d j
R () sin d
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
133
Sea = , entonces
S () =
R () cos d () j
Z
R () cos d + j
R () sin () d ()
R () sin d
(3.33) PDS:RuiBlan
6R ()
6N 0
S ()
6
N0
N 0 j 2 f t
N0
e
df =
() (3.34) RuidoBlancoFAC
2
2
1404
1405
1406
1407
1408
1409
-
Del modelo (3.34), se observa que R () = 0,
0
0
6= 0, de tal manera que cualquier par de
(a )
(b )
Figura 3.5: Modelo del ruido blanco Gaussiano
diferentes valores tomados del RBG no son
RuidoBlanco
correlacionadas y, por lo tanto, estadsticamente son independientes.
Cabe anotar que el modelo (3.34) implica que la varianza del RBG 2 .
En realidad, todos los dispositivos de procesos de seales elctricas poseen un ancho de banda finito , y en consecuencia cualquier clase de ruido tambin tendr un ancho de banda
finito a la salida de todo dispositivo. Cuando se asume la constancia de la DEP en el ancho de
banda finito < , se tiene el siguiente modelo de ruido:
(
S ()
R ()
1410
1411
1412
1413
= N 0 , ( < < ) ,
= N 0 sinc (2) ,
(3.35) PDS:RuiRos
Puesto que el ancho de banda espectral resultante (3.35) es menor que del ruido blanco, al
modelo filtrado se le conoce como ruido rosado o blanco de banda finita, para el cual adems
se cumple que su potencia de salida es finita e igual a N 0 y su valores instantneos estn
correlacionados.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
134
H f 2 d f ,
(3.36) {?}
donde H 0 = H f max es la ganancia de voltaje del filtro en la frecuencia central. Luego, la
potencia de ruido promedio filtrado es:
Z
Z
2
2
d
f
=
N
N=
f
N
f
H
0
H
d f = N 0 H 0 e ,
0
1414
1415
1416
1417
La ltima ecuacin muestra el efecto del filtro separado en dos partes: la selectividad de frecuencia relativa, representada por medio de e , y la ganancia de potencia representada por
medio de H 0 . Por definicin, el ancho de banda equivalente de ruido de un filtro ideal es su
ancho de banda real. En los filtros reales, e es algo mayor que el ancho de banda a 3 d B [15].
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
135
1418
1419
1420
Problemas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1421
137
?SPasoAleaLineal
1422 ? En concordancia con la descripcin de sistemas lineales hecha en el numeral 1.4, se presentan
1423
1424
3.2.1.
Anlisis en el tiempo
?PasoAlea:tiempo? La
forma directa de anlisis es la convolucin (1.65), que relaciona la seal aleatoria de salida
(t ) con la entrada (t ), a travs de la respuesta a impulso del sistema h (t ):
Z
(t ) h()d
(t ) =
(3.37) PasoAlea01
0
1425
1426
1427
E { (t ) g (t ) d t } =
T
1428
1429
1430
E { (t )}g (t ) d t
T
1431
(a).
E {| (t )|}g (t ) d t <
T
1432
1433
1434
1435
1436
1437
Al asumir la estacionariedad de los procesos de entrada, cuando los operadores de promedio son invariantes en el tiempo (ver (3.1)), entonces, se consideran una constante k que
sale fuera de la integral. En calidad de funcin g (t ) representativa del sistema se emplea
la respuesta a impulso h (t ), por lo queR la restriccin, que corresponde a la condicin de
estabilidad del sistema, se resume a k T |h (t ) |d t < .
(b). (t ) T , aunque se puede tener que T .
Valor medio de salida. Para un sistema lineal e invariante en el tiempo, cuando a su entrada
se tiene una seal estacionaria, teniendo en cuenta (3.37), est dado por
Z
E { (t )} = E { (t )h()d } =
0
E {(t )}h()d
0
Z
= m 1
h()d
0
(3.38) PasoAlea03
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
138
= m 1 H (0)
(3.39) PasoAlea03a
La expresin (3.39) es evidente, porque muestra que el primer momento, al ser una constante,
afecta solamente la componente = 0 de la funcin de transferencia del sistema. Sin embargo,
un proceso aleatorio a la salida de un circuito lineal, activado por una entrada a partir de t = 0,
se expresa por la integral (1.65), que se diferencia de la (3.37) por su lmite superior. Por lo tanto,
la expresin (3.38) para el valor medio se corrige en la forma:
Zt
E { (t )} = m 1
h () d = m 1 a (t )
= m 1 (t )
1438
1439
1440
(3.40) PasoAlea03b
El valor medio para cualquier sistema lineal resulta directamente proporcional a la funcin
de transicin del sistema a (t ), que a su vez depende del tiempo, entonces, el proceso a la salida
es no estacionario, mientras el sistema no est en rgimen de estado estable.
m 1 (t )
0.95max{m 1 }
=1
=2
0
0
0.5
1.5
2.5
3RC
3.5
4.5
Figura 3.6: Cambio del valor medio en el tiempo del ejemplo 3.9.
MediaRC
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
139
Ejemplo 3.9 En el circuito RC del ejemplo 1.14, se tiene una seal aleatoria (t ) de voltaje, definida
partir del momento t = 0 que corresponde a RBG con valor medio m 1 . Determinar el cambio del valor
medio en el tiempo del voltaje de salida (t )
La ecuacin diferencial del circuito RC de la Figura 1.14(a) tiene la forma:
CambioMediaRC a
d
+ (t ) = (t ) ,
dt
= 1/RC
Considerando que el capacitor en el momento t = 0 est descargado, y por ende, (0) = 0, la anterior
ecuacin diferencial tiene la siguiente solucin:
Z
(t ) = e
e ()d
0
1441
Por lo que el valor medio del voltaje de salida (t ) del circuito RC es igual a:
Z
E { (t )} = e
e
0
E {()}d =e
t
0
e m 1 d = m 1 e t e t 1
La Figura 3.6 representa el cambio del valor medio (3.40) de la seal aleatoria de salida (t ) en el
tiempo (para dos valores diferentes de ), que corresponde a un intervalo de no estacionariedad del proceso.
Este intervalo es transitorio y su existencia, siendo proporcional al factor de inercia = RC del sistema, se
considera insignificante con relacin al intervalo total de anlisis del proceso.
Cuando a la entrada del sistema lineal hay un proceso no estacionario, determinado a partir
del momento t = 0, el valor medio del proceso a la salida, dado por la relacin (3.38), es igual a:
Zt
h () m 1 (t ) d = h (t ) m 1 (t )
E { (t )} =
(3.41) PasoAlea03c
1442
1443
1444
1445
1446
La expresin (3.41) coincide con el resultado obtenido en (3.6a), para el caso de transformacin lineal de seales aleatorias. En general, el anlisis en estado transitorio del sistema lineal
se puede realizar para cada uno de los momentos, tanto en el caso estacionario, como en el no
estacionario. Sin embargo, debido a la dificultad en la solucin del caso transitorio, es frecuente
que el anlisis se limite al rgimen de estado estable.
Valor cuadrtico medio de salida. El anlisis es similar al caso anterior del valor medio, aunque,
aqu es preferible introducir dos variables de integracin, a fin de representar la multiplicacin
interna del operador de promedio en forma de una integral doble, as:
Z
E {2 (t )} = E { (t 1 )h(1 )d 1
0
(t 2 )h(2 )d 2 }
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
140
E { (t )} = E { d 1
0
Z
d 1
(t 1 ) (t 2 ) h(1 )h(2 )d 2 }
E { (t 1 ) (t 2 )}h(1 )h(2 )d 2
(3.42) PasoAlea04
E { (t 1 ) (t 2 )} = R (t 1 t + 2 )
= R (2 1 )
E {2 (t )} =
Z
d 1
R (2 1 )h(1 )h(2 )d 2
(3.43) PasoAlea04a
Ejemplo 3.10 En el circuito RC del ejemplo 1.14, se tiene a la entrada una seal aleatoria (t ) de voltaje,
que corresponde a RBG. Determinar el valor cuadrtico medio del voltaje de salida (t ).
El valor cuadrtico medio de salida determinado por (3.43), teniendo en cuenta el valor de la funcin
de correlacin del RBG (3.34), es igual a,
Z
E {2 (t )} =
Z
d 1
N0
2
N0
N0
(2 1 ) h(1 )h(2 )d 2 =
2
2
Z
h 2 ()d
0
d=
N 0 2
2
Z
e 2 d =
0
N 0 2 e 2
2
2 0
N0
=
2 2
1447
En consideracin, cuando en vez de asumir un ruido con varianza infinita, se asume un ruido con
correlacin nula, valor medio cero, pero varianza finita, 2 = D < , el proceso a la salida del dispositivo
lineal es unvocamente cero,
Zt
h () (t ) d 0
(t ) =
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
141
Z
d 1
R (2 1 ) h (1 ) h (2 ) d 2
(3.44) PasoAlea05
La varianza del proceso a la salida resulta de hacer = 0 en la expresin (3.44), inclusive para
el caso de anlisis de regimen transitorio
Zt
2 (t ) =
Zt
d 1
R (2 1 ) h (1 ) h (2 ) d 2
0
Funciones de correlacin mutua entrada-salida. En los sistemas lineales, es de suponer alguna relacin de dependencia estadstica entre los seales aleatorias de entrada y salida, dada
por la respectiva funcin de correlacin mutua, que se considera en dos formas:
Z
R () = E { (t ) (t + )} = E { (t )
(t + ) h()d }
0
E { (t ) (t + )}h()d
=
0
Z
R ( )h()d
(3.45a) PasoAlea06a
Z
R () = E {(t + ) (t )} = E {(t + )
(t ) h()d }
0
=
0
Z
R ( + )h()d
(3.45b) PasoAlea06b
0
1448
1449
1450
Por cuanto la funcin de convolucin dentro de ambas integrales es par con relacin a la
variable = , y la respuesta a impulso se define solo para valores positivos de , entonces, es
de esperar que la funcin de correlacin mutua R (), en general, se diferencie de R ().
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
142
Ejemplo 3.11 En el circuito RC del ejemplo 1.14, se tiene una seal aleatoria (t ) de voltaje, definida a
partir del momento t = 0 que corresponde a RBG. Determinar el cambio de la funcin de correlacin en el
tiempo del voltaje de salida (t ).
?EjemFCSalida?
La expresin (3.44), sustituyendo la funcin de correlacin del RBG (3.34), toma la forma:
Z
R () =
0
N0
=
2
d 1
0
N0
(2 1 ) h (1 ) h (2 ) d 2
2
h () h ( + ) d =
N0
R h ()
2
De lo anterior, se observa que en presencia del RBG a la entrada de un sistema lineal e invariante en el
tiempo, la funcin de correlacin de la seal aleatoria de salida es proporcional a una dependencia, que de
manera condicional, se puede denominar funcin correlacin de la respuesta a impulso del sistema, esto es,
R () = S ()R h ()
t1
0
t2
0
e (1 +2 ) (1 2 ) d 2 d 1
Por cuanto, en el desarrollo de la integral doble es de tener en cuenta que es cierta la siguiente expresin:
Z
0 +
g (0 )d = g (0 )
solo para > 0, cuando el punto especfico = 0 se encuentra dentro de los lmites de integracin, entonces,
el anlisis se lleva a cabo para dos casos:
1451
1. t 2 t 1 > 0:
Z
t1
Zt 1
t1
e
0
(1 +2 )
(1 2 ) d 2 d 1 =
Z
e
t1
d 2
0
t1
e 22 d 2 =
=
0
2. t 2 t 1 < 0:
Z
t2
0
t2
0
e (1 +2 ) (1 2 ) d 2 d 1 =
e 1 (1 2 ) d 1
1 2t 1
1
e
2
1 2t 2
e
1
2
Juntando ambas soluciones se obtiene la siguiente funcin de correlacin del proceso de salida:
R (t , ) =
N 0 ||
e
1 e 2t
4
N 0
1 e 2t
4
Como se observa, la varianza tiene la mismo forma de cambio que la media a la salida del ejemplo
3.9; slo que la varianza crece dos veces ms rpido que la media, esto es, tiene un menor intervalo
de transicin (curva para = 2 de la Figura 3.6).
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
143
Ejemplo 3.12 Hallar ambas funciones de correlacin mutua entre la entrada y la salida del circuito RC
del ejemplo 1.14, si se tiene una seal de entrada aleatoria (t ) de voltaje, que corresponde a RBG.
Teniendo en cuenta las expresiones (3.45a) y (3.45b), se obtiene
N0
R () =
2
1452
N0
R () =
2
Z
Z
( )h()d =
N0
h()u ()
2
( + )h()d =
N0
h()u ()
2
Los resultados obtenidos sobre la asimetra de las respectivas funciones de correlacin conjunta confirman lo obtenido en el numeral 3.1.4.
1453
3.2.2.
Anlisis en la frecuencia
Z
d 1
R (2 1 ) h(1 )h(2 )d 2
0
1454
1455
1456
En este sentido, es preferible realizar el anlisis de la transformacin de cada uno de los momentos y valores de aleatoriedad sobre el dominio de la frecuencia, a fin de reducir la complejidad del desarrollo matemtico.
La representacin en la frecuencia de los procesos aleatorios est dada por la DEP, la cual a su
vez, se relaciona con la funcin de correlacin a travs de las transformadas de Wiener-Jinchin
(ecs. (3.27) y (3.28)):
S () = F R () =
Z
Z
d 1
=
0
Z
d 1
R (2 1 ) h (1 ) h (2 ) e j d
Z
R (2 1 ) e j d
h (1 ) h (2 ) d 2S () e j (2 1 ) d 2
d 1
0
h (1 ) h (2 ) d 2
Z
=
Z
h (1 ) e j 1 d 1
= S ()
0
h (2 ) d 2 e j 2 d 2
0
S () = S () H ()H () = S () |H ()|2
(3.46) PasoAlea07
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
144
1457
1458
1459
La expresin (3.46) es similar a la obtenida para la DEP de seales en (1.82); analoga que
puede ser empleada en los mtodos de anlisis de funciones de transferencia descritas por funciones racionales, cuando a la entrada se tienen procesos estacionarios.
Ejemplo 3.13 Hallar la DEP de salida para el circuito RC del ejemplo 1.14, si a la entrada se tiene RBG
(t ).
De hecho, teniendo en cuenta la densidad espectral de potencia del ruido blanco (3.33), entonces
N0
N0
N 0 2
2
S () =
|H ()| =
=
2
2 j + j +
2 2 + 2
1460
N0
.
2 2
1
=
2
Z
S ()d =
S ()H () H ()d
(3.47) ?ProcEst:PSDVar?
El valor cuadrtico medio, teniendo en cuenta la relacin dada en (3.39) para el valor medio,
se halla de la siguiente manera
Z
2
m 2 = 2 + m 1
=
2
S ()H () H () d + m 1
(H (0))2
1461
3.2.3.
