Una vez que tenemos los smbolos listos para poder ingresar al Sistema de

Comunicaciones Digitales, lo que se debe hacer es asignar a cada smbolo una forma de
onda que pueda ser enviada por un canal. Por ejemplo, si estamos en un caso binario,
podemos representar una determinada cadena de ceros y unos con una sucesin de
formas de onda que podran transmitirse por el canal. Veamos un ejemplo en forma
grfica:

En el primer caso llamado Non Return to Zero Polar (NRZp) el 1 se representa como
un pulso de altura V que dura todo el intervalo llamado tb o tbit; en cambio el 0 se
representa como un pulso de la misma duracin pero negativo.
Esto representara una transmisin en Banda Base.
Otro ejemplo:

Esto representa una modulacin en frecuencia: para el 1 se envan ciclos de sinusoide

de una determinada frecuencia; para el 0 se envan ciclos de una sinusoide de otra
frecuencia. Esto representara una aplicacin Pasabanda.
Llamemos a una onda genrica que representa cada smbolo si(t); al pasar por el canal
probablemente se contaminar en forma aditiva con ruido blanco gaussiano w(t). El
receptor debe, cada T segundos (tiempo entre smbolo y smbolo), a partir de la suma de
esas dos seales determinar cual fue el smbolo mi transmitido; en realidad se obtendr
un estimado del mismo.

El objetivo es claro: Determinar el receptor que mejor haga este trabajo.

Se ve entonces que a cada mensaje mi se le asocia una forma de onda si(t) que no
es mas que una seal de energa, la cual se puede calcular como:
2

E = x ( t ) dt

Una idea puede ser representar cada forma de onda si(t) en funcin de un
conjunto finito de bases ortonormales uj(t). Esto tiene varias ventajas: Se puede
visualizar el problema de transmisin de seales de una manera grfica, adems, los
clculos involucrados se pueden simplificar. Por otra parte el problema de deteccin
estar directamente relacionado con la distancia euclidiana en este espacio
Cada forma de onda tendra asociada una cierta combinacin de coeficientes sij.
n

s i ( t ) = s ij u j ( t )
j=1

Es decir:

s1 ( t ) = s11u 1 ( t ) + s12 u 2 ( t ) + .... + s1n u n ( t )

s 2 ( t ) = s 21u 1 ( t ) + s 22 u 2 ( t ) + .... + s 2 n u n ( t )
.
.
s m ( t ) = s m1u 1 ( t ) + s m 2 u 2 ( t ) + .... + s mn u n ( t )
Esto es equivalente a la representacin de vectores en funcin de bases ortogonales.Esto
simplificar el diseo y anlisis del receptor. Antes de conocer el procedimiento que
permitir tal representacin hagamos un repaso comparativo entre seales y vectores.

SEALES
x(t) ,y(t)
Producto
Escalar
Ortogonalidad
Bases
Ortonormales
Ortonormalidad
Representacin

x ( t ), y( t ) = x ( t ) y( t )dt x.y

x ( t ) y( t )dt = 0

x.y=0

{u1(t), u2(t), u3(t), uN(t)}

{u1, u2, u3, uN}

u n ( t )u m ( t )dt = nm

un. um

nm

x(t ) = x n u n (t)

x = xnun

E = x ( t ) x ( t )dt

L2= x.x

n =1

Energa/ L2

VECTORES
x, y

n =1

Supongamos que se tiene un conjunto de funciones ortonormales, es decir, que

cumplen, en el intervalo (0,T) lo siguiente:
T

1 si j = k
si j k

u j ( t )u k ( t )dt = 0
0

Podemos aproximar una seal s(t) a travs de este conjunto de funciones ortonormales,
de tal manera que los coeficientes sj se consiguen minimizando la energa de la seal de
error respecto a si.
n

