Tercera Edición Edición Digital

PRINCIPIOS DE LAS COMUNICACIONES

José E. Briceño M., Dr. Ing. Profesor Titular, ULA

Mérida, Abril 2005

ii

PUBLICACIONES DE LA FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA ELECTRICA

La primera edición de este libro fué recomendada para su edición y publicación por el Departamento de Electrónica y Comunicaciones de la Escuela de Ingeniería Eléctrica de la Facultad de Ingeniería de la Universidad de los Andes, en su Reunión Ordinaria realizada el 14 de Diciembre de 1989.

Está prohibida la reproducción total o parcial de este libro sin previa autorización del autor. Ediciones: 1990, 1993, 1998, 2004, Digital 2005 Código:

Impreso en Mérida Taller de Publicaciones de la Facultad de Ingeniería, Universidad de Los Andes

iii

INDICE DE MATERIAS
PREFACIO A LA EDICIÓN DIGITAL PREFACIO CAPITULO I REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.1. INTRODUCCION 1.2. MODELOS DE SEÑALES 1.2.1. Señales Determinísticas y Aleatorias 5 1.2.2. Señales Periódicas y no Periódicas 5 1.2.3. Señales de Energía y de Potencia 6 1.2.4. Señales Singulares 9 La Rampa Unitaria 10 El Escalón Unitario 10 La Función Signo 11 El Impulso Unitario Delta Dirac 12 1.2.5. Señales Ortogonales 14 1.3. EL DOMINIO DE LA FRECUENCIA 1.3.1. Representación Espectral 15 1.4. SERIES Y ESPECTROS DE FOURIER 1.4.1. Señales Periódicas 18 Definición 18 1.4.2. Series de Fourier 20 Definición 20 La Serie Trigonométrica de Fourier 20 La Serie Exponencial de Fourier 22 1.4.3. El Espectro Discreto 24 Propiedades del Espectro Discreto 27 1.4.4. Espectro de Potencia de Señales Periódicas. Teorema de Parseval 1.5. LA TRANSFORMADA DE FOURIER 1.5.1. Introducción 31 1.5.2. El Espectro Continuo 33 1.5.3. Propiedades de la Transformada de Fourier de Señales Reales 1.7. TEOREMAS DE LA TRANSFORMADA DE FOURIER 1.7.1. Teorema de la Superposición o Linealidad 40 1.7.2. Teorema de la Traslación o Desplazamiento en el Tiempo 41 1.7.3. Teorema del Cambio de Escala 42 1.7.4. Teorema de la Dualidad o Simetría 42 1.7.5. Teorema de la Traslación o Desplazamiento en Frecuencia 44 Teorema de la Modulación 44 1.7.6. Teorema de la Diferenciación e Integración en el Tiempo 47 1.7.7. Teorema de la Diferenciación e Integración en Frecuencia 49 xiii xiv 1 1 1 5

15 18

28 31

35 38 40

1.6. DENSIDAD ESPECTRAL DE ENERGIA. TEOREMA DE RALEIGH

iv

1.8. TRANSFORMADA DE FOURIER DE SEÑALES PERIÓDICAS 1.9. DENSIDAD ESPECTRAL DE POTENCIA 1.9.1. Introducción 54 Definición 54 1.9.2. Teorema de la Modulación para Señales de Potencia 1.11. FUNCIONES DE CORRELACION 1.11.1. Introducción 61 1.11.2. Autocorrelación 62 Definición 62 Propiedades de la Función de Autocorrelación 64 1.11.3. Teorema de Wiener-Kintchine 67 1.11.4. Teorema de la Modulación para Señales de Potencia 1.11.5. Intercorrelación 69 Propiedades de la Función de Intercorrelación 70 1.11.6. Detección de una Señal en presencia de Ruido 71 1.12. RESUMEN PROBLEMAS DE APLICACIÓN CAPITULO II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.1. INTRODUCCIÓN 87 2.2. CARACTERIZACION DE SISTEMAS 87 2.2.1. Concepto de Sistema 87 2.2.2. Clasificación de Sistemas 88 2.2.3. Caracterización de Sistemas Lineales en el Dominio del Tiempo 89 Respuesta Impulsional 89 Sistemas Lineales Invariantes y Variantes en el Tiempo 90 Causalidad y Estabilidad en Sistemas Lineales 94 2.2.4. Caracterización de Sistemas Lineales en el Dominio de la Frecuencia 95 Función de Transferencia 95 Criterio de Paley-Wiener 97 Propiedades de la Función de Transferencia 97 2.3. LA INTEGRAL DE CONVOLUCION 2.3.1. Aplicaciones en el Análisis de Señales y Sistemas 2.3.2. Interpretación Gráfica de la Convolución 106 2.4. DISTORSION EN LAS SEÑALES 2.4.1. Transmisión sin Distorsión 108 Sistemas de Fase Lineal 112 2.4.2. Tipos de Distorsión 113 Distorsión de Amplitud 113 Distorsión de Fase 113 Distorsión no Lineal 116 Compansión 118

51 54

56 61

1.10. RELACION ENTRE EL ANCHO DE BANDA Y LA DURACION DE UNA SEÑAL 59

68

72 73 87 87

100 100 108

v

2.5. INTERCONEXION DE SISTEMAS 2.6. FILTROS 2.6.1. Introducción 120 2.6.2. Filtros Ideales 121 Filtro Ideal Pasabajo 122 Filtro Ideal Pasabanda 121 Filtro Ideal Pasaalto 122 Filtro Ideal Eliminador de Banda 2.6.3. Ancho de Banda en Filtros Reales

119 120

123 127 132

2.7. SEÑALES Y SISTEMAS PASABANDA 2.7.1. La Transformada de Hilbert 132 2.7.2. La Señal Analítica 136 2.7.3. Señales Pasabanda 137 2.7.4. Señales Moduladas y Bandas Laterales 144 Modulación en Doble Banda Lateral 144 Modulación en Banda Lateral Unica 146 2.7.5. Señales Pasabanda de Potencia 148 2.7.6. Sistemas Pasabanda 149 2.8. FUNCIONES DE CORRELACION EN SISTEMAS LINEALES 2.8.1. Autocorrelación Entrada/Salida 152 2.8.2. Intercorrelación Entrada/Salida 154 2.9. RUIDO EN SISTEMAS 2.9.1. Introducción 156 2.9.2. Ruido Interno 156 Ruido de Disparo 156 Ruido Térmico 156 Circuitos Equivalentes del Ruido 158 Potencia de Ruido Disponible 159 2.9.3. Ruido Blanco 160 Ruido Blanco Pasabanda de Banda Angosta 162 2.9.4. Ancho de Banda Equivalente del Ruido 165 2.9.5. Caracterización del Ruido en Sistemas 167 Relaciones Señal/Ruido en Sistemas de Comunicación 167 Relaciones Señal/Ruido en un Receptor con Detección Coherente Ganancia de Conversión o de Detección, 169 Cifra de Ruido 171 Cifra de Ruido en Sistemas en Cascada 174 Cifra de Ruido en Redes Atenuadoras 175 Medida del Ruido 179 2.10. RESUMEN PROBLEMAS DE APLICACIÓN

152

156

167

181 182

vi

CAPITULO III VARIABLES Y PROCESOS ALEATORIOS 3.1. INTRODUCCIÓN 3.2. NOCIONES DE LA PROBABILIDAD 3.2.1. Definición de la Probabilidad 195 Definición Empírica de la Probabilidad 195 Sucesos Mutuamente Excluyentes o Disjuntos 196 Definición Axiomática de la Probabilidad 196 3.2.2. Probabilidad Conjunta. Probabilidad Condicional. Independencia Probabilidad Conjunta 197 Probabilidad Condicional 197 Independencia Estadística 198 Probabilidad Total 199 Teorema de Bayes 199 Modelo Probabilístico de un Canal de Comunicaciones 200 3.3. VARIABLES ALEATORIAS. FUNCIONES DE PROBABILIDAD 3.3.1. Variables Aleatorias Discretas 203 3.3.2. Variables Aleatorias Continuas 205 3.3.3. Distribuciones Conjuntas 208 Distribución Condicional 209 3.4. FUNCIONES DE PROBABILIDAD ESPECIALES 3.4.1. Distribución Normal o Gaussiana 211 3.4.2. Distribución de Poisson 213 3.4.3. Distribución Binomial 214 3.4.4. Distribución Uniforme 214 3.5.5. Distribución de Laplace 215 3.4.6. Distribución de Cauchy 215 3.4.7. Distribución de Raleigh 216 3.4.8. Distribución de Maxwell 217 3.5. FUNCIONES DE VARIABLES ALEATORIAS Teorema Fundamental 218 3.6. PROMEDIOS ESTADÍSTICOS 3.6.1. Definición 219 3.6.2. Valor Promedio de Funciones de Variables Aleatorias 220 Valor Promedio de una Función de una Variable Aleatoria 220 Valor Promedio de una Función de Variables Aleatorias 220 Valor Promedio de Variables Aleatorias Estadísticamente Independientes 3.6.3. Momentos 221 Momentos Centrales 223 3.7. FUNCION CARACTERÍSTICA 3.8. PROCESOS ALEATORIOS O ESTOCASTICOS 3.8.1. Introducción 228 Estadísticas de Primer Orden 230 Estadísticas de Segundo Orden 230

195 195 195 195

197

203

211

217 219

221

225 228

vii

3.8.2. Estacionaridad y Ergodicidad 232 Estacionaridad en el Sentido Estricto 232 Estacionaridad en el Sentido Amplio 232 Ergodicidad 232 3.8.3. Función de Autocorrelación y Densidad Espectral de Potencia Función de Autocorrelación 234 Densidad Espectral de Potencia 235

234

3.9. PROCESOS ALEATORIOS DISCRETOS 3.9.1. Secuencias Aleatorias Discretas 236 3.9.2. Densidad Espectral y Función de Autocorrelación de Secuencias PCM 3.9.3. Secuencias Binarias Seudoaleatorias 247 Características Espectro-Temporales 247 Dispersión del Espectro (Spread Spectrum) 249 Generación de Secuencias Binarias Seudoaleatorias 251 3.10. RESUMEN PROBLEMAS DE APLICACIÓN CAPITULO IV PRINCIPIOS DE LA TRANSMISION DE INFORMACIÓN 4.1. INTRODUCCIÓN 4.2. MODELO DE UN SISTEMA DE TRANSMISION DE INFORMACION Fuente de Información 262 Transductor de Entrada 262 Transmisor 262 Canal 262 Receptor 263 Ruido 263 Ancho de Banda y Potencia de Transmisión 263 4.3. CONCEPTO Y MEDIDA DE LA INFORMACION 4.4. CARACTERIZACION DE LA INFORMACION 4.4.1. Entropía 266 4.4.2. Velocidad de Información 268 4.4.3. Codificación de Canal 269 4.4.4. Velocidad de Modulación 271 4.4.5. Redundancia Agregada 271 4.5. CARACTERIZACION DEL CANAL 4.5.1. Ancho de Banda del Canal 273 4.5.2. Capacidad del Canal 276 Definición 276 Canal sin Ruido 277 Canal con Ruido 278

236 242

253 254 261 261 261 261

264 266

273

viii

4.6. EL SISTEMA IDEAL DE TRANSMISION DE INFORMACIÓN 4.6.1.Introducción 280 4.6.2. El Receptor Ideal 280 Relación de Expansión del Ancho de Banda, 4.7. RESUMEN PROBLEMAS DE APLICACION CAPITULO V MODULACION Y TRANSMISION DE IMPULSOS 5.1. INTRODUCCIÓN 5.2. TEORIA DEL MUESTREO UNIFORME DE SEÑALES 5.2.1. Introducción 296 5.2.2. Teoremas del Muestreo Uniforme de Señales 296 Teorema No 1. Teorema del Muestreo de Shannon 296 Teorema No 2. Recuperación o Interpolación de la Señal 298 Teorema de Parseval para Señales Muestreadas 300 Teorema No 3. Muestreo de Señales Pasabanda 301 Muestreo en el Dominio de la Frecuencia 303 Teorema No 4 303 5.2.3. Muestreo Práctico de Señales Pasabajo 307 Muestreo Natural 308 Muestreo con Retención 310 5.2.4. Distorsión Producida por el Muestreo 314 Distorsión de Solapamiento (Aliasing) 315 Distorsión de Interpolación 315 Distorsión por Efecto de Apertura 316 5.3. SISTEMAS DE MODULACION ANALOGICA DE IMPULSOS 5.3.1. Introducción 317 5.3.2. Modulación de Amplitud de Impulsos (PAM) 318 Ancho de Banda y Relaciones S/N en Sistemas PAM 318 5.3.3. Modulación de la Duración de Impulsos (PDM) 321 Ancho de Banda en Sistemas PDM 324 5.3.4. Modulación por Posición de Impulsos (PPM) 325 Ancho de Banda y Relaciones S/N en PPM y PDM 328 5.3.5. Comparación entre las Ganancias de Conversión en PAM, PDM y PPM

280

281 283 283 295 295 295 296

317

332

5.4. SISTEMAS DE MODULACION DIGITAL DE IMPULSOS 334 5.4.1. Introducción 334 5.4.2. Modulación de Impulsos Codificados (PCM) 334 Cuantificación y Codificación 335 Demodulación de Señales PCM 338 Ancho de Banda y Relaciones S/N en Sistemas PCM 340 5.4.3. Modulación Diferencial de Impulsos Codificados (DPCM) 346 5.4.4. Modulación Delta Lineal (DM) 348 Ancho de Banda y Relaciones S/N en Sistemas de Modulación Delta Lineal 351

ix

5.5. TRANSMISION DE IMPULSOS EN BANDA DE BASE 5.5.1. Introducción 355 5.5.2. Técnicas de Multicanalización o Multiplicidad 356 Técnicas de Multiplicidad por División de Tiempo (TDM) 5.5.3. Interferencia Intersímbolo 358 5.5.4. Códigos de Línea 361 5.6. RECEPCION DE IMPULSOS EN BANDA DE BASE 5.6.1. Introducción 366 5.6.2. El Filtro Acoplado 367

355

356

366

5.7. TRANSMISION Y RECEPCION DE SEÑALES BINARIAS MEDIANTE PORTADORA MODULADA 5.7.1. Introducción 371 5.7.2. Demodulación y Sicronización de Señales Binarias Moduladas 373 Métodos de Demodulación 373 Sincronización de Portadora y Temporización 374 5.7.3. Modulación Binaria de Amplitud (ASK) 3676 Ancho de Banda y Relaciones S/N en Sistemas ASK 377 Rendimiento de Transmisión 378 Demodulación Coherente de Señales ASK 379 Demodulación no Coherente de Señales ASK 382 5.7.4. Modulación Binaria de Frecuencia (FSK) 384 Ancho de Banda y Relaciones S/N en Sistemas FSK 384 Principio de Ortogonalidad en Señales FSK 385 Ancho de Banda en FSK 387 Relaciones S/N en FSK 388 Demodulación Coherente de Señales FSK 388 Demodulación no Coherente de Señales FSK 389 5.7.5. Modulación Binaria de Fase (PSK) 394 Demodulación de Señales PSK 394 Modulación Binaria Diferencial de Fase (DPSK) 395 Ancho de Banda y Relaciones S/N en Sistemas PSK y DPSK 398 5.7.6. Comparación entre los Sistemas de Modulación Binaria 402 5.8. MODULACION DIGITAL M-aria MEDIANTE PORTADORA MODULADA 5.8.1. Introducción 404 5.8.2. Modulación PSK M-aria 405 5.8.3. Modulación DPSK M-aria 408 5.8.4. Modulación FSK M-aria de Banda Ancha 411 Ortogonalidad de Señales FSK M-aria 412 5.8.5. Acceso Múltiple por División de Tiempo (TDMA) 414 5.9. TRANSMISION DE SEÑALES DIGITALES MEDIANTE DISPERSION DEL ESPECTRO (SPREAD SPECTRUM) 5.9.1. Introducción 415 5.9.2. Sistemas SS de Secuencia Directa (DSSS) 416 Acceso Múltiple por División de Código (CDMA) 420 5.9.3. Dispersión del Espectro mediante Conmutación de Frecuencias (FHSS) 422 5.9.4. Consideraciones Finales 425

371

404

415

x

5.10. RESUMEN PROBLEMAS DE APLICACIÓN CAPITULO VI MODULACION Y TRANSMISION DE SEÑALES CONTINUAS 6.1. INTRODUCCIÓN 6.1.1. Esquemas de Modulación Analógica de Ondas Continuas 446

426 427 445 445 445 448

6.2. MODULACION LINEAL DE SEÑALES CONTINUAS 6.2.1. Introducción 448 6.2.2. Modulación de Amplitud en Doble Banda Lateral con Portadora Suprimida (DSB) 448 Ancho de Banda y Relaciones S/N en Modulación DSB 450 6.2.3. Modulación de Amplitud con Portadora de gran Potencia (AM) 451 Potencia y Rendimiento de Transmisión en AM 454 Moduladores y Transmisores AM 459 Ancho de Banda y Relaciones S/N en Modulación AM 461 Efecto Umbral en Sistemas AM 463 6.2.4. Modulación en Banda Lateral Unica (SSB) 465 Generación de Señales SSB 466 Demodulación de Señales SSB 467 Ancho de Banda y Relaciones S/N en Modulación SSB 468 6.2.5. Modulación en Banda Lateral Residual (VSB) 473 6.2.6. Comparación entre los Sistemas de Modulación Lineal 479 6.3. TECNICAS DE TRASLACION DE FRECUENCIAS 6.3.1. Conversión de Frecuencias 482 Frecuencias Imagen 483 El Receptor Superheterodino 483 6.3.2. Multiplicidad por División de Frecuencia (FDM) 486 Ancho de Banda de la Banda de Base Multicanal 487 Multicanalización en Sistema Telefónicos 488 Acceso Múltiple por División de Frecuencia (FDMA) 488 6.4. MODULACION ANGULAR O EXPONENCIAL DE SEÑALES CONTINUAS 6.4.1. Introducción 490 Esquemas de Modulación Angular de Señales Continuas 491 Efecto de una Componente Continua en Modulación Angular 495 6.4.2. Modulación Angular de Banda Angosta 496 6.4.3. Modulación Angular de Banda Ancha 498 Modulación Sinusoidal Compuesta 503 6.4.4. Potencia y Ancho de Banda en Modulación Angular de Banda Ancha 505 Potencia en Modulación Angular 505 Ancho de Banda en Modulación Angular 505 6.4.5. Generación y Detección de Señales Moduladas en Angulo 511 Generación Directa de Señales Moduladas en Frecuencia 511 Generación Indirecta de Señales Moduladas en Frecuencia 514 Demodulación de Señales Moduladas en Angulo 515 6.4.6. Interferencia y Relaciones S/N en Modulación Angular 521

482

490

Otros Teoremas de Interés 571 569 .1.2.2.3. La Transformada de Fourier Discreta (DFT) A.4. Pares de Transformadas de Hilbert C.7.4 Comparación entre los Sistemas de Banda Ancha 534 6. Características Generales de los Sistemas de Modulación de Ondas Continuas 536 6.1. CATV) en UHF o B.1.6. Bandas de Televisión (NTSC. RESUMEN PROBLEMAS DE APLICACIÓN APENDICE A CALCULO NUMERICO DE LAS SERIES Y TRANSFORMADAS DE FOURIER A.2.3.5. Intercambio “Ancho de Banda-Relación S/N” en Sistemas de Banda Ancha 532 6.6. La Transformada de Fourier Rápida (FFT) APENDICE B MISCELÁNEOS B. Comparación entre los Sistemas de Modulación Angular 530 6. Código ASCII o Alfabeto Internacional N 5 de la UIT-T B. Comparación entre los Sistemas de Modulación Angular vs Modulación Lineal 532 6. CATV) y FM en VHF B.5. Criterios de Comparación 531 6. Designación de las Bandas de Microondas 557 560 561 561 567 567 555 537 538 555 555 Cálculo Directo de la Transformada de Fourier Discreta Algoritmo FFT por Decimación en el Tiempo B.3.1. Código Baudot APENDICE C TRANSFORMADAS C. Bandas de Televisión (NTSC. COMPARACION ENTRE LOS SISTEMAS DE MODULACION DE SEÑALES CONTINUAS 531 6.4. Pares de Transformadas de Fourier C.5.xi Interferencia 521 Relaciones S/N en Modulación de Frecuencia 523 Efecto Umbral en Modulación de Frecuencia 526 Relaciones S/N en Modulación de Fase 529 6.5.5. Teoremas de la Transformada de Fourier C.5.5.4. El Espectro Electromagnético 567 567 568 569 570 570 570 570 571 568 B.2.5.3. Cálculo Numérico de los Coeficientes de Fourier A.

1. Integrales Definidas D. Identidades Trigonométricas D.2. La Función Error BIBLIOGRAFÍA 574 573 573 572 572 572 575 .4. Integrales Indefinidas D.xii APENDICE D FORMULAS MATEMÁTICAS D.3.

administración y acceso de los datos. Ing. mi dirección electrónica es: briceros@hotmail. Esto me permitirá el establecimiento de contactos más personales con los potenciales usuarios del libro.. disponibles a través de la Web. Abril 2005 . Con esta finalidad. con la finalidad de contribuir a las actividades académicas y de investigación de cualquier disciplina.com. de trabajos de investigación y de libros de texto completos. Este Problemario. Edición Digital. Briceño M. Profesor Titular. tanto teórica como práctica. Esta Biblioteca Digital permitirá la difusión a nivel mundial de la inmensa cantidad de obras producidas por el personal académico docente y de investigación de la Universidad. pongo también a su disposición el Problemario de Comunicaciones que contiene la solución completa de todos los problemas planteados en el libro Principios de las Comunicaciones. ULA. mis estimados colegas. lo pueden obtener dirigiéndose a mí directamente por correo electrónico. de las Telecomunicaciones. almacenamiento. La Biblioteca Digital de la Universidad de Los Andes es una colección de artículos. Dr. Como una ayuda y colaboración para mis colegas profesores.xiii PREFACIO A LA EDICION DIGITAL Actualmente en Venezuela y en muchas partes del mundo se está observando la gran importancia que tiene la información en la vida cotidiana. como una contribución a la enseñanza.com Mérida. Espero que este texto les sea de utilidad en su diaria enseñanza. he puesto a disposición de la comunidad hispanoamericana los libros Transmisión de Datos y el presente libro Principios de las Comunicaciones. briceros@hotmail. José E. esto ha permitido que la demanda de información vaya en aumento y por lo tanto se tenga que hacer uso de sistemas más sofisticados para lograr la generación.

. de sistemas de comunicación prácticos. cálculo diferencial e integral. Para profesores de la materia hay disponible un Manual del Instructor con la solución completa de todos los problemas propuestos en el texto. planificación. A fin de facilitar el estudio no dirigido. se cubre cómodamente en dos semestres o tres trimestres. sin embargo. en su mayor parte con respuesta. y los capítulos quinto y sexto son aplicaciones en sistemas de comunicación prácticos. hasta donde es posible. La selección de tópicos. es decir. Los dos primeros capítulos comprenden los principios básicos teóricos. a la metodología a seguir en el análisis. el material se complementa con una bibliografía suficiente y con numerosos ejemplos resueltos y problemas al final de cada capítulo. El método seguido consiste en la presentación de los principios matemáticos aplicados a los modelos físicos de los sistemas con ejemplos. en el cuarto capítulo se presentan los principios de la transmisión de información. convolución y nociones de circuitos eléctricos y electrónica. y como una primera fase en el estudio de la Teoría Estadística de la Comunicación y Sistemas Avanzados de Comunicación. y para el lector poco familiarizado con estos conceptos. El procedimiento seguido se ha planteado principalmente desde el punto de vista determinístico. pues los dispositivos. organización y presentación son consecuencia de nuestra experiencia en la enseñanza de esta materia. No está contemplada la deducción o explicación de los principios matemáticos básicos utilizados. incluyendo los Apéndices. se hace énfasis en los principios y conceptos de los sistemas y de las aplicaciones más bien que en la instrumentación práctica. Los interesados en este Manual se pueden dirigir directamente al autor. conocimientos a nivel de sexto o séptimo semestre de Ingeniería Eléctrica o Electrónica. trigonometría. tanto analítica como intuitiva. en el Capítulo III se presenta una breve introducción a las variables y procesos aleatorios. a todo lo largo del texto se hace continuas referencias a señales aleatorias. álgebra lineal. El material. circuitos y componentes pueden cambiar con la tecnología y son más del dominio de la electrónica que de las comunicaciones. variables y procesos aleatorios. Nuestra intención es la de proporcionar al estudiante conocimientos sólidos de los fundamentos teóricos como introducción. Los requisitos necesarios para entender el material son conocimientos elementales de la teoría de las probabilidades y variables aleatorias. El texto está dividido en cinco capítulos y cuatro apéndices. diseño y evaluación de sistemas de comunicación. el tercer capítulo es una introducción a la teoría de la probabilidad. En particular.xiv PREFACIO A LA TERCERA EDICION El presente texto es el resultado de casi cuatro décadas de enseñanza de las comunicaciones en la Escuela de Ingeniería Eléctrica de la Universidad de Los Andes (ULA) y es una reedición corregida y aumentada del texto del mismo nombre editado por el Consejo de Publicaciones de la Universidad de los Andes y utilizado en los cursos del Pregrado de Ingeniería Eléctrica. Este libro ha sido concebido para servir como introducción a los principios básicos de la teoría moderna de la comunicación y a los sistemas de comunicación desde el punto de vista del análisis de sistemas.

utilizando las técnicas y conceptos estudiados en los Capítulos I y II. tanto en el dominio del tiempo como en el dominio de la frecuencia. Por último. El capítulo comienza con una breve revisión de los conceptos elementales más importantes de la teoría de la probabilidad y a continuación se introduce el concepto de variable aleatoria. se hace énfasis especial en los métodos clásicos para el análisis espectral de señales: las Series y la Transformada de Fourier. a los iniciados. de la teoría de la probabilidad y procesos aleatorios. En el Capítulo III se desarrollan algunos modelos probabilísticos de las variables y procesos aleatorios. o más bien un repaso. Por ejemplo. El CapítuloII concluye con un breve estudio del ruido en sistemas de comunicación y su caracterización como Relación Señal/Ruido. de las siglas. El material presentado en este capítulo es solamente una introducción. En los Capítulos I y II se presentan las técnicas y modelos matemáticos necesarios para la representación de señales y sistemas. La Transformada de Hilbert se define en términos muy sencillos y mediante el concepto de función analítica. bases de las técnicas del procesamiento digital de señales y de la transmisión de datos. En el Capítulo IV se presentan las ideas básicas de la Teoría de la Información más desde un punto de vista intuitivo que mediante desarrollos matemáticos avanzados. se obtiene la descripción de señales pasabanda de banda angosta y el concepto de bandas laterales en señales moduladas. Cifra de Ruido y Medida del Ruido. En el Capítulo II se presenta un breve estudio de los sistemas lineales y su caracterización espectro-temporal. Vamos a describir sumariamente el contenido de los capítulos que conforman el texto. El concepto de proceso aleatorio se presenta como un modelo para describir una colección de funciones del tiempo y se estudian las propiedades de los procesos estacionarios y ergódicos en relación con la función de autocorrelación y la densidad espectral de potencia. de la transmisión de señales a través de filtros y canales lineales. y cada traductor interpreta o traduce libremente y luego define unas siglas correspondientes a su traducción. y se presenta un desarrollo unificado de la densidad espectral de potencia y de las funciones de correlación. encontradas en cuatro textos diferentes. Esta “codificación” es necesaria por cuanto permite. práctica y diseño de sistemas comunicación digital y se presenta el concepto de dispersión del espectro (Spread Spectrum). Se definen. tanto en su forma discreta como en su forma continua. asimismo. para la “Modulación Diferencial de Impulsos Codificados” utilizaremos la sigla en inglés DPCM y no MDIC o MCID o MCPD o MICD. la entropía. así como la descripción. El concepto de información. los parámetros básicos de un sistema ideal de transmisión de información.xv Quizás en la Ingeniería de las Comunicaciones es donde se hace empleo muy extenso. la velocidad de información. expresarse rápidamente y sin ambigüedades acerca de un tópico dado. Particularmente. aún para los iniciados. Se comienza con la Teoría del Muestreo de Señales. El lector interesado en profundizar sus conocimientos en este campo puede consultar la bibliografía especializada. Temperatura de Ruido. el ancho de banda de un canal y la capacidad de Shannon se presentan haciéndose énfasis en la codificación digital de señales y en las características de los canales reales. la velocidad de modulación. se estudian algunos modelos que representan secuencias aleatorias binarias de gran utilización en la teoría. y no se pretende que sea un curso completo en sí mismo. tal vez abusivo. El muestreo y la recuperación de señales se tratan tanto desde un punto de vista teórico como . En este texto utilizaremos las siglas correspondientes al idioma inglés. El Capítulo V está dedicado a la modulación y transmisión de impulsos. tanto en el dominio del tiempo como en el dominio de la frecuencia. pues la mayoría de la información pertinente se encuentra en este idioma. El resultado son textos completamente ilegibles. La mayor parte de los libros de comunicaciones en idioma español son traducciones de otros idiomas.

El capítulo concluye con una comparación de todos los sistemas estudiados. < briceros@hotmail. tales como voz. Briceño M. tanto en el dominio de la frecuencia como en el dominio del tiempo. Queremos dejar constancia de nuestro agradecimiento a los Profesores Ermanno Pietrosemoli y Néstor Angulo Reina (+). interpretar en forma intuitiva los conceptos y resultados. se hace una breve introducción a la transmisión de señales digitales mediante dispersión del espectro (Spread Spectrum) y algunas de sus aplicaciones. y se dan algunos ejemplos de su aplicación en telefonía. Agosto 2004 . tablas de transformadas. quiero dedicar este libro a Margot.com> Mérida. y se señalan algunas de sus aplicaciones en el campo de la transmisión de información. se utilizan o citan las Recomendaciones del UIT-T (Unión Internacional de Telecomunicaciones-Sector de Telecomunicaciones) y del UIT-R (Unión Internacional de Telecomunicaciones-Sector de Radiocomunicación). especialmente la Transformada de Fourier Rápida (Fast Fourier Transform. Dr. en lo posible. y se desarrollan las descripciones de los diferentes sistemas particulares.. de gran aplicación en el Análisis Espectral de Señales. FFT). Se estudian los diferentes sistemas de modulación analógica (PAM. Se ha hecho un esfuerzo considerable para presentar el material de tal manera que haya una progresión coherente desde los principios y conceptos hasta las consideraciones de diseño. En el Capítulo VI se estudia la modulación y transmisión de señales continuas. Ing. así como su materialización física (dispositivos y circuitos).xvi práctico. cuyas valiosas sugerencias han contribuido a mejorar considerablemente la exactitud y claridad del texto Finalmente. Particular énfasis se da al comportamiento de los sistemas desde el punto de vista de la potencia (Relaciones S/N) como del ancho de banda. Donde es aplicable. VHF y UHF. sin profundizar demasiado en desarrollos matemáticos innecesarios. DPCM y DM) de impulsos y se comparan sus características en el caso de transmisión y recepción en banda de base. En los Apéndices siguientes se da información adicional acerca del Espectro Electromagnético. En el Apéndice A se presenta una breve introducción al cálculo numérico de los Coeficientes y Transformada de Fourier. José E.. radiodifusión y transmisión por satélites. y se hace énfasis de su importancia en los sistemas de modulación de impulsos. por el apoyo que siempre me ha dado y por la paciencia que ha demostrado por el tiempo robado a su compañía y dedicado a la elaboración de este texto. etc. e intentando. mi esposa. que son de amplia utilización en el texto. En este capítulo se estudia también la transmisión de impulsos binarios mediante portadora modulada y se describen los sistemas usuales para la transmisión de datos en presencia del ruido con aplicaciones a sistemas reales. tanto de impulsos como de ondas continuas. PDM y PPM) y digital (PCM. se presentan algunas de sus aplicaciones. de la Cátedra de Comunicaciones de la Escuela de Ingeniería Eléctrica de la Universidad de los Andes. Se definen los dos tipos de modulación de ondas continuas: lineal (Modulación de Amplitud) y exponencial (Modulación Angular). las Bandas de Frecuencia en FM. así como fórmulas matemáticas. sin olvidar la complejidad en la instrumentación práctica. Se desarrolla el concepto de multicanalización o multiplex. Asimismo. En particular se estudia la Transformada de Fourier Discreta. música o video.

En 1843. etc. La teoría moderna de la comunicación tuvo su origen en el estudio de las comunicaciones eléctricas y algunas de las ideas más importantes se originaron en los primeros intentos para establecer comunicaciones rápidas a larga distancia. desde el punto de vista que nos ocupa. y siendo la comunicación tan diversa y tan importante. 1. cuando se transmite un corto impulso de corriente. Si se transmite puntos y rayas demasiado a prisa por cable subterráneo. no son necesariamente adecuados para una comunicación eléctrica en donde las corrientes son esencialmente variables. 1. Como estaremos hablando continuamente de comunicación. . La transmisión de medidas de voltaje. sería interesante conocer algo de sus orígenes históricos y de los hombres que han sobresalido en su estudio y desarrollo. con su cable subterráneo. una guía de ondas o el espacio libre. La transmisión de un programa de opinión por un medio de transmisión de masas también es comunicación. cuando se transmite una señal clara y distinta. INTRODUCCION El propósito de un sistema de comunicación es el de transmitir información. un cable coaxial. muy disperso.1(b).. Como se indica en la Fig. no pueden diferenciarse en el extremo receptor. pero encontró ciertas dificultades que más tarde afectaron a los cables submarinos aún más severamente. y un receptor para recoger la información. siguen siendo todavía un problema importante. estos puntos y rayas. Samuel Morse (1791-1877) logró la primera forma eficiente del telégrafo eléctrico. Hay un gran número de aplicaciones en las cuales la palabra “comunicación” se emplea indistintamente.CAPITULO I REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. la palabra o palabras más apropiadas que describen el proceso son las de “transmisión de información”. desde una estación remota hasta el puesto de control es comunicación. El canal de transmisión puede ser un simple par de conductores. Asimismo. Este es un error muy frecuente aún en personas técnicamente calificadas. frecuencia. En efecto. En 1832. Sin embargo. como se indica en la Fig. puede suceder que se reciba una señal difícil de interpretar.1. la transmisión de datos a través de un cable coaxial en un sistema de automatización industrial es también comunicación.1(a). La transmisión se efectuaba mediante conductores sobre postes y no había demasiados problemas en lo que se refería a la reproducción de la señal recibida en el extremo alejado. circuitos diferentes que conduzcan igualmente una corriente continua. un canal sobre el cual la información se transmite. Morse emprendió la tarea de construir una línea con cable subterráneo. La palabra “comunicación” parece privativa del ingeniero de comunicaciones o de los medios de comunicación de masas. que básicamente son impulsos. el código Morse de telegrafía consta de puntos y rayas cuyas combinaciones se asignan a los símbolos del alfabeto (letras y números). una fibra óptica. Un sistema de comunicación comprende un transmisor. se recibe en el extremo alejado del circuito un impulso de corriente mucho más largo. Las dificultades que Morse encontró. Como todos sabemos. corriente.

1. están siempre presentes en los circuitos y dificultan la interpretación de la información contenida en un mensaje. 1. Muchos hombres ayudaron al establecimiento del tratamiento matemático de la telefonía. Desde muy pronto se aplicaron técnicas matemáticas a la solución de estos problemas. Los telegrafistas de aquella época tenían un conocimiento. los cuales habían sido aplicados al estudio de las vibraciones y que se utilizan para analizar el comportamiento de señales eléctricas que varían de modo complicado en función del tiempo. con una rapidez mucho mayor que en la telegrafía manual. Hombres como Poincaré (1854-1912). si los impulsos son lo suficientemente largos. que hay una velocidad de transmisión límite asociada de algún modo con un circuito o canal dado. pero hace falta algo más que un conocimiento intuitivo: se necesita un análisis matemático de estos fenómenos. son los más eminentes de ellos. porque provee las técnicas matemáticas con las cuales el ingeniero puede describir señales y sistemas no solamente en el dominio del tiempo sino también en el dominio de la frecuencia. Formas de Onda Transmitidas y Recibidas. Heaviside (1850-1925). En 1885. Baudot (18451903). de las limitaciones de los sistemas físicos. conocido como Lord Kelvin. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Naturalmente.2 I. Un ataque más poderoso a tales problemas siguió a la invención del teléfono por Alexander Graham Bell (1847-1922). Durante las tormentas. Este es el principal objetivo de este texto. esto complicó aún más la recepción de la señales. Los primeros telegrafistas estaban conscientes de esta limitación. Es evidente. aparecían señales extrañas que hacían aún más difícil la interpretación. Estos hombres usaron los métodos matemáticos establecidos por el físico francés Joseph Fourier (1768-1830). la interpretación en el extremo receptor será completa. que podríamos llamar intuitivo. . t Pero no solamente eran las limitaciones del canal las que hacían difícil la interpretación. Estas señales espurias. calculó en forma exacta la corriente recibida en un cable submarino cuando se transmitía impulsos (puntos y rayas). llamadas en general “ruido”. El Análisis de Fourier es de absoluta necesidad en el estudio de las comunicaciones eléctricas. en 1876. entonces. y en sus esfuerzos para superarla se sentaron los primeros cimientos de la teoría de la comunicación. Pupin (1858-1935). pero la velocidad de transmisión habrá disminuido apreciablemente. t Impulso Transmitido t (a) Impulso Recibido t Señal Transmitida (b) Señal Recibida Fig. sobre todo. En la telefonía las señales varían brusca y rápidamente en un amplio margen de amplitudes. aunque el cuerpo completo de la teoría sólo se ha logrado en las últimas décadas. William Thompson (1824-1907).

la ecuación diferencial que representa al circuito es una ecuación cuyos coeficientes (los parámetros del circuito) son constantes. sencillamente. éste es el enunciado del teorema de superposición. de los Estados Unidos.V. Un circuito eléctrico posee parámetros (R. En 1917. Acicateados por las obligaciones de la defensa. que. Los primeros resultados de su trabajo los publicó en 1924 en el artículo “Ciertos Factores que afectan a la Velocidad Telegráfica” [Nyquist. científicos e ingenieros para estudiar y desarrollar muchos aspectos de la ciencia y de la tecnología. asimismo. por ejemplo. que si conocemos las señales de salida correspondientes a cualquier número de entradas enviadas separadamente. L y C) que no varían en el tiempo (por lo menos a corto plazo). el inventor del conocido “Oscilador Hartley”. de acuerdo con Nyquist. de la American Telephone and Telegraph Company. publicó el artículo “Transmisión de Información” [Hartley. los gobiernos beligerantes establecieron equipos de matemáticos. La linealidad significa. 1928]. las . Observó. que la cantidad de información que puede ser transmitida es proporcional al ancho de banda del canal multiplicado por el tiempo de transmisión. Finalmente. y su utilidad depende de dos hechos físicos importantes: la invariancia en el tiempo y la linealidad. Harry Nyquist. lo mismo que si hubiera sido transmitida por el circuito. Hartley sugirió también un modo de aplicar tales consideraciones a las señales continuas. El radar. podemos calcular la señal de salida total simplemente sumando las señales de salida individuales. las señales telefónicas o de transmisión de imágenes. Este segundo artículo fue más cuantitativo y exacto que el primero. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES El Análisis de Fourier se basa en la representación de una función complicada como una suma de funciones sinusoidales. En este artículo Nyquist trata varios problemas relacionados con la telegrafía y. aclara la relación entre la velocidad telegráfica y el número de valores o impulsos de corriente que pueden ser transmitidos y correctamente interpretados. Nyquist continuó sus trabajos sobre los problemas de la telegrafía y en 1928 publicó un segundo e importante artículo: “Ciertos Tópicos en la Teoría de la Transmisión Telegráfica” [Nyquist. Hartley atacó el problema de la codificación de los símbolos primarios (por ejemplo. que la velocidad de transmisión era proporcional al ancho de banda del circuito y que podía aumentarse mediante una codificacion apropiada de la señal. Hartley estableció. Vemos la importancia que en la velocidad de transmisión tiene una codificación adecuada. empezó a atacar los problemas de la telegrafía con métodos matemáticos más poderosos y secundado por una gran intuición y claridad de conceptos. en particular. 1928].3 I. Hartley. Demostró que una señal contenía. en términos más formales. El análisis de Fourier de las señales en función de sus componentes frecuenciales. una componente continua de amplitud constante. no tenía utilidad y podía ser añadida en el receptor. es el primer cimiento de la moderna teoría de la información. Después de los trabajos de Nyquist y Hartley no se publicó ningún trabajo de importancia hasta el advenimiento de la Segunda Guerra Mundial. puntos o rayas del código Morse o secuencias de impulsos) y observó que las longitudes de los símbolos secundarios deberían depender de la frecuencia de ocurrencia de los símbolos primarios si se desea transmitir los mensajes con más rapidez. 1924]. Nyquist demostró que se podía transmitir varios mensajes simultáneamente por un mismo canal si los anchos de banda de las señales mensaje no se solapaban. R. y proporciona a los ingenieros una asombrosa variedad de resultados que no pueden ser obtenidos de otro modo. las letras del alfabeto o caracteres alfanuméricos) en términos de símbolos secundarios (por ejemplo. hace posible estudiar las propiedades de transmisión de un circuito lineal para todas las señales en términos de la atenuación y desfasaje que les son impuestas a su paso por el circuito. consumiendo parte de la potencia transmitida. Este trabajo. en todo momento. en nuestra opinión. En 1928. y juntos abarcan mucho material importante que hoy está incorporado en la Teoría de la Comunicación.

1984] de la Bibliografía. Los sistemas de comunicación consisten en un conjunto de bloques funcionales interconectados que transfieren información entre dos puntos mediante una serie secuencial de operaciones o procesamiento de señales. cuántos valores de la corriente se pueden permitir y cuántos se transmitirían por segundo. las Comunicaciones por Satélite y las Comunicaciones Opticas son los dominios en los cuales el crecimiento ha sido y seguirá siendo espectacular. hábilmente dirigido y con ilimitados medios económicos. lo cual conlleva a los conceptos de “espectro” y de “ancho de banda”. En las últimas décadas el desarrollo de las telecomunicaciones ha sido extraordinario pero más que todo desde el punto de vista de la tecnología: fueron las técnicas de integración de dispositivos de estado sólido las que iniciaron esta nueva era de las comunicaciones. el lector interesado encontrará un nutrido material sobre la historia de las telecomunicaciones en los últimos 100 años. las Telecomunicaciones y la Informática estará la base de este desarrollo. en general. En los sistemas de comunicación las señales son magnitudes que varían en el tiempo. Shannon demostró. En este capítulo se desarrollarán las técnicas matemáticas para la descripción de señales en el dominio de la frecuencia y de la correspondencia Tiempo ⇔ Frecuencia. que no es posible transmitir sin error si los códigos utilizados no tienen redundancia. Problemas como la detección y estimación de señales en presencia de ruido fueron resueltos por A. en Rusia. que es otro de los pilares de la moderna Teoría de la Comunicación. se representarán con la notación x(t). por Norbert Wiener (1894-1964). El problema no es. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES microondas. En la Referencia [IEEE. es decir. En el problema tratado por Shannon se permite elegir cómo representar el mensaje por medio de una señal eléctrica. Estas técnicas no son sino modelos matemáticos. El Procesamiento y Transmisión de Datos. . la selección del modelo más apropiado estará basada en el conocimiento más o menos completo de los fenómenos físicos a modelar y en las limitaciones de los diferentes modelos. se interesó en los problemas de las comunicaciones en presencia de ruido y en 1948 publicó en dos partes su artículo “Una Teoría Matemática de la Comunicación” [Shannon.4 I. sino qué clase de señal enviar para transportar mejor los mensajes de un tipo dado sobre un canal particular o circuito ruidoso. pues. fueron los frutos de este esfuerzo combinado. asimismo. Kolmogoroff (1903-1987). descripciones idealizadas de señales reales. Aunque se puede elegir diferentes modelos para un problema particular. cómo tratar una señal contaminada con ruido para obtener una mejor estimación de ella. y en Estados Unidos. es decir. o en el “dominio de la frecuencia” si la variable independiente es la frecuencia (f). Después de la guerra otro matemático. tales como voltajes y corrientes que. La representación espectro-temporal de señales y sistemas es posible mediante el Análisis Espectral de Fourier: Series y Transformadas.N. el problema de la codificación y la redundancia. En el análisis y estudio de los sistemas de comunicación a menudo es necesario y conveniente describir o representar las señales y sistemas en el domino de la frecuencia. la televisión y muchos desarrollos más. 1948]. pero tanto los circuitos eléctricos (sistemas) como las señales se pueden representar en el “dominio del tiempo” si la variable independiente es el tiempo (t). independientemente. Los elementos funcionales de un sistema son los circuitos eléctricos. Claude E. La Teoría de la Comunicación trata de los modelos y técnicas matemáticas que se pueden utilizar en el estudio y análisis de los sistemas de comunicación. Shannon (19162001). En la conjunción entre la Electrónica.

hay que considerar siempre una u otra representación.1). por lo menos en lo que se refiere al destinatario. una señal aleatoria es aquella en la cual existe un mayor o menor grado de incertidumbre en cuanto a un valor instantáneo futuro.2. Señales Periódicas y no Periódicas Una señal periódica es aquella que se repite en una forma predecible cada T segundos. Una señal no periódica o aperiódica se puede considerar como el límite de una señal periódica cuanto el período T tiende a infinito. El punto a resaltar es que el valor exacto de una señal determinística se puede predecir o calcular por adelantado.1. Por ejemplo. MODELOS DE LAS SEÑALES 1. conocidas como “señales determinísticas” y “señales aleatorias”. muchas de las señales aleatorias que se encuentran en los sistemas de comunicación tienen ciertas características en su comportamiento que permiten describirlas en términos estadísticos o probabilísticos.2. Son también señales determinísticas aquellas que no poseen una ecuación que las describa pero que están representadas mediante gráficos. una señal sinusoidal de la forma x(t) = Acos(2πfct) para todo t. puesto que las señales determinísticas pueden ser totalmente conocidas de antemano.1) T es una constante positiva y es el valor más pequeño que satisface la expresión (1.5 I. Aunque el valor exacto en un instante dado no se conoce. es decir. todas las señales procesadas en un sistema de comunicación son de naturaleza aleatoria. . Al intervalo de un período se le denomina también un “ciclo” de la señal. aunque la palabra “ciclo” se utiliza principalmente en señales sinusoidales. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. es una señal determinística. Señales Determinísticas y Aleatorias En los sistemas de comunicación se encuentran dos clases amplias de señales. una señal no periódica es aquella para la cual no existe un T finito que satisfaga la expresión (1. puede decirse que solamente las señales aleatorias proporcionan verdaderamente información. En el Capítulo III se presentan algunos fundamentos de las variables y procesos aleatorios. Igualmente. Esto es verdad desde un punto de vista muy amplio y. En su definición más sencilla. Sin embargo.1). podemos argumentar que una señal aparentemente periódica deje de serlo después de un tiempo lo suficientemente grande. Pudiera pensarse que dentro de un intervalo finito una señal no periódica puede repetirse después de un período bastante grande y ser en realidad una señal periódica.2. Como veremos en Capítulo IV. desde el punto de vista del análisis. diseño. donde T es el período de repetición de la señal. En términos más formales. 1. Desde un punto de vista práctico estos argumentos no producen ninguna dificultad. x(t ) = x(t + T) para todo t (1. Las señales determinísticas tienen propiedades bien conocidas además de que son más fáciles de generar y utilizar. no solamente es deseable sino también necesario utilizar señales determinísticas para analizar el sistema y predecir su comportamiento. pero en los intervalos usuales de trabajo y para efectos de análisis.2. Las señales determinísticas se pueden representar mediante expresiones matemáticas explícitas del tiempo. prueba y operación de sistemas. por supuesto.

ser compleja.4) La potencia promedio de una señal x(t) en el dominio del tiempo se define como la energía por unidad de tiempo.2. P= 1 T ∫ T/ 2 − T/ 2 x 2 (t )dt si x(t) es real (1. T − T/ 2 ∫ ∫ Algunas veces se define también la denominada “intensidad normalizada de una señal” como la potencia o la energía normalizadas. y se expresa en joules. Este es un operador lineal.6) se puede establecer lo siguiente: (a) Se dice que una señal x(t) es de energía si y sólo si . la energía se puede definir en la forma siguiente. en general. que corresponderá a la energía si la señal es de energía. En este texto representaremos la intensidad normalizada de una señal con la notación < x 2 (t ) > . se mide en vatios (W).3) = x (t )x * (t ) .2) La señal x(t) puede ser un voltaje o una corriente. o a la potencia si la señal es de potencia. E= ∫ ∞ −∞ x 2 (t )dt (1. Si x(t) es real e independiente de T. asimismo.2) a (1. De las definiciones (1. < x ( t ) > representará el valor promedio (componente continua) de una señal x(t). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.6) Esta es la potencia normalizada para una resistencia de 1 ohm. una definición más general de la energía es E = lim donde x(t ) 2 T →∞ − T / 2 ∫ T/ 2 x(t ) dt 2 (1. no es necesario tomar el límite y la integración se efectúa dentro de un período T. es decir. Señales de Energía y de Potencia La energía total de una señal x(t) en el dominio del tiempo se define en la forma E = lim T →∞ − T / 2 ∫ T/ 2 x 2 (t )dt (1. que es la más utilizada en la caracterización de señales reales de aplicación práctica. por lo tanto. sin embargo. Para simplificar la notación. E es la energía normalizada para una resistencia de 1 Ohm. Como x(t) puede. daremos preferencia a la notación < x 2 (t ) > para representar la potencia promedio normalizada de una señal x(t). T/2) es P= E T = lim T →∞ ∫ T 1 T/ 2 −T/ 2 x( t ) dt 2 (1.5) Si la señal es periódica. la potencia promedio de la señal en el intervalo (-T/2. en este texto utilizaremos continuamente el llamado “operador 1 T/ 2 [⋅⋅] dt o la expresión promedio tiempo” definido mediante la expresión general < [⋅⋅] >= lim T →∞ T − T / 2 1 T/ 2 particular < [⋅⋅] >= [⋅⋅] dt .3. según el caso.6 I.

no todas las señales de potencia son periódicas. hay muchas señales que tienen una potencia límite dada cuando T → ∞. donde A y a son constantes y a > 0. (b) Se dice que x(t) es una señal de potencia si y sólo si 0 < lim T →∞ ∫ T 1 T/ 2 −T/ 2 x( t ) dt < ∞ 2 (1. El área bajo la señal es infinita. 1.5) para su definición.2 A2 < ∞ . En efecto. ♣ Ejemplo 1. pero como la curva se extiende hasta el infinito. 1. aplicando (1. a ♣ x(t) A Determinar si la señal x(t) de la Fig. La señal no es periódica pero puede ser de potencia. todas las señales periódicas son necesariamente señales de potencia. Las señales de potencia finita tienen una energía infinita.3. 0 Fig. de potencia o ninguna de las dos. 1.1.3 t T →∞ lim 1 T ∫ T/ 2 A 2 dt = A2 2 W 0 .4). aunque tales señales sean no periódicas o tengan un comportamiento de carácter aleatorio. x(t) no es periódica. A x(t) 0 t Fig.5) a la señal de la Fig. Sin embargo. por lo tanto x(t ) = A exp(− a| t | ) es una señal de energía. 1.2 ∫ ∞ −∞ A exp(−2a| t|)dt = 2A 2 2 ∫ ∞ 0 A2 exp(−2at )dt = a joules Se verifica que E = ♣ Ejemplo 1.3 es de energía.7) lo cual implica que T →∞ ∫ T 1 T/ 2 −T/2 x( t ) dt = 0 2 Las señales de energía finita tienen potencia cero. es de potencia o de energía. Fig. no es obvio si es o nó de energía. Vamos a verificar esto aplicando la expresión (1. Se trata de determinar si la señal x(t ) = A exp(− a| t|) . Evidentemente.7 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 0< ∫ ∞ −∞ x 2 (t )dt < ∞ lim (1. por lo tanto no es una señal de energía.8) lo cual implica que la energía de una señal de potencia es infinita (E = ∞). En efecto. En este tipo de señales hay que utilizar la ecuación (1. 1.2. Por inspección.

por lo que se ha definido la “función triángulo”. La potencia promedio de una señal sinusoidal será entonces 2 A2 ⎡ A ⎤ < x (t ) >= =⎢ ⎥ 2 ⎣ 2⎦ 2 (1. Nótese que la información de fase (valor de φ) no interviene para nada en el cálculo de la potencia. La energía de x(t) será: E = 2 τ ∫A τ 0 2 t 2 (1 − ) 2 dt = A 2 τ joules τ 3 ♣ . 2 Podemos decir también que una señal continua de amplitud A para todo t es una señal de potencia cuya potencia es A2. ♣ ♣ Ejemplo 1. fc A 2 ⎧ ⎨ < x (t ) >= f c A cos (2 πf c t + φ )dt = 2 ⎩ −1/ 2 fc 2 ∫ 1/ 2 fc 2 2 ∫ 1/ 2 fc −1/ 2 fc dt + ∫ ⎫ cos(4 πf c t + φ )dt ⎬ −1/ 2 f c ⎭ 1/ 2 f c La segunda integral de la derecha es cero pues la integración cubre dos períodos completos de la función por integrar.9) donde A / 2 es el “valor eficaz” de la señal sinusoidal.4(a). resultado ya obtenido en los cursos de Circuitos Eléctricos. Potencia de una Señal Sinusoidal Se verifica entonces que < x 2 (t ) >= Sea la señal sinusoidal x(t ) = A cos(2πf c t + φ ) .4. Esto es válido para cualquiera señal. De (1. Fig.6).4 (b) Función Triángulo t En consecuencia. el período T de x(t) es T=1/fc. donde x( t ) = ⎨ ⎪0 para | t| > τ ⎩ Esta forma de señal es de uso muy frecuente. 1. donde A. x(t) es una señal de potencia. 1. por lo tanto. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A2 < ∞. fc y φ son constantes reales.8 I. ♣ ♣ Ejemplo 1. 1. x( t ) = AΛ ( ) . sea o nó sinusoidal.3. representada por ⎧1− | t | para |t| ≤ 1 Triang(t) = Λ (t) = ⎨ para |t|>1 ⎩0 A x(t) 1 Λ(t ) −τ 0 τ t -1 0 1 t (a) Señal Fig. Energía de una Señal Triangular ⎧ | t| ⎪A (1 − ) para | t| ≤ τ τ Sea la señal triangular mostrada en la Fig.4(b). Por inspección.

En primer lugar. Debido a que estas señales no tienen derivadas finitas de ningún orden.5(b). muchas señales complicadas pueden representarse como combinaciones de estas señales elementales. T ♣ Hay una clase de señales elementales cuyos miembros tienen formas matemáticas muy simples pero que son discontinuas o tienen derivadas discontinuas. Potencia Promedio de una Señal Periódica Rectangular Sea la señal periódica rectangular mostrada en la Fig. Además. ellas sirven para varios propósitos de gran utilidad en el análisis de señales y sistemas.4. habiéndose definido la “función rectángulo”.5. el escalón unitario. de modo que puede determinarse experimentalmente si un sistema se comporta en la forma predicha por un análisis matemático previo. representada por ⎧ 1 ⎪1 para |t| ≤ 2 Re ct (t ) = Π(t ) = ⎨ ⎪ 0 para |t|> 1 ⎩ 2 Por consiguiente. 1.5. Las señales singulares más comunes en el análisis de señales y sistemas son la rampa. su forma matemática más simple permite efectuar cuantitativamente el análisis de un sistema con mucha más facilidad que si se emplearan señales más complicadas.5(a). la señal signo y el impulso unitario Delta Dirac. τ A 2 dt = τ 2 A T La potencia promedio de la señal periódica ∫ τ/ 2 0 En la literatura técnica a la relación R T = 1. 1. estas señales pueden simularse en el laboratorio con mucha facilidad y aproximación.9 I. Fig. . 1. rectangular x(t) será < x 2 (t ) >= 2 T t x(t ) = AΠ( ) en T . Aunque este tipo de señales no son sino idealizaciones matemáticas y no ocurren naturalmente en un sistema físico. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. no por eso menos importante. sirven como aproximación de señales que verdaderamente ocurren en los sistemas cuando se efectúan operaciones de tipo conmutativo. generalmente se las denomina “señales o funciones singulares”. Por último. x(t) A oooo oooo t -1/2 0 1/2 (b) Función Rectángulo Π(t ) 1 t −τ / 2 0 τ / 2 -T T (a) Señal Periódica Rectangular Fig. Señales Singulares τ se la denomina “ciclo o relación de trabajo”.2. Esta forma de señal también es de uso muy frecuente. En segundo lugar.

u ( at ) = u ( t ). se puede decir que r (t ) = t u(t) . se muestra en la Fig.6 y se define en la forma siguiente: ⎧t r (t ) = ⎨ ⎩0 para para 0≤t t<0 (1. excepto t = 0. Formas diferentes de la Rampa.8. r(t). en cuyo punto no existe una derivada. 1. su valor debe ser la unidad siempre que su argumento sea la unidad. u(t).12) Esta expresión es válida para todo t. 1.10) Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La Rampa Unitaria r(t) 1 0 1 t La rampa unitaria. Una forma matemática para cambiar la pendiente es mediante un cambio de escala en el eje t.10 I. En efecto. Ar(t-a) A 0 a 1+a t -a 0 (b/a)r(-t) b t r(-t+1) 1 t 0 1 Fig. Si se desea que la pendiente sea distinta de la unidad.7 se representa diferentes formas de la rampa.11) Fig. por lo tanto. d u(t ) = r (t ) (1.8 y se define en la forma ⎧1 para 0 ≤ t u(t ) = ⎨ ⎩ 0 para t < 0 (1. Para un cambio de escala en el eje t. . es decir. como la pendiente de r(t) es la unidad. por lo tanto. r (t ) = u ( t ' ) dt ' −∞ ∫ t (1. 1. pero u(at .9 se muestran diferentes representaciones del escalón unitario. se muestra en la Fig. En la Fig. 1. El Escalón Unitario. En la Fig.t o ) = u ( t − to a ) Puede observarse que la rampa es la integral del escalón unitario. br(t) es una rampa de pendiente b. La Rampa Unitaria.7. 1.13) dt De las definiciones de rampa y escalón unitario. es decir. El Escalón Unitario u(t) 1 t 0 El escalón unitario. br(t) y r(bt) representan rampas cuyas pendientes son iguales a b.6. 1. 1. bastará multiplicar por una constante.

sgn(at ) = sgn(t ).t o ) = sgn(t − La función signo es una función impar de t. . La Función Signo La función signo. − A sgn(t + t o ) = A sgn(− t − t o ) −t o 0 t sgn( t − t o ) 1 0 to -1 t Fig.14) 1 0 sgn(t) t -1 Fig.u(-t) (1. pero sgn(at .15) En la Fig. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Au (t − t o ) A 0 u(− t + t o ) 1 t 0 −t o 0 t -A − Au(t + t o ) t to to Fig. Formas del Escalón Unitario. El lector puede verificar que las señales x(t) y z(t) de la Fig.12 se pueden representar en la forma x ( t ) = Π( t 1 ) = u(t + τ ) − u(t − τ ) = u(t + τ )u(− t + τ ) = [sgn(t + τ ) − sgn(t − τ )] 2τ 2 z (t ) = − r (t + 1) + 2r (t ) − r (t − 2) − u (t − 3) .11. a El escalón unitario y la función signo se relacionan mediante las siguientes expresiones: u( t ) = 1 [1 + sgn( t )] 2 o sgn(t) = u(t) . to ). Función Signo Para un cambio de escala en el eje t. Usando combinaciones de las funciones rampa.9.1. es aquella que cambia de signo cuando su argumento pasa por cero. es posible representar otros tipos de señal.10. 1. escalón y signo. 1.10 y la vamos a definir en la forma siguiente: ⎧1 para 0 ≤ t sgn(t ) = ⎨ ⎩ -1 para t < 0 (1. sgn(t). Formas de la Función Signo. 1. 1.11 se muestran algunas representaciones de la función signo. se representa en la Fig.11 I.

1. ya que . se verifica que 1 δ( t ) t 0 ∫ ∞ −∞ x(t )δ(t − t o )dt = x (t o ) Fig.to) tiene área unitaria concentrada en el punto discreto to y área cero en cualquiera otra parte.12. representado en la forma δ(t). Estas propiedades se han utilizado también para definir el impulso unitario. En efecto.13. Señales Compuestas. Se pueden interpretar diciendo que δ(t . el impulso unitario δ(t) no tiene ningún significado matemático o físico a menos que aparezca bajo el signo de integración.17) La propiedad de muestreo del impulso unitario. Otras propiedades del impulso unitario son: (a) δ(t ) = 0 para t≠0 t ≠t o (b) δ(t − t o ) = 0 para (c) ∫ t2 t1 δ(t − t o )dt = 1 para t 1 < t o < t 2 Esta última expresión establece que el “área” de un impulso unitario es la unidad.16) donde x(t) es una función cualquiera continua en t = 0. El Impulso Unitario Delta Dirac (1. El impulso unitario Delta Dirac se representa en la forma mostrada en la Fig. es de mucha aplicación en el análisis de señales y sistemas y la estaremos utilizando continuamente. se puede demostrar la conocida “Propiedad de Muestreo o Cernido” del impulso unitario Delta Dirac. El Impulso Unitario Delta Dirac El Impulso Unitario Delta Dirac.17). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t) 1 z(t) t -1 0 1 2 -1 3 1 t −τ 0 τ Fig. El impulso unitario Delta Dirac se define entonces mediante la integral ∫ ∞ −∞ x(t)δ (t)dt = x(t)|t =0 = x( 0) (1. Mediante un cambio de variables en la definición (1. y se define mediante un proceso o regla de asignación en vez de una ecuación. Quiere decir también que los coeficientes constantes que afecten el impulso unitario representan el “área” del mismo.13. expresión (1. 1. si x(t) es continua en t = to. Por definición.12 I. Aún así es conveniente establecer algunas relaciones sin integrales como simplificaciones que pueden hacerse antes de la integración. Pertenece a una clase especial de funciones conocida como “funciones generalizadas” o “distribuciones”. 1. no es una función en el sentido matemático usual.16).