(3.48) PasoAlea08
P
P
donde A p, t = m m p m y B(p, t ) = n n p n son los operadores de salida y entrada respectivamente, siendo p = d /d t . De la expresin (3.48), se obtiene la relacin formal entre la
seal de entrada y salida, mediante los respectivos operadores:
B p, t
{ (t )} = K { (t )} p, t
(t ) =
A p, t
Empleando el operador K p, t para la descripcin del sistema, se pueden hallar las respectivas expresiones para los siguientes momentos estadsticos:
m 1 (t ) = K m 1 (t ) p, t
R (t 1 , t 2 ) = K K R (t 1 , t 2 ) p, t 2
p, t 1
(3.49a) PasoAlea09
(3.49b) PasoAlea09a
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
145
Ejemplo 3.14 Dado un proceso estacionario (t ), con valor medio m 1 y funcin de correlacin R =
2 r (), a la entrada de un dispositivo de promedio deslizante con apertura finita de tiempo (t T, t + T ).
Hallar el cambio de los respectivos valores medios.
El proceso a la salida se determina como
Z
(t ) = (2T )
t +T
() d
(1) EjemPromDesliz
t T
t +T
t T
E { ()}d = m
1
R () = E { (t ) m 1 , (t + ) m 1 } =
4T 2
t +T
t T
t ++T
t +T
R (u v )d u d v,
S () exp j (u v ) d
Z
Z t +T
Z t ++T
1
R () =
S () d
exp j v d v
exp j u d u
24T 2
t T
t +T
Z
1
S () (sinc (T ))2 d
=
2
1462
(2) EjemPromDesliz
h (t ) =
1/2T,
0,
|t | < T
,
|t | > T
H () = sinc ()
2T
2T
1
||
2T
R ( ) d
(3) EjemPromDesliz
1
2T
2T
1
2T
||
2T
R () d
Entonces para el clculo de la varianza del promedio deslizante en el tiempo de una seal estacionaria
en el sentido amplio, es necesario conocer su funcin de correlacin,
2
1
= R (0) =
2T
2T
2T
||
1
2T
R () d =
2
2T
2T
2T
r () d
T
(4) EjemPromDesliz
La expresin (4) presenta inters para los modelos de seales aleatorios, en la medida en que se analiza
su valor asinttico, lmT 2 (T ) = 0.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
146
Ejemplo 3.15 Sea un sistema diferenciador de primer orden, a cuya entrada se aplica la seal
aleatoria (t ) con valor medio, m 1 (t ) = sin t , y funcin de correlacin de la forma R (t 1 , t 2 ) =
2 exp ( (t 2 t 1 ))2 . Determinar la media y la varianza del proceso a la salida.
La seal aleatoria a la salida (t ) se relaciona con la entrada, mediante el operador lineal, (t ) =
K { (t )} p , t = d /d t , entonces, de las relaciones (3.49a) y (3.49b) se obtiene:
d
m 1 (t ) = cos t
dt
2
2
R (t 1 , t 2 ) =
R (t 1 , t 2 ) = 22 e (t 2 t 1 ) 1 2 (t 2 t 1 )2
t 1 t 2
m 1 (t ) =
Haciendo t 2 = t 1 = t se encuentra R (t , t ) = 2 = 22 .
Rt
As mismo, sea un sistema integrador, (t ) = 0 () d a la entrada del cual se aplica una seal
aleatoria (t ) con valor medio m 1 (t ) y funcin de correlacin R (). Determinar el valor medio y la
funcin de correlacin del proceso a la salida.
De manera similar al caso anterior, teniendo en cuenta que la integral corresponde a un operador lineal,
se obtiene la relacin entre los momentos de entrada y salida,
Z
m 1 (t ) =
m 1 (t ) d t
0
1463
1 Z 2
R (t 1 , t 2 ) =
R (t 1 , t 2 ) d t 1 d t 2
0
la cual muestra, que para integrar una seal aleatoria se exige la existencia de su funcin de correlacin.
Asumiendo adems, la estacionariedad del proceso a la entrada, la funcin de correlacin del proceso a la
salida se resume hasta la integral doble
Z
1 Z 2
R (t 1 , t 2 ) =
0
R (t 1 t 2 ) d t 1 d t 2
que depende por separado de t 2 y t 1 y no de su diferencia, por lo tanto, el proceso a la salida no es estacionario.
La varianza se puede obtener de la ltima integral, teniendo en cuenta (3.12b) [16]:
Z
2 (t ) = 2
0
(t ) R () d
En general, se puede decir que las FDP cambian a su paso por operadores lineales, excepto para el caso
Gaussiano, que mantiene su estructura.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1464
1465
1466
Problemas
147
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
1467
FilAleaFOptimaECM
1468
1469
1470
1471
1472
1473
1474
1475
1476
1477
1478
1479
1480
1481
1482
1483
1484
1485
1486
1487
FilAleaFilOptima
149
Cuando se analiza la transmisin de seales, durante la cual es importante asegurar el mnimo de distorsin, el operador de transformacin K0 describe un canal ideal, y por lo tanto, se
hace necesario sintetizar un filtro con respuesta a impulso, conectado en serie al canal real con
operador de transformacin K1 , de tal manera que su salida corresponda a alguna transformacin tan cercana como se pueda a K0 .
3.3.1.
Sea z (t ) una trayectoria para la combinacin lineal en forma de proceso aleatorio aditivo: z (t ) =
x (t ) + (t ) , tal que kx k, kk < . En calidad de estimacin (t ) se toma el valor filtrado de la
observacin:
Z
(t ) =
h (t , ) z () d
(3.50) FilAlea:Respue
1488
1489
1490
siendo h (t , ) la respuesta a impulso del dispositivo lineal, que por ahora se asume sin restricciones de causalidad en su implementacin prctica. No obstante, el filtro se considera que
cumple con la condicin de estabilidad.
La estimacin (3.50) es ante todo sesgada, en la medida en que
Z
m 1 (t ) =
h (t , ) m 1x () + m 1 () d 6= m 1x (t )
1491
2
2 (t ) = E { (t ) (t ) }
(3.51) FilAlea:ErrorC
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
150
Al tomar el error, (3.51), como criterio de calidad se puede encontrar la respuesta a impulso que brinde su mnimo valor con respecto a todos los dems posibles sistemas lineales. En
particular, al reemplazar (3.50) en (3.51), se obtiene:
2 (t ) = E 2 (t ) 2 h (t , ) z () (t ) d
Z Z
h (t , 1 ) h (t , 2 ) z (1 ) z (2 ) d 1 d 2
Z
= E { 2 (t )} 2
Z Z
+
h (t , ) E {z () (t )}d +
h (t , 1 ) h (t , 2 ) E {z (1 ) z (2 )}d 1 d 2
(3.52) FilAlea:ErrorCuadratico
1492
1493
Sean conocidas las funciones de correlacin propia, R i (t 1 , t 2 ) , i = {z , }, adems, de la respectiva funcin de correlacin mutua R z (t 1 , t 2 ) entre los procesos z (t ) y (t ).
Por cuanto,
E {z (1 ) z (2 )} = R z (1 , 2 )
= R x (1 , 2 ) + R (1 , 2 ) + R x (1 , 2 ) + R x (1 , 2 )
E {z () (t )} = R z (1 , 2 ) = R (, t ) + R z (, t )
(3.53a) FilAlea:ErrorCuadratico
(3.53b) FilAlea:ErrorCuadratico
h (t , ) R z (, t ) d
Z Z
+
h (t , 1 ) h (t , 2 ) R z (1 , 2 ) d 1 d 2
(3.54) FilAlea:ErrorCuadratico
La expresin (3.54) muestra que el error cuadrtico medio de la estimacin lineal (t ) depende, tanto de las funciones de correlacin propia R i (t 1 , t 2 ) , i = {z , }, como de la funcin
de correlacin mutua R z (t 1 , t 2 ) de los procesos z (t ) y (t ), pero de ninguna manera de la estructura ms fina de estos procesos [16]. En general, se puede demostrar que, dadas todas las
anteriores funciones de correlacin, la mejor estimacin lineal en el sentido del error cuadrtico
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
151
medio corresponde al filtro con respuesta a impulso que cumpla la ecuacin integral [?]:
Z
R z (, t ) =
h opt (t , ) R z (, ) d
(3.55) FilAlea:Respue
(t ) = R (t , t ) 2
h (t , ) h opt (t , ) R z (, ) d d
Z Z
+
h (t , 1 ) h (t , 2 ) R z (1 , 2 ) d 1 d 2
luego
Z Z
2 (t ) = R (t , t )
Z Z
+
h op t (t , ) h opt (t , ) R z (, ) d d
R z (1 , 2 ) h (t , 1 ) h opt (t , 1 ) h (t , 2 ) h opt (t , 2 ) d 1 d 2
(3.56) FilAlea:ErrorC
Por cuanto, slo el ltimo trmino de (3.56) contiene la funcin desconocida h(t , ), la cual
debe ser definida positiva [16], entonces el menor valor de 2 (t ) ocurre cuando el ltimo trmino es 0, esto es, cuando el filtro tiene respuesta a impulso h(t , ) h opt (t , ). En este caso, el
valor mnimo de error ser:
Z Z
2
min
(t ) = R (t , t )
h opt (t , ) h opt (t , ) R z (, ) d d
h opt (t , ) R z (, t ) d
De otra parte, la expresin (3.44) relaciona las funciones de correlacin propia a la entrada y
salida de un sistema lineal, con lo cual, la ltima expresin toma la forma definitiva,
2
min
(t ) = R (t , t ) R (t , t )
1494
1495
(3.57) FilAlea:ECMTet
la cual implica, en primer orden, que el mnimo error cuadrtico medio corresponde a la diferencia de los valores cuadrticos medios del proceso a estimar y de su estimacin. En segundo
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
152
1496
Si se asume la estacionariedad de los procesos (t ) y (t ), por lo menos en el sentido amplio, adems el filtro se supone con parmetros en (1.80) invariables en el tiempo, entonces la
ecuacin integral (3.55) toma la forma denominada ecuacin de Wiener-Hopf :
Z
R z () =
h opt () R z ( ) d
(3.58) FilAlea:WienerHopf
h opt (1 ) h opt (2 ) R z (1 2 ) d 1 d 2
= R (0)
h opt () R z () d
(3.59) ?FilAlea:ECMEstacionari
1497
1498
1499
2
con lo que el error cuadrtico medio es igual a min
= R (0) R (0) = m 2 m 2 , esto es,
se determina por la diferencia de los valores medios de potencia, tanto del proceso a estimar,
como de la propia estimacin.
En concordancia con (3.24), los valores medios de potencia se pueden expresar a travs de las
respectivas densidades espectrales de potencia,
2
min
1
=
2
2
S () S z () H opt () d
(3.60) FilAlea:ECM-PSD
(3.61) FilAlea:ECM-PSD02
donde S (), S (), S () y S () son las densidades espectrales de potencia propias y mutuas de los procesos (t ) y (t ), de manera correspondiente.
De esta manera, la respuesta a impulso ptima de un sistema lineal, en caso de asumir la
estacionariedad de los procesos, consiste en la solucin de la ecuacin integral (3.58), sin tener
en cuenta la condicin de causalidad, mediante la TF en la forma,
S z () = S () + S z () = H opt ()S z ()
de donde, teniendo en cuenta (3.61), se tiene
H opt () =
S z ()
S () + S z ()
=
S z ()
S () + S () + S () + S ()
(3.62) FilAlea:ECM-PSD02a
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
153
Reemplazando (3.62) en (3.60) se obtiene el valor del mnimo error cuadrtico medio,
2
min
1
=
2
S ()S z () |S z ()|2
d
S z ()
(3.63) FilAlea:ECMFou
S ()
S () + S ()
1
=
2
S ()S ()
S () + S ()
(3.64) FilAlea:ECMNoc
0
1502
1503
1504
1505
El error cuadrtico medio (3.64) se puede hacer igual a cero, cuando las densidades espectrales de potencia de las seales (t ) y (t ) no se translapan, esto es, cuando para todo valor de
se cumple que S () = S () = 0, lo cual a su vez implica que por lo menos uno de los dos
espectros debe tener ancho de banda finito. En caso contrario, siempre ocurrir un error.
En sntesis, la filtracin de una seal estacionaria a partir de su combinacin lineal con otro
proceso estacionario, de tal manera que el error cuadrtico medio sea 0, corresponde al caso
en que las respectivas DEP de ambos procesos tienen rangos de frecuencia en los cuales no
hay aporte energtico. En este sentido, si se analiza la filtracin del proceso (t ) dado sobre un
fondo de ruido blanco Gaussiano, entonces de (3.64) se obtiene
N0
2
min
=
2
S ()
d
S () + N 0
1507
que implica, que siempre se tiene en condiciones reales un valor diferente de 0 para el error
cuadrtico medio.
1508
3.3.2.
1506
1509
1510
1511
1512
1513
Un filtro lineal con respuesta a impulso ptima (3.55) no es fsicamente realizable, al no cumplir
la condicin de causalidad, por cuanto h op t (t , ) 6= 0, para t < . Al observar en el numeral
3.3.1, la operacin de filtracin se realiza despus de analizada la combinacin lineal de las
seales (t ) y (t ) sobre todo el intervalo de tiempo t (, ), lo cual implica que la filtracin
ptima realiza la estimacin del valor del proceso en un momento dado con retardo infinito.
La condicin de realizacin fsica implica que la filtracin debe realizarse sobre la observacin z (t ) determinada hasta el momento de tiempo, en el cual se realiza la estimacin,
h (t , ) = 0, < 0
(3.65) FilAlea:Causal
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
154
h (t , ) z () d
ZT
h (t , ) z () d =
t T
h (t , t ) z (t ) d
(3.66) FilAlea:CausalidadT
El reemplazo de (3.66) en (3.51), y al efectuar las mismas transformaciones de (3.52) se obtiene la correspondiente expresin del error cuadrtico medio del filtro ptimo que se ajusta a
la condicin de realizacin fsica, asumiendo un intervalo finito de estimacin:
ZT
2
(t ) = R (t , t ) 2
h (t , t ) R z (t , t ) d +
0
ZT ZT
h (t , t 1 ) h (t , t 2 ) R z (t 1 , t 2 ) d 1 d 2
(3.67) FilAlea:ECMCausalidad
0 0
El filtro lineal ptimo para la definicin del error acotado (3.67), implica que su respuesta
impulso causal debe cumplir la ecuacin integral,
Z
R z (t , t ) =
h opt (t , t ) R z (t , t ) d , T
(3.68) FilAlea:ECMCausalidadFu
2
con lo cual el valor mnimo de min
(t ) del filtro ptimo fsicamente implementable es
ZT
2
min
(t ) = R (t , t )
h op t (t , t ) R z (t , t ) d
0
h opt () R z ( ) d , T
= R (0)
(3.69a) ?FilAlea:WienerHopCausa
h opt () R z () d
T
(3.69b) ?FilAlea:WienerHopCausa
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
155
1514
1515
1516
1517
1518
Estimador bsico de una constante. Sea la seal = a s (t ), siendo s (t ) una funcin conocida
a y la amplitud aleatoria. Se exige, entonces, hallar la respuesta del filtro lineal que minimize el
error cuadrtico medio de la estimacin = a s (t ) hecha de la trayectoria (t )+ (t ) (t T, t ),
siendo (t ) un proceso aleatorio independiente de a , con (t ) = 0 y funcin de correlacin
R (t 1 , t 2 ).