s( t ) = s j u j ( t )
j=1

0 (s( t ) s( t )) 2 min

N
2
2
2
T
T
N

s( t ) s( t ) dt = 0 s( t ) dt + s j 2 Re s j 0 s( t )u j ( t )dt =
j=1
j=1

E s + s j 0 s( t )u j ( t )dt 0 s( t )u j ( t )dt
T

j=1

j=1

Esto se minimiza cuando

T

s j = 0 s( t )u j ( t )dt

j = 1,2...., N

Es decir cuando el coeficiente sj se calcula proyectando la seal sobre la base

ortonormal uj(t).
Por ejemplo si los vemos como vectores: queremos representar s(t) en funcin de dos
vectores en el plano; la seal aproximada es la proyeccin de s(t) en el plano. Observe
que el error resulta ortogonal al plano o espacio de seales

Veamos ahora un procedimiento generalizado de ortogonalizacin conocido como

Gram-Schmidt.

Procedimiento de ortogonalizacin de Gram-Schmidt:

Cualquier conjunto de seales de energa puede representarse por un conjunto de bases
ortonormales derivadas de las seales originales a travs de un procedimiento conocido
como Gram-Schmidt el cual se describe a continuacin. Antes de entrar a explicarlo
detalladamente pondremos un ejemplo sencillo bidimensional: Supongamos que
tenemos dos seales: s1(t) y s2(t) representadas en un espacio bidimensional. Para buscar
unas posibles bases ortogonales podemos hacer lo siguiente:
1) Fijamos la primera de las bases u 1 ( t ) = s1 ( t ) / s1 ( t ) por conveniencia.
2) Para elegir a u2(t) sabemos que esta debe ser ortogonal a u1(t). Para expresar
u2(t) en funcin de s1(t) y s2(t), nos apoyaremos en la siguiente figura:

s1 ( t ) = s11u 1 ( t )
s11 = s1 ( t )
s 2 ( t ) = s 22 u 2 ( t ) + s 21u 1 ( t )
s 21 =

s 2 ( t ).s1 ( t )
s1 ( t )

Como s1 ( t ) = s1 ( t ) u 1 ( t )
s 21 = s 2 ( t ).u 1 ( t )
Por

tan to
(s ( t ) (s 2 ( t ).u 1 ( t ))u 1 ( t ))
u 2 (t) = 2
s 2 ( t ) (s 2 ( t ).u 1 ( t ))u 1 ( t )

As entonces se construiran las dos funciones bases para este caso. Pasemos a la idea
general:
Supongamos que tenemos un conjunto de seales de energa si(t) (1<i<m) que queremos
representar a travs de un conjunto de funciones bases uj (1<j<n), en un intervalo de
tiempo (0,T) de la siguiente manera:
n

s i ( t ) = s ij u j ( t )

(1)

j=1

Supongamos que las funciones bases forman un conjunto de funciones ortonormales, es

decir, que cumplen, en el intervalo (0,T) lo siguiente:

1 si j = k
si j k

u j ( t )u k ( t )dt = 0
0

Supongamos que tenemos el conjunto si(t) (1<i<m) que queremos representar a travs
de un conjunto de funciones bases ortonormales uj (1<j<n), (m<=n) en un intervalo de
tiempo (0,T):
Paso 1: Fijamos sij=0 excepto s11.
2

2
[s1 ( t )] dt = s11 u1 ( t )u1 ( t )dt
0

De aqu se puede despejar s11

T

[s1 ( t )] dt = s11
0

y as:
u1(t)=s1 (t)/s11
Si ahora se le resta a s2(t) su proyeccin sobre u1(t) produce una seal que es ortogonal
a u1(t) y que sera candidata a ser la segunda funcin base u2(t)

Paso 2: Fijamos sij=0 excepto s21 y s22 en la ecuacin 1. Tendremos

s2(t)=s21u1(t)+ s22u2(t)
multiplicando por u1(t), e integrando en el intervalo (0,T)
T

s 2 ( t )u 1 ( t )dt = s 21u 1 ( t )u 1 ( t )dt + s 22 u 2 ( t )u 1 ( t )dt = s 21