13 I.16). define la “propiedad de simetría par” del impulso unitario: δ( t ) = δ( − t ) 3. A continuación damos. x( t )δ ( t ) = x( 0)δ ( t ).20a) y (1. de (1. algunas de esas relaciones. 1. el signo dependerá de si la discontinuidad es montante o bajante. Por ejemplo: t Π( ) = δ( t ) τ τ→0 τ lim ε → 0 πt 1 (1. Por ejemplo.20a) (1.21c) lim ε sen( πt ε ) = δ( t ) 1 t lim exp[ −π ( ) 2 ] = δ(t ) ε ε→0 ε . Cambio de escala en el eje t: pero δ( at − t o ) = 1 δ( t − (1. d dt sgn( − t − t o ) = −2δ( t + t o ) Esta propiedad es particularmente útil en la diferenciación de señales discretas.20b) y en general.19) y diferenciando ambos miembros de (2.11.20b) no son definiciones de δ(t) sino una consecuencia de la regla de asignación (1. ∫ δ(t ' )dt ' = u(t ) t −∞ (1. 1. Se puede relacionar δ( t ) con el escalón unitario u(t).16). El caso especial cuando a = −1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ellas son consistentes con lo que sucede después de la integración. En efecto. hay numerosas funciones de tipo convencional que tienen las propiedades del impulso unitario δ(t) cuando algunos de sus parámetros tiende a cero o a infinito. sin demostrarlas. 4. estas expresiones establecen también que la derivada en una discontinuidad es un impulso unitario de área igual al valor absoluto de la discontinuidad.21b) (1. Pero. x( t )δ ( t − t o ) = x( t o )δ ( t − t o ) 2. la derivada de la función signo es d dt sgn(t ) = 2δ(t ) . Las expresiones (1.21a) (1. por otro lado. Aunque el impulso unitario no existe físicamente.19) δ( t ) = d dt u(t ) δ( t − t o ) = d dt u(t − t o ) (1. y de la Fig. δ(at) es un impulso unitario de área 1/|a|.18) δ( at ) = to 1 | a| δ( t ) para a ≠ 0 ) a | a| En relación con la variable independiente t.

entonces la condición de ortogonalidad es ∫ t2 t1 ∗ x1 ( t ) x ∗ ( t )dt = ∫ x1 ( t ) x 2 ( t )dt = 0 2 t1 t2 (1. se puede tratar δ(t) como una función ordinaria siempre que todas las conclusiones sean basadas en la regla de asignación (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES B→∞ − B lim ∫ B exp(± j2πtf ) df = ∫ ∞ −∞ exp(± j2πtf ) df = δ( t ) (1. comúnmente denominada “doblete”. En consecuencia. Esto proviene del hecho de que la respuesta de un sistema lineal. las condiciones que debe satisfacer son: (a) δ' ( t − t o ) = 0 (b) (c) t≠0 ∫ t2 t1 ∞ δ' ( t − t o ) dt = 0 t1 < t o < t 2 ∫ −∞ x ( t )δ' ( t − t o )dt = − x' (t o ).23) Un grupo de funciones ortogonales que son de gran importancia en el análisis de señales son las funciones sinusoidales de la forma cos(2πnf o t ) y sen (2πmf o t ) en el intervalo . 1. aunque en un sentido estricto la derivada no existe. en efecto. él es de gran aplicación en el análisis de sistemas lineales. Esto lo veremos detalladamente más adelante. porque permite relacionar la entrada con la salida.2.22a) Si las señales x1(t) y x2(t) son complejas. además del empleo del impulso unitario en la representación de señales. si ellas verifican la integral (llamada “producto interno”) ∫ t2 t1 x1 (t)x 2 (t)dt = 0 para x1 ( t ) ≠ x 2 ( t ) (1. ∞ ∫ −∞ x ( t ) y( t )dt = 0 donde x ( t ) ≠ y( t ) (1. se puede definir axiomáticamente especificando un conjunto de condiciones las cuales debe satisfacer.14 I. La ortogonalidad se puede extender a todo el eje t.16).21d) 5. t2). Derivada del Impulso Unitario Es posible definir una función que se puede interpretar como la “derivada” de un impulso. ∫ ∞ -∞ x(t)δ[n] ( t − t o ) dt = (−1) n x [ n ] (t o ) (d) x ( t )δ' (t − t o ) = − x ' ( t o )δ(t − t o ) + x ( t o )δ' ( t − t o ) En general. Esta derivada. cuando la entrada es un impulso unitario. Si el doblete se designa como δ‘(t). Señales Ortogonales Se dice que dos señales x1(t) y x2(t) son ortogonales en un intervalo (t1.5. se puede utilizar para determinar la salida del sistema para cualquiera otra señal de entrada.22b) donde el asterisco indica “conjugado de”. Como se verá más adelante. la respuesta de un sistema a un impulso unitario se puede considerar como otro modelo matemático del sistema. para dos señales x(t) e y(t).

1. fase y frecuencia dadas. En consecuencia. Por consiguiente. para f = f o .3. como se muestra en la Fig. Este espectro consta de dos gráficos: uno de Amplitud vs .24) Esta es la “representación fasorial” porque el término dentro de las llaves se puede ver como un vector rotatorio (fasor) en un plano complejo cuyos ejes son las partes real e imaginaria. EL DOMINIO DE LA FRECUENCIA Las señales eléctricas utilizadas en los sistemas de comunicación están representadas generalmente en el dominio del tiempo donde la variable independiente es t. ωo = 2πf o es la velocidad angular en radianes por segundo. Representación Espectral Para introducir la noción de dominio de la frecuencia o espectro. Amplitud A Imag A fo 0 (ω o t + φ ) 0 A cos(ω o t + φ ) (a) Fasor Real Fase fo φ f f fo 0 (b) Espectro de Líneas Unilateral Fig. con ⎣ ⎦ m y n eneros distintos de cero. generalmente señales sinusoidales.14. 1. 1. puede decirse que ella está formada por un conjunto de componentes en el dominio de la frecuencia. Los tres parámetros necesarios para especificar un fasor son entonces la amplitud A.14(a). la fase φ y la frecuencia rotacional o cíclica fo. que se denomina “espectro de líneas”. con una amplitud. aunque una señal existe físicamente en el dominio del tiempo. 1. El ángulo φ es la fase o desfase con respecto al eje real o con respecto a t = 0 en el eje t. consideremos la señal sinusoidal x ( t ) = A cos(2πf o t + φ ) .15 I. que se puede escribir en la forma x ( t ) = Re{A exp[ j(ω o t + φ )]} = Re{A exp( jφ ) exp( jω o t )} donde ω o = 2πf o (1. Esto quiere decir que una señal temporal se puede considerar como constituida por un número de componentes de frecuencia. 1. El fasor de longitud A gira en el sentido contrario a las agujas del reloj a una velocidad de fo revoluciones por segundo. Pero en el análisis de sistemas de comunicación es imperativo describir las señales en el dominio de la frecuencia donde la variable independiente es f. denominado el “espectro” de la señal. fo Estas señales las encontraremos más adelante al estudiar las Series de Fourier.14(b).1. Asimismo. 2 ⎥ . se puede asociar tanto la amplitud A como la fase φ con este valor particular de f en la forma mostrada en la Fig. Fasor y Espectro de Líneas Unilateral. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ⎡ T T⎤ ⎢− 2 . En el dominio de la frecuencia el fasor está definido para un valor particular de la frecuencia. m ≠ n y T= 1 .3. por ejemplo.

es decir. Ima fo A/2 A/2 Amplitud A/2 f (ω o t + φ ) Real 0 −f o −f o 0 Fase fo φ f A cos(ω o t + φ ) − (ω o t + φ ) A/2 0 −φ fo fo (a) Fasores Conjugados Fig. En la representación espectral de señales se utilizarán algunas convenciones y notación que se pueden resumir en lo siguiente: (a) Los ángulos de fase se medirán respecto al coseno. El espectro de líneas de la Fig. que veremos en el Capítulo VI. Esto es consecuencia directa de la representación en fasores conjugados. como se verá al avanzar en el texto. mientras que la Fase tiene simetría impar. excepto en el caso particular al analizar los sistemas de modulación angular. se muestra en la Fig.14(b) está definido solamente para frecuencias positivas y por ello se le llama “espectro de líneas unilateral”. según la aplicación. El espectro bilateral.16 I. se puede escribir 2 exp( jφ ) exp( jω o t ) + A 2 exp(− jφ ) exp(− jω o t ) (1. Fig. (b) Espectro de Líneas Bilateral El correspondiente espectro de líneas bilateral.15(a): dos fasores de amplitud A/2 que giran en sentidos opuestos a velocidades de fo revoluciones por segundo. 1. 1. respecto al eje real positivo del diagrama fasorial. puesto que incluye frecuencias negativas. A partir de la ecuación de Euler. 1. La representación correspondiente se muestra en la Fig.25) que es la representación en “fasores conjugados” puesto que los dos términos de x(t) son conjugados entre sí. (b) Los ángulos de fase se expresarán en radianes o en grados.15. En este texto la tendencia será la de expresar los ángulos siempre en radianes. Nótese que la Amplitud tiene simetría par.15(b). 1. cos(θ) = x ( t ) = A cos(ω o t + φ ) = A 2 1 [exp( jθ) + exp( − jθ)] . . 1. Las señales seno deberán convertirse en cosenos mediante la identidad sen(ωt ) = cos(ωt − π / 2 ) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Frecuencia y el otro de Fase vs Frecuencia. Pero esta representación se puede extender a todo el eje f de la manera siguiente. tiene muchas ventajas respecto al espectro unilateral y por ello lo utilizaremos exclusivamente. siendo ambos necesarios para representar sin ambigüedades en el dominio de la frecuencia un fasor definido en el dominio del tiempo.15(a).

cuando aparezcan signos negativos. es indiferente que se tome el signo (+) o el signo (− ) . como se muestra en la Fig. entonces x(t) = A. una componente continua ±A se representa en el dominio de la frecuencia como una línea de amplitud ±A a la frecuencia f = 0 (en el origen). las líneas del espectro se acercan al origen. Esto lo justificaremos posteriormente. en el dominio de la frecuencia un filtro se puede representar mediante un gráfico Ganancia vs Frecuencia. En efecto. Esta es una descripción en el dominio de la frecuencia y por lo tanto se puede asociar con la noción de espectro. Filtro Amplitud A4 Ganancia k f -B 0 B (a) Filtro Pasabajo −f 4 −f 3 −f 2 −f1 0 f1 f 2 f 3 (b) Espectro a la entrada del filtro kA 1 Amplitud kA 1 kA kA 2 2 2 kA o 2 2 2 −f 2 −f1 0 f1 f 2 f (c) Espectro a la salida del filtro Fig. cero. por definición. sino también en qué proporción.17 I. Por ejemplo. los gráficos de Amplitud y Fase son necesarios para describir completamente una señal sinusoidal.16(a) para un filtro pasabajo de ganancia (o atenuación) k en la gama de frecuencias | f | ≤ B . sea x ( t ) = A cos(ω o t ) . el módulo del espectro de una señal x(t) será una función par y positiva de f. En efecto. mientras que la fase será una función impar de f. Una componente continua puede describirse también en el dominio de la frecuencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (c) La amplitud de las componentes de frecuencia o de las líneas espectrales se considerará siempre como una magnitud positiva. 1. en este aspecto se puede considerar como una función de distribución en el dominio de la frecuencia. En general. (d) En general. En consecuencia. La cantidad B es la llamada “frecuencia de corte” o “ancho de banda” de este filtro ideal. es más importante que el “espectro de fase”. El espectro de amplitudes muestra el “contenido espectral o frecuencial” de una señal. − A cos(ωt ) = A cos(ωt ± π ). que es un dispositivo que deja pasar solamente aquellas señales cuyo contenido espectral está dentro de su banda de paso. si f o = 0. 1.16 2 A3 A2 2 2 A1 2 A1 2 Ao A2 2 A3 2 A4 2 f4 f . Esto significa que cuando f → 0. La “fase” de una componente continua será entonces. formando una línea con el doble de amplitud. pues el coseno es una función par. aunque podemos decir que el gráfico Amplitud vs Frecuencia. El lector está familiarizado con el concepto de filtro. que en lo sucesivo llamaremos “espectro de amplitudes”. éstos deberán ser absorbidos en la fase. El espectro de amplitudes no solamente muestra qué componentes de frecuencia están presentes.

1. La señal x T (t ) puede considerarse como la repetición periódica de una señal x(t). ¿cómo podría calcularse la potencia de salida del mismo filtro cuando se le aplica una señal periódica rectangular. Sin embargo.4.26) . algunas veces llamada “señal generatriz o generadora” de x T ( t ). en muchos casos se tiene señales que. 1. 1. la salida del filtro será y ( t ) = kA o + kA 1 cos(ω1 t ) + kA 2 cos(ω 2 t ) cuyo espectro se muestra en la Fig.6 A la entrada del filtro de la Fig.16(b). Definición En la expresión (1. aunque periódicas. 1. Las componentes fuera de banda son rechazadas. por ejemplo? La solución a este problema no es tan evidente y se puede decir que es muy difícil de obtener con los métodos usuales en el dominio del tiempo. SERIES Y ESPECTROS DE FOURIER Hemos visto cómo las señales sinusoidales puras se pueden representar en el dominio de la frecuencia. como se muestra en la Fig. De (1. Por ejemplo. tales como el seno o el coseno.1) se dió la definición de señal periódica que repetiremos aquí con un ligero cambio en la notación.16(a) se aplica una combinación lineal de señales sinusoidales de la forma x ( t ) = A o + A 1 cos(ω1 t ) + A 2 cos(ω 2 t ) + A 3 cos(ω 3 t ) + A 4 cos(ω 4 t ) . Pero. Entonces. 1. así designado en honor del físico francés Jean Baptiste Fourier. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. La correspondiente salida del filtro será y ( t ) = kx (t ) y(t) = 0 para |f| ≤ B (Banda de paso del filtro) para |f|> B (Fuera de la banda de paso del filtro) Cada componente de x(t) comprendida dentro de la banda de paso sale multiplicada por la ganancia (o atenuación) del filtro. en el caso donde f 2 <| B| < f 3 .18 I. una señal periódica está definida mediante la expresión x T ( t) = x T ( t + T) donde T es el período de la señal.16(c). Este es el objetivo del Análisis de Fourier.26) se sigue que para un entero k cualquiera (1. Señales Periódicas Las señales periódicas son de gran aplicación en el análisis de sistemas de comunicación y sería deseable poder representarlas en términos de señales periódicas elementales. son mucho más complicadas que las simples señales sinusoidales. Por ejemplo. como se muestra en la Fig. 1.5 es una señal de este tipo. La correspondiente potencia será < y 2 ( t ) >= k 2 A 2 + k 2 o 2 A1 2 + k2 A2 2 2 ♣ Estos conceptos se generalizarán más adelante.17. para todo t real y para un T positivo. Cuando se aplican señales sinusoidales puras a un filtro cualquiera.4. se puede calcular fácilmente su salida. en cualquier intervalo de duración T. 1. la señal periódica rectangular del Ejemplo 1. en especial la potencia de salida.

si m > n. entonces. Generación de una señal periódica En particular. con a y b dos constantes reales.19 I. la señal y(t) es periódica de período T = (b) y ( t ) = cos(10t ) + cos[(10 + π ) t ]. De aquí. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x T ( t ) = x T ( t + kT) = n =−∞ ∑ x( t − nT) ∞ (1. entonces debe ser posible encontrar dos números enteros m y n tales que ω1 T = 2 πf1 T = 2πm⎫ ω1 f1 m ⎬ = = m y n enteros ω 2 T = 2πf 2 T = 2πn⎭ ω 2 f 2 n La fracción m/n o ω1 / ω 2 debe ser una fracción racional irreducible para que x T (t ) sea periódica. si la señal x T (t ) = cos(ω1 t ) + cos(ω 2 t ) es periódica de período T.27) Aún más. ω1 ω2 = 10 10 + π ⇒ fracción irracional La fracción es irracional. entonces T = n / f2 . x T (t ) ooo -T 0 T ooo t 0 x(t) t (a) Señal Periódica (b) Señal Generatriz Fig. f 2 = 1 / 8π La fracción es racional. en cuyo caso determinar el período. ♣ . Por ejemplo.7 Verificar si las señales siguientes son periódicas. y T (t ) = ax T (t ) + bg T (t ) será también periódica de período T. 1.17 . ♣ Ejemplo 1. El valor más pequeño de m o n determina el período T. 3 4 ω1 4 = ⇒ ω2 3 m = 4. si x T (t ) y g T (t ) tienen el mismo período T. t t (a) y(t ) = cos( ) + cos( ) . f 1 = 1 / 6π . por lo tanto la señal y(t) no es periódica. n = 3 3 f2 = 24 π.

20 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

1.4.2. Series de Fourier

En la ingeniería de las comunicaciones, además de las conocidas señales periódicas seno y coseno, se emplea una gran cantidad de formas de onda periódicas para simular señales físicas, tales como señales rectangulares, diente de sierra, señales rectificadas, señales moduladas, etc., que se pueden representar en el dominio de la frecuencia mediante los métodos que se verán a continuación. Si una señal xT(t) es periódica y satisface ciertas condiciones, se puede representar en el dominio de la frecuencia mediante un número infinito de componentes sinusoidales relacionadas armónicamente (múltiplos de) con la frecuencia fundamental. La amplitud y la fase relativas de cada una de estas componentes están especificadas en el desarrollo en serie de Fourier de xT(t).
Definición

Cualquiera señal periódica xT(t), definida en el intervalo (-T/2, T/2), donde T es su período y que satisface las siguientes condiciones suficientes, se puede desarrollar en Serie de Fourier: 1. xT(t) es periódica, es decir, x T ( t ) = x T ( t + T) 2. xT(t) tiene un número finito de discontinuidades en el intervalo (-T/2, T/2). 3. xT(t) es de módulo integrable en un período, es decir,

T/ 2

− T/ 2

| x T (t )| dt < ∞

(1.28)

Las condiciones 2 y 3 implican que xT(t) es una función acotada en el intervalo (-T/2, T/2). Estas condiciones se conocen con el nombre de “Condiciones de Dirichlet”. La demostración de estas condiciones está fuera de los objetivos de este texto.
La Serie Trigonométrica de Fourier

El desarrollo de xT(t) en Serie Trigonométrica de Fourier tiene la forma

x T (t ) = a o + 2

∑[ a
n =1

n

cos(2 πnf o t ) + b n sen( 2 πnf o t )

]

(1.29)

donde fo = 1/T es la frecuencia fundamental. También, ao = an = bn =

∫ T
1 1

T/ 2

− T/ 2 T/ 2

x T ( t ) dt =< x T (t ) > x T ( t ) cos(2 πnf o t ) dt x T ( t ) sen( 2 πnf o t ) dt

Componente Continua

(1.30) (1.31) (1.32)

∫ T

− T/ 2 T/ 2

∫ T
1

− T/ 2

Las expresiones (1.30), (1.31) y (1.32), conocidas con el nombre de “Fórmulas de Euler”, son los coeficientes del desarrollo en serie trigonométrica de Fourier de (1.29). La deducción de estas fórmulas está fuera de los objetivos de este texto. La expresión (1.29) se puede escribir en la forma polar,

21 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

x T (t ) = a o + 2


n =1

a 2 + b 2 cos( 2 πnf o t − arctg n n a 2 + b 2 =| X n | n n y

bn an

) bn

(1.33)

(1.34) an | X n | es la Amplitud Relativa de las diferentes componentes de frecuencia, y φ n su correspondiente fase. La expresión (1.33) queda entonces en la forma donde podemos definir x T (t ) = a o + 2

φ n = − arctg

∑| X
n =1

n |cos( 2 πnf o t

+ φn )

(1.35)

En las expresiones anteriores se puede observar lo siguiente: 1. ao es la componente continua o valor promedio de xT(t) y puede ser una magnitud positiva, negativa o cero. 2. Si xT(t) es real, entonces a n y b n son reales. En este caso: (a) Si xT(t) es par, es decir, si x T (t ) = x T (− t ) , entonces b n = 0; |X n | = a n ; φ n = 0, y x T (t ) = a o + 2

∑a
n =1

n

cos(2πnf o t )

(1.36)

El desarrollo de Fourier será una serie de cosenos de la forma x T (t ) = a o + 2 a 1 cos(ω o t ) + 2 a 2 cos(2ω o t ) + 2 a 3 cos(3ω o t )+........ 2π donde ω o = 2πf o = T (b) Si xT(t) es impar, es decir, si x T ( t ) = − x T (− t ), entonces a o = 0; a n = 0; π X n = bn ; φ n = − ; y 2 (1.37)

x T (t ) = 2

∑b
n =1

n

sen( 2 πnf o t )

(1.38)

El desarrollo de Fourier será una serie de senos de la forma
x T (t ) = 2 b 1 sen(ω o t ) + 2 b 2 sen(2ω o t ) + 2 b 3 sen(3ω o t )+..........

(1.39)

(c) Si xT(t) no es par ni impar, el desarrollo de Fourier es simplemente el desarrollo directo de (1.29) o (1.35): x T (t ) = a o + 2 a1 cos(ωo t ) + 2 a 2 cos(2ωo t )+ ......+2 b1 sen(ωo t ) + 2 b 2 sen( 2ωo t )+..... x T (t ) = a o + 2| X1 |cos(ω o t + φ 1 ) + 2| X 2 |cos(2ω o t + φ 2 )+............ (1.40)

Estos resultados tienen mucha importancia porque permiten expresar cualquiera señal periódica como una serie de señales sinusoidales, las cuales son mucho más fáciles de manipular por cuanto la derivada y la integral de una señal sinusoidal es otra señal sinusoidal de la misma frecuencia. Además, las distintas componentes de una señal periódica que se obtienen a partir del análisis de Fourier son algo más que un simple artificio matemático: ellas son tan reales como la señal xT(t) misma. Ya volveremos sobre este aspecto al tratar el espectro discreto.

22 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

Como lo que más interesa es la amplitud relativa X n de las diferentes componentes de frecuencia y no los valores individuales de a n y b n , sería mucho más sencillo obtener dicha característica directamente de xT(t). En efecto, esto puede hacerse empleando la forma exponencial de la Serie de Fourier que se verá a continuación.
La Serie Exponencial de Fourier

La Serie Exponencial de Fourier tiene la forma x T (t ) =

n =−∞

∑X
T/ 2

n

exp( j2πnf o t );

fo =

1 T

(1.41)

El coeficiente de Fourier X n , llamado también “Espectro Complejo de Fourier”, viene dado por la expresión Xn =

∫ T
1 1

− T/ 2

x T (t ) exp( − j2 πnf o t ) dt

(1.42)

Se puede desarrollar (1.42) en la forma Xn =

∫ T

T/ 2

− T/ 2

x T ( t ) cos( 2 πnf o t )dt − j

∫ T
1

T/ 2

− T/ 2

x T (t ) sen( 2 πnf o t )dt = a n − jb n

(1.43)

X n es, en general, una cantidad compleja; por lo tanto,
X n =| X n |exp( jφ n )

donde φ n = arg[X n ] y φ n = − arctg( bn an

(1.44) ) , expresiones iguales a la (1.34), donde

y de (1.43),

|Xn |= a 2 + b2 n n

| X n | es la “Característica de Amplitud del Espectro” y

φ n la “Característica de Fase del Espectro”. La expresión (1.41) se puede expresar en la forma dada por (1.35). En efecto, Xo =

∫ T
1

T/ 2

− T/ 2

x T (t ) dt = a o

es la componente continua

(1.45)

Para valores negativos de n, | X − n | =| X ∗ | = a 2 + b 2 n n n y

X − n =| X − n |exp( − jφ − n ) = a n + jb n = X ∗ ; entonces, n φ -n = arctg bn an

Esto implica que X n tiene simetría hermítica [en honor del matemático francés Charles Hermite (1822-1901)], es decir, que | X n | = | X − n | =| X ∗ | n

y

φ n = −φ − n

(1.46)

La expresión (1.41) se puede escribir entonces en la forma x T (t ) = X o +

∑{| X |exp(− jφ
n n =1

n ) exp( − j2 πnf o t ) + | X n |exp( jφ n ) exp( j2 πnf o t )

}

23 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

de donde, o también,

x T (t ) = X o + 2

∑| X |cos(2πnf t + φ
n o n =1

n)

(1.47a) (1.47b)

x T ( t ) = X o + 2| X1 |cos(ω o t + φ 1 ) + 2| X 2 |cos(2ω o t + φ 2 )+...........

Esta expresión permite el desarrollo en serie de una señal periódica xT(t) , tal como se hizo para las expresiones (1.35), (1.36) y (1.38). Su interpretación en el dominio de la frecuencia se ofrecerá en la siguiente sección. ♣ Ejemplo 1.8. Desarrollo en Serie de Fourier de una Señal Rectificada de Onda Completa Sea la señal rectificada de onda completa de la Fig. 1.18 donde

x T ( t ) = 110 2 cos( 2 π60t ) en T
El período T se obtiene a partir de T cos( 2 π60 ) = 0 , de donde 2 120π T= 1 120 T 2 = π 2 . De aquí,

x T (t )

A

-T -T/2 0

t T/2 T

Fig. 1.18. Señal Rectificada de Onda Completa.

; f o = 120 Hz; A = 110 2 x T ( t ) = 110 2 cos(120πt ) para Xn = a n y 1 240 <t≤ 1 240

Entonces,

x T ( t ) es par;
Xn =

φ n = 0. De (1.43),

2A 1/ 240 cos(120πt) cos(240πnt)dt T ∫0

Integrando y reemplazando valores numéricos

Xn = Xo =

220 2 (−1) n +1 para todo n ; φn = 0 π(4n 2 − 1) 220 2

= 99,035. El desarrollo en serie de Fourier de la señal rectificada de onda π completa será, de (1.47), 2 2 2 ⎡ ⎤ x T ( t ) = 99,035⎢1 + cos( 240πt ) − cos(480πt ) + cos(720πt )−.........⎥ ⎣ ⎦ 35 15 3 ♣

En general, la resolución de la integral de X n , expresión (1.42), es una operación laboriosa. Sin embargo, mediante la utilización de computadoras digitales se puede calcular rápida y eficientemente los coeficientes de Fourier (En este texto utilizaremos el programa MATHCAD para todos los cálculos numéricos). En el APENDICE A el lector encontrará una breve introducción al cálculo numérico de estos coeficientes.

24 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

1.4.3. El Espectro Discreto

El desarrollo en serie de Fourier se puede utilizar para dos clases de señales: (a) Para representar una señal aperiódica x(t) en un intervalo finito, por ejemplo (0, T); en este caso la serie de Fourier converge para una extensión de una señal x(t) fuera del intervalo (0, T), por ejemplo, para x ( t ) = x (t + nT) con n = ±1, ± 2, .... (b) Se puede emplear también el desarrollo en serie de Fourier para representar una señal periódica x T (t ) en cualquier intervalo de interés. Este es el tipo de aplicación de las Series de Fourier de más utilización en ingeniería eléctrica. Pero la interpretación que más nos interesa del desarrollo en serie de Fourier de una señal periódica es que se está descomponiendo la señal en términos de sus armónicas, es decir, sus diferentes componentes frecuenciales. Si x T (t ) es una señal periódica de período T, entonces, de acuerdo con (1.35) o (1.47), ella contiene componentes de frecuencia a las frecuencias armónicas nf o , con n = ±1, ± 2, ....... donde fo = 1/T. El conjunto o colección de estas componentes de frecuencia que conforman x T ( t ) se denomina “Espectro de Frecuencias de x T ( t )” o simplemente “Espectro de x T (t ) ”. En el caso de una señal periódica este espectro es discreto, es decir, es cero para n ≠ nf o , con n = ±1, ± 2,...... El espectro discreto es la representación de una señal periódica x T ( t ) en el dominio de la frecuencia, y, dado el espectro, se puede especificar x T ( t ). Se dispone ahora de dos formas para especificar una señal periódica x T ( t ) : definir x T ( t ) en el dominio del tiempo mediante la descripción (gráfica o analítica) de su forma de onda, o especificar x T ( t ) en el dominio de la frecuencia mediante el espectro de frecuencias. El espectro discreto se representa gráficamente mediante el llamado “Espectro de Amplitudes o de Líneas”, en el cual la amplitud de cada armónica o componente frecuencial se representa con una línea vertical de longitud proporcional a la amplitud de la armónica, y localizada en el eje de frecuencia a las frecuencias ± f o , ± 2f o , ±....... ; es la gráfica | X n | vs nf o para todo n entero. Si x T (t ) contiene una componente continua, ésta se localiza como una línea de amplitud Xo a la frecuencia cero (origen); el espectro de líneas se muestra en la Fig. 1.19(a).
|X1| |Xn | |X o |
0

| X5 |
-5 f o

|X 4 |

| X3 |

|X2 |

|X1|

|X2 | 2f o

| X3 | 3f o

|X4 | 4f o

| X5 |
5f o f

−4fo φ4 −4fo

−3fo −2fo

−f o

fo φn

φ5

(a) Espectro de Amplitudes o de Líneas.
φ3 −3fo

φ2
−2fo

φ1 −f o
0

fo φ1

2f o

3f o φ3

4f o φ4

5f o f

-5 f o

φ2

(b) Espectro de Fase Fig. 1.19. El Espectro Discreto.

φ5

El espectro de líneas es entonces un gráfico de líneas igualmente espaciadas con longitudes proporcionales a las amplitudes de las diferentes componentes de frecuencia contenidas en x T (t ) ,

25 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

como se muestra en la Fig. 1.19(a). Obsérvese también que la fase de cada armónica se puede representar en la misma forma; en este caso se tiene el “Espectro de Fase” que es la gráfica φ n vs nf o para todo n entero, como se muestra en la Fig. 1.19(b). En estas figuras se hace | X − n | =| X n | y φ − n = −φ n . ♣ Ejemplo 1.9. Espectro de una Señal Periódica Rectangular Sea la señal periódica rectangular de la Fig. 1.20(a).

x T (t ) = A

n =−∞

∑Π( t −τnT ) ;
Xn =

T > τ; x T ( t ) es par; X n = a n es real ;
τ/ 2

φ n = 0.

De (1.43),

∫ T
2

0

A cos( 2 πnf o t )dt =

Aτ sen(πnf o τ ) T πnf o τ

Para simplificar la notación, vamos a introducir la llamada “Función Sinc(x)”, Fig.1.20(b), definida en la forma sinc(x ) = sen(πx ) πx (1.48)

La función sinc(..) tiene las siguientes propiedades: 1. 2.

∫ T
1

T/ 2

− T/ 2

exp( ± j2 πft )dt =

∫ cos(2πft )dt = sinc(Tf ) T
2
T/ 2 0

(1.49) (1.50a)

−∞

sinc(ax )dx =

−∞

sinc 2 (ax )dx =
2

1 a

3.

n =−∞

∑sinc(an) = ∑sinc
n =−∞

( an ) =

1 a

(1.50b)

4. sinc(0) = 1;

sinc(m) = 0 para todo m entero ≠ 0

Nótese que los ceros de sinc(x/a) ocurren en los puntos x = na, con n entero ≠ 0 . En algunos textos se utiliza la función Sa (x ) definida en la forma Sa ( x ) = sen( x ) x ; por lo tanto, sinc(x ) = Sa ( πx )

26 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

Utilizando la función sinc(..), el resultado del presente ejemplo se puede expresar en la forma X n = Aτf o sinc( nf o τ ) = También, τ sinc(n ) T T τ τ X o = Aτf o = A ; es el ciclo de trabajo. T T Aτ (1.51)

En la Fig. 1.21(a) se muestra el espectro Xn cuando la señal periódica es cuadrada ( τ = T / 2) , y en (b) y (c) se muestra el espectro de amplitudes Xn para algunos valores del ciclo de f trabajo. Nótese que la envolvente de Xn en (a) es X o sin c( ) . 2f o

τ / T = 0,25

τ / T = 0,25

0

f

0

f

τ / T = 0,167
0 f 0

τ / T = 0,125
f

τ / T = 0,083
0 f 0

τ / T = 0,083
f

( b) T variable, τ fijo

(c) T fijo, τ variable

Fig. 1.21. Espectros de una Señal Periódica Rectangular para diferentes valores de T y τ

En la Fig. 1.21(b) se observa que a medida que T aumenta, manteniendo τ fijo, dos características del espectro cambian también: la separación entre las diferentes componentes discretas de frecuencia y la amplitud de las mismas. El espectro se hace más denso pero de menor

27 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

amplitud a medida que T aumenta. Nótese, sin embargo, que el perfil o “envolvente” del espectro no cambia puesto que él depende de la duración del impulso. Por el contrario, si T es fijo y τ varía, la amplitud del espectro aumenta proporcionalmente a τ y la distancia al primer cero de la envolvente se hace cada vez menor, como se muestra en la Fig. 1.21(c). Nótese que si T/τ es un número entero, a las frecuencias n/τ las componentes serán cero; pero si T/τ es fraccionario, las componentes en n/τ serán distintas de cero. Obsérvese la relación inversa entre el primer cero del espectro o “extensión espectral” y el valor de τ; cuando τ disminuye, la extensión espectral aumenta y viceversa. Obsérvese también que cuando τ = T, el tren de impulsos rectangulares degenera en una constante A. En este caso el espectro constará de una sola línea de amplitud A a la frecuencia cero. ♣ Propiedades del Espectro Discreto Hemos dicho que el espectro discreto posee ciertas propiedades que son muy útiles en la representación espectral de señales periódicas. Esta propiedades son: 1. Las líneas espectrales están igualmente espaciadas en fo, puesto que todas las frecuencias están relacionadas armónicamente con la frecuencia fundamental fo. 2. La componente continua corresponde a la frecuencia cero y es el valor promedio de la señal. En efecto, para n = 0, Xo =

∫ T
1

T/ 2

− T/ 2

x T (t ) dt =< x T (t ) >

(1.52)

Xo puede ser positiva, negativa o cero. 3. Si x T ( t ) es real, el espectro de amplitudes es simétrico (par en nfo) y el espectro de fase es antisimétrico (impar en nfo), es decir, | X n | =| X − n | y φ n = −φ − n (Simetría hermítica) (1.53)

como se muestra en la Fig. 1.19. X n viene dado por (1.42). (a) Si x T ( t ) es real y par, el espectro de amplitudes será enteramente real y la fase será 0 ó ± π. Entonces, de (1.43), Xn = 1 T

T/ 2

−T/ 2

x T ( t ) cos( 2πnf o t )dt =

2 T

∫x
0

T/ 2

T ( t ) cos( 2πnf o t ) dt

(1.54)

(b) Si x T ( t ) es real e impar, el espectro de amplitudes es enteramente imaginario y la π fase será ± . Entonces, de (1.43), 2 1 T/ 2 2 T/ 2 (1.55) Xn = − j x T ( t ) sen( 2πnf o t )dt = − j x T ( t ) sen( 2πnf o t )dt T −T/ 2 T 0

4. Si x T ( t ) tiene un desarrollo en serie de Fourier dado por (1.40) o (1.47), entonces el desarrollo en serie de Fourier de x T ( t ± t o ) será xT (t ± t o ) =

n =−∞

∑X

n

exp[ j2 πnf o ( t ± t o )] =

n =−∞

~ ∑X

n

exp( j2 πf o t )

(1.56)

28 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

~ ~ donde X n = X n exp( ± j2πnf o t o ) ; y de (1.44), X n =| X n |exp[ j( φ n ± 2 πnf o t o )] ~ ~ Por consiguiente, | X n | =| X n | y φ n = φ n ± 2 πnf o t o (1.57) ~ Estas relaciones indican que el espectro de amplitudes | X n | de x T ( t ± t o ) es idéntico al espectro de amplitudes | X n | de x T ( t ). Las frecuencias armónicas son también idénticas, como puede apreciarse en (1.56). Sin embargo, el espectro de fase ha cambiado; en efecto, el desplazamiento en el tiempo de ± to segundos, produce un desfase de ±2πnf o t o radianes en la armónica n-ésima. Un desplazamiento en el tiempo no afecta al espectro de amplitudes, pero sí al espectro de fase en un ángulo o desfase dado.
1.4.4. Espectro de Potencia de Señales Periódicas. Teorema de Parseval

Al desarrollar el espectro discreto de Fourier, se ha demostrado que los espectros de fase y amplitud se relacionan con las fases y amplitudes de las componentes frecuenciales de la señal, formando un conjunto discreto de sinusoides complejas que representan la señal original. La noción de espectro discreto de una señal puede plantearse en una forma más intuitiva si se considera la distribución de la potencia en función de la frecuencia. La relación requerida se encuentra expresando la potencia en el dominio del tiempo y escribiendo luego una expresión equivalente en el dominio de la frecuencia. Puesto que la potencia es un invariante, ella será siempre la misma cualquiera que sea el dominio en que esté representada. De las expresiones (1.5) y (1.6), la potencia normalizada de una señal periódica en el dominio del tiempo es < x 2 ( t ) >= T 1 T

T/2

−T/ 2

| x T ( t )|2 dt =

1 T

T/ 2

−T/ 2

x T ( t ) x ∗ ( t ) dt T

(1.58)

Se puede expresar también la potencia promedio de x T ( t ) en el dominio de la frecuencia calculando la potencia asociada con cada componente de frecuencia. Esto conlleva a la idea de un “Espectro de Potencia de x T ( t )” en el cual se pueda representar la potencia promedio asociada con cada armónica de x T ( t ) ; es la distribución de la potencia en el dominio de la frecuencia. El conjugado x ∗ ( t ) de x T ( t ) es T Reemplazando (1.59) en (1.58), < x 2 (t ) T ⎡ ∞ ⎤ * ⎢ >= x T (t ) X n exp(− j2 πnf o t ) ⎥dt T − T/ 2 ⎢ n =−∞ ⎥ ⎣ ⎦ 1 x* (t) = T
n =−∞

∑X

* n

exp( − j2πnf o t )

(1.59)

T/ 2

=

∞ T/ 2 ⎤ *⎡1 Xn ⎢ x ( t ) exp( − j2 πnf o t ) dt ⎥ = X n X* n ⎦ ⎣ T − T/ 2 T n =−∞ n =−∞

=

n =−∞

∑| X

n|

2

Entonces,

< x 2 ( t ) >= T

∫ T
1

T/ 2

− T/ 2

| x T ( t )|2 dt =

n =−∞

∑| X |
n

2

(1.60)

Esta expresión se conoce con el nombre de “Teorema de Parseval” y establece que la potencia promedio de una señal periódica se puede determinar en el dominio de la frecuencia elevando al cuadrado y sumando las amplitudes de las líneas espectrales. La representación

29 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

| X n |2 vs nf o se conoce con el nombre de “Espectro de Potencia de x T ( t )”. La forma de este espectro es igual a la mostrada en la Fig. 1.19(a) con la diferencia de que las componentes están elevadas al cuadrado. Nótese que no existe el correspondiente espectro de fase. El Teorema de Parseval permite calcular tanto la potencia total de una señal como la distribución de esta potencia en las distintas frecuencias. Obsérvese que el teorema requiere solamente del conocimiento de la característica de amplitud | X n |; la fase no interviene. La importancia del Teorema de Parseval en el análisis de señales y sistemas es que permite determinar la potencia dentro de una gama de frecuencias como, por ejemplo, cuando se quiere determinar la potencia a la salida de un filtro dado. El desarrollo en serie de Fourier expande x T ( t ) en una suma de fasores de la forma X n exp( j2 πnf o t ) y la potencia promedio de cada fasor será | X n |2 , de modo que la potencia promedio total es la suma de las potencias promedio de los fasores componentes, como se puede ver en (1.60). En general, la potencia compuesta de n señales es igual a la suma de las potencias individuales de las señales, siempre y cuando no coincidan las frecuencias de algunas componentes. En este último caso hay que tomar en cuenta los factores de fase correspondientes, pues al sumarse las componentes puede ocurrir interferencia destructiva. Puesto que | X n | =| X − n |, la expresión (1.60) se puede escribir en la forma
2 < x T ( t ) >=

∞ 1 T/2 | x T ( t ) |2 dt = X 2 + 2∑ | X n |2 o T ∫−T / 2 n =1

(1.61)

♣ Ejemplo 1.10.
La señal rectificada de onda completa del Ejemplo 1.8 se aplica a un filtro pasabajo de ganancia unitaria y ancho de banda de 400 Hz. Calcular las potencias de entrada y salida del filtro. Solución Suponiendo que el rectificador no tiene pérdidas, la potencia de la señal rectificada es la misma que la potencia de la señal sin rectificar. Entonces, de (1.9), la potencia a la entrada del filtro es < x 2 ( t ) >= 110 2 = 12100 W T El filtro tiene un ancho de banda de 400 Hz, y como las componentes discretas están separadas en 120 Hz, solamente saldrán las componentes a las frecuencias de 120 Hz, 240 Hz y 360 Hz, es decir, n = 3 componentes más la componente continua. Del teorema de Parseval, la potencia de salida del filtro será < y 2 ( t ) >= X 2 + 2| X 1 |2 +2| X 2 |2 +2| X 3 |2 . Pero, del Ejemplo 1.8, o

|Xn | =
2

220 2 (4 n 2 − 1)π

2

, de donde

< y 2 ( t ) >= 9807,89 + 2179,73 + 87,87 + 16,01 = 12090,62 W El 99,92% de la potencia total de la señal está contenida en las tres primeras componentes más la componente continua. ♣

30 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

♣ Ejemplo 1.11. Distorsión Armónica En general, el comportamiento de un dispositivo se puede caracterizar mediante la Distorsión Armónica, que se define en la forma

Distorsión Armónica % =

Potencia Espuria Potencia Util

∑| X |
n

2

100 =

n= 2

| X 1 |2

100

La potencia útil es la correspondiente a la frecuencia fundamental ( n = 1 ). Por ejemplo, el rizado en un rectificador es una forma de distorsión armónica, pero la expresión que lo define es 2 Factor de Rizado %=

∑| X |
N n n=2

2

X2 o

100

donde N ≥ 2 es un número entero que depende del filtro utilizado y que debe ser lo más pequeño posible. Vamos a calcular el factor de rizado de la señal rectificada del Ejemplo 1.8, si el filtro deja pasar solamente las dos primeras componentes, afectadas, cada una, en un factor 1/n. Del Ejemplo 1.8: X o = 99,03; X1 = 33,01; X 2 = 6,60 Las salidas correspondientes del filtro serán: Yo = X o = 99,03; Y1 = X1 1 = 33,01; Y2 = X2 2 = 3,3 2 (33,01) 2 + 2 (3,3) 2 99,03 100 = 44,37% ♣ En general, la serie de Fourier proporciona un método para descomponer una señal en términos de una suma de señales elementales de la forma exp( j2πnf o t ) . Esta descomposición es de gran importancia en el análisis de sistemas lineales complicados excitados por señales arbitrarias puesto que la respuesta de estos sistemas a señales exponenciales o sinusoidales es fácil de calcular o medir. Hay que recordar que el desarrollo en Serie de Fourier se aplica a señales que son: 1. Periódicas, es decir, que x T ( t ) = x T ( t + T), en cuyo caso la representación es válida para todo t (−∞ < t < ∞) . 2. Aperiódicas, en cuyo caso la representación es válida en un intervalo finito (a, b). La extensión periódica de x(t) se obtiene fuera del intervalo (a, b).

El Factor de Rizado (FR %) será:

FR % =

1) mediante la serie exponencial de Fourier. como se muestra en la Fig. Xn = e exp( jπn ) − e −1 exp( ± jπn ) .5. 1. La representación se efectúa entonces en términos de la llamada Transformada de Fourier que se considera a continuación. A medida que T aumenta. ∞) en términos de un continuo de señales exponenciales. x(t) x T (t ) ooo t ooo t -T 0 T 0 (a) Señal Generatriz Fig. Como el período es T = 2. es decir.22.5. Para desarrollar una representación de x(t). Introducción Si se desea extender la clase de funciones transformables a fin de incluir señales aperiódicas representadas para todo t. pero exp( ± jπn ) = (−1) n . es decir. 1. 1.22(b). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Fig. x(t) es la señal generatriz de x T ( t ) . 1 + jπn ⎣ 2 ⎦ 1 + jπn El desarrollo de x(t) en el intervalo (-1. el intervalo de representación se hace más grande y cuando T es infinito la señal periódica se habrá convertido en aperiódica. Un tipo de descomposición bastante útil es aquella en la cual se representa x(t) mediante un continuo de sinusoides complejas de la forma exp( j2πft ) .22(a). LA TRANSFORMADA DE FOURIER 1.62) . en el intervalo (-∞. de donde 2(1 + jπn ) ( −1) n ⎡ e − e −1 ⎤ ( −1) n senh(1) ⎢ ⎥= Xn = .31 I. 1) será entonces x(t ) = n =−∞ ∑ ∞ ( −1) n senh(1) 1 + jπn exp( jπnt ) ♣ 1. T →∞ lim x T ( t ) = x ( t ) (1. hay que utilizar otro tipo de descomposición para x(t).1. (b) Señal Periódica x T ( t ) es una señal periódica de período T y como tal podrá representarse mediante un desarrollo en serie de Fourier. vamos a postular que x(t) define un ciclo de una señal periódica x T ( t ) . entonces fo = ½ y Xn = ∫ 2 1 t 1 exp( − t ) exp( − j2 πn )dt = −1 2 2 1 ∫ 1 −1 exp[− (1 + jπn ) t ]dt Integrando.12 Considérese el desarrollo de la señal x ( t ) = exp(− t ) en el intervalo (-1.

Por lo tanto. En efecto. en el límite.41). expresión (1. siendo x(t) su correspondiente transformada inversa.69) y simbólicamente mediante la correspondencia x ( t ) ⇔ X( f ) Las expresiones (1. lim x T ( t ) = lim Xn = ∆f = 1 T T →∞ T →∞ n =−∞ ∑X T/ 2 − T/ 2 ∞ n exp( j2πnf o t ) = x ( t ) (1.17).21d). se utilizarán letras minúsculas para las señales en el dominio del tiempo.65) y (1. y las correspondientes letras mayúsculas para sus transformadas.67) y (1. En general.64) quedan en la forma lim x T ( t ) = lim T →∞ T →∞ n =−∞ ∑ X( f ∞ n ) exp( j2πf n t ) ∆f = x(t ) (1. x(t ) = ∫ ∞ −∞ x (τ )δ(τ − t ) dτ = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ exp[ − j2 π (τ − t )f ]df ⎥dτ ⎦ −∞ ∞ .64) . X( f n ) → X( f ).32 I.65) y X( f n ) = ∫ T/ 2 − T/ 2 x T (t ) exp( − j2 πf n t ) dt (1. y x T (t ) → x ( t ) .67) (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La serie de Fourier que representa a x T ( t ) representará también a x(t) en el límite cuando T → ∞ . de (1. se sigue que: ∆f → df .67) y (1.63) donde Si se define: ∫ T 1 x T (t ) exp( − j2 πnf o t ) dt y X(nf o ) = X( f n ) = TX n (1. el límite de la sumatoria cuando la variable se hace continua es una integral.66) se convierten. f n = nf o → f . de (1.68) ∫ −∞ x ( t ) exp( − j2πft ) dt La cantidad X(f) se conoce como la “Transformada de Fourier de x(t)”. Estas operaciones se representan generalmente en la forma X( f ) = { x (t )} o X(f) = TF{x ( t )} y x(t ) = −1 { X(f )} o x ( t ) = TF −1 {X(f )} (1. Por esta razón. Hay otro procedimiento para obtener el par de transformadas (1.68) en el cual se utilizan las propiedades del impulso unitario Delta Dirac. ∫ ∞ −∞ exp(− j2πtf ) df = δ( t ) y de la propiedad de muestreo del impulso unitario. nf o = f n entonces (1. las expresiones (1.66) Cuando T → ∞. respectivamente.68) reciben también el nombre de “Par de Trasformadas de Fourier”.63) y (1. en x( t ) = y X( f ) = ∫ X(f ) exp( j2πtf )df ∞ −∞ ∞ (1.

X(f) es una función compleja de una variable real f y se puede expresar en la forma X( f ) =| X( f )|exp[ jφ ( f )] (1. de todas las componentes de frecuencia que existen para −∞ < t < ∞ . salvo para algunas formas sencillas de x(t) y X(f).67) −∞ x( t ) = ∫ X( f ) exp( j2πtf )df ∞ −∞ Esta segunda forma de deducción del par de Transformadas de Fourier nos parece más artificiosa que la primera forma. El espectro continuo X(f) de x(t) se puede interpretar como la distribución. De todas maneras. el creciente uso de métodos digitales como ayudas computacionales y para aplicaciones en el procesamiento digital de señales. 1. la demostración rigurosa de estas expresiones está fuera de los objetivos de este texto.67) se puede interpretar como una descomposición de x(t) en términos del continuo de funciones elementales { exp( j2πft )} . aunque nosotros utilizaremos siempre MATHCAD.68) (1. x(t ) = ∫ ⎡⎢⎣ ∫ ∞ −∞ ⎤ x (τ ) exp(− j2 πfτ )dτ ⎥ exp( j2 πtf ) df ⎦ −∞ ∞ Definiendo la integral dentro de los corchetes en la forma X( f ) = X( f ) = y también ∫ ∫ ∞ −∞ ∞ x (τ ) exp( − j2 πfτ ) dτ . La cantidad X(f) hace el mismo papel que X n en la representación en Serie de Fourier. la suma de las cuales debe ser cero excepto en el intervalo de existencia de x(t). de difícil resolución en forma analítica. en la cual se considera a las Integrales de Fourier como el límite de la Serie de Fourier cuando el período tiende a infinito. queda x ( t ) exp(− j2πft ) dt (1.2. cuya magnitud viene dada por X( f ) df . MAPLE y otros. .33 I.67) y (1. Puede también utilizarse programas matemáticos como MATHCAD. ha llevado a la definición de una versión discreta de la Transformada de Fourier.5. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Intercambiando el orden de integración.70) donde |X(f)| es el “Espectro Continuo de Amplitudes de x(t)” y φ(f) el “Espectro Continuo de Fase de x(t)”. La cantidad X(f) es entonces el “Espectro Continuo de x(t)”. en general. En el APENDICE A se trata en forma breve algunos métodos para el cálculo numérico de la Transformada de Fourier: la Transformada de Fourier Discreta (DFT) y la Transformada de Fourier Rápida (FFT). Las integrales (1. enfoque que creemos es más significativo. MATLAB. son. El Espectro Continuo La expresión (1. En general. Sin embargo. y X(f)df es el “coeficiente” asociado con la función básica elemental exp(j2πft). en amplitud y fase. y con el cambio de variables τ = t.68).

en consecuencia.23(a). τ reemplazando x(t) en (1. cuya energía no es finita (no es de cuadrado integrable) pero que posee una transformada de Fourier. En particular.13. Se puede determinar la Transformada de Fourier de estas señales mediante la teoría de las distribuciones y el empleo de impulsos unitarios Delta Dirac en las transformadas. Sin embargo. ∫ ∞ −∞ | x (t )| dt < ∞ (1. Puede observarse que X( f ) = τ/2 t 2A sen( 2 πft ) AΠ ( ) exp(− j2 πft ) dt = 2A cos( 2 πft ) dt = −∞ 0 τ 2 πf τ sen(2 πf ) 2 X ( f ) = 2A = Aτsinc (τf ) . 2 πf t f AΠ( ) ⇔ Aτsinc (τf ) = Aτsinc( ) 1/ τ τ ∞ ∫ t x ( t ) = AΠ ( ). es decir. entonces esta transformada y su inversa son unívocas.72) Estas condiciones incluyen también todas las señales de energía. Transformada de un Impulso Rectangular Sea el impulso rectangular mostrado en la Fig. dada una función del tiempo.71) En la Fig. excepto que no es necesario que x(t) sea periódica. hay sólo y solamente una transformada de Fourier de esa función. En efecto. Sin embargo. 1. las señales de energía poseen una transformada de Fourier. τ/2 0 ∫ (1. inversamente.72) Puesto que x(t) es una señal acotada.23(b) se muestra la forma de este espectro. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. como la función escalón por ejemplo.68).72) implica también que ∫ ∞ −∞ | x(t )|2 dt < ∞ (1. 1.34 I. la expresión (1. ♣ Nótese que no todas las señales se pueden desarrollar en un continuo de exponenciales { exp( j2πft )} . Las condiciones necesarias para la existencia de la Transformada de Fourier son las mismas que las dadas para la Serie de Fourier (Condiciones de Diritchlet). . habrá sólo y solamente una función del tiempo correspondiente. es decir. hay un cierto número de señales de gran importancia. dada una transformada de Fourier. si una señal x(t) tiene una transformada de Fourier. la condición suficiente para que x(t) posea una transformada de Fourier es que x(t) sea de módulo integrable.

Nótese también que si x(t) es compleja.67). Las dos descripciones. 2 3. entonces {x(− t )} = X(− f ) . si se sustituye t por -t en (1. Si x(t) es impar. la transformada de su conjugado será entonces {x (t)} = X (−f ) * * (1. entonces X(f ) = 2 x(t ) cos(2 πft )dt 0 ∞ ∫ ∞ (1. en volts por ejemplo.35 I.74b) o también esto implica que X(f) tiene simetría hermítica. que | X( f )| =| X( − f )| =| X∗ (f)| y φ ( f ) = − φ( − f ) (1. correspondiente a una .3.74a) (1. por ejemplo volts/Hz.77) X(f) será enteramente real y la fase será 0 ó ±π. La amplitud. entonces X( f ) = − j2 x( t ) sen(2 πft )dt 0 ∫ (1.5. una forma alterna y equivalente de representación de una señal x(t). entonces X( − f ) = ∫ ∞ −∞ x( t ) exp( j2πft ) dt = X ∗ ( f ) X(f ) = X∗ (−f ) (1. Desarrollando X(f) en la forma X( f ) = ∫ ∞ −∞ x (t ) cos(2 πft )dt − j x (t ) sen(2πft )dt −∞ ∫ ∞ Si x(t) es par.78) π En este caso X(f) será enteramente imaginario y la fase será ± . La Transformada de Fourier tiene las siguientes propiedades: 1. si se sustituye f por -f en (1. puesto que las ordenadas representan la amplitud relativa de una determinada componente de frecuencia.68). de donde x ( − t ) ⇔ X( − f ) (1. se tiene X(0) = x (t )dt −∞ ∫ ∞ (1. Nótese que las dimensiones de X(f) son las de x(t) por unidad de ancho de banda. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.75b) Similarmente.75a) El espectro de amplitudes de una señal real x(t) es simétrico (par en f).76) 2. Si x(t) es real. Propiedades de la Transformada de Fourier de Señales Reales La Transformada de Fourier es.68). mientras que el espectro de fase es antisimétrico (impar en f). Haciendo f = 0 en la expresión (1. es decir.79) La cantidad X(0) representa el área neta bajo la señal x(t). una en el tiempo y la otra en la frecuencia. como ya hemos señalado. o una descripción puede ser más intuitiva en un problema dado. son de gran utilidad en ingeniería porque a menudo una descripción es más fácil de utilizar en una aplicación particular. por lo cual el espectro de señales aperiódicas a veces se denomina “espectro de densidad de amplitudes”.

25(b) y (c). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES cierta frecuencia es infinitesimal y sólo es finita el área de la curva de X(f) comprendida dentro un intervalo de frecuencias dado. se obtiene finalmente X( f ) = Aτ sen 2 (πτf ) (πτf ) 2 = Aτsinc 2 ( τf ) . 1.80) ♣ t f AΛ( ) ⇔ Aτsinc 2 (τf ) = Aτsinc 2 ( ) 1/ τ τ El espectro X(f) se muestra en la Fig. como se muestra en la Fig.36 I. de donde (1. pero Aδ( t ± t o ) ⇔ A exp(± j2πt o f ) Aδ(t ) ⇔ A ∫ ∞ -∞ exp(-jωt)δ(t ± t o )dt = {δ(t ± t o )} (1. El impulso unitario tiene un espectro de amplitud constante para todo f y una variación de fase lineal en f.4. ∫ de donde ∞ −∞ exp(− jωt )δ(t ± t o )dt = exp(± jωt o ). 1.14.24(b). ♣ Ejemplo 1. .81) (1. como veremos en el Capítulo II. expresión (1. Transformada de una Señal Triangular Sea la señal triangular de la Fig. 1. x( t ) = AΛ ( ) = ⎨ τ τ ⎪0 para | t| > τ ⎩ X( f ) = 2 A ∫ (1 − τt ) cos(2πft )dt = 2A∫ cos(2πft )dt − 2τA ∫ t cos(2πft )dt τ τ τ 0 0 τ 0 ⎡ sen(2πft ) 2 A cos(2πft ) t sen(2πft ) ⎤ − [ + ]⎥ X( f ) = ⎢ 2 A 2πf 2 πf τ (2 πf ) 2 ⎦0 ⎣ Reemplazando límites y rearreglando.24(a).82) y para to = 0. Transformada del Impulso Unitario Delta Dirac Considérese la función exp(− jωt ) a la cual se le aplica la propiedad de muestreo del impulso unitario. ♣ Ejemplo 1.17).15. Estas propiedades del impulso unitario son de especial importancia en el análisis de sistemas lineales. ⎧ | t| ⎪A(1 − ) para | t| ≤ τ t Del Ejemplo 1.

Transformadas del Impulso Unitario Delta Dirac. a + j2πf A A exp(−at )u ( t ) ⇔ a + j2πf A 2πf | X(f )| = y φ (f) = -arctg( ) También.16.26(a). De la Fig. 1. Transformada de la Función Signo Esta función no cumple con la condición de integrabilidad absoluta pero su transformada de Fourier se puede determinar mediante límites. considérese la función [ exp(− at )u (t ) − exp(at )u (− t )] .17.37 I.26. de donde Efectuando la integración. x( t ) = A exp( − at ) u( t ) ⇔ X( f ) = ♣ ∫ A exp(−at) u( t) exp(− j2πft)dt −∞ ∞ A X( f ) = .27. 1.83) |X(f)| A x(t) = Aexp(-at)u(t) A/a φ(f ) π 2 0 t 0 (a) (b) f 0 f − π 2 (c) Fig.25. En efecto. Transformada de un Impulso Exponencial Decreciente Sea el impulso exponencial decreciente de la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x ( t ) = Aδ ( t − t o ) φ(f ) A |X(f)| A 0 pendiente = −2πt o f 0 (a) to t f 0 (b) (c) Fig. a→ 0 lim [ exp(− at )u (t ) − exp(at )u (− t )] = sgn(t ) {sgn(t )} = lim {exp(− at )u(t ) − exp(at )u(− t )} a →0 . cuya transformada se calculó en el Ejemplo anterior.26(b) y (c). 1. (1. a a 2 + 4π 2 f 2 que se muestran en la Fig. Transformadas de la Señal x(t) = Aexp(-at)u(t) ♣ ♣ Ejemplo 1. ♣ Ejemplo 1. 1.27. 1. Fig. 1.

la energía en el intervalo (−∞ < t < ∞) es finita.27 ♣ Ejemplo 1.16 y de (1.38 I.4). E= ⎡ ∞ ⎤ X ( f )⎢ x * (t ) exp( j2 πft )dt ⎥df = ⎣ −∞ ⎦ −∞ ∞ ∫ ∫ ∞ −∞ X (f )X * ( f )df = ∫ | X(f )| ∞ −∞ 2 df . por lo tanto. 1. Para señales de energía.15).28 se muestra el par de transformadas del escalón unitario. {sgn(t )} = lim⎢ {sgn(t )} = lim de donde. más bien que el espectro de potencia. 1. a →0 ⎡ 1 jπf − j4 πf a →0⎣ a + − ⎤ ⎥ a − j2 πf ⎦ 1 = 1 jπf (1.84) -exp(at)u(-t) 1 exp(-at)u(t) t 0 -1 a 2 + 4π 2 f 2 A jπf A sgn( t ) ⇔ Fig. Au ( t ) ⇔ δ( f ) + 2 j2 πf ♣ {u(t )} = 1⎡ 1 ⎤ ⎢ δ( f ) + ⎥. el espectro de energía. En la Fig. ♣ 1. Por consiguiente. .6. La energía de una señal x(t) es. La misma clase de resultado es de esperar en el caso de señales no periódicas representadas por sus transformadas de Fourier. 2⎣ jπf ⎦ (1. 2 A A Entonces.18. 1. es la caracterización más apropiada para señales que poseen una transformada de Fourier. Transformada del Escalón Unitario 1 De (1. mientras que su potencia es cero.85) u(t) 1 |U(f)| 1/2 t 0 0 f Fig. TEOREMA DE RALEIGH Hemos demostrado que la potencia total de una señal periódica se puede asociar con la suma de las potencias contenidas en cada componente de frecuencia (Teorema de Parseval). Transformadas del Escalón Unitario.76). DENSIDAD ESPECTRAL DE ENERGIA.28. u ( t ) = [ 1 + sgn(t )] . y del Ejemplo 1. de (1. E= ∫ ∫ ∞ −∞ | x ( t )|2 dt = ∫ ⎡ ∞ ⎤ x * (t )⎢ X ( f ) exp( j2πtf )df ⎥dt ⎣ −∞ ⎦ −∞ ∞ ∫ Intercambiando el orden de integración. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Del Ejemplo 1.17.

que conserva la norma. La cantidad |X(f)|2 se denomina “Espectro de Energía” o “Densidad Espectral de Energía” de la señal x(t).13.19. el Teorema de Raleigh traduce el hecho de que la energía de una señal no depende del modo de representación de la señal. de (1. t AΠ( ) ⇔ X(f ) = Aτsinc(τf ) τ La energía total del impulso rectangular se puede calcular con más facilidad en el dominio del tiempo. también es conocido con el nombre de “Teorema de Plancherel”. En efecto. −∞ ∫ | X(f ) | 2 df (1. Las dimensiones de |X(f)|2 son joules/Hz. |X(f)|2. Sea G x ( f ) la densidad espectral de energía de x(t) G x (f ) =| X( f )|2 (1. El lóbulo principal se muestra sombreado. Puesto que la energía es una magnitud positiva. |X(f)|2df es la energía contenida en un ancho de banda infinitesimal df. Del Ejemplo 1. es decir. 0 La energía contenida en el intervalo de frecuencias | f | ≤ .88).29. y de acuerdo con (1. La energía es un invariante y es la misma así se tenga una representación temporal o una representación espectral de la señal.86). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E= ∫ ∞ −∞ | x (t )|2 dt = ∫ | X(f )| ∞ −∞ 2 df (1.86) Este resultado se conoce con el nombre de “Teorema de Raleigh”. es decir. entonces G x ( f ) es par en f y positiva para todo f [G x ( f ) > 0]. el Teorema de Raleigh dice que en el espacio L2 de las funciones de módulo cuadrado integrable sobre (-∞. Energía de un Impulso Rectangular Se quiere determinar el porcentaje de la energía total contenido dentro del lóbulo principal de la transformada de un impulso rectangular de amplitud A y duración τ. que es el que nos interesa directamente. Este teorema establece que la energía contenida en una señal x(t) es igual al área bajo el cuadrado del módulo de la transformada de x(t). 1. ∞). Estrictamente hablando. este espectro se muestra en la Fig.88) G x (f ) es la distribución de la energía de x(t) en el dominio de la frecuencia. Ex = 2 ∫ τ/2 A 2 dt = A 2 τ joules 1 τ es.39 I. ♣ Ejemplo 1. En el sentido físico.87) E = ∫ G x (f )df = −∞ ∞ ∞ La energía total de x(t) será entonces. la Transformación de Fourier es una transformación lineal isométrica.