La solucin de la ecuacin integral (3.68), reemplazando R z (t 1 , t 2 ) y R (t 1 , t 2 ) por:
R z (t , t ) = E {a 2 }s (t ) s (t )
R z (t , t ) = E {a 2 }s (t ) s (t ) + R (t , t )
con lo cual, para T se obtiene que
Z
E {a }s (t ) s (t ) =
h opt (t , t ) E {a 2 }s (t ) s (t ) R (t , t ) d ,
t T
v (1 )R (2 , 1 ) d 1 = s (2 ), 2 (t T, t )
E {a 2 } = k E {a 2 }
v (t )s (t ) d + 1
Z
2
k = E {a } E {a }
!1
v (t )s (t ) d + 1
E {a 2 }s (t ) v (t )
Z
1 + E {a 2 }
v ()s ()d
t T
A partir de la trayectoria z (t ), que implica la adicin del proceso (t ), observada en el intervalo de tiempo (t T, t ), la estimacin de la seal en el momento t tiene la forma:
Z
a s (t ) =
0
h opt (t , t ) z (t ) d =
E {a 2 }s
z ()v ()d
(t )
1 + E {a 2 }
t T
Zt
v ()s ()d
t T
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
156
E {a 2 }
z ()v ()d
t T
Zt
1 + E {a 2 }
v ()s ()d
t T
E {a } = E {a }
E {a 2 }
s ()v ()d
t T
Zt
1 + E {a 2 }
v ()s ()d
t T
Z
= E {a 2 }s 2 (t ) 1 k
T
0
s 2 (t ) s (t ) v (t ) d
v () s () d
t T
E {a 2 }s 2 (t )
1 + E {a 2 }
v () s () d
t T
R (t , ) =
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
157
E {a 2 }s 2 (t )
2
(t ) =
min
1519
1520
1521
1522
1523
1524
3.3.3.
2E {a 2 }
1+
N0
s 2 () d
t T
Filtros acoplados
En el numeral 3.3, se analiza la calidad de filtracin mediante el criterio del error cuadrtico
medio, que se justifica cuando en el proceso de la seal tiene sentido el anlisis de la dependencia del error en el tiempo. En otras tareas, es ms importante establecer simplemente la
presencia o ausencia de la seal inmersa en la perturbacin, se resuelve mediante la filtracin
que brinde la mxima relacin seal/ruido, sin importar cunto se afecte la seal til.
Sea z (t ) = x (t ) + (t ), la combinacin lineal de la seal til y la perturbacin aleatoria (t ),
que se supone estacionaria (en el sentido amplio) con valor medio (t ) = 0 y funcin conocida de correlacin propia R (). La estimacin de la seal en el intervalo de observacin T
corresponde al valor
ZT
x (t ) =
h()z (t ) d
(3.70) FilAlea:FAcopl
donde h () es la funcin respuesta a impulso que debe ser determinada, asumiendo la linealidad del sistema y la invariabilidad de sus parmetros de definicin en el tiempo. La relacin
anterior se puede escribir de la forma:
x (t ) = x 1 (t ) + v (t )
(3.71) ?FilAlea:FAcopl
donde
ZT
ZT
h()x (t ) d ,
x 1 (t ) =
0
v (t ) =
h() (t ) d
0
La relacin por potencia de seal/ruido se determina como la relacin del valor cuadrtico
medio la seal de salida x 12 (t ), estimada en un momento determinado del tiempo t 0 , sobre la
varianza del ruido a la salida del filtro v2 , as,
S/N =
1525
1526
x 12 (t )
v2
(3.72) FilAlea:FAcopl
El filtro lineal ptimo, en el sentido del mximo valor de la relacin S/N max , se denomina
filtro acoplado.
En cualquier sistema lineal con respuesta a impulso h (), teniendo en cuenta (3.72), se cumple
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
158
la siguiente desigualdad:
ZT ZT
max v2 x 12 (t 0 ) = max
h (1 ) h (2 ) R (2 1 ) d 2 d 1
0 0
ZT
h () x (t 0 ) d
0
(3.73) FilAlea:FAcoplado03
de tal manera, que el smbolo de la igualdad, que corresponde al caso del filtro acoplado, ocurre
para la funcin h () = h a c (, t 0 ), que cumpla con la ecuacin integral:
ZT
h a c (; t 0 ) R (t ) d = k (t 0 ) x (t 0 t ) ,
t [0, T ]
(3.74) FilAlea:FAcoplado04
max
v2 c
x 1c (t 0 )
=
max
x 1c (t 0 )
donde la seal x 1c y la varianza v2 c estn dados a la salida del filtro acoplado. Cabe anotar, que
si existe la funcin h a c (, t 0 ) como solucin de (3.74), entonces esta misma ecuacin se cumple
para c h a c (, t 0 ), siendo c una constante (por cierto, el valor max no cambia), con lo cual la
respuesta a impulso del filtro acoplado puede ser determinada hasta el valor de su factor de
escala.
Una solucin directa se puede hallar al asumir que la perturbacin corresponde a ruido blanco Gaussiano con funcin de correlacin propia R e t a (t ) = N 0 (t ). Al despejar la funcin
delta dentro de la integral, mediante la propiedad de selectividad, la respuesta a impulso del filtro acoplado toma la forma,
h a c (t ; t 0 ) =
1532
1533
1534
1535
1536
1537
1538
k (t 0 )
x (t 0 t ) ,
N0
t [0, T ]
(3.75) FilAlea:FAcoplado05
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
159
ZT
x (t ), h a c (t )
6
..........
..........................
.... .......
...
... .....
..
..
..
... ..
...
. ac
..
.
.
.
..
... ......
....
.
...
.. ....
..
.
....
.
.
..............
.................
.
.
..
.
.
.
.
.
.
..
.... ...
...
..
.....
..
.............
......................
..
..
...
...
.
...
...
...
.
.
....
..
.
.
.
.....
....
.
......
..
.
........
......
.
.............
x (t .).....
max =
ZT
t0 T
2
N0
x (t 0 ) d
ZT
t0
0
t
T
1
=
N0
h (t )
x 2 (t 0 ) d
FilAcoplado
x 2 (t 0 ) d =
Ex
N0
0
1539
1540
1541
k (t 0 )
h a c (t ; t 0 ) e j t d t =
N0
x (t 0 t ) e j t d t
0
ZT
k (t 0 ) j t 0
e
N0
Zt 0
x (t ) e j t d t
t 0 T
1542
1543
1544
k (t 0 ) j t 0
e
X (; t 0 , T )
N0
Por lo anterior, durante la separacin de una seal de su mezcla aditiva con el ruido blanco,
la respuesta a impulso del filtro acoplado es proporcional al espectro conjugado X (; t 0 , T ) de
la seal til y del truncado en el intervalo (t 0 T, t 0 ).
En forma general, se puede obtener la expresin de la respuesta a impulso para el caso de
cualquier DEP de ruido dado S (), pero sin tener en cuenta la condicin para la realizacin
fsica del filtro, de manera particular, al suponer que se tiene la observacin z (t ) para todos los
valores de t R, generalizando los lmites de la integral (3.70):
Z
x (t ) =
h (; t 0 ) z (t ) d
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
160
En este caso, la ecuacin (3.73), para todos los valores de t , toma la siguiente forma:
Z
h a c (; t 0 ) R (t ) d = k (t 0 ) x (t 0 t )
X () j t 0
e
S ()
(3.76) FilAlea:FAcoplado06
max =
h a c (, t 0 ) x (t 0 ) d
Z Z
h a c (1 ; t 0 ) h a c (2 ; t 0 ) R (2 1 ) d 1 d 2
2
=
H a c (; t 0 ) X () e j t d
1
2
Z
S () |H a c (; t 0 )|2 d
|X ()|2
d
S ()
(3.77) FilAlea:FAcoplado07
Z
|X ()|2 d
Por ltimo, cabe anotar que la estimacin de la seal a la salida del filtro acoplado es sesgada,
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
161
por cuanto
ZT
ZT
E {x (t )} = E { h a c (; t 0 ) z (t ) d } =
0
h a c (; t 0 ) x (t )d
0
= x 1c (t ) 6= x (t )
Filtros activos y pasivos. Sea el dispositivo, que realiza la estimacin ptima por el criterio del
mximo valor de relacin seal/ruido de la forma
Z
x (t ) =
h a c () z (t ) d
(3.78) FilAlea:FAcopl
T
1545
1546
1547
1548
1549
1550
1551
1552
1553
1554
1555
1556
1557
a,
x (t ) =
0,
p 2 t p 2
|t | > p 2
El espectro del pulso corresponde al calculado en el ejemplo 1.7, X () = a p sinc(p /2). En concordancia
con (3.76) se obtiene que
1558
H a c (; t 0 ) = k (t 0 ) a p | sinc(p /2)| /S n ()
De la anterior expresin se observa que la respuesta de frecuencia del filtro acoplado se define sobre
un rango infinito de frecuencias, mientras su desfase difiere del la seal original. En el sentido estricto, tal
funcin de transferencia es imposible de realizar, por lo que en la prctica el acople del filtro se limita hasta
el lbulo principal, en el cual se considera se concentra el proceso de la mayor parte de la energa de la seal,
mientras su desfase se hace tanto como se pueda igual a 0.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
162
Problemas
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
163
1559
1585
Dada una mezcla de la seal til y alguna perturbacin presente en ella, el objetivo de la
o bien
filtracin consiste en obtener la estimacin, bien sea de la misma seal til en general, ,
1586
3.4.1.
1560
1561
1562
1563
1564
1565
1566
1567
1568
1569
1570
1571
1572
1573
1574
1575
1576
1577
1578
1579
1580
1581
1582
1583
1584
?canalGauss
? Sea
1587
1588
1589
1590
el conjunto de seales de informacin, {x k (t ) : k = 1, . . . , n } con estructura conocida, bien sea de naturaleza determinstica o aleatoria, y de las cuales solo puede existir una seal,
x k (t ), durante un intervalo dado de observacin T, que adems se asume perturbada por alguna trayectoria de la distorsin aleatoria (t ).
A efectos de anlisis, la perturbacin (t ) se considera RBG aditivo, con lo cual, la trayectoria
sobre la cual se realiza la deteccin tiene la forma:
y (t ) = x k (t ) + (t ),
t T
(3.79) Detec31
1595
de tal manera, que pueden generarse las respectivas hiptesis sobre cul de las k posibles
seales est presente en el intervalo dado de observacin.
La tarea de deteccin, de acuerdo con el nmero k de posibles seales de informacin, puede
ser binaria, (k = 2), o bien mltiple, (k > 2). Sobre el mismo carcter de las seales de informacin, se pueden diferenciar las siguientes tres tareas:
1596
(a). Deteccin de las seales determinsticas con parmetros conocidos (sistemas sincrnicos
1591
1592
1593
1594
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
164
1597
1598
1599
1600
1601
1602
1603
1604
1605
1606
1607
1608
1609
1610
1611
1612
1613
1614
1615
1616
1617
1618
1619
1620
1621
1622
1623
1624
1625
1626
1627
1628
1629
1630
de comunicacin digital).
p (y |x i )d y
..
............ .........
..
.............. .......... ..
....................... ........................ ...
..........
........y..
..
*
.
..
......
.
.
.
.
.
.
...
2
.
k....i
...
.........
...
..
...
......
.
..
.
..
.
.
.
.
.
..
...
.
.
.
G
.
...
.
i
...
.
.
..
.
.
.
.
.
.
.... ..
.
..
.
.
...
..
... .
.
..
.
.
2
.
.
..
.
.
..
.
...
.
.
.
..
.
.
.
.
.
.
..
.
.
.
.
.
..... ............. . ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
...... .. .
..
..
.......
..
.. .................
.
.... .. .
..
.
.
k i .......
...
.
x k ...
.
.
.
.
......
-
.
0
PP
...
..
.....
..
PP ...
B
...
G
..
k
.
.
..
P.... P
..
..
B 1 .............
... P
..
..
Gn
...
.
..
P
...
.
.
k
m
.
.
.
.
.
.
.
.
.
.
.
.
.
.
P
.
.
...
..
PP
..B........ .........
..
.....
..
..
............P
....
..
BBN .......
........................................ P
..
q
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.......
.
...
G m ...
...... y
.
....
....
...... 1
....
..
.....
...
....
....
.....
...
.
k m ..............
.
.
.
.....
....
.
.
.
.
.
.....
......
.......
..............
.......
.........
...
..... .................
....... ................
(3.80) Detec616
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
165
p (x j |x i ) =
(3.81) Detec617
Gi
1633
De esta manera, dado un criterio de decisin, la mejor divisin de los subespacios de las
seales de informacin (toma de decisin ptima de deteccin) se realiza mediante los mtodos de teora de toma de decisin estadstica.
1634
3.4.2.
1631
1632
1635
1636
1637
1638
Sea la funcin de prdida f c {} en forma de los valores c j i , que resultan de la toma incorrecta de
la decisin de deteccin de la seal x i , cuando realmente se tena x j . Las funciones de prdida
asumen c i j = 0, sin embargo, se puede generalizar su definicin y considerar el caso cuando
c i j 6= 0, asumiendo el sentido de funcin de costos de decisin.
La funcin de riesgo condicional para la deteccin de x i se determina como
r g (x i ) =
N
X
n =1
c i j p (x j |x i )
Dada la FDP a priori de aparicin, p (x i ), para la seal x i , entonces el riesgo medio, cuando se
asume la presencia de una sola seal de informacin en el intervalo de anlisis, toma la forma
R g (x i ) = E {r g (x i )} =
N
X
r g (x i )p (x i ) =
n =1
N X
N
X
n =1 n =1
c i j p (x i )p (x j |x i )
N X
N
X
n =1 n =1
Z
c i j p (x i )
p (y |x i )d y
(3.82) Detec620
Dj
1643
1644
Deteccin binaria
1639
1640
1641
1642
1645
1646
1647
1648
cuno
1649
cdos
1650
Sea una observacin, y (t ), que corresponde al modelo (3.79), la cual se representa por una sucesin de valores y [n], n = 0, . . . , N 1, que corresponde a un vector, y , con dimensin N . Sean
las hiptesis H 0 y H 1 , conformadas para los casos de aparicin de las seales x 0 y x 1 , respectivamente, con lo cual se pueden tener los siguientes resultados de decisin:
1. Se acepta H 0 y H 0 es cierta, entonces se asigna el costo de decisin c 00
2. Se acepta H 1 , pero H 1 es cierta, c 10
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
166
ctres
1651
3. Se acepta H 1 y H 1 es cierta, c 11
ccuatro
1652
1653
1654
Las decisiones 1 y 3 son correctas, mientras las decisiones 2 y 4 resultan incorrectas y generan
el correspondiente error.