Por lo tanto,como
s2(t)=s21u1(t)+ s22u2(t) entonces s2(t)-s21u1(t)= s22u2(t)
Elevando al cuadrado en integrando en el intervalo (0,T)
2

2
(s 2 ( t ) s 21u1 ( t ) ) dt = s 22 u 2 ( t )u 2 ( t )dt
0

s 22 =

0
2

(s 2 ( t ) s 21u1 ( t ) ) dt
0

Usando s2(t)=s21u1(t)+ s22u2(t) entonces

u2(t) = [s2(t)-s21u1(t)]/s22
Ya tenemos la segunda funcin base
Se continua con el mismo procedimiento hasta que se hayan conseguido las m funciones
bases. En general se hace
i 1

s ii u i ( t ) = s i ( t ) s ij u j ( t )
j=1

Hasta que se consiga un ui(t)=0; esto significar que se habra conseguido un conjunto
completo de funciones ortonormales.
El procedimiento iterativo puede resumirse en las siguientes ecuaciones:

u1 (t ) =
u 2 (t ) =

s1 ( t )
s1 ( t )
s 2 ( t ) s 2 ( t ), u 1 ( t ) u 1 ( t )
s 2 ( t ) s 2 ( t ), u 1 ( t ) u 1 ( t )
n 1

u n (t ) =

s n ( t ) s n ( t ), u m ( t ) u m ( t )
m =1
n 1

s n ( t ) s n ( t ), u m ( t ) u m ( t )
m =1

Este procedimiento ofrecer n (<=m) funciones bases dadas m seales; la igualdad se

logra cuando son linealmente independientes. Si el proceso se inicia con otra seal que
no sea s1(t) se obtendr un conjunto diferente de funciones ortonormales.
Ejemplo 1:
Supongamos que tenemos dos seales s1(t)=2 para 0,T y s2(t)=4 entre (0,0.5T) y es cero
entre (0.5T,T). Encuentre u1(t) y u2(t).
2

[s1 ( t )] dt = s11 = 2

u1 (t ) =

s1 ( t )
1
=
s11
T

s 21 = s 2 ( t )u 1 ( t )dt =
0

(0, T)
0.5 T

s1 ( t )
dt = 2 T
s11
2

s 22 = [s 2 ( t ) s 21u 1 ( t )] dt = 4 2 T (
) dt = 2 T
4T
0
0
T

u2(t) = [s2(t)-s21u1(t)]/s22
Ejemplo 2 : Sea una codificacin NRZ polar donde se definen dos formas de onda como
sigue :

Al calcular las bases ortogonales para representar esta transmisin se tiene que:
s (t ) s (t )
u1(t ) = 1 = 1
s (t ) V t b
1
u 2 (t) = 0

s (t) = V t u1(t)
1
b
s2 (t) = V t u1(t)
b

Entonces la constelacin queda de la siguiente forma:

Ejemplo 3:
Supongamos que tenemos 4 seales definidas como sigue:

s i ( t ) = Cos(t + (i 1) )
i = 1,2,3,4 para 0 t 2
2
Si se realiza el procedimiento Gram-Schmidt resulta

u 1 ( t ) = Cost
u 2 ( t ) = Sent
u 3 (t) = u 4 (t ) = 0

Para definir las 4 seales si(t) se tendrn parejas de coeficientes como sigue:
s1=(1,0) s2=(0,1) s3=(-1,0) s4=(0,-1).
Esto Se podra dibujar como puntos en un plano como se muestra a continuacin:

A esto se le denomina constelacin.