1. el lector debe estar atento entonces a la forma como se define el ancho de banda de una señal o de un sistema. la definición del ancho de banda de una señal es una cuestión de convención. casi por inspección.7. Estas y muchas otras preguntas.5% de la energía a la entrada. uno puede preguntarse qué sucede en el dominio de la frecuencia cuando una señal pasa por un integrador. 0 ∫ 1/ τ sen 2 ( πτf ) (πτf ) 2 df 0 y con el cambio de variables pero 2 π EB= 2A 2 τ π ∫ π 0 sen 2 ( x ) 2 dx = A 2 τ 2 π x ∫ π 0 sen 2 ( x ) dx x2 ∫ π 0 sen ( x ) dx = 0. que demandarían laboriosas operaciones si se hicieran a través de las expresiones (1. pueden responderse muy fácilmente mediante la aplicación de las propiedades de la Transformada de Fourier ya vistas. criterio que se utiliza en la transmisión de datos en donde se necesita detectar una “presencia” y no una “forma”.903E x La energía contenida en el lóbulo principal de la transformada de un impulso rectangular constituye el 90% de su energía total. entonces E B = 0. pero a menudo es necesario pasar de un dominio a otro dominio y la resolución de las integrales (1. El lector puede verificar en la misma forma que si B = 1/2τ. y cada definición puede ser más apropiada para una determinada aplicación. se verifica que ax 1 (t ) + bx 2 ( t ) ⇔ aX 1 ( f ) + bX 2 ( f ) (1.903 x2 2 De donde.68). se tendrá el 93%.26(b) se muestra la forma de onda de la salida. y si B = 3/2τ. o cuál es el espectro resultante de una señal que ha sido multiplicada por una señal sinusoidal. Teorema de la Superposición o Linealidad Sea x 1 (t ) ⇔ X 1 (f ) y x 2 (t ) ⇔ X 2 (f ) entonces.903A 2 τ E x = A 2 τ. a la salida del filtro se tendrá el 90% de la energía a su entrada.7.67) y (1. pues permite encontrar algunas relaciones y visualizar algunos aspectos físicos de las señales y sistemas que no son percibidos a simple vista. Esto equivale a decir que si se aplica el impulso rectangular a un filtro pasabajo de ganancia unitaria y ancho de banda B = 1/τ. En la práctica es de gran utilidad estudiar el efecto en un dominio causado por una operación en el otro. como veremos más adelante. En la Fig. ♣ 1. TEOREMAS DE LA TRANSFORMADA DE FOURIER El par de transformadas de Fourier permite la representación de señales tanto en el dominio del tiempo como en el dominio de la frecuencia. 1. y de los teoremas que se estudiarán en esta sección. Por ejemplo. si se aplican algunas propiedades y teoremas que simplifican enormemente las operaciones matemáticas. para cualesquiera constantes a y b. En general.89) . a la salida del filtro se tendrá el 77. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E B = 2A 2 τ 2 ∫ 1/ τ sinc 2 ( τf )df = 2 A 2 τ 2 πτf = x. la salida es parecida a la entrada. pero como E B = 0. 2. Estos distintos valores de B corresponden a diferentes definiciones del ancho de banda de una señal.67) y (1.68) puede hacerse más fácil.40 I.

REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La demostración de este teorema es directa pues la integración es una operación lineal. 1. {x(t + t o )} = X(f ) exp( j2πt o f ) y de la misma forma.to.30(a). ♣ Ejemplo 1.30(b).2. y determinar la transformada total como la suma de las transformadas de las señales individuales. entonces x(t ± t o ) ⇔ X(f ) exp(± j2πt o f ) (1. Este teorema establece entonces que el espectro de la señal retardada en un tiempo to es igual al producto del espectro de la señal original por exp(-j2πtof). un desplazamiento en el dominio del tiempo corresponde a un desfase en el dominio de la frecuencia.7. Demostración: Por definición. En general. 1. . t t x( t ) = AΠ( ) − 2AΛ ( ) τ τ/2 τf X( f ) = Aτsinc( τf ) − Aτsinc2 ( ) 2 Este espectro se muestra. 1. pero sí lo hace experimentar un desfase de (-2πtof) radianes. Este retardo no afecta al espectro de amplitudes original. Teorema de la Traslación o Desplazamiento en el Tiempo Si x(t ) ⇔ X(f ).41 I. Este teorema es muy útil pues permite la descomposición de una señal cualquiera en una combinación lineal de señales cuyas transformadas se conocen o son fáciles de calcular. {x(t − t o )} = ∫ x(t ' ) exp(− j2πft ' ) exp(− j2πt o f )dt ' −∞ {x(t − t o )} = exp(− j2πt o f )∫ x(t ' ) exp(− j2πft ' )dt ' −∞ ∞ {x(t − t o )} = X(f ) exp(− j2πt o f ).20 Calcular y dibujar la transformada de Fourier de la señal de la Fig.90) { x(t − t o )} = ∫−∞ x(t − t o ) exp(− j2πft )dt ∞ ∞ Con el cambio de variables t’ = t . Solución: x(t) se puede expresar en la forma De los Ejemplos 1. en la Fig. La señal x(t − t o ) es una versión de x(t) retardada en to segundos.14. para Aτ = 1.13 y 1.

en los cuales para obtener respuestas a frecuencias elevadas (expansión en frecuencia) se utiliza altas velocidades de cinta (tiempos más cortos o compresión en el tiempo). entonces x(at) es una f expansión de x(t).91) {x(at )} = ∫ {x(at )} = ∞ −∞ x (at ) exp( − j2πft ) dt . algunas veces denominado “Propiedad Escalar de la Transformada de Fourier”.7.4. la invariancia de la energía debe mantenerse siempre. En forma similar. se puede demostrar en forma similar que x ( at ) ⇔ f X( ) | a| a 1 {x(at )} = −1 f X( ) . Si |a| >1.3. entonces Si x(f) es par. y X( )es una compresión de X(f)]. y viceversa. entonces x(at) es la señal x(t) con una escala de tiempo t f comprimida en un factor |a|. Demostración: Supóngase que a > 0. X( ) representa la función X(f) con una escala de a frecuencia f expandida o dilatada en un factor |a| [Nótese que si |a| < 1. Teorema del Cambio de Escala Sea x ( t ) ⇔ X(f ) . entonces x(-t) = ∫ ∞ -∞ X(f' )exp(-j2 πtf' )df' . pero seguimos manteniendo este ejemplo.92b) ∫ ∞ −∞ X( f ) exp( j2πtf )df . El factor de escala 1/|a| asegura que la energía no varía al comprimir o expandir las señales. La transformada de x(at) es x ( at ) ⇔ f X( ) | a| a 1 (1. 1. Una compresión en el dominio del tiempo a corresponde entonces a una expansión en el dominio de la frecuencia. porque es ya un clásico). entonces para una constante real a. y viceversa. Otro ejemplo se tiene en los grabadores de cinta magnética. de donde a a Este teorema.7. Teorema de la Dualidad o Simetría Sea x ( t ) ⇔ X(f ) . Demostración: Como x ( t ) = entonces X( t ) ⇔ x ( − f ) X( t ) ⇔ x ( f ) (1. cuantifica la relación “duración-ancho de banda” entre una función del tiempo y su correspondiente transformada.42 I. Un ejemplo muy elocuente de esta propiedad se observa cuando se toca un disco de 33 rpm en un tocadiscos de 45 rpm (las nuevas generaciones no saben lo que es un disco de 33 o 45 rpm. La voz se escucha muy aguda (expansión en frecuencia) pues la pieza se está tocando en menos tiempo (compresión en el tiempo). Esta propiedad permite decir que una señal que es limitada en el tiempo (existe sólo en un intervalo dado) es ilimitada en frecuencia (existe para todo f). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.92a) (1. Con el cambio de variables t’ = at ∞ ∫ a 1 −∞ x (t ' ) exp(− j2 π f a t ' ) dt ' = f X( ) a a 1 Si a < 0.

finalmente queda x(t ) = 1 1+ t 2 ⇔ X(f ) = π exp(−2 π| f |) ♣ ♣ Ejemplo 1. X( t ) = 2 (2 π )π (2π ) 2 + 4 π 2 t 2 ⇔ x (− f ) = π exp(−2 π|− f |) = π exp(−2 π| f |) Como x(-f) es una función par. se puede reemplazar f’ por t.21 Se desea determinar la transformada de Fourier de la señal x ( t ) = Se conoce el par x ( t ) = A exp( − a| t |) ⇔ X(f ) = 2 aA a + 4π 2 f 2 2 1 1+ t 2 . Del teorema de dualidad o simetría. entonces la expresión (1.81).22. si x ( f ) = x ( − f ) .92) se reduce a {X(t )} = x(f ) ó X(t) ⇔ x(f) La utilidad de este teorema es que permite la generación de un nuevo par de transformadas de Fourier a partir de un par conocido. Transformada de una Señal Sinusoidal El Teorema de Dualidad permite determinar en forma muy sencilla la transformada de Fourier de una señal sinusoidal.15. Entonces. ♣ Ejemplo 1. el dual de la expresión (1. o sea que X(t) ⇔ x(-f) Si x(f) es una función par. es decir. x(− f ) = ∫ ∞ −∞ X( f ' ) exp(− j2πff ' ) df ' A fin de obtener una forma reconocible. {A cos(2πf c t )} = 2 [ δ(f + f c ) + δ(f − f c )] A En consecuencia. obtenido en el Problema de Aplicación 1.23(b). En efecto. X( t ) = 1 4π 2 2(2π)π = 2 = 2 2 2 1+ t 4 π + 4π t (2π) 2 + 4π 2 t 2 que tiene la misma forma de la transformada del par conocido. es A exp(± j2πf c t ) ⇔ Aδ ( f ∓ f c ) Asimismo. . x(− f ) = ∫ ∞ −∞ X( t ) exp(− j2πft )dt . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si se reemplaza t por f en la segunda integral. A cos( 2 πf c t ) = A 2 exp( j2 πf c t ) + A 2 exp(− j2 πf c t ) Tomando la transformada de Fourier del coseno. es decir. Ejemplo 1.43 I.

la señal x(t) se denomina “señal modulante.7. por razones de tipo práctico que veremos más adelante.94) Demostración: {x( t ) exp( ± j2πf c t )} = ∫ x( t ) exp( ± j2πf c t ) exp( − j2πft )dt −∞ ∞ = Por lo tanto. No obstante. si la señal x(t) tiene una frecuencia máxima f m y posee información a transmitir.44 I.93a) (1. Estrictamente hablando. el factor exp( j2πf c t ) no es real y por lo tanto no puede ocurrir en un sistema de comunicación.5 Teorema de la Traslación o Desplazamiento en Frecuencia Si x ( t ) ⇔ X(f ) entonces. para una constante real fc x ( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) (1. Se tiene entonces que {x(t )A cos(2πf c t )} = y de (1. A 2 [ δ(f + f c ) + δ(f − f c )] A 2 (1. este teorema proporciona la base matemática para deducir el principio de la modulación de señales. la frecuencia fc la “frecuencia de portadora” y el producto x ( t )A cos( 2πf c t ) la “señal modulada”. pues generalmente f c >> f m . de capital importancia en los sistemas de comunicación.95) Este resultado.96) . En este contexto. ♣ 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A cos( 2 πf c t ) ⇔ y de la misma forma. consideremos la multiplicación de una señal x(t) por una señal sinusoidal de la forma A cos( 2πf c t ) . la sinusoide A cos( 2πf c t ) la “portadora”. ∫ x(t) exp[− j2π(f ∓ f )t]dt = X(f ∓ f ) −∞ c c ∞ x( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) Teorema de la Modulación La multiplicación de una señal x(t) por el factor exp(j2πfct) equivale a desplazar su transformada de Fourier en la dirección positiva de f en una cantidad fc. ⎧A ⎫ ⎨ [ x( t ) exp( j2πf c t ) + x( t ) exp( − j2πf c t )] ⎬ ⎩2 ⎭ A x ( t ) A cos(2 πf c t ) ⇔ X( f + f c ) + X( f − f c ) 2 [ ] (1. es decir. En los sistemas de comunicación esta condición se cumple siempre.93b) A sen( 2 πf c t ) ⇔ j [ δ(f + f c ) − δ(f − f c )] El espectro de una señal sinusoidal pura de amplitud A y frecuencia fc está formado por dos impulsos de Dirac de área A/2 y centrados en las frecuencias ±f c . sin embargo. el teorema de la modulación es válido para cualquiera señal x(t) y cualquier valor de fc . En efecto. Se puede demostrar en forma similar que A x ( t )A sen( 2 πf c t ) ⇔ j X( f + f c ) − X( f − f c ) 2 [ ] (1. moduladora o modulatriz”. Sin embargo.94). debe cumplirse que f c ≥ f m . un desfase en el dominio del tiempo corresponde a un desplazamiento en el dominio de la frecuencia. se conoce con el nombre de “Teorema de la Modulación”.

Señales cuyo espectro tiene la forma de X c ( f ) .31(b).31. 1.45 I. El ancho de banda de esta señal es B = f m . En este caso x(t) es una “señal pasabajo”. de frecuencia máxima f m . 1. se denominan “señales pasabanda” y su ancho de banda es B = 2 f m . el cual está concentrado alrededor de las frecuencias ±f c . x(t) t 0 X(f) 1 x c ( t ) = x( t ) A cos(ω c t ) t 0 −f m 0 X c ( f ) A/2 fm f −f c (a) Dominio del Tiempo 0 fc 2f m f (b) Dominio de la Frecuencia Fig. Fig. 1. y se desea determinar la energía de la señal modulada x c ( t ) = x ( t ) A cos( 2 πf c t ) ⇔ X c (f ) = De (1. La energía de la señal modulada será entonces Ec = A2 2 Ex ♣ donde E x es la energía de la señal modulante x(t). Fig.31(b). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES El teorema de la modulación se ilustra en la Fig. . es decir. 1. Energía de una Señal Modulada Sea x(t) una señal de energía.31 Teorema de la Modulación. la expresión anterior se puede escribir en la forma Ec = A2 4 ∫−∞ [ | X(f + f c )|2 +| X(f − f c )|2 ] df = A4 ∫−∞ | X(f + f c )|2 df + A4 ∫−∞ | X(f − f c)|2 df ∞ 2 ∞ 2 ∞ pero cada una de las integrales de la derecha es igual a la energía E x de x(t). Ec = A 2 4 [ X(f + f c ) + X(f − f c )] ∫ ∞ −∞ | X c ( f )| df = 2 A2 ∫ ∞ −∞ | X( f + f c ) + X( f − f c )|2 df Si f c ≥ f m .23. es una señal cuyo espectro X(f) está concentrado alrededor del origen y cuya frecuencia máxima es f m . Esta clase de señales se tratará extensamente más adelante.86). En la práctica generalmente se cumple que f c >> f m o f c >> B . ♣ Ejemplo 1.

1. De la Fig.32(a). X(f ) = 1 πf f cos( )Π ( ) B 2B 2B Su correspondiente antitransformada será: x(t) = ∫ 1 πf 2 B πf cos( ) exp( j2πtf )df = ∫ cos( ) cos(2πtf )df 0 −B B 2B B 2B B . τ pero t AΠ ( ) ⇔ Aτ sin c( τf ) τ y por el teorema de la modulación.46 I.32(b) (frecuencias positivas solamente).32(c). 1. 1. Z(f ) = f + fc f − fc ⎤ Aτ ⎡ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ Este espectro se muestra en la Fig. f + fc f − fc ⎤ A Aτ ⎡ ⎢ sinc( 1 / τ ) + sinc( 1 / τ )⎥ = 2 [ δ(f + f c ) + δ(f − f c )] ⎦ τ →∞ 2 ⎣ A A cos(2πf c t ) ⇔ [ δ(f + f c ) + δ(f − f c )] 2 resultado ya obtenido en el Ejemplo 1. (b) Antitransformada de un Espectro Cosenoidal Consideremos el espectro cosenoidal mostrado en la Fig. se puede describir en la forma t z ( t ) = AΠ ( ) cos(2πf c t ). 1. τ →∞ lim Z(f ) = lim En consecuencia. En efecto. Fig. de (1.24. Obsérvese que si la sinusoide fuera de duración infinita ( τ → ∞).32(c). el espectro sería discreto con componentes de frecuencia en ±f c .32(a). conocido con el nombre de Impulso de Radiofrecuencia (RF). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. El impulso de RF. de gran utilización en sistemas de radar y en sistemas de transmisión de impulsos mediante portadora modulada. Transformadas de Impulsos Sinusoidales (a) Transformada de un Impulso de Radiofrecuencia Considérese el impulso sinusoidal de duración τ. Fig. 1.22.21b).

98a) (1.47 I.20) ♣ 1. Si x(t ) ⇔ X(f ). entonces (1. En este caso se tiene que .7. obtenemos h(t) = 4 cos(2πBt) que se muestra en la Fig.98b) d x(t ) ⇔ ( j2πf )X(f ) dt dn dt n x (t ) ⇔ ( j2πf ) n X(f ) x(t ' )dt ' ⇔ x (t ' )dt ' ⇔ ∫ ∫ t −∞ t 1 X( f ) j2πf −∞ 1 1 X(f ) + X(0)δ(f ) si j2 πf 2 Demostración: x(t ) = ∫ ∞ −∞ X(f ) exp( j2 πtf )df .32(d) π(1 − 16B2 t 2 ) Estas transformadas se utilizan para definir filtros de mucha aplicación en la práctica (Ver Ejemplo 2. las transformadas de las señales que son diferenciadas o integradas son importantes.6. 1. d x (t ) = dt ∫ ∞ −∞ X(f )( j2 πf ) exp( j2 πtf )df lo cual implica que d x (t ) ⇔ ( j2πf )X(f ) dt Este resultado se puede extender para la derivada n-ésima mediante diferenciaciones sucesivas dentro del signo integral. En esta aplicación particular. Teorema de la Diferenciación e Integración en el Tiempo La Transformada de Fourier se puede emplear para resolver ecuaciones diferenciales lineales. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Resolviendo esta integral.97b) si X(0) = 0 X(0) ≠ 0 (1.97a) (1.

o sea t →∞ 0 lim x(t ' )dt ' = 0 ∫ t Esto significa que el área bajo x(t) es cero.72). Generalmente. la señal x(t). Si X(0) ≠ 0 . que se pueda aproximar en una forma lineal por tramos. considérese una función g(t) definida por g (t ) = x (t ' )dt ' ⇔ G (f ) −∞ ∫ t d g (t ) = x(t ). es necesario. Asimismo. j2 πf 2 La diferenciación en el dominio del tiempo corresponde a multiplicación por (j2πf) en el dominio de la frecuencia. ∫ t x(t')dt' ⇔ 0 1 X( f ) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES dn dt n x(t ) ⇔ ( j2πf ) n X(f ) En cuanto a la integración en t. que G(f) exista. sobre todo de tipo gráfico. Este teorema permite determinar la transformada de Fourier de una señal cualquiera. Mediante diferenciaciones sucesivas se expresa la señal como suma de señales cuyas transformadas son fáciles de evaluar y luego se aplica el teorema. Una condición. . ⎡ δ( f ) 1 ⎤ 1 1 G (f ) = X(f )⎢ + ⎥ = 2 X(0)δ(f ) + j2 πf X(f ) j2 πf ⎦ ⎣ 2 { x( t )} ⋅ { u (t )} En de donde ∫ t −∞ x (t ' )dt ' ⇔ 1 1 X(f ) + X(0)δ(f ) para X(0) ≠ 0. ∞ −∞ lo cual equivale a X(0) = 0. para que g(t) tenga una transformada de Fourier G(f). En efecto. ∫ x(t )dt = 0. expresión (1. quizás algo más restrictiva que la integrabilidad absoluta. g(t) se puede escribir en la forma g( t ) = ∫ t −∞ x( t ' ) dt ' = ∫ x( t' ) u( t − t' )dt' = x( t) ∗ u( t) ∞ −∞ donde el asterisco denota un producto de convolución. de donde Es evidente que G( f ) = 1 X( f ) o ( j2πf ) y por el teorema de diferenciación en el tiempo. integración en el dominio del tiempo corresponde a división por (j2πf) en el dominio de la frecuencia. como se ilustra en el siguiente ejemplo. se transforma en una suma lineal de impulsos unitarios y la transformada X(f) se obtiene directamente aplicando las propiedades y teoremas apropiados al caso. es decir. por diferenciación sucesiva. es que t →∞ lim g (t ) = 0. entonces g(t) ya no es una señal de energía y la transformada de g(t) incluirá impulsos unitarios de Dirac. j2 πf Sin embargo.48 I. por supuesto. dt ( j2πf )G (f ) = X(f ). Más adelante demostraremos que la transformada de Fourier G(f) del producto de convolución x( t ) ∗ u( t ) es consecuencia.

99) t n x(t) ⇔ x (t ) t (-j2 π ) n df n X(f ) para t ≠ 0 (1.33.33(c).49 I.101) ⇔ − j2π ∫ f −∞ X( f ' ) df ' Demostración: X( f ) = ∫ ∞ −∞ x (t ) exp( − j2 πft ) dt . De la Fig. En la Fig.100) (1.7. 1.14. mediante el teorema de diferenciación en el dominio del tiempo.25 Verificar la transformada de Fourier de la señal triangular del Ejemplo 1. Teorema de la Diferenciación e Integración en Frecuencia Si x ( t ) ⇔ X(f ). x'(t) A A τ [ exp( j2πτf ) + exp(− j2πτf )] − 2 [ cos(2πτf ) − 1] = − 4A τ A τ 2A sen 2 ( πτf ) x(t) x''(t) A τ −τ −τ 0 τ t τ −τ t 0 τ −2 A τ A τ t 0 (a) Señal Triangular (a) Primera − A τ Derivada (c) Segunda Derivada Fig.7.33(a). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1.14. entonces t x(t) ⇔ 1 d (-j2 π ) df 1 X( f ) dn (1. d2 dt 2 x (t ) = A τ [ δ(t + τ ) + δ(t − τ )] − 2 A τ τ A τ δ( t ) Tomando la transformada de ambos miembros ( j2 πf ) 2 X( f ) = ( j2 πf ) 2 X( f ) = de donde X( f ) = Aτsinc 2 (τf ). 1. resultado idéntico al del Ejemplo 1.33(b) y (c) se muestran las dos primeras derivadas de la señal triangular de la Fig. ♣ 1. 1. 1. d df X( f ) = ∫ ∞ −∞ x ( t )(− j2 πt ) exp(− j2 πft ) dt .

⎤ f ⎫ ⎨ AΛ( ) ⎬ exp( − j2πf c t ) ⎥ ⎩ ⎦ t→t−t B ⎭ o pero −1 ⎧ f ⎫ ⎨ AΛ( ) ⎬ = ABsinc 2 ( Bt ) ⎩ B ⎭ x ( t ) = ABsinc 2 ( Bt ) exp(− j2πf c t ) [ ] t →t −t . d df X( f ) = ( − j2π ) { t x(t)} .4) = Π ( f -4 ) 2 pero { x(t − 2 )} f → f − 4 = [ X(f ) exp(− j4πf )] f → f − 4 = X(f − 4) exp[ − j4 π (f − 4 )] f x ( t ) = 2 sin c( 2 t ) ⇔ X (f ) = Π ( ) y 2 por consiguiente. d 2 ⎡ 2t − 4 ⎤ (a) Dada y ( t ) = 2 ⎢ x ( ) exp( j8πt ) ⎥ determinar Y(f) cuando x ( t ) = 2 sinc( 2 t ) . de donde o x ( t ) = ABsinc 2 [ B( t − t o )] exp[ − j2πf c ( t − t o )] . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Por lo tanto. se obtiene t x(t) ⇔ n 1 d [n] (-j2π ) n df [ n ] X( f ) En cuanto a la integración en frecuencia.98a). ⎦ 2 dt ⎣ x( 2t − 4 ⎡ 2( t − 2 ) ⎤ ) = x⎢ = x( t − 2) = 2sinc[2( t − 2)] 2 ⎣ 2 ⎥ ⎦ Y ( f ) = ( j2 πf ) 2 { x(t − 2) exp( j8πt )} = ( j2πf ) 2 { x(t − 2 )} f → f − 4 Y ( f ) = −4 π 2 f 2 X( f − 4 ) exp[ − j4 π ( f − 4 )] X(f . ♣ Ejemplo 1.26. de donde t x(t) ⇔ 1 d (-j2 π ) df X( f ) Por diferenciación sucesiva dentro del signo integral. Aplicaciones de los Teoremas de la Transformada de Fourier En los siguientes ejemplos se utilizan las Tablas de Transformadas del APENDICE C. determinar x(t). se puede aplicar el teorema de dualidad a la expresión (1. obteniéndose x(t ) j2πt x(t ) t ⇔ − X(− f ' ) df ' −∞ ∫ −f y mediante un cambio de variables en la integral. ⎧ −4 π 2 f 2 exp[ − j4 π (f − 4 )] de donde Y ( f ) = ⎨ en el resto ⎩0 (b) Dada X( f ) = AΛ ( x(t ) = [ 1⎧ para 3≤ f ≤ 5 f + fc B ) exp( − j2πt o f ). También. ⇔ ( − j2π ) ∫ f −∞ X( f ' ) df ' para t ≠ 0.50 I.

72)). es conveniente extender el uso de la Transformada de Fourier a señales periódicas.51 I. Es evidente que el espectro de una señal periódica seguirá siendo discreto aún cuando se calcule a partir de la Transformada de Fourier. donde X n . expresión (1. el resultado sería infinito pues las señales periódicas no son de módulo integrable (no cumplen con la condición (1. Aún más. Sea x T ( t ) una señal periódica que se representará mediante su desarrollo en Serie de Fourier x T (t ) = n =−∞ ∑X ∞ ∞ n exp( j2πnf o t ).102) pero del teorema de traslación en frecuencia.68). determinar y(t) . x T (t ) = {exp( j2πnf o t )} = δ(f − nf o ) . fo = ∞ 1 T Su transformada será X T (f ) = ⎤ ⎡ ∞ ⎢ X T (f ) = X n exp( j2 πnf o t ) ⎥ exp(− j2 πft ) dt −∞ ⎢ ⎥ ⎦ ⎣ n =−∞ ∫ ∑ n =−∞ ∑ ∫ Xn ∞ ∞ −∞ exp( j2 πnf o t ) exp( − j2 πft ) dt = n =−∞ ∑X ∞ n {exp( j2πnf o t )} por lo tanto. No obstante. para unificar el análisis.42). espaciados en fo y cada uno de área X n . (1. mediante un proceso de límites se puede representar una señal periódica en términos de la Transformada de Fourier siempre que a esta transformada se le permita incluir impulsos Delta Dirac. Para las señales periódicas dicha información se obtuvo a partir del desarrollo en Serie de Fourier. una señal que contenga una parte periódica y una parte aperiódica. TRANSFORMADA DE FOURIER DE SEÑALES PERIODICAS La Transformada de Fourier surgió de la necesidad de conocer el espectro de una señal no periódica. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (c) Dada Y (f ) = j2 πf exp( − j2 πt o f ) a + j2 πf . de donde ♣ y ( t ) = δ( t − t o ) − a exp[ − a ( t − t o )]u ( t − t o ) 1. Sin embargo. el coeficiente de Fourier. n =−∞ n =−∞ ∑X n exp( j2πnf o t ) ⇔ X T ( f ) = ∑X δ(f − nf n ∞ o) La Transformada de Fourier de una señal periódica es un tren infinito de impulsos unitarios Delta Dirac. . se definió en (1. Y(f) se puede escribir en la forma ⎡d y (t ) = ⎢ ⎣ dt −1 ⎡ ⎤ 1 Y (f ) = ( j2 πf )⎢ ⎥ exp( − j2 πt o f ) ⎣ a + j2 πf ⎦ ⎧ ⎫⎤ 1 ⎨ ⎬⎥ . Es evidente que si se desea obtener la transformada de una señal periódica a partir de la definición. ⎩ a + j2 πf ⎭⎦ t → t − t o pero −1 ⎧ ⎫ 1 ⎨ ⎬ = exp( − at )u (t ) ⎩ a + j2 πf ⎭ d dt [ exp(− at )u (t )] = δ(t ) − a exp(− at )u (t ).8. poseerá un espectro continuo en el que existirán componentes discretas superpuestas sobre él.

103) permite calcular los coeficientes de Fourier del espectro discreto de x T ( t ) a través de la transformada de Fourier de x(t). y(t) 2A A -2T -T τ A t T 2T −τ / 2 0 τ / 2 Fig.34. La “envolvente” de la serie infinita de impulsos es igual a fo|X(f)|. donde . hay que verificar siempre que x(t) esté acotada en T. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES El cálculo de los coeficientes de Fourier se puede simplificar mucho cuando se efectúa a través de la Transformada de Fourier.104) Esta expresión es una forma de la llamada “Fórmula de la Suma de Poisson”. 1. Sin embargo.52 I.27 Calcular y dibujar el espectro de la señal de la Fig.103) X n = f o X( nf o ) = n X( ) = f o X( f )| f = nfo T T donde X(nfo) es la transformada de x(t) evaluada a las frecuencias discretas nfo . pues esta transformada puede ser obtenida con más facilidad pues se dispone de extensas tablas de transformadas de Fourier.105) Es evidente que la transformada de Fourier de una señal periódica es una serie infinita de impulsos de Dirac separados en fo y ponderados por el factor foX(nfo). La expresión (1. ♣ Ejemplo 1. En resumen. donde X(f) es la transformada de Fourier de la señal generatriz. sea x(t) la función generatriz de una señal periódica x T ( t ). x T (t ) = n =−∞ ∑ 1 x(t − nT ) = T n =−∞ ∑ ∞ n t X ( ) exp( j2πn ) ⇔ X T (f ) = f o T T n =−∞ ∑ X(nf ∞ o )δ (f − nf o ) (1. La expresión (1.102) puede escribirse ahora en la forma x T (t ) = ∞ ∞ n =−∞ ∑ ∞ x(t − nT ) = 1 T ∑ X( T ) exp( j2πn T ) n t n =∞ (1. 1. En efecto. Entonces X n se puede escribir en la siguiente forma Xn = o también ∫ T 1 ∞ −∞ x ( t ) exp(− j2 πnf o t )dt = 1 1 T X(nf o ) (1.34 La señal y(t) se puede expresar en la forma y( t ) = x( t ) + x T ( t ) . para una señal periódica xT(t).

36 (b) Transformada del Tren de Impulsos Unitarios. De (1. Fig.28. y de ∞ (1.105). Esta serie periódica se representa en la forma δ T (t ) = n =−∞ ∑δ(t − nT) ∆ o (f ) δT ( t ) fo ∞ La función generatriz de δ T (t ) es x(t ) = δ(t ) ⇔ X(f ) = 1 para todo f 1 ooo -3T -2T -T 0 T 2T ooo ooo t −2fo 3T ooo −fo 0 fo 2fo f (a) Tren de Impulsos Fig.36(a). o o) Y( f ) = Aτsinc( τf ) + Aτf o n =−∞ ∑ sinc( nf τ)δ( f − nf El espectro Y(f) se muestra en la Fig. 1.53 I. Transformada de un Tren de Impulsos Delta Dirac El tren de impulsos unitarios. 1.35.103): Xn = fo = 1 T pues X(nf o ) = 1 para todo n La transformada de Fourier del tren de impulsos de Dirac será.105). 1. de (1. . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x ( t ) = AΠ ( ) ⇔ X(f ) = Aτsinc (τf ) y x T ( t ) = τ t n =−∞ ∑ AΠ( ∞ t − nT ) ⇔ XT (f ) τ Y (f ) = X (f ) + X T (f ). ♣ ♣ Ejemplo 1. es una serie de gran aplicación en el análisis de señales y sistemas.

la cual se muestra en la Fig. El problema ahora es conseguir una expresión explícita que relacione x(t) con S x (f ). ∞ ⎡ ⎤ ⎢1 + 2 δ T (t ) = f o exp( j2 πnf o t ) = f o cos(2πnf o t )⎥ ⎢ ⎥ ⎣ ⎦ n =−∞ n =1 ∑ ∞ ∑ (1. En efecto. Sin embargo. es decir.36(b). 1.105). 1. Fig. . T/2). se puede utilizar el concepto conocido como el “criterio de la señal truncada”. Definición El espectro de densidad de potencia de una señal x(t). ∞ Entonces.5). es decir. tiene como transformada de Fourier otro tren de impulsos de Dirac de período fo y área fo . Muchas señales determinísticas y todas las señales aleatorias pertenecen a esta clase. es decir. DENSIDAD ESPECTRAL DE POTENCIA 1.106b) Un tren de impulsos de Dirac de período T y área unitaria. como se muestra en la Fig. se puede definir un espectro de densidad de potencia para señales cuya energía no está definida. < x 2 (t ) >= ∫ ∞ −∞ S x (f )df (1. y si en el intervalo (− T / 2. δ T (t ) = ∑ δ (t − nT) ⇔ ∆ (f ) = f ∑ δ (f − nf ) = f δ o o o n =−∞ o fo (f ) (1.9.54 I. S x (f ) será una función par y positiva de f para todo f. T / 2) cumple con las condiciones de existencia de la Transformada de Fourier. Puesto que la potencia es una magnitud positiva. se denomina “señal truncada de x(t)”. pero como x(t) no posee una transformada de Fourier X(f).106a) También. S x ( f ) = S x (− f ) y Sx (f ) ≥ 0 para todo f. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ∆ o (f ) = f o n =−∞ ∞ ∑ δ (f − nf n =−∞ ∞ o) = f o δ fo (f ) .37(b).1. de (1. no puede utilizarse una transformada para determinar S x (f ) . 1. representada por S x (f ). Esta transformada X T ( f ) se utilizará para relacionar x(t) con S x ( f ). determinística o aleatoria.9. que no poseen una transformada de Fourier y que fueron definidas mediante la expresión (1. entonces x T (t ) ⇔ X T (f ) . sea x(t) una señal de potencia y sea x T (t ) una parte de x(t) comprendida dentro de un intervalo (-T/2.37(b) (No confundir esta x T ( t ) con una señal periódica de período T).107) La densidad espectral de potencia S x (f ) representa simplemente la distribución de la potencia en el dominio de la frecuencia y sus dimensiones son W/Hz. Introducción De manera análoga al concepto de espectro de densidad de energía. se puede definir partiendo de la premisa de que su integral debe ser la potencia promedio de x(t). La señal x T (t ) . mediante un enfoque determinístico. ♣ 1. A la función δ T (t ) se la conoce también con el nombre de “función peine de Dirac”.

5). < x 2 (t ) >= lim 1 T →∞ T ∫ ⎡ x ∗ (t )⎢ T ⎣ −∞ ∞ ∫ ⎤ X T (f ) exp( j2πtf )df ⎥dt ⎦ −∞ ∞ ⎤ ⎫ ⎪ x ∗ ( t ) exp( j2 πft )dt ⎥df ⎬ T −∞ ⎦ ⎪ ⎭ ∗ La integral dentro de los corchetes es igual a X T (f ) . de (1.109) La cantidad S x (f ) es entonces la “Densidad Espectral de Potencia” de una señal x(t). entonces se puede escribir < x 2 (t ) >= lim pero x T (t ) = T →∞ −∞ ∫ ∞ x T (t ) x ∗ (t )dt T entonces ∫ ∞ −∞ X T (f ) exp( j2πtf )df . para una señal dada existe un solo espectro de densidad de potencia S x (f ). Obsérvese que el espectro de densidad de potencia de una señal retiene solamente la información de amplitud perdiéndose la información de fase. conocida x(t). 1. < x 2 (t ) >= lim 1 T →∞ T ∫ T/ 2 − T/ 2 | x (t )|2 dt = lim 1 T/ 2 x(t ) x∗ (t)dt T →∞ T − T / 2 ∫ Como x T (t ) = x(t ) en el intervalo (− T / 2 . Por consiguiente. Para simplificar la notación. la cual simplemente expresa que x(t) posee una densidad espectral S x (f ) dada y que.37 (b) Señal Truncada La potencia promedio de x(t) es. vamos a representar la relación entre la señal x(t) y su densidad espectral S x (f ) en la forma x(t) ⇒ Sx(f).55 I. T / 2).107).108) Comparando (1.108) con la definición de densidad espectral dada en (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t) x T (t ) t t -T/2 0 T/2 -T/2 0 T/2 (a) Señal de Potencia Fig. mientras que la misma densidad espectral S x ( f ) corresponde teóricamente a un número infinito de señales que difieren entre sí solamente en fase. de donde ∞ ⎡ | X T ( f )|2 ⎤ 1 ∞ ⎢ lim ⎥df < x 2 ( t ) >= lim X T ( f ) X ∗ ( f ) df = T −∞ ⎣ T →∞ T T →∞ T −∞ ⎦ < x 2 ( t ) >= lim 1⎧ ⎪ ⎨ T→∞ T ⎪ ⎩ ∫ ⎡ X T (f )⎢ −∞ ⎣ ∞ ∫ ∞ ∫ ∫ (1. se concluye que S x (f ) = lim | X T (f )|2 T T →∞ siempre que el límite exista (1. . Las unidades de S x (f ) son W/Hz respecto a una resistencia R = 1 Ohm. pudiera determinarse S x ( f ) pero no así lo contrario.

Si x(t) es una señal de potencia. de (1. la integral de la expresión (1. x c (t ) cuya densidad espectral se quiere x c ( t ) = x( t ) A cos(2 πf c t ) donde x(t) ⇒ S x ( f ) . Más adelante. al estudiar las funciones de correlación. S xc (f ) = lim | X cT (f )|2 A2 = lim | X T (f + f c ) + X T (f − f c )|2 T T →∞ T →∞ 4 T T→∞ (1. sobre todo de tipo aleatorio.9. volveremos sobre este tema. Sin embargo. donde x T (t ) ⇔ X T ( f ) . Hagamos entonces x cT (t ) = x T (t )A cos(2πf c t ) cuya transformada es X cT (f ) = A [ X (f + fc ) + X T (f − fc )] 2 T La densidad espectral de potencia S xc ( f ) será. en la práctica nos encontramos con una gran cantidad de señales. para señales que poseen una transformada de Fourier. en consecuencia. Sea entonces.2. y sea la Fig. entonces x c (t ) será también una señal de potencia. 1. de acuerdo con (1.38 se puede observar que los productos cruzados se anulan pues sus términos ocupan bandas de frecuencia diferentes.108) tiende a un valor límite.110a) S xc ( f ) = lim S xc (f ) = lim A2 [ X T ( f + f c ) + X T ( f − f c )][ X T ( − f + f c ) + X T ( − f − f c )] 4T A2 [ X T ( f + f c )X T (− f + f c ) + X T ( f + f c )X T (− f − f c ) + T →∞ 4 T + X T (f − f c )X T (− f + f c ) + X T (f − f c )X T (− f − f c )] Supongamos que x T (t ) es pasabajo.3).109) si X T (f ) es independiente de T. X T (f + f c )X T (− f + f c ) = X T (f − f c )X T (− f − f c ) = 0 de donde X T (f + f c )X T (− f − f c ) =| X T (f + f c )|2 y X T (f − f c )X T (− f + f c ) =| X T (f − f c )|2 . es decir. 1. x c (t ) ⇒ S xc (f ) Sea también x T (t ) la señal truncada de x(t). el concepto de espectro de potencia no tiene significado cuando x(t) posee una transformada de Fourier específica. Teorema de la Modulación para Señales de Potencia Consideremos ahora una señal modulada determinar.38 donde se muestra el espectro XT(f) de x T ( t ) y sus formas desplazadas X T ( f + fc ) y X T ( f − fc ) . que no poseen transformadas de Fourier y para las cuales el concepto de espectro de potencia sí es aplicable.109). 1. es decir. donde f c ≥ f m . el cual. la densidad espectral S x (f ) se hace cero. de frecuencia máxima f m .56 I. En resumen. la potencia promedio es cero. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Obsérvese que en la formulación de la expresión (1. Esto ocurre debido a que. En la Fig. siendo x(t) una señal real pasabajo. es simplemente la energía de la señal. cuando T → ∞.

y de frecuencia máxima f m . se verifica que ⎧ x (t )A cos(2πf c t ) ⎫ A2 ⎬ ⇒ S xc (f ) = x c (t ) = ⎨ [ S x (f + fc ) + S x (f − fc )] 4 ⎩ x (t )A sen(2πf c t )⎭ donde S x (f ) es la densidad espectral de potencia de x(t).3. Sin embargo. si x(t) es una señal pasabanda aleatoria (ruido. determinística o aleatoria. ilustrado en la Fig. El “Teorema de la Modulación para Señales de Potencia” se puede enunciar entonces en la forma siguiente: Si x(t) es una señal de potencia pasabajo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES X T (f + f c ) X T (− f − f c ) X T (f ) X T (f − f c ) X T (−f + f c ) f −fc −fm 0 fm fc Fig. que se estudiará en la Sección 1. o una señal aleatoria pasabanda de ancho de banda 2f m y centrada en ± f c . en el desarrollo de (1.110a) aparecerá un producto cruzado de la forma 2X T (f + f c )X T (f − f c ) que será distinto de cero. Sxc (f ) = lim A 2 ⎡ | X T (f + f c ) |2 | X T (f − f c ) |2 ⎤ + ⎢ ⎥ T →∞ 4 T T ⎣ ⎦ (1.11.39. con f c ≥ f m . 1.38 Por lo tanto. (1.110b) La densidad espectral de potencia de la señal modulada será. Las propiedades de incoherencia de las señales aleatorias las veremos en el Capítulo III. Si x(t) es una señal de potencia pasabanda. A2 S xc (f ) = [ S x (f + fc ) + S x (f − fc )] 4 (1. por ejemplo).111) es válida para cualquiera señal x(t) pasabajo de potencia. pues los productos cruzados se anulan.111) La expresión (1. y la expresión (1.112) Este teorema.111) no será entonces válida para señales pasabanda. la expresión (1. . el producto cruzado será siempre cero debido a las propiedades de incoherencia de las señales aleatorias.111) se podrá aplicar entonces a este tipo de señales. se puede demostrar con más facilidad utilizando el Teorema de Wiener-Kintchine.57 I. mediante aplicación de las propiedades de las funciones de correlación. de (1.109). 1.

1 < x 2 ( t ) >= < x 2 ( t ) > c 2 La potencia de una señal modulada es la mitad de la potencia de la señal moduladora.113) Nótese que la información de fase no interviene en el cálculo de la potencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La expresión (1.112) es válida aunque la modulación se realice con un seno. de (1. < x 2 ( t ) >= c ∫ ∞ −∞ S c (f ) df = ∫ [S 4 1 ∞ −∞ x (f + f c ) + S x ( f − f c ) df ] Pero cada una de las integrales de la derecha es la potencia < x 2 ( t ) > de x(t).107). x ( t ) ⇒ S x ( f ) y x c (t ) = x ( t ) cos( 2πf c t ) ⇒ S c (f ) . Entonces. Potencia de una Señal Modulada Sea x(t) una señal pasabajo de potencia.58 I. ♣ . puesto que el seno y el coseno difieren solamente en un factor de fase y por lo tanto tendrán el mismo espectro de densidad de potencia. En general. será utilizada continuamente a lo largo de todo el texto. donde 1 S c (f ) = S x (f + f c ) + S x (f − f c ) .113). f c ≥ f m 4 [ ] La potencia de la señal modulada es. si x c ( t ) = x ( t ) A cos( 2 πf c t + φ ) . con una frecuencia máxima f m . ♣ Ejemplo 1. válida para señales tanto determinísticas como aleatorias.29. Este teorema es de gran aplicación en los sistemas de comunicación para el cálculo de la potencia de señales moduladas y en especial en el cálculo de las relaciones Señal/Ruido (S/N). de donde. que modula una señal sinusoidal de amplitud unitaria y frecuencia fc . La expresión (1. entonces A2 2 < x 2 (t ) c >= < x 2 (t ) > (1.

En forma similar. Todo depende de la aplicación particular considerada y conviene entonces definir la duración de la señal y su ancho de banda de la manera más apropiada a la aplicación en cuestión. es un caso particular del “principio de incertidumbre” entre una señal y su correspondiente transformada de Fourier (Una discusión de este principio está fuera de los objetivos de este texto). ella debe ser tomada en cuenta. desde un punto de vista práctico. {x(t )} = 0 para B < |f| En este caso se dice que x(t) es una señal de “banda limitada B”. τ τ De la misma manera. aún si la señal está inmersa en ruido. x ( t ) = 0 para t < t 1 y t > t2 En este caso se dice que x(t) es una señal “limitada en el tiempo”. Sin embargo. por el ruido que siempre está presente. Algunas veces se puede considerar que la señal es despreciable aún antes de alcanzar el umbral del ruido. para dos constantes t 1 < t 2 . mientras que en otros casos. una señal cuyo espectro se extiende hasta el infinito (existe para todo f). tiene la propiedad de que. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. y lo mismo se puede decir de su ancho de banda. La imposibilidad de que una señal sea limitada simultáneamente en frecuencia y en el tiempo. una señal de duración infinita (existe para todo t) tiene un espectro contenido dentro de una banda de frecuencias B. en general. a la vez. se puede decir que la señal es despreciable. . Una manera conveniente de relacionar B y τ en forma explícita. es decir.114b) El ancho de banda y la duración definidos así tienen poco valor práctico pues B y τ no aparecen en forma explícita y es necesario resolver las integrales. limitada en banda y limitada en el tiempo.19 cuando demostramos que el ancho de 1 t banda B = de un impulso rectangular Π( ) contenía el 90% de la energía total del impulso. RELACION ENTRE EL ANCHO DE BANDA Y LA DURACION DE UNA SEÑAL De acuerdo con la propiedad escalar de la Transformada de Fourier. si el valor de una señal decrece más allá de cierto límite.10. Este límite está determinado.114a) Esta definición la utilizamos en el Ejemplo 1.59 I. El ancho de banda B se puede definir entonces a partir de la expresión ∫ B −B | X( f )|2 df = ∫ 100 p ∞ −∞ | X( f )|2 df (1. consiste en definir la duración τ de una señal como el tiempo que duraría un impulso rectangular que tuviera la misma amplitud máxima y la misma área bajo el módulo de la señal. En algunos casos se puede definir el ancho de banda B de una señal x(t) como la gama de frecuencias en la cual está contenido un p% de la energía total de la señal. El problema de la duración de una señal es finalmente una cuestión de convención. es decir. la duración τ de una señal x(t) se puede definir a partir de la expresión ∫ τ/ 2 −τ/ 2 x 2 ( t ) dt = ∫ 100 p ∞ −∞ x 2 (t )dt (1. Una señal no puede ser.

Ancho de Banda de un Impulso en Coseno Elevado Sea el impulso en coseno elevado mostrado en la Fig.40 (a) y (b).60 I. 2 BX(0) = ∫ ∞ −∞ | X( f )| df ≥ X(f )df = x ( 0) −∞ ∫ ∞ (1.116) se obtiene el par de desigualdades de donde y en general. para el ancho de banda B.41(a). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES τ x(0) = ∫ ∞ -∞ |x(t)|dt ≥ x(t)dt = X(0) -∞ ∫ ∞ (1. 1. En el caso de señales pasabanda.117) (1.118) = x (0) 2 X( 0) Bτ ≥ 1 1 o B≥ 2 2τ La expresión (1. respectivamente.115) Igualmente. 1.40 De (1. |x(t)| x(0) |X(f)| X(0) t f -B 0 (b) −τ / 2 0 τ / 2 (a) B Fig.117) es la relación “duración-ancho de banda” para señales pasabajo. 1. Esto lo justificaremos más adelante al estudiar el concepto de señal analítica. Esto es así puesto que el espectro aparece centrado en las frecuencias ± f c y se puede considerar como una traslación del espectro pasabajo hacia las frecuencias ± f c . el correspondiente ancho de banda se define como el doble del ancho de banda en pasabajo.116) Estas definiciones se ilustran en la Fig.30. ♣ Ejemplo 1. B≥ 1 2τ x(0) x( 0 ) 1 ≥ y 2B ≥ X(0) X( 0 ) τ (1.115) y (1. .

pero aplicado a un sistema (Filtros de Nyquist). el ancho de banda B del impulso en coseno elevado es B≥ x (0) 2 X(0) = A 2 Aτ / 2 = 1 τ El impulso en coseno elevado es de gran aplicación en la transmisión de impulsos en banda de base. como veremos en el Capítulo V.117). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t ) = pero A A⎡ t ⎤ t A t A t t ⎢1 + cos( 2 π ) ⎥Π( ) = Π( ) + Π( ) cos( 2 π ) ⎣ ⎦ τ 2 2 2 τ τ τ τ t Aτ f sinc( Π( ) ⇔ ) . X( f ) = Aτ sinc( τf ) 2 1− τ 2 f 2 De (1. y del teorema de la modulación. surgidas de la teoría moderna de la información. Introducción En muchas aplicaciones en ingeniería no es suficiente decir que dos señales son similares.11. τ 2 2 1/ τ Aτ 2 sinc(τf ) + Aτ ⎡ f + 1/ τ f − 1/ τ ⎤ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ X( f ) = X (f ) = Aτ sen(πτf ) Aτ ⎡ sen(πτf + π) sen(πτf − π) ⎤ + + 2 πτf 4 ⎢ πτf + π πτf − π ⎥ ⎣ ⎦ Desarrollando y simplificando se obtiene finalmente X(f) se muestra en la Fig.11. Las funciones de correlación. . 1. una descripción completa de ellas se puede obtener mediante un análisis correlativo. la cual se puede utilizar para detectar una señal repetitiva inmersa en ruido. En el Capítulo V se tratará este mismo ejercicio. son muy útiles en el análisis de señales reales tanto determinísticas como aleatorias. Es deseable entonces disponer de una cifra o un conjunto de cifras que nos permitan comparar y cuantificar el grado de similaridad o semejanza entre diferentes clases de señales. Por ejemplo. en general uno desea saber cuán similares son esas señales. o para medir una banda particular de frecuencias de una señal. si un proceso físico produce diferentes señales del tiempo. que se utiliza para comparar dos señales (que pueden estar perturbadas por ruido) a fin de determinar algún tipo o grado de similaridad entre ellas. FUNCIONES DE CORRELACION 1.1.61 I. y esto se puede lograr mediante las llamadas “Funciones de Correlación”. ♣ 1.41(b). Esta forma de análisis es muy importante en dos grandes áreas de aplicación: (1) en la “Autocorrelación”. y (2) en la “Intercorrelación”.

Si se efectúa el proceso de multiplicación de ordenadas (de las cuales c 1 y d 1 son un ejemplo) vemos de nuevo que productos positivos tienden a ser cancelados por productos negativos y la suma será pequeña. 1. t t Un buen método para medir la similaridad entre dos señales es multiplicarlas entre sí. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. Si se tuviera que estimar la similaridad entre una señal x(t) y una versión desplazada de ella x(t+τ). El valor máximo de la similaridad se tendrá cuando τ = 0. y luego se suman estos productos a fin de obtener una cifra que es una medida de la similaridad entre x 1 ( t ) y x 2 (t ) . 1. el proceso denominado “autocorrelación”.42. La función de autocorrelación es utilizada ampliamente en la detección y reconocimiento de señales que están inmersas en ruido. En la Fig. es decir. Por ejemplo. Pero si efectuamos el mismo proceso entre las señales x 1 ( t ) y x 3 ( t ) . 1. de manera que cada producto contribuye con un término positivo a la sumatoria y la suma será grande.42. x 1 (t ) a1 a2 t x 2 (t ) b1 b2 t x 3 (t ) x 4 (t ) c1 τ1 d1 Fig. en esencia. .42. y luego sumar los productos durante la duración de las señales. a2 por b2 y así sucesivamente. El valor de la sumatoria es entonces una medida o estimación de la similaridad o semejanza entre dos señales. 1.11.62 I. Autocorrelación Consideremos el conjunto de señales mostrado en la Fig. ordenada por ordenada.42. cuando las señales están superpuestas. Consideremos ahora las señales x 3 (t ) y x 4 ( t ) . para estimar la similaridad entre las señales x 1 ( t ) y x 2 (t ) . Este es. vemos que habrá productos positivos y negativos que tenderán a cancelarse y el valor de la sumatoria será menor puesto que las señales no son idénticas. Un estudio más avanzado de las funciones de correlación está fuera de los objetivos del presente texto. El proceso de autocorrelación proporciona una medida de la similitud. Fig. Ellas son idénticas en forma pero x 4 (t ) está desplazada en un tiempo τ1 respecto a x3(t). Vamos a investigar el grado de similaridad que hay entre ellas.2. x 1 ( t ) y x 2 (t ) son idénticas. semejanza o coherencia entre una señal dada y una réplica de ella desplazada en un tiempo τ variable. puede esperarse que la sumatoria resultante tenga valores cada vez más pequeños para valores crecientes del desplazamiento τ. se multiplican las ordenadas a1 por b1 .

por ejemplo.43(a) representa la función de autocorrelación típica de una señal. esta transformada estará relacionada en alguna medida con el contenido espectral de x(t). si x(t) es compleja.119) Si x(t) es periódica de período T. en cuyo caso.120) En general. la “Función de Autocorrelación” de una señal real x(t) de potencia se define en la forma R x ( τ) = lim 1 T→∞ T ∫ T/ 2 −T/ 2 x( t ) x( t + τ )dt =< x( t ) x( t + τ) > (1. característica ésta propia de las señales aleatorias como. . el ruido blanco que estudiaremos en el Capítulo II. Esto nos induce a pensar que si la función de autocorrelación posee una transformada de Fourier. la variable τ juega el papel de un parámetro de exploración o búsqueda.43. R x (τ ) R x (τ ) τ Fig. Un examen más atento del proceso de correlación nos muestra que la función de autocorrelación R x ( τ ) es una medida de la rapidez de variación de una señal x(t). R x ( τ) = 1 T ∫ T/ 2 −T/ 2 x( t ) x( t + τ) dt (1. la función de autocorrelación está comprimida en el dominio de τ si x(t) tiene componentes de alta frecuencia. La forma mostrada en (b) representa una señal que no tiene ninguna relación entre dos puntos infinitamente cercanos. R x (τ ) = ∫ ∞ −∞ x (t ) x ( t + τ ) dt = x ( t − τ ) x ( t )dt −∞ ∫ ∞ (1. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Definición En términos más formales. y extendida en el dominio de τ si x(t) contiene solamente componentes de baja frecuencia. La función de autocorrelación se puede definir también para señales de energía. para x(t) real.122) Esta integral se conoce con el nombre de “Integral de Correlación de x(t)”. R x ( τ ) =< x ( t )x ∗ (t + τ ) >=< x ∗ ( t )x (t + τ ) > (1. En (c) se muestra la función de autocorrelación de una señal constante en el tiempo. 1.121) En estas definiciones. En efecto. R x (τ ) τ (c) 0 (a) 0 (b) τ 0 La Fig. esta correlación no tiene sentido físico.63 I. 1. En la Fig.43 se muestra la función de autocorrelación de tres señales de potencia diferentes.

En efecto. si x(t) es periódica de período T. y < x o ( t ) >= 0. dividiendo por T y tomando el límite T→ ∞. para τ = 0.64 I. En efecto. entonces R x ( τ ) será también periódica con el mismo período. En el Capítulo III. entonces se puede escribir x(t) en la forma x ( t ) = b o + x o ( t ) . sino en la densidad espectral de potencia S x ( f ) de x(t). entonces R x ( τ ) poseerá una componente continua de valor igual al cuadrado del valor promedio de x(t). Si el valor promedio (componente continua) de x(t) es distinto de cero. 0 ≤ [ x ( t ) ± x(t + τ )] = x 2 (t ) ± 2x(t)x(t + τ ) + x 2 ( t + τ ) . La potencia promedio de x(t) es igual a R x (0) .124) 3. Si x(t) es periódica de período T. si < x (t ) >≠ 0. 2 de donde ± 2x(t)x(t + τ ) ≤ x 2 ( t ) + x 2 (t + τ ) Integrando ambos miembros en un intervalo (-T/2. de donde R x ( τ ) = R x ( τ + T) = R x (τ + nT) (1. se calculan algunas funciones de autocorrelación que se utilizan en la caracterización de algunas de las señales digitales que veremos en el Capítulo V. se sigue que R x (τ ) = R x (− τ ) (1. R x ( τ ) =< x ( t )x (t + τ ) > para 0< τ y R x ( τ ) =< x ( t − τ ) x ( t ) > para τ < 0 Como es indiferente que los desplazamientos sean en el sentido positivo o negativo de t.126) 5. donde b o =< x (t ) > es la componente continua de x(t). de donde R x ( 0) ≥ R x (τ ) (1. En efecto. T/2). La función de autocorrelación es una función par de τ. La función de autocorrelación de x(t) será . R x ( 0) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x 2 ( t ) dt =< x 2 ( t ) > (1. ± lim T →∞ ∫ T 1 T/ 2 − T/ 2 2 x (t ) x ( t + τ ) dt ≤ lim 1⎡ ⎢ T →∞ T ⎣ ∫ T/ 2 − T/ 2 x 2 ( t ) dt + ∫ ⎤ x 2 ( t + τ ) dt ⎥ ⎦ − T/ 2 T/ 2 ± 2R x ( τ ) ≤ 2 R x ( 0). Esto se sigue a partir de la desigualdad [válida para x(t) real]. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Demostraremos más adelante que esa relación no está basada en la transformada de Fourier de x(t) pues x(t) no posee una.123) El valor de la función de autocorrelación en el origen es igual a la potencia promedio de la señal x(t). En efecto. 2.125) 4. La función de autocorrelación es máxima en el origen. Propiedades de la Función de Autocorrelación 1. entonces x ( t ) = x ( t + T) = x (t + nT) donde n es un entero ≥ 1 R x ( τ ) =< x ( t )x (t + τ ) >=< x ( t + T )x (t + T + τ ) >=< x ( t + nT )x (t + nT + τ ) > .

para altos valores de τ. Si R x ( τ ) =< x ( t )x (t + τ ) > y R x (τ ) =< x ( t ) x ( t + τ ) > . Si x(t) contiene componentes periódicas. y de la expresión (1.129) son válidas siempre que x(t) no contenga componentes periódicas. si < x ( t ) >= 0. < x o (t ) >=< x o ( t + τ ) >= 0. la transformada de Fourier de R z ( τ ) (que demostraremos más adelante que es su densidad espectral de potencia) deberá tener un espectro idénticamente nulo para f < 0.127).130) donde R z ( τ ) es la función de autocorrelación de z( t ) = x( t ) + jx( t ). es decir. entonces cuando | τ | → ∞. |τ |→∞ lim R xo ( τ ) = 0 . Por lo tanto. entonces. En efecto. entonces |τ |→∞ lim R x ( τ ) = 0 cuando < x ( t ) >= 0 (1. R x (τ ) exhibirá un comportamiento periódico.27) que R x (τ ) = R x (τ ) y R z ( τ ) = 2[ R x ( τ ) + jR x ( τ )] se puede demostrar (Ver (1.127) Esta expresión nos permite investigar el comportamiento de R x (τ ) cuando |τ|→ ∞.128) Esto es así porque cuando | τ | → ∞ . . R x ( τ ) → 0 cuando | τ | → ∞ . las señales x ( t ) y x(t + τ ) son tan disímiles que ellas pierden toda relación y ya no hay correlación entre ellas. aún cuando | τ | → ∞. entonces o o 2 R x (τ ) = b o + R xo (τ ) cuando < x ( t ) >= b o (1. |τ |→∞ lim R x ( τ ) = lim [ b 2 + R xo ( τ )] = b 2 + lim R xo ( τ ) o o |τ |→∞ |τ |→∞ pero. y R x ( τ ) es la transformada de Hilbert de R x ( τ ) . R xo ( τ ) =< x o ( t ) x o (t + τ ) > . Problema de Aplicación 2. Si < x ( t ) >= b o ≠ 0. entonces R z ( τ ) / 2 es la señal analítica de R x ( τ ) . Todas estas propiedades se aplican tanto a señales determinísticas como aleatorias. 6.129) |τ |→∞ lim R x ( τ ) = b 2 o cuando Las expresiones (1. de acuerdo con la Propiedad 4.128). de (1.65 I. de donde < x(t) >= b o ≠ 0 (1. Obsérvese que si z(t) es la señal analítica de x(t). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES R x ( τ ) =< [ b o + x o ( t )][ b o + x o ( t + τ )] > R x ( τ ) =< b 2 + b o x o (t + τ ) + b o x o ( t ) + x o ( t ) x o (t + τ ) > o R x (τ ) =< b 2 > + b o < x o (t ) > + b o < x o (t + τ ) > + < x o ( t )x o ( t + τ ) > o pero < b 2 >= b 2 .128) y (1.