Definidas las probabilidades a priori P0 y P1 , que corresponden a la probabilidad de aparicin
de las seales x 0 y x 1 , respectivamente, el riesgo medio (3.82) resulta en
R g = c 00 p (x 0 )p (x 0 |x 0 ) + c 10 p (x 0 )p (x 1 |x 0 ) + c 11 p (x 1 )p (x 1 |x 1 ) + c 01 p (x 1 )p (x 0 |x 1 )
(3.83) Detec33
El valor de la funcin de costos se define de tal manera que, los coeficientes de error sean
mayores que cero, c 10 > 0, c 01 > 0, mientras para los coeficientes de decisin acertada se tenga,
c 00 0, c 11 0, con lo cual se cumple que,
c 10 > c 00 , c 01 > c 11
1655
1656
1657
(3.84) eq:pesosC_i
p (y |x 0 )d y
(3.85a) ?Detec35?
p (y |x 0 )d y
(3.85b) ?Detec36?
p (y |x 1 )d y
(3.85c) ?Detec37?
p (y |x 1 )d y
(3.85d) Detec38
D0
p (x 1 |x 0 ) =
D1
p (x 1 |x 1 ) =
D1
p (x 0 |x 1 ) =
D0
1658
1659
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
167
Z
p (y |x 0 )d y + c 10 p (x 0 )
D0
p (y |x 0 )d y
D1
Z
+ c 11 p (x 1 )
Z
p (y |x 1 )d y + c 01 p (x 1 )
D1
p (y |x 1 )d y
D0
p (y |x i )d y , i = 0, 1
(3.86) {?}
D0
p (x 1 ) (c 01 c 11 ) p (y |x 1 ) p (x 0 )(c 10 c 00 p (y |x 0 ) d y
(3.87) Detec311
D0
Los dos primeros trminos en (3.87) corresponden a los valores fijos de prdida, que no dependen de la seleccin de las fronteras del subespacio de decisin D 0 . Por lo tanto, la minimizacin del riesgo R significa configurar el subespacio D 0 , de tal manera que se incluyan nicamente los valores negativos (valores de prdida) de la integral en la expresin (3.87), esto es,
de la condicin:
p (x 1 ) (c 01 c 11 ) p (y |x 1 ) p (x 0 ) (c 10 c 00 ) p (y |x 0 ) < 0
que se puede escribir en la forma
p (y |x 1 ) p (x 0 )(c 10 c 00 )
<
p (y |x 0 ) p (x 1 )(c 01 c 11 )
De lo anterior, la funcin de decisin toma la forma
p (y |x 1 ) H>1 p (x 0 )(c 10 c 00 )
=
p (y |x 0 ) H<0 p (x 1 )(c 01 c 11 )
(3.88) Detec314
(y ) =
1660
1661
p (x 0 ) (c 10 c 00 )
p (x 1 ) (c 01 c 11 )
(3.89) eq:FuncVerosim
que implica en (3.88) que es ms verosmil la hiptesis con la mayor FDP a posteriori, para una
trayectoria dada de y (t ).
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
168
La parte derecha de (3.88) corresponde a un valor fijo , calculado a partir de la relacin entre
las probabilidades de aparicin de las seales x 0 y x 1 y los respectivos costos de decisin, que
se determina como
=
1662
1663
1664
p (x 0 ) (c 10 c 00 )
p (x 1 ) (c 01 c 11 )
(3.90) eq:FuncVerosimilitud_um
En general, el riesgo medio es uno de los criterios de decisin ms generalizados, pero su empleo implica una gran cantidad de informacin sobre los procesos de anlisis, que en la prctica
no siempre est disponible.
Ejemplo 3.17 Dadas las seales x 0 , y x 1 , hallar el valor ptimo de y = y opt , asumiendo que ambas FPD
:detecBingamma son del tipo Gaussiano con parmetros N (m 0 , 0 ) y N (m 1 , 1 , ) respectivamente, para el cual el valor del
riesgo R es el mnimo posible.
Al derivar e igualar a cero la expresin del riesgo, definida en (3.87), en el punto y = y opt , esto es,
d R/d y |y = yopt = 0 se obtiene la funcin de decisin de (3.88):
p ( y opt|x 1 ) H>1
<
p ( y opt|x 0 ) H 0
exp((212 )1 (y m 1y )2 + (202 )1 (y m 0y )2 ) =
1
entonces
(02 )1 (y m 0y )2 (12 )1 (y m 1y )2 = 2 ln(0 /1 )
12 (y m 0y )2 02 (y m 1y )2 = 21 0 ln(0 /1 )
1665
reagrupando
2
2
2
2
y 2 (12 02 ) 2y (m 1y
m 0y
) + m 0y
m 1y
21 0 ln(0 /1 ) = 0
12 m 0y 02 m 1y 1 0
2
2
m 1y
m 0y
+ 2(12 02 ) ln(0 /1 )
12 02
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
169
1666
0,
i =j
1,
i 6= j
con lo cual se asume que todos los errores de decisin conllevan a un mismo costo y, por lo
tanto, el riesgo medio corresponde a la probabilidad total de aparicin del error
R = Pe =
N X
N
X
i =1 j =1
j 6=i
Z
p (x i )
p (y |x i )d y
(3.91) Detec621
Dj
j 6= i
(3.92) Detec623
max p (x j )p (y |x i ) = p (x i )p (y |x i )
(3.93) Detec624
j
1668
esto es, la decisin sobre cul fue la seal detectada recae en aquella que tenga la mxima FDP
a priori.
1669
1667
p (x i )p (y |x i )
N
P
i =1
(3.94) Detec625
p (x i )p (y |x i )
(3.95) Detec626
1672
La comparacin de los algoritmos (3.93) y (3.95) muestra que ambos conllevan a la misma
decisin ptima, y por lo tanto, los correspondientes criterios son equivalentes. Adems, ambos
exigen la misma informacin a priori del proceso en anlisis.
1673
Deteccin minimax
1670
1671
En caso de desconocer las probabilidades a priori de aparicin de las seales, el riesgo (3.82) se
puede calcular sobre la peor densidad de probabilidad, p (x i ), i = 1, . . . , N , que se asume de tal
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
170
1674
1675
1676
p (x i )
N
N X
X
Z
c i j p (x i )
i =1 j =1
p (z |x i )d z
Dj
Deteccin de NeymannPearson
Existen casos en los cuales se tiene una clara asimetra en las prdidas de decisin. En el caso
particular de la deteccin binaria, el criterio minimiza uno de los dos tipos de error (1 2).
En la prctica, tiene sentido brindar la mnima probabilidad de error del tipo 1,
Z
p (y |x 1 )d y
p (x 0 |x 1 ) =
D0
p (y |x 0 )d y
D1
con lo cual, el algoritmo de deteccin (3.95), para el caso de deteccin binaria, se simplifica
significativamente hasta la expresin p (x 1 |y ) > p (x 0 |y ), que al tomar en cuenta (3.94) puede
describirse de cualquiera de las siguientes dos formas:
p (x 1 )p (y |x 1 ) > p (x 0 )p (y |x 0 )
p (y |x 0 )d y = p (|x 0 )d
Z
p (x 0 |x 1 ) =
p (y |x 1 )d y =
p (|x 1 )d
D0
p (x 1 |x 0 ) =
p (y |x 0 )d y =
D1
p (|x 0 )d
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
171
>
1677
1678
i 6= j , i , j = 0, 1
Cabe anotar, que del ejemplo 4.2, dados dos sucesos con probabilidades respectivas p 1 y p 2 ,
la mayor entropa se obtiene para p 1 = p 2 :
H (x 1 |x 0 ) = p 1 ln p 1 + 1 p 1 ln 1 p 1
1679
1680
En la prctica, el criterio de deteccin informativo conlleva a los mismos resultados que los
criterios (3.93) y (3.94).
Problemas
0. Desarrollar el algoritmo de deteccin, dado el RBG con valor medio cero y matriz de correlacin R, para el proceso aleatorio descrito en la forma:
y (t , ) =
m
X
k x k (t ) = x(t )
k =1
1681
1682
1683
1684
1685
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
173
1686
3.4.3.
Si en el algoritmo (3.93), se asume la FDP uniforme para todas las seales, p (x j ) = 1/N , entonces
el criterio se expresa solamente en trminos de la funcin de verosimilitud,
p (y |x i ) = max{p (y |x j )}
(3.97) Detec629
1687
1688
(y ) >
<
(3.98) Detec317
H0
1689
1690
1691
1692
1693
Los valores de las densidades a priori y de los costos influyen solamente en el clculo del umbral, mas no en la estructura del algoritmo, que se basa en la estimacin de (y ). En este sentido
la sintonizacin de los valores de los costos y probabilidades de generacin de las seales, que
frecuentemente se hace de forma heurstica, no influye en la forma de toma de decisin, y ms
bien ocurre la sintonizacin fina de la ubicacin del umbral.
Debido a que ambas partes de la igualdad (3.98) son positivas, entonces en vez de tomar directamente la relacin de verosimilitud, se emplea su logaritmo, que es una funcin montona.
As, el criterio (3.98) toma la forma
H1
ln (y ) >
< ln
(3.99) Detec318
H0
1694
1695
1696
1697
1698
1699
1700
1701
1702
1703
1704
t T
(3.100) mod:canaldigga
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
174
1705
1706
1707
1708
1709
1710
1711
Sea la trayectoria del ruido (t ) que se discretiza, con un periodo de muestreo t = 1/2f ,
y conforma la sucesin {i : i = 1, m }, en el cual se considera que todos sus valores son variables aleatorias independientes. Por lo tanto, la correspondiente FDP de dimensin mltiple
Gaussiana se puede representar en la forma,
P (1 , 2 , , m ) =
m
Y
(22 )m /2 k =1
exp 2k /22
m
1 X 2
=
exp
k
22
(22 )m /2
1
k =1
1712
1713
2 X
2
2
= exp
(z [k ] y [d 1 , k ]) (z [k ] y [d 0 , k ]) t
(3.101) Detec321
N0
k =1
1714
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
175
H1
2 X
(z [k ] y [d 1 , k ])2 (z [k ] y [d 0 , k ])2 t >
ln (z ) =
< ln
N0
H0
k =1
asumiendo que el ancho de banda f es suficientemente grande y, por lo tanto, t 0, entonces la sumatoria anterior se reemplaza por la operacin de integracin,
1
N0
ZT
H1
(z (t ) y (d 1 , t ))2 (z (t ) y (d 0 , t ))2 d t >
< ln
(3.102) Detec323
H0
Al comparar la parte izquierda de la expresin (3.102) con (1.14), se observa que en la deteccin de una seal inmersa en ruido blanco Gaussiano, el criterio de Bayes corresponde a
la comparacin de distancias en el espacio de seales entre la observacin de la seal recibida
z (t ) y cada una de las seales de informacin y (d 0 , t ) y y (d 1 , t ) (con precisin hasta la constante
1/N 0 ):
H1
kz y (d i )k >
< ln ,
H0
i {0, 1}
Fijar la funcin de costo con pesos variables es una tarea sumamente difcil, por lo que en
la prctica se asumen los pesos dados en (3.84), que implican condiciones simples de implementacin. Adicionalmente, los sistemas de transmisin suelen ser simtricos en cuanto a las
propiedades de las fuentes de generacin informativa, esto es, P(d i ) = P(d j ) = 1/N , i 6= j , con
lo cual = 1 y ln = 0, luego la regla de decisin del detector binario (3.101), se simplifica hasta:
Z
H0
(z (t ) y (d 1 , t ))2 (z (t ) y (d 0 , t ))2 d t >
(3.103) Detec323a
<0
H1
1715
1716
1717
1718
1719
1720
1721
1722
1723
1724
1725
Realmente, el dispositivo que implementa el receptor ptimo digital binario de la Figura 3.10
se puede generalizar a alfabetos N de mayor orden, tan slo agregando paralelamente ms brazos de proceso hasta completar el nmero total de elementos informativos de transmisin.
Cabe anotar que el algoritmo de trabajo (3.103) se puede expresa en trminos de comparacin
entre las respectivas distancias Eucldeas:
H0
kz y (d 1 )k >
< kz y (d 0 )k
H1
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
176
G
d1
?
-
()2
- R kT
(k 1)T
z (t )
Toma de
@@
dk
- decisin al decodificador
()2
R kT
(k 1)T
6
d0
G
g:DiagRxOptDig
(3.104) ?Detec323b?
1726
1727
1728
esto es, durante el intervalo de transmisin t [t k T, t (k 1)T ], la decisin sobre el respectivo smbolo enviado, dk , se toma para aquel que tenga la menor divergencia, en el sentido del
error cuadrtico medio, con la respectiva seal de referencia.
La presencia de elementos no lineales de proceso en el algoritmo de trabajo de la Figura
3.10, en particular, de los dispositivos elevadores al cuadrado, implica dificultades en su implementacin. Una forma de evitar estos dispositivos, se obtiene desarrollando el algoritmo de
trabajo (3.103) que no contenga tales elementos de proceso. As, a partir de la siguiente desigualdad para el caso del detector binario (3.101),
Z
2
(z (t ) y (d 1 , t ))
H0
dt >
<
H1
Z
T
(z (t ) y (d 0 , t ))2 d t , t T
al abrir los
R parntesis dentro del integral y suprimiendo en ambos lados de la desigualdad el
trmino T z 2 d t se llega a la siguiente versin de algoritmo de trabajo:
Z
z (t )y (d 0 , t )d t
T
1729
H0
0.5E 0 >
<
H1
Z
T
z (t )y (d 1 , t )d t 0.5E 1 , E i =
y (d i , t )2 d t t T
(3.105) eq:recoptbincorr
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
177
G
d1
E 1 /2
?
-
- R kT
(k 1)T
z (t )
Toma de
@@
dk
- decisin al decodificador
R kT
(k 1)T
6
E 0 /2
d0
G
de cada lado de las desigualdad corresponde al producto escalar, con lo cual la ltima expresin
se puede escribir como
H0
z , d 0 0.5kd 0 k >
< z , d 1 0.5kd 1 k
H1
cuya generalizacin para alfabetos N , compuestos por smbolos informativos con igual energa
kd i k = kd j k, i 6= j , i , j = 0, . . . , N 1, implica que el receptor ptimo digital se rige por el siguiente algoritmo de trabajo:
de max z , d i ,
i
1730
1731
1732
1734
1735
(3.106) Detec323c
esto es, durante el respectivo intervalo de transmisin, la decisin sobre el respectivo smbolo
enviado, d, se toma para aquel que tenga el mayor parecido con la respectiva seal de referencia.