Una vez obtenido el conjunto de funciones base
n

s i ( t ) = s ij u j ( t )
j=1

hay muchos parmetros que pueden ser calculados en base a los coeficientes de la
representacin. Por ejemplo,la energa de la seal puede ser calculada como:
T

T N N

N N

0 j=1 k =1

j=1 k =1

j=1

E i = s i2 ( t )dt = s ij u j ( t )s ik u k ( t )dt = s ijs ik u j ( t )u k ( t )dt = s ij

0

Ei = si

Supongamos ahora que esta seal es enviada por un canal que suma ruido blanco
gaussiano. El receptor debe tener dos elementos fundamentales: Un primer sistema que
convierta cada seal de entrada en las coordenadas que la especifican. Es decir si a la
entrada llega la seal sin contaminar, la salida de este primer bloque seran las
coordenadas que representan la seal que fue transmitida en el espacio de seales
ortogonales. Una posibilidad es que este primer bloque est constituido por un banco de
correladores como el que se muestra a continuacin:

Este receptor lo que hace es buscar los coeficientes si que representan el contenido de la
seal en la base ui(t). Si la seal llega limpia la salida sern las componentes que
representan a la seal de entrada en el espacio de seales generado.
En cambio cuando la seal se contamina, a cada rama ingresa la seal x(t)=s(t)+n(t). Se
realiza la integral del producto de la misma con la base uj(t);la salida ser: sij+wj para
j=1,N. La componente de ruido sobre la base uj(t) ser wj
La clave est en representar el ruido en base a las seales uk(t). Luego la probabilidad de
error se pondr en funcin de las componentes de ruido encontradas.
As como:

(existirn algunas componentes del ruido n(t) que no tendrn proyeccin sobre las bases
ui(t) pero estas no ofrecern salida alguna que tomar en cuenta). Si n(t) es un proceso
aleatorio gausseano con media nula, entonces todas las componentes ni sern
gausseanas de media nula. Por lo tanto

Cuando el ruido pase por cada una de las ramas, a la salida solo existir la componente
ni.
En un ejemplo realizado anteriormente

Supongamos que tenemos 4 seales definidas como sigue:

s i ( t ) = Cos(t + (i 1) )
2

i = 1,2,3,4

Si se realiza el procedimiento Gram-Schmidt resulta

u 1 ( t ) = Cost

u 2 ( t ) = Sent
u 3 (t) = u 4 (t ) = 0
El receptor sera

Si no hubiese ruido la combinacin de las dos salidas dara origen a la constelacin que
ya habamos visto

El ruido solo movera los puntos de la constelacin dificultando su deteccin precisa

y generando errores en la determinacin de los smbolos transmitidos

El radio de los crculos alrededor de cada smbolo depender de la intensidad de ruido

presente.
Una vez que la seal es pasada por el banco de correladores, se necesita un sistema que,
en base a la salida del banco tome una decisin que minimice la probabilidad media de
error por smbolo. A continuacin presentaremos algunas bases y criterios estadsticos
que nos permitirn escoger el ptimo.
Elementos bsicos para una decisin estadstica:
La idea es la siguiente se tiene primero un conjunto de M mensajes; a cada mensaje se
le representa con una forma de onda de energa finita a los cuales estn asociadas ciertas
Hiptesis. Luego se tiene una muestra a la salida del filtro de recepcin (prueba).Se
debe fijar una regla de decisin y un criterio de optimizacin para hacer una hiptesis de
la posible seal que fue transmitida.

Por ejemplo: Suponga que existen smbolos si (i=1,.M) que pueden ser enviados; estas
seran las hiptesis. A la salida del receptor se tienen valores muestra zi.
El teorema de Bayes establece que:

Donde P(si) es la probabilidad de que se transmita 1 de los M smbolos (el smbolo si)
P(zj) es la probabilidad de la prueba.
P(zj/si) es la probabilidad de recibir zj dado que se conoce que se transmiti si.