Solamente se calcula R x− ( τ ) . Autocorrelación de una Señal Sinusoidal Sea x( t ) = A cos(ω c t + φ ) .44(a).1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Nótese que la información de fase se pierde en la función de autocorrelación. De la Propiedad 2: x(t) A ooo -T -T/4 0 T/4 T ooo t -T -T/2 0 T/2 T oo τ<0 y R x (τ ) = R x + ( τ ) para 0≤τ R x ( τ ) = R x − ( τ ) + R x + (τ ) para todo τ . ♣ ♣ Ejemplo 1. . ∫ T 1 τ − T/ 2 A dt = 2 A2 T (1 − (τ + τ T 2 )= A2 2 (1 + τ T/ 2 ) para 0 ≤ τ < R x + (τ ) = R x − (− τ ) = A2 2 T/ 2 ).31. combinando estos dos términos se obtiene la señal generatriz R gx (τ ) de R x ( τ ).32. Puesto que x(t) es periódica. Entonces. R x (τ ) = R x− (τ ) + R x− (− τ ) . Entonces. 1. R x (τ ) = cos(ω c τ ) = A2 cos(2πf c τ) 2 El resultado sería el mismo para x ( t ) = A sen(ω c t + φ ) . y para 0 ≤ τ se hace para − T 2 < τ < 0.44 (b) Función de Autocorrelación de x(t) Por consiguiente. o también R x + ( τ ) = R x − (− τ ) R x (τ ) A2 / 2 ooo τ (a) Señal x(t) Fig. R x (τ ) = R x (τ ) = R x (τ ) = A2 T A2 2T A2 2T A2 2 ∫ T/2 −T/ 2 T/ 2 {cos(ωc t + φ ) ⋅ cos[ωc ( t + τ ) + φ]}dt ∫ − T/ 2 { cos[2(ωc t + φ ) + ω c τ ] + cos(ω c τ )}dt cos(ω c τ ) ∫ T/ 2 − T/ 2 dt + A2 ∫ 2T T/ 2 − T/ 2 cos[2 (ω c t +φ ) + ω c τ ]dt pero la segunda integral es cero debido a la periodicidad del integrando. Entonces.66 I. donde φ es un desfase constante. Función de Autocorrelación de una Señal Periódica Rectangular Vamos a determinar la función de autocorrelación de la señal periódica de la Fig. R x ( τ ) = R x (− τ ). τ → − τ en R x − (τ ) . Sea R x ( τ ) = R x − (τ ) para En consecuencia. R x − (τ ) = T 2 .

1. verifica la relación (de la Propiedad 1) R x ( 0) =< x 2 ( t ) >= ∫ ∞ −∞ S x ( f ) df Esta expresión nos dice que la potencia promedio de una señal de potencia.131) se ha elegido una nueva variable τ pues la variable t está ya implícita en la definición de X T ( f ) . Consideremos entonces la densidad espectral de potencia de una señal de potencia.3.67 I. 1.44(b). 1 ∫ T/ 2 −T/ 2 x T ( t ' ) exp(− j2 πft ' )dt ' ⎧ y X ∗ ( f ) = X T (− f ) = T ∞ ∫ T/ 2 −T/ 2 x T ( t ) exp( j2 πft )dt ⎫ {S x (f )} = Tlim T ∫− T/ 2 x T (t )⎨∫− T/ 2 x T (t ' )⎡ ∫−∞ exp[ j2π (t − t '+ τ )f ]df ⎤dt '⎬dt ⎢ ⎥ ⎣ ⎦ ⎭ ⎩ →∞ 1 T/ 2 T/ 2 . la función de autocorrelación. es igual al área de su densidad espectral de potencia.11. Esto nos induce a pensar que entre la función de autocorrelación y la densidad espectral existe una relación muy estrecha que vamos a tratar de determinar. X T (f ) = Rearreglando.nT) = A2 2 n=-∞ ∑Λ⎡⎢⎣ τT-/nT ⎤⎥⎦ 2 ♣ la cual tendrá la forma mostrada en la Fig. entonces. Intercambiando el orden de las operaciones. 1 {S x ( f )} = Tlim T ∫ →∞ 1 ∞ −∞ X T ( f ) X ∗ ( f ) exp( j2πτf )df T Como x(t) es real. es decir. En efecto. además de ser una medida de la semejanza entre una señal x(t) y una réplica de ella desplazada en un tiempo τ . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES R gx (τ ) = A2 ⎡ | τ| ⎤ A 2 τ 1− Λ( ) ⎢ ⎥= 2 ⎣ T / 2⎦ 2 T/ 2 ∞ ∞ La función de autocorrelación de la señal periódica rectangular x(t) será también periódica: R x ( τ ) = R gx ( τ ) ∗ n=-∞ ∑δ(τ . Por transformada de Fourier inversa 1 {S x (f )} = ∫−∞ lim ∞ | X T ( f )|2 T T →∞ exp( j2πτf ) df (1. x ( t ) ⇒ S x (f ) = lim | X T ( f )|2 T T →∞ donde X T (f ) es el espectro de la señal truncada de x(t). igual a Rx (0). Teorema de Wiener-Kintchine Hemos visto que las señales de potencia se pueden caracterizar mediante la densidad espectral de potencia y sería muy conveniente averiguar si hay alguna operación que utilizando las funciones de correlación permita relacionarlas con la densidad espectral de potencia.131) En la expresión (1.

Este teorema establece que la función de autocorrelación y la densidad espectral de potencia forman un par de transformadas de Fourier. La mayoría de las señales en las comunicaciones y en muchas otras áreas de la ingeniería eléctrica son señales de potencia cuyo contenido espectral debe ser bien conocido. de banda limitada B. igual a δ( t − t '+ τ ) . Las relaciones de Wiener-Kintchine demuestran que la función de autocorrelación de una señal contiene solamente aquellas componentes de frecuencia presentes en la señal misma.4. primero se determina la función de autocorrelación R x ( τ ) de x(t). aplicando las técnicas del cálculo numérico de la transformada de Fourier que se dan en el APENDICE A. de donde x T→∞ T − T / 2 ∫ S x (f ) ⇔ R x (τ ) (1. y sea la señal modulada x c ( t ) = x ( t ) A cos(ω c t ) con f c ≥ B . se conoce con el nombre de “Teorema de Wiener-Kintchine” o “Relaciones de Wiener-Kintchine”.2 se demostró el Teorema de la Modulación para Señales de Potencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La integral dentro de los corchetes es. R x ( 0) = ∫ ∞ −∞ x 2 ( t ) dt = E x energía de x(t) (1. Este teorema lo podemos demostrar también utilizando el Teorema de Wiener-Kintchine.132a) Este resultado. de (1.21d). 1. se verifica que x( t ) ⇔ X( f ). donde . Teorema de la Modulación para Señales de Potencia En la Sección 1. En efecto. es decir. la densidad espectral de potencia de x(t). y de la propiedad de muestreo del impulso unitario se obtiene finalmente 1 {S x ( f )} = Tlim ∫ →∞ T/ 2 − T/ 2 x T ( t )x T ( t + τ )dt Como x T ( t ) = x ( t ) en el intervalo (-T/2. Si las señales son de energía. de gran importancia en el análisis espectral de señales. entonces 1 T/ 2 1 {S ( f )} = lim x ( t )x (t + τ )dt =< x (t ) x ( t + τ ) >= R x ( τ ) .68 I. y la importancia práctica del Teorema de Wiener-Kintchine es que las operaciones de cálculo se pueden efectuar en forma muy eficiente y rápida mediante cálculo numérico en computadoras digitales. Sea x(t) una señal pasabajo de potencia.133) G x ( f ) =| X( f )|2 = X( f ) ⋅ X( − f ) ⇔ R x ( τ ) = x( t ) ∗ x(-t) El Teorema de Wiener-Kintchine proporciona un método práctico para la determinación de la densidad espectral de potencia de una señal x(t) cualquiera.9. Esta equivalencia tiempo ⇔ frecuencia es aplicable tanto a señales determinísticas como aleatorias. es decir. y por transformación de Fourier de R x ( τ ) se obtiene S x ( f ) . la función de autocorrelación no depende de la forma de la señal en el dominio del tiempo (pues ha perdido la información de fase) sino de su contenido espectral. R x (τ ) = ∫ ∞ −∞ S x ( f ) exp( j2 πτf )df ⇔ S x ( f ) = ∫ ∞ −∞ R x (τ ) exp(− j2 πfτ ) dτ (1. T/2).11.132b) La deducción rigurosa del Teorema de Wiener-Kintchine está fuera de los límites que nos hemos impuesto.

si R xy ( τ ) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt = 0 para todo τ (1.69 I.2.5.112). En general. la integral correspondiente es cero.134a) donde R x ( τ ) =< x( t ) x( t + τ ) > es la función de autocorrelación de x(t) y R x (τ) ⇔ S x (f ) . La intercorrelación entre dos señales x(t) e y(t) se define en la forma R xy (τ ) = lim T →∞ ∫ T 1 T/ 2 −T/ 2 x ( t )y (t + τ )dt =< x ( t )y (t + τ ) > (1. entonces la función de intercorrelación existirá en un cierto rango de τ . es decir. proporcionando así una medida cuantitativa del grado de similitud o coherencia entre ellas. y que es el Teorema de la Modulación para Señales de Potencia. 1. se dice entonces que las señales son ortogonales. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t ) ⇒ S x (f ) ⇔ R x (τ ) y x c ( t ) ⇒ S xc (f ) ⇔ R xc (τ ) R xc ( τ ) =< x c ( t )x c ( t + τ ) >= A 2 < x (t ) cos(ω c t ) ⋅ x (t + τ ) cos[ω c ( t + τ )] > R xc ( τ ) = R xc (τ) = A2 2 < x ( t ) x (t + τ )[ cos[ωc ( 2 t + τ )] + cos(ωc τ )] > A2 A2 cos(ωc τ) < x ( t ) x ( t + τ) > + < x ( t ) x ( t + τ) cos[ωc (2 t + τ)] > 2 2 Debido a la periodicidad del segundo término. expresión (1. llamada también “correlación cruzada” o “correlación mutua”. La función de intercorrelación contiene información respecto a las frecuencias comunes a ambas señales y a la diferencia de fase entre ellas.11.134b) resultado ya obtenido anteriormente.136b) . la transformada de Fourier de R xc ( τ ) es S xc ( f ) = A2 4 [ S x (f + f c ) + S x (f − f c )] (1. Mediante el Teorema de Wiener-Kintchine.136a) entonces x(t) e y(t) son ortogonales y no habrá ninguna correlación entre ellas. Intercorrelación La intercorrelación. la condición de ortogonalidad total entre dos señales x(t) e y(t) se expresa mediante la integral ∫ ∞ −∞ x ( t )y (t ) dt = 0 (1. < x ( t ) x ( t + τ ) cos[ω c ( 2 t + τ )] >= 0 . de donde R xc (τ) = A2 R x (τ) cos(2πf c τ) 2 (1.5. es decir. Cuando las señales son tan disímiles que aún para τ = 0 la intercorrelación es cero.135) Puede observarse que si entre las señales x(t) e y(t) existe algún grado de semejanza. permite la comparación entre dos señales diferentes pero coherentes. como vimos en la Sección 1.

es decir. se define como la transformada de Fourier de su función de intercorrelación.142) R xy ( τ ) =< x ( t )y (t + τ ) >=< x ( t ) > ⋅ < y ( t ) > pero si < x ( t ) > ó < y(t) > o ambos son cero. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si x(t) e y(t) son periódicas de período T. es decir. se verifica que R xy (τ ) ⇔ S xy ( f ) = 2 fo n=-∞ ∑X ∞ g ( nf o ) Yg ( nf o )δ ( f − nf o ) (1.141) (b) [R x ( 0) + R y ( 0) ] ≥| R xy ( τ )| 3. S xy ( f ) ⇔ R xy ( τ ) (1.139) R x ( 0) ⋅ R y ( 0) ≥| R xy ( τ )| 1 2 (1. entonces R xy ( τ ) = 0.144) . en el dominio de la frecuencia. 1.70 I.140) (1. entonces la ortogonalidad implica no correlación. sin demostrarlas. entonces (1. En cuanto al dominio de la frecuencia. (a) (1. entonces R xy ( τ ) = 0 si x(t) y y(t) son ortogonales (1. La ortogonalidad es una condición mucho más estricta que la no correlación. como puede apreciarse en la expresión (1. es decir.138) La densidad interespectral de potencia suministra.137) Se puede demostrar que la función de intercorrelación resultante es también periódica de períodoT. la función de intercorrelación será R xy ( τ ) = ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt (1. R xy ( τ ) = R yx (− τ ) 2.136b). ortogonalidad implica no correlación. Si x(t) e y(t) son periódicas de período T=1/fo . Si dos señales x(t) e y(t) no están correlacionadas y sus valores promedio son distintos de cero. pero no correlación no necesariamente implica ortogonalidad. algunas propiedades de la función de intercorrelación. la misma información acerca de las señales que la que suministra la función de intercorrelación. Asimismo.143) Nótese que si x(t) o y(t) no poseen una componente continua. Sin embargo. y sus funciones generatrices son x g ( t ) ⇔ X g ( f ) e y g (t ) ⇔ Yg ( f ) . Propiedades de la Función de Intercorrelación A continuación damos. Si < x (t ) >≠ 0 y < y(t) > ≠ 0. 4. si x(t) e y(t) son ortogonales. La función de intercorrelación no es conmutativa. en general. se cumple que su función de intercorrelación es igual al producto de sus valores promedio. la “densidad interespectral de potencia” o “densidad espectral mutua” o “densidad espectral cruzada” de dos señales.

y suponemos que sus valores promedio son cero. Su habilidad para medir cuantitativamente el grado de semejanza o coherencia entre dos señales. es porque la señal x(t) contiene una componente periódica con el mismo período.145) La importancia de esta expresión es que para valores altos de τ la función de autocorrelación de la señal x(t) exhibe un comportamiento periódico del mismo período de p(t). Entonces. < p (t ) >=< n ( t ) >= 0. |τ|→∞ lim R x ( τ ) = R p ( τ + kT) (1. R pn ( τ ) = R np ( τ ) = 0 puesto que < p(t) >=< n(t) >= 0 . . R x (τ ) = R p (τ ) + R n (τ ) Tomemos el límite | τ | → ∞ de esta expresión: |τ |→∞ lim R x ( τ ) = lim R p (τ ) + lim R n ( τ ) |τ |→∞ |τ |→∞ Puesto que p(t) es periódica de período T. R x (τ ) =< x ( t )x ( t + τ ) >=< [ p ( t ) + n ( t )][ p ( t + τ ) + n ( t + τ )] > R x ( τ ) = R p ( τ ) + R n ( τ ) + R pn (τ ) + R np (τ ) Pero de la Propiedad 3 de la función de intercorrelación. La señal x(t) se puede expresar en la forma x(t ) = p (t ) + n(t ) donde p(t) es una componente periódica de período T y n(t) es una señal aleatoria. en especial señales contaminadas con ruido. permite visualizar con más profundidad los fenómenos investigados que si se analizara cada señal por separado. su función de autocorrelación también será periódica de período T para todo τ . pero aquí sólo trataremos la detección de una componente periódica en presencia de ruido. En estos casos las técnicas de correlación tienen una gran importancia. 1. No hay correlación entre p(t) y n(t). como. por lo tanto |τ|→∞ lim R x ( τ) = R p ( τ + kT) + lim R n ( τ ) |τ|→∞ |τ |→∞ pero de (1. Sea una señal x(t) que contiene una componente periódica de período T más una señal aleatoria (ruido) que enmascara completamente la componente periódica. Detección de una Señal Periódica en presencia de Ruido En muchas ocasiones es necesario detectar periodicidades escondidas dentro de otras señales. en el estudio de vibraciones y en muchas otras aplicaciones del Análisis Espectral de Señales. por ejemplo.128). en la detección de señales de radar o de periodicidades en encefalogramas. es decir. en la transmisión de señales digitales. entonces lim R n ( τ ) = 0 . Entonces. si la función de autocorrelación de una señal x(t) cualquiera muestra un comportamiento periódico de período T.11. En general.71 I. Finalmente. como < n( t ) >= 0. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La intercorrelación es muy útil en la descripción del grado de conformidad entre dos señales diferentes en función de su desplazamiento mutuo.6.

Se tiene entonces. comprendemos los conceptos de espectro. Esta primera clasificación comprende las señales determinísticas y aleatorias por un lado. Wiener-Kintchine. sino que también revela la forma o perfil de dicha componente. En el Capítulo II aplicamos estos conceptos a los sistemas lineales. del mismo período que p(t). entonces El objetivo principal de este capítulo es la representación en los dominios del tiempo y de la frecuencia de señales con énfasis en sus aplicaciones en el área de las comunicaciones. de ancho de banda. . Otras técnicas matemáticas. pero es suficiente para comprender los conceptos que se estudiarán en el resto del texto. por ejemplo. 1968] que R xq ( τ) reproduce q( τ) . una señal periódica rectangular es a la vez una señal de potencia y es determinística. la componente periódica de x(t). pues éstas son señales de mucha aplicación en el campo de la ingeniería eléctrica y particularmente en las telecomunicaciones. el desarrollo de modelos matemáticos que representen las señales y sistemas físicos para emprender el análisis de las interrelaciones señales-sistemas. etc. Un estudio más avanzado de estas técnicas está fuera de los objetivos de este texto. de donde R xq ( τ) =< p( t ) ⋅ q( t + τ) >= R pq ( τ) Puesto que los procesos p(t) y q(t) tienen componentes de igual período. RESUMEN < n( t ) >= 0 .12. que nos proveen de las herramientas analíticas necesarias para emprender el estudio de las señales y sistemas en el dominio de la frecuencia.72 I. Asimismo. de sus propiedades y teoremas derivados (Parseval. se establecen modelos para señales periódicas y no periódicas. generado localmente. Dado el carácter introductorio de este texto. R pq ( τ ) tendrá también una componente del mismo período. y es el modelo de una señal de temporización (reloj). tales como la convolución y las funciones de correlación. se puede demostrar [Lathi. y por el otro comprende las señales de energía y de potencia. el Capítulo I es simplemente una muestra de la ingente cantidad de herramientas matemáticas y conceptuales necesarias para un estudio más avanzado de la Teoría de la Comunicación. A partir del Análisis de Fourier. se han definido y aplicado en el análisis espectro-temporal de señales. Por consiguiente. se puede correlacionar mutuamente x(t) con un proceso periódico q(t). El análisis espectral de señales es esencial para comprender muchos fenómenos no perceptibles en el dominio del tiempo. por lo tanto. La mayoría de las señales utilizadas en la práctica corresponde a algunos de estos modelos. R xq ( τ) exhibirá un comportamiento periódico del mismo período que q(t). Este análisis lo enfocamos desde el punto de vista de las Series y Transformadas de Fourier. R xq ( τ) =< x( t ) ⋅ q ( t + τ) >=< [p( t ) + n( t )] ⋅ q ( t + τ ) >=< p( t ) ⋅ q ( t + τ) > + < n( t ) ⋅ q( t + τ) > Como n(t) y q(t) no están correlacionados y además < n( t ) q ( t + τ) >= 0 . de densidad espectral de potencia y energía. Raleigh. Esto quiere decir que este método no sólo detecta la presencia de una componente periódica. El estudio sistemático de los modelos de señales se inicia mediante el establecimiento de una primera clasificación que se corresponda con los fenómenos físicos o señales reales que se observan en la práctica. Si q(t) tiene la forma de un tren de impulsos unitarios de período T. 1.). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES En una forma alterna. Es necesario.

46 (c) 0 T/2 -1 T/2 T +1 T/2 t >= 43. (c) r(t) .1). Clasifique cada una de las señales siguientes como señales de energía.47 1. Grafique las siguientes señales: (a ) r(t + 2).2 W x T (t ) T = 1 ms < x 2 ( t ) >= 1 W T Fig. según el caso. Grafique las siguientes señales de energía y verifique que sus energías son las dadas.1).33 W T Fig. (f ) r(t) .1) ⋅ δ(2t). (e) r(t) ⋅ u(t . ⎣ T ⎦ 2T E = 3A 2 T joules Demuestre que las potencias promedio de las siguientes señales son las correspondientes dadas. (a) x ( t ) = 2 cos( 6πt − π / 2 ). t (c) x(t) = Atexp(. (k) δ(t . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES PROBLEMAS DE APLICACION 1.1). t 2T ). (d) u(2t . (m) r(t)cos(ω o t ).2) + 2u(t).45 (b) x T (t ) T = 2 ms t xT(t)=10exp(-10 < x 2 (t ) T 3 |t|) 0 Fig. E = 0. (a) 0 x T (t ) A t A = 10. (d) x ( t ) = Aτ τ + jt .2r(t .1). (b) x(t) = A| cos(ω c t )|. τ τ |t | τ )Π ( t 2τ A t ) cos(ωc t ) Π( t−τ τ ) con 1 fc (g) x ( t ) = A exp( − (h) A t Π( ). τ t (i) x(t) = 1. (l) u(t) ⋅ u(1.3 A T r ( t ) Π( | t| T ) Π( ).1). 1.1). de potencia o ninguna de las dos.8647A 2 T joules E= A2T 3 joules t −T/ 2 T ⎡ πt ⎤ t x ( t ) = A⎢1 + cos( ) ⎥Π( ).1.)Π ( ). (h) exp(-at)δ(t . (b) r(-t . ( j) 3δ(t .2 π ) (g) exp(-at)u(t .73 I.u(t . (i) u(t) .2. 1.2). . (a) x ( t ) = A exp( − (b) (c) 1.u(t). Calcule la energía o la potencia.) u ( t ) τ t (f) x(t) = Aexp( ) cos(ωc t ) τ << τ t t (e) x(t) = Aexp(. 1.t). T T = 10 -3 seg < x 2 ( t ) >= 33.4. (n) δ(2t .

2t). δ(t . (a ) x(t) = cos(6πt) + cos(6 2 πt ).2)]dt = 3 ⎧1 para t o ≥ t 1 t . Verifique las siguientes integrales (a ) (c) ( e) ( g) ( i) ∞ ∞ t (o ) δ( + 2 ). 8 4 t (r) Π( ) − Λ ( t ). ∫ (d) ∫ (b) (f) (h) (j) -∞ ∞ t 2 exp[ − sen( t )] cos(2 t )δ (2 t − 2 π )dt = δ(t + 3)exp(-t)dt = 20. t π -∞ ∞ -∞ ∞ (t 3 + t 2 + t + 1)δ(t − 3) dt = 40.6. (x) 10(t .3)]dt = -1. t ⋅ u(2 . 2 ∫ ∫ 1 1 δ (1. δ (t . (b) x(t) = 10cos(60πt) + 5cos(25t) t t (d) x(t) = cos( ) + cos( ) 3 7 (h) x(t) = sen(2t) + cos( πt) (e) x(t) = n=-∞ ∑ Π(t − 5n).7. 1. en cuyo caso determine el período.2t). Demostrar las siguientes transformaciones trigonométricas (Sugerencia: Utilice fasores): (a ) x(t) = A 1 cos(ω c t ) + A 2 cos[(ω c + ω m ) t ] = E (t ) cos[ ω c t + ψ( t )] 2 donde E ( t ) = A 1 + A 2 + 2A 1A 2 cos(ω m t ) 2 con f c ≥ f m A 2 sen(ω m t ) A 1 + A 2 cos(ω m t ) con f c ≥ f m y ψ(t) = arctg (b ) x(t) = A 1 cos(ω c t ) + A 2 sen[(ω c + ω m ) t ] = E (t ) cos[ ω c t + ψ( t )] .086 π2 2 -∞ ∞ ∫ ∫ -∞ ∞ ∫ -∞ (t 3 + 4)δ (1 − t )dt = 5 ∫ -∞ ∫ ∫ t (t 2 + 2)δ ( − 1) dt = 12 2 -∞ ∞ ∞ ∞ -∞ ∞ -∞ [δ(t) + u(t) .5.u(t .8. 1. π 4 ). 1.πt)cos( )dt = − . Dibujar los fasores y los espectros uni y bilaterales de las señales (a ) x(t) = 5cos(6πt (b) x(t) = 2sen(10πt π 6 ) 1. (t 3 + 3)δ (3t − 9) dt = 10. (t ) sgn(t)sen(ω o t ).2) Π( 2 t+2 t−2 t+2 t−2 (y ) exp(t) Π( ) + exp(− t ) Π( ).1) dτ = r ( t − 1) -∞ -∞ ⎩ 0 para t o < t 1 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES t t (s) 2 Π( ) ⋅ Λ ( ) 2 2 t-2 2 ). (z) exp(-t) Π( ) + exp(t ) Π( ) 2 2 2 2 (p) δ(1.t o )u ( t − t 1 ) = ⎨ (l ) u(τ .74 I. (c) x(t) = cos(60πt) + cos(50πt). (u) 2 Π(2t + 1). ∞ (f) x(t) = cos(5πt) + sen(6πt).9. (v) Λ (4 . 2 t t (q) Π( ) + Λ ( ). Demuestre que el período de la señal periódica x( t ) = 10 cos2 ( t ) es igual a (k ) ∫ ∫ π.2)cos[ π(t . Verifique si las señales siguientes son periódicas.t) ⋅ u(t)dt = 2.

1. Demuestre que si x ( t ) = x ( t + T ) . 1. entonces ∫ a +T/ 2 a −T / 2 x (t ) dt = ∫ T/ 2 − T/ 2 x ( t ) dt = ∫ x(t )dt T 0 y ∫ T+t x(t)dt = x(t)dt 0 T ∫ t 1.75 I. En las señales periódicas siguientes verifique que el coeficiente de Fourier X n es el dado.11.12.50 (c) Diente de Sierra X o = A / 2. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 2 donde E ( t ) = A 1 + A 2 + 2A 1A 2 sen(ω m t ) 2 y ψ(t) = -arctg A 2 cos(ω m t ) A 1 + A 2 sen(ω m t ) 1.48 (a) Xo = A 4 .49 (b) Rectificación en Media Onda A t -2T -T 0 T 2T Xn = j A 2πn para todo n y n ≠ 0 Fig. (a ) x(t) = 6sen(50πt)cos(10πt) + 10cos(60πt)cos(20πt). Desarrolle también x T ( t ) en serie de Fourier con A = 8. Exprese x(t) en la forma polar x ( t ) = E ( t ) cos[ω c t + ψ( t )] y dibuje su diagrama fasorial.10. 1. φn = 0 A Coseno t -T -T/2 -T/4 0 T/4 T/2 T ⎧ -A(-1) n/ 2 ⎪ para n par X n = ⎨ ( n 2 − 1) π ⎪ ⎩ 0 para n impar φn = 0 Fig. φn = π / 2 . A Xn = t A n sinc 2 ( ) 4 4 -T -T/2 -T/4 0 T/4 T/2 T Fig. referencia f c = 20 (b ) x(t) = [ A c + A m cos(ω m t )] cos(ω c t ) con A c > A m y f c >> f m (c) x(t) = A c cos(ω c t ) − A m sen(ω m t ) ⋅ sen(ω c t ) con A c > A m y f c >> f m (d ) x(t) = A c cos(ω c t ) + n c ( t ) cos(ω c t ) − n s ( t ) sen(ω c t ) 1.

1.12 se aplica a un filtro pasabajo de ganancia 2 y ancho de banda B = 2500 Hz. suponga que α = π / 4 . 1. F ig . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Exponenciales A A/e 0 (d) t T Xn = 0.5 3 Xn = X1 = 1 cos(α)sen (2α) − nsen (α ) cos(nα ) π n (n + 1)(n − 1) para todo n. φ n = arctg(2 nπ) 3 x T (t) t αT / π 0 T /2 2 T ( f ) C o r r ie n t e e n u n A m p lif ic a d o r C la s e C .73 W 1. Si A = 10 V y T = 1 ms. compruebe que (a) La potencia de entrada al filtro es de 43.233 W (b) La salida del filtro es y ( t ) = 12 .51 φ n = − arctg( 2 πn ) A Parábolas t -2T -T Xn = A T 2T 1 + j2 πn 2π 2 n 2 para todo n y n ≠ 0 Fig.24%.975 cos( 2 πx10 3 t − 80. La salida rectificada de media onda del Problema 1.52 (e) 0 Xo = A . 1 .13. 1. La señal (d) del Problema 1.12 se aplica a un filtro pasabajo de ganancia unitaria y ancho de banda B = 400 Hz.642 + 3. φ n = 0 ⎢α − 2π ⎣ 2 ⎦ Para desarrollar xT(t) en Serie de Fourier.45 o ) (c) La potencia de salida del filtro es de 169. .76 I.6321A 1 + j2πn para todo n -T Fig.006 cos(4 πx10 3 t − 85. excepto n=± 1 y n=0 sen(2α ) ⎤ 1 ⎡ 1 ⎥.14. demuestre que el Factor de Rizado a la salida del filtro es del 48. Si A = 100 V y f o = 60 Hz . X o = π [ sen(α ) − α ⋅ cos(α )] .96 o ) +2 .

1.55 tiene un voltaje aplicado v(t) de la forma v ( t ) = Vo + ∑|V | cos(2πnf t + θ n o n=1 ∞ n |cos( 2πnf o t ∞ n) i(t) v(t) Circuito Eléctrico Fig. Este problema hay trabajarlo en forma gráfica.55 La corriente i(t) correspondiente vendrá dada por i (t ) = I o + ∑|I n=1 + φn ) Si se define la potencia promedio de entrada al circuito en la forma demuestre que la potencia de entrada se puede expresar en la forma P = Vo I o + ∞ P= ∫ v(t) ⋅ i(t)dt .54 xT(t) 10 t -5 -4 -3 -2 -1 0 -10 1 2 3 4 5 n n X n = 5(−1) n sin c( ) − 2. Aplique el concepto de Transformada de Fourier de Señales Periódicas. la potencia disipada en la resistencia es de 266. El voltaje aplicado al circuito eléctrico de la Fig. X o = 2. 1. Sea la señal periódica de la Fig. 1.55 es v(t) = Vo cos(2πf o t) y la corriente i(t) tiene la forma i(t) = Io n =−∞ ∑ ⎢Π ( T / 2 ) − Π ( ⎣ ∞ ⎡ t − nT t − nT − T / 2 ⎤ )⎥ T/2 ⎦ (a) Demuestre que la potencia instantánea p(t) = v(t) i(t) es igual a p(t) = Vo I o cos(2πt) con T = 1. 1.67 mW.54. .15.3 (Tome seis componentes a cada lado del origen). nótese que p(t) tiene la forma de una señal rectificada de onda completa.17.5sin c 2 ( ). φn = 0.5 2 4 (b) Que si la señal se aplica a una resistencia de 1000 Ohm. (a) Dibuje el espectro de potencia | X n |2 vs nf o de las tres señales del Problema 1. T 1 T/2 -T/2 ∑ |V 2|⋅|I n n=1 n| cos(θ n − φ n ) 1. determine las correspondientes potencias de salida del filtro. (b) Si estas tres señales se aplican separadamente a un filtro pasabanda de ganancia unitaria. de ancho de banda B = 1400 Hz y centrado en f c = 1500 Hz . 1. 1.77 I. Suponga que el circuito eléctrico de la Fig.16. Demuestre: (a) Que el Coeficiente de Fourier Xn es Fig.18. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.

78 I. 1. es < x 2 (t) >= 25.99 Amp. se aplica a un rectificador de media onda. Sea la señal periódica de la Fig.57. Io = 0. 3 Fig.. 3π θn = π 2 .20. Sean las dos señales periódicas de la Fig.57 -A t ⎧ (−1) ⎪ ⎪ Yn = ⎨− j2A π(n 2 − 1) para n impar ≠ ±1 ⎪ para n par ⎪0 ⎩ Yo = 0.1 seg y A = 10.21. 1.66cos(240πt) − 0.. de ganancia unitaria y ancho de banda de 45 Hz.915 W. con fo = 60 Hz.56. (a) Demuestre que el Coeficiente de Fourier de la corriente i(t) que circula por la carga es n+2 ⎧ 2 ⎪110 2(−1) ⎪ 2 I n = ⎨ 50π(n − 1) ⎪ ⎪0 ⎩ para n par para n impar .. 1. φ = π o n nπ 2 n −1 2 A x(t) T/4 T/4 T/2 t -A A y(t) Seno Fig..132cos(480πt) + 0. φn = 0 (b) Demuestre que el desarrollo de i(t) en Serie de Fourier es i(t) = 0..56 (b) Demuestre que la potencia promedio de x(t). Y1 =j 2A .. La señal v(t) = 110 2 cos(2πf o t) .057 cos(720πt) − 0. El rectificador alimenta una carga de 50 Ohm.19. 1.. demuestre que la potencia de salida del filtro es de 25.031cos(960πt) + .. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (b) Demuestre que la potencia promedio de p(t) es < p 2 (t) >= 1 2 2 Vo Io 2 1. 1. Si T = 0. (a) Demuestre que sus correspondientes Coeficientes de Fourier son X n = j2A sen 2 ( nπ ) 4 . 1. X = 0. (a) Demuestre que el Coeficiente de Fourier de x(t) es para n impar y n ≠ 0 para n par φn = 0 -T x(t) A ⎧ 8A ⎪ X n = ⎨ 3π2 n 2 ⎪0 ⎩ -T/2 0 -A/3 T/2 T t A Xo = .99 + 0. para A = 10.926 W (c) La señal x(t) se pasa por un filtro pasabajo..

1. Verifique los siguientes pares de Transformadas de Fourier...79 I. (a ) x(t ..22..56 o ) + cos(5t − 78..69 o ) -.⎥ ⎢ ⎦ π⎣ 2 3 10 5 26 1.exp(-at)] u ( t ) ⇔ X(f) = (d ) x(t) = A ⋅ t ⋅ exp(-at) u(t) ⇔ X(f) = A 2 δ( f ) + A aA j2 πf ( a + j2 πf ) 2 (a + j2 πf) ( a − 4 π f ) + j4 πaf ⎤ A⎡ 1 1 (e) x(t) = A ⋅ exp(-at)u(t) ⋅ cos(2πf c t ) ⇔ X(f) = ⎢ + ⎥ 2 ⎣ a + j2π(f + f c ) a + j2π(f − f c ) ⎦ 2 2 2 = A (f ) x(t)=A ⋅ exp(-a|t|) ⋅ cos(2πf c t) ⇔ X(f)= (g) x(t) = A ⋅ exp(- aA aA + 2 2 2 a + 4π (f + f c ) a + 4π2 (f − f c ) 2 2 t2 ) ⇔ X(f) = A 2πa 2 ⋅ exp(-2π 2a 2 f 2 ) Impulso Gaussiano 2 2a .58(a) se aplica al circuito RL serie mostrado en (b).t o ) exp( ∓ j2 πf c t ) ⇔ X(f ± f c ) exp[− j2 πt o ( f ± f c )] (b ) x(t) = A ⋅ exp(-a| t| ) ⇔ X(f) = 2aA a + 4π 2 f 2 2 (c) x(t) = A[ 1..58 v(t) (b) (b) El desarrollo en serie de Fourier de la corriente i(t) es i (t ) = ⎤ 4⎡ 1 1 1 cos(t − 45 o ) − cos( 3t − 71.. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (b) Demuestre que las potencias de x(t) y de y(t) están relacionadas mediante la expresión < y 2 (t) >= < x 2 (t) > A 2 = 2 4 ⎧ 2 (−1) ( n −1)/ 2 ⎪ para n impar I n = ⎨ n (1 + jn )π ⎪ ⎩ 0 para n par 1. Demuestre que: (a ) v(t) 1 i(t) t R=1 Ohm L=1 H −π 0 _1 π (a) 2π Fig.. El voltaje periódico de la Fig..23. 1.

Ventana de Ponderación de Hamming La “Ventana de Hamming”.24. 160.46 cos( ) T x(t ) = ⎨ ⎪ 0 en el resto ⎩ para | t| ≤ T (a) Grafique x(t) para T = 1 seg.u(t) se aplica al circuito RC de la Fig.27.80 I. 1. Demuestre que la transformada de Fourier de la salida es j2 πf Y( f ) = (1 + j2 πf ) 2 1.25. y(t) L=1H x(t) R = 1 Ohm Fig.59. 1. Sea la secuencia de impulsos de la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.59.3% de la energía total de la señal. (c) Demuestre que la energía contenida dentro del primer cero de |X(f)| es el 90.61.46Tsinc(2Tf . 1. está definida en la forma ⎧ πt ⎪ 0. (b) Grafique |X(f)| y verifique que el primer cero de |X(f)| está a una frecuencia de 1000 Hz.08Tsinc(2Tf) + 0.60. Demuestre que 1 Y( f ) = (1 + j2πf ) 2 C=1F x(t) R = 1 Ohm Fig.26 se aplica al circuito RL de la Fig.46Tsinc(2Tf + 1) + 0. La misma entrada del Problema 1. 1.54 + 0. (b) Demuestre que X(f) = 1. 1.61. La señal x(t) = exp(-t). (a) Demuestre que su transformada de Fourier X(f) es −3 −3 f ⎡exp(− j10 πf ) + exp(− j5x10 πf ) + ⎤ X(f ) = 10 sin c( 3 ) ⎢ ⎥ 10 ⎢ +3exp( − j7x10−3 πf ) ⎥ ⎣ ⎦ −3 x(t) 1 0 1 3 t 1 2 3 4 milisegundos Fig. y(t) . 1. utilizada en procesamiento de señales. 1. Verifique que el primer cero de X(f) ocurre a f = 1 kHz.26.1) (c) Grafique X(f) para T = 1 ms.

1. Sea x ( t ) = 10 exp( −| t |) . 1.28.15056 Hz ]. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. x(t) (b) Fig.to) x(t) (e) Acos(20t) t π2f ) 2 20 ⎡1 + 2 cos( π f )⎤ X (f ) = 100 − π 2 f 2 ⎢ 5 ⎥ ⎣ ⎦ 10A cos( Sugerencia: Exprese x(t) en la forma x(t) = x1(t) + x1(t + to) + x1(t – to) -5to -3to -to 0 to 3to 5to Fig. . 1. Demuestre que las transformadas de Fourier X(f) de las señales x(t) siguientes son las dadas. [ Respuesta: B = 0.29. 1.66. -2 X(f ) = 1 1 ⎤ Aπ ⎡ ⎢ sinc( πf + 2 ) + sinc (πf − 2 ) ⎥ ⎦ 2 ⎣ ⎡ cos(4 πf ) sen( 4πf ) ⎤ X(f ) = jA⎢ − ⎥ ⎣ πf 4π 2 f 2 ⎦ x(t) A x(t) A t Parábolas t -T/2 -T/4 Fig.62. 165.64. A t 0 -A 2 x(t) A (a) Coseno t − π/ 2 0 π/ 2 Fig.81 I.63. Calcule el ancho de banda B dentro del cual está contenido el 80 % de la energía de la señal. (c) 2 3 A cos(2πf ) X (f ) = exp( − j4πf ) ⋅ X1 (f ) j2( πf ) 3 donde X1 (f ) = (1 + jπf ) 2 − ( πf ) 2 − exp( j2πf ) X(f ) = AT ⎡ f f ⎤ 2 2 ⎢ 4sinc ( 2 / T ) − sinc ( 4 / T ) ⎥ ⎦ 4 ⎣ [ ] Exprese x(t) como una diferencia de triángulos Sugerencia: Exprese x(t) en la forma x(t) = x1(t) + x1(t . 1. 0 (d) T/4 T/2 0 1 Fig.

es decir.69. La señal x(t) = t exp(-Kt) u(t) se pasa por un filtro pasabajo de ganancia unitaria y ancho de banda B. Calcule el ancho de banda B del filtro a fin de que la energía de salida del filtro sea el 80% de la energía a la entrada. Demuestre que: ⎧ 1 ⎡ |f| f 2 ⎤ ⎪ ⎢1 − + ⎥ para |f| ≤ 10 5 100 ⎦ (a) Su espectro de energía es G x (f ) = ⎨ 100 ⎣ ⎪ para 10 <|f| ⎩0 (b) Su energía total es Ex = 1 joules 15 1. 1. x(t ) = sen[2 π ( t − 2 )] sen 2 [ π ( t − 2)] − π (t − 2) π 2 (t − 2 ) 2 .68. dada x(t) determine X(f).32. En las figuras siguientes verifique la correspondencia x ( t ) ⇔ X(f) . Sea x(t) = sinc2(10t). y viceversa (a) |X(f)| A φ(f ) π/2 fo f −f o −f o f x(t ) = 0 2A sen 2 (πf o t ) πt 0 fo −π / 2 Fig.30.31. 0 fo 4B 2 f x ( t ) = 4AB sin c [ 2B( t − 1 1 )] ⋅ cos[2πf o ( t − )] 4f o 4f o (c) |X(f)| 1 -1 f -1 0 1 φ(f ) 4π −4π 0 1 f Fig. (b) |X(f) A φ(f ) −f o 0 −π / 2 π/2 fo f −f o Fig.15056K Hz ] 1.82 I. Expresar B en función de K. 1. [ Respuesta: B = 0. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.67. 1.

donde S1 es la potencia a la salida debida a x1 (t). para n impar para n par Xo = 3 A 2 A exp(− (b) | t| ) 2T Xn = t -T -T/2 0 T/2 T ⎡ 1 ⎤ 4A⎢1− (−1) n exp(− )⎥ ⎣ 4 ⎦ 1 + (4πn) 2 Fig. Sea el sistema de la Fig. donde x 1 ( t ) y x 2 (t ) son señales aleatorias. 1. f + fc En la salida calcule la relación S1 / S2 .70. Mediante la transformada de Fourier de la señal generatriz. 1.71. 1. Demuestre que S1 = 40 W. S1 = 20 = 13. (a) A 2A T ⎧ 2A ⎪ Xn = ⎨ n2π 2 t ⎪0 ⎩ Fig.73. 1. Sea el sistema de la Fig.70. x 2 ( t ) 2 cos( 2 πf c t ) f − fc ⎤ x 2 ( t ) ⇒ S x 2 (f ) = 10 ⎢ Λ ( ) + Λ( )⎥ ⎣ B B ⎦ B = 5 kHz. 1. El filtro pasabajo tiene ganancia unitaria y un ancho de banda de 50 Hz.34. fc = 100 kHz.72. f − fc ⎤ x 1 ( t ) ⇒ S x1 (f ) = 10 ⎢ Π( ) + Π( )⎥ ⎣ 2B 2B ⎦ f + fc −4 ⎡ −3 ⎡ x 1 (t ) S1 Filtro y(t) Pasabajo S 2 Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. S2 = 2 W .73.01 dB S2 . 1.01t ) ⋅ cos(2 πx10 6 t ) ⋅ u(t ) x 2 (t ) = 10 cos(2πx10 6 t ) Demuestre que y(t ) ≈ 5 exp(−0.83 I. x 1 (t ) Filtro Pasabajo y(t) x 1 (t ) = exp(−0. El filtro es pasabajo de ganancia de potencia 2.01t ) ⋅ u (t ) x 2 (t ) Fig. 1. 1. mientras que S2 es la potencia a la salida debida a x2 (t).33.35. demuestre que los coeficientes de Fourier X n de la siguientes señales periódicas son los correspondientes dados.

(b) 0 fc A/2 f ⎡ sen(2πBt ) sen 2 ( πBt ) ⎤ ⎥ x (t ) = 2 B⎢ + ( πBt ) 2 ⎦ ⎣ πBt X c (f ) coseno 1 1 ⎫ ⎧ x ( t ) = B⎨sinc[2 B( t + )] + sinc[ 2B( t − )]⎬ 4B 4B ⎭ ⎩ 2B −f c Fig.37. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.76. ⎡ f + 10 4 f − 10 4 ⎤ ⎢Λ( ) + Λ( )⎥ W / Hz 1. teniéndose entonces superposición de funciones de correlación así como superposición de energía y de potencia. es decir. 1.36. 1. En las figuras siguientes se muestra el espectro de señales moduladas de la forma x c ( t ) = x ( t ) A cos( 2πf c t ) ⇔ X c (f ) . y z(t) una señal cuya densidad espectral de f potencia es S z ( f ) = S xc ( f )Π ( ) W / Hz.74.75. determinar x(t) (b) Dada x(t). S x1 (f ) 10−3 exp(− |f | 106 ) Sx2 (f ) 10−11 f 2 -20 -10 (a) 10 20 kHz f -20 -10 (b) f 10 20 kHz Fig. < x(t ) ⋅ y (t ) >= 0 .76.84 I. 2 x10 3 Demuestre que la potencia promedio de z(t) es < z 2 ( t ) >= 8 µW (b) Sean x 1 ( t ) y x 2 ( t ) dos señales aleatorias cuyas densidades espectrales de potencia se muestran en la Fig. determinar Xc(f) cuya forma gráfica se da.1. Considere la función z(t ) = x(t ) + y (t ) . Verificar las siguientes relaciones: (a) Dada X c (f ) en forma gráfica. Demuestre que R z (τ ) = R x (τ ) + R y (τ ) y < z 2 (t ) >=< x 2 (t ) > + < y 2 (t ) > En este caso se dice que las señales son incoherentes. X c (f ) 2A A 2B (a) −f c Fig. .1.38. (a) Sea x ( t ) ⇒ S x ( f ) = 10 10 3 10 3 ⎦ ⎣ −9 Sea x c ( t ) = 4 x( t ) cos(2 πx10 4 t ) ⇒ S xc ( f ) . donde x(t) e y(t) son ortogonales para todo t. 0 fc f 1.

Demuestre que a la salida del filtro R y (τ ) = 20sinc(10 4 τ ) + 10sinc 2 (5x10 3 τ ) 1.44.85 I. 1.78. 1. donde Tb = . (b) Demuestre que la potencia a la salida del filtro es de 20 W. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 20sinc 2 (5x10 3 τ ) cos(2πx10 5 τ ) . y(t) = x(t) cos(2πf c t) ⇒ Sy (f ) Sy (f ) = S x (f ) .41.39. (a) Dibuje la forma de la densidad espectral de potencia a la entrada y salida del filtro.77. A la entrada del filtro RL de la Fig. S y (f ) = 4S x (f ) sen 2 (πTf ) 1 τ A2 [1 + Λ( )] .42. Demuestre que: (a) Si x(t) tiene una función de autocorrelación R x (τ) = entonces donde. Fig.67 W 2 (c) Determine las correspondientes funciones de autocorrelación de los espectros de la parte (b). entonces. y mediante la Propiedad 1 de la Función de Autocorrelación. y(t) L R Fig. 2 cos(2πf c t ) y < y 2 (t ) >= 30 W x(t) Filtro Pasabajo Fig. 1. y que y(t) es una señal digital ASK .77. verifique que las potencias respectivas son iguales a las obtenidas en la parte (b).78.43. la densidad espectral de potencia y la potencia a la salida del filtro. de ganancia 2 y ancho de banda de 5 kHZ. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 10sinc 2 (10 4 τ ) . A la entrada del detector coherente. 4 Tb fb ⇒ f − fc ⎤ A2 ⎡ A2 2 f + fc [δ(f + f c ) + δ(f − f c )] + + ) + sinc 2 ( )⎥ ⎢sinc ( 16 16f b ⎣ fb ⎦ fb En el Capítulo III demostraremos que x(t) es una secuencia aleatoria unipolar NRZ de amplitud A. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Demuestre que sus respectivas potencias promedio son 2 < x1 ( t ) >= 19. se aplica ruido blanco cuya densidad espectral es η/ 2. Determine la densidad espectral de potencia de la señal compleja x (t ) = A exp( j2πf o t ) utilizando el Teorema de Wiener-Kintchine.7 W y < x 2 ( t ) >= 46. 1. Demuestre que si x(t ) ⇒ y (t ) = x (t ) − x ( t − T) 1. A la entrada de un filtro pasabajo. 1. 1. 1.40. Calcule la función de autocorrelación.

32 se determinó la función de autocorrelación de una señal periódica rectangular. ⎣ ⎦ a a+b Demuestre que la función de autocorrelación de y(t) es R y (τ) = a a − b2 2 < y 2 (t) >= R y (0) = . 1. Se tiene a Sx (f ) también una señal y(t) cuya densidad espectral de potencia es Sy (f ) = . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (b) Si x(t) tiene una función de autocorrelación R x ( τ ) = A 2 Λ ( y( t ) = x( t ) cos(2 πf c t ) ⇒ S y (f ) = A2 4f b τ ) . Demuestre que la densidad espectral de potencia correspondiente es S x (f ) = A2 ⎡ ⎢δ ( f ) + 4 ⎢ ⎣ ∑ n =1 ∞ ⎤ δ ( f − nf o ) ⎥ n impar ⎥ π2n2 ⎦ 8 donde T = 1/fo . Se tiene una señal x(t) cuya función de autocorrelación es |τ| ) . Tb ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢sinc ( fb fb ⎦ ⎣ 1.46. R x ( τ) = exp(− |τ| |τ| ⎤ ⎡ ⎢a exp(− a ) − b exp(− b ) ⎥ . es el período de la señal periódica rectangular. entonces. En el Ejemplo 1. y la correspondiente potencia.45.86 I. donde 1 + (2πbf ) 2 Sx(f) es la densidad espectral de potencia de x(t).

Pero los sistemas son completamente diferentes.2. Diagrama de Bloques de un Sistema.. 2. 2.1. La cantidad x(t) representa la “entrada” o “excitación” del sistema. un sistema actúa como un operador o transformador sobre una señal y como resultado produce una salida. moduladores. INTRODUCCION En el Capítulo I se desarrollaron las técnicas básicas para la representación espectrotemporal de señales y en el presente capítulo se aplicarán esas mismas técnicas para la representación espectro-temporal de sistemas.1. por ejemplo. Un sistema es un dispositivo físico (filtros.1.1. Este bloque representa cualquiera operación o procesamiento de una señal en una aplicación. en general. mientras que la cantidad y(t) representa la correspondiente “salida” o “respuesta”. El caso más sencillo es el del paso de una señal por un filtro: el filtro efectúa algún tipo de operación sobre la entrada obteniéndose una salida o respuesta. y con la definición de la Respuesta Impulsional y de la Función de Transferencia podemos estudiar los efectos de la transmisión de señales a través de filtros y canales ideales y reales.2.CAPITULO II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. que denominaremos. Concepto de Sistema Consideremos el diagrama de bloques de la Fig. etc. CARACTERIZACION DE SISTEMAS 2. como veremos en el presente capítulo. Sistema x(t) y(t) = S{x(t)} S{. Sin embargo. un sistema de comunicaciones. pero un “canal” (de microondas. con excepción de las señales aleatorias que estudiaremos en el Capítulo III. “sistema”. la operación que el sistema efectúa sobre la entrada x(t) se puede representar mediante la transformación funcional . Sin preocuparnos por saber qué es lo que hay dentro del bloque. Las señales. Por consiguiente. hay que tener en cuenta la diferencia entre lo que es “señal” y lo que es “sistema”. por ejemplo) también es un sistema sobre el cual la mayoría de las veces no podemos ejercer ningún control. Aunque las técnicas matemáticas empleadas sean las mismas en la representación espectrotemporal de señales y sistemas.} Fig. un sistema puede ser caracterizado en los dominios Tiempo ⇔ Frecuencia en la misma forma como lo hicimos con las señales en el Capítulo I. En este capítulo presentamos entonces un breve estudio de los sistemas lineales y su caracterización espectro-temporal.) que podemos construir y ejercer algún control sobre él. como su nombre lo indica. Este operador establece entonces una regla de correspondencia entre y(t) y x(t). son magnitudes eléctricas (corrientes y voltajes) y sobre la mayor parte de ellas podemos ejercer algún control. 2.

entonces {a 1x 1 (t ) + a 2 x 2 (t )} = a 12 x 12 (t ) + 2a 1a 2 x 1 (t )x 2 (t ) + a 2 x 2 (t ) 2 2 2 2 2 = a 1 y 1 (t ) + a 2 y 2 (t ) + 2 a 1 a 2 x 1 (t )x 2 (t ) ≠ a 1 y 1 (t ) + a 2 y 2 (t ) 2 por lo tanto. Por lo tanto. como veremos en su oportunidad. Clasificación de Sistemas Basados en las propiedades de la relación funcional (2. El operador {⋅ ⋅} será lineal si y solamente si {a 1x 1 (t ) + a 2 x 2 (t )} = a 1 {x 1 (t )} + a 2 {x 2 (t )} = a 1 y 1 (t ) + a 2 y 2 (t ) (2. que si se dobla la entrada. ♣ . por ejemplo. el sistema no es lineal. Se dice que un sistema es lineal si él cumple con el “principio de la superposición”.2. un sistema en el cual el principio de superposición no es aplicable será un sistema no lineal. Sean también a 1 y a 2 dos constantes arbitrarias que pueden ser complejas. Evidentemente. ♣ Ejemplo 2. Sea x ( t ) = a 1 x 1 ( t ). con algunas excepciones.2. los sistemas se pueden clasificar en “sistemas lineales” y “sistemas no lineales”. pero si 2 2 2 {a 1x 1 (t )} = a 1 x 1 (t ) = a 1 y 1 (t ) x ( t ) = a 1 x 1 ( t ) + a 2 x 2 ( t ) . la linealidad significa algo más que una línea recta: esta línea recta debe pasar también por el origen. vemos que la linealidad implica también que cero entrada produce cero salida. la respuesta sale al doble también. sean x 1 ( t ) y x 2 (t ) dos entradas arbitrarias con y 1 ( t ) e y 2 ( t ) sus correspondientes salidas. Vamos a demostrar que el operador {⋅ ⋅} puede también representarse tanto en el dominio del tiempo como en el dominio de la frecuencia y desarrollaremos las técnicas necesarias para pasar de un dominio a otro dominio. Este es el principio de la superposición. Este principio implica. En efecto.1 ) donde {⋅ ⋅} es un operador que actúa sobre x(t). Si hacemos x 1 ( t ) = x 2 ( t ) y a 1 = − a 2 . con su correspondiente descripción en el dominio de la frecuencia. 2. En este texto se estudiará solamente sistemas lineales.1).2) La respuesta de un sistema lineal a una suma de excitaciones es igual a la suma de las respuestas individuales de cada excitación actuando por separado. Este operador será real si una entrada real x(t) resulta en una salida real y(t).1 Determinar si el sistema definido por y (t ) = {x (t )} = x 2 (t ) es lineal.88 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y (t ) = { x(t )} (2. En la mayoría de las aplicaciones en comunicaciones x(t) e y(t) son reales y representan voltajes o corrientes.

τ ) 0 τ (a) Excitación 0 τ (c) Respuesta Impulsional t La respuesta del sistema para cualquiera señal arbitraria x(t) se puede expresar en función de la respuesta impulsional. en un sistema lineal caracterizado por la transformación h (t . τ) es. La respuesta del sistema lineal a una entrada arbitraria x(t) dada por (2. y la salida del sistema será la respuesta a todas y cada una de las infinitas frecuencias presentes en la entrada. En este caso la salida se denomina “respuesta impulsional”. En efecto. 2.4) La expresión (2.3. 3. como se muestra en la Fig. Aproximación de la Excitación x(t) . una función de t y τ.2. Las señales de prueba más comunes son el impulso unitario.4) será 0 x (τ 1 )δ ( t − τ 1 ) x (τ 2 )δ( t − τ 2 ) x(t) t ⎧ ∞ ⎫ y ( t ) = ⎨ x (τ )δ( t − τ )dτ ⎬ ⎩ −∞ ⎭ ∫ τ2 τ1 Fig. τ).2. La excitación mediante un impulso unitario equivale a aplicar a la entrada del sistema un número infinito de frecuencias de la misma amplitud. La caracterización más utilizada en el análisis de sistemas es aquella cuando la entrada es un impulso unitario Delta Dirac aplicado en un instante t = τ cualquiera.89 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. el escalón unitario y las señales sinusoidales.3. “respuesta al impulso” o “respuesta impulsiva” del sistema” y se representa por h(t. Por lo tanto. en general. La respuesta del sistema a una señal de prueba es una descripción característica o un modelo matemático del mismo. consideremos la propiedad de muestreo del impulso unitario.1).2 y(t) y(t) h (t . de (2.4) se puede considerar como una representación de x(t) en términos de un continuo de impulsos unitarios δ( t − τ ) de área x( τ ) . 2. Caracterización de Sistemas Lineales en el Dominio del Tiempo Respuesta Impulsional Para conocer o caracterizar un sistema lineal se puede aplicar a su entrada un cierto tipo de señales de prueba y observar su salida. Esta situación se representa en la Fig.3) {δ( t − τ )} La respuesta impulsional h(t. 2. 2. τ ) = {⋅ ⋅} la respuesta impulsional es. x(t) δ(t − τ ) t x(t) S{δ (t − τ )} (b) Sistema Fig. (2. x (t) = ∫ ∞ −∞ x (τ)δ( t − τ)dτ (2.

Por consiguiente.3).8) . la cual es válida para cualquier sistema lineal. Asimismo.5) puede considerarse como la superposición de las respuestas de un número infinito de impulsos donde x ( τ ) h ( t . τ ) es la respuesta a un impulso x (τ )δ(t − τ ) . ni la expresión (2. en un “Sistema Lineal Invariante en el Tiempo (SLIT)” la h(t .5) no sean válidas en los puntos de discontinuidad. la integral de superposición (2. para cualesquiera señal x(t) y desplazamiento τ . Sistemas Lineales Invariantes y Variantes en el Tiempo Se dice que un sistema lineal es invariante en el tiempo si un desplazamiento en el tiempo de la entrada resulta en un desplazamiento idéntico de la salida sin que cambie la forma de onda o perfil de la señal. es decir. el integrando x (τ )δ ( t − τ ) se puede considerar como un impulso que ocurre en el instante t = τ y cuya área es proporcional a x(τ). Estrictamente hablando. Esto se puede enunciar en la forma siguiente.4) y (2. En (2. Un sistema lineal es invariante en el tiempo si para cualquier desplazamiento τ se verifica que {δ( t − τ)} = h(t − τ) . τ ) .6).5) y (2. τ 1 ) será diferente del (2.4) ni la (2. Un sistema lineal variante en el tiempo será aquel cuya respuesta impulsional dependerá de τ y de t. y como consecuencia.6) respuesta impulsional dependerá únicamente de la diferencia (t . de (2. Esto quiere decir que el perfil de h ( t . Más adelante volveremos sobre este tema. como es el caso de los filtros reales en los cuales una entrada discreta produce una salida continua. {x( t − τ)} = y( t − τ) . en general no tiene mucha importancia desde el punto de vista práctico. la respuesta de un SLIT para cualquiera excitación x(t) será entonces y( t ) = ∞ ∞ ∫ ∞ x (τ)h ( t − τ)dτ = ∫ −∞ h (τ) x ( t − τ)dτ (2. y no de la diferencia (t -τ). las dos expresiones se aplican a ambos lados de cualquiera discontinuidad. En este caso la expresión (2.5) son válidas en los puntos donde x(t) es discontinua. En particular.4).τ).5) y ( t ) = x (τ ) h ( t . De (2. τ )dτ Esta es la llamada “Integral de Superposición”. El producto de convolución generalmente se denota en la forma y( t ) = x ( t ) ∗ h(t) = h(t) ∗ x(t) puesto que la convolución es conmutativa. a menudo sucede que y(t) es continuo a pesar de que x(t) no lo sea. τ) = h(t − τ) para todo τ en un SLIT (2.90 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y ( t ) = x (τ ) −∞ ∫ ∫ ∞ {δ(t − τ )}dτ pero. La respuesta impulsional de un SLIT simplemente experimenta desplazamientos en el eje del tiempo que no afectan en nada su perfil. ∞ {δ(t − τ )} = h (t .7) Estas integrales son las conocidas “Integrales de Convolución”. La respuesta de un SLIT es entonces el producto de convolución de la excitación con la respuesta impulsional del sistema. El hecho de que (2.5) es válida aún en los puntos de discontinuidad de x(t). Sin embargo. −∞ de donde (2.

5). y de la propiedad de muestreo del impulso unitario. En efecto. por una parte por el hecho de que es muy fácil simular en forma experimental esa respuesta y por otra parte. la respuesta y(t) del sistema para cualquiera excitación x(t). Con el cambio de variables t’ = t . t ∫ −∞ y u ( t ) = h (t ' ) dt ' −∞ ∫ t (2. y u ( t ) = u ( t ) ∗ h(t) = u( τ )h(t .91 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS perfil de h ( t . dt −∞ ∫ h (t ) = d dt y u (t ) (2. d y u (t) = dt ∫ d ⎡d ⎤ ⎢ dt u( t − τ) ⎥ ⋅h( τ)dτ. De donde. tomando la derivada de la expresión (2. porque es sobre y u (t ) que se evalúan los resultados de un servosistema desde el punto de vista del régimen transitorio.7). τ 2 ) . La respuesta al escalón unitario se emplea mucho en el análisis de sistemas lineales donde se utiliza la Transformada de Laplace. Nótese que el producto de convolución (2.11) La respuesta impulsional de un SLIT es la derivada de la respuesta al escalón unitario del SLIT. a partir de ella. es posible obtener. la integral queda 0 ∫ y u ( t ) = − h ( t ' ) dt ' . en este caso la respuesta y(t) vendrá dada por la expresión (2. De (2.8) se aplica sólo y solamente a sistemas lineales invariantes en el tiempo. y ( t ) ∗ h(t) = x(t) ∗ de donde.10) La respuesta de un SLIT al escalón unitario es la integral de la respuesta impulsional del SLIT. El desarrollo anterior permite determinar la respuesta impulsional de un SLIT si se conoce su respuesta al escalón unitario. la salida y(t) es.8) y (2.τ.9).12) .2.7) o (2. de (2. Conocida la respuesta al escalón unitario de un SLIT. −∞ ⎣ ⎦ ∞ ∞ d y u (t ) = δ(t − τ )h(τ )dτ . En efecto. Respuesta al Escalón Unitario de un SLIT Sea h(t) la respuesta impulsional de un SLIT y sea y u ( t ) su respuesta al escalón unitario u(t). pero como dt u( t − τ) = δ ( t − τ ). d dt y u (t ) = ∫ ∞ −∞ x (τ ) d dt y u ( t − τ ) dτ y( t ) = ⎤ d d ⎡ ∞ ⎢ x( τ) y u ( t − τ )dτ ⎥ = [ x( t ) ∗ y u ( t )] dt ⎣ −∞ ⎦ dt ∫ (2.9) y u ( t ) = h ( t − τ ) dτ .11).τ )dτ -∞ ∞ ∫ ∞ (2. ♣ Ejemplo 2.