El principio de trabajo del algoritmo (3.106) se mantiene para el caso de alfabetos con smbolos informativos de diferente energa kd i k 6= kd j k, i 6= j ; propiedad que se puede observar,
de forma ms simple, en el caso binario. En particular, el algoritmo de trabajo (3.105) se puede
representar en forma sencilla como:
Z
z (t )y (d , t )d t
1733
i {0, . . . , N 1}
H0
>
<
H1
(3.107) eq:RxOptDigDif
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
178
z (t )
FPB
dek
Detector
de
umbral Al decodificador
6T
EjemDetecDifBB
1736
decisin (3.106).
Ejemplo 3.18
Sea el sistema de transmisin binario de banda base provisto de los smbolos informativos
H0
>
<
H1
a T /2
1737
z (t ) cos(c t + )d t
T
H0
>
<
H1
a T /4
La Figura 3.12 contiene ambos diagramas del receptor ptimo de los casos analizados en este ejemplo.
En los casos, tanto el filtro pasabajos (FPB) como el detector de umbral son necesario, mientras el circuito
encerrado con lneas punteadas, que corresponde a demodulador de portadora, es vlido slo para el caso
del segundo alfabeto, cuando se tienen smbolos modulados.
Cabe anotar, que el diagrama 3.12 tambin se puede emplear para el caso de modulacin binaria BPSK,
cuando y (d 1 , t ) = a cos(c t ), y (d 0 , t ) = a cos(c t + ). En tal caso, simplemente se ajusta el umbral al
valor de E = 0.
1738
3.5.1.
Sea la trayectoria de la seal z (t ) a la entrada del detector que funciona por el algoritmo de
trabajo (3.107):
Z
T
z (t )(y (d 1 , t ) y (d 0 , t ))d t
H1
>
<
H0
0.5(E 1 E 0 )
(3.108) eq:fiddect01
el cual debido a la presencia del ruido blanco (t ) puede generar error en la respectiva toma
de decisin y que se cuantifica mediante la respectiva probabilidad de error P(d j |d i ), i 6= j .
En particular, sea el smbolo d 1 enviado, que describe la trayectoria z (t ) = y (d 1 , t ) + (t ), entonces la respectiva probabilidad de error P(d 0 | d 1 ) se determina por la probabilidad de que la
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
179
y (d 1 , t )(y (d 1 , t ) y (d 0 , t ))d t +
que puede expresarse en los siguientes trminos que diferencian la parte aleatoria de la determinstica:
Z
Z
T
1739
1740
1741
(y (d 1 , t ) y (d 0 , t ))2 d t
(3.109) eq:fiddect02
De forma similar se obtiene la misma relacin para el caso de trocamiento del smbolo d 0 .
Por lo tanto, las probabilidades de trocamiento de cada uno de los smbolos son iguales (canal
simtrico): P(d 0 | d 1 ) = P(d 1 | d 0 ) = Pe .
La expresin (3.109) se escribe en forma compacta como:
1742
< 0.5E
R
R
donde = T (t )y (d , t )d t y E = T y 2 (d , t )d t .
(3.110) eq:fiddect03
Asumiendo la normalidad del ruido blanco Gaussiano con parmetros N (0, ) y DEP igual
a S () = N 0 , entonces su respectiva lineal transformacin en forma de la variable tambin
tendr FDP Gaussiana con valores de media igual al:
Z
E {} =
E {(t )}y (d , t )d t = 0
y varianza
Z Z
2
= E { (t )} =
E {(1)(2 )}y (d , 1 )y (d , 2 )d 1 d 2
Teniendo en cuenta la expresin definida para la funcin de correlacin propia del ruido
blanco Gaussiano en (3.34), E {(1 )(2 )} = N 0 (2 1 )/2, ms la propiedad de propiedad
de selectividad de la funcin delta (1.9), entonces la varianza de la variable aleatoria transformada ser:
Z Z
2 = 0.5N 0
Z
(2 1 )y (d , 1 )y (d , 2 )d 1 d 2
y 2 (d , )d
= 0.5N 0
T
= 0.5N 0 E
De lo anterior, se deduce que la probabilidad de error, que corresponde a la probabilidad de
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
180
que para la variable transformada ocurran los valores de la desigualdad (3.110), esto es,
Z
Pe =
=
0.5E
1743
1744
p ()d
Z 0.5E
1
2
exp(
2
22
)d
1
p exp( 2 /2)d
2
p
notacin = 0.5E / 2 = E /2N 0 .
Ry
Se conoce la funcin (y ) = p22 0 exp( 2 /2)d , a partir de la cual y teniendo en cuenta su
valor asinttico () = 1, entonces la ltima expresin para la probabilidad de error se escribe
finalmente como:
p
(3.111) ?eq:proberrorBinario?
Pe = 0.5(1 ( E /2N 0 ))
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
181
1745
1746
Problemas
1747
1748
1749
1. Asumir en el ejemplo 3.17 que la FDP es del tipo Laplace: p (y |x i ) = (2c )1 exp(y m 1i ) donde
p
i = 2c . y hallar el valor de y = y opt .
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
4
1750
Teora de la informacin
1751
1752
1753
4.1.1.
1754
1755
1756
1757
1758
1759
1760
1761
1762
1763
1764
1765
1766
1767
1768
1769
1770
1771
1772
1773
1774
1775
Medida de la informacin
1776
saldr el sol,
1777
1778
ocurrir un tornado.
183
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
184
1779
1780
1781
1782
1783
1784
1785
1786
1787
1788
1789
1790
1791
1792
El primer mensaje no lleva efectivamente ninguna informacin, ya que se est casi seguro por
adelantado que el sol saldr. No obstante, la prediccin y lluvia proporciona informacin que
no estaba disponible previamente. El tercer pronstico contiene mucha ms informacin, en la
medida en que los tornados son eventos poco frecuentes e inesperados. En anterior listado, se
ha dispuesto en orden de probabilidad decreciente de cada uno de los eventos. Mientras menos
posible sea el mensaje, se asumir que mayor informacin contendr el respectivo contenido.
Dicho de otra manera, la medida de informacin debe estar relacionada con la incertidumbre
que tiene el usuario con respecto al contenido del mensaje, que a propsito se mide en conjunto
con todas las variantes de contenidos posibles.
Sin tener en cuenta algn aspecto subjetivo de la fuente o el usuario, entonces, la medida de la
informacin involucra la probabilidad de ocurrencia de un mensaje. Sea x i mensaje arbitrario
y P(x i ) = Pi la probabilidad de que el evento x i se seleccione para la transmisin, luego, la
cantidad de informacin asociada con x i debe ser alguna funcin de Pi .
La medida de informacin debe cumplir las siguientes propiedades:
1793
1794
1795
1796
1797
3. la medida deber ser aditiva, I i > I j , Pi < Pj , que implica que la informacin crece cuando
la incertidumbre tambin aumenta. De modo que la informacin total es igual a la suma
de las contribuciones de ambos mensajes individuales.
Definicin 4.1 En concordancia con las anteriores exigencias, Shannon defini la medida de la
informacin de mediante la siguiente funcin logartmica:
I i logb Pi = logb
1798
1799
1800
1
Pi
(4.1) eq:infor_def
I i 0,
Ii > I j ,
0 Pi 1
Pi 1
Pi < Pj
Cabe anotar que la propiedad de aditividad de la medida se demuestra, toda vez que para
una fuente que produce dos mensajes sucesivos e independientes, x i y x j , con probabilidad
conjunta P(x i ,x j ) = Pi Pj , entonces,
I i j = logb
1801
1802
1
1
1
= logb
+ logb
= Ii + I j
Pi Pj
Pi
Pj
(4.2) ?eq:infor_suma?
de modo que la informacin total es igual a la suma de las contribuciones de ambos mensajes
individuales.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
185
1805
1806
4.1.2.
1803
1804
1807
1808
1809
1810
1811
1812
1813
Entropa
Fuente discreta sin memoria. Sea una fuente que emite una sucesin de smbolos, pertenecientes
a un alfabeto finito y a priori definido, F = { f 1 , f 2 , . . . , f q }, que se eligen de acuerdo con una ley
a priori establecida de probabilidad. El modelo ms elemental de fuente asume la completa
independencia estadstica de los smbolos (smbolos sucesivos no dependen de smbolos emitidos anteriormente). Tal fuente informacin se conoce como fuente sin memoria y se describe
completamente por su respectivo alfabeto F y las probabilidades de cada smbolo:{p (s i ) : i =
1, . . . , p (s q )}.
Dado un smbolo f i , con probabilidad de observacin p i y, por lo tanto, con valor de informacin elemental, p i . Entonces, para un nmero N de observaciones, la informacin total I
obtenida ser
I=
N
X
N p i log 1/p n
n =1
N
X
N p n log 1/p n
n =1
N
X
p n log 1/p n
n =1
1814
1815
1816
Teniendo en cuenta que lmx 0 x log(1/x ) = 0, por conveniencia se define que p n log(1/p n )
sea 0 cuando p n = 0.
Otras medidas de informacin se determinan por las siguientes relaciones:
(4.3) Inform:InfMutu
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
186
I X ; ym =
N
X
n =1
I x n ; y m p x n |y m =
N
X
n =1
p x n |y m
p x n |y m
log
p (x n )
M
X
m =1
I x n ; y m p y m |x n =
M
X
m =1
p y m |x n
p y m |x n
log
p ym
N X
M
X
p x n , ym
n =1 m =1
M
X
p x n |y m
log
p (x n )
p ym I X ; ym
m =1
Definicin 4.2 Sea el alfabeto compuesto por la variable aleatoria discreta X que toma los valores x i X con funcin de probabilidad p (x ) = Pr {X = x },x . Se define la entropa de la variable,
X como la medida de su media incertidumbre asociada:
I (X ) = E {{I (x n )}} =
N
X
=
1817
1818
N
X
p (x n ) I (x n )
n =1
p (x n ) log p (x n ) H (X )
(4.4) eq:entropia_def
n =1
E {g (X )} =
N
X
i =n
N
X
=
n =1
1819
1820
g (x n )p (x n )
log P {X = x n } P {X = x n }
que implica que la entropa de una distribucin de probabilidad corresponde al valor esperado
de su informacin.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
187
Ejemplo 4.1 Desarrollar un programa que simule dos observaciones con longitud N , para las variables
aleatorias X i {x l : l = 1, . . . , L} , i = 1, 2, que permita analizar el comportamiento de sus respectivos valores
de entropa para los siguientes casos:
Ambas variables tienen FDP Gaussiana, con valor medio cero. Estimar las entropas para valores de
relacin de las varianzas: X2 1 = k X2 2 , k = 1, . . . , 10.
1821
La variable X 1 tiene FDP Gaussiana, mientras la variable X 2 se genera con FDP uniforme; ambas con
los mismos valores medio y de varianza.
En la Figura 4.1(a), se muestran los resultados para el caso de generacin de ambas variables Gaussianas
con media m 1X 1 = m 1X 2 = 0, pero X2 1 = k X1 2 . Se observa que la estimacin de la entropa converge a un
mismo valor para ambos casos de anlisis.
La Figura 4.1(b) corresponde al caso de diferentes FDP (Gaussiana y uniforme) y muestra que el valor de la entropa, para dos sucesiones aleatorias con iguales valores medio y de varianza, depende de la
estructura de aleatoriedad.
H (X i )
H (X i )
normal
uniforme
2
1.6
1.5
1.5
1.2
2
4.1.3.
Propiedades de la entropa
(a). Definida positiva: H (X ) 0, en la medida en que para (4.4), se cumple que tanto p k
R(0, 1), como log(1/p k ) R(0, 1).
(b). Aditividad. Sea H (Y |X ) la entropa condicional de los valores del conjunto Y , dado un
conjunto de eventos X , entonces, la entropa H (Y, X ) del conjunto de eventos conjuntos
X y Y se define como:
H (Y, X ) = H (X ) + H (Y |X ) = H (Y ) + H (X |Y )
1825
1826
1827
1828
1829
(4.5) ?Inform:HConjun
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
188
p k log
k =0
K 1
qk
1 X
qk
=
p k ln
pk
log 2
pk
(4.6) entropia2fuentes
k =0
p k log
k =0
K 1
qk
qk
1 X
pk
1
pk
log 2
pk
k =0
1
log 2
log 2
K
1
X
k =0
qk p k
K
1
X
k =0
qk
K
1
X
!
pk
=0
k =0
PK 1
de lo anterior, se deduce la desigualdad k =0 p k log(qk /p k ) 0, la cual, a propsito, ocurrir si solo si p k = qk , k . De hecho, este caso corresponde a un alfabeto con smbolos
equiprobables, cuando qk = 1/K , k = 0, 1, . . . , K 1, con entropa igual a,
K
1
X
qk log
k =0
1
= log K
qk
p k log
1
log K
pk
H (X ) log K
Ejemplo 4.2 Demostrar que para dos sucesos con probabilidades respectivas, p 1 y p 2 , la mayor entropa
obtiene para p 1 = p 2 .
Al reemplazar en la definicin de entropa (4.4), p 2 = 1 p 1 , se tiene que
ejemMaxH se
H (X ) = p 1 ln p 1 + p 2 ln p 2
= p 1 ln p 1 + 1 p 1 ln 1 p 1
1830
Al resolver la ecuacin se obtiene que p 1 = 0.5, luego, p 1 = p 2 . La Figura 4.2 ilustra el presente ejemplo.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
189
H(p)
1.0
0.5
0
0
0.5
1.0
H (X n ) = nH (X )
Ejemplo 4.3 Sea una fuente discreta sin memoria con alfabeto X = {s 0 , s 1 , s 2 } con las respectivas probabilidades {1/4, 1/4, 1/2}. Luego, la entropa de la fuente ser
H (X ) = p 0 log
1831
1
1
1
1
1
3
1
+ p 1 log
+ p 2 log
= log 4 + log 4 + log 2 = bits
p0
p1
p2 4
4
2
2
Sea la extensin de segundo orden para la fuente, cuyo alfabeto X contiene tres smbolos, tal que el
alfabeto X 2 de la fuente extendida tendr nueve combinaciones, presentados en la primera fila de la tabla 4.1
y notados por i : i = 1, . . . , 8. La segunda fila de la tabla muestra la composicin de estos nueve bloques en
trminos de la secuencia correspondiente de smbolos s 0 , s 1 y s 2 , tomando dos a la vez. Las probabilidades de
los nueve bloques de smbolos de la fuente extendida se representan la ltima fila de la tabla. De lo anterior,
la entropa de la fuente extendida es
H (X 2 ) =
8
X
p (i ) log
i =0
1
1
1
1
1
=
log 16 +
log 16 log 8 log 16
p (i ) 16
16
8
16
= 3bits
Definicin 4.3 (Velocidad de informacin) Cuando una fuente emite secuencias de n 1 smbolos, la informacin total a transferir se aproxima a nH (X ) bits, que asumiendo una velocidad
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
190
0
s 0s 0
1
s 0s 1
2
s 0s 2
3
s 1s 0
4
s 1s 1
5
s 1s 2
6
s 2s 0
7
s 2s 1
8
s 2s 2
1
16
1
16
1
8
1
16
1
16
1
8
1
8
1
8
1
4
Tabla 4.1: Alfabeto de la extensin de segundo orden para una fuente discreta sin memoria
enSegundoOrden
de generacin de r smbolos por [s] en promedio, resulta en un tiempo de duracin de n/r . Esto
es, la informacin se transfiere con una tasa promedio nH (X )/(n/r ) = r H (X ) [b/s]. Entonces, se
define la velocidad de la informacin de una fuente como:
R r H (X ) b/s
1832
1833
1834
(4.7) eq:vel_infor_def
En general, la informacin proveniente de una fuente discreta sin memoria puede ser codificada como dgitos binarios y se transmite por un canal sin ruido con una tasa de sealizacin
rb R binits/seg.