P(si / zj) es la probabilidad a-posteriori de haber transmitido si sabiendo que se recibi

zj
Un ejemplo:
Suponga que tenemos en una caja 3 monedas: 1 normal, 1 con dos sellos y 1 con dos
caras. Supongamos que la probabilidad de que se escoja una de las monedas es 1/3.
Se puede, por ejemplo, calcular
P(Moneda1/Sali cara)=P(cara/Moneda1)P(Moneda1)/P(cara)
= P(cara/Moneda1)P(Moneda1)/[P(cara/Moneda1)P(Moneda1)+
P(cara/Moneda2)P(Moneda2)+ P(cara/Moneda3)P(Moneda3)]
=(1/2)(1/3)/[(1/2)(1/3)+0(1/3)+1(1/3)]=(1/6)/(3/6)=1/3
Si se calcula P(Moneda2/Sali cara) esto da 0 y si se calcula P(Moneda3/Sali
cara)=2/3
Para salidas continuas esto cambia: en vez de Probabilidades, se relacionan las
funciones densidad de probabilidades:

Donde las funciones p(z) son funciones densidad de probabilidades

CRITERIOS:
Maximum A Posteriori:MAP: Mxima Probabilidad a Posteriori
Observando la salida del receptor z, se calcula la probabilidad P(si/r=z). Por ejemplo,
supongamos solo dos smbolos posibles:
p(z / s1 )P(s1 )
P[s1 / z ] =
p( z )
Se elige como smbolo transmitido a s1, si y solo si:
P[s1 / z ] > P[s 2 / z ]
p(z / s1 )P(s1 ) > p(z / s 2 )P(s 2 )
Es decir ve si es mayor la Probabilidad de haber transmitido s1 dado que se recibi z o
la Probabilidad de haber transmitido s2 dado que se recibi z.
Cuando la seal se contamina con ruido blanco gaussiano, las las fdps condicionales
son gaussianas centradas en cada uno de los valores si. De esta manera el criterio de
decisin se puede escribir como:
2

P(s1 )e ( z s1 ) / 2 > P(s 2 )e ( z s 2 ) / 2

Grficamente se presentan las funciones fdps condicionales, pesadas por la
probabilidad de ocurrencia de cada smbolo. En este dibujo los smbolos no son
equiprobables.

Esto tambin se representa como

Esto se traduce como: La decisin ser la hiptesis H1 si el lado izquierdo es mayor que
el derecho, y ser la hiptesis H2 si el lado derecho es superior al izquierdo. Tambin
se le llama criterio de mnimo error porque en promedio ofrece menor probabilidad de
error en la decisin.
Calculemos el punto donde las dos curvas se interceptan
P(s1 )e ( z s1 )

2 / 22

= P(s 2 )e ( z s 2 )

2 / 22

P(s 2 )
1
((a s 2 ) 2 (a s1 ) 2 ) = ln
2
P(s1 )
2
P(s 2 ) 2
2a (s1 s 2 ) + s 22 s 12 = ln
2
P(s1 )
(s1 + s 2 )
P(s 2 )
2
+
ln
2
s1 s 2 P(s1 )
Aqu se observa que el lmite se acerca a si cuando P(si) es mas pequeo y el
desplazamiento es mayor mientras el ruido tenga mas potencia. Si son equiprobables
a=

(s1 + s 2 )
2
Criterio de Mxima verosimilitud : Maximum Likelihood. ML. Se basa en maximizar
las fdps p(z/si) para todos los si.
a=

Si las probabilidades de los smbolos a transmitir son iguales, los criterios MAP y ML
producen el mismo resultado. Cuando los smbolos pasan por un canal que los
contamina con ruido blanco gaussiano, las fdps condicionales son gaussianas centradas
en cada uno de los valores si. Si se le toma el log a la fdp este queda proporcional a -(zsi)2 de forma que maximizar p(z/si) se logra minimizando el sm que minimiza la
distancia euclidiana (z-sm).

D(z, s m ) = (z k s mk )

k =1

Por esto a esta regla se le conoce como de mnima distancia

Se puede demostrar que los umbrales ptimos de decisin partiendo de los criterios
estadsticos antes mencionados coinciden con los que se obtienen al pasar la seal por
un receptor de correlacin como el que se propuso al principio.