La no linealidad es directa.12). τ ) y(t) Fig. la correspondiente salida será entonces Sea una segunda entrada x 2 (t ) tal que y 2 (t ) = sen[ x 2 (t )] = sen[ x 1 (t − t o )] En forma similar.4 .92 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Esta expresión nos permite determinar también la respuesta y(t) de un SLIT para cualquiera excitación x(t) a partir de la respuesta al escalón unitario.4. pues sen[ a 1x 1 (t ) + a 2 x 2 (t )] ≠ a 1 sen[ x 1 (t )] + a 2 sen[ x 2 (t )] El sistema es no lineal invariante en el tiempo. lo que significa que el sistema es invariante en el tiempo. Veamos un ejemplo muy sencillo.7). Sea x ( t ) = exp( − t ) u ( t ) y supongamos que h ( t ) = exp( − t ) u ( t ) . La correspondiente salida será (C) Comparando (C) con (D). La respuesta y(t) del SLIT se puede determinar entonces mediante las integrales De (2. vemos que y 2 (t ) = y 1 (t − t o ) . ♣ Ejemplo 2. 2.10) la respuesta al escalón unitario es y u ( t ) = [1 − exp( − t )]u ( t ) . Veamos también si el sistema es lineal o no lineal. 2. Sea x1(t) la entrada. ♣ ♣ Ejemplo 2. y ( t ) = ∫ ∞ −∞ exp( − τ ) u (τ ) ⋅ exp[− ( t − τ )]u ( t − τ ) dτ = t exp(− t )u ( t ) De (2. El interruptor I está cerrado 1 únicamente en el intervalo |t |≤ . y ( t ) = d⎡ ⎣ dt ⎢ ∫ ⎤ exp( − τ ) u ( τ ) ⋅ [1 − exp[− ( t − τ )]u (t − τ )dτ ⎥ = t exp(− t ) u ( t ) ⎦ −∞ ∞ El lector puede verificar que la resolución de la segunda expresión es mucho más laboriosa que la de la primera. De (2. pero su resolución es más laboriosa que la dada por (2.7).4 Establecer las características del sistema de la Fig. de (A) y 1 (t − t o ) = sen[ x 1 (t − t o )] (D) y 1 (t ) = sen[ x 1 (t )] (A) (B) x 2 (t ) = x 1 (t − t o ) que representa a x 1 ( t ) desplazada en un tiempo to . 2 Prueba de la linealidad: Sea x( t ) = a 1x 1 (t ) + a 2 x 2 ( t ) para | t| ≤ 1 2 ♣ I x(t) h(t.3 Vamos a verificar si el sistema representado por y(t ) = sen[ x(t )] es variante o invariante en el tiempo.

5.5. y (t ) = a 1y 1 (t ) + a 2 y 2 (t ) .τ). 10 8 y(t) 0 1 t Fig. τ ) entonces. Respuesta Impulsional Para x(t ) = δ(t − τ ) se tiene que y(t ) = h(t . pues su respuesta impulsional depende de t y τ.5 Un sistema tiene una respuesta impulsional de la forma h(t ) = 5[δ(t ) − exp(−5t )u(t )] y es excitado por un escalón retardado de la forma x (t ) = 2 u (t − 1) . ♣ . ⎧ 1⎫ ⎪δ(t .93 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y(t ) = {a 1x1 (t ) + a 2 x 2 (t )} = a 1 { x1 (t )} + a 2 { x 2 (t )} Luego el sistema es lineal. 1 ≤ t en el resto de donde y(t ) = 10u(t − 1) − 10 exp[ −5(t − τ )]dτ 1 ∫ t Como la integral es válida solamente para 1≤ t . La respuesta y(t) será entonces y(t ) = x (τ )Π(τ )δ(t − τ )dτ = x(t )Π (t ) −∞ ∫ ∞ ♣ ♣ Ejemplo 2. τ ) = ⎨ 1⎪ ⎪0 para | τ|> ⎩ 2⎭ El sistema es variante en el tiempo. entonces y(t ) = 10u(t − 1) − 2[ 1 − exp[ −5(t − 1)]] u(t − 1) y(t ) = [ 8 + 2 exp[ −5(t − 1)]] u(t − 1) Esta respuesta se representa en la Fig. 2. 2. Vamos a determinar la respuesta y(t) del sistema. y(t ) = ∫ ∞ −∞ 5[ δ(t − τ ) − exp[ −5(t − τ )]u(t − τ )] 2 u(τ − 1)dτ ∞ y(t ) = 10 pero ∫ −∞ δ(t − τ )u (τ − 1)dτ − 10 ∫ ∞ −∞ exp[ −5(t − τ )]u (t − τ )u(τ − 1)dτ ⎧1 u(t − τ )u(τ − 1) = ⎨ ⎩0 para 1 ≤ τ ≤ t.τ ) para | τ| ≤ 2 ⎪ ⎬ = Π(τ )δ(t − τ ) h(t . y no de la diferencia (t .

x( t ) = 0 para t < 0 . Si | x (t )| ≤ M < ∞ y |y(t)| ≤ N < ∞ para todo t. es decir.13) y además no puede realizarse físicamente.7) y con ayuda de las condiciones (2. Wylie. 1960] que si existe una constante K tal que | q (x )| ≤ K < ∞ y |z(x)|< ∞ . Se ha demostrado [C. R. Sin embargo.17) y(t ) = x (τ )h(t − τ )dτ para un SLIT causal 0 ∫ Estabilidad En cuanto a la estabilidad. como. el sistema es estable (2.18). en tales casos el sistema puede no ser causal y aún así puede ser físicamente realizable. se supone que la entrada es cero hasta determinado tiempo.τ) = 0 para t < τ (2.18) M y N son constantes reales y positivas. se cumple que | z( x )| = ∫ p( x)q( x)dx ≤ ∫ | p( x)||q( x)| dx ≤ ∫ K| p( x)| dx < ∞ para todo x. En sistemas causales el límite superior de integración es t. para t = 0. se obtiene .14) (2. hay muchas aplicaciones en las cuales la señal a ser procesada se encuentra almacenada. es decir. En este caso. de donde y(t ) = x (τ )h(t . de modo que y(t ) = x (τ )h(t . pero los sistemas físicos son siempre causales pues al operar en tiempo real no pueden producir ninguna respuesta a menos de ser excitados. Si la entrada es acotada. τ )dτ −∞ t ∫ t para cualquier sistema lineal causal para un SLIT causal (2. τ )dτ 0 t ∫ t para cualquier sistema lineal causal (2. Aplicando esta desigualdad a (2. Vamos a ver cuáles son las condiciones que el sistema debe cumplir a fin de asegurar la estabilidad. τ ) = 0 o h(t . se dice que un sistema lineal es estable cuando para una entrada acotada la respuesta también es acotada. entonces | x (t )| ≤ M < +∞ para todo t Consideremos un SLIT.16) (2.13) Un sistema no causal no cumple con (2.15) y(t ) = x (τ )h(t − τ )dτ −∞ ∫ Finalmente. por ejemplo. que h( t .94 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Causalidad y Estabilidad en Sistemas Lineales Causalidad Se dice que un sistema lineal es causal cuando no produce una respuesta antes de ser aplicada una excitación.

4.19) se deduce que para que un SLIT sea estable.24) ∞ { y(t )} = H (f )∫ −∞ x (τ ) exp(− j2πfτ )dτ pero la integral es la transformada de Fourier X(f) de x(t).7). Caracterización de Sistemas Lineales en el Dominio de la Frecuencia Función de Transferencia Consideremos un SLIT al cual se le aplica una excitación x(t).τ )dτ -∞ ∫ ∞ Tomando la transformada de Fourier.20). La función de transferencia H(f) y la respuesta impulsional h(t) forman entonces un par de transformadas de Fourier.21). condición que vamos a utilizar en la siguiente sección.20) es también condición suficiente para que h(t) tenga una transformada de Fourier. h(t) debe satisfacer (2. la integral dentro de los corchetes es ∫ ∞ −∞ h(t − τ ) exp(− j2πft )dt = exp(− j2πfτ ) ∫ ∞ −∞ h(t ' ) exp(− j2πft ' )dt ' (2.23) La cantidad H(f) se denomina “Función de Transferencia”. donde x(t ) ⇔ X (f ).23) en (2. y(t ) = x(t ) ∗ h(t) = x(τ )h(t . en un SLIT se verifica que h(t ) ⇔ H (f ) Reemplazando (2. De (2.20) La respuesta es acotada y por lo tanto el sistema es estable. Entonces definimos H (f ) = { h(t )} = ∫ ∞ −∞ h (t ) exp(− j2πft )dt (2. { y(t )} = ∫ ∞ −∞ y(t ) exp(− j2πft )dt = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ h( t − τ ) exp(− j2πft )dt ⎥dτ ⎦ −∞ ∞ (2. de donde . y es la caracterización de un sistema lineal invariante en el tiempo en el dominio de la frecuencia. Nótese que (2.22) tiene la forma de una integral de Fourier.22) con la ayuda de (2.22) La integral de la derecha en (2.19) De (2.2. la condición suficiente para que haya estabilidad es que ∫ de donde ∞ −∞ | h (t )| dt < ∞ | y (t )| ≤ N < +∞ para todo t (2. la respuesta impulsional h(t) debe cumplir con la condición de integrabilidad absoluta.95 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS | y( t )| = ∫ ∞ −∞ h ( τ )x( t − τ )dτ ≤ ∞ ∫ ∞ −∞ | h ( τ )|| x( t − τ )| dτ ≤ ∫ M| h(τ )| dτ −∞ ∞ | y (t )| ≤ M ∫ −∞ | h ( τ )| dτ = N < ∞ para todo t (2. es decir. Si éste es el caso.21) Mediante el cambio de variables t ' = t − τ . se obtiene (2. 2. esto es.

..... entonces. podemos demostrar que x 1 (t ) x 2 (t ) ⇔ X1 (f ) ∗ X 2 (f ) = En general. el tercer término dentro de los corchetes tiene la forma 10 2 2 = − . por lo tanto. Las relaciones espectro-temporales correspondientes serán: y(t ) = h(t ) ∗ x(t) ⇔ Y(f) = H(f)X(f) donde (2. x1 ( t ) x 2 ( t ) x 3 ( t ).26) a (2.6 Vamos a repetir el Ejemplo 2... ♣ Ejemplo 2. 5 Del Ejemplo 2.27) x1 ( t ) ∗ x 2 ( t ) ∗ x 3 ( t ) ∗ .. ⇔ X1 ( f ) ∗ X 2 ( f ) * X 3 ( f ) ∗ . Si x1 (t ) ⇔ X 1 (f ) y(t) ⇔ Y(f) El dual de las expresiones (2.. la multiplicación de señales en el dominio del tiempo es equivalente a la convolución de sus espectros en el dominio de la frecuencia. ⇔ X1 ( f ) X 2 ( f ) X 3 ( f ).. por simetría o dualidad...25) Un sistema lineal invariante en el tiempo puede describirse en el dominio de la frecuencia si se observa que la transformada de Fourier de la respuesta es el producto de la transformada de Fourier X(f) de la excitación por la función de transferencia H(f) del sistema. A las expresiones (2..26) h(t ) ⇔ H (f ).29) En resumen.28) (2. se verifica que ∫ ∞ −∞ X 1 (ν) X 2 ( f − ν)dν (2... igualmente.. ⎥ exp( − j2 πf ) j2 πf 5 + j2 πf j2 πf (5 + j2 πf ) ⎦ ⎣ 5δ( f ) = δ(f ) pues δ(f) = 0 para f ≠ 0 5 + j2 πf ⎡ ⎤ 10 10 Y ( f ) = ⎢ 4δ ( f ) + − ⎥ exp(− j2 πf ) j2 πf j2 πf (5 + j2 πf ) ⎦ ⎣ Mediante desarrollo en fracciones parciales.26) se puede establecer en la forma siguiente: y x 2 (t ) ⇔ X 2 (f ) .. la convolución de señales en el dominio del tiempo es equivalente a la multiplicación de sus espectros en el dominio de la frecuencia...5. h ( t ) = 5[δ( t ) − exp(−5t ) u ( t )] ⇔ H ( f ) = 5 − 5 + j2 πf ⎡ ⎤ 2 x ( t ) = 2 u ( t − 1) ⇔ X( f ) = ⎢δ( f ) + ⎥ exp( − j2 πf ) j2 πf ⎦ ⎣ y ( t ) = x (t ) ∗ h(t) ⇔ Y(f) = X(f)H(f) ⎡ ⎤ 10 5δ(f ) 10 Y( f ) = ⎢5δ( f ) + − − Entonces...5 pero trabajando en el dominio de la frecuencia. (2. j2 πf (5 + j2 πf ) j2 πf 5 + j2 πf pero ... x(t) ⇔ X(f).96 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y (f ) = H (f )X (f ) (2.29) algunas veces se las denomina “teoremas de la convolución”..

no cumplirá con el Criterio de Paley-Wiener y por lo tanto no es físicamente realizable. una magnitud compleja. es decir.30) entonces (2. y β(f) es la “Respuesta de Fase”.20).5. Para que un sistema sea físicamente realizable. en general. la función de transferencia H(f) tendrá una característica de fase β( f ) tal que h ( t ) = 0 para t < 0.β(-f) 2.97 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎡ 10 2 2 ⎤ Y ( f ) = ⎢ 4 δ( f ) + − + ⎥ exp( − j2 πf ) j2 πf j2 πf 5 + j2 πf ⎦ ⎣ ⎡ δ( f ) ⎡ 1 ⎤ 1 ⎤ + Y( f ) = 8⎢ ⎥ exp( − j2 πf ) + 2⎢ ⎥ exp(− j2 πf ) j2 πf ⎦ ⎣ 2 ⎣ 5 + j2 πf ⎦ Tomando las correspondientes antitransformadas y ( t ) = 8u ( t − 1) + 2 exp[−5( t − 1)]u ( t − 1) = [ 8 + 2 exp[−5( t − 1)]] u ( t − 1) que es el mismo resultado obtenido en el Ejemplo 2.32) |H(f)| se denomina “Respuesta de Amplitud” o más comúnmente “Respuesta de Frecuencia del Sistema”. Esto quiere decir que si la integral existe (es menor que ∞ ). Propiedades de la Función de Transferencia 1. Otra manera de interpretar el Criterio de Paley-Wiener es que la amplitud de |H(f)| no puede decaer más rápido que el decrecimiento exponencial. en el dominio de la frecuencia. además de las condiciones (2. debe cumplir. por lo tanto la función de transferencia tendrá simetría hermítica. se dice que él es físicamente realizable. es decir. el cual establece que si la integral I existe. si I= ∫ ∞ ln| H ( f )| 2 2 −∞ 1 + 4 π f df < ∞ (2. con el llamado “Criterio de Paley-Wiener”. En los sistemas de comunicación h(t) siempre es real. En efecto. Puesto que H(f) es.30) es condición necesaria y suficiente para que |H(f)| sea el módulo de la función de transferencia de un sistema físicamente realizable. la entrada y salida de un sistema lineal invariante en el tiempo. demostramos que . | H ( f )| =| H ( − f )| =| H ∗ ( f )| y β(f) = . La función de transferencia H(f) es el nexo que relaciona. pero si un sistema es a la vez estable y realizable.13) y (2. se puede expresar en la forma H ( f ) =| H ( f )|exp[ jβ(f )] (2. donde h(t) ⇔ H(f) =|H(f)|exp[jβ(f)] y ∫ ∞ -∞ |H(f)|2 df < ∞ (2.31) Todo sistema físicamente realizable producirá siempre un desfase (o retardo). ♣ Criterio de Paley-Wiener La estabilidad y posibilidad de realización física que tratamos en la sección anterior son nociones independientes. Nótese que si H(f) se hace cero en un intervalo de frecuencias dado.

estas componentes de frecuencia pueden estar atenuadas e incluso desaparecer. En particular. lineal o no lineal.87) y (1. si la entrada x(t) es una señal de potencia con una densidad espectral de potencia S x ( f ). G y (f ) =|Y ( f )|2 =| H (f )|2 | X (f )|2 =| H ( f )|2 G x ( f ) y la energía total de salida.37) (2. y no poseerá una función de transferencia. En efecto.98 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y( f ) = H ( f ) X( f ) (2. podemos escribir |Y ( f )| =| H ( f )|| X ( f )| y φ y (f ) = β(f ) + φ x (f ) Si la señal de entrada x(t) está caracterizada por su densidad espectral de energía G x (f ) .36) donde Sx(f) viene dada por (1.38) donde H ( f o ) =| H ( f o )|exp[ jβ(f o )] La expresión (2. no puede generar nuevas frecuencias: a la salida sólo estarán presentes las frecuencias que había a la entrada.109). 4.34) Igualmente.25) 3.37). Nótese que cualquier sistema.33) ∫ ∞ −∞ G y ( f ) df = ∫ ∞ −∞ | H ( f )|2 G x ( f ) df (2. pero con una amplitud y fase en general diferentes. un sistema que cambie o genere nuevas frecuencias será: o no lineal o variante en el tiempo o ambos.88). de (1. tendrá siempre una respuesta impulsional.25). de la expresión (2. Se puede determinar el efecto de la función de transferencia H(f) sobre las densidades espectrales. y ( t ) = AH ( f o ) exp( j2πf o t ) = H (f o ) x ( t ) (2. entonces la densidad espectral de potencia a la salida es S y ( f ) =| H ( f )|2 S x ( f ) La potencia promedio de salida será entonces ∞ ∞ (2. pero solamente los sistemas lineales invariantes en el tiempo poseerán una función de transferencia. La salida y(t) será entonces y(t ) = ∫ ∞ −∞ Y( f ) exp( j2 πtf ) df = A ∫ ∞ −∞ H ( f )δ( f − f o ) exp( j2 πtf ) df pero de la propiedad de muestreo del impulso unitario. Ey = (2. entonces la densidad espectral de energía a la salida del sistema será. como bien lo expresa (2.35) < y 2 ( t ) >= ∫ −∞ S y ( f ) df = ∫ −∞ | H ( f )|2 S x ( f ) df (2. la salida será también sinusoidal de la misma frecuencia. Recíprocamente. pero no podrá generarse nuevas frecuencias.37) significa que un SLIT cuya función de transferencia es H(f). Consideremos ahora la salida de un SLIT cuando la entrada es de la forma x ( t ) = A exp( j2πf o t ) ⇔ X(f ) = Aδ( f − f o ) Y( f ) = H ( f ) X( f ) = AH ( f )δ( f − f o ) . si la entrada es una señal sinusoidal de frecuencia fo. .

x T (t ) = ∞ ∞ n =−∞ ∑ X n exp( j2πnf o t ) ⇔ X T ( f ) = f o n =−∞ ∑ X(nf o )δ( f − nf o ) El espectro Y(f) de la salida y(t) es Y( f ) = f o H ( f ) n =−∞ ∑X(nf ∑ ∞ o )δ( f − nf o ) = f o n =−∞ ∑H(nf ∞ o ) X ( nf o )δ( f − nf o ) Por transformada de Fourier inversa. Respuesta de un SLIT a Entradas Periódicas La entrada a un SLIT es una señal x T ( t ) periódica de período T. Por ejemplo. en el dominio del tiempo.99 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. La ecuación diferencial o íntegrodiferencial que representa a un sistema lineal invariante en el tiempo es otro modelo del sistema y por transformada de Fourier se puede determinar su función de transferencia H(f) y su correspondiente respuesta impulsional h(t).7. De (1. 2. supongamos que un SLIT está representado mediante la ecuación diferencial y ( t ) + 2 RC d dt y (t ) + (RC) 2 d2 dt 2 y (t ) = x(t ) Tomando la correspondiente transformada de Fourier. Y( f ) + 2 RC( j2 πf ) Y( f ) + ( RC) 2 ( j2 πf ) 2 Y(f ) = X( f ) Y( f ) 1 + 2 RC( j2 πf ) + ( RC) 2 ( j2 πf ) 2 = X( f ) [ ] de donde Y( f ) = X( f ) 1 + 2RC( j2πf ) + ( RC ) 2 ( j2πf ) 2 = H( f ) X( f ) Por consiguiente. ♣ ♣Ejemplo 2. Ecuación Diferencial de un SLIT Un sistema lineal invariante en el tiempo se puede representar mediante una ecuación diferencial lineal con coeficientes constantes que relaciona.24.68 del Problema de Aplicación 2. la salida y(t) es -1 {Y(f )} = ∫ ∞ ∞ ⎡ ⎤ ⎢f o H ( nf o ) X( nf o )δ( f − nf o )⎥ exp( j2 πtf )df −∞ ⎣ ⎢ n =−∞ ⎥ ⎦ ∞ y(t ) = f o n =−∞ ∑H(nf o ) X ( nf o ) ∫ ∞ −∞ δ(f − nf o ) exp( j2 πtf ) df .8. la función de transferencia del SLIT es H (f ) = 1 1 + 2 RC( j2 πf ) + (RC) ( j2 πf ) 2 2 = 1 (1 + j2 πfRC) 2 El lector puede verificar que esta función de transferencia corresponde al circuito mostrado en la Fig. la excitación x(t) con la respuesta y(t).105).

LA INTEGRAL DE CONVOLUCION 2. Nótese que la integral de convolución no exige el conocimiento de H(f) o X(f).τ )dτ ⇔ Y(f) = H(f) X(f) -∞ ∫ ∞ Si se conoce la respuesta impulsional h(t).3. la Transformada de Laplace y la Transformada Z en otras áreas de la ingeniería eléctrica. en general. la integral de convolución ofrece un método para determinar y(t). ♣ 2. Desde el punto de vista de los sistemas lineales invariantes en el tiempo. Por lo tanto. En . porque ayuda en la comprensión de las relaciones entre el dominio del tiempo y el dominio de la frecuencia. porque es un buen modelo para entender los procesos físicos que se desarrollan en un sistema lineal. la potencia de salida del SLIT será < y ( t ) >= 2 n =−∞ ∑| H(nf o )| 2 | X n |2 Si H(f) existe solamente en cierta gama de frecuencias. entonces y(t ) = H o X n exp( j2πnf o t ) y < y 2 (t ) >=| H o |2 2 n =− N n =− N Recuérdese que Ho es. En primer lugar. la convolución es el nexo entre el dominio del tiempo y el dominio de la frecuencia. Obsérvese también que a la salida aparecen solamente las frecuencias de entrada que están contenidas dentro de la banda de paso de H(f). H(f) = Ho en | f | ≤ Nf o . n =−∞ ∑ H ( nf o ) X( nf o ) exp( j2 πnf o t ) = n =−∞ ∑H(nf o )X n exp( j2 πnf o t ) H ( nf o ) =| H ( nf o )|exp[ jβ(nf o )] y X n =| X n |exp( jφ n ) y(t ) = n =−∞ ∑| H(nf ∞ ∞ o )|| X n |exp { j[2πnf o t + β(nf o ) + φ n ]} Del Teorema de Parseval. y en segundo lugar.26). en el intervalo (−Nf o . si se conoce h(t) a partir de datos experimentales o si no es posible expresar h(t) como una función explícita de t. por ejemplo. La misma situación ocurre respecto a x(t). Aplicaciones en el Análisis de Señales y Sistemas La operación matemática denominada “convolución” es una de las principales herramientas analíticas de los ingenieros de telecomunicación. por ejemplo.3.100 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ∞ ∞ y(t ) = f o Como entonces. Su importancia deriva también del hecho de proveernos de una poderosa herramienta analítica no sólo en el análisis de señales y sistemas de comunicación. de (2. complejo. es decir. sino también en conexión con las aplicaciones de la Teoría de Circuitos. y(t ) = h (t ) ∗ x(t) = x(τ )h(t .1. la integral de convolución permite determinar la respuesta y(t) de un sistema lineal para cualquiera excitación x(t). la salida y(t) y su correspondiente potencia serán y(t ) = n =− N ∑H(nf ∑ N N o )X n exp( j2πnf o t ) y < y ( t ) >= 2 n =− N ∑| H(nf ∑| X N n| N o )| 2 | X n |2 y si además H(f) es constante en ese intervalo. Nf o ) .

el lector deberá reconocer cuál de las dos formas de operar lo lleva a la respuesta con menor dificultad: si aplicando la integral de convolución o tomando directamente la transformada inversa de X(f). La resolución de la integral de convolución es. x(t ) ∗ δ(t) = x(τ )δ(t . la integral de convolución se puede utilizar para determinar la transformada inversa de una función de f cuando esta función se puede escribir como un producto de funciones de f cuyas transformadas inversas son conocidas.nT) ∑ (2.42) (2. ♣ Ejemplo 2.9. una operación complicada y muchas veces es preferible operar con las transformadas de Fourier.40) En la misma forma.τ )dτ = x(t) -∞ ∫ ∞ (2.43) (d) Si x T (t ) es una señal periódica de período T. donde X(f) se puede descomponer en la forma X( f ) = X 1 ( f ) ⋅ X 2 ( f ) donde se conoce 1 {X1 (f )} = x 1 (t ) y 1 {X 2 (f )} = x 2 (t ) Por transformada de Fourier inversa y aplicación del teorema de la convolución. entonces x T (t ) se puede representar en la forma x T (t ) = n =−∞ ∑ ∞ x (t − nT) = x (t ) ∗ n=-∞ ∑δ(t . comúnmente. Convolución de una Señal con Impulsos Unitarios La convolución de una señal x(t) con un impulso unitario δ(t).39) En un problema particular.44) ∞ y de (2. y x(t) su correspondiente señal generatriz. es conveniente interpretar la convolución en forma gráfica. resulta en la misma señal x(t). La extensión de este procedimiento para n funciones de f es directa. En los siguientes ejemplos presentamos algunas aplicaciones y métodos para la resolución puramente analítica de la integral de convolución. En efecto.T) (b) x(t − t 1 ) ∗ δ(t . Como herramienta operacional. Por ejemplo. x(t ) = x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 (τ ) x 2 ( t − τ )dτ = ∫ ∞ −∞ X(f ) exp( j2πtf )df (2.t 2 ) = δ(t − t 1 − t 2 ) (2.101 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS situaciones como éstas. puede demostrarse que: (a) x(t ) ∗ δ(t .41) (2.T) = x(t . la transformada de la señal periódica x T (t ) es ∞ ∞ ⎤ ⎡ X T (f ) = X(f )⎢ f o δ(f − nf o )⎥ = f o X(nf o )δ(f − nf o ) ⎥ ⎢ ⎦ ⎣ n =−∞ n =−∞ ∑ . se desea determinar la transformada de Fourier inversa de X(f).t 2 ) = x(t − t 1 − t 2 ) (c) δ(t − t 1 ) ∗ δ(t . esto lo veremos más adelante. 1 {X(f )} = x(t ) = 1 {X1 (f )} ∗ 1 {X 2 (f )} Por lo tanto. de acuerdo con la propiedad de muestreo del impulso unitario.28).

x o ≤ λ ⎭ z( x ) = B y de donde ∫ ∞ − xo y ( x − λ ) dλ − B ∫ ∞ y (x − λ) dλ xo Esta expresión nos permite determinar el producto de convolución (2. como veremos en los casos siguientes. expresión (1. (a) Sea y ( x ) = A exp( − ax ) u ( x ) z( x ) = AB ∫ ∞ − xo exp[− a (x − λ)]u ( x − λ) dλ − AB ∫ ∞ exp[− a ( x − λ)]u (x − λ) dλ xo ⎡ z( x ) = AB exp( − ax )⎢ ⎣ ∫ x − xo exp( aλ) dλ − ∫ ⎤ exp( aλ)dλ⎥ xo ⎦ x .10. (e) Sea el producto x(t) ⋅ ∑ δ(t-nTs ) = n=-∞ ∞ n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) = x (t) . z( x ) = y ( x )∗ Bu ( x + x o ) − y ( x )∗ Bu (x − x o ) z( x ) = B pero ∫ ∞ −∞ y ( x − λ ) u ( λ + x o ) dλ − B ∫ ∞ −∞ y ( x − λ) u (λ − x o ) dλ ⎧0 para λ < x o ⎫ u( λ − x o ) = ⎨ ⎬ ⎩1 para x o ≤ λ ⎭ (2.102 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resultado que ya habíamos obtenido por otros métodos. El límite superior de las integrales dependerá de la forma de y(x). s s s ∞ De (2. X s ( f ) = X( f ) ∗ f s ∞ n =−∞ ∑δ(f − nf ) s s ∞ X s (f ) = fs n =−∞ ∑X(f − nf ) (2. y de (2. que es la transformada de una señal periódica.46). Este resultado es de capital importancia en la Teoría del Muestreo.41).45) Esta expresión nos dice que si se multiplica una señal x(t) por un tren de impulsos unitarios de período Ts = 1 / f s y amplitud unitaria.105). el espectro del producto es la repetición periódica del espectro de x(t) en las frecuencias nfs con un factor de escala fs.27). consideremos el producto de convolución z (x ) = y(x) ∗ BΠ( x ) 2x o (2.47) ⎧0 para λ < -x o ⎫ u( λ + x o ) = ⎨ ⎬ ⎩1 para . por lo tanto. Convolución de una Señal con un Impulso Rectangular En el análisis de señales y sistemas lineales a menudo se presenta el caso de la convolución de una señal con un impulso rectangular. Para generalizar el procedimiento desde un punto vista puramente analítico.46) El rectángulo se puede expresar como una suma de escalones unitarios de la forma Π( x 2x o ) = u ( x + x o ) − u ( x − x o ) . ♣ ♣ Ejemplo 2. como veremos en el Capítulo V.

Si(x). las integrales se reducen a z( x ) = AB ⎧ ⎨ πa ⎩ ∫ ∫ −∞ λ' λ' dλ ' = π 2 dλ ' − ∫ ∫ πa ( x − x o ) sen( λ' ) −∞ λ' ⎫ dλ ' ⎬ ⎭ Como z( x ) = ∫ 0 sen(λ' ) −∞ . la cual está definida mediante la integral . la expresión anterior se puede escribir en la forma compacta x ⎧ x ⎫ x z ( x ) = AB exp( −ax ) ⎨ ⎡ ∫ exp(aλ )dλ ⎤ Π ( ) − ⎡ ∫ exp(aλ )dλ ⎤ u ( x − x o ) ⎬ ⎥ ⎥ 2x o ⎢ xo ⎦ ⎦ ⎣ ⎣ ⎩⎢ − x o ⎭ Resolviendo las integrales. − x o ≤ x ≤ x o . (b) Sea y( x ) = Asinc(ax) z( x ) = AB ∫ ∞ − xo sinc[a (x − λ)]dλ − AB sinc[a ( x − λ)]dλ xo ∞ ∫ ∞ z( x ) = AB ∫ ∞ sen[πa (x − λ)] πa ( x − λ) πa ( x + x o ) sen( λ' ) − xo dλ − AB ∫ sen[πa ( x − λ)] πa (x − λ) dλ xo Con el cambio de variables πa ( x − λ) = λ' . z( x ) = ⎫ AB ⎧ x ) − [1 − exp[−a ( x − x o )]]u ( x − x o )⎬ ⎨[1 − exp[−a ( x + x o )]]Π ( a ⎩ 2x o ⎭ En la Fig.6 se muestra la forma de z(x). 2. entonces dλ ' − πa ( x − x o ) sen( λ' ) AB ⎧ ⎨ πa ⎩ πa ( x + x o ) sen( λ' ) 0 λ' 0 λ' ⎫ dλ ' ⎬ ⎭ Estas integrales definidas se conocen con el nombre de Integral Seno.103 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La primera integral es válida para x o < x. mientras que la segunda lo es para Por consiguiente.

obtenemos finalmente z( x) = AB Si{πa ( x + xo )} − Si{πa ( x − xo )} πa [ ] Una gráfica de esta expresión se muestra en la Fig. π 2.. Si ( x ) = −Si ( − x ). La Integral Seno Si(x) en serie de potencias. lim Si ( x ) = ± . es una función impar de x. ella se puede aproximar tomando un número suficiente de términos.7. 2. 2.. 3 ⋅ 3! 5 ⋅ 5! 7 ⋅ 7 ! 9 ⋅ 9 ! y tiene las siguientes propiedades: 1.... 2 x→±∞ 3.. y se presta a ser calculada mediante cálculo numérico. Con ayuda de la Integral Seno en el problema que nos ocupa. (c) Sea y ( x ) = AΠ ( x ) con 2 x1 x1 < x o < 2 x1 En este caso se tiene la convolución de dos rectángulos de diferente amplitud y anchura pero centrados en el origen....104 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si (x ) = ∫ x sen(y ) y dy 0 y que se muestra en la Fig.. Desarrollando x Fig. 2 normalmente se encuentra tabulada en 20 12 40 4 12 20 la forma Si(x) vs x.. Entonces y (x ) = Au (x + x 1 ) − Au (x − x 1 ) ⎧ z(x) = AB⎨ ⎩ z( x ) = AB⎧ ⎨ ⎩ ∫ ∫ ∞ − xo ∞ [ u(x + x 1 − λ) − u(x − x 1 − λ)] dλ − ∫x [ u(x + x 1 − λ) − u(x − x 1 − λ)]dλ⎬ ⎭ ∞ o ⎫ −xo u ( x + x 1 − λ ) dλ − ∫ ∞ −xo u ( x − x 1 − λ ) dλ − − ⎧⎡ z(x) = AB⎨⎢ ⎩⎣ ∫ ∞ xo u ( x + x 1 − λ ) dλ + ∫ ⎫ u(x − x 1 − λ)dλ⎬ xo ⎭ ∞ ∫ x + x1 − xo ⎤ ⎡ dλ ⎥u[ x + (x o + x 1 )] − ⎢ ⎦ ⎣ ∫ x − x1 − xo ⎫ ⎤ dλ ⎥u[ x + (x o − x 1 )]⎬ − ⎦ ⎭ .19.26(b) del Ejemplo 2. La Integral Seno se puede expresar también como una serie de potencias de la forma x3 x5 x7 x9 Si ( x ) = x − + − + −.7 para |x| < ∞. 2. Si(0) = 0 2 π/2 1 Si( x) 0 1 x Como la Integral Seno no −π / 2 puede resolverse en forma analítica.

105 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS −⎡ ⎢ ⎣ ∫ x + x1 xo dλ ⎤ u[ x − ( x o − x1 )] + ⎡ ⎥ ⎢ ⎦ ⎣ ∫ x − x1 xo ⎫ dλ ⎤ u[ x − ( x o + x1 )]⎬ ⎥ ⎦ ⎭ Resolviendo las integrales y agrupando términos.x1 xo + x1 Graficación de z(x) vs x Fig.11. convolución se efectúa dentro de un período T y se define en la forma x T1 ( t ) ∗ x T2 ( t ) = La ∫ T 1 1 T/ 2 − T/ 2 x T1 (τ ) x T 2 ( t − τ ) dτ (2. ⎤ ⎡ ∞ x T1 ( t ) ∗ x T2 ( t ) = x T1 ( τ )⎢ X n 2 exp[ j2 πnf o ( t − τ )]⎥dτ T − T/ 2 ⎢ n =−∞ ⎥ ⎣ ⎦ ∫ T/ 2 ∑ Intercambiando los signos de integral y sumatoria x T1 ( t ) ∗ x T2 ( t ) = ⎤ ⎡ 1 T/ 2 X n 2 exp( j2 πnf o t ) ⎢ x T1 ( τ ) exp( − j2 πnf o τ)dτ ⎥ ⎦ ⎣ T − T/ 2 n =−∞ ∑ ∞ ∫ .8. z(x) 2x1AB x -xo . la resolución de la integral de convolución se puede efectuar en forma gráfica. z(x) = AB{[x + (x o + x 1 )]u[x + (x o + x 1 )] − [x + (x o − x 1 )]u[x + (x o − x 1 )] − −[x − (x o − x 1 )]u[x − (x o − x 1 )] + [x − (x o + x 1 )]u[x − (x o + x 1 )]} Vemos que z(x) está formada por la suma de cuatro rampas. aparentemente sencillos.x1 -xo + x1 0 xo .8. 2. se puede escribir finalmente ⎧ ⎡ ⎤ x + xo x − xo ⎫ x z(x) = AB⎨[x + (x o + x 1 )]Π( ) + 2x 1 Π⎢ )⎬ ⎥ − [x − (x o + x 1 )]Π( 2x 1 2x 1 ⎭ ⎣ 2 (x o − x 1 ) ⎦ ⎩ z(x) tiene la forma dada en la Fig. que veremos en la próxima sección. se puede ver lo laboriosa que puede ser la manipulación matemática cuando la resolución de la integral de convolución es puramente analítica y las funciones en juego no son continuas en t. En estos ejemplos.48) Reemplazando x T2 ( t − τ ) por su desarrollo en serie de Fourier. Convolución de Señales Periódicas Consideremos dos señales periódicas x T1 ( t ) y x T2 ( t ) con el mismo período T. tomando en cuenta los dominios de validez de estas rampas. Cuando no se requiere valores exactos. ♣ ♣ Ejemplo 2. 2.

Interpretación Gráfica de la Convolución La interpretación gráfica de la convolución es de mucha utilidad en el análisis de sistemas así como también en el análisis espectral de señales pues permite visualizar los resultados de muchas relaciones abstractas. Nótese que x 2 ( −τ ) se obtiene girando x 2 ( t ). para t = − t 2 . Como ejemplo de esto supongamos que x 1 ( t ) y x 2 (t ) son los impulsos rectangular y triangular mostrados en la Fig. Por definición. 2. de su área de intersección.50) ∑X ∞ n exp( j2 πnf o t ) ⇔ n =−∞ ∑X δ(f − nf n ∞ o) (2. entonces la convolución grafica resulta muy útil. su convolución será cero. x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 ( τ ) x 2 ( t − τ ) dτ (2.49) es una forma del teorema de convolución para señales periódicas.2. Como el período T es el mismo para X n1 y X n2 .9(f). El valor de la integral de convolución para un t particular viene dado por la integral (2. La gráfica de las áreas de intersección. Vamos a determinar gráficamente el producto de convolución x 1 ( t ) ∗ x 2 (t ) . Si en un sistema lineal sólo se conoce x(t) y h(t) en forma gráfica. Lo mismo para t = t 3 .50) en (2. Por ejemplo. ♣ 2. se desplaza la función x 2 ( −τ ) según esos valores y se calcula el área de intersección correspondiente. Fig. 2. 2.52). Estas áreas representan los valores del producto de convolución en los valores respectivos de t.52) donde τ es la variable independiente y t el parámetro tiempo. expresión (2. representa el producto de convolución x 1 ( t ) ∗ x 2 ( t ) . el valor de x 1 ( t ) ∗ x 2 ( t ) en t = − t 2 es igual a esa área sombreada y se ha representado como una amplitud en la Fig. entonces se puede escribir X n1 X n 2 = X n =| X n |exp( jθ n ) Reemplazando (2.49). expresadas como funciones de t. La integral de convolución.106 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero la integral dentro de los corchetes es igual a X n1.9(a).9(b) se muestra x1 ( τ) y x2 ( −τ). Nótese que si las señales periódicas son de diferente período.51) La convolución de dos señales periódicas de período T. alrededor del eje vertical que pasa por el origen.3. 2. es también periódica de período T. x T1 ( t ) ∗ x T2 ( t ) = n =−∞ donde |X n | =| X n1 || X n 2 | y θ n = θ n1 + θ n 2 (2. Fig.49) La expresión (2. 2. en la Fig.9(d).9(c) se muestra x 2 ( t − τ ) y x 1 ( τ ) y el sentido del desplazamiento. es decir. entonces x T1 ( t ) ∗ x T2 ( t ) = n =−∞ ∑X ∞ n1 X n 2 exp( j2 πnf o t ) ⇔ n =−∞ ∑X ∞ n1 X n 2 δ( f − nf o ) (2. 2. 2. En la Fig. . Para encontrar los valores del producto de convolución x 1 ( t ) ∗ x 2 ( t ) se selecciona diferentes valores de t. con t = τ .9(e).9(f). dicha área es la región sombreada de la Fig.52) evaluada en t y representa el área bajo la curva producto de x 1 ( τ ) y x 2 ( t − τ ) . El término x 2 ( t − τ ) representa la función x 2 ( −τ ) desplazada t segundos a lo largo del eje τ. introduce el concepto de “función de ponderación (weighting function)” en la terminología del análisis de sistemas [Brown y Nilsson.

2. se puede ver que x 1 ( τ ) “pesa” o pondera la función x 2 ( t ) de acuerdo con valores presentes y pasados. se supone que x 2 ( t ) es la excitación del sistema. y visualizando la multiplicación de x1 ( τ ) por x 2 ( t − τ ) . Dicho de otra manera.10. si la respuesta impulsional fuera un impulso muy angosto. Por ejemplo. Fig. y el semiplano de la mano derecha el pasado. El concepto de ponderación se evidencia cuando la rotación y traslación de x 2 ( t ) es vista sobre una escala temporal (en τ ) la cual se caracteriza como “pasado”. En efecto. En el gráfico de x 2 ( t − τ ) . 2. 2. el semiplano de la mano izquierda el futuro. . podríamos decir que una respuesta impulsional h(t) que fuera plana daría igual peso o ponderaría por igual a todos los valores pasados y presentes de la excitación x(t). Fig. h ( t ) = u ( t ) caracterizaría un sistema de memoria perfecta.107 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1962]. el sistema “recuerda” menos y menos acerca de los valores pasados de la entrada.9.5 0 1 t3 -1 0 1 t = −t2 x1 (t) ∗ x2 (t ) t = t3 (e) (f) t -3 −t 2 -2 -1 0 1 t3 2 Fig. 2. “presente” y “futuro”. el eje vertical representa el presente. mientras que h ( t ) = δ ( t ) caracterizaría un sistema de memoria cero.9(d) y (e). Con referencia a la Fig. Para la función dada x1 ( τ ) . Usando estas ideas. la respuesta de un sistema al impulso unitario se ha denominado también “función de ponderación del sistema” porque multiplica la función de entrada en la integral de convolución.10. Por otro lado. 2 x 2 (t ) x1 (t ) t 1 t (a) -1 0 1 -2 2 0 x2 (−τ ) τ 1 x1 (τ ) 1 τ (b) -1 0 1 -1 2 0 x 2 (t − τ ) 2 Desplazamiento x1 (τ ) (c) 1 τ -1 0 1 2 − t1 − 1 −t1 2 − t1 + 2 t = − t1 1 1 x2 (t − τ ) x 2 (t − τ ) x1 (τ ) τ x1 (τ ) −t 2 (d) τ -1 2. éste sería un sistema con memoria perfecta. los valores pasados de x 2 (t ) son ponderados menos y menos a medida que pasa el tiempo. Convolución Gráfica. el sistema tendría poca memoria.

h(t) ⇔ H(f). Sea un sistema lineal invariante en el tiempo en el cual x ( t ) ⇔ X(f ). vamos considerar primero el problema de la transmisión sin distorsión. DISTORSION EN SISTEMAS 2. gráfica o analíticamente.10. hasta donde hay que remontarse en el tiempo para encontrar el momento desde donde una excitación sobrevenida en el pasado influye todavía en el momento considerado (o presente). Con el fin de introducir estas idealizaciones.4.108 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS x 2 (t − τ ) Valor de la función cuando ha transcurrido t 1unidades de tiempo 0 futuro (sucederá) La función se desplaza en este sentido a medida que t aumenta τ pasado (ha sucedido) t = t1 presente Fig.1.53) . vamos a considerar esa respuesta en el caso de ciertos sistemas lineales ideales. la integral de convolución proporciona los recursos para una resolución alterna de las Integrales de Fourier. (c) La integral de convolución introduce el concepto de “función de ponderación” o “memoria del sistema”. Transmisión sin Distorsión Sabiendo que la respuesta impulsional suministra información fundamental acerca del comportamiento general de un sistema. Concepto de pasado.4.25) y (2. (d) Como herramienta analítica. Podemos resumir la importancia de la integral de convolución mediante las siguientes observaciones: (a) La integral de convolución se puede utilizar para determinar la respuesta de un sistema en situaciones donde la entrada x(t) y la respuesta impulsiva h(t) son conocidas. (b) La integral de convolución introduce la posibilidad de aproximar la señal de entrada como una secuencia de impulsos. pues. pero no sus respectivas transformadas de Fourier. Y (f ) =| H (f )|exp[ jβ ( f )] ⋅ X ( f ) (2. presente y futuro de la excitación x 2 (t ) A la respuesta impulsional h(t) se la ha designado entonces como la función memoria del sistema. Esta “memoria” es el tiempo necesario para que h(t) se estabilice y vuelva prácticamente a cero y es el tiempo durante el cual el sistema “recuerda” las excitaciones a las cuales ha sido sometido. 2. y(t) ⇔ Y(f) De (2.31). La función memoria indica. 2. determinándose la respuesta total por superposición de las respuestas individuales de cada impulso.

y al eje de frecuencia en las frecuencias f n = n / 2t o . Por otra parte. . para n = 0. mientras que si n es impar. Se dice entonces que hay transmisión sin distorsión cuando la señal de salida está definida mediante la expresión y(t ) = h o x(t − t o ) (2.58) Si X(f) es de banda limitada (pasabajo o pasabanda). n = 0. como se puede apreciar en la Fig. exp(± jnπ ) = −1. Nótese que si n no es entero. sin embargo. de tal manera que la condición de transmisión sin distorsión no cambia. Aún más.53). si la atenuación es constante para todas las frecuencias. (2.109 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también y( t ) = | H ( f )| X( f ) exp[ jβ( f )]exp( − j2 πtf ) df −∞ ∫ ∞ (2. . entonces aparecerá un término constante de distorsión de fase (ver Problema de Aplicación 2.56) Comparando (2. se tiene que exp(± jnπ ) = 1.56) con (2. La característica de fase en transmisión sin distorsión es entonces una familia de líneas paralelas de pendiente −2πt o . Esto significa que todas las componentes de frecuencia de una señal llegan a la salida al mismo tiempo. Una expresión más general para la fase en (2. pero si su prolongación no corta el eje β(f ) en cero o en múltiplos enteros de π.57) (2. la transmisión no puede ser instantánea y la señal de salida tendrá un cierto retardo en relación con la señal de entrada. ésta no es una condición necesaria. | H (f )| = h o y β (f) = -2πt o f (2.54) Se tiene ahora el problema de determinar las restricciones que existen sobre |H(f)| y β(f) para que la señal de salida y(t) sea idéntica a la señal de entrada x(t). ella no representa ningún problema pues la amplitud original puede restaurarse mediante amplificación.55) donde ho es la “atenuación (o ganancia)” y to el “retardo de transmisión” de la señal a través del sistema.58) es β(f ) = −2πt o f ± nπ para todo n entero (2.2.. ± 2. que cortan al eje β(f ) en múltiplos enteros de π. ± 1. se producirá distorsión de fase. En cualquier sistema físico la señal siempre experimenta una cierta atenuación. es suficiente que estas condiciones se cumplan dentro de su intervalo de existencia. en alguna gama de frecuencias la característica de fase sea lineal. Esta situación es común en la práctica.55) queda en la forma Y( f ) = h o exp( − j2πt o f ) ⋅ X( f ) (2. Es evidente que si H(f) = 1. puede suceder que.. siendo t o el tiempo de propagación o retardo de las componentes a través del sistema.13). se puede decir que la condición necesaria y suficiente para que se efectúe la transmisión sin distorsión se verifica cuando H ( f ) = h o exp( − j2πt o f ) ⇔ h( t ) = h o δ( t − t o ) En consecuencia.11(b)..59) Si n es par. las dos formas de onda serían idénticas. Por transformada de Fourier.

60) . x(t) Transmisor y(t) h o . En resumen. 2. Sea entonces el modelo de un canal en transmisión multitrayecto.+ h N X (f ) exp(− j2πτ N f ) Y (f ) = X (f ) ∑h n= 0 n N n exp(− j2πτ n f ) = H c (f ) ⋅ X (f ) La función de transferencia y la respuesta impulsional de un canal multitrayecto serán H c (f ) = ∑h n= 0 N exp(− j2πτ n f ) ⇔ h c (t ) = ∑ h δ( t − τ n n= 0 N n) (2. y que la característica de fase sea una función lineal de la frecuencia.12. 2.τ N Fig. Modelo de un Canal en Transmisión Multitrayecto El concepto de transmisión sin distorsión permite analizar los efectos de la transmisión de una señal por trayectorias múltiples. Transmisión Multitrayecto.. La señal x(t) se genera en el transmisor y llega al receptor sin experimentar distorsión pero por diferentes trayectorias que introducen atenuaciones h i y retardos τ i .+ h N x(t − τ N ) cuya transformada de Fourier es Y (f ) = h o X (f ) exp(− j2πτ o f ) + h 1X (f ) exp(− j2πτ 1f )+. la transmisión sin distorsión requiere que la magnitud o módulo de la función de transferencia sea constante e independiente de la frecuencia..12... ♣ Ejemplo 2..12.. La señal recibida y(t) es y (t ) = h o x(t − τ o ) + h 1x(t − τ 1 ) + h 2 x(t − τ 2 )+. que es una perturbación muy común en los sistemas de transmisión por radio.110 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS n = -1 |H(f)| ho f 0 n=1 β( f ) pendiente = −2πt o π f n=1 0 n=0 −π n = -1 (a) Módulo de H(f) (b) Fase de H(f) Fig.11..τ 1 Receptor h N .. 2. 2.. Características de un Sistema para Transmisión sin Distorsión. mostrado en la Fig..11.. como se muestra en la Fig.τ o h 1 .

. El filtro transversal. ♣ ♣ Ejemplo 2. 2. El Filtro Transversal o Ecualizador Los efectos producidos por la transmisión multitrayecto se pueden contrarrestar mediante la utilización del llamado “Filtro Transversal o Ecualizador”. Esta distorsión se debe principalmente a la disminución y distorsión de la amplitud de la señal causadas por interferencia destructiva debido a las diferencias de fase y atenuación entre las diferentes componentes de la señal que llegan al receptor. 2.+α K Y (f ) exp(− j2πK∆f ) ⎡ K ⎤ Yeq (f ) = ⎢ α k exp(− j2πk∆f )⎥ ⋅ Y (f ) = H eq (f ) ⋅ Y (f ) .. En la práctica los valores de h i y τ i no son conocidos. Entrada y(t) αo Retardo ∆ α1 Retard ∆ α2 Retardo ∆ αK H eq ( f ) Salida y eq ( t ) Fig.13. son cantidades aleatorias.13. y eq (t ) = α o y (t ) + α 1y (t − ∆ ) + α 2 y (t − 2∆ )+.. Filtro Transversal o Ecualizador De la Fig. entonces.. es decir...13.+α K y (t − K∆ ) cuya transformada de Fourier es Yeq (f ) = α o Y (f ) + α 1Y (f ) exp(− j2π∆f )+.111 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El efecto de h c (t ) sobre la señal x(t) produce en ésta una gran distorsión de tipo lineal.62) H c (f ) . Y(f) será Y (f ) = H c (f ) ⋅ X (f ) y el espectro de la señal ecualizada será Yeq (f ) = H eq (f ) ⋅ H c (f ) ⋅ X (f ) La señal ecualizada y eq (t ) no presentará distorsión si H eq (f ) ⋅ H c (f ) = H o . de donde ⎢ k =0 ⎥ ⎣ ⎦ ∑ K k =0 H eq ( f ) = ∑ α k exp( − j2 πk∆f ) ⇔ h eq ( t ) = ∑ α δ ( t − k∆ ) k k =0 K (2. utiliza una línea de retardos ∆ . del Ejemplo anterior. donde H o es una constante. 2.13. cuando Ho H eq (f ) = (2.61) Estas son la función de transferencia y la respuesta impulsional del filtro transversal. el cual actúa sobre la señal recibida y(t) para compensar la distorsión producida por el fenómeno de multitrayecto.... como se muestra en la Fig. en realidad.. Como Y(f) es el espectro de la señal recibida. cuyas salidas se ponderan con ganancias α i que luego se suman para producir la salida ecualizada y eq ( t )...

Sistema de Fase Lineal. Asimismo.63) queda en la forma h max = ∫ ∞ −∞ | H (f )| df (2. la red ecualizadora se coloca a la entrada del receptor. que h(t) es causal.63) Sin necesidad de resolver la integral (2. .14(a). con valor máximo h max en t = t o y distinta de cero para t < 0.112 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En la práctica. es decir. Sea H (f ) =| H (f )|exp(− j2πt o f ) donde t o es el retardo de transmisión y h( t ) = ∫ ∞ −∞ | H ( f )|exp( − j2 πt o f ) exp( j2 πtf )df = | H ( f )|exp[ j2 π ( t − t o ) f ]df −∞ ∫ ∞ Puesto que |H(f)| es una función par de f. es decir. ♣ Sistemas de Fase Lineal Sea un sistema cuyas características de amplitud y fase se muestran en la Fig.14. entonces h (t ) = ∫ ∞ −∞ | H (f )|cos[ 2π (t − t o )f ]df (2. En efecto. la expresión (2. La dispersión de h(t) alrededor de t = t o dependerá del ancho de banda de H(f). para t = t o . el valor máximo h max de h(t) se alcanza cuando t = t o . El filtro ecualizador tiene múltiples aplicaciones en todas las ramas de la ingeniería eléctrica. Cualquier otro valor de t lo que hace es disminuir el valor del integrando en (2. 2. 2. además.63). si el retardo t o es lo suficientemente grande. Una primera aplicación de estos conceptos la veremos más adelante al tratar los filtros ideales. La realización física de la función de transferencia H eq (f ) se complica por cuanto los parámetros h i y τ i de H c (f ) en general son desconocidos. podemos decir que la respuesta impulsional de un sistema de fase lineal es simétrica con respecto a t o porque h ( t − t o ) = h ( t o − t ) . Este es un sistema que no posee distorsión de fase. La respuesta impulsional h(t) de un sistema de fase lineal tiene entonces la forma general mostrada en la Fig. es un sistema cuya característica de fase es lineal y en el cual el módulo de su función de transferencia tiene cualquier perfil. 2.63) porque cos[2π (t − t o )f ] tiene su valor máximo en t = t o para todo f.64) donde h max representa el área neta bajo |H(f)|. podemos suponer que h( t ) ≈ 0 para t < 0 .14(b): simétrica respecto a t = t o . h(t) |H(f)| h max f t 0 β(f ) = −2 πt o f 0 to (a) Características de Amplitud y Fase (b) Respuesta Impulsional Fig.

La manifestación más común de la distorsión de amplitud es el exceso de ganancia o de atenuación en los bordes de la banda y las ondulaciones o rizado de |H(f)| dentro de la banda de paso. a través del sistema. Por ejemplo. las componentes de frecuencia son atenuadas (o amplificadas) en forma diferente en las diferentes gamas de frecuencia. si es posible.66) En muchos casos la característica de fase de un sistema se puede aproximar como una curva lineal por tramos. En la segunda forma de distorsión de retardo. Para caracterizar esta situación. minimizar mediante un diseño apropiado del sistema. Distorsión no Lineal Los dos primeros tipos son formas de distorsión lineal. Distorsión de Amplitud La “Distorsión de Amplitud”.65) donde β( f ) / f es simplemente la pendiente. si hay que operar en una pequeña gama de frecuencias alrededor de . es decir. el tiempo de retardo correspondiente se define como la derivada de la característica de fase.113 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. efecto que se produce en los circuitos cuando la característica de fase β(f) no es lineal. se consideran dos tipos de distorsión de retardo: la “distorsión de retardo de fase” y la “distorsión de retardo de envolvente o de grupo”. el retardo de fase es t p (f ) = − 1 β(f ) 2π f seg (2. se produce cuando |H(f)| no es constante dentro de la banda de paso del sistema. algunas veces llamada también “Distorsión de Frecuencia”. a las características pasaalto de los transformadores y a los capacitores en serie presentes. respecto al origen. de la componente de frecuencia f]. en un canal telefónico la atenuación en los bordes de la banda se debe a los filtros presentes en el sistema. Tipos de Distorsión En la práctica la transmisión sin distorsión se puede alcanzar solamente en forma aproximada.2. Distorsión de Fase La “Distorsión de Fase”. Sea t g ( f ) este retardo.4. más conocida como “Distorsión de Retardo”. cada uno de los cuales define un tiempo de retardo dado. se manifiesta como una deformación de la envolvente de las señales. las diferentes componentes de frecuencia tienen diferentes tiempos de propagación a través del sistema y como consecuencia se produce una dispersión de las señales a la salida. A este efecto. Distorsión de Fase 3. entonces t g (f ) = − 1 d 2π df β ( f ) seg (2. El rizado dentro de la banda de paso es causado principalmente por desequilibrios de impedancia y las reflexiones consiguientes. Por ejemplo. Distorsión de Amplitud 2. Por definición. la distorsión se ha clasificado en tres tipos: 1. de la característica de fase a una frecuencia dada [t p (f) es el tiempo de propagación. En este caso. pues siempre se producirá un cierto grado de distorsión que es necesario cuantificar y.

donde [ ] H + ( f ) = h o exp − j2 πf c t p ( f c ) − j2 π ( f − f c ) t g ( f c ) H − (f ) = h o [ exp[ j2 πf t ] para 0≤ f c p (f c ) − j2 π (f + f c ) t g ( f c ) ] para f<0 La salida Y(f) del sistema será Y (f ) = H (f ) ⋅ X c (f ) = + Y( f ) = ho 2 c ho 2 ho 2 X(f + f c ) exp j2 πf c t p ( f c ) − j2 π (f + f c ) t g ( f c ) + X(f .23(a): x( t − t o ) exp[∓ j2 πf c t ] ⇔ X( f ± f c ) exp[− j2 πt o ( f ± f c )] Aplicando esta expresión a Y(f) y agrupando términos se obtiene finalmente y( t ) = h o x[t − t g ( f c )] cos 2πf c [t − t p ( f c )] [ ] (2. como es el caso en sistemas pasabanda de banda angosta.65) y (2. β − (f ) = −β + ( −f ) = 2πf c t p (f c ) − 2π(f + f c ) t g (f c ) para f < 0 Supongamos ahora que la característica de amplitud es | H (f )| = h o y que a la entrada del sistema se aplica la señal modulada 1 x c ( t ) = x ( t ) cos( 2 πf c t ) ⇔ X c (f ) = X(f + f c ) + X(f − f c ) 2 También. d df β(f c ) β + ( f ) = −2 πf c t p (f c ) − 2 π ( f − f c ) t g (f c ) para 0 ≤ f Esta expresión se aplica para frecuencia positiva.f c )exp -j2 πf c t p (f c ) − j2 π (f − f c ) t g ( f c ) c g c c p (fc ) c p c [ ] [ ] {X( f + f ) exp[ − j2π( f + f ) t ( f )] exp[ j2πf t + X( f − f ) exp[ − j2 π ( f − f )t (f )] exp[ − j2 πf t c c g c ]+ (f )] } Para determinar la transformada inversa de esta expresión podemos utilizar el par de transformadas obtenido en el Problema de Aplicación 1. la fase β(f) se puede aproximar con los dos primeros términos de su desarrollo en serie de Taylor. El retardo de envolvente o retardo de grupo es la forma de retardo más . β( f ) = β ( f c ) + ( f − f c ) De (2.66).67) Este resultado indica que la amplitud o envolvente de la señal de salida del sistema está retardada en una cantidad igual al retardo de grupo o de envolvente t g ( f ) . Tanto t g ( f ) como t p ( f ) están evaluados a la frecuencia f c de la portadora. para frecuencia negativa. se aplica para frecuencia negativa. es decir. Entonces. H ( f ) = H − (f ) + H + ( f ) . mientras que la fase de la portadora está retardada en una cantidad igual al retardo de fase t p ( f ) .114 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS una frecuencia central f c . Este resultado es muy importante en la recepción de señales moduladas y es el principio utilizado en los instrumentos de medición de los retardos de grupo y de fase. con f → − f . Esto se debe a que la fase es una función impar de la frecuencia. y su negativo.