= E {log p (X , Y )}
De forma similar, se define la entropa condicional como el valor esperado de la entropa de la
densidad condicionales, promediado sobre la variable aleatoria condicional. Esto es :
X
H (X |Y ) =
p (x ) H (Y |X = x )
x X
=
=
p (x )
x X
XX
x X y Y
X
y Y
p y |x log p y |x
p x , y log p y |x
= E {log p (Y |X )}
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
191
XX
x X y Y
XX
x X y Y
x X
p x , y log p (x ) p y |x
XX
p x , y log p (x )
p x , y log p y |x
x X y Y
p (x ) log p (x )
XX
x X y Y
p x , y log p y |x
H (X ) + H (Y |X )
=
1835
Ejemplo 4.4
Y
1
2
3
4
1/8
1/16
1/16
1/4
1/16
1/8
1/16
1/0
1/32
1/32
1/16
1/0
1/32
1/32
1/16
1/0
La densidad marginal de X es (1/2, 1/4, 1/8, 1/8), mientras la marginal de Y es (1/4, 1/4, 1/4, 1/4), por
lo tanto H (X ) = 7/4 bits and H (Y ) = 2 bits. Adems,
1836
H (X |Y ) =
4
X
i =1
p (Y = i ) H (X |Y = i )
= 1/4H (1/2, 1/4, 1/8, 1/8) + 1/4H (1/4, 1/2, 1/8, 1/8)
+ 1/4H (1/4, 1/4, 1/4, 1/4) + 1/4H (1, 0, 0, 0)
= 1/4 7/4 + 1/4 7/4 + 1/4 2 + 1/4 0
= 11/8 bits
Cabe anotar, que en la anterior expresin, puede existir algn smbolo x X tal que p (x ) >
0 y q (x ) = 0, entonces, se tienen en cuenta los siguientes valores asintticos: 0 log 0/0 0,
0 log 0/q 0 y p log p /0 . Aunque se cumple que el valor de d p kq 0 y es cero si,
solo si p = q , no es estrictamente una distancia entre dos distribuciones, por cuanto que no es
simtrica y tampoco satisface la desigualdad triangular.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
192
Por otro lado, la cantidad de informacin que una variable aleatoria contiene acerca de otra
de igual naturaleza se denomina Informacin Mutua y pondera la reduccin en la incertidumbre de una variable debido al conocimiento de la otra. Sean dos variables aleatorias X y Y con
funcin de probabilidad conjunta p (x , y ) y funcin de probabilidad marginal p (x ) y p (y ), respectivamente. La informacin mutua I (X ; Y ) es la entropa relativa entre la distribucin conjunta y el producto de las distribuciones p (x )p (y ):
XX
p x,y
I (X , Y ) =
p x , y log
p (x ) p y
x X y Y
= d p x , y kp (x ) p y
= E {log
p (X , Y )
}
p (X ) p (Y )
1842
Ejemplo 4.5 ea X = 0, 1, para la cual se considera el par de distribuciones, p (x ),q (x ) X , tales que
p (0) = 1 r , p (1) = r y q (0) = 1 s , q (1) = s . Entonces, se tiene
1r
r
d p kq = (1 r ) log
+ r log
1s
s
s
1s
+ s log
d q kp = (1 s ) log
1r
r
1843
En general, d (p kq ) 6= d (q ||p ).
La relacin entre entropa e informacin mutua se hace clara de las siguientes expresiones:
p x,y
I (X ; Y ) =
p x , y log
p (x ) p y
x ,y
X
p x |y
=
p x , y log
p (x )
x ,y
X
X
=
p x , y log p (x ) +
p x , y log p x |y
X
x ,y
X
x
x ,y
p (x ) log p (x )
= H (X ) H (X |Y )
X
x ,y
p x , y log p x |y
(4.8) eq:Infor_mutua_def
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
193
H (X |Y )
I (X ; Y )
H (Y |X )
(4.9) eq:Infor_mutua_def02
1844
1845
1846
1847
1848
1849
1850
1851
1852
1853
1854
informacin
que implica que la informacin mutua de una variable con ella misma es la entropa de dicha
variable, motivo por el cual la entropa es referida a veces como la auto-informacin de una
variable. La Figura 4.3 presenta un diagrama de Venn que ilustra las relaciones entre H (X ), H (Y ),
H (X , Y ), H (X |Y ), H (Y |X ), y I (X ; Y ). Se puede observar que la informacin mutua I (X ; Y ) corresponde a la interseccin de la informacin de X con la informacin de Y .
Fuente discreta con memoria o fuente de Markov En esta clase de fuentes, la aparicin de
cada smbolo en una fuente no es independiente del anterior, es decir, los smbolos no son estadsticamente independientes. El nmero de smbolos precedentes de los cuales depende la
aparicin de un nuevo smbolo corresponde al orden de la fuente. As, en una fuente de Markov
de orden M la dependencia de un nuevo smbolo es respecto a los M ltimos smbolos generados por la fuente.
Sea una fuente con memoria de orden M = 1 que genera n smbolos {x 1 ,x 2 , . . . ,x n }, entonces
se tiene el conjunto de probabilidades condicionales, {p j i = p (x j |x i ), i , j = 1, . . . , n}, que indican la probabilidad de que se genere el smbolo x j dado el smbolo x i , siendo x i el ltimo smbolo generado por la fuente. De forma similar, para una fuente con memoria y orden M N+ se
tiene el conjunto de probabilidades condicionales:
{p (x i |x i 1 ,x i 2 , . . . ,x i M ) : i = 1, . . . , n}
1855
1856
1857
1858
1859
Un ejemplo evidente se encuentra en el mismo idioma castellano, para el cual la probabilidad a priori de aparicin de la letra /u / es p (u ) = 0.07, pero si tiene en cuenta su aparicin
condicionada a que la penltima letra generada sea la /q /, entonces, la respectiva probabilidad condicional de aparicin de /u / dada /q / es p (u |q ) = 1, mientras que por el contrario la
probabilidad de /u /, dada /o/, tan solo es p (u |o) = 0.001.
El clculo de la entropa condicional de fuentes de Markov implica considerar la historia de
la misma fuente. As, sea I j i = log(p (x j |x i )) la informacin producida por smbolo el x j , dado
x i . Luego, la entropa de la fuente X con memoria es
H (X ) =
XX
I
p (x j )p (x j |x i ) log
1
p (x j |x i )
De la expresin (4.4) para las fuentes sin memoria, queda claro que la presencia de las proba-
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
194
bilidades condicionales reduce la incertidumbre media de las fuentes de Markov, esto es, H (X M ) <
H (X ), donde X M es una fuente con memoria de orden M . En este sentido, se define la redundancia, , como la diferencia ponderada entre ambas clases de generacin e implica que se
tienen smbolos que no son realmente necesarios para la transmisin de informacin:
= 1 H (M )/H (X )
1860
1861
1862
1863
1864
1865
1866
1867
(4.10) eq:redundancy_def
Una fuente sin memoria ofrece ventajas en cuanto a los requerimientos de hardware y software, pero dado que tiene una mayor entropa requerir de un mayor ancho de banda como
consecuencia de una mayor tasa de informacin. Por el contrario, las fuentes con memoria,
que demandan una mayor complejidad en su realizacin, implican un menor ancho de banda,
toda vez que la tasa de informacin es menor. Cabe anotar, que aunque la redundancia afecta
la eficiencia del ancho de banda del canal su implementacin es necesaria para neutralizar los
efectos de distorsin provocados por las perturbaciones.
1874
Inicialmente, se considera una fuente discreta sin memoria que produce n smbolos igualmente
probables, de modo que la velocidad de informacin, (4.7), es R = r log n y, por lo tanto, todos
los smbolos llevan la misma cantidad de informacin, con lo cual se podra implementar la
transmisin eficiente mediante un alfabeto de M estados o posiciones con una tasa de sealizacin igual a la tasa de smbolos r . Pero cuando los smbolos tienen probabilidades diferentes,
tal que R = r H (X ) < r log n, la transmisin eficiente requiere de un proceso de transformacin
de la fuente o codificacin que tome en cuenta la cantidad variable de informacin por smbolo.
1875
4.2.1.
1868
1869
1870
1871
1872
1873
1876
1877
1878
1879
1880
1881
1882
1883
1884
1885
1886
1887
1888
1889
1890
1891
1892
1893
1894
1895
Se define un cdigo de bloque cuando se asigna cada uno de los smbolos del alfabeto de la
fuente original X a una secuencia fija de smbolos del alfabeto transformado o cdigo Y , mediante la transformacin K , esto es, K : X 7 Y . Las secuencia fija y j Y recibe el nombre de
palabras cdigo que corresponde al smbolo x i .
Una restriccin natural es que todas las
palabras cdigo y i sean diferentes, entonces,
Smbolos de
el cdigo de bloque se denomina no singular.
la fuente
Cdigo
Sin embargo, an cuando todas las palabras
y1
0
cdigo sean diferentes, es posible encontrar
y2
11
algn caso en que una secuencia dada pueda
y3
00
tener un origen indefinido. La tabla 4.2 muesy4
01
tra un ejemplo de cdigo de bloque no singular, en la cual se observa que en el caso con- Tabla 4.2: Ejemplo de un cdigo de bloque no singular
creto de analizar la secuencia 0011, su transtab:CdigoBloqueNoSingular
formacin podra corresponder a y 3 y 2 , pero
tambin a y 1 y 1 y 2 , que implica enunciar una condicin ms restrictiva que la no singularidad.
Esto es, se debe asegurar que dos secuencias cualquiera de smbolos con la misma longitud den
lugar a secuencias distintas de smbolos cdigos. Desde luego, tambin ser necesario que dos
secuencias cualquiera de smbolos de la fuente, incluso de diferente longitud, correspondan a
secuencias de smbolos cdigo distintos. Finalmente, se dice que cdigo de bloque es unvoca-
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
195
1897
1898
4.2.2.
1896
1899
1900
1901
1902
1903
1904
1905
1906
1907
1908
1909
1910
1911
1912
1913
1914
1915
1916
1917
1918
1919
1920
1921
1922
1923
1924
1925
1926
1927
1928
1929
1930
1931
1932
1933
1934
1935
1936
Cdigos instantneos
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
196
1937
1938
1939
1940
1941
1942
1943
1944
1945
1946
1947
4.2.3.
Cdigo binario
Un codificador binario convierte cada smbolo de la frente entrante, H (x ), en palabras de cdigo, que constan de dgitos binarios producidos con alguna tasa fija rb . Visto desde su salida,
el codificador se asimila a una fuente binaria con entropa H (X (2)) y velocidad de informacin
rb H (X (2)) rb log 2 = rb . Cabe anotar, que la codificacin no genera informacin adicional ni
destruye informacin, siempre que el cdigo sea descifrable en forma nica. Entonces, igualando las velocidades de informacin de la entrada y salida del codificador, se concluye que
R = r H (X ) = rb H (X (2)) rb rb /r H (X ).
La relacin n = rb /r, llamada longitud promedio de cdigo, fsicamente
PM corresponde al nmero
promedio de dgitos binarios por smbolo de la fuente, esto es, n = i =1 Pi N i , donde n i representa la longitud de las palabras de cdigo para el i -simo smbolo, M es ???? y Pi ???.
En general, el teorema de codificacin de la fuente de Shannon establece que el valor mnimo
de n est limitado por
H (X ) n < H (X ) + , R+
1948
1949
1950
1951
1952
(4.11) {?}
donde es una cantidad que puede hacerse arbitrariamente tan pequeo como se quiera.
De hecho, se habla de la codificacin ptima de la fuente cuando se alcanza el lmite inferior
n = H (X ). En la prctica, a menudo basta con una codificacin subptima, cuando se cumple
que n > H (X ), asegurando que el cdigo tenga una eficiencia razonablemente alta. La relacin
R/rb = H (X )/n 1 sirve como la medida de eficiencia para cdigo subptimos.
El teorema de codificacin de la fuente presupone un cdigo descifrable en forma nica para
asegurar que no se pierda informacin; requerimiento que impone una restriccin adicional
e indirecta sobre n. Especficamente, como una condicin suficiente y necesaria para que un
cdigo binario sea descifrable en forma nica, las longitudes de las palabras n i deben ser tales
que se cumpla la desigualdad de Kraft:
K=
M
X
i =1
2n i 1
1958
El proceso de codificacin ms sencillo genera un cdigo de longitud fija, donde toda las pal La desigualdad de Kraft se convierte entonces
abras de cdigo tienen la misma longitud n i = n.
n
en K = M 2 1. De modo que la capacidad para ser descifrable requiere que n log M , con
lo que la eficiencia resultante es H (X )/n H (X )/ log M . Cuando H (X ) < log M , una mayor eficiencia requiere de una codificacin de longitud variable para reducir la longitud promedio de
cdigo n.
1959
4.2.4.
1953
1954
1955
1956
1957
1960
1961
1962
1963
1964
1965
1966
Compresin de datos
Una caracterstica comn de las seales generadas por una fuente est en que, de forma natural, estas tienen una cantidad importante de informacin que es redundante, y su transmisin
representa un desaprovechamiento del ancho de banda del canal. La operacin que implementa la transmisin eficiente de informacin mediante la disminucin significativa o eliminacin
de la redundancia se denomina compresin de datos. Cuando el cdigo resultante es una representacin de la fuente, que no solo es eficiente respecto al nmero promedio de bits por smbolo, sino que tambin es exacto en el sentido de que la seal oroginal puede ser reconstruida
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
197
1967
1968
1969
?sec:Codigo_Prefijo?