(c) las componentes están amplificadas en forma 1 80 . t1 = 1 π = 1 100 Frecuencias presentes: f1 = 15 Hz. 2 π 40 80 1 1 1 y 1 ( t ) = 2 cos[10π( t − )] + 2 cos[12π( t − )] = 2x 1 ( t − ) 80 80 80 to = Frecuencias presentes: f1 = 5 Hz. |H(f)| 2 1 -20 f β( f ) π/2 20 f Hz -30 -20 -10 0 10 Hz 20 30 −π / 2 0 (a) Característica de Amplitud Fig. 2. ganancia = 2. mientras que en la parte alta de la banda la distorsión de retardo de grupo es causada por las bobinas de carga y la capacitancia de las líneas de transmisión (aéreas y subterráneas). 2. ♣ Ejemplo 2. (b) x 2 ( t ) = cos(10πt ) + cos( 30πt ) (c) x 3 ( t ) = cos( 30πt ) + cos(50πt ) Vamos a determinar las correspondientes salidas y los tipos de distorsión producidos. ganancias: 2 y 1. t o = Ganancias: 1.5 y 1 y 3 ( t ) = 1. (b) . (b) Característica de Fase Este sistema es excitado por las tres señales (a) x 1 ( t ) = cos(10πt ) + cos(12 πt ) . 1 π 1 = . (a) Frecuencias presentes: f1 = 5 Hz. f 2 = 6 Hz. .5 cos[30π (t − 1 80 )] to = 1 80 En el sistema hubo transmisión sin distorsión.15. En los canales telefónicos la distorsión de retardo de grupo se debe principalmente a los efectos capacitivos e inductivos que tienen los transformadores y amplificadores en las frecuencias bajas de la banda de voz. sobre todo si la señal está modulada.15.5 Hay distorsión de amplitud solamente: diferente. y 2 ( t ) = 2 cos[10π ( t − 1 80 )] + 1. f 2 = 15 Hz.14 Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. f 2 = 25 Hz.5 cos[ 30π (t − 1 80 )] + cos[50π ( t − 1 100 )] 2 π 2 ⋅ 25 Hay distorsión de amplitud y de fase: las componentes están amplificadas en forma diferente y sus retardos son también diferentes.115 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS utilizada en la caracterización de un canal de comunicaciones. pues representa el verdadero retardo de la señal.

siempre poseerá un espectro. el espectro de y(t) será Y( f ) = a 1 X(f ) + a 2 [ X( f ) ∗ X(f)] + a 3 [X( f ) ∗ X(f) ∗ X(f)]+. (2... a la generación de una distorsión de las señales conocida como “interferencia intersímbolo”. además de una componente continua. Esto es muy importante desde el punto de vista práctico. entonces la salida contendrá. cuando x(t) es pequeña. 2.. además de una componente continua..68) La segunda y siguientes potencias de x(t) son los términos que producen distorsión.69) La distorsión armónica asociada con la salida de un sistema se determina aplicando un tono sinusoidal puro a la entrada del sistema. y(t) x(t) 0 Fig.16 (2. 4fx → 6 frecuencias .. como veremos en el Capítulo V. sin importar su naturaleza. Nótese que una señal real. Los sistemas no lineales se describen entonces mediante una curva y ( t ) = g[ x ( t )]. 3fc . Si la entrada al sistema es la suma de dos señales sinusoidales de diferentes frecuencias. En efecto. Las líneas a trazos representan la aproximación lineal por tramos de la curva de transferencia.. En el Ejemplo 2. Aunque no se dispone de la función de transferencia.. 2fx . por ejemplo.. y a la suma y diferencia de las frecuencias de entrada y de las armónicas.68) contienen. comúnmente denominada “característica o curva de transferencia”. pues contribuye. cross-modulation)”.. En la Fig. términos a las siguientes frecuencias: De Distorsión Armónica: 2fc .. 4fc . la característica de transferencia se puede considerar lineal. 2.. a menudo exhiben características no lineales y no pueden ser descritos mediante una función de transferencia pues no poseen una. x( t ) = cos(2πfc t ) + cos(2πfx t ). términos a las frecuencias armónicas de las frecuencias de entrada. “términos de distorsión de intermodulación (en inglés. La naturaleza de la distorsión no lineal se puede cuantificar suponiendo que la curva de transferencia se puede aproximar mediante un polinomio de potencias de la forma y( t ) = a 1 x( t ) + a 2 x 2 ( t ) + a 3 x 3 ( t ) +. el espectro de la señal de salida se puede determinar mediante el teorema de la convolución que nos permite determinar el espectro de una señal cuyas características no son lineales. y los segundos.15 consideramos este caso. El lector puede demostrar que los cuatro primeros términos de (2.. 3fx .. ♣ Distorsión no Lineal Los canales prácticos y dispositivos electrónicos como los amplificadores.116 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando hay distorsión de retardo las componentes de frecuencias más altas llegan primero a la salida. sobretodo en la transmisión de impulsos digitales. Los primeros términos reciben el nombre de “términos de distorsión armónica”.. junto con otros factores que veremos posteriormente. En general.16 se muestra la característica de transferencia de un sistema no lineal sin memoria.

68) la salida y(t) tendrá la forma ⎡ a 2 3a 4 ⎤ ⎡ ⎤ ⎡a2 a4 ⎤ 3a 3 y(t ) = ⎢ + +. 3fc ± fx ... si x ( t ) = x 1 ( t ) + x 2 ( t ). 2fc ± f x . ♣ Ejemplo 2. a1 + 4 ♣ . 2fc ± 2 f x .. 2 4 = D2 % = 100 3a 3 V1 + . Es fácil de ver en el dominio de la frecuencia que aunque X 1 ( f ) y X 2 (f ) puedan estar separados en frecuencia...... Distorsión Armónica Una medida cuantitativa de la distorsión armónica de un sistema no lineal se obtiene aplicando a su entrada una señal sinusoidal pura de la forma x ( t ) = cos( 2πf o t )......117 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De Intermodulación: fc ± fx ..11. la cantidad o porcentaje de “Distorsión de Segunda Armónica” viene dada por D2 % = |Amplitud de la Componente de Segunda Armónica| 100 |Amplitud de la Componente Fundamental| V2 a2 a4 + + . Esto lo veremos en el Capítulo VI..15. Introduciendo esta señal en (2. La distorsión no lineal aparece como armónica de la frecuencia de entrada. por ejemplo. 2 x 1 (t ) ⋅ x 2 ( t ) y así sucesivamente.. los términos 2fc y (2fc ± fx) se utilizan en los cálculos de las interacciones entre estaciones de radiodifusión en AM... el término de intermodulación es el término útil o deseado. x 2 ( t ). Dn % = n =2 ∞ 2 n V1 2 100 En particular. en los sistemas telefónicos en donde un gran número de señales se han combinado para ser transmitidas por un mismo canal. Sin embargo. ver Ejemplo 1.. 2fx ± fc . el espectro de [x 1 (t ) ⋅ x 2 (t )] puede solapar X 1 ( f ) o X 2 ( f ) o ambos. El porcentaje de “distorsión armónica total”. 2 En general.... En particular.. viene dado por ∑V Distorsión Armónica Total. entonces y(t) contendrá los términos x 1 ( t ).⎥ cos( 2 πf o t ) + ⎢ + +. + Vn cos[2π(nf o )] donde Vn es el valor pico de la componente de salida de frecuencia nfo...⎥ + ⎢ a 1 + +. ⎣ 2 ⎦ ⎣ ⎦ ⎣ 2 ⎦ 8 4 4 y(t) = Vo + V1 cos(2πf o t) + V2 cos[2π(2f o )t] + .. si el sistema no lineal se utiliza como modulador o demodulador.... 3f x ± fc → 12 frecuencias Las frecuencias de distorsión armónica y de intermodulación caracterizan la interacción mutua entre dos frecuencias fc y fx. FM y TV. Esta forma de distorsión de intermodulación (conocida también como “cross-talk”) es de especial importancia.⎥ cos[2 π (2 f o ) t ]+..

Sistema de Compansión. 2. .18.18. dispuestos en la forma mostrada en la Fig.118 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. produce interferencias a todas las frecuencias ocupadas por la señal deseada. Se tiene entonces que cuya transformada de Fourier es y ( t ) = 2 a 1 ABsinc( 2 Bt ) + 4 a 2 A 2 B 2 sinc 2 (2 Bt ) Y (f ) = a 1AΠ ( f 2B ) + 2 a 2 A 2 BΛ ( f 2B ) El primer término es la salida deseada. 2. La compansión se efectúa mediante dos dispositivos no lineales: un “compresor’ y un “expansor”. la amplitud de la señal se mantiene dentro del rango de operación lineal de la característica de transferencia. conocido con el nombre de “compansión (compresiónexpansión)”. Como ambos términos se superponen en el intervalo (-B. se puede demostrar que el ancho de banda del producto de n señales es igual a la suma de los n anchos de banda individuales. recuperar X(f) a partir de Y(f). (c) Espectro de y(t) Obsérvese que el espectro del producto de dos señales ocupa un ancho de banda igual a la suma de los anchos de banda individuales. habrá distorsión y será imposible. Y(f) X(f) a 1A + 2a 2 A 2 B 2a 2 A 2 B a 1A f f -2B 0 2B -2B -B 0 B 2B f -B 0 B (a) Término Util (b) Término de Distorsión Fig. en general. pero el segundo término. Con este método. B). Dibujar el espectro de la salida. 2. 2. ♣ Compansión La característica de transferencia de la Fig. Esto se puede apreciar en la Fig.16 A la entrada de un sistema no lineal representado por y ( t ) = a 1 x ( t ) + a 2 x 2 ( t ) se aplica la señal x ( t ) = 2 ABsinc( 2 Bt ). considerado como distorsión. En general.16 sugiere un método para disminuir la distorsión no lineal. Obsérvese que el término de distorsión ocupa un ancho de banda el doble del de la señal útil.17(c). mediante aplicación sucesiva del teorema de la convolución.17. Entrada x(t) Compresor Canal no Lineal Expansor Salida y(t) Fig. 2.

puede ser posible y deseable combinarlas para constituir una sola función de transferencia total. Por ejemplo..+ H N (f ) b 3 a H 1 (f ) H 2 (f ) b a H 1 (f ) 1 + H 1 ( f ) H 2 (f ) b En la reducción de diagramas de bloques hay que tener en cuenta las interacciones o efectos de carga y acoplamiento que ocurren cuando un subsistema se conecta a otro. también ajustará el rango de la señal de salida. Es necesario. es decir. H N ( f ) b a b + a 2 H 1 ( f ) + H 2 ( f ) +.. un compresor con una característica de transferencia g comp [x (t )] = ln[x ( t )]. se puede utilizar. Para una entrada positiva x(t). en paralelo y retroalimentada. Las tres formas básicas de interconexión de sistemas son: en cascada o serie.5. es el complemento de la característica de transferencia del compresor. entonces. la característica de transferencia del expansor. donde g exp {⋅ ⋅}. entonces y(t) = x(t).. compensar la diferencia entre voces fuertes y voces débiles. 1 a Diagrama Original Diagrama Equivalente H 1 (f ) H 1 (f ) H 2 (f ) H N (f ) + - H 2 (f ) + + H N (f ) b a H 1 ( f ) H 2 ( f ). a fin de que el sistema equivalente represente verdaderamente la interconexión de los subsistemas. por ejemplo.. a menudo es necesario reducir un diagrama de bloques dado a cualquiera de estas tres formas básicas. Como los diagramas de bloques se utilizan mucho en el análisis de sistemas. Como el compresor ajusta el rango de la señal de entrada. y ( t ) = g exp [ln x ( t )] = exp[ln x (t )]. TABLA DE IDENTIDADES DE DIAGRAMAS DE BLOQUES No. si { } La compansión es ampliamente utilizada en sistemas telefónicos para reducir la distorsión no lineal y también para mejorar el rango dinámico de las señales. que g exp g comp [ x (t )] = x ( t ). . Si se conoce las funciones de transferencia de los diferentes subsistemas. 2.119 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El compresor ajusta el rango de amplitudes de la señal de entrada de manera que caiga dentro del intervalo lineal del canal. Estas tres formas básicas se muestran en la siguiente TABLA DE IDENTIDADES. INTERCONEXION DE SISTEMAS Normalmente un sistema de comunicación comprende numerosos subsistemas interconectados en diferentes formas. es decir. ajustar también la salida del sistema de tal manera que se compense el ajuste.

Fig. debemos obtener primero la función de transferencia de los diferentes bloques. La función de transferencia total será H ( f ) = [ H 1 ( f ) − H 2 ( f ) ]H 3 ( f ) = [1 − exp( − j2 πτf )] H(f ) = 1 j2 πf exp( − jπτf ) [exp( jπτf ) − exp( − jπτf )] = τsinc( τf ) exp( − jπτf ) j2 πf Por transformada inversa de Fourier. τ características de la función de transferencia del circuito de retención.6. FILTROS 2.17. un filtro es un dispositivo selectivo de frecuencia que se utiliza para limitar el espectro de una señal dentro de una gama específica de frecuencias.6. Esta selectividad en frecuencia es lo que comúnmente se denomina “filtración”. tiene una función de transferencia H 1 (f ) = 1. 2. La teoría . mientras que la rama del integrador tendrá H 3 ( f ) = 1 / ( j2 πf ) . 19. Este circuito tiene muchas aplicaciones en comunicaciones. pasabanda. el diagrama de bloques tendrá la forma mostrada en (b). ♣ 2. 2. Circuito de Retención (Sample and Hold) Consideremos el “circuito de retención (zero-order hold)” de la Fig. sobretodo en el muestreo y procesamiento de señales. Para analizarlo.19(a). pero lo vamos a utilizar para hallar su función de transferencia equivalente. 2.19.120 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Introducción En su acepción general. La rama superior. pasaalto y eliminador de banda. En términos de estas funciones.1. h(t) x(t) Retardo + _ (a) h ( t ) = Π( t−τ/2 En (d) se muestra las ∫ 1 y(t) τ h(t) 0 (c) τ τ t H 1 (f ) = 1 X(f) + _ (b) |H(f)| H 3 (f ) = H(f) 1 j2πf Y(f) −2 / τ −1/ τ 0 (d) H 2 (f ) H 2 ( f ) = exp(− j2πτf ) 1/ τ 2 / τ f β (f ) = − πτf Fig. los filtros básicos pueden ser pasabajo. la respuesta impulsiva o impulsional h(t) será ) que tiene la forma mostrada en (c). La rama inferior tiene una función de transferencia H 2 (f ) = exp( − j2 πτf ). Desde este punto de vista. De acuerdo con la dependencia funcional de H(f) respecto a la frecuencia. Este sistema es muy sencillo. ciertas componentes de frecuencia son amplificadas mientras que otras son atenuadas o rechazadas.

. 2. mostrado en la Fig. Sin embargo. la distancia entre los dos ceros del lóbulo principal de la característica nos da el valor del ancho de banda B. Los filtros ideales son sistemas de fase lineal cuyas características generales hemos visto ya. ella puede aproximarse para que sea causal haciendo t o lo suficientemente grande. procesamiento.121 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS de los filtros es un sujeto muy importante en la generación. pues hay una respuesta para t < 0: las colas de la función sinc(. Para caracterizar estos filtros ideales. Por lo tanto. vamos a considerar los filtros ideales que son sistemas de fase lineal que transmiten sin distorsión de fase dentro de una determinada banda de frecuencias.6.20(a).11. aunque la característica pasabajo ideal nunca puede ser causal. se obtiene también el valor ho de |H(f)|. De la Fig. 2. si Bt o >> 1.20(b). por su descripción matemática sencilla. entender con menor dificultad sus efectos sobre las señales que se les aplican. transmisión y recepción de señales. como un filtro “pasatodo”. Sin embargo. concepto que nos ayudará en la caracterización de algunos de los filtros ideales que veremos a continuación. Filtro Ideal Pasabajo En la Fig. y como el valor máximo de la característica es 2Bho . Fig. los filtros ideales permiten. Filtros Ideales Aunque no son físicamente realizables.71) h PB ( t ) = 2 Bh o sinc[2 B( t − t o )] Obsérvese que la respuesta impulsional no es causal. el desplazamiento respecto al origen es el tiempo de retardo to . para profundizar un poco más en el estudio de los sistemas lineales y visualizar algunas de sus características.2. de donde H PB ( f ) = h o Π( f 2B ) exp( − j2πt o f ) (2.70) (2. 2. Para simplificar la descripción de algunos de los filtros ideales. 2. y un estudio más completo de ellos está fuera de los objetivos de este texto. En efecto. vamos a suponer que B es el ancho de banda de la banda de paso (frecuencias positivas) y t o el retardo de transmisión (respuesta de fase lineal). vamos a considerar el sistema de transmisión sin distorsión. la cola que se extiende para t negativo es de amplitud muy pequeña y podría ser despreciada. La respuesta impulsional contiene también toda la información sobre el filtro. Nótese que h(t) es máxima y simétrica en t = t o . . 2.) se extienden hasta -∞.20(a) se muestran las características de amplitud y fase de un filtro ideal pasabajo.

H BB (f ) = h o [Π ( f + fo f − fo ) + Π( )]exp(− j2πt o f ) B B (2. 2. 2. la respuesta impulsional del filtro ideal pasabanda tampoco es causal.21(a). El filtro ideal pasaalto se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabajo. B.73) de donde h BB ( t ) = 2 Bh o sinc[ B(t − t o )] cos[2πf o ( t − t o )] Igual que en el filtro pasabajo. . 2. Fig. 2. la respuesta impulsional tiene la forma de una señal modulada de frecuencia fo. to y ho) se pueden deducir también de la respuesta impulsional.22(a) se muestran las características de amplitud y fase de este filtro. Filtro Ideal Pasaalto En la Fig. Obsérvese que la envolvente de la respuesta es parecida a la respuesta del filtro ideal pasabajo.21 (a). Nótese que todos los parámetros del filtro (fo . De la Fig.21(b).72) (2. es decir.122 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Filtro Ideal Pasabanda Las características de amplitud y fase del filtro ideal pasabanda se muestran en la Fig.

76) (2. Este filtro se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabanda. entonces la respuesta de frecuencia se extenderá más allá de la banda de paso y contendrá rizados dentro de la misma banda. 2.75) Esta respuesta se muestra en la Fig. Consideremos la respuesta impulsional de un filtro ideal pasabajo que de alguna forma hemos limitado entre 0 y 2to para hacerla causal.77) de donde h EB (t ) = h o δ( t − t o ) − 2 Bh o sinc[ B(t − t o )] cos[2 πf o ( t − t o )] Esta respuesta se muestra en la Fig..74) (2. 2. En este caso vamos a investigar qué le sucede a su correspondiente función de transferencia.123 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS H PA ( f ) = H PT ( f ) − H PB (f ) = h o exp(− j2 πt o f ) − h o Π( de donde h PA ( t ) = h o δ(t − t 0 ) − 2 Bh o sinc[2 B(t − t o )] f 2B ) exp(− jπt o f ) (2.23(a). Si se intentara generar una respuesta causal a partir de una respuesta no causal (como las halladas para los filtros ideales) haciendo h(t) = 0 para t < 0. 2.71). Ninguno de los filtros ideales considerados hasta ahora son causales debido a los bordes abruptos de las funciones de transferencia. cuyas respuestas impulsionales contienen funciones sinc(. Además. 2. de la Fig. De (2. ⎡ f + fo f − fo ⎤ H EB ( f ) = H PT (f ) − H BB (f ) = h o ⎢1 − Π( ) − Π( ) ⎥ exp(− j2 πt o f ) ⎣ B B ⎦ (2.) que se extienden para t < 0.23(b). Esto podemos apreciarlo en el siguiente ejemplo. ♣ Ejemplo 2. Filtro Ideal Eliminador de Banda Las características de amplitud y fase de este filtro se muestran en la Fig. estos filtros no pueden ser realizados físicamente pues su característica de amplitud |H(f)| viola el Criterio de Paley-Wiener.18.23(a).22(b). h c ( t ) = 2 Bh o sinc[2 B(t − t o )]Π( t − to 2t o ) ⇔ H c (f ) . En efecto.

2.124 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h c ( t ) se muestra en la Fig. lo cual resulta en un cierto grado de distorsión de amplitud que con un buen diseño se puede hacer muy pequeño.24(a). ♣ . Obsérvese el rizado presente dentro de la banda de paso. 2. H c (f ) = 2 Bh o ⎧ t ⎫ ) ⇔ H 1 ( f ) = ⎨ sinc(2 Bt ) Π( )⎬ 2t o ⎭ 2t o ⎩ t { h1 (t )} exp(− j2πt o f ) = 2Bh o H 1 (f ) exp(− j2πt o f ) { sinc(2Bt )} ∗ to ⎧ t ⎫ ⎨ Π( )⎬ ⎩ 2t o ⎭ λ 2B )dλ Del teorema de la convolución.10(b). Nótese también que H c (f ) ya no viola el Criterio de Paley-Wiener y por lo tanto es físicamente realizable.24(b) se muestra las características de H c (f ). La correspondiente función de transferencia se puede obtener en la forma siguiente. se obtiene H1 (f ) = 1 ⎡ ⎢ 2πB ⎣ ∫ 2 πt o ( f + B) sen( y) y dy − 0 ∫ 2 πt o ( f − B) sen( y) y 0 ⎤ dy ⎥ ⎦ que con la ayuda de la Integral Seno queda en la forma H 1 (f ) = de donde 1 2πB [Si{ 2πt o (f + B)} − Si{ 2πt o (f − B)}] ho π H c (f ) = [Si{ 2πt o (f + B)} − Si{ 2πt o (f − B)}] exp(− j2πt o f ) En la Fig. ⎧ t ⎫ )⎬ = H 1 ( f ) = ⎨ sinc(2 Bt ) Π( 2t o ⎭ ⎩ H 1 (f ) = 1 2B Π( f 2B ) ∗ 2t o sinc( 2 t o f ) = ∫ B ∞ −∞ sinc[ 2 t o (f − λ )]Π( Resolviendo esta integral siguiendo el procedimiento del Ejemplo 2. Sea h 1 ( t ) = sinc(2 Bt ) Π( Entonces. nótese que | H c ( f )| se extiende más allá de la banda de paso.

d dt y( t )|t = t o ≈ ho tr Por consiguiente. 2.71). de (2. Como un canal de transmisión se puede considerar como un filtro pasabajo. En efecto. la pendiente de y(t) en t = t o será. los resultados de este Ejemplo nos permiten entender lo que sucede en la transmisión de impulsos por un canal que en la práctica se denomina “canal de banda de base”. de donde B≈ 1 2t r Obsérvese que cuanto mayor es el ancho de banda B. Nótese que la pendiente de y ( t ) alrededor de t = t o depende del ancho de banda del filtro. Fig. ho tr ≈ ho π 2πB.19.2 se demostró que la respuesta de un sistema a un escalón unitario en función de la respuesta impulsional era y( t ) = ∫ h(t' )dt' −∞ t La respuesta al escalón unitario de un filtro pasabajo ideal será. y( t ) = ho 2 + ho π Si{2πB(t − t o ) } En la Fig. 2.25 se grafica esta respuesta. y( t ) = ∫ t −∞ 2 Bh o sinc[ 2 B(t '− t o )]dt ' y( t ) = 2 Bh o ∫ t sen[ 2πB(t '− t o )] 2πB(t '− t o ) −∞ dt ' Con el cambio de variables x = 2πB(t '− t o ) . la integral queda en la forma y( t ) = h o ∫ 2πB( t − t o ) sen( x) x −∞ dx y con la ayuda de la Integral Seno.125 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Respuestas de un Filtro Pasabajo Ideal En este Ejemplo vamos a considerar las respuestas de un filtro pasabajo ideal cuando se le aplica un escalón unitario o un impulso rectangular. (a) Respuesta a un Escalón Unitario En el Ejemplo 2. y tomando el primer término del desarrollo en serie de potencias de la Integral Seno. si definimos el “tiempo de alzada” t r en la forma mostrada en la figura. .25. la salida del canal se parece más y más a la entrada (el tiempo de alzada tr es menor).

El efecto del ancho de banda B es entonces más crítico cuando se transmite secuencias de impulsos. esta integral queda en la forma y(t ) = ho ∫ π T 2 πB ( t − t o + ) 2 T 2 πB ( t − t o − 2 sen( x ) x dx = ho ∫ π T 2 πB ( t − t o + ) 2 0 sen( x ) x − ho ∫ π T 2 πB ( t − t o − ) 2 0 sen( x ) x dx Con ayuda de la Integral Seno. mejor es la fidelidad a la salida.7). la dispersión del impulso de salida es tal que puede interferir con impulsos adyacentes.71). es la salida típica de un sistema de fase lineal. Obsérvese también que la salida depende en forma apreciable del ancho de banda B del canal: cuanto mayor es el valor del producto BT. De (2. T De (2.26 se muestra la respuesta y(t) para diferentes valores del producto BT. si el ancho de banda del canal es fijo. y(t ) = ∫ ∞ −∞ x ( τ ) h ( t − τ ) dτ = ∫ τ Π( )2 Bh o sinc[ 2 B( t − t o − τ )]dτ −∞ T ∞ ∫ sen[ 2 πB( t − t o − τ )] dτ − T/ 2 2 πB( t − t o − τ ) T/ 2 Con el cambio de variables x = 2πB( t − t o − τ ). Si se quiere disminuir el ancho de banda B a valores menores que 1/2T. como en los sistemas de transmisión digital en banda de base. Esto es lo que se conoce con el nombre de “interferencia intersímbolo”. y ( t ) = 2 Bh o h( t ) = 2 Bh o sinc[ 2 B( t − t o )]. . 2. entonces y(t) = o ⎢Si ⎨2πB( t + ) ⎬ − Si ⎨2πB( t − ) ⎬⎥ 4 4 ⎭ π ⎣ ⎩ 4 ⎭⎦ ⎩ Hemos exagerado el valor de to para que se pueda apreciar su efecto. en la práctica su valor es despreciable. y(t ) = ho ⎡ ⎧ ⎧ T ⎫ T ⎫⎤ ⎢Si ⎨ 2 πB( t − t o + ) ⎬ − Si ⎨ 2 πB( t − t o − )⎬⎥ ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ T h ⎡ ⎧ T ⎫ 3T ⎫⎤ ⎧ . En efecto.126 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS (b) Respuesta a un Impulso Rectangular Consideremos ahora la salida del canal pasabajo ideal de ancho de banda B cuando se t transmite por él un impulso rectangular de la forma x ( t ) = Π( ) . Por ejemplo. Obsérvese que la salida es simétrica respecto a t = t o = T / 4 y existe para t < 0: la respuesta es no causal. si hacemos t o = En la Fig.

27 para un filtro pasabanda típico. En este caso.127 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS habrá un límite inferior sobre la duración permitida de los impulsos a transmitir. ♣ 2. La banda de paso se extiende en este caso desde f = 0 hasta f = B 3dB . las relaciones más utilizadas en la transmisión de impulsos son B = 1/T y B = 1/2T. el ancho de banda B 3dB se define a partir de la expresión | H ( B 3dB )| = | H ( f )| max 2 Bandas de Atenuación B Banda de Paso f 0 (2. 2. Esta convención se denomina “Ancho de Banda de Potencia Mitad” o “Ancho de Banda de 3 decibeles (3 dB)”.6. se determinan las frecuencias f1 y f 2 (con f 2 > f1 ) para las cuales se verifica que | H ( f i )| =| H ( f )|max / 2 . como veremos en el Capítulo IV.3. Ancho de Banda en Filtros Reales En los filtros reales la respuesta en frecuencia no presenta bordes abruptos sino que el paso de una región a otra se verifica en forma gradual en las llamadas “bandas de transición”. en general.27. muy pequeño. 2. El ancho de banda de 3 dB vendrá dado entonces por B 3dB =| f 2 − f1 |. Si el filtro es pasabanda o eliminador de banda. con i = 1. pues to es. Nótese que el retardo to influye muy poco en la interferencia intersímbolo. como se muestra en la Fig. las cuales separan las “bandas de paso” de las “bandas de atenuación o rechazo”. la velocidad de modulación (impulsos por segundo) en el canal. depende entonces del ancho de banda. Filtro Pasabanda Típico. 2. el ancho de banda de 3 dB de un filtro pasabajo RC es B 3dB = 1 / 2 πRC puesto que | H ( f )|max =| H ( 0)| = 1 y | H ( B3dB )|= 1 / 2 . . Si B es el ancho de banda del canal y T la duración de los impulsos. el ancho de banda del canal limitará la cantidad de impulsos que se pueden detectar por unidad de tiempo en la salida del canal. Como ejemplo de esta convención. Cuando se trabaja con filtros reales usualmente se toma como ancho de banda la gama de frecuencias positivas sobre la cual |H(f)| se mantiene dentro de 1 / 2 de su valor máximo en la banda de paso.78) H(f) |H(f)|max Bandas de Transición Fig. es decir. La selección de una u otra relación dependerá de la interferencia intersímbolo permitida. La interferencia intersímbolo la trataremos con más detalle en el Capítulo V.

79) -B B Fig.29(a). H ( f ) = 1 ⎡ 1 f ⎤ f )⎥Π( ). De la Fig. (a) Filtro de Nyquist.29(a).79) y su respuesta impulsional Supongamos que el retardo de transmisión es despreciable. que es un filtro con características en coseno elevado. 2. como se muestra en la Fig. Filtros Sinusoidales En el procesamiento. |H(f)|max = ⎢1 + cos(2 π 2B ⎣ 2B ⎦ 2B B El ancho de banda de 3 dB se obtiene a partir de ⎤ 1 ⎡ π ⎢1 + cos( B 3dB ) ⎥ = ⎦ 2B ⎣ B π . transmisión y recepción de señales en banda de base se utilizan algunos filtros cuyas funciones de transferencia tienen envolventes sinusoidales. Para filtros pasabanda. 2.128 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El ancho de banda de un filtro puede definirse también en la misma forma utilizada para definir el ancho de banda de una señal. Más adelante se definirá otro ancho de banda denominado “Ancho de Banda Equivalente de Ruido”. expresión (1. En este caso. | H( f )| df 1 −∞ B= 2 | H( f )| max |H(f)| | H (f )|max f 0 ∫ ∞ (2. Vamos a determinar su ancho de banda de 3 dB. B 2 ⋅B 1 . el ancho de banda definido por la expresión (2. el procedimiento es el mismo.20. de donde cos( B3dB ) = 2 − 1 .28 en el caso de un filtro pasabajo.79) es equivalente a reemplazar el espectro |H(f)| por un rectángulo cuya área es igual al área bajo |H(f)| y cuya altura es | H ( f )|max . ♣ Ejemplo 2. Vamos a definir tres de estos tipos de filtro. como se muestra en la Fig. Primera Forma.28 La expresión (2. 2. 2.117). Consideremos la primera forma del denominado “Filtro de Nyquist”.

La función de transferencia H(f) de este filtro.364 ⋅ B para B 3dB .29(b) se muestra la forma de h(t).) y rearreglando. 2. ∫ ∞ −∞ | H ( f )| df = ∫ 1 ⎡ πf ⎤ ⎢1 + cos( )⎥df = 1 − B 2B ⎣ B ⎦ B El ancho de banda del Filtro de Nyquist es. Aplicando el dual del teorema de la modulación. 4142 B de donde B 3dB = 0. según la expresión (2.. De la Fig. (b) Filtro de Nyquist. mostrada en la Fig.29(c).364π .29(c). H(f ) = pero 1 ⎡ f ⎤ f 1 f 1 f f ⎢1 + cos(2π 2B ) ⎥ Π ( 2B ) = 2B Π ( 2B ) + 2B Π ( 2B ) cos(2π 2B ) 2B ⎣ ⎦ B c = 0. B También. 2. 2. es ⎧1 para − f1 ≤ f < f1 ⎪ ⎡ π(f − f o + f d ) ⎤ ⎫ ⎪1 ⎧ ⎪ ⎪ ⎥ ⎬ para f1 ≤ f < B ⎪ ⎨1 + cos ⎢ 2⎪ 2f d ⎪ ⎣ ⎦⎪ ⎭ H(f ) = ⎨ ⎩ ⎪1 ⎧ π(f + f o − f d ) ⎫ ]⎬ para − B ≤ f < −f1 ⎪ ⎨1 + cos[ 2⎩ 2f d ⎭ ⎪ ⎪0 en el resto ⎩ donde B = f o + f d y f1 = f o − f d .79): Obsérvese que Bc > B3dB Calculemos ahora su respuesta impulsional.129 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS π Resolviendo cos( B3dB ) = 2 − 1 = 0.5 ⋅ B 1 f Π ( ) ⇔ sin c(2Bt) . 2B 2B 1 2B Π( f 2B ) cos( 2 πf 1⎡ t + 1 / 2B t − 1 / 2B ⎤ ) ⇔ ⎢ sinc( ) + sinc( )⎥ 2B 2⎣ 1 / 2B 1 / 2B ⎦ La respuesta impulsional del Filtro de Nyquist será h(t) = sin c(2Bt) + 1 {sin c[2B(t + 1/ 2B)] + sin c[2B(t − 1/ 2B)]} 2 Desarrollando las funciones sinc(. obtenemos π B3dB = 0. Segunda Forma La segunda forma del Filtro de Nyquist se muestra en la Fig. se obtiene finalmente h (t ) = sinc(2 Bt ) 1 − ( 2 Bt ) 2 En la Fig.29(a). 2.

de donde cos[ ]⎥ = ⎢1 + cos[ 2f d 2⎣ 2f d 2 ⎦ Resolviendo para B3dB.728f d + f o − f d = f o − 0. 272f d H(f ) max = 1 y En cuanto al ancho de banda dado por (2. 2. Bc = f o = B − f d . El ancho de banda de 3 dB se obtiene a partir de π(B3dB − f o + f d ) π(B3dB − f o + f d ) ⎤ 1 1⎡ ] = 2 − 1 = 0. de donde 2f d B3dB = 0. ∞ −∞ ∫ H(f ) df = 2 f o −f d ∫ 0 df + 2 fo +f d π(f − f o + f d ) 1 {1 + cos[ ]}df = 2f o 2f d f o −f d 2 ∫ de donde. obtenemos: π(B3dB − f o + f d ) = 0. se obtiene h(t) = 2sen(πf o t) cos(πf o t) h(t) = 2f o sin c(2f o t) [1 − 2 cos 2 (πf d t)] πt(42 f d2 t 2 − 1) cos(2πf d t) 1 − (4f d t) 2 Esta respuesta impulsional se muestra en la Fig. 4142 . Veamos el ancho de banda de 3 dB. 272f d o también B3dB = B − 1.79). .130 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La correspondiente respuesta impulsional es fo −fd h(t) = 2 ∫ 0 fo +fd cos(2πtf )df + 2 π(f − f o + f d ) ⎤ 1⎡ ]⎥ cos(2πtf )df ⎢1 + cos[ 2f d ⎦ fo −fd 2 ⎣ ∫ Efectuando la integración.29(d).364π .

29(e). como veremos en el Capítulo V. este filtro se convierte en la primera forma del Filtro de Nyquist. obtenemos: πB3dB π = . de donde cos( 3dB ) = cos( 3dB ) = B 2B 2B 2 2B 2 Resolviendo para B3dB.29(f). en los cuales los filtros exhiben características en coseno de la forma H(f ) = 1 πf f cos( )Π ( ) B 2B 2B como se muestra en la Fig. de donde 2B 4 B3dB = 0. la segunda forma del Filtro de Nyquist se convierte en un filtro rectangular de f la forma H(f ) = Π ( ) . 2. 2f1 Los Filtros de Nyquist son de gran utilización en la transmisión de impulsos en banda de base para la eliminación de la Interferencia Intersímbolo. . (c) Filtro de Respuesta Parcial En la transmisión en banda de base se emplean las “técnicas de respuesta parcial” en los llamados sistemas duobinarios. La respuesta impulsional de este filtro es h(t) = 2∫ h(t) = B 1 πf 4[1 − 2 cos 2 (πBt)] cos( ) cos(2πtf )df = 2B π[(4Bt) 2 − 1] 0 B 4 cos(2πBt) π (4Bt) 2 − 1 Esta respuesta se muestra en la Fig. Veamos el ancho de banda de 3 dB. mientras que si fd = 0.5B . El ancho de banda de 3 dB se obtiene a partir de πB πB 1 1 1 2 = .131 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando f1 = 0. 2.

4.83) En consecuencia.7. entonces H h ( f ) será la función de transferencia del sistema. de (2.80). 2. “Filtro de Hilbert” o “Filtro de Cuadratura”. 2.30(b). el ancho de banda dado por la expresión (2.80) (2. la respuesta impulsional del transformador de Hilbert es 1 { H h (f )} = h h (t ) = πt 1 x(t ) = h h (t ) ∗ x(t ) = (2. entonces el espectro de salida del sistema. ♣ 2. H h ( f ) = − j sgn(f ) (2. que representaremos con X( f ).81) X( f ) = − j sgn(f )X( f ) y también X( f ) = j sgn( f ) X( f ) Si X( f ) = H h ( f ) X( f ).1 se consideró un sistema con distorsión de amplitud pero con fase lineal y se dedujo algunas propiedades muy interesantes acerca de su respuesta impulsional.79). Este sistema se conoce con el nombre de “Transformador de Hilbert” . Ahora vamos a considerar un sistema sin distorsión de amplitud pero con una distorsión de fase tal que produce un desfase de π/2 a todas las señales de entrada.79) es mayor que el ancho de banda de 3 dB. para todo f. La Transformada de Hilbert En la Sección 2. Fig.84) . es decir. De (2. será π X( f ) = X( f ) exp( − j ) = − jX( f ) para 0 ≤ f 2 π X( f ) = X( f ) exp( j ) = jX( f ) para f<0 2 Entonces. ∫ π 1 ∞ x (τ ) −τ −∞ t dτ = ∫ π 1 ∞ x(t − τ ) τ −∞ dτ (2.7. X( f ) = − jX( f ) u ( f ) + jX( f ) u ( − f ) = jX( f )[u (− f ) − u ( f )] (2.82).1.132 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En cuanto al ancho de banda dado por (2. SEÑALES Y SISTEMAS PASABANDA 2. en general.82) que se representa en la Fig. ∞ H(f ) max = 1 y B −∞ ∫ | H(f ) | df = 2∫ Bc = B 1 πf 4 cos( )df = 2B π 0 B de donde.30(a). 2 B = 0. Esto quiere decir que si x ( t ) ⇔ X(f ) . 637B π Nótese que.

∫ x(t)x(t)dt = 0. . es decir.87) 2 La expresión (2.81). y viceversa. que no demostraremos aquí. H h (f ) = H h (f ) exp[ jφh (f )]. • x ( t ) y su transformada de Hilbert x ( t ) son ortogonales. En el Problema de Aplicación 2. 1 {X( f )} = x( t ) = j( ∫ ∞ −∞ x( t ) −1 dτ = π t−τ ∫ ∞ −∞ x( t − τ ) dτ τ (2.86) demuestra que x ( t ) y x(t) tienen la misma densidad espectral de energía o la misma densidad espectral de potencia (en el límite).30.86) y en virtud de (2. φh (f ) = φx (f ) ± Otras propiedades de la Transformada de Hilbert. pero si x(t) = sen(ωc t + θ) . mientras que las expresiones π (2. x ( t ) = A cos(ωc t + θ) . entonces x ( t ) es impar. La transformación (2. | X(f )| =| X(f )| π (2. 2. 2 entonces x ( t ) = A sen(ωc t + θ) .85) (2. son: • • [x(t)] = -x(t) Si x ( t ) es par.27 se deducen algunas relaciones muy interesantes aplicando la Transformada de Hilbert.84) generalmente se representa en la forma x(t ) = {x(t )} -1 −1 ) ∗ x(t) = π jπt De (2. que si por ejemplo. entonces x ( t ) = − A cos(ωc t + θ) .133 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS H h (f ) x(t) X(f) j (b) Función de Transferencia del h h (t ) H h (f ) x (t ) X (f ) H h (f ) A f 0 -j 0 -j Transformador de Hilbert f (a) Transformador de Hilbert X(f) j X ( f ) jA B f -B 0 -jA f -B 0 B (c) Formación gráfica del espectro X ( f ) Fig. cuyos principios básicos veremos más adelante.80). −∞ ∞ • x ( t ) y su transformada de Hilbert x ( t ) tienen la misma función de autocorrelación (La función de autocorrelación la trataremos más adelante). Características de la Transformada de Hilbert La señal x ( t ) se conoce con el nombre de “Transformada de Hilbert” o “función conjugada de x(t)” y es de gran aplicación en la representación de señales y sistemas pasabanda y en el estudio de señales moduladas en banda lateral única.87) explican el cambio de fase en ± . H h (f ) = 1. es decir.

estos cuernos pueden causar problemas en sistemas de comunicación que utilizan transformadas de Hilbert.134 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.80) o según el procedimiento gráfico mostrado 2B en la Fig. por ejemplo. en sistemas telefónicos que son sistemas donde se aplica el concepto de banda lateral única. x(t ) = − A π x(t ) = ln| τ − t |T = 0 1− T / 2 T ). las discontinuidades de una señal producirán cuernos en su transformada de Hilbert correspondiente. el espectro de la transformada de Hilbert es f − B/2 ⎤ ⎡ f + B/2 X( f ) = − j sgn( f ) X( f ) = − jA sgn( f ) ⎢Π( ) + Π( )⎥ B B ⎣ ⎦ ⎡ f + B/ 2 f − B/ 2 ⎤ X ( f ) = jA⎢ Π( ) − Π( )⎥ ⎣ ⎦ B B Evidentemente. De (2. ∫ π 1 A π ∞ −∞ AΠ ( τ−T/2 T ) dτ t−τ π ln =− t A ∫ π T dτ t −τ 0 [ ln| t |− ln|T − t |] = A T−τ x(t) A La señal x(t) y su transformada de Hilbert se muestran en la Fig. Solución ) .30(c).31.22 x (t ) t 0 Fig. En general. 2. X( f ) = AΠ( f Por transformada de Fourier inversa.21 Determinar la transformada de Hilbert de un impulso rectangular x ( t ) = AΠ( Solución De (2. 2. 2. A los lugares donde x ( t ) se hace infinito algunas veces se les denomina “cuernos”.31 ♣ Determinar la transformada de Hilbert de la señal pasabajo x ( t ) = 2 ABsinc( 2 Bt ). ♣ Ejemplo 2. x ( t ) = jA[ Bsinc(Bt ) exp( − jπBt ) − Bsinc(Bt ) exp( jπBt )] x ( t ) = 2 ABsinc( Bt ) sen( πBt ) = 2 A sen 2 ( πBt ) πt ♣ .84).

donde W es una frecuencia cualquiera. y según el procedimiento gráfico de la Fig. La señal c(t) puede ser pasaalto o pasabanda. x( t ) = m( t ) c( t ) ⇔ X( f ) = M ( f ) ∗ C(f) = M(v)C(f . 2.135 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.23 Determinar la transformada de Hilbert de la señal pasabanda x ( t ) = 2 ABsinc(2 Bt ) cos(2πf c t ) con fc ≥ B Solución Sea m( t ) = 2 ABsinc( 2 Bt ) ⇔ M (f ) = AΠ( f 2B ). entonces ˆ x ( t ) = − m( t ) cos(2πf c t ) . la integral dentro de los corches queda en la forma x(t ) = − j ∫ ⎡⎢⎣∫ sgn(u + v)M(v)C(u) exp[ j2πt (u + v)]du⎤⎥⎦dv ∞ ∞ −∞ −∞ .24 Determinar la transformada de Hilbert de la señal x ( t ) = m(t ) ⋅ c( t ) . X( f ) = f − fc ⎤ A ⎡ f + fc ) + Π( )⎥ . si m(t) es una señal pasabajo de banda limitada B y f c ≥ B . y si x ( t ) = m( t ) sen(2πf c t ) .30(c). ⎢ Π( 2⎣ 2B 2B ⎦ A ⎡ f + fc f − fc ⎤ sgn( f )⎢ Π( ) + Π( )⎥ ⎣ 2 2B 2B ⎦ f − fc ⎤ A ⎡ f + fc X ( f ) = j ⎢ Π( ) − Π( )⎥ 2⎣ 2B 2B ⎦ X( f ) = − j sgn(f )X( f ) = − j Por transformada de Fourier inversa. Estos resultados son muy importantes en el análisis de sistemas de comunicación y los estaremos utilizando constantemente. ♣ ♣ Ejemplo 2. Esto quiere decir que los espectros M(f) y C(f) no se solapan.v. se cumple que si x ( t ) = m(t ) cos( 2 πf c t ) . donde se cumple que M ( f )C (f ) = 0 para todo f. Entonces. Del teorema de la modulación. Vamos a suponer entonces que M ( f ) = 0 para |f|> W y C(f) = 0 para |f|< W . entonces x ( t ) = m(t ) sen(2 πf c t ) . m(t) es una señal pasabajo. x(t ) = j A 2 [ 2Bsinc(2Bt )exp(− j2πfc t ) − 2Bsinc(2Bt )exp( j2πfc t )] x ( t ) = 2 ABsinc( 2 Bt ) sen( 2πf c t ) En general.v)dv -∞ ∫ ∞ x( t ) = x(t ) = ∫ ∞ −∞ − j sgn( f ) X( f ) exp( j2 πtf )df = ∞ ∫ ⎡ ∞ ⎤ − j sgn( f ) ⎢ M( v)C(f − v)dv⎥ exp( j2 πtf )df −∞ ⎣ −∞ ⎦ ∞ ∫ ∫ ⎡⎢⎣∫ − j sgn(f )M(v)C(f − v) exp( j2πtf )df ⎤⎥⎦dv ∞ −∞ −∞ Haciendo el cambio de variables u = f .

sgn( u + v ) = sgn( u ) y las integrales se pueden separar en la forma siguiente: x(t ) = pero entonces ∫ ∞ ∫ ∞ −∞ M ( v ) exp( j2 πtv )dv ⋅ − j sgn(u )C ( u ) exp( j2 πtu )du −∞ ∫ ∞ −∞ M (v ) exp( j2 πtv )dv = m( t ) x ( t ) = m( t ) ⋅ c ( t ) y ∫ -jsgn(u)C(u)exp(j2πtu)du = c(t) ∞ -∞ entonces (2. que no se solapan en frecuencia.32.32(a). Sea x(t) una señal real pasabanda cuyo espectro X(f). es igual al producto de la señal pasabajo por la transformada de Hilbert de la señal pasaalto (o pasabanda). ♣ 2. en general. Nótese que.90a) . una pasabajo y la otra pasaalto (o pasabanda). como se muestra en la Fig. En la mayoría de las señales pasabanda empleadas en las comunicaciones. Si x (t ) = {x(t )}. se puede formar la siguiente señal compleja (2. como lo veremos de inmediato. 2. en este caso se dice que estas señales son “señales de banda angosta”. 2.89) z x ( t ) = x ( t ) + jx ( t ) La señal z x (t ) se denomina “señal analítica de x(t)” o “preenvolvente de x(t)”. de ancho de banda 2B. su espectro X(f) tendrá simetría hermítica. En efecto. pero sí respecto al origen. La Señal Analítica Consideremos ahora el concepto de señal analítica. es decir. pues siendo x(t) real. Este resultado también es importante en el análisis de señales y sistemas pasabanda. f (a) Espectro de x(t) fc (b) Espectro de la Señal Analítica de x(t) 0 f Una característica muy importante de la señal analítica es el comportamiento de su transformada de Fourier. estas señales no tienen espectros simétricos respecto a ± f c .2.88) La transformada de Hilbert del producto de dos señales. f c >> B. el ancho de banda 2B es pequeño en comparación con f c .7. La señal analítica es muy útil en el análisis de señales y sistemas pasabanda. la transformada de Fourier de z x (t ) es Z x ( f ) = X(f ) + j[ − j sgn( f ) X( f )] = [ 1 + sgn( f )] X( f ) (2.136 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero como M(v)C(u) es diferente de cero solamente para | v| < W y |u|> W. está concentrado alrededor de las frecuencias ±fc . X(f) 2B 1 Z x (f ) 2 2B −fc 0 fc Fig.

Obsérvese que el concepto de señal analítica o preenvolvente se aplica a cualquiera señal que posea un espectro.3. respectivamente. la representación de x(t) en la forma (2. z De (2.94). y de acuerdo con las expresiones (2. es también unívoca.93). pues estas señales son de gran utilización en comunicaciones. como se muestra en la Fig.93) x(t) = Im{z x (t)} =| z x (t) | sen[φz (t)] donde | z x (t )| = E z ( t ) = x 2 ( t ) + x 2 (t ) y φ z (t) = arctg Ez(t) y φz(t) se conocen con los nombres de “envolvente” y “fase” de z x (t ) .7.90b) El espectro de la señal analítica de x(t) es idénticamente nulo para f < 0. la señal x(t) y su transformada de Hilbert x ( t ) son unívocas.95) (2.94) donde x c (t ) y x s ( t ) son dos señales cuyas características determinaremos a continuación. Señales Pasabanda y φ z (t) = 2πf c t ♣ Consideremos ahora el producto z x ( t ) exp(− j2πf c t ) y definamos una nueva señal ~ ( t ) = z ( t ) exp(− j2πf t ) = x (t ) + jx ( t ) zx x c c s La señal ~x ( t ) se conoce con el nombre de “envolvente compleja de x(t)”. z x ( t ) = ~x ( t ) exp( j2πf c t ) = x ( t ) + jx (t ) z (2. Como z x (t ) es compleja. ♣ Ejemplo 2. ella puede expresarse en la forma z x ( t ) =| z x ( t )|exp[φ z ( t )] Por consiguiente.53. de donde E z ( t ) = 2AB| sinc( 2 Bt )| 2. x ( t ) = Re{ z x (t )} =| z x (t )|cos[φ z ( t )] (2. la envolvente y la fase de la señal del Ejemplo 2. Del Ejemplo 2.89) y (2. Nosotros hemos dado preferencia a señales pasabanda de banda angosta. es suficiente que se cumpla que f c ≥ B. 2.137 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también Z x (f ) = 2 X(f )u (f ) (2. es decir.53 y con f c ≥ B.32(b). sin embargo.92b) x(t) x(t) (2. donde f c >> B .91) (2.92a) (2.25 Calcular la preenvolvente. La envolvente Ez(t) se aproximará bastante a la salida de un detector de envolvente físico para señales de banda angosta. x ( t ) = 2ABsinc(2 Bt ) cos(2πf c t ) De (2.89). Como a una señal x(t) corresponde de manera unívoca la señal analítica z x ( t ) . y x(t) = 2ABsinc(2Bt)sen(2πf c t ) z x ( t ) = 2ABsinc( 2 Bt )[ cos( 2πf c t ) + j sen(2πf c t )] z x ( t ) = 2ABsinc( 2 Bt ) exp( j2πf c t ) .92a). Nótese que la envolvente Ez(t) sola no caracterizará por completo a la señal pasabanda x(t) porque el resto de la información está en la fase φz(t). . no necesariamente las señales tienen que ser de banda angosta.

2. para f c ≥ B.33. podemos ver que. se verifica que TF{z* (t)} = Z* (−f ) = X c (f ) − jX s (f ) . x . X (f ) = ~ Z x (− f ) = Z x (− f − f c ) (2. 2. Xc(f) y Xs(f) Vamos a demostrar que si x(t) es una señal real pasabanda. ~ De (2. Figs.97) (2. 2. siendo su conjugado ⎡ Zx (f ) ⎤ * = Z* (−f ) = Z* (−f + f c ) x x ⎣ ⎦ ~ Z x ( f ) = Z x ( f − f c ) = [1 + sgn(f )]X (f ). Fig.33(b).102) [ Z x (− f − f c ) + Z x (f − f c )] = 2 [ Z x (− f ) + Z x (f )] 2 La envolvente compleja ~x ( t ) de una señal real pasabanda x(t) es una señal compleja z ~ ~ pasabajo cuyo espectro Z x (f ) se muestra en la Fig.96) (2.33(a). como tampoco lo es su conjugado Z* (−f ) . x c ( t ) = Re{~x (t )} = x ( t ) cos( 2πf c t ) + x ( t ) sen( 2πf c t ) z x s ( t ) = Im{~x ( t )} = x ( t ) cos( 2πf c t ) − x ( t ) sen(2πf c t ) z de donde x ( t ) = x c (t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) x ( t ) = x c (t ) sen( 2πf c t ) + x s ( t ) cos( 2πf c t ) Por transformada de Fourier. Z x ( f ) = X c ( f ) + jX s ( f ) . 2.94).100) (2. x ~ Z x (f ) ~ Z* (− f ) x f -B 1 0 (b) B 1 1 1 2 X(f) Z x (− f ) 0 1/2 1 2 B f f -B 0 (a) B −f c X s (f ) 2 Z x (f ) (c) fc j ~* Z x (− f ) 2 f X c (f ) 1 ~* Z x (− f ) 2 j/2 1~ Z x (f ) 2 f -B 0 (d) B −j Zx(f) 2 -B (e) 0 B -j/2 Fig.33.101) 1 ~ 1 ~ (2. Formación de X(f). Nótese que el espectro Z x ( f ) no es simétrico respecto al origen. entonces xc (t) y xs (t) serán señales reales pasabajo de banda limitada B.138 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En consecuencia. x x X c ( f ) y X s (f ) se pueden expresar entonces en función de Z x (f ) y Z* (−f ) . En efecto.99) Zx (f ) = Zx (f + f c ) .32 y 2. y puesto que z x (t) es compleja. (2.98) (2.

La expresión (2. Nótese que las asimetrías del expectro X(f) en relación con la frecuencia f c son . En resumen. respectivamente. como se desprende de la expresión (2. se puede expresar en términos de dos señales pasabajo x c ( t ) y x s ( t ) reales. x c ( t ) x y x s ( t ) serán también señales pasabajo.105) ⎧− j[ X( f + f ) − X( f − f )] ⎪ c c X s (f ) = ⎨ ⎪0 ⎩ para | f| ≤ B para B <| f| (2. En la Fig.5.97).7.107b) (2.33(c). Las señales pasabajo x c (t ) y x s ( t ) se denominan “componentes ortogonales de x(t)”. Z x (− f − f c ) = Z x ( f + f c ) (2. de (2. ⎧[ X( f + f ) + X( f − f )] para |f|≤ B ⎪ c c X c (f ) = ⎨ ⎪0 para B <|f| ⎩ (2. ~ Nótese que si X(f) es también simétrica respecto a la frecuencia central f c . x(t) = x c ( t ) cos( 2πf c t ) z X( f ) = que es el caso de las señales moduladas. y de (2.107a) 1 ~ ~ Z x (f + f c ) + Z x f − f c ) .104) ~ Como Z x (f ) es una señal pasabajo.103) y (2.107c) La expresión (2. en relación con la frecuencia central fc . Así que z ~ ~ ~ ~ Z x (f ) = Z x ( − f ). 2.108) es una generalización del teorema de la modulación que vimos anteriormente. Los mismos argumentos se aplican a la transformada de Hilbert de x(t). De aquí resulta que.96) y (2. cada una de banda limitada B. Vemos también que X c ( f ) y X s ( f ) están relacionadas con las partes de X(f) que son simétricas y antisimétricas. en el sentido visto en la Sección 1.108) se conoce también con el nombre de “forma canónica de x(t)”.106) x c ( t ) y x s ( t ) son señales reales Con esto demostramos finalmente que las señales pasabajo de banda limitada B. una señal real pasabanda x(t) con un ancho de banda 2B y centrada en la frecuencia f c . mediante la expresión x ( t ) = x c ( t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) con fc ≥ B (2.139 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1 ⎡ Zx (f ) + Z∗ (−f ) ⎤ x ⎦ 2⎣ 1 X s (f ) = − j ⎡ Zx (f ) − Z∗ (−f ) ⎤ x ⎦ 2⎣ X c (f ) = (2. Esta expresión es básica en todos los sistemas de modulación lineal. se muestra la formación de X(f) a partir de Z x (f ) y Zx (−f ) . X s (f) = 0 2 x s ( t ) = 0. mientras que x s (t ) es la “componente en cuadratura”. respectivamente. y X c ( f ) y X s ( f ) a partir de Z x (f ) y Z* (−f ) . (d) y (e). entonces Z x ( f ) será simétrica respecto al origen y no tendrá componente antisimétrica [ ~x (t ) será real].103) (2. del ~ espectro Z x ( f ) de la envolvente compleja. como veremos en los próximos capítulos.99).108) [ ] (2. En particular. ~x ( t ) = x c (t ). Z* (−f ) lo será también. x c ( t ) es la “componente en fase”.104). x X c ( f ) y X s ( f ) son las componentes simétricas y antisimétricas.

111) es la “envolvente natural” de x(t) es la “fase natural” de x(t) pero. en los cuales generalmente f c >> B. Esto lo trataremos más adelante. Por otra parte.94). La preenvolvente z x (t ) de una señal real pasabanda x(t) es una señal compleja pasabanda cuyo valor depende de la frecuencia fc . 1 d f i (t) = [2πf c t + ψ ( t )] 2 π dt 1 d ψ(t) f i (t) = f c + (2. es decir. que son las que poseen la información. es decir. En general. x s (t) = 0 . la frecuencia instantánea de x(t) es. por definición.108). la envolvente natural E(t) es siempre una señal pasabajo que en los sistemas de comunicación contiene la información a transmitir. la correspondiente señal x(t) pasabanda no poseerá una componente en cuadratura. vemos que de donde 2 | ~x ( t )| = x c ( t ) + x 2 ( t ) = E ( t ) z s x ( t ) =| ~x (t )| cos[ 2πf c t + ψ(t )] z (2. Los diferentes tipos de modulación lineal que se estudiarán en los Capítulos V y VI son casos particulares de la expresión (2.108) se puede escribir en la forma polar x ( t ) = E ( t ) cos[2 πf c t + ψ( t )] donde y E (t ) = x 2 (t ) + x 2 (t ) c s ψ(t ) = arctg x s (t ) x c (t ) (2. Estos conceptos son de gran aplicación en comunicaciones. si el espectro X(f) es simétrico respecto a f c . La señal x(t) dada por (2. que veremos en el Capítulo VI. en efecto. se puede aislar o extraer. Entonces. diremos sin demostrarlo.114) o (2. de ancho de banda 2B y centrado en la frecuencia fc . las bandas de frecuencia sobre y bajo la frecuencia fc. cualquiera señal que se pueda representar en la forma canónica x(t) = x c (t) cos(2πf c t + θ) ± x s (t)sen(2πf c t + θ) (2.109) (2. de (2.109). de (2. mientras que la envolvente compleja ~x (t ) es una señal compleja pasabajo cuyos valores son independientes z de la frecuencia fc. .112) La envolvente natural de una señal pasabanda real x(t) viene dada por el módulo de su correspondiente envolvente compleja ~x (t ) .113) 2 π dt El concepto de frecuencia instantánea es de gran aplicación en los sistemas de modulación angular. pues. z Algunas veces es conveniente definir la “frecuencia instantánea” de la señal pasabanda x(t).110) (2. será una señal real pasabanda con un espectro X(f) asimétrico respecto a fc . con f c ≥ B.140 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS producidas por la componente en cuadratura x s ( t ) . juntas o separadamente. mediante una técnica conocida como “detección sincrónica o coherente”. se puede extraer de x(t) su envolvente natural E(t) portadora de información. Los resultados anteriores se pueden resumir en los dos esquemas de la Fig.114) donde x c ( t ) y x s ( t ) son señales reales de banda limitada B.34. siendo θ un ángulo o desfase arbitrario y x c (t ) ≠ x s (t ) . 2.

2.26 Calcular las componentes ortogonales del espectro X(f) de la Fig. 2. que es consecuencia directa de las expresiones (2.141 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS z c (t ) 2 cos(2 πf c t ) −2 sen(2 πf c t ) Filtro Pasabajo B B x c (t ) x c (t ) + x(t) cos(2πf c t ) sen(2πf c t ) x s (t ) x(t) _ z s (t ) (a) Generación de x c (t ) y x s ( t ) (b) Reconstrucción de x(t) a partir de x(t) a partir de x c (t ) y x s ( t ) Fig. ♣ Ejemplo 2. Los dos esquemas de la Fig.35(a).34 Filtro x s ( t ) Pasabajo Las señales pasabajo x c (t ) y x s ( t ) se pueden deducir mediante el diagrama de bloques de la Fig. 2. 2. que es una realización término a término de la expresión (2.106).34(b). 2.34 son básicos en el análisis de todos los sistemas de modulación lineal.35(a). Fig. como veremos en los Capítulos V y VI.105) y (2. 2.108). La señal pasabanda x(t) se puede reconstituir a partir de sus componentes ortogonales x c (t ) y x s ( t ) en la forma mostrada en la Fig. 2. Los filtros pasabajo son idénticos y de ancho de banda B. ⎡ ⎛ f + fc + B / 2 ⎞ ⎡ ⎛ f + fc − B / 2 ⎞ ⎛ f − fc − B / 2 ⎞ ⎤ ⎛ f − fc + B / 2 ⎞ ⎤ X( f ) = 2A ⎢ Π⎜ ⎟ + Π⎜ ⎟ ⎥ + A ⎢Π⎜ ⎟ + Π⎜ ⎟⎥ ⎠ ⎝ ⎠⎦ ⎠ ⎝ ⎠⎦ B B B B ⎣ ⎝ ⎣ ⎝ ⎛ f − fc − B / 2 ⎞ ⎛ f − fc + B / 2 ⎞ Z x ( f ) = [1 + sgn(f )]X(f ) = 4 AΠ⎜ ⎟ + 2 AΠ⎜ ⎟ ⎠ ⎝ ⎠ ⎝ B B ⎛f − B/ 2⎞ ⎛f + B/ 2⎞ ~ ⎟ + 2 AΠ⎜ ⎟ Z x ( f ) = Z x ( f + f c ) = 4 AΠ⎜ ⎝ B ⎠ ⎝ B ⎠ .35 (c) Espectro de x s (t ) El espectro X(f) se puede expresar en la forma.34(a). 3A Xc(f) X(f) B 2A B A -B f -B 0 B f 0 -jA Xs(f) jA B f −f c fc 0 (a) Espectro de x(t) (b) Espectro de x c (t ) Fig.

Xc(f).27 Sea la señal pasabanda x(t) = A [1 + 2sen(2πf a t) ] cos(2πf c t) .142 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ~ ⎛ − f − B/2 ⎞ ⎛ − f + B/ 2 ⎞ Z x ( − f ) = 4 AΠ ⎜ ⎟ + 2 AΠ ⎜ ⎟ B B ⎝ ⎠ ⎝ ⎠ En este caso particular se verifica que ⎛ −f − B / 2 ⎞ ⎛f + B/ 2⎞ ⎛ -f + B / 2 ⎞ ⎛f − B/ 2⎞ ⎟ = Π⎜ ⎟ y Π⎜ ⎟ = Π⎜ ⎟ Π⎜ ⎝ ⎠ ⎝ B ⎠ ⎝ ⎠ ⎝ B ⎠ B B entonces ⎛f + B/ 2⎞ ⎛f − B/ 2⎞ ~ ⎟ + 2 AΠ⎜ ⎟ Z x ( − f ) = 4 AΠ⎜ ⎝ B ⎠ ⎝ B ⎠ ⎡ ⎛f + B/ 2⎞ ⎛ f − B / 2 ⎞⎤ ⎛ f ⎞ 1 ~ ~ ⎟⎥ = 3AΠ⎜ ⎟ . de donde ⎟ + Π⎜ Z x (f ) + Z x ( − f ) = 3A⎢ Π⎜ ⎝ 2B ⎠ ⎝ B ⎠⎦ ⎣ ⎝ B ⎠ 2 Los espectros de las componentes ortogonales serán X c (f ) = [ ] x c ( t ) = 6ABsinc(2 Bt ) X s (f ) = − j ⎡ ⎛f + B / 2⎞ ⎛ f − B / 2 ⎞⎤ 1 ~ ~ ⎟ + AΠ⎜ ⎟ Z x (f ) − Z x (− f ) = − j⎢ − AΠ⎜ ⎝ ⎝ B ⎠⎥ ⎣ ⎦ 2 B ⎠ [ ] ⎡ ⎛f + B / 2⎞ ⎛ f − B / 2 ⎞⎤ ⎟ − Π⎜ ⎟ .35 (b) y (c).34(a) Solución (a) Sea x(t) ⇔ X(f ) Desarrollando. xs(t) y Xs(f) en los siguientes casos: (a) A partir de la envolvente compleja de x(t) (b) A partir de la Fig. ♣ ♣ Ejemplo 2. 2. x s ( t ) = 2 ABsinc(Bt ) sen(πBt ) = 2A sen 2 (πBt ) x(t) = A cos(2πf a t) + Asen [ 2π(f c + f a )t ] − Asen [ 2π(f c − f a )t ] X(f ) = A A [ δ(f + f c ) + δ(f − f c )] + j [δ(f + f c + f a ) − δ(f − f c − f a )] 2 2 A − j [ δ(f + f c − f a ) − δ(f − f c + f a ) ] 2 Zx (f ) = 2X(f )u(f ) = Aδ(f − f c ) − jAδ(f − f c − f a ) + jAδ(f − f c + f a ) . Como X(f) es asimétrica respecto a fc . x(t) contiene una componente en cuadratura x s ( t ) . de donde X s ( f ) = jA⎢ Π⎜ ⎝ B ⎠⎥ ⎣ ⎝ ⎦ B ⎠ x s ( t ) = jABsinc( Bt ) exp( − jπBt ) − jABsinc( Bt ) exp( jπBt ) πt Los espectros de x c ( t ) y x s (t ) se muestran en la Fig. 2. Determinar sus componentes ortogonales xc(t). respectivamente.

La salida xc(t) será entonces x c (t) = A [1 + 2sen(2πf a t) ] .34.34(a). 2. igual al valor obtenido en (a) De la Fig. x s (t) = 0 ⇔ X s (f ) = 0 Nótese lo fácil que es operar directamente con la Fig.fa fc -jA f fa -fa 0 -jA f fa -fa (c) * x f 0 -jA (a) (b) Fig.34(a). Espectros Z x(f).36. Z x (f ) y Z* (−f ) . z c (t) = x(t)2cos(2πf c t) = 2A [1 + 2sen(2πf a t) ] cos 2 (2πf c t) = A [1 + 2sen(2πf a t) ]{1 + cos [ 2π(2f c )t ]} = A {1 + cos [ 2π(2f c )t ] + 2sen(2πf a t) + sen [ 2π(2f c + f a )t ] − sen [ 2π(2f c − f a )t ]} El filtro pasabajo elimina todas las componentes de alta frecuencia (alrededor de 2fc). Zx(f) y Z (-f) (b) De la Fig.143 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Zx (f ) = Zx (f + f c ) = Aδ(f ) − jAδ(f − f a ) + jAδ(f + f a ) Z* (−f ) = Z* (−f + f c ) = Aδ(f ) + jAδ(−f − f a ) − jAδ(−f + f a ) x x =Aδ(f ) + jAδ(f + f a ) − jAδ(f − f a ) X c (f ) = 1 j ⎡ Zx (f ) + Z* (−f ) ⎤ = A ⎧δ(f ) + 2 [ δ(f + f a ) − δ(f − f a ) ]⎫ ⎨ ⎬ x ⎣ ⎦ 2 2 ⎩ ⎭ x c (t) = A [1 + 2sen(2πf a t) ] Componente en fase 1 ⎡ Zx (f ) − Z* (−f ) ⎤ = 0 ⇔ x s (t) = 0 No tiene componente en cuadratura x ⎦ 2⎣ En la Fig. por lo tanto. ♣ . z s (t) = − x(t)2sen(2πf c t) = −2A [1 + 2sen(2πf a t) ] cos(2πf c t)sen(2πf a t) = −A {sen [ 2π(f c + f a )t ] − sen [ 2π(f c − f a )t ] + 2sen(2πf a t)sen [ 2π(f c + f a )t ] − − 2sen(2πf a t)sen [ 2π(f c − f a )t ]} Todas las componentes son de alta frecuencia y son eliminadas por el filtro pasabajo.36 se muestran Z x (f ). 2. 2. 2. 2. x X s (f ) = Zx(f) jA A jA A Zx(f) jA Z*(-f) x A fc + fa 0 fc .

Sea m( t ) ⇔ M (f ) una señal real pasabajo de banda limitada B que contiene alguna información a transmitir: m(t) es un mensaje.37 se muestra M(f). Nótese que el espectro M(f) aparece ahora centrado en las frecuencias ±f c . En la Fig. La banda lateral inferior y la banda lateral superior son imágenes especulares respecto a f c .115) (2. de gran importancia en los sistemas de comunicación. que es el Teorema de la Modulación. Hagamos el producto x ( t ) = m( t ) cos( 2 πf c t ) ⇔ X( f ) = Si f c ≥ B . se cumple que x ( t ) = m( t ) sen(2 πf c t ) ⇔ j Es evidente que 1 2 1 2 [ M (f + f c ) + M (f − f c )] [ M (f + f c ) − M (f − f c )] ⎧ M (f − f c ) = 0 para f < 0 ⎨ ⎩ M(f + f c ) = 0 para f > 0 Podemos definir entonces una señal z x ( t ) ⇔ Z x (f ) en la forma Z x (f ) = M(f − f c ) ⇔ z x (t) = m(t) exp( j2πf c t) Puesto que m(t) es real. M(f) será simétrico respecto al origen. 2. Como en el espectro X(f) de la señal modulada x(t) aparecen ambas bandas laterales. Z x ( f ) y X(f). Si M(f) no tiene simetría hermítica [m(t) no es real].4. . z x (t ) será la función analítica de x(t). Se sombrea una de las bandas de M(f) para mostrar su ubicación al ser modulada. Se tiene entonces que z x ( t ) = x ( t ) + jx ( t ) = m(t ) exp( j2πf c t ) Z x (−f ) = M(−f − f c ) = M(−f + f c ) = M(f + f c ) X( f ) = (2.144 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. y Z x (f ) será simétrico respecto a f c . siendo x(t) una señal real pasabanda. se dice entonces que x(t) es una señal modulada de “Doble Banda Lateral”.37(c). mientras que la banda de frecuencias en el intervalo [ f c − B] <| f | < f c se denomina “Banda Lateral Inferior”. expresión (1.116) [ Z x (− f ) + Z x (f )] = 2 [ M (f + f c ) + M (f − f c )] 2 1 1 resultado que ya habíamos obtenido. La banda de frecuencias de X(f) o de Z x ( f ) en el intervalo de frecuencias f c <| f | < [ f c + B] se denomina “Banda Lateral Superior”. 2. entonces Z x ( − f ) ≠ M ( f + f c ) y el espectro de x ( t ) = m( t ) cos(2πf c t ) tampoco tendrá simetría hermítica. Señales Moduladas y Bandas Laterales Modulación en Doble Banda Lateral El concepto de señal analítica permite entender con más facilidad y profundidad la noción de “Banda Lateral” en el estudio de las señales moduladas. entonces representará al espectro de una señal real modulada y tendrá la forma de la Fig. Pero si M(f) tiene simetría hermítica.95).7. conviene en este punto conocer el significado de “Banda Lateral Doble” y “Banda Lateral Unica”. Aunque la aplicación práctica de estos conceptos no la veremos sino en los Capítulos V y VI. Por lo tanto.

QAM)”. Esto significa que la envolvente natural de x(t) es simplemente el mensaje a transmitir y la fase natural es cero. Obsérvese que la señal m(t). puede enviarse simultáneamente dos señales diferentes por el mismo canal. como se muestra en la Fig. 2.38. Esta operación. donde x 1 ( t ) y x 2 (t ) son dos señales pasabajo diferentes. 2. lo cual en términos prácticos equivale a decir que toda la información está contenida en su envolvente natural y bastará extraer la envolvente natural para recuperar la información en ella contenida. Este es un sistema de modulación muy utilizado en la práctica. “extraer” o “detectar” a partir de x(t) formando el producto (Ver Problema de Aplicación 2. los filtros son pasabajo de ancho de banda B. Detector Coherente x r1 (t ) 2 cos(ω c t ) 2 sen(ω c t ) x 1 (t ) A c cos(ω c t ) + A c sen(ω c t ) + Filtro Pasabajo y 1 (t ) x t (t ) Canal x r (t ) x 2 (t ) Detector Coherente (a) Transmisor QAM x r2 (t ) Filtro Pasabajo y 2 (t ) (b) Receptor QAM Fig.28) x ( t ) 2 cos( 2 πf c t ) = m( t ) + m(t ) cos(4 πf c t ) y pasándolo por un filtro pasabajo que elimina las componentes de alta frecuencia (alrededor de ±2f c ). ♣ Ejemplo 2.38. Modulación Ortogonal o en Cuadratura (QAM) Cuando se transmite una señal pasabajo de banda limitada B en doble banda lateral.145 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La señal x ( t ) = m(t ) cos( 2πf c t ) es entonces una señal modulada de doble banda lateral cuyo espectro es simétrico alrededor de f c y cuya componente en cuadratura es cero. denominada “detección sincrónica o coherente” y está representada en la rama superior de la Fig.28. En la práctica este tipo de modulación se denomina “Modulación Ortogonal o en Cuadratura (Quadrature Amplitude Modulation. y cualquiera otra señal que aparezca dentro de ese ancho de banda constituirá una distorsión o interferencia. la señal modulada ocupa una gama de frecuencias de ancho 2B centrada en la frecuencia f c de la portadora. con f c >> B y que contienen información. si se aplica las propiedades de la forma canónica de una señal pasabanda. 2. se puede determinar. de banda limitada B. 2. Dispongamos la Fig.34 en la forma mostrada en la Fig. . 2. Sin embargo.34(a).38. Modulación QAM. que es la envolvente natural de x(t).

2. expresión (2.117). Z m ( f ) tendrá la forma mostrada en la Fig. sus dos bandas laterales tendrán perfiles diferentes. es decir. el espectro de x t ( t ) estará centrado en ±f c pero será asimétrico. . Con la modulación QAM el rendimiento del canal aumenta al doble.146 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Puesto que x 1 ( t ) y x 2 (t ) son diferentes. s( t ) = Re{ z s ( t )} = Re{[ m( t ) + jm( t )] exp( j2πf c t )}. z s (t ) = s( t ) + js (t ) . Para simplificar el análisis. Z m ( f ) = [1 + sgn( f )]M ( f ) ⇔ z m (t). de donde s( t ) = m( t ) cos( 2πf c t ) − m( t ) sen( 2πf c t ) con fc ≥ B (2.117) Veamos ahora qué forma tiene el espectro S(f) de s(t). Formemos ahora la señal z s (t ) = z m ( t ) exp( j2πf c t ) ⇔ Z s ( f ) = Z m ( f − f c ) donde podemos considerar a z s (t ) como la señal analítica de una señal real pasabanda s(t). de modo que la salida del detector coherente será y 1 (t ) = A c x 1 (t ) Igualmente. como veremos en los Capítulos V y VI. supongamos que x r ( t ) = x t ( t ) . donde z m ( t ) = m( t ) + jm(t ) entonces. es decir. ♣ Modulación en Banda Lateral Unica Sea z m ( t ) la señal analítica de m(t).39(a). Este tipo de modulación es muy utilizado en la transmisión de impulsos y señales continuas. es decir. por la rama inferior del receptor se obtiene y 2 (t ) = A c x 2 (t ) y hemos recuperado las dos señales diferentes x 1 (t ) y x 2 ( t ) que fueron transmitidas por el mismo ancho de banda. por lo tanto. x r (t ) = x 1 (t )A c cos(ω c t ) + x 2 (t )A c sen(ω c t ) Por la rama superior del receptor se tendrá x r1 (t ) = x r ( t )2 cos(ω c t ) = 2 A c x 1 ( t ) cos 2 (ω c t ) + 2 A c x 2 ( t ) sen(ω c t ) cos(ω c t ) x r1 (t ) = A c x 1 ( t ) + A c x 1 ( t ) cos(2ω c t ) + A c x 2 ( t ) sen( 2ω c t ) El filtro pasabajo de ancho de banda B rechaza todas las frecuencias superiores a su banda de paso.

121b). son sistemas de banda lateral única.121a) y (2.147 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De las Figs. de donde 1 − sgn(f + f c ) = 2 u (− f − f c ) S(f ) = [ 2M (f + f c )u (− f − f c ) + 2M (f − f c )u (f − f c )] [ Z s (− f ) + Z s (f )] (2.117). el espectro S(f) contendrá solamente las bandas laterales inferiores.117) es positivo. Sin embargo. o la señal de banda lateral única s(t ) = m(t ) cos(2 πf c t ) + m(t ) sen(2 πf c t ) . La recuperación de m(t) a partir de s(t) se puede efectuar también mediante detección coherente (Ver Problema de Aplicación 2.117) en forma polar s( t ) = A ( t ) cos[ 2πf c t + θ( t )] donde A (t ) = m 2 (t ) + m 2 (t ) y θ(t) = arctg m(t) m(t) (2. pues solamente aparecen las bandas laterales superiores. la señal s(t) de banda lateral única posee envolvente y fase. que en este caso es el mensaje m(t). como podemos ver en (2. Esto tiene una gran importancia de tipo práctico pues. Los sistemas telefónicos. Expresando (2.120) De (2.119) Asimismo.118) (2.118) y (2. Se puede demostrar que si el signo de la componente en cuadratura de la expresión (2. Obsérvese que la eliminación completa de una de las bandas laterales ocurre solamente cuando la componente en cuadratura de la señal modulada es la transformada de Hilbert de la componente en fase.119).121b) En resumen. mientras que la señal x(t) de doble banda lateral necesita solamente la envolvente.39(c). S(f ) = Este espectro tiene la forma mostrada en la Fig. por transformada de Fourier de (2. . 2. dada por la expresión (2.39(b).121a) (2. podemos escribir Z s (f ) = 2M (f − f c )u (f − f c ) Z s (− f ) = 2 M ( f + f c ) u (− f − f c ) (2. como veremos en el Capítulo VI. los sistemas prácticos de modulación de doble banda lateral y los de banda lateral única no son completamente compatibles. En este caso se dice que s(t). S(f ) = Como S(f ) = pero 1 2 1 2 1 2 [ M (f + f c ) + M (f − f c )] − j 2 [ M (f + f c ) − M (f − f c )] 2 1 1 M ( f ) = − j sgn(f ) M (f ).28). Por esta razón. se puede utilizar la señal modulada x ( t ) = m(t ) cos( 2πf c t ) de doble banda lateral. 2. en lo que se refiere a la transmisión de una señal mensaje m(t). como veremos en el Capítulo VI. es una señal modulada en “Banda Lateral Unica”. entonces S(f) queda en la forma { M (f + fc )[1− sgn(f + fc )] + M (f − fc )[1 + sgn(f − fc )]} y 1 + sgn(f .37(b) y 2. siendo las dos necesarias para la recuperación de m(t). el ancho de banda de transmisión se reduce a la mitad y el rendimiento del canal aumenta al doble. como veremos en su oportunidad.f c ) = 2 u ( f − f c ).117).

que son señales que no poseen una transformada de Fourier.123) para B <| f| ⎩0 La deducción de S xs ( f ) es similar verificándose que S xc ( f ) = S xs ( f ) . entonces < x 2 (t ) >=< x 2 ( t ) >=< x 2 ( t ) >= c s ∫ ∞ −∞ S x (f ) df = ∫ ∞ −∞ S xc ( f ) df = ∫ ∞ −∞ S xs ( f ) df (2. Estos resultados son muy importantes y se aplican sobre todo en señales pasabanda aleatorias como. x s (t ) ⇒ S xs (f ) donde S x ( f ). 2. 2. por ejemplo. como es el caso de las señales aleatorias.7. por consiguiente. S xc ( f ) y S xs ( f ) tendrán la forma indicada en la Fig. Con referencia a la Fig. Densidades Espectrales en Señales Pasabanda Como el área bajo S x ( f ) es igual al área bajo S xc ( f ) o S xs ( f ) .148 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. S xc (f ) y S xs ( f ) son las densidades espectrales de potencia de x( t ). La naturaleza aleatoria del ruido tiende a distribuir la potencia entre sus dos componentes ortogonales y esto es en contraste directo con las señales .34(a) y del teorema de modulación para señales de potencia. 2. z c ( t ) = x ( t )2 cos( 2πf c t ) ⇒ S zc (f ) = S x ( f + f c ) + S x ( f − f c ) [ ] para todo f (2. Con la notación que hemos establecido para las señales de potencia. utilizaremos las correspondientes densidades espectrales de potencia.122) Al pasar z c (t ) por el filtro pasabajo se eliminan las componentes de alta frecuencia.40(b). lo cual está de acuerdo con el teorema de la modulación para señales de potencia. ⎧[ S (f + f ) + S (f − f )] para | f| ≤ B x c x c S xc (f ) = ⎨ (2.124) Las potencias contenidas en cada una de las componentes ortogonales son iguales entre sí e iguales a la potencia total de la señal pasabanda.5. x c ( t ) y x s ( t ) . Filtro Pasabajo 2 S xc (f ) = S xs ( f ) S x (f − f c ) S x (f ) 2B 1 S x (f + f c ) −f c 0 (a) fc f f −2f c -B (b) 0 B 2f c Fig. el ruido.40. x c (t ) ⇒ S xc (f ) . Se trata entonces de determinar la distribución de la potencia entre las componentes ortogonales de una señal pasabanda de potencia y puesto que no se puede utilizar la transformada de Fourier. Señales Pasabanda de Potencia Consideremos el caso de señales de potencia. respectivamente. hagamos x(t ) ⇒ S x (f ).

(d) Sea entonces.125) < x 2 (t ) >= < x 2 (t ) > + < x 2 ( t ) > c s 2 2 La potencia promedio de una señal aleatoria se divide por igual entre sus dos componentes ortogonales. es decir. 2. La entrada al filtro es una señal pasabanda real x ( t ) ⇔ X(f ). En efecto.41(c). La potencia promedio de una señal aleatoria pasabanda. z z c c s ~ ~ ( t ). el ancho de banda del filtro es igual o mayor que el ancho de banda de la señal x(t). Consideremos el filtro pasabanda de la Fig. de acuerdo con las expresiones (2.41(a). resulta que el análisis del filtrado pasabanda de una señal pasabanda puede efectuarse mucho más fácilmente a través del análisis del filtrado pasabajo complejo de señales pasabajo complejas. cuya función de transferencia es H(f).108) y (2. que H(f) tiene simetría hermítica. 2. 2. como lo demostraremos a continuación.41. respuesta xz yz z impulsional h(t) y salida y(t). será entonces 1 1 (2. 2.6. h z ( t ) = h ( t ) + jh ( t ). x z ( t ) = x( t ) + jx( t ). Se supone que h(t) es real. h (t ) y ~ ( t ) son las envolventes complejas de la entrada x(t).124). Se tiene entonces que ~ X z ( f ) = [1 + sgn(f )]X( f ) = X z ( f − f c ) y X(f) = 1 ~ ~ X z (− f − f c ) + X z (f − f c ) 2 [ ] .7. ~ ( t ) = x ( t ) exp( − j2πf t ) = x ( t ) + jx ( t ) xz z c c s ~ h z ( t ) = h z ( t ) exp( − j2πf c t ) = h c (t ) + jh s (t ) ~ ( t ) = y ( t ) exp( − j2πf t ) = y (t ) + jy (t ) y y z ( t ) = y ( t ) + jy ( t ).149 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS determinísticas en las cuales se puede controlar la fase a fin de obtener solamente términos en seno o en coseno. Sistemas Pasabanda Gran parte de la utilidad de la representación en envolvente compleja de una señal pasabanda se perdería si no fuera posible caracterizar directamente en función de ella los efectos del filtrado pasabanda. x(t) X(f) h(t) H(f) y(t) Y(f) ~ (t ) 1 xz ~ h z (t ) 2 ~ (t ) yz (a) Filtrado Pasabanda H(f) X(f) (b) Filtrado Equivalente Complejo ~ H z (f ) ~ X z (f ) f f 0 −f c (c) 0 fc Fig. Fig. respectivamente.

Reemplazando en (2. h z ( t ) y ~ z (t ) .128) Desarrollando esta expresión. con un factor de escala de 1/2. x x ( t ) = 0. x(t) = x ( t ) cos( 2 πf t ) x (2. En este caso. la envolvente compleja de la señal filtrada y(t) viene dada por el producto de convolución de la envolvente compleja de la señal de entrada x(t) por la envolvente compleja de la respuesta impulsional h(t) del filtro.127) las envolventes complejas por sus respectivas componentes.130a) s z c c c . La importancia de este resultado estriba en el hecho de que al tratar con señales y sistemas ~ pasabanda.126) Estas dos últimas expresiones implican que 1 ~ ~ ~ Yz (f ) = H z ( f ) ⋅ X z (f ) 2 [ ] ] cuya transformada de Fourier inversa es ~ (t ) = 1 ~ (t ) ∗ ~ (t ) xz yz hz 2 [ (2. se tiene ~ ( t ) = y (t ) + jy ( t ) = 1 h ( t ) + jh ( t ) ∗ x (t ) + jx ( t ) yz c s c s c s 2 [ ] [ ] (2. Este modelo equivalente proporciona una base práctica para la simulación del filtrado pasabanda o de un canal de comunicaciones en una computadora digital. Nótese que si H(f) y X(f) son simétricos respecto a la frecuencia central f c . el análisis de un sistema pasabanda. se puede trabajar con las envolventes complejas pasabajo ~ z ( t ). y s (t ) = [ h s (t ) ∗ x c (t )] + 2 [ h c (t ) ∗ x s (t )] 2 1 1 (2. mostrado en la Fig.127) Por lo tanto.42. se reemplaza por un análisis equivalente en pasabajo que retiene por completo toda la esencia del proceso de filtrado. la componente en fase de la salida y(t) es y c (t ) = [ h c (t ) ∗ x c (t )] − 2 [ h s (t ) ∗ x s (t )] 2 1 1 y la componente en cuadratura de la salida y(t). 2. entonces ~ ~ ~ H z (f ) y X z ( f ) serán simétricos respecto al origen [ h z ( t ) y ~ z ( t ) serán reales]. Por x y consiguiente. complicado por el factor exp( j2πf c t ) .150 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ~ H z ( f ) = [1 + sgn( f )]H ( f ) = H z ( f − f c ) La salida del filtro será Y( f ) = H ( f ) X( f ) = Y( f ) = y H(f) = 1 ~ ~ H z (− f − f c ) + H z (f − f c ) 2 [ ] 1 ~ ~ ~ ~ H z (− f − f c )X z (− f − f c ) + H z (f − f c )X z (f − f c ) 4 [ ] 1 ~ ~ Yz ( − f − f c ) + Yz ( f − f c ) 2 [ ] (2.129) Estas expresiones permiten establecer el modelo equivalente pasabajo de un filtro pasabanda. ~ ( t ) = x ( t ).

73). Respuesta de un Filtro Pasabanda a un Impulso de Radiofrecuencia Consideremos un filtro ideal pasabanda de ancho de banda 2B. 2. cuya entrada es un impulso de radiofrecuencia (RF) de la forma x( t ) = AΠ( t / T) cos(2πf c t ) . centrado en la frecuencia f c . ♣ Ejemplo 2. Equivalente Pasabajo del Filtrado Pasabanda. donde fc >> 1 / T y f c >> B .42. y c (t) = [ h c ( t ) ∗ x c ( t )] . En la Fig.151 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h s (t) = 0 ~ h z ( t ) = h c ( t ). 1 2 h(t) = h c ( t ) cos( 2 πf c t ) (2.28.130c) Filtro Pasabanda Filtro x c (t ) Pasabajo + _ + h c (t ) / 2 h s (t ) / 2 h s (t ) / 2 h c (t ) / 2 y c (t ) x(t) 2 cos(2 πf c t ) −2 sen(2πf c t ) Filtro Pasabajo x s (t ) cos(2πf c t ) sen( 2πf c t ) + + y(t) _ y s (t ) Fig. Esta es la situación que se presenta a la entrada del filtro de radiofrecuencia en los receptores de radio. y s ( t ) = 0.43(a) se muestra la forma del impulso de radiofrecuencia. De (2. Vamos a determinar la respuesta y(t) del filtro.130b) y respecto a la salida. y(t) = y c ( t ) cos( 2 πf c t ) (2. de señales digitales y de radar. 2.72) y (2. ⎡ ⎛ f + fc ⎞ ⎛ f − f c ⎞⎤ H( f ) = h o ⎢ Π⎜ ⎟ + Π⎜ ⎟⎥ exp( − j2πt o f ) ⎝ 2 B ⎠⎦ ⎣ ⎝ 2B ⎠ h( t ) = 4 Bh o sinc[2 B( t − t o )] cos[2πf c ( t − t o )] .

2.8. Sea entonces x (t ) ⇒ S x (f ) ⇔ R x (τ ) . T = 4to . y(t ) ⇒ S y (f ) ⇔ R y (τ ) h(t ) ⇔ H (f ) . para T = 1. S xy ( f ) ⇔ R xy ( τ ) . entonces.1. Fig. ~ z ( t ) será también real. la salida del filtro pasabanda será y( t ) = ⎧ 2 Ah o ⎡ ⎧ T ⎫ T ⎫⎤ ⎢Si⎨ 2 πB( t − t o + ) ⎬ − Si⎨ 2 πB( t − t o − ) ⎬⎥ cos( 2 πf c t ) ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ Si hacemos por ejemplo. 2.248).43(b) se muestra la forma de esta salida. FUNCIONES DE CORRELACION EN SISTEMAS LINEALES 2. 2.44.152 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎛ f ⎞ ~ H z ( f ) = 2 h o Π⎜ ⎟ exp( − j2 πt o f ) ⎝ 2B ⎠ ~ ~ h z ( t ) = 4 Bh o sinc[ 2 B( t − t o )] = h c ( t ) pues h z ( t ) es real ⎛ f + fc ⎞ ⎛ f − f c ⎞⎤ ⎛t⎞ A⎡ x( t ) = AΠ⎜ ⎟ cos( 2 πf c t ) ⇔ X( f ) = ⎢ sinc⎜ ⎟ + sinc⎜ ⎟⎥ ⎝T⎠ ⎝ 1/ T ⎠ ⎝ 1 / T ⎠⎦ 2⎣ ⎛ f ⎞ ~ t ~ ⎟ ⇔ x z ( t ) = 2 AΠ( ) = x c ( t ) pues ~ z ( t ) es real X z ( f ) = ATsinc⎜ x ⎝1 / T ⎠ T ~ Puesto que ~ z ( t ) y h z ( t ) son reales.20(b) cuya solución es y c (t) = 2 Ah o ⎡ ⎧ ⎧ T ⎫ T ⎫⎤ ⎢Si⎨ 2 πB( t − t o + ) ⎬ − Si⎨ 2 πB( t − t o − ) ⎬⎥ ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ De (2. B = 2/T y fc = 6.8. Autocorrelación Entrada/Salida Consideremos las funciones de correlación en un sistema lineal invariante en el tiempo (SLIT). de modo que x y ~ ( t ) = y ( t ) = 1 h ( t ) ∗ x ( t ) = 1 4 Bh sinc[ 2 B( t − t )] ∗ 2AΠ( t ) yz c c c o o 2 2 T t y c ( t ) = 4 ABh o sinc[ 2 B( t − t o )] ∗ Π( ) T y c ( t ) = 4 ABh o [ ] ∫ τ Π( ) sinc[ 2 B( t − t o − τ )]dτ −∞ T ∞ Esta expresión es igual a la ya obtenida en el Ejemplo 2. Se sugiere al lector que trate de determinar la salida y(t) sin utilizar el concepto de envolvente compleja para que constate la utilidad de este procedimiento. y( t ) = 2 Ah o π 1 ⎫ 3 ⎫⎤ ⎡ ⎧ ⎧ ⎢Si ⎨4 π( t + 4 )⎬ − Si ⎨4 π( t − 4 )⎬⎥ cos(12 πf c t ) ⎭⎦ ⎩ ⎭ ⎣ ⎩ En la Fig.

44 R y (τ ) S y (f ) R y (τ) =< y(t)y(t + τ) > pero en un SLIT: y(t ) = ∫ ∞ −∞ h ( u ) x ( t − u ) du. la función de autocorrelación de la salida y(t) es R y ( τ ) = lim 1 T→∞ T x(t) SLIT y(t) ∫ T/2 −T/2 y( t ) y( t + τ)dt R x (τ ) S x (f ) h ( t ) ⇔ H (f ) R xy ( τ ) ⇔ S xy ( f ) Fig. nos queda ∫ ∫ ∞ ∞ −∞ −∞ R x ( τ − z )h (u ) h ( z + u ) dudz = ∫ ⎤ ⎡ ∞ R x (τ − z )⎢ h (u )h ( u + z ) du ⎥dz ⎦ ⎣ −∞ −∞ ∞ ∫ pero la integral dentro de los corchetes es la “integral de correlación de h(t)”. es decir. y(t + τ ) = h(v)x(t + τ . de donde R y (τ ) = ∫ ∫ ∞ ∞ −∞ −∞ R x ( τ + u − v ) h ( u )h ( v ) dudv Con un nuevo cambio de variables R y (τ ) = z = v − u. R y (τ ) = ∫ ∫ ∞ −∞ 1 T/ 2 ⎡ ⎤ h ( u ) h (v )⎢ lim x (t − u ) x ( t + τ − v ) dt ⎥dudv ⎣ T→∞ T − T/ 2 ⎦ −∞ ∫ Con el cambio de variables t ' = t − u .132) La función de autocorrelación R y (τ ) de la salida de un SLIT es el producto de convolución de la función de autocorrelación R x (τ ) de la entrada x(t) por la integral de correlación de la respuesta impulsional h(t) del SLIT. 2. pero. g h (z ) = ∫ ∞ −∞ ∞ h ( u ) h ( u + z ) du donde g h (z ) ⇔ G h (f ) (2. ∫ ⎡⎢⎣ ∫ h(u)h(u + τ)du⎤⎥⎦ exp(− j2πfτ)dτ = ∫ −∞ −∞ ∫ ⎤ h ( u + τ ) exp(− j2πfτ ) dτ ⎥du ⎦ −∞ ∞ . de la definición de transformada de Fourier.131) La función de autocorrelación de la salida y(t) será entonces R y (τ ) = ∫ −∞ R x (τ − z )g h ( z ) dz = R x (τ ) ∗ g h (τ ) (2. debe ser igual a G h (f ) = ∞ ∞ S y (f ) = S x ( f ) ⋅ G h ( f ) .v)dv -∞ ∫ ∞ Reemplazando estas expresiones en R y (τ ).153 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Por definición. R y (τ ) = lim T →∞ ∫ ⎡⎣⎢ ∫ T 1 T/ 2 − T/ 2 ∞ ∞ ⎤ h ( u ) x ( t − u ) du h ( v ) x ( t + τ − v ) dv ⎥dt ⎦ −∞ −∞ ∞ ∫ Intercambiando el orden de integración. de acuerdo con (2. la integral dentro de los corchetes se hace igual a R x (τ + u − v ). Del teorema de convolución. G h ( f ) ⎡ h ( u )⎢ ⎣ −∞ ∞ | H ( f )|2 . En efecto.35).

R y (τ ) = R x (τ ) ∗ h(τ ) ∗ h(. entonces −∞ ∫ ∞ R xy ( τ ) = lim T →∞ ∫ T 1 ⎤ ⎡ ∞ x ( t )⎢ x ( v ) h (t + τ − v )dv ⎥dt ⎦ ⎣ −∞ − T/ 2 T/ 2 ∫ Intercambiando el orden de integración. ∞ ∞ < y 2 ( t ) >= R y (0) = ∫ R x (z)g h (z)dz = ∫ | H(f ) |2 Sx (f )df −∞ −∞ Podemos demostrar también que el valor promedio < y(t) > de la salida y(t) es < y( t ) >= H(0) < x ( t ) > donde H(0) = H(f ) |f = 0 = ∫ h ( t )dt es el área de la respuesta impulsional h(t).35).133) que es la forma más utilizada para representar la función de autocorrelación de la salida de un SLIT. Nótese que G h ( f ) =| H (f )|2 = H (f ) ⋅ H (− f ) ⇔ g h ( τ ) = h ( τ ) ∗ h(-τ ) La densidad espectral Sy ( f ) de la salida del SLIT se puede escribir entonces en la forma S y (f ) = S x (f )H (f )H (− f ) y por el teorema de convolución. tenemos . ∞⎡ 1 T/ 2 ⎤ R xy (τ ) = lim t ⎢ T→∞ T −x (2) x ( v )dt ⎥h ( t + τ − v ) dv ⎣ ⎦ T/ −∞ ∫ ∫ Con el cambio de variables u = v − t .2.154 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Con el cambio de variables τ ' = u + τ . Intercorrelación Entrada/Salida Por definición. por lo tanto. la segunda integral dentro de los corchetes queda en la forma ∫ entonces ∞ −∞ h( τ ' ) exp[ − j2πf ( τ '− u)]dτ ' = exp( j2πuf ) h(τ ' ) exp(− j2πfτ ' ) dτ ' = H ( f ) exp( j2πuf ) −∞ ∫ ∞ G h (f ) = H(f ) ∫ ∞ −∞ h( u ) exp( j2πfu ) du = H ( f ) ⋅ H ( − f ) =| H ( f )|2 Hemos verificado entonces que G h ( f ) =| H ( f )|2 .τ ) En cuanto a la potencia de salida < y2(t) >. la intercorrelación entrada/salida es R xy (τ ) = lim como T →∞ ∫ T 1 T/ 2 − T/ 2 x (t ) y ( t + τ ) dt =< x( t ) y( t + τ ) > y ( t + τ ) = x ( v )h (t + τ − v )dv. −∞ ∞ 2. S y (f ) =| H (f )| 2 ⋅S x (f ) resultado ya obtenido anteriormente.8. expresión (2. ella vendrá dada por (2.

de donde (2. donde x(t) es una señal aleatoria cuya densidad espectral de potencia es constante e igual a K. Sea x( t ) ⇒ S x ( f ) = K. Del teorema de la convolución. Estimador de la Respuesta Impulsional de un SLIT. Todas estas expresiones se aplican tanto a señales determinísticas como aleatorias y son muy utilizadas en el análisis de sistemas lineales y en sistemas de comunicación en presencia de ruido.135) La densidad interespectral S xy ( f ) entrada-salida de un SLIT es simplemente el producto de la densidad espectral de la entrada x(t) por la función de transferencia del SLIT. Un análisis más avanzado de estas técnicas está fuera de los objetivos de este texto. El “Sistema en Prueba” es un SLIT cuya respuesta impulsional se desea estimar.45 se utiliza en la práctica para estimar la respuesta impulsional de un sistema lineal invariante en el tiempo. es el producto de convolución entre la función de autocorrelación R x ( τ ) de la entrada x(t) por la respuesta impulsional h(t) del SLIT.155 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS R xy (τ ) = ∫ 1 T/ 2 ⎡ ⎤ lim t ⎢ T→∞ T −x (2 )x (t + u ) dt ⎥h (τ − u ) du ⎣ ⎦ T/ −∞ ∞ ∫ La integral dentro de los corchetes es la función de autocorrelación R x (τ ) de x(t). S xy ( f ) = H ( f )S x ( f ) = K ⋅ H (f ) . El montaje de la Fig. S xy (f ) = S x (f ) ⋅ H (f ) (2.45. pero de (2. 2. entonces 1 pero como R xy (τ ) ⇔ S xy (f ). R xy (τ ) = 1 {S xy ( f ) }=K SLIT {H (f )} = K ⋅ h(τ ) Sistema en Prueba x(t) h ( t ) ⇔ H (f ) y(t) x(t) Correlador R xy ( τ ) Fig. 2. 2. R xy ( τ ) = ∫ ∞ −∞ R x (u ) h ( τ − u )du . entonces. ♣ . ♣ Ejemplo 2.45.29.134) R xy (τ ) = R x (τ ) ∗ h(τ ) La función de intercorrelación entrada-salida R xy (τ ) de un SLIT. este montaje es relativamente fácil de instrumentar físicamente o simular en una computadora digital. Estimación de la Respuesta Impulsional de un SLIT mediante Correlación Sea el diagrama de bloques mostrado en la Fig. Este es un tipo especial de ruido (ruido blanco) que se caracterizará más adelante.135). La salida del correlador es proporcional a la respuesta impulsional del SLIT en prueba.

RUIDO EN SISTEMAS 2. Esto es debido a que la función de autocorrelación no es una medida completa de un proceso sino que es una de sus estadísticas de segundo orden. las oscilaciones en un sistema retroalimentado. los electrones y huecos que fluyen en semiconductores. En consecuencia. Una característica de este tipo de ruido es que la potencia promedio de las fluctuaciones es proporcional al valor promedio de las mismas. etc. 2.9. en los semiconductores se debe a la difusión errática de las portadoras minoritarias y a la generación y recombinación erráticas de los pares electrón-hueco. los electrones que fluyen entre el cátodo y el ánodo en un tubo de rayos catódicos. La distorsión producida por las características físicas del canal la trataremos con más detalle en los Capítulos V y VI. El zumbido y la estática en un receptor de radio. es muy importante que se entienda que para una señal dada existe una función de autocorrelación única. 2. un gran número de señales o procesos que pueden tener la misma función de autocorrelación y la misma densidad espectral de potencia. etc. En la práctica se encuentra que existen muchas fuentes potenciales de ruido en un sistema de comunicación: las fuentes de ruido externas (naturales y producidas por el hombre) y las fuentes de ruido internas al sistema. en un tubo al vacío es la emisión errática de los electrones desde el cátodo. mientras lo contrario no necesariamente es cierto. Se concluye entonces que una función de autocorrelación o una densidad espectral de potencia dadas no especifican unívocamente una señal o un proceso. el proceso que produce los valores promedio tiene variaciones propias de tipo estadístico que fluctúan alrededor de esos valores promedio.9. en general.9. como se puede ver en el Capítulo III. Conclusiones similares se aplican a la función de intercorrelación y su correspondiente densidad interespectral de potencia. los fotones emitidos en algunos lasers. Esta distorsión se debe principalmente a dos factores que siempre están presentes en los canales físicos: la distorsión producida por las características físicas del canal que producen distorsión de fase y de amplitud. son fuentes de este tipo de ruido.1. no se puede aplicar la termodinámica clásica para analizarlas.156 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En resumen. Por ejemplo.. y que representan una limitación básica en la transmisión o detección de señales. y la distorsión producida por señales aleatorias o interferentes que se suman a las señales útiles distorsionándolas severamente. Ruido Interno Ruido de Disparo El ruido de disparo se genera en los dispositivos electrónicos debido a la naturaleza discreta de la corriente circulante. 2.. En el Capítulo III se tratan estos conceptos con un poco más de detalle. los destellos blancos en una pantalla de televisión. En particular. como lo señalamos en su oportunidad. . El mecanismo que origina las fluctuaciones depende de cada proceso en particular. las señales que contienen información llegan a su destino tan distorsionadas que muchas veces es prácticamente imposible extraer la información que ellas poseen. son diferentes manifestaciones del ruido. Existe. Como en este proceso las fuerzas que producen el flujo de partículas no están en equilibrio termodinámico. el ruido interno incluye una clase importante de señales perturbadoras que se generan por fluctuaciones espontáneas de corriente o voltaje en los circuitos y elementos eléctricos. los fotoelectrones emitidos por un fotodiodo. por ejemplo. Introducción En el proceso de transmisión por un canal de comunicaciones. igual argumento se aplica a la densidad espectral de potencia. en las cuales se observa que la corriente fluctúa alrededor de un valor promedio. Este tipo de señales espurias de naturaleza aleatoria es lo que conocemos con el nombre genérico de “ruido”.

136) (2.138) de Johnson y Nyquist. k es la constante de Boltzmann (1. 1980] que incluyen consideraciones de tipo mecánicocuántico. en Hz. a partir de consideraciones teóricas y experimentales. demuestran que la densidad espectral de potencia del voltaje térmico es ⎡ ⎤ ⎢1 ⎥ 1 S n ( f ) = 2 Rhf ⎢ + ⎥ hf ⎢ 2 exp( ) − 1⎥ ⎣ ⎦ kT (2. por ejemplo. y B un ancho de banda arbitrario. En efecto. un ruido gaussiano de valor promedio cero. La correspondiente densidad espectral de potencia del ruido térmico es S n (f ) = < v 2 (t) > n 2B = 2 kTR (2. Por consiguiente. Históricamente. La energía térmica mantiene los electrones libres en constante movimiento. cálculos más avanzados [Schwartz. El ruido gaussiano es aquel cuya distribución de amplitudes sigue la curva de Gauss. en kelvins. Nyquist.139) se puede aproximar en la forma S n ( f ) = 2 kTR que es el mismo resultado (2. .38x10 −23 joules/K ) . para f << 1013 Hz . Por otro lado.625x10-34 joules/seg). en Hz. de ahí que al ruido térmico se le denomine “ruido de Johnson” o “ruido de resistencias”. Las distribuciones gaussianas las estudiaremos en el Capítulo III. independientemente. y h la constante de Planck (6. exceptuando la gama de transmisión óptica (fibras y lasers). 1928] fueron los primeros en estudiar el ruido térmico en resistencias metálicas. como el ruido térmico es el resultado de un gran número de interacciones esencialmente independientes. una resistencia.137) donde T es la temperatura en la resistencia. El movimiento neto de los electrones constituye una corriente eléctrica cuya dirección de flujo es también aleatoria y cuyo valor promedio es cero. Johnson y H. que la potencia promedio del voltaje (valor eficaz al cuadrado) a través de una resistencia R viene dada por < v 2 ( t ) >= 4 kTRB n y con referencia a la corriente térmica. vemos que exp( hf / kT) ≈ 1 + hf / kT . su distribución tiende a ser gausiana. J. para las frecuencias normales en comunicaciones. B. El ruido térmico es. la densidad espectral de ruido se puede considerar constante e independiente de la frecuencia.138) Vemos que esta densidad espectral de potencia es constante para todas las frecuencias.139) donde f es la frecuencia. pues. Nyquist [Johnson. < i 2 ( t ) >= 4 kTGB n ( G = 1/ R) (2.139) es despreciable para frecuencias f << kT / h ≈ 1013 Hz. 1928. Johnson y Nyquist demostraron. de modo que la expresión (2. Sin embargo. pero este movimiento es de tipo aleatorio debido a las múltiples colisiones que los electrones experimentan dentro del entramado atómico. El primer término de (2.157 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Ruido Térmico El ruido térmico es producido por el movimiento errático de los electrones libres en un elemento conductor como.

L y C).140) se reduce a < v 2 (t ) >= v 2 = 4 kTR eq B n ef o también. viene dada por la integral < v 2 ( t ) >= v 2 = 2 kT n ef ∫ B −B R ( f )df (2.158 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Circuitos Equivalentes del Ruido Una resistencia ruidosa se puede representar mediante un circuito equivalente que consiste en una resistencia sin ruido en serie con una fuente de ruido con un voltaje eficaz v ef . 2. que es el “circuito equivalente de Thévenin”. R1 = 1 kΩ. la utilización de los circuitos equivalentes hace que los cálculos sean muy largos y engorrosos. todos a la misma temperatura. la cual expresa que la potencia promedio de ruido producida en los terminales de un dipolo que contenga elementos pasivos ( R.142) v ef = 4 kTR eq B donde R eq es la resistencia equivalente del dipolo y v ef el correspondiente voltaje eficaz de ruido.46(b) se muestra el correspondiente “circuito equivalente de Norton”. (2. V1 = 4 kTR 1 B . la expresión (2. 2. ♣ Ejemplo 2. hay que utilizar los circuitos equivalentes. T = 290 kelvins. Estos cálculos se pueden simplificar mediante la llamada “Fórmula de Nyquist”. Si las resistencias están a temperaturas diferentes. Si la red contiene solamente elementos resistivos y dentro de un ancho de banda arbitrario B.46(a).47(a). 2. donde B = 100 kHz . V2 = 4 kTR 2 B y V3 = 4 kTR 3 B . En la Fig. Circuitos Equivalentes del Ruido Térmico.30 Vamos a calcular el voltaje eficaz de ruido térmico de la red mostrada en la Fig.140) donde R(f) es la parte real de la impedancia compleja vista en los terminales del dipolo y B un ancho de banda arbitrario.141) (2. como se muestra en la Fig. R2 = 2 kΩ y R3 = 3 kΩ. 2. a + R(Sin ruido) ~ v = 4 kTRB ef a i ef = 4 kTGB b G= 1/R (Sin ruido) b (a) Equivalente de Thévenin (b) Equivalente de Norton Fig.46. También. Cuando se calculan los efectos del ruido térmico en redes que contienen muchas resistencias.

se transfiere el máximo posible de potencia desde una fuente de resistencia interna R i a una carga de resistencia R L cuando R L = R i .55x10 −6 V resultado idéntico al obtenido más arriba pero con un mínimo de cálculos. sea 2 v 2 = v1ef + v 2 ef + v 2ef .401x10 −12 ef El voltaje eficaz de ruido a la salida de la red será v ef = 1. 2.55x10 −6 V Como se trata de un red puramente resistiva. por superposición. y la potencia que produce la fuente se divide por igual entre su . v 1ef = 1000( kTB ) R1 + R 2 + R 3 R3 v 2 ef = V2 = 2000 ⋅ kTB .141). v 2 = 2000(kTB) 2ef R1 + R 2 + R 3 R1 + R 2 = 3000 ⋅ kTB . 2. La potencia disponible es la potencia máxima que se puede entregar a una carga desde una fuente con una resistencia interna constante. ♣ Potencia de Ruido Disponible Algunas veces es deseable describir el ruido térmico mediante el concepto de “potencia disponible”. se puede aplicar la fórmula de Nyquist (2.159 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS R2 a ~ + R1 + ~ V 1 V2 R2 a R3 + ~ V3 R1 R3 b + ~ v ef R eq a (a) Red Resistiva b (b) Circuito Equivalente de Ruido Fig. b (c) Equivalente de Thévenin El circuito equivalente de ruido de la red se muestra en (b). se obtiene R3 2 v 1ef = V1 = 1000 ⋅ kTB . En efecto. En este caso se dice que la carga está acoplada a la fuente.47(b).47. De acuerdo con el “teorema de la máxima transferencia de potencia”. La resistencia equivalente vista desde los terminales ab de salida es R eq = R 3 (R 1 + R 2 ) R1 + R 2 + R 3 = 1500 Ohm De acuerdo con (2. v 2 = 3000(kTB) v 3ef = V3 3ef R1 + R 2 + R 3 v 2 = 6000(kTB) = 6x10 3 x1.38x10 −23 x 290x10 5 = 2 . de donde ef 2 3 2 v ef = v1ef + v 2 ef + v 2ef 2 3 De la Fig.142). La potencia promedio de ruido a la salida es igual a la suma de las potencias de salida contribuidas por cada fuente.38x10 −23 x 290x1500x10 5 = 1. el voltaje eficaz de ruido a la salida de la red es v ef = 4 x1.

la densidad espectral correspondiente a la potencia entregada a la carga será la mitad.143) La potencia de ruido disponible en una resistencia ruidosa R dentro de un ancho de banda arbitrario B será entonces N= ∫ B −B S nd ( f ) df = kTB W (2. Aunque muchas fuentes de ruido físicas se pueden modelar como fuentes de ruido blanco. Cuanto más alto es el ancho de banda en un sistema. la densidad espectral del ruido blanco gaussiano se representa en la forma S n (f ) = η 2 para todo f (2. si H(f) es la función de transferencia de un filtro dado al cual se le aplica ruido blanco. Ruido Blanco Además de las fuentes de ruido térmico.145). S nd (f )". la potencia que se entrega a la carga es la potencia disponible. 2.160 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resistencia interna R i y la resistencia de carga R L . esta densidad se denomina “densidad espectral disponible. de (2. Esta es entonces la máxima densidad espectral de potencia que se puede extraer de la fuente v ef .144) Nótese que en una resistencia ruidosa R la densidad espectral disponible y la potencia promedio disponible son independientes de R. pero son proporcionales al ancho de banda B. uno de los objetivos en el diseño de sistemas de comunicación es el de minimizar u optimizar el ancho de banda B. En general. en condiciones de acoplamiento la fuente ve una resistencia de 2R y la densidad espectral será S n ( f ) / 2 R . la salida del filtro será ruido coloreado cuya densidad espectral será Sn c (f ) = H(f ) Sn (f ) = 2 η 2 H(f ) 2 La potencia disponible a la entrada del sistema será entonces. Ruido que tenga una densidad espectral de este tipo se denomina “Ruido Blanco”. S n ( f ) / 4 R .46(a). Con referencia a la Fig. N i =< v 2 ( t ) >= ηB = 4kTRB n (2. Las dimensiones de η son W/Hz y su valor depende del tipo de fuente de ruido y de la densidad espectral disponible. 2. S nd ( f ) = S n (f ) 4R = kT 2 W / Hz (2. Por esta razón. hay otros tipos de fuentes de ruido que son gaussianas. de valor promedio cero y que tienen una densidad espectral de potencia que es constante dentro de una extensa gama de frecuencias. Este ruido se denomina comúnmente “ruido coloreado”. Entonces. una vez que el ruido ha sido filtrado (por ejemplo. ya no tendrá una densidad espectral de amplitud constante sino que tomará la forma espectral del filtro.3.138) y (2. En efecto. mediante un ecualizador en un receptor digital). más alta será la potencia de ruido presente en el mismo. por analogía con la luz blanca la cual contiene iguales cantidades de todas las frecuencias que pertenecen al espectro visible de la radiación electromagnética.9. debido a esto.146) . es decir. y la otra mitad con las frecuencias negativas.145) El factor ½ se incluye para indicar que la mitad de la potencia está asociada con las frecuencias positivas.

en efecto.48. 2. hablaremos siempre en términos de “temperatura efectiva”. puede verse también que.161 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS de donde η = 4kTR = kTe El término Te se conoce con el nombre de “temperatura efectiva o temperatura equivalente de ruido”del sistema. el ruido blanco tiene una potencia infinita y. será entonces N i = kTe B que sería la potencia disponible a la entrada si el sistema fuera sin ruido. . no importa lo cercanas que estén. y que su potencia en un ancho de banda dado es también la más alta posible.148) S n ( f ) y R n ( f ) se muestran en la Fig. y se define mediante la expresión Te = 4 RT (2. Shannon ha demostrado que el ruido blanco gaussiano es el peor ruido entre todos los ruidos posibles. La potencia disponible de ruido blanco generada en el sistema dentro de un ancho de banda arbitrario B. y es la “temperatura efectiva de una fuente de ruido térmico blanco a la entrada de un sistema con ruido que se requeriría para producir la misma potencia de ruido a la salida de un sistema equivalente sin ruido”. L y C. 2. Asimismo. la función de autocorrelación del ruido blanco es R n (τ ) = η 2 δ( τ ) (2. excepto cuando se exprese directamente la temperatura física. como tal. no existe físicamente. En lo sucesivo. Características del Ruido Blanco. la temperatura efectiva Te es igual a la temperatura ambiente T de la red. no están correlacionadas y por lo tanto son independientes. La potencia de ruido blanco gaussiano representa entonces un límite superior que se utiliza como referencia en el cálculo de las Relaciones Señal/Ruido en sistemas de comunicación. Del Teorema de Wiener-Kintchine. lo que significa que dos valores o muestras diferentes de la señal de ruido blanco. Por otro lado. S n (f ) η/ 2 f 0 0 R n (τ ) η/ 2 τ (a) Densidad Espectral (b) Función de Autocorrelación Fig. el uso del concepto de ruido blanco es consistente con su definición porque la densidad espectral de potencia puede considerarse constante en esas gamas.48. pero sí es proporcional a ella. en un sentido estricto. Puede observarse que la función de autocorrelación del ruido blanco gaussiano es cero para τ ≠ 0. dentro de las gamas de frecuencia utilizadas en la práctica. Por otro lado. Obsérvese que la temperatura equivalente de ruido no es la temperatura ambiente del sistema. en una red que contiene solamente elementos R. Las propiedades matemáticas del ruido blanco gaussiano son muy convenientes en el análisis y comportamiento de sistemas de comunicación. como demostraremos en el Capítulo III.147) La temperatura equivalente de ruido especifica la potencia de ruido térmico disipada en una resistencia acoplada.

El tipo de detector depende del . El receptor se modela mediante un filtro pasabanda de entrada seguido de un detector que extrae de la señal compuesta [ x( t ) + n( t )]. Para valores de τ superiores a RCln(100).49(a). 2. la densidad espectral de potencia y la potencia de ruido a la salida del filtro. como se muestra en la Fig. si se desprecian aquellas componentes con amplitudes menores del 1% del valor máximo. 2. la señal que lleva la información. Se trata de determinar la función de autocorrelación. Fig. ♣ Ruido Blanco Pasabanda de Banda Angosta El modelo del ruido blanco es una aproximación razonable cuando se trata de determinar la potencia de salida de un sistema de banda angosta.5844 / RC. H (f ) = 1 1 + j2 πRCf = 1 1 RC 1 + j2 πf RC | τ| RC . H(f) R S no ( f ) η/ 2 Entrada x(t) S n (f ) C Salida y(t) S no ( f ) 0 f R no ( τ ) η / 4RC 0 τ (a) Filtro Pasabajo RC (b) Densidad Espectral (c) Función de Autocorrelación Fig.50 el canal real se modela como un canal ideal de ancho de banda Bc ≥ 2 B más una fuente aditiva de ruido blanco que se suma a la señal modulada transmitida x( t ) .31 A la entrada de un filtro pasabajo RC. la función de autocorrelación cae a menos del 1% de su valor máximo y podemos despreciarla. por lo tanto.49(b) y (c). 2.49 Nótese la rapidez de caída de la función de autocorrelación. Esto significa que dos muestras de la señal de salida que estén separadas en más de RCln(100) segundos no estarán correlacionadas. Sno ( f ) =| H ( f )|2 Sn ( f ) = η 2 1 2( RC) ( 1 ) 2 + 4π 2 f 2 RC La correspondiente función de autocorrelación es R no (τ ) = η 4 RC exp( − j ). También. se aplica ruido blanco gaussiano cuya densidad espectral de potencia es η / 2 . situación que es muy común en los sistemas de comunicación. 2. entonces S no ( f ) es despreciable para frecuencias f ≥ 1. 2. De particular importancia es el ruido presente en un sistema de recepción de señales moduladas. por cuanto la densidad espectral es más o menos constante dentro de la banda de paso. En la Fig. En cuanto a la densidad espectral de potencia de la salida.50.162 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. < y2 ( t ) >= R no ( 0) = η 4 RC S no ( f ) y R no ( τ ) se muestran en la Fig. respectivamente. La función de transferencia de este filtro es bien conocida.

el ruido a la salida del filtro comúnmente se denomina “ruido blanco pasabanda de banda angosta”. 2. En estas condiciones.51 se muestran las características del Ruido Blanco Pasabanda. La situación es distinta respecto al ruido. Fig.108). en este caso se dice que el canal y el filtro son “transparentes” para x( t ) . el filtro pasabanda. En la Fig. apareciendo esta señal.149) . En el dominio del tiempo. como se puede observar en la Fig. el ruido blanco filtrado se parece a una señal modulada en la cual la frecuencia varía alrededor de una frecuencia promedio f c . Transmisión y Recepción de Señales Moduladas Tanto el canal real como el filtro de entrada del receptor (filtro de RF) dejan pasar la señal modulada x( t ) . Señal Modulada Ruido Blanco Mensaje Transmisor x(t) Canal Ideal x(t) v(t) Filtro n(t) Detector Pasabanda Ruido Blanco Filtrado Salida H(f) TRANSMISOR Ancho de Banda = Bc x(t) Ancho de Banda 2B CANAL REAL RECEPTOR y centrado en fc Fig. 2. cuya densidad espectral tiene la forma dada en la Fig. salvo por algún factor de escala.51. de (2.51(c). 2. como se muestra en la Fig. n ( t ) = n c ( t ) cos( 2 πf c t ) − n s ( t ) sen(2 πf c t ) (2. Como en general se cumple que f c >> B . 2. la forma canónica del ruido será.163 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS sistema de modulación empleado.51(b).51(a). 2.50. En efecto. 2. deja pasar solamente aquellas componentes dentro de su banda pasante. a la entrada del detector.

Como n c ( t ) y n s ( t ) son señales aleatorias. 2.149).32 Consideremos la densidad espectral de ruido pasabanda mostrada en la Fig. . expresión (2. Se desea determinar la forma y la potencia de las componentes ortogonales del ruido. diremos sin demostrarlo que n c ( t ) y n s ( t ) serán también gaussianas de valor promedio cero e independientes entre sí.149) se obtiene la función de autocorrelación del ruido pasabanda n(t). En efecto.155) Si R nc (τ ) ⇔ S nc (f ) y R ns (τ ) ⇔ S ns ( f ) .151) son la envolvente y fase naturales del ruido. Como se considera que el ruido pasabanda n(t) es una señal gaussiana aleatoria de valor promedio cero.153) ∫ ∞ −∞ S n ( f )df = ∫ ∞ −∞ S nc ( f )df = ∫ ∞ −∞ S ns ( f )df (2. Por definición. entonces n c ( t ) ⇒ S nc ( f ) y n s ( t ) ⇒ S ns ( f ) .150) (2. entonces desarrollando (2. R n (τ ) =< n (t ) n ( t + τ ) > (2. Por consiguiente.154) Consideremos ahora la función de autocorrelación del ruido blanco pasabanda. ♣ Ejemplo 2. La forma polar de n(t) es n ( t ) = R (t ) cos[ 2πf c t + θ( t )] donde R (t ) = n 2 (t ) + n 2 (t ) c s y θ(t) = arctg n s (t ) n c (t ) (2.123) y (2. ⎧ S (f + f ) + S (f − f ) ⎪ n c n c S nc (f ) = S ns ( f ) = ⎨ ⎪ 0 en el resto ⎩ < n 2 (t ) >=< n 2 ( t ) >=< n 2 ( t ) >= c s [ ] para |f| ≤ B (2.164 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n c ( t ) y n s ( t ) son las componentes ortogonales del ruido.152) y n(t) se puede representar en forma fasorial como se muestra en la Fig. y de acuerdo con (2.51(d). que es la misma expresión (2.155) con ayuda de (2. R n (τ ) = 1 2 [ R nc (τ ) + R ns (τ )] cos(2πf c τ ) R n ( 0) = 1 2 R nc ( 0) + 1 2 1 2 R ns ( 0) 1 2 < n 2 (t ) > s < n 2 (t ) >= < n 2 (t ) > + c Para τ = 0. respectivamente. Recuérdese que n c ( t ) y n s ( t ) son señales reales pasabajo cuyo ancho de banda (igual a B) está determinado por el ancho de banda del filtro de RF (igual a 2B).124). Las componentes ortogonales del ruido serán n c ( t ) = R(t)cos[θ(t)] y n s ( t ) = R ( t ) sen[θ(t )] (2. Estos conceptos se aplicarán para analizar el efecto del ruido en sistemas de comunicación.52(a) (frecuencias positivas solamente). 2.125) obtenida anteriormente.

< n 2 (t ) >= o η ∫ 2 ∞ −∞ | H (f )|2 df Consideremos ahora un sistema ideal pasabanda de ganancia de potencia | H ( f )|2 y de max ancho de banda B N .53(b).52(b). Fig. En estas condiciones. 2.52(a). 2.165 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De la expresión (2.153). 2. las densidades S nc ( f ) o S ns (f ) tendrán la forma mostrada en la Fig. es decir. la densidad espectral S n ( f ) se puede expresar en la forma | f + fc | f + fc | f − fc | f − fc ⎤ ⎡ S n ( f ) = A⎢ exp( − ln 2 ) ⋅ Π( ) + exp( − ln 2 ) ⋅ Π( )⎥ ⎣ B B 2B 2B ⎦ De (2.36).52 De acuerdo con los datos de la Fig. la potencia promedio de ruido a la salida viene dada por (2. por inspección. en efecto. Ancho de Banda Equivalente del Ruido Algunas veces es conveniente definir el “ancho de banda equivalente del ruido” de un sistema pasabanda.4. Las correspondientes potencias son < n 2 ( t ) >=< n 2 ( t ) >=< n 2 ( t ) >= 4A c s ∫ B exp(− ln 2 f B ) df = 2 ln 2 AB W ♣ 0 2.9. S n (f ) A A/2 Exponenciales 2A S nc ( f ) = S ns (f ) A f f 2B 0 fc 0 -B B (a) Densidad Espectral S n ( f ) (b) Densidades Espectrales S nc ( f ) = S ns (f ) Fig. < n 2 ( t ) >= o ∫ ∞ −∞ | H ( f )|2 S n (f )df En la mayoría de los sistemas el ancho de banda es de un orden tal que nos permite suponer que el ruido a la entrada es blanco de densidad espectral constante η / 2 . las correspondientes densidades espectrales S nc ( f ) o S ns ( f ) serán S nc ( f ) = S ns ( f ) = 2A exp( − ln 2 |f| B ) ⋅ Π( f 2B ) que tienen.52(b) para | f | ≤ B .156) . En un sistema cuya función de transferencia es H(f) y cuya densidad espectral de potencia de ruido a la entrada es S n (f ) . la forma mostrada en la Fig.153). 2. 2. La potencia de ruido a su salida será 2 < n 2 (t ) >= ηB N | H ( f )|max o (2.