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
sin prdida de informacin, entonces se habla de compresin sin prdida, en caso contrario, se
tiene compresin con prdida.
Definicin 4.4 Cdigo prefijo: Sea una fuente discreta sin memoria con alfabeto {s 0 , s 1 , . . . , s K 1 }
con probabilidades de generacin {p 0 , p 1 , . . . , p K 1 }. Sea que la palabra cdigo asignada al smbolo s k de la fuente, denotada como {m k 1 , m k 2 , . . . , m k n }, cuyos elementos conforman el alfabeto
{0, 1}, siendo n la longitud de palabra cdigo. La parte inicial de la palabra cdigo se forma con
los elementos m k 1 , . . . , m k i con i n. Cualquier secuencia construida con la parte inicial de la
palabra cdigo se denomina prefijo de la palabra cdigo. Entonces, un cdigo prefijo se define
como un cdigo en el cual ninguna palabra cdigo es el prefijo de otra palabra cdigo.
La Tabla 4.5 ilustra la anterior definicin, que considera los cdigos para tres fuentes. El cdigo I no es un cdigo prefijo, por cuanto, el bit 0 (la palabra cdigo para el smbolo s 0 ) es un
prefijo de 00, que a su vez es la palabra cdigo para s 2 . Asimismo, el bit 1, la palabra cdigo para
el smbolo s 1 , es un prefijo de 11, y tambin es la palabra cdigo para s 3 . De forma similar, se
concluye que el cdigo III tampoco es un cdigo prefijo. No obstante, en el caso del cdigo II se
puede afirmar que si es un cdigo prefijo.
Smbolo
s0
s1
s2
s3
Probabilidad
0.5
0.25
0.125
0.125
Cdigo I
0
1
00
11
Cdigo II
0
10
110
111
Cdigo III
0
01
011
0111
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
198
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
huffpaso1
2013
2014
2015
2016
2017
huffpaso2
2018
2019
2020
2021
Cdigo Huffman: Este cdigo asigna a cada smbolo del alfabeto una secuencia con longitud
aproximadamente igual a la cantidad de informacin transmitida por cada elemento. El resultado es un cdigo con una longitud promedio de palabra de cdigo cercana al lmite fundamental,
establecido por la entropa de la fuente discreta sin memoria. El cdigo Huffman reemplazar el
conjunto de probabilidades de la fuente, por uno ms simple. El proceso de reduccin se realiza
paso a paso hasta alcanzar una conjunto final de solo dos probabilidades, para el cual (0,1) es
un cdigo ptimo. A partir de este cdigo trivial, se realiza el procedimiento inverso al descrito,
y finalmente se obtiene el cdigo Huffman para una fuente dada. En concreto, el algoritmo de
codificacin Huffman sigue los siguientes pasos:
1. Etapa de Divisin. Se ordenan los smbolos de la fuente en orden descendiente segn su
probabilidad. Se asignan los valores 0 y 1 a los dos smbolos con menor probabilidad.
2. Los dos smbolos encontrados en el paso 1 se combinan para ser reemplazados por uno
nuevo que tenga probabilidad igual a la suma de las dos probabilidades de ambos smbolos originales. En este punto se reduce en uno el tamao del conjunto de probabilidades.
El nuevo smbolo es incluido en la lista generada en el paso 1, en el lugar correspondiente
segn su probabilidad.
3. El paso 2 se repite hasta que la lista contiene solo dos elementos, a los que se les asignar
los valores de 0 y 1.
El cdigo para cada smbolo original se construye con un algoritmo inverso al descrito, haciendo el seguimiento de los valores 0 1 asignados a los predecesores sumando de cada uno.
2022
Ejemplo 4.6 Sea un alfabeto de una fuente discreta sin memoria compuesto de cinco smbolos con sus
probabilidades respectivas de generacin como se muestran en la Figura 4.5(a). Las columnas a su derecha
representan la evolucin del algoritmo de codificacin Huffman, que finaliza tras cuatro iteraciones y que
genera el correspondiente rbol de Huffman, cuyas palabras cdigo se muestran en la tabla inferior.
Del rbol se tiene que la longitud promedio de palabra cdigo es
L = 0.4(2) + 0.2(2) + 0.2(2) + 0.1(3) + 0.1(3) = 2.2
La entropa de la fuente discreta sin memoria, notada como H (X ), tiene un valor de:
2023
1
1
1
1
1
+ 0.2 log
+ 0.2 log
+ 0.1 log
+ 0.1 log
0.4
0.2
0.2
0.1
0.1
= 0.5287 + 0.4643 + 0.4643 + 0.3321 + 0.3321
= 2.1219 bits
H (X ) = 0.4 log
Smbolo
Etapa I
Etapa II
s0
0.4
0.4
0.4
s1
0.2
0.2
0.4
s4
0.2
0.2
0.2
s3
0.1
s4
0.1
0.2
0.6
0.4
(a) .
Smbolo
s0
00
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
199
la etapa de divisin del algoritmo. Lo mismo sucede en el momento de incorporar cada nuevo smbolo generado a la lista de probabilidades, en la medida en que cada smbolo puede ser ubicado dentro de la lista (en
orden descendiente); tan arriba tan abajo
como se posible. Aunque esta arbitrariedad
influye en la diferencia entre las longitudes
de las palabras cdigo, la longitud promedio
sigue siendo la misma. Se puede plantear una
medida para la varianza de L como:
2 =
K
1
X
k
2024
2025
2026
2027
2028
2029
2030
2031
2032
2033
2034
2035
p k l k L
L H r (F )
L
(4.12) ?eq:rendimiento
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
200
Ejemplo 4.7 Sea la fuente sin memoria X = {x 1 , x 2 }, descrita por las probabilidades p (x 1 ) = 1/4 y p (x 2 ) =
1/2. Entonces su entropa ser:
H (X ) = 1/4 log 4 + 3/4 log 4/3 = 0.811 bits
p (x i )
3/4
1/4
Cdigo compacto
0
0
La longitud media del cdigo es 1 binit, por lo tanto su rendimiento ser = 0.8811. Una siguiente
mejorase obtiene mediante la codificacin de la extensin de orden dos X 2
i
f1f1
f1f2
f2f1
f2f2
p (i )
9/16
3/16
3/16
1/16
Cdigo compacto
0
10
110
111
En este caso, la longitud media del cdigo que es 27/26 binits, mientras la entropa aumenta hasta
2H (X ), adems su rendimiento es 2 = (2 0.811 16)/27. Al codificar las extensiones del tercer y cuarto
orden, se obtiene, respectivamente: 3 = 0.985, 4 = 0.991.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
2037
2038
4.3.1.
201
Los factores, tales como el ancho de banda y la potencia del ruido presente en el canal, restringen la cantidad de informacin que se puede transmitir. Es posible demostrar que en presencia
de ruido blanco gaussiano, se puede transmitir informacin a travs de un canal con una velocidad no mayor a su capacidad, C [b/s]:
C = log2 (1 + S/N )
2039
2040
p
S +N
S
M= p
= 1+
N
N
con lo cual, la mxima cantidad de informacin que se transmite por cada pulso mediante M
niveles distintos est dada por,
S
I = log2 M = log2 1 +
N
S
1
= log2 1 +
2
N
La capacidad del canal corresponde a la mxima cantidad informacin por unidad de tiempo
[s]. Por lo tanto, si un canal puede transmitir un mximo de K pulsos por segundo, se tiene que
la capacidad C del canal es
S
K
C = log2 1 +
, [bits/s]
2
N
Un sistema con ancho de banda puede transmitir un mximo de 2 pulsos por segundos, luego su velocidad mxima de transmisin es:
C = log2 (1 + S/N )
2041
2042
2043
2044
2045
2046
2047
(4.13) eq:shannon_har
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
202
y0
x1
X -
..
.
p (y j |x i )
-Y
x I 1
y1
..
.
y J 1
2049
2050
2051
2052
2053
2054
2055
2056
2057
4.3.2.
Canal discreto sin memoria: Corresponde a un modelo estadstico compuesto por una entrada x = {x i : i , . . . , I } X , una salida y = {y j : j , . . . , J } Y, que es una versin de x, distorsionada
y el respectivo conjunto de conjunto de probabilidades de transicin,
porla perturbacin
p y 0 |x 0
p y 1 |x 0
..
..
P =
.
.
p y 0 |x I 1
p y 1 |x I 1:
2058
2059
2060
p y J 1 |x 0
..
.
p y J 1 |x I 1
(4.14) {?}
Cabe anotar que cada columna de la matriz de canal P corresponde a una entrada fija, mientras que cada columna tambin corresponde a una salida fija. Adems, laP
suma de
los elementos
J 1
sobre cualquiera de las filas de la matriz es siempre igual a uno, esto es, j =0 p y j |x i = 1, j .
Sea el vector de entradas a un canal discreto sin memoria, seleccionadas de acuerdo a la distribucin de probabilidad y conocidas como probabilidades a priori, {p (x i ), i = 0, . . . , I 1}.
Es decir, el evento de que la entrada del canal sea X = x i ocurre con una probabilidad p (x i ) =
P (X = x i ) . As mismo, se define el vector aleatorio de la salida del canal Y, {p (y i ), i = 0, . . . , J 1}.
Se asume conocida la densidad de probabilidad conjunta de las variables aleatorias X y Y :
p x i , y j = P X = x i , Y = y j = P Y = y j |X = x i P (X = x i )
= p y j |x i p (x i )
La distribucin de probabilidad marginal de la variable aleatoria salida Y se obtiene promediando la dependencia de p (x i , y j ) por x i :
I 1
p yj = P Y = yj =
P Y = y j |X = x i P (X = x i )
i =0
I 1
X
i =0
p y j |x i p (x i ), j = 0, 1, . . . , J 1
(4.15) Eq:9_39
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
203
2061
2062
2063
La ecuacin 4.15 establece que al conocer las probabilidades a priori de entrada p (x i ) y la matriz del canal p (y j |x i ), entonces es posible calcular las probabilidades de los diferentes smbolos
de salida p (y j ).
Ejemplo 4.8
Sea un canal discreto sin memoria binario (I = J = 2), con smbolos de entrada (x 0 =
y salida (y 0 =, y 1 = 1), que es simtrico, esto es, p (0 | 1) = p (1 | 0). El diagrama de probabilidad de
transicin de un canal binario simtrico se muestra en la figura 4.7.
Sean las probabilidades de los smbolos,
Ex:CSB 0, x 1 = 1)
p (x 0 ) = p , p (x 1 ) = 1 p
Este modelo representara un sistema de transmisin binario, en el cual los errores son estadsticamente
independientes y las probabilidades de error son iguales para todos los smbolos, de modo que la probabilidad de error promedio es
p e = p (x 0 )p (y 1 |x 0 ) + p (x 1 )p (y 0 |x 1 ) = p + (1 p ) =
2064
A partir de las probabilidades de transicin directa, se calcula la informacin mutua (4.8) en funcin de
los valores de p y . La entropa en el destino H (Y ) puede ser calculada asumiendo que la salida del canal
es una fuente binaria con probabilidades del smbolo p (y 0 )y p (y 1 ) = 1 p (y 0 ). Por lo tanto, H (Y ) = {p (y 0 )},
1
donde (p ) = p log p1 + (1 p ) log 1p
. Adems,
p (y 0 ) = p (y 0 |x 0 )p (x 0 ) + p (y 0 |x 1 )p (x 1 ) = + p 2p
luego
H (Y |X ) =
X
x
p (x i )
p (y j |x i ) log 1/p (y j |x i )
que se reduce a (). La simetra del canal hace que el resultado obtenido sea independiente del valor de p .
Finalmente se tiene que
I (X ; Y ) = ( + p 2p ) ()
2065
2066
2067
2068
2069
2070
2071
2072
2073
2074
y0 = 0
x0 = 0
p (x 0 ) = p
p (x 1 ) = 1 p
x1 = 1
y1 = 1
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
204
2075
2076
2077
2078
2079
Informacin mutua de un canal discreto. Idealmente, el canal de transmisin debe reproducir en el destino los smbolos emitidos por la fuente X . No obstante, el ruido y otros problemas en la transmisin alteran los smbolos de la fuente, lo que da como resultado un alfabeto Y
de smbolos diferentes en el destino y, por lo tanto, la informacin transferida disminuye tambin. Se definen las siguientes probabilidades que describen un canal de transmisin:
2080
2081
2082
2083
2084
P x i |y j
I x i ; y j log
bits
(4.16) {?}
P (x i )
2085
2086
2087
2088
2089
2090
Sea un canal ideal sin ruido tal que cada y i identifica de manera nica una x i particular;
entonces P(x i |y i ) = 1 e I (x i ; y i ) = log(1/P(x i )), de modo que la informacin transferida es igual
a la informacin de x i . Por otra parte, al asumir que el ruido del canal tiene un efecto tan grande
que y i no se relaciona en absoluto con x i ; entonces P(x i |y i ) = P(x i ) e I (x i ; y i ) = log 1 = 0, de
modo que no se transfiere informacin. La mayora de los canales de transmisin caen entre
ambos extremos analizados de transferencia: completa o nula.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
205
X
X
P x i |y j
bits/simbolo
I (X ; Y )
P xi , yj I xi , yj =
P x i , y j log
P (x i )
x ,y
x ,y
(4.17) ?Eq2Carlson?
donde los ndices de la sumatoria indican que el promedio estadstico se toma sobre ambos
alfabetos. La cantidad I (X ; Y ) representa la cantidad promedio de informacin de la fuente
ganada por el smbolo recibido, para distinguirla de la informacin promedio por smbolo de la
fuente representada por la entropa de la fuente H (X ). Dada la similitud, de la expresin (4.9) se
infiere la informacin mutua del canal, I (X ; Y ) = H (X ) H (X |Y ), que establece que la transferencia promedio de la informacin por smbolo es igual a la entropa de la fuente menos el error
introducido por el canal y definido como:
H (X |Y )
2091
2092
2093
2094
2095
2096
P x i , y j log
x ,y
P x i |y j
(4.18) {?}
X
H x|y j =
p (x i |y j ) log
i
p x i |y j
, bits/simbolo
(4.19) {?}
H (X |Y ) =
p y j H X |y j
j
XX
=
p y j p x i |y j log
i
XX
=
p x i , y j log
i
p x i |y j
p x i |y j
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
206
Conversor
- Codificador - binario a binario
-estados
Fuente
R C
rb R
= 2 ; C = s
s = rb /
scretoSinRuido
Por cuanto los parmetros de un canal, relacionados con los alfabetos de la fuente y destino,
adems de probabilidades de transicin directa, son fijas, entonces la nica forma de variar
I (X ; Y ) corresponde a las probabilidades de la fuente P(x i ). En consecuencia, la transferencia
de mxima informacin requiere de estadsticas especficas de la fuente, obtenidas, quiz, a
travs de la codificacin de la fuente. El valor mximo resultante de I (X ; Y ) se denota como
C x max I (X ; Y ), bits/simbolo
P(x i )
2097
2098
2099
2100
2101
2102
2103
2104
2105
2106
2107
(4.20) {?}
que representa la mxima cantidad de informacin transferida por smbolo en el canal (en
promedio) y se llama capacidad del canal, la cual tambin se mide en funcin de la velocidad
de informacin. Especficamente, si s representa la mxima tasa de smbolos permitida por el
canal, entonces la cantidad por unidad de tiempo es C = s C s , bits/s, que representa la mxima tasa de transferencia de informacin. El significado de la capacidad del canal se hace ms
evidente a la luz del teorema fundamental de Shannon para un canal ruidoso.
Definicin 4.5 Sea un canal con capacidad C , por el cual se transmiten smbolos de una fuente
que tiene una velocidad de informacin R < C , entonces existe un sistema de codificacin tal
que la salida de la fuente se transmite por el canal con una frecuencia de errores tan pequea
como se quiera arbitrariamente. Por el contrario, si R > C , entonces no es posible transmitir la
informacin sin errores.
La extensin del anterior teorema se puede considerar a partir de las siguientes dos particularidades. Primero, sea un canal ideal sin ruido por el que se quieren transmitir = 2v smbolos,
entonces I (X ; Y ) = H (X ), la cual se maximiza si P(x i ) = 1/, i , esto es,:
C x = max H (X ) = log() = v
P(x i )
2108
2109
2110
2111
2112
2113
2114
2115
(4.21) {?}
por lo tanto, C = s v . En este caso, la transmisin sin error se basa en el hecho de que el canal
no tiene ruido. No obstante, an se necesita un sistema de codificacin como el ilustrado en
la Figura 4.9 para acoplar la fuente y el canal. Asumiendo que se tiene un codificador binario
el cual genera dgitos con una tasa rb R para la conversin de smbolos de -estados en el
canal con tasa s = rb / log = rb /v , entonces, se tiene que R rb = s v = C , bits/s, por lo que la
codificacin ptima de fuente logra una transferencia mxima de informacin con R = rb = C .
Una transmisin con R > C requerira un sistema de codificacin que viola la desigualdad de
Kraft; en consecuencia, ocurran errores de codificacin aunque el canal no sea ruidoso.
Un caso ms prctico, incluyendo el ruido del canal, corresponde al canal simtrico binario
(descrito en el Ejemplo4.8). Previamente se encontr que I (X ; Y ) = ( + p 2p ) () con
() constante para probabilidad de error fija. La funcin ( + p 2p ) vara con la probabilidad p de la fuente y alcanza un valor mximo de uno cuando + p 2p = 1/2; condicin
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
207
que se cumple para cualquier si p = 1/2, esto es, cuando hay smbolos de entrada binarios
igualmente probables. As, la capacidad de un canal binario simtrico es
C s = 1 ()
2116
2117
2118
2119
2120
2121
2122
2123
2124
2125
2126
2127
2128
2129
2130
2131
2132
simtrico
rb = R C
= s (1 ()) s
2133
4.3.3.
Entropa diferencial. Sea una variable aleatoria continua X con funcin de densidad de probabilidad f X (x ). Similar a la entropa de una variable aleatoria discreta se plantea la siguiente
definicin:
Z
1
h (X ) =
f X (x ) log
dx
(4.22) ?eq:entropiaDif
f X (x )
2134
2135
2136
2137
2138
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
208
1
x 0
f X (x k ) x
k =
!
X
X
1
x log x
= lm
f X (x k ) log
f X (x k ) x
x 0
f X (x k )
k =
k =
Z
Z
1
d x lm log x
=
f X (x ) log
f X (x ) d x
x 0
f X (x )
H (X ) = lm
f X (x k ) x log
Teniendo en cuenta que el rea total bajo la curva de la funcin de densidad de probabilidad
f X (x ) es uno, finalmente se obtiene:
H (X ) = h (X ) lm log x
x 0
Cabe anotar que en el lmite cuando x 0, el trmino log x . Por lo tanto, la entropa de una variable aleatoria continua es infinitamente grande. En efecto, debido a que la
variable asume valor en cualquier parte del intervalo (, ), entonces, su incertidumbre asociada tiende a infinito. La solucin a tal limitante hace que en la prctica se adopte la entropa
diferencial, h(X ), acotada con un trmino log x en calidad de referencia. Adems, al tener
en cuenta que la informacin transmitida por un canal es realmente la diferencia entre dos entropas que tienen una referencia comn, entonces la informacin ser la misma para el caso
de la diferencia entre los correspondientes trminos de entropa diferencial. Cuando se tiene
un vector aleatorio continuo X conformado por n variable aleatorias X 1 , X 2 , . . . , X n se define la
entropa diferencial de X como
Z
h (X ) =
f X (X ) log
2139
2140
1
dX
f X (X )
(4.23) {?}
Ejemplo 4.9 Sea una variable aleatoria X uniformemente distribuida en el intervalo (0, a ), con funcin
de densidad de probabilidad
f X (x ) = 1/a , x [0, a ]
h (X ) =
1/a log (a ) d x
0
= log a
De la anterior expresin se tiene que log a < 0 para a < 1, y por lo tanto, a diferencia del caso para
variable aleatoria discreta, la entropa diferencial de una variable aleatoria continua puede ser negativa.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
209
Ejemplo 4.10 Sea un par de variable aleatorias X y Y , descritas por sus funciones de densidad de probabilidad f X (u ) y f X (u ), respectivamente.
P
A partir de la desigualdad fundamental, en el caso de canales discretos, k p k log(qk /p k ) 0, se infiere
la siguiente expresin para el caso continuo:
Z
f Y (u ) log
f X (u )
du 0
f Y (u )
lo que equivale a
Z
Z
f Y (u ) log f Y (u ) d u
f Y (u ) log f X (u ) d u
f Y (u ) log f X (u ) d u
(1) ejem:entrdif01
Sean ambas variables aleatorias X y Y del tipo gaussiano y descritas con los mismo valores media y la
misma varianza 2 , esto es:
1
u
f X (u ) = f Y (u ) = p
exp
22
2
2
(2) ejem:entrdif02
u
h (Y ) log2 e
f Y (u )
22
1/2 ln 22 = h (X )
2
p
log 2
(3) ejem:entrdif03
en donde la igualdad se dar solo si f X (u ) = f Y (u ). De la entropa (3), se desprenden las siguientes dos
propiedades para una variable aleatoria Gaussiana:
1. Dada una varianza finita 2 , la variable aleatoria Gaussiana tiene la entropa diferencial ms grande
que puede alcanzar cualquier variable aleatoria.
2. La entropa de una variable aleatoria Gaussiana X , depende nicamente de la varianza de X y es
independiente del valor de la media de X .
Informacin mutua Sea un par de variables aleatorias continuas X y Y , para las cuales en
analoga del caso de variables discretas, se define la informacin mutua
Z
I (X ; Y ) =
2143
2144
2145
f X ,Y
f X x |y
x , y log
dxd y
f X (x )
2146
1. I (X , Y ) = I (Y, X )
2147
2. I (X ; Y ) 0
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
210
2148
h (X |Y ) =
f X ,Y x , y log
fX
1
dxd y
x |y
Capacidad de los canales continuos La transferencia de informacin usando un canal continuo corresponde a la transmisin de seales desde la fuente, que emite una seal x (t ), la cual
luego de ser afectada por el ruido presente en el canal, es recibida en el destino en forma de la
seal y (t ). Por analoga con el caso discreto, la informacin mutua promedio se define como
Z
I (X ; Y )
2149
2150
2151
2152
2153
2154
p X Y (x , y ) log
p X (x |y )
dxd y
p X (y )
(4.24) Eq9Carlson
(4.25) Eq10CarlsonCont
en donde H (Y ) es la entropa en el destino y H (Y |X ) es la entropa del ruido que est dada por
Z
H (Y |X ) =
p X (x )p Y (y |x ) log
2
dxd y
p Y (y |x )
Si se tiene ruido aditivo independiente en el canal de tal forma que y (t ) = x (t )+n(t ), entonces
p Y (y |x ) = p Y (x + n) = p N (y x ), donde p N (n) es la funcin densidad de probabilidad del ruido.
En consecuencia, se puede reducir el trmino H (Y |X ) a
Z
H (Y |X ) =
2155
p N (n) log
1
dn
p N (n)
(4.26) Eq11CarlsonCont
luego, asumiendo que el canal es de banda limitada a B [Hz], y (t ) tambin es una seal de banda limitada, definida completamente por los valores de las muestras (tomadas con frecuencia
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
211
2163
2164
2165
2166
2167
2168
(4.27) Eq13CarlsonCon
la cual define la capacidad de un canal continuo de banda limitada. Se puede aplicar el teorema
fundamental del Shannon para un canal ruidoso teniendo en cuenta que la transmisin sin
errores es posible desde el punto de vista terico para una tasa de informacin R C .
El modelo de canal continuo de mayor inters corresponde al canal de ruido gaussiano aditivo que suele definirse por medio de las siguientes propiedades:
1. El canal brinda una transmisin libre de error para un ancho de banda dado B , y cualquier
prdida de potencia durante transmisin es compensada mediante amplificacin.
2. El canal restringe la entrada ofrecida por la fuente a una seal x (t ) de banda limitada con
potencia promedio fija con valor S = x2 .
3. La seal recibida en el destino estar modificada por la adicin de ruido blanco gaussiano
de banda limitada n(t ), con media cero y potencia promedio N = n2 = N 0 B .
4. la seal y el ruido se asumen como independientes de modo que y (t ) = x (t ) + n(t ), por lo
tanto, y2 = x2 + n2 = S + N .
El clculo de la entropa H (Y |X ) para ruido gaussiano aditivo se realiza mediante la ecuacin
4.26. Teniendo en cuenta que PN (n) es una funcin Gaussiana con media cero y varianza 2 =
N , se tiene que H (Y |X ) = 12 (log 2e N ). Por otro lado, observando que H (Y |X ) no depende de
la funcin de densidad de probabilidad de la fuente, se usan las ecuaciones 4.25, y 4.26, con lo
cual se obtiene
1
C s = max(H (Y ) H (Y |X )) = max H (Y ) log 2e N
p X (x )
p X (x )
2
2169
(4.28) Eq14CarlsonCon
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
212
2175
2176
Problemas
2177
2178
2179
2180
2181
2182
2183
2184
2185
2186
2187
2188
2189
2190
2191
2192
2193
1. Un locutor de radio describe una imagen de televisin oralmente con 1000 palabras de
su vocabulario de 10.000 palabras. Suponga que cada una de las 10.000 palabras de su
vocabulario tiene la misma probabilidad de aparicin en la descripcin de esta imagen.
Determinen la cantidad de informacin que difunde el locutor al describir la imagen.
Dira usted que el locutor puede hacer una buena descripcin de la imagen con 1000
palabras? Utilise los datos del ejemplo ?? para estimar la informacin de una imagen.
2. Una fuente emite seis mensajes probabilidades 1/2, 1/4, 1/8, 1/16, 1/32 y 1/32, respectivamente. Encuentre la entropa de la fuente. Obtenga el cdigo binario y encuentre la
longitud media de la palabra cdigo. Determine la eficiencia y la redundancia del cdigo.
3. Una fuente emite cinco mensajes con probabilidades 1/3, 1/3, 1/9, 1/9 y 1/9, respectivamente. Encuentre la entropa de la fuente. Obtendr el cdigo 3-ario y la longitud media
de la palabra cdigo. Determine la eficiencia y la redundancia del cdigo.
4. Para los mensajes del problema 2, obtenga el cdigo 3-ario y encuentre la longitud mediade la palabra cdigo. Determine la eficiencia y la redundancia de este cdigo.
5. Para los mensajes del problema 3, obtenga el cdigo binario y encuentren la longitud
media de la palabra cdigo. Determine la eficiencia y la redundancia de este cdigo.
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0
2194
Bibliografa
2195
Nosach
2196
[1] V. I. Kupreev and V. V. Nosach, Algoritmy i programy tsifrovoy filtratsii v obrabotke poletnoy informatsii. Kiev:
2197
Privalov
2198
[2] I. I. Privalov, Vvedenie v teoriju funktsii kompleksnogo peremennogo. Moskva: Nauka, 1977.
Trakhman
2199
[3] A. M. Trakhman and V. A. Trakhman, Osnovy teorii diskretnij signalov v finitnij intervalaj. Moskva: Soviestkoe
2200
Radio, 1975.
Zalmanson
2201
[4] L. A. Zalmanson, Fourier, Haar, Walsh Transforms and their application in Control, Communications and other
2202
Fields.
Samoylo
2203
[5] K. A. Samoylo, Radiotejnicheskie tsepi i signaly. Moskva: Radio i Svjaz, 1982.
Edwars
2204
[6] R. E. Edwars, Fourier Series: A Modern Introduction. Camberra: SV, 1979, vol. I, II.
Gonorovskiy
2205
[7] I. S. Gonorovskiy, Circuitos y seales radiotcnicos. Mosc: Progress, 1972.
Guillemin
2206
[8] E. A. Guillemin, The Mathematics of Circuit Analysis. New York: John Wiley, 1949.
Franks
2207
[9] L. E. Franks, Signal Theory. New Jersey: PH. Englewood Cliffs, 1969.
Zajarchenko
2208
[10] N. Zajarchenko and P. Nudelman, Osnovy peredachi diskretnij signalov. Moskva: Radio i Svjaz, 1990.
Levan
2209
[11] N. Levan, Systems and signals. New York: Springer Verlag, 1983.
Zaezdnyi69
2210
[12] A. Zaezdnyi, Osnivy Raschetov po Statisticheskoy Radiotekhnike. Moskva: Svjaz, 1969.
Tijonov
2211
[13] V. I. Tijonov, Statisticheskaja radiotejnika. Moskva: Radio i Svjaz, 1982.
Akimov
2212
[14] P. S. Akimov, A. I. Senin, and V. I. Solenov, Signaly i ij obrabotkav informatsionnyj sitemaj.
2213
Cooper
2214
[15] G. R. Cooper and C. D. McGuillen, Probabilistic Methods of Signal and System Analysis.
2215
Moskva: Radio i
Svjaz, 1994.
Pardue University,
1986.
Levin
2216
[16] B. R. Levin, Teoriticheskije osnovy statistichekoy radiotekniki. Moskva: Radio i Svjaz, 1989.
Guelfand51
2217
[17] I. S. Guelfand and A. A. Jaglom, Integrirovanie v Funktsionalnyj Prostranstvaj. Moskva: YspejMatNauk, 1951.
213
M
D arc
ra h
ft
Ve 2, 2
rs 01
io 0
n
1.
0