157) Estas definiciones se ilustran en la Fig.53(a) y (b).157) se aplican también a sistemas pasabajo. f f B N es el ancho de banda de un sistema ideal pasabanda de ganancia de potencia | H ( f )|2 max que dejará pasar la misma potencia de ruido blanco que el sistema en cuestión.157).33 El ancho de banda equivalente del ruido a menudo se relaciona con el ancho de banda de 3 dB de un sistema. el “ancho de banda equivalente del ruido” y vendrá dado por BN = 1 2| H ( f )|2 max ∫ ∞ −∞ | H ( f )|2 df (2. 2. entonces B N será. | H (f )|2 max | H ( f )|2 | H (f )|2 max Areas Iguales BN 0 f c (b) fc 0 (a) Fig. 2. |H(0)|2 = 100 ∫ ∞ −∞ | H ( f )|2 df = ∫ ∞ 10 8 + 4π f 2 2 4 −∞ 10 6 df = 5x10 4 y de (2. es decir. 2.53. Esto se ilustra en la Fig. por definición.53.156) y (2. . BN = 5x10 200 = 250 Hz El ancho de banda de 3 dB se puede obtener a partir de su definición. H (f ) = 3 10 + j2 πf BN = 1 2| H (0)| 2 ∫ ∞ −∞ | H ( f )|2 df 10 4 Pero | H ( f )| = 10 + 4 π f 6 2 2 . El ancho de banda equivalente del ruido es. |H(0)|= 10. el ancho de banda de ruido de un filtro ideal es el ancho de banda de un filtro real. Definición del Ancho de Banda Equivalente del Ruido. Consideremos el filtro pasabajo cuya función de transferencia es 10 4 . ♣ Ejemplo 2. es decir. Las expresiones (2. de | H (B 3dB )| = 1 2 | H ( 0)| o |H(B 3dB )|2 = 1 2 | H ( 0)|2 = 50.166 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si estas potencias son iguales. en este caso.

hay una manera de cuantificar o caracterizar el efecto del ruido en los sistemas de comunicación y esto se verifica mediante el “criterio de la relación señal/ruido.9. la cual suponemos es de doble banda lateral. ancho de banda. Pero como el ruido es una señal aleatoria. Caracterización del Ruido en Sistemas Relaciones Señal/Ruido en Sistemas de Comunicación Para cuantificar el efecto del ruido sobre la inteligibilidad de un mensaje.15 Hz Comparando los anchos de banda.167 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Entonces. Relaciones Señal/Ruido en un Receptor con Detección Coherente o Sincrónica Consideremos el modelo de receptor de la Fig. de donde B 3dB = 159 . La relación S/N es entonces uno de los parámetros de calidad más importantes en los sistemas de comunicación. La señal a la entrada del detector es z( t ) = x( t ) + n( t ) = m(t ) A c cos( 2πf c t ) + n( t ) . Por ejemplo. valores instantáneos.) para poder optimizar la relación S/N. vemos que para este filtro en particular el ancho de banda equivalente del ruido es un 57% más grande que el ancho de 3 dB. valores pico o potencia. entonces x( t ) = m(t ) A c cos( 2πf c t ) donde m(t) es una señal pasabajo de banda limitada B portadora de información. hay que definir el ruido en términos cuantitativos o matemáticos. Sin embargo. los valores de B N y B 3dB se hacen cada vez más cercanos. El ingeniero de comunicaciones debe conocer perfectamente la influencia que sobre ella ejercen otros parámetros del sistema (ganancia. distorsión. para conveniencia. Este receptor nos permite recuperar o extraer un mensaje m(t) portador de información contenido en una señal modulada x( t ) . al hablar de relación señal/ruido hay que especificar qué tipo de valores se está utilizando. Una relación señal/ruido se puede definir en diferentes formas. etc. Este criterio de la relación S/N es el que hemos venido aplicando a todo lo largo del texto. pueden ser relaciones entre valores eficaces. El lector puede verificar que si se aumenta el orden del filtro. Vamos a determinar las relaciones S/N a la entrada y salida del detector y estableceremos algunas definiciones que estaremos utilizando constantemente. 10 8 10 6 + 4 π 2 B 2 3dB = 50. así definido. ♣ 2. es particularmente útil en el diseño y comparación de sistemas analógicos y digitales. estas potencias están normalizadas en base a una resistencia de 1 Ohm. Por eso.5. la relación S/N en un canal telefónico no debe bajar de 26 dB.54 en el cual el detector coherente tiene la forma dada y cuya operación ya conocemos. Como veremos en los Capítulos V y VI. 2. S/N”. y f c ≥ B . la relación S/N es un parámetro o factor de calidad o mérito que nos permitirá la comparación del comportamiento de diferentes sistemas de comunicación. esto es. Puesto que x( t ) es una señal modulada de doble banda lateral. mientras que para una reproducción de alta fidelidad aceptable la relación S/N debe ser de por lo menos 50 dB. no es posible establecer una expresión algebraica que defina explícitamente una relación amplitud vs tiempo para el ruido. El criterio de la relación S/N. La caracterización más empleada para la relación señal/ruido es aquella definida como “la razón entre el valor promedio de la potencia de la señal útil respecto al valor promedio de la potencia de ruido”.

. La relación S/N a la entrada del detector. De (2.159).159) (2. de (2. Si Ni = 2 Ac 4ηB < m 2 (t ) > (2.158) y (2. Receptor con Detector Coherente.160) A la salida del multiplicador se tiene v ( t ) = z( t ) ⋅ 2 cos( 2 πf c t ) = [ m( t )A c cos( 2 πf c t ) + n ( t )] ⋅ 2 cos( 2 πf c t ) v ( t ) = [ A c m( t ) + n c (t )] + [ A c m( t ) + n c ( t )] ⋅ cos( 4 πf c t ) − n s ( t ) ⋅ sen(4 πf c t ) El filtro pasabajo rechaza los términos de alta frecuencia quedando y o ( t ) = A c m( t ) + n c ( t ) (2.54. denominada “Relación Señal/Ruido de Predetección” será.168 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n(t) es ruido blanco pasabanda de banda angosta representado por su forma canónica n ( t ) = n c ( t ) cos( 2 πf c t ) − n s (t ) sen(2 πf c t ) y cuya densidad espectral es constante e igual a η / 2. 2. mientras que la señal mensaje m(t) aparece completa. < x 2 ( t ) >= S i = 1 2 A 2 < m2 (t) > c (2. z( t ) = x ( t ) + n ( t ) x( t ) + Ruido Blanco Canal Filtro de RF Si Ni v(t) Filtro Pasabajo So N o Salida y o (t ) DETECTOR COHERENTE RECEPTOR 2 cos(2 πf c t ) Fig. S o = A 2 < m 2 ( t ) >= 2S i y c N o =< n 2 ( t ) > c Obsérvese que la potencia útil de salida S o es el doble de la potencia útil de entrada S i .161). La detección coherente o sincrónica elimina entonces la componente en cuadratura del ruido.161) Solamente la componente en fase del ruido aparece en la salida.113). Si el ancho de banda del filtro de RF es 2B.158) donde < m 2 (t ) > es la potencia promedio de la señal mensaje m(t). de (1. la potencia de ruido a la entrada del detector es < n 2 ( t ) >= N i = 2ηB La potencia de la señal modulada será.

o lo que es lo mismo.163) La ganancia de conversión se utiliza como una cifra de mérito en la comparación entre diferentes sistemas de modulación. Se dice entonces que las señales útiles se suman coherentemente. Esta es la causa del incremento de 3 dB en las relaciones S/N. La potencia de la señal útil aumenta al doble. será So No 2 = Ac < m 2 (t ) > 2 < n c (t ) > 2 < n c (t ) >=< n 2 (t ) >= 2ηB. Supongamos que el ruido a la entrada del filtro de RF no es blanco pero está caracterizado por una densidad espectral de la forma S n ( f ) = 10 −6 Λ ( f 2 x10 6 ) W / Hz .162) Ganancia de Conversión o de Detección En la práctica se suele definir la “Ganancia de Conversión o de Detección” en la forma Ganancia de Conversión o de Detección = Re lación S / N de Postdetección Re lación S / N de Predetección = So / N o Si / N i (2. la ganancia de conversión en el caso de detección coherente o sincrónica de señales moduladas de doble banda lateral será So / N o Si / N i =2 (2. Aunque la detección o demodulación no es nada más que un desplazamiento de las bandas laterales hacia el origen. So No = 2 Ac 2ηB < m 2 (t ) >= 2 Si Ni (2. Sin embargo. denominada “Relación Señal/Ruido de Postdetección”.162). entonces pero de (2. de modo que su potencia debe ser determinada con cualquiera de los métodos vistos en el dominio del tiempo. En el cálculo de las relaciones S/N se puede aplicar el teorema de la modulación para señales de potencia cuando las señales en juego están caracterizadas por sus densidades espectrales de potencia. las componentes de la señal mensaje se suman como amplitudes.158).164) Vemos que en el caso de detección coherente en doble banda lateral. mientras que el ruido se suma en forma incoherente. ♣ Ejemplo 2.169 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La relación S/N a la salida del detector. Si la señal útil portadora de información es pasabanda.34 Sea el receptor mostrado en la Fig.154) y (2. la ganancia de conversión es igual a 2. hay que tener en cuenta que el teorema se aplica a cualquiera señal pasabajo y a señales pasabanda aleatorias.54. mientras que la potencia de ruido se mantiene igual. mientras que el ruido se suma como potencia. la relación S/N de la salida es el doble que la de la entrada. no se le puede aplicar el teorema. En los Capítulos V y VI utilizaremos estos conceptos para caracterizar el comportamiento en presencia de ruido de diferentes sistemas de modulación prácticos. lo que hace que las componentes que no estén en fase se pierdan. 2. De (2.

55(a).55(b).55(a). La potencia correspondiente será N o = 10x10 3 x10 −6 = 10 −2 W = N i . La correspondiente potencia de ruido a la entrada del detector será. ancho de banda de 10 kHz y está centrado en la frecuencia f c = 1 MHz . N i = 10x10 3 x10 −6 = 10 −2 W = 10 dBm Aplicando el teorema de la modulación para señales de potencia. quedando a la salida y o ( t ) = 10 cos(104 πt ) So = 100 2 cuya potencia es = 50 W = 46. de modo que a la entrada del detector la señal útil seguirá siendo x( t ) . 2.98 dBm A la salida del multiplicador la señal útil es v( t ) = x( t ) ⋅ 2 cos( 2πx106 t ) = 20 cos(104 πt ) ⋅ cos2 ( 2πx106 t ) v (t ) = 10 cos(10 4 πt ) + 10 cos(10 4 πt ) ⋅ cos(4πx10 6 t ) El filtro pasabajo elimina los términos de alta frecuencia. cuya porción alrededor del origen es S no ( f ) . Cálculo de la potencia de ruido A la salida del filtro de RF la densidad espectral de potencia del ruido tiene la forma dada en la Fig. 2. 2. El filtro pasabajo de salida tiene también ganancia unitaria y un ancho de banda de 5 kHz.170 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Igualmente. se obtiene el espectro mostrado en la Fig. x i ( t ) = x( t ) = 10 cos(104 πt ) ⋅ cos( 2πx106 t ) = 5 cos[ 2π (106 + 5x103 ) t ] + 5 cos[ 2π (106 − 5x103 ) t ] cuya potencia es Si = 25 2 + 25 2 = 25 W = 43. Cálculo de la potencia de la señal útil Los filtros son transparentes para x( t ) . de la Fig. sea x( t ) = 10 cos(104 πt ) ⋅ cos( 2πx106 t ) El filtro de RF tiene una ganancia unitaria.98 dBm = 2S i Nótese que la potencia útil de salida es el doble de la potencia útil de entrada. es decir.

de donde F= N io + N so N io = 1+ N so N io (2. La cifra de ruido F de un sistema se define entonces como ”la razón entre la potencia promedio total de ruido N o a la salida de un sistema. Como ya lo hemos señalado.55. F= No N io para T = To = 290 kelvins (2. Por supuesto. primero por las características de amplitud y fase del sistema. 10kHz MHz Nótese que las potencias de ruido de entrada y salida del detector son iguales. ♣ Cifra de Ruido Durante el procesamiento y recuperación de una señal a través de un sistema lineal invariante en el tiempo sucede que la señal a la salida del sistema aparece con un cierto grado de distorsión.171 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS S ni ( f ) 10 −6 10 −6 /2 f S no ( f ) 10 −6 f -2 -1 0 1 (b) 2 -2 -1 (a) 0 1 2 MHz 10kHz Fig. este ruido compuesto deteriora la relación S/N a la salida comparada con la relación S/N a la entrada. Esta situación se puede cuantificar mediante la llamada “Cifra o Factor de Ruido del Sistema. Por lo tanto. y segundo por el ruido introducido durante el proceso. por ejemplo. entonces N o = N io + N so .165) Si N so es la potencia de ruido presente en la salida y generada en el mismo sistema y N io la correspondiente debida al ruido de entrada. amplificadores de señales de muy bajo nivel. Las relaciones S/N en juego serán Si Ni 25 10 −2 = = 2500 y So No = 50 10−2 = 5000 =2 La ganancia de conversión será So / N o Si / N i Se confirma que la ganancia de conversión en la detección coherente de una señal modulada de banda lateral doble es igual a 2. F”. Este ruido de salida se puede considerar como la suma del ruido generado en el propio sistema más el ruido de entrada al mismo. 2.166) . La cifra de ruido es también otro factor de calidad o de mérito en la comparación entre. esta distorsión es causada. respecto a la potencia promedio de ruido N io debida al ruido de entrada del sistema y determinadas a la temperatura normalizada de referencia To = 290 kelvins ”.

171) (2. de donde (2. etc. obtenemos finalmente F= Si / N i So / N o (2. Cuando en el sistema existe solamente ruido térmico. Desde el punto de vista del ruido. que es la ganancia de conversión. mientras que la relación (2.163) y (2. amplificadores.167). Es evidente que la cifra de ruido F de un sistema es una medida relativa del ruido generado internamente en el sistema respecto al ruido de entrada al mismo.173) Ti es la temperatura neta de entrada y representa la temperatura total efectiva de entrada. Entonces. mejor será el sistema.169).168) en (2. ella se puede despreciar. Si representamos este ruido mediante su temperatura equivalente referida a la entrada.172 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que la impedancia de carga también contribuye al ruido en la salida. las expresiones (2.172). siendo B el ancho de banda del sistema. cuanto más cercana a la unidad sea la cifra de ruido. de (2. Sin embargo.169) Hay que tener cuidado de no confundir. . el ruido generado internamente es menor. la cifra de ruido puede simplificarse aún más. sea S i y S o las potencias útiles a la entrada y salida del sistema. como generalmente es muy pequeña comparada con el ruido de los elementos activos del sistema.163).172) (2. Supongamos que se aplica al sistema una señal útil s(t) más un ruido térmico n(t) a una temperatura efectiva Ts .) para cuantificar el ruido interno generado.170) = Gp En el sistema se genera una cierta cantidad de ruido térmico. Esta contribución está incluida en N so .168) (2. se aplica a sistemas lineales variantes en el tiempo (moduladores y detectores.169) es un número o cifra de mérito que se aplica a sistemas lineales invariantes en el tiempo (filtros. Entonces. dado su parecido. por ejemplo). So = SiG p donde G p es la ganancia de potencia del sistema.167) N io = N i G p Reemplazando (2. es decir. de (2. respectivamente. En efecto. La potencia de ruido disponible a la entrada es. pues la relación (2. Asimismo. N i = kTs B También So Si So = Si G p. (2. tendremos que N o = kTs BG p + kTe BG p = G p k ( Ts + Te ) B = G p kTi B donde Ti = Ts + Te (2.148). De la definición de la cifra de ruido es evidente que F será siempre mayor que la unidad.165) y con ayuda de (2. La cifra de ruido se puede expresar en función de las relaciones S/N de entrada y salida del sistema.

Se tiene entonces. (2. En resumen.176). Vamos a determinar la temperatura efectiva del ruido y la potencia disponible a la salida cuando el amplificador está acoplado a una resistencia de entrada cuya temperatura efectiva es de 2900 kelvins. al efectuar cálculos en los que interviene la cifra de ruido de un sistema. pero la cifra de ruido del sistema debe calcularse siempre referida a la temperatura de referencia To y a la temperatura efectiva Te del sistema.176). En su deducción hemos utilizado la temperatura física Ts de la fuente.174) y referida a la temperatura de referencia Ts = To = 290 kelvins. To = 290 kelvins . La resistencia de entrada puede representar. ♣ Ejemplo 2. Ts = 2900 kelvins. se considera que esta cifra de ruido está referida a To . expresión (2.171).031 dB. mientras que la parte de la cifra de ruido de un sistema producida por el ruido interno es (F-1). y de (2. la cual puede ser muy diferente de To . la cifra de ruido será F = 1+ Te To (2. una ganancia de potencia de 40 dB y un ancho de banda equivalente de ruido de 10 kHz. por ejemplo. calculado a partir de la cifra de ruido. estará referido entonces a la temperatura de referencia To = 290 kelvins . sus efectos a menudo se incluyen en una temperatura Te obtenida experimentalmente.175) y (2.173 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N o = G p (1 + Te Ts ) kTs B .170).35 Un amplificador tiene una cifra de ruido de 9. La relaciones S/N y las cifras de ruido F se expresan comúnmente en dB en la forma S ⎡S⎤ ⎢ N ⎥ = 10 log 10 ( N ) ⎣ ⎦ dB y [ F] dB = 10 log 10 (F) Obsérvese que la cifra de ruido de un sistema ideal sin ruido es igual a la unidad. El valor de la temperatura Te . N o = G p (1 + No Ni Te Ts Te Ts )N i .176) Estos resultados son bien sencillos y fáciles de aplicar. pues aunque no todas las fuentes de ruido son térmicas. G p = 40 dB = 10 4 . Hay que tener cuidado al utilizar las ecuaciones (2. una antena y su correspondiente línea de transmisión.169). y la temperatura efectiva Te del sistema puede calcularse entonces a partir de (2. (2.301 dB = 8.174) = G p (1 + De (2. F = 9. de donde ) (2.175) La temperatura equivalente o efectiva será entonces Te = (F − 1)To (2.176). expresión (2.175).

174 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De (2.38x10 −23 (2900 + 2030)x10 4 = 6. la temperatura efectiva del ruido de entrada es Ts . se obtiene finalmente ⎡ T Te 3 ⎤ N o = G p1G p 2G p 3k ⎢Ts + Te1 + e 2 + ⎥ B = G p k[Ts + Te ]B G p1 G p1G p 2 ⎥ ⎢ ⎣ ⎦ donde y Te = Te1 + Te 2 G p1 (2. Te = (F − 1)To = (8 − 1)290 = 2030 kelvins N o = G p k (Ts + Te )B = 10 4 x1. referida a la entrada. Gp Te F En la Fig.56. pero se pueden extender para sistemas en cascada.178b) G p = G p1G p 2 G p 3 Te es la temperatura efectiva de ruido.177) + Te 3 G p1G p 2 (2. vamos a considerar solamente tres amplificadores. 2. Se supone que los amplificadores están acoplados y que su ancho de banda efectivo es B.175) y (2. G p es la ganancia total de potencia.176) han sido deducidas para un sistema individual. N 1 = G p1 N i + G p1 kTe1 B ==> Potencia total de ruido a la salida de A1 “ “ “ “ “ “ “ “ “ “ “ “ A2 “ A3 N 2 = G p 2 N 1 + G p 2 kTe 2 B ==> N 3 = N o = G p 3 N 2 + G p 3 kTe 3 B ==> “ “ “ Reemplazando N 1 y N 2 en N 3 = N o .172). .56.8x10 −12 W N o = −51. como se muestra en la Fig. de (2. Ni Nn = No A Ts A1 N1 A2 N2 Carga Acoplada Ts Ni No A Carga Acoplada G p1 Te1 F1 G p2 Te2 F2 G pn Ten Fn Fig.172). 2. Amplificadores en Cascada. cada una de las cuales tiene su propia temperatura y cifra de ruido. del amplificador compuesto. 2.67 dBµ (dB respecto a un µW) ♣ Cifra de Ruido en Sistemas en Cascada Las expresiones (2. N i = kTs B También.178a) (2.176). como es el caso de un amplificador de varias etapas. De (2. Para no hacer tediosa la demostración. de (2.170).56 se tiene n amplificadores en cascada y se desea determinar la temperatura y la cifra de ruido del sistema compuesto. La potencia de ruido a la entrada es.

175 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Se puede determinar ahora la cifra de ruido del amplificador compuesto. (F − 1) To = ( F1 − 1)To + de donde F = F1 + F2 − 1 G p1 ( F2 − 1)To G p1 + (F3 − 1)To G p1G p 2 (2.. Siguiendo el mismo procedimiento efectuado para tres etapas. es decir.. A este efecto podemos definir una red que cumpla con los siguientes requisitos: (a) que sus impedancias (de entrada y salida) estén acopladas.. G p ( n−1) Fn − 1 G p1 G p 2 G p 3 .178).183) .. F = F1 + y F2 − 1 G p1 + +..179) + F3 − 1 G p1G p 2 Estos resultados se pueden extender para n etapas.. podemos demostrar que Te = Te1 + Te 2 G p1 + Te 3 G p1G p 2 F3 − 1 G p1 G p 2 +. en general L>1 (2..... Cifra de Ruido en Redes Atenuadoras La cifra de ruido se puede aplicar también para caracterizar los efectos de elementos atenuadores sobre el ruido total de un sistema... (b) que solamente contenga elementos pasivos y resistivos (la única fuente de energía en la red es la producida por efectos térmicos).. Una buena práctica en el diseño de amplificadores en cascada es la de diseñar la primera etapa con el mínimo valor de Te (o F) y la máxima ganancia de potencia posibles. que su ganancia de potencia sea menor que la unidad. Por ejemplo.. Los ejemplos más comunes de redes acopladas pasivas son las líneas de transmisión (en RF) y los atenuadores acoplados... L”.181) (2. una línea de transmisión entre una antena y su receptor es una red acoplada pasiva que introduce pérdidas de potencia e influye en la cifra de ruido total del sistema. G p ( n −1) (2.. Una red que satisfaga estas condiciones se denomina “Red Acoplada Pasiva”.+ (2...+ Ten G p1G p 2 G p 3 .. reemplazando (2.176) en (2.180) la llamada “Fórmula de Friis”.. Esto significa que en amplificadores en cascada la primera etapa es la que más contribuye tanto a la temperatura Te como a la cifra de ruido totales.. La manera más conveniente para representar las pérdidas en una red acoplada pasiva es mediante el “factor de pérdidas de inserción o factor de atenuación. el cual se define como “la razón entre la potencia disponible a la entrada de la red respecto a la potencia disponible a la salida”. y (c) que parte de la potencia de entrada sea absorbida en la red. es decir.. L= Pdi Pdo ..182) G p = G p1 ⋅ G p 2 ⋅ G p 3 ⋅ ⋅ ⋅ ⋅ ⋅ G pn Nótese que los términos individuales de las sumas se hacen cada vez más pequeños (suponiendo que las ganancias de potencia son mayores que la unidad) a medida que aumenta el número de etapas... En efecto.

En efecto.185) Reemplazando (2. Nótese que TeL aumenta linealmente en función de L.57.148). 2.187) y (2.188) k ( Ts + TeL ) B = G pL k ( Ts + TeL ) B 1 L y TeL = ( L − 1) Tp G pL = Las expresiones (2. mayor será la temperatura efectiva de ruido de la red acoplada pasiva y. La potencia de ruido a la salida se puede escribir en la forma [Schwartz. No = No = donde kTs B L 1 L + (1 − 1 L ) kTp B = 1 L k Ts + ( L − 1)Tp B [ ] (2.189) En el caso especial cuando Tp = To .188) indican que una red acoplada pasiva se puede tratar en la misma forma que un amplificador mediante la definición de su temperatura efectiva TeL . mayor será la cifra de ruido. de (2. Ni N o = α 1 kTs B + α 2 kTp B (2. la cifra de ruido de la red acoplada pasiva se obtiene reemplazando (2.178). de acuerdo con la definición del factor de atenuación L. por ejemplo.190) (2. Aplicando principios de la termodinámica se ha demostrado [Schwartz. la cifra y temperatura de ruido se reducen a FL = L TeL = ( L − 1) To (2. FL = 1 + ( L − 1) Tp To (2. por supuesto. N i = kTs B donde B es el ancho de banda efectivo del sistema.184).184). La potencia de ruido disponible a la entrada de la red es. Entonces.186) (2. se puede decir que α1 = 1 L y α 2 = (1 − 1 L ) (2.191) . 1980] Ts Red No Carga Acoplada Acoplada Pasiva Tp Fig. una antena cuya temperatura efectiva es el resultado de diferentes contribuciones.184) donde α 1 y α 2 son factores de ponderación relativos de las dos potencias disponibles definidas en (2. El ruido de entrada se caracteriza por su temperatura efectiva Ts y puede representar. 2.57. 1980] que α 1 + α 2 = 1. Esto significa que cuanto mayor es la atenuación.176 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Consideremos la red acoplada pasiva mostrada en la Fig. Tp es la temperatura física de la red acoplada pasiva.176) en (2.187) (2.185) en (2.

4 dB a 300 MHz. Vamos a determinar las relaciones S/N de predetección en ambas configuraciones. Un caso muy frecuente en la práctica es la conexión en cascada de una red atenuadora seguida de un amplificador. las pérdidas típicas de un cable coaxial de 75 Ohm. las expresiones (2. Por ejemplo. expresadas en dB por cada 30 metros.191) permiten aproximar los valores de la cifra de ruido y temperatura de ruido. en general. pero como FL = L y G pL = 1 L . ♣ Ejemplo 2.58. por lo tanto. La cifra de ruido total F de la combinación atenuador-amplificador viene dada por (2. seguido de un amplificador con una cifra de ruido Fa . entonces (2. 2 dB a 85 MHz. (a) Configuración A (b) Configuración B Estos dos montajes son muy utilizados en la práctica.177 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Cuando en una línea de transmisión no se conoce exactamente su temperatura física Tp . Cuanto más alto es el factor de atenuación L.58. En efecto. FL = exp(2αx) y TeL = [exp(2αx) − 1]To . F = FL + Fa − 1 G pL .181).190) y (2.36. peor será el valor de la cifra de ruido total.36 se muestran dos casos de considerable interés práctico (Sugerimos al lector estudiar este ejemplo con mucha atención). Tp no es muy distinta de la temperatura de referencia To = 290 kelvins. 8 dB a 900 MHz y 10 dB a 1200 MHz. Antena Antena Amplificador A1 Coaxial Coaxial Amplificador A1 Si Amplificador Al N i Detector A2 Si Amplificador Al A2 Detector N i Fig. Sa: Cable coaxial de 75 Ohm. pues L es un parámetro que se puede determinar fácilmente a partir de las características técnicas o especificaciones de la línea de transmisión. y puesto que. En el Ejemplo 2. Las especificaciones generales del sistema son: Frecuencia de trabajo fc: Ancho de banda efectivo B: Temperatura efectiva de ruido en la antena Ta : Potencia de la señal útil recibida en antena.192) F = Fa ⋅ L Este resultado demuestra la gran deterioración en la cifra de ruido total. Consideremos las dos configuraciones de un sistema de recepción mostradas en la Fig. donde α es la constante de atenuación en nepers por unidad de longitud y x la longitud de la línea. Consideremos un atenuador (que puede ser una línea de transmisión) cuya pérdida de inserción es L. 2. son: 1 dB a 25 MHz. en la teoría de las líneas de transmisión se suele expresar la atenuación L en la forma L = exp(2αx). longitud 900 MHz 2 MHz 100 kelvins 10-9 W 60 metros . Estos valores los dan los fabricantes en sus respectivos catálogos. 2.

512 x10 7 x10 −9 = 2.512 x10 −2 x105 Te = 19993.487 = 16.69 = 2.81 − 1) 310 290 = 42.188). De donde De (2.811 − 1)310 = 12031.512 x10 2.512x10 -2 W = 14 dBm La relación de predetección S i / N i para la Configuración A será entonces .811.51 kelvins (d) Cálculo de la relación de predetección S i / N i para la Configuración A Te = TeL + Te1 Te2 200 864.981 − 1)290 = 864. F2 : (a) Cálculos para la línea de transmisión El cable coaxial de 75 Ohm y 60 m de longitud a 900 MHz tiene una pérdida de inserción de 16 dB. L = 16 dB = 39.45)2 x10 6 N i = 1.778 dB To 290 (c) Cálculos para el Amplificador A2 G p 2 = 40 dB = 10 4 . De (2. Te1 = 200 kelvins.94 = 18. F1 = 1 + Te1 200 = 1+ = 1.512 x10 −2 TeL = (L − 1)Tp = (39.38x10 −23 (100 + 19993.393x10 −5 W = −18. Te1: Ganancia de potencia del amplificador A2. G p1 310 kelvins 50 dB 200 kelvins 40 dB 6 dB Temperatura efectiva de ruido del amplificador A1.32 + + −2 G pL G pL G p1 2.28 dB (b) Cálculos para el Amplificador A1 G p1 = 50 dB = 10 5 .51 + = 12031.981. Entonces. G p2 : Cifra de ruido del amplificador A2.56 dBm y la potencia de la señal.512 x10 7 x1. Tp : Ganancia de potencia del amplificador A1. G pL = 1 L = 2. S i = G p ⋅ S a = 2. F2 = 6 dB = 3.189).45 kelvins F = 1+ Te 19993.178 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Temperatura física de la línea de transmisión.447 dB To 290 La potencia de ruido a la entrada del detector (salida de A1) será N i = G p k (Ta + Te ) B = 2.45 = 1+ = 69. Te2 = (F2 − 1)To = (3.32 kelvins F L = 1 + ( L − 1) Tp To = 1 + (39.

como es el caso en comunicaciones vía satélite y en radioastronomía.561 dB ⎣ N i ⎦ dB (e) Cálculo de la relación de predetección S i / N i para la Configuración B Te = Te1 + TeL Te2 12031.083x10 −7 W S i = 2. se coloca un preamplificador de muy bajo ruido (low noise amplifier. en aplicaciones en que las señales recibidas son de muy bajo nivel.46 kelvins F = 1+ Te 200.393x10 −5 ⎡ Si ⎤ ⎢ ⎥ = 32. como veremos en los Capítulos V y VI. ♣ Medida del Ruido En la literatura técnica.512 x10 7 x1. para mejorar la relación S i / N i a la entrada del detector. .32 864.193) donde F es la cifra de ruido del sistema y G p su correspondiente ganancia de potencia.46 = 1+ = 1.3.69 = 2. La medida del ruido de un sistema se define en la forma M= F−1 1 1− Gp con M > 0 (2.252 dB más alta que la relación de predetección de la Configuración A.38x10 −23 (100 + 200.282 dB To 290 N i = 2. M” para caracterizar el efecto del ruido en un sistema lineal invariante en el tiempo. aunque no siempre es práctica la instalación de un preamplificador acoplado directamente a la antena. La relación de postdetección S o / N o dependerá del tipo de modulación empleado en el sistema. se utiliza a menudo la denominada “Medida del Ruido.81 dB ⎣ N i ⎦ dB Puede observarse que esta relación de predetección es 18.46)2 x10 6 N i = 2.512 x10 −2 = = 1803. generalmente parabólica. Es evidente que la Configuración B es preferible a la Configuración A. lo que significa que la medida del ruido M no se aplica en redes atenuadoras. Ni ⎡ Si ⎤ ⎢ ⎥ = 50. sobre todo de los países europeos.512 x10 −2 W La relación de predetección S i / N i para la Configuración B será Si = 120588. LNA) directamente acoplado a la antena. Sin embargo.179 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si 2. N i 1. La condición M > 0 implica que G p > 1.51 + = 200 + + 5 5 G p1 G p1G pL 10 10 x2.512 x10 −2 Te = 200.

se tiene que 1 + 1 Gp + Fa G2 p − Fa G3 p G2 p − 1 G3 p +.. se obtiene ( F1 − 1) ⋅ (1 − 1 / G p 2 ) < ( F2 − 1) ⋅ (1 − 1 / G p1 ) ... en cuyo caso no se necesita la medida del ruido M puesto que F ≈ Fa ..181)... Si G p < 1. en consecuencia... = Fn = Fa y F = Fa + Fa Gp − G p1 = G p 2 =.181) hacemos F1 = F2 =... expresión (2.+ n −1 ⎥ ⎢ Gp G2 G3 Gp ⎥ p p ⎣ ⎦ La secuencia dentro de los corchetes es igual a F = 1+ Fa − 1 1− 1/ Gp = 1+ M 1 1− 1/ Gp .181).. las etapas atenúan y la medida del ruido M no tiene sentido. Finalmente... Se desea saber la relación entre las temperaturas efectivas y ganancias de potencia de los amplificadores A1 y A2. . si G p >> 1. y F21 la cascada A2-A1 (primero A2.. vemos que M = N so / N io . y ganancias de potencia G p1 y G p2 . cifras de ruido F1 y F2 ..194) con (2...194) permite determinar la cifra de ruido total F mucho más rápido que si se utilizara la expresión (2. lo que equivale a decir que M es una medida relativa del ruido generado internamente en el sistema respecto al ruido de entrada al mismo. es decir. Sea F12 la cifra de ruido de la cascada A1-A2 (primero A1. entonces M ≈ Fa − 1. Si G p > 1 pero cercano a la unidad..180 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El significado físico de la medida del ruido se comprende mejor si consideramos una cascada de n amplificadores idénticos.166).37 Se puede demostrar otra propiedad muy interesante de la medida del ruido M si se consideran dos amplificadores diferentes que hay que conectar en cascada y cuyas medidas de ruido son M 1 y M 2 . y que la relación N so / N io se puede cuantificar mediante la expresión (2. Por ejemplo. si G p es lo suficientemente grande.. la medida del ruido es bastante alta y F ≈ M ..193).. F2 − 1 F1 − 1 F12 = F1 + < F21 = F2 + G p1 G p2 Restando la unidad a cada miembro de la desigualdad y rearreglando. después A2). Aún más. de donde F1 − 1 1 − 1 / G p1 < F2 − 1 1 − 1 / G p2 .+ G n −1 p Fa − 1 G n −1 p Agrupando términos ⎡ 1 1 1 1 ⎤ ⎢1 + F = 1 + (Fa − 1) + + +.. si comparamos (2.194) Cuando la cantidad de etapas es grande. El diseño requiere que la cifra de ruido de la cascada A1-A2 sea menor que la cifra de ruido de la cascada A2-A1.. que F12 < F21 .. y de la definición de la medida del ruido. es decir. De (2.. si en (2. (2. ♣ Ejemplo 2. después A1). respectivamente... = G pn = G p .193). la expresión (2....

etc. Igual que el Capítulo I. al ruido lo hemos representado como una señal aleatoria. En particular. establecer el concepto de sistema y definir la respuesta impulsional y la función de transferencia de un sistema lineal invariante en el tiempo. Raleigh. Un aspecto de considerable importancia en el campo de las telecomunicaciones es el ruido. Wiener-Kintchine. que nos proveen de las herramientas analíticas necesarias para emprender el estudio de sistemas en el dominio de la frecuencia. Es necesario. .181 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS M1 < M 2 De manera que F12 < F21 implica que M 1 < M 2 . lo cual significa que la menor cifra de ruido de la combinación se obtiene cuando el amplificador con la menor cifra de ruido se coloca de primero. Este análisis lo enfocamos desde el punto de vista de las Series y Transformadas de Fourier. Esto nos permite. RESUMEN El objetivo principal de este capítulo es la representación de sistemas en los dominios tiempo-frecuencia con énfasis en sus aplicaciones en el área de las comunicaciones. el Capítulo II es ejemplo de la cantidad de herramientas matemáticas y conceptuales necesarias para un estudio más avanzado de la Teoría de la Comunicación. generalmente gaussiana. Para su aplicación en el análisis de sistemas.10. y los efectos de las interacciones señalessistemas. la temperatura de ruido se utiliza ampliamente para caracterizar el ruido en sistemas que trabajan con señales de muy bajo nivel. Temperatura Efectiva de Ruido.). Cifra de Ruido y Medida del Ruido. a partir del Análisis de Fourier. y expresado mediante su ecuación canónica o su densidad espectral de potencia. 2. Con el fin de poderlo analizar. el desarrollo de modelos matemáticos que representen los sistemas físicos para emprender el análisis de las interrelaciones señales-sistemas. La tendencia actual en esta aplicación es la de utilizar cada vez más la temperatura de ruido para caracterizar el ruido. por lo tanto. Las relaciones S/N son de aplicación general. su cifra de ruido F. su temperatura efectiva de ruido Te o su medida del ruido M. de sus propiedades y teoremas derivados (Parseval. El análisis espectral de sistemas es esencial para comprender muchos fenómenos no perceptibles en el dominio del tiempo. conceptos que nos permiten analizar y cuantificar sus efectos en la transmisión y recepción de señales. como es el caso de amplificadores paramétricos y dispositivos similares. el ruido en un sistema se puede caracterizar mediante sus relaciones S/N. en detrimento de la cifra de ruido F o la medida de ruido M. pero que es suficiente para comprender los conceptos que se estudiarán en el resto del texto. En este caso se diseñará la cascada A1-A2 en la cual debe cumplirse que Te1 < Te2 y G p1 > G p2 ♣ En resumen. el ruido se ha caracterizado como relación Señal/Ruido.

Para este sistema demuestre que: 1 1+ j2 πf b) Si x(t) es una señal periódica como la de la Fig. La relación entrada-salida de un SLIT se puede representar mediante la ecuación diferencial x(t ) = (a) d dt y ( t ) + y ( t ) .59 (c) Si x ( t ) = Aδ(t − t o ) . entonces y(t ) = A 1 + 4π 2 [ cos(2 πt ) + 2π sen(2πt )] (f) Si x ( t ) = A exp( − t ) u ( t ) . | Yn | y φ yn tendrán los valores dados. entonces y( t ) = At exp(− t )u ( t ) (g) Si x ( t ) = n =−∞ ∑ AΛ ( tT−/nT ) .3. 2 ∑ ∞ entonces ⎧ ∞ 2A exp[ j( 2πnf t ) − arc tg(2πnf t )] o o ⎪ para n impar 2 2 2 y( t ) = ⎨ n =−∞ n π 1 + ( 2πnf o ) ⎪ para n par ⎩0 2. Demuestre que el sistema caracterizado mediante la ecuación diferencial y (t ) = t 2 d2 dt 2 x (t ) + t d dt x ( t ) . es un sistema lineal variante en el tiempo. entonces (d) Si x ( t ) = Au ( t ) .1. 2. La entrada x(t) y la salida y(t) de un SLIT están relacionadas mediante la ecuación íntegrodiferencial y(t ) = ∫ ∞ −∞ y (τ ) x ( t − τ ) dτ + d dt u(t ) .2.182 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS PROBLEMAS DE APLICACION 2. 2. entonces y ( t ) = A exp[ − ( t − t o )]u ( t − t o ) t t A y( t ) = 2A senh( ) ⋅ exp(− ) ⋅ u ( t ) + 2 2 2 (e) Si x ( t ) = A cos( 2πt ) . 2.59. 1 x(t) h ( t ) = exp( − t ) u (t ) ⇔ H(f) = | Yn | = 1 2 2 nπ 1 + n 2 π 2 -2 -1 0 _ 1 t ⎡π ⎤ φ yn = −⎢ + arc tg(nπ ) ⎥ ⎣2 ⎦ Fig.

60 x(t) R = 1 Ohm B A h(t) y(t) para τ = 2nTo ± τo . Sea el sistema mostrado en la Fig. Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = exp(t ) u ( − t ) . La respuesta impulsional de un SLIT es h (t ) = δ(t ) + 2 exp(−3t )u (t ) . (b) Que su respuesta impulsional y salida son.60. entonces j2 πf − 1 j2 πf (1 + jπf ) n =−∞ ∑Λ( ∞ t − 2 nTo To ) y ( t ) = [exp(−2 t ) − 1]u ( t ) 5 + j2 πf 3 + j2 πf 29 13 cos(2 t − 11. El cursor oscila a una velocidad constante entre los puntos A y B.7.88 o ) 2. con τo < To y(t ) = x(t ) ⋅ 2. 2.47 o ) t 2 t 2 (d) Si x ( t ) = Π ( ) . donde δ' ( t ) es un doblete. 2. demuestre que y ( t ) = exp( − t )u (t ) + δ(t ) y que la respuesta impulsional del SLIT es h( t ) = exp( − t ) u( t ) + 3δ( t ) + δ' ( t ). Demuestre: (a) Que éste es un sistema lineal variante en el tiempo. entonces y( t ) = [1 − exp[−3( t + 1)]]Π ( ) − [1 − exp[−3( t − 1)]]u ( t − 1) 3 2 3 2 .4. 2. Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = 3 cos( 2 t ) . τ) = Λ ( τo ) δ ( t − τ) To Fig. La entrada x(t) y la salida y(t) de un SLIT vienen dadas por x ( t ) = exp[− ( t − π )]u ( t − π ). entonces (c) Si x ( t ) = 4 cos2 ( 2 t ) .6. siendo To el tiempo de ir de A a B. entonces y(t ) = 3 y(t ) = 10 3 +2 41 25 cos(4 t − 14. respectivamente h ( t . y(t) ⇔ Y(f) = exp(-j4 π 2 f ) 1 − ( 2 πf ) 2 + j4 πf Demuestre que la respuesta impulsional del SLIT es h( t ) = x( t ) 2.183 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si x ( t ) = exp(−2 t ) u ( t ) . y viceversa. La respuesta impulsional de un SLIT es h ( t ) = [ 3 exp( −2 t ) − 1] u ( t ) .5.

(d) x ( t ) = 10u (t ). Demuestre. Suponga que la corriente i(0-) = 0.61 y v( t ) = exp( − t ) u ( t ) . (b) Demuestre que el retardo de fase y el retardo de grupo son. h(t) = -2δ(t + 30) + 4δ(t . . En la Fig. Demuestre que la corriente es exp( − i (t ) = R t ) − exp(− t ) L u ( t ) . respectivamente. ¿ Qué sucede cuando β( 0) ≠ 0 ? 2. Sea el circuito de la Fig. (a) Demuestre que esta red produce un término de distorsión de fase. 2. y verifique la respuesta mediante convolución gráfica.13. (a) x ( t ) = 5Π( t −5 10 ). t -5 10 ).9. ∞ y ( t ) = 50 n =−∞ ∑ Λ (t − 4n) t − 10 20 ) + 2000u ( t − 20) t−5 10 ) + 5000u ( t − 10) ∞ h(t) = 10Π( y ( t ) = 100tΠ( h(t) = 10(10 .61 2. Demuestre que en una red de transmisión sin distorsión el retardo de fase y el retardo de envolvente son iguales cuando β(0) = 0. ⎣ 1 + j2 πf ⎦ Demuestre que la respuesta del SLIT cuando se le aplica la excitación x ( t ) = 5u ( t − 2 ) es y (t ) = 50 exp[− (t − 4 )] ⋅ u (t − 4 ) 2. |L – R| > 0 L−R R v(t) i(t) L Fig. t .10. Dibuje el espectro de las siguientes señales: (a) x s (t ) = 10sinc ( 2 t 2T )⋅ n =−∞ ∑δ(t − nT) ∞ ∞ ⎡ n ⎤ ⎢ 2sinc ( 2 t ) ⋅ (b) x s (t ) = δ( t − )⎥ ∗ 4 Π(4t) 3 ⎥ ⎢ ⎣ ⎦ n =−∞ ∑ 2. mediante convolución puramente analítica. La función de transferencia de un SLIT es H ( f ) = 10⎢1 − ⎥ ⋅ exp( − j4 πf ) . 2. y( t ) = −10Π ( t + 25 t − 55 ) + 20Π ( ) 10 10 (b) x ( t ) = 10Λ (t ). ). (e) x ( t ) = 10Π( t −1 4 h(t) = 5 n=-∞ ∑δ(t .11. 2. (c) x ( t ) = 10u ( t ).12.t)Π( ). la salida y(t) para los x(t) y h(t) dados.10 20 ).50) . h(t) = 10Π( y ( t ) = 50(20t − t 2 )Π( y ( t ) = 400Λ ( t−4 4 ) t-3 4 2.8.62 se muestra las características de amplitud y fase de una red dada.184 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎡ 1 ⎤ 2.4n) .

2. t g (f ) = 1 60 β( f ) π/3 10 -10 f 0 f |H(f)| ho −π / 3 (b) 0 (a) Fig. 2. En la Fig. 2.62 (c) Grafique t p (f ) y explique el comportamiento de la red cuando la frecuencia varía desde f = 0 hasta f → ∞. y especifique el tipo de distorsión producido. Determine la salida y(t) del filtro para cada una de las señales siguientes. 2.15. 63.185 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS t p (f ) = 1 60 + 1 6f . 2.64 (a) x ( t ) = 4sinc ( 2 x105 t ) ⋅ cos( 2πx106 t ) (b) x ( t ) = 4sinc (2 x106 t ) ⋅ cos(2πx107 t ) . β( f ) 4 -10 f -20 -10 0 10 Hz 20 0 |H(f)| 2 π/2 10 f Hz −π / 2 (b) (a) Fig. se aplica a un filtro cuyas La señal x (t ) = 10sinc (10t ) + 10sinc 2 (5t ) cos(30πt ) características de amplitud y fase se muestran en la Fig.64 se muestra las características de amplitud y fase de un filtro dado. 2. β( f ) |H(f)| 2 -10 f -1 0 1 π/2 10 MHz f (a) MHz −π / 2 (b) Fig.63 Demuestre que la salida del filtro es y (t ) = 40sinc[10(t − 1 )] + 20sinc 2 (5t ) sen(30πt ) 40 ¿Qué tipos de distorsión hay presentes en la salida? 2.14.

a 3 = 4 Determine los términos de distorsión armónica y los de intermodulación. (a) Sea x ( t ) = cos(10πt ) + cos(100πt ). Demuestre que la potencia promedio de la salida deseada es < y 2 (t ) >= 400 W (b) Sea x ( t ) = 10 cos(100πt ). a 3 = 0 Determine Y(f) y dibuje su espectro |Y(f)|. (a) Demuestre que cuando R 1C 1 = R 2 C 2 la red se comporta como una red sin distorsión con retardo cero.186 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS (c) x( t ) = 16sinc (8x105 t ) ⋅ cos( 28πx106 t ) + 2sinc (106 t ) ⋅ cos(107 πt ) 2. 2. La red mostrada en la Fig. (c) Sea x( t ) = 2 x10 3 sinc ( 2 x10 3 t ). a 1 = 2. ¿ Cómo es el comportamiento de esta red para frecuencias de entrada superiores a 1 kHz? 2. β (f) = arc tg( 2πb 1f bo ) − arc tg( 2πf ao ) h( t ) = [ b o − a o b1 ]exp( − a o t )u( t ) + b1δ( t ) (b) Grafique | H (f )| y β (f) para b o = 0. a 1 = 10. a 3 = 10 −3 Calcule el porcentaje de distorsión de tercera armónica. ¿ Qué tipo de filtro es? (d) Determine y grafique el retardo de envolvente cuando b 1 = 0 y a o = 1. Un sistema lineal está representado mediante la ecuación diferencial d dt y(t ) + a o y(t ) = b 1 d dt x(t ) + b o x(t ) 2 b o + (2πb 1f ) 2 2 ao (a) Demuestre que | H ( f )| = y + ( 2πf ) 2 .65 .18. a 2 = −10 −2 .65 es un sistema muy utilizado en instrumentos de medición. 2.16. 2.17. x(t) R1 C1 R2 C2 y(t) Fig. a 2 = 6. características de amplitud y fase de H(f). a 2 = 10 −2 . (b) Si R 1 = 2 R 2 = 1000 Ohm y grafique las C 1 = C 2 = 10 µF. Un sistema no lineal tiene la característica de transferencia y ( t ) = a 1x (t ) + a 2 x 2 ( t ) + a 3 x 3 ( t ) La salida deseada es la correspondiente a x(t). a 1 = 11. ¿ Qué tipo de filtro es? (c) Grafique | H ( f )| y β (f) para b 1 = 0.

(c) (d) (a) Determine y grafique las correspondientes características de amplitud y fase. Este filtro se utiliza para eliminar frecuencias indeseables. τ τ 2. el espectro del cuadrado de las siguientes señales. Si se le t − to t aplica la señal x (t ) = AΠ ( ) . L R C C R C R R L C (a) (b) Fig. En general. (a) x (t ) = 4 Af m sinc(2 f m t ) (b) x (t ) = 4 Af m sinc(2 f m t ) ⋅ cos(2πf c t ) con f c >> f m 2. ¿Qué puede decirse del espectro de x n ( t ) ? (Utilice el teorema de la convolución). y observe y compare sus correspondientes anchos de banda.67. (d) Para los filtros (a) y (b). Determine y dibuje. demuestre que su salida es y (t ) = Ah o Λ ( ). en cada caso.66 se muestra las características ideales de un filtro conocido con el nombre de “filtro de ranura (notch filter)”.66 β(f ) π/4 −f c fc f −f c −π / 4 (a) fc (b) Demuestre que su respuesta impulsional es h(t ) = h o δ(t − t o ) − 2h o Bsinc 2 [B(t − t o )] ⋅ cos[2πf c (t − t o )] donde t o = 2. |H(f)| ho 2B f Fig.67. (b) Determine los anchos de banda de 3 dB. determine su frecuencia máxima.19.21.187 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Sea los filtros reales mostrados en la Fig. 2. ¿Es x 2 ( t ) también de banda limitada? Si lo es. . (c) Determine las ecuaciones diferenciales o íntegrodiferenciales que los caracterizan.20. 1 8f c Sea un filtro cuya función de transferencia es H (f ) = h o sinc(τf ) exp(− j2πt o f ) .79). 2. En la Fig. Sea una señal x(t) de banda limitada f m . 2. 2.22. determine el retardo de envolvente y el ancho de banda de acuerdo con la definición dada en la expresión (2.

Si la entrada es x(t).24. Demuestre que (a) Si x(t ) = 2 Af m sinc(2 f m t ).23. (e) Salida de la combinación H 1 (f ) y H 3 (f ) en cascada. (g) Salida de la combinación H 1 (f ). su ancho de banda de 3 dB es de 102. 2. para f c ≥ f m x(t ) = −2Af m sinc 2 (f m t ) ⋅ cos(2 πf c t ) (c) Si x(t ) = At t −T/ 2 Π( ). Todos los filtros tienen ganancia unitaria. Transformada de Hilbert. 2. R C y(t) t )u (t ) RC (RC) t −T/ 2 ) . con un valor máximo de 15 V y mínimo de 5 V.68. (c) Demuestre que su respuesta impulsional es h(t ) = t x(t) R C Fig. entonces. (f) Salida de la combinación H 2 (f ) y H 3 (f ) en cascada. (c) Salida de H 3 (f ) solamente.188 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. (b) Demuestre que si R = 1 MΩ y C =1 pF. Sea el circuito mostrado en la Fig.25.68.431 kHz. H 2 (f ) pasabajo de ancho de banda de 1500 Hz.5). 2. entonces x(t) = A [1 − cos(2πf m t )] πt (b) Si x(t ) = 2 Af m sinc 2 (f m t ) ⋅ sen(2 πf c t ) . x s (t )] son ortogonales. x(t)] y [ x c (t ). para las partes (a) y (b). Se dispone también de tres filtros ideales: H 1 (f ) pasabajo de ancho de banda de 500 Hz. ∫ ∞ -∞ x c (t ) ⋅ x s (t ) dt = 0 . entonces T T x(t) = At t A ln − πT T − t π (d) Determine la envolvente compleja de x(t) y sus componentes ortogonales x c (t ) y x s (t ) para la parte (b). (e) Demuestre. que las duplas [ x(t ). Se tiene una señal x(t) diente de sierra creciente cuyo período es de 1 ms. la salida es (d) Demuestre que si se le aplica una excitación de la forma x(t ) = Π( T 2 exp(− t t + RC ⎤ T − T / 2 ⎡ − t + T − t + T − RC ⎤ ⎡ y( t ) = ⎢1 − exp(− )( ) Π( ) − ⎢1 + exp( )( )⎥ u ( t − T) RC RC ⎥ T T RC ⎦ ⎣ ⎦ ⎣ 2. es decir. (h) Salida de la combinación H 1 (f ) y H 2 (f ) en paralelo (Configuración 2 de la Tabla de Identidades de Diagramas de Bloque. (b) Salida de H 2 (f ) solamente. que ∫ ∞ −∞ x (t ) ⋅ x(t ) dt = 0. H 2 (f ) y H 3 (f ) en cascada. dibuje la señal de salida y(t) en los siguientes casos: (a) Salida de H 1 (f ) solamente. dada en la Sección 2. (d) Salida de la combinación H 1 (f ) y H 2 (f ) en cascada. (a) Determine sus características de amplitud y de fase. y H 3 (f ) pasaalto de frecuencia de corte de 500 Hz.

dibuje el espectro de las señales 2 (a) x( t ) = m1 ( t ) cos(2 πf c t ) − m1 (t ) sen(2πf c t ) . . R xx (τ) = R x (τ) = − R xx (τ) ˆ ˆ ˆ ˆ ˆ R (τ) = 2[R (τ) + jR (τ)]. Si R x (τ) =< x(t)x(t + τ) >.27.26. R (0) = 0 z x x x ˆ donde R x (τ) es la Transformada de Hilbert de R x (τ) . 2. 2. 34(a). El filtro es ideal y de ganancia unitaria. R x (τ) =< x(t)x(t + τ). y(t) = m(t) (b) Demuestre también que si x(t) es una señal modulada en banda lateral única de la forma x ( t ) = m( t ) cos(2 πf c t ) − m(t ) sen(2 πf c t ) entonces y ( t ) = m( t ) El detector sincrónico permite entonces extraer o detectar una señal mensaje m(t) pasabajo contenida en una señal modulada en doble banda lateral o en banda lateral única. Sea entonces m(t) una señal mensaje pasabajo portadora de información. 2.69. Si f c = 5B . demuestre que ˆ R x (τ) = R x (τ). (a) Demuestre que si x(t) es una señal modulada en doble banda lateral de la forma x ( t ) = m(t ) cos( 2πf c t ). entonces debe verificarse siempre que f c ≥ B ≥ f m . para no perder la información contenida en la señal mensaje m(t). En la práctica. Nótese que este detector tiene la misma forma que la rama superior de la Fig.69 Z(f) Demuestre que el voltaje eficaz de ruido térmico en sus terminales es. La única restricción existente es que si la frecuencia máxima de la señal mensaje es f m y el ancho de banda del filtro pasabajo es B. el ancho de banda equivalente sobre el cual aparece el ruido en los terminales es inversamente proporcional a R y los dos efectos se cancelan. (b) x(t ) = m1 (t ) cos(2πf c t ) + m 2 (t ) sen(2πf c t ) ˆ ˆ ˆ 2. R xx (τ) =< x(t)x(t + τ) . 2. ˆ ˆ ˆ R xx (τ) =< x(t)x(t + τ) > y ˆ ˆ z(t)=x(t) +jx(t) . Sea el “detector sincrónico o coherente” mostrado en el Problema de Aplicación 1.29. mientras que el voltaje eficaz por unidad de ancho de banda es proporcional a R.40. f c >> B y B ≥ f m . para B→∞ v ef = kT C Obsérvese que el voltaje eficaz de ruido resulta ser independiente de la resistencia R. Sea m1 (t ) = ABsinc 2 (Bt ) y m 2 (t ) = 2 ABsinc(2 Bt ).189 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.28. entonces. La razón es que. Considere la combinación RC mostrada en la Fig. R C Fig. generalmente f c >> f m . 2.

Dos resistencias. donde fc > B. 2. Determine el valor eficaz del voltaje de ruido en los terminales de salida cuando H(f) representa: (a) Un filtro pasabajo ideal de ganancia ho y ancho de banda B.190 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. [Respuesta: B N = ] B 2 2 f B (c) H(f)=h o sin c( ). 2. El ancho de banda en ambos casos es de 100 kHz. respectivamente.34. [Respuesta: BN = ] B 2 (a) H(f ) = h o exp(− f − fc ⎤ f + fc ⎡ ) + sinc( ) (d) H (f ) = h o ⎢ sinc( B B ⎥ ⎦ ⎣ fc >> B [Respuesta: BN = B ] .33.32. 2.70 (b) Un filtro pasabanda ideal de ganancia ho . están a una temperatura de 300 y 400 kelvins. 2. [Respuesta: v oef = h o 8kTRB ] |f| (b) Un filtro exponencial de la forma H ( f ) = h o exp( − ) B kTB [Respuesta: v oef = h o ] 2 (d) Un filtro gaussiano de la forma H (f ) = h o exp(− [Respuesta: v oef = h o kTB π ] 2 2 f2 B2 ) 2. [Respuesta: v oef = h o 4 kTRB ] R Red sin Ruido H(f) voef Fig.30.70 a cuya entrada se conecta una resistencia ruidosa R. de 1000 Ohm cada una. Determinar el voltaje eficaz de ruido cuando (a) las resistencias están en serie y (b) cuando están en paralelo. Demuestre que el valor eficaz de la corriente de ruido en un circuido RL serie es i ef = kT / L 2.31. ancho de banda 2B y centrado en la frecuencia fc . Sea la red sin ruido de la Fig. Demuestre que la densidad espectral de potencia de la tensión de ruido en un circuito RL paralelo es S n (f ) = 2 kTR . Determine el ancho de banda equivalente BN del ruido de las redes cuyas funciones de transferencia son: |f | B ). [Respuesta: BN = ] B 2 2 f π B (b) H(f)=h o exp(− 2 ).

G p = 10 dB Detector Al Fig.36. En la Fig.71 Ts = To = 290 kelvins Demuestre que la temperatura neta Ti de entrada al amplificador es de 2900 kelvins.35. Ts = 10To y Ts = 100To .196 dBm . fc >> B [Respuesta: BN = B ] Un amplificador de alta ganancia tiene una cifra de ruido de 9.72 (a) Que la relación S s / N s a la entrada del amplificador es de 23. 2.191 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS | f + fc | |f − fc | ⎤ ⎡ (e) H (f ) = h o ⎢ exp(− ) + exp(− ) B B ⎥ ⎦ ⎣ 2. . El ancho de banda equivalente del ruido es de 6 MHz y se supone que la temperatura de ruido de la antena es Ts = To Ti Amplificador N i de RF ETAPA DE ENTRADA Fig. Sea el sistema de la Fig. Demuestre: Ss / N s Amplificador Si / N i de RF F = 10.031 dB.35 dB. Repetir cuando T Ts = o .72. 2. 2. 2. 2. (a) Demuestre que la temperatura efectiva de ruido es Te = 2030 kelvins (b) Determine la potencia disponible de salida si la resistencia de la fuente a la entrada del amplificador tiene una temperatura de ruido Ts = To = 290 kelvins. de ancho de banda de 20 kHz y centrado en fc = 1 MHz. 4 2.37.71 se muestra la etapa de entrada (amplificador de RF) de un receptor.585 dB. y que la potencia disponible de ruido a su salida es N i = −16. (c) Que la relación de predetección S i / N i es de 22. una ganancia de potencia de 50 dB y un ancho de banda equivalente del ruido de 10 kHz. La cifra de ruido del amplificador es de 10 dB y ganancia de potencia de 80 dB. donde x r (t ) = 2 x10 cos(2πx10 t ) cos(2πx10 t ) 4 6 −6 x r (t ) n(t n (t ) ⇒ S n (f ) = 10 −19 exp[− l 0 −6 Ln2⋅| f |] El sistema es pasabanda.204x10-15 W. (b) Que la contribución del ruido a la salida debida al ruido propio del amplificador es de 7.

305 dB .73.4x10 −14 W . 2. (a) Demuestre que para la configuración (a). El ancho de banda es de 6 MHz. (b) Repetir la parte (a) pero intercalando entre la antena y la línea de transmisión un amplificador con una ganancia de potencia de 15 dB y una temperatura efectiva de 40 kelvins.75. Demuestre: (a) Que la potencia de ruido Ni a la entrada del detector es de -60. En antena.74. 2. 2. Sean los dos sistemas representados en la Fig. Demuestre también que la temperatura total efectiva de ruido es ahora 420. [Respuesta: Ni = 8. Repita la parte (b) si F1 = 13. demuestre que . La línea de transmisión tiene un factor de atenuación L = 2 dB y una temperatura física de 310 kelvins.38.506x10-9 W ] 2. 2.39. Sea una cadena de tres amplificadores cuyas características se muestran en la Fig.75 (a) Suponiendo que el ruido individual de los amplificadores es despreciable frente al ruido de entrada.40. y que la cifra de ruido total Ni de los dos amplificadores se ha reducido a F12 = 2. ¿Qué se puede decir al respecto? 2.45 . La temperatura efectiva de la antena es de 100 kelvins.315 dBm.2 dB .74 N1 A2 N2 A3 N3 Carga Acoplada G p2 = 60 dB G p3 = 20 dB B1 = 10 MHz B2 = 2 MHz B 3 = 100 kHz Fig.73 (b) Demuestre que para la configuración (b) . Sea el sistema de recepción de la Fig. 2. 10 Si = 6. Si = 12 .192 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.01 dB . S n ( f ) = 10−20 W / Hz A1 Fuente de RuidoG p1 = 13 dB Ta Línea de Transmisión A1 A2 G p1 = 10 dB F1 = 1.5 G p2 = 40 dB N i Al F2 = 2 Detector B = 2 MHz Fig. Ni −12 G p = 80 dB Si / N i F = 10 dB Al Detector Amplificador Preamplificador G p1 = 13 dB Amplificador G p2 = 80 dB Si / N i F1 = 3. Compare estos resultados con los ya obtenidos. 2.5 kelvins. la potencia de señal es de W y la potencia de ruido de 2.01 dB F2 = 10 dB Al Detector (a) Conexión sin Preamplificador (b) Conexión con Preamplificador Fig.

979 dBm y N 3 = −23.76. donde α es la constante de atenuación y x la longitud de la línea. referida al amplificador compuesto? 2. N 2 = −30. ¿Por qué no puede determinarse la temperatura efectiva de ruido. referida a la entrada del sistema de tres etapas. demuestre que N1 = −83. (c) Verifique la cifra de ruido total calculada en (b) individuales y combinando sus efectos.193 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N 1 = −83.123 dBm. Suponga que una línea de transmisión de pérdidas L y temperatura física TpL se agrega a la entrada del receptor. definición del factor de atenuación L. expresión (2. es decir. En este caso. Demuestre que la nueva temperatura de ruido. = Te1 + (L − 1)(TpL + Te1 ) = LTe1 + (L − 1)TpL Nótese que en la Teoría de las Líneas de Transmisión se demuestra que si v ief y v oef son los valores eficaces del voltaje al principio y al final de una línea acoplada. es Te = 260. referida a la entrada del sistema línea-receptor es Te.113 dBm y N 3 = −23. (c) Si las temperaturas efectivas de los amplificadores son Te 2 = 400 kelvins y Te3 = 500 kelvins .42. se puede escribir entonces v 2 = v 2 exp(−2α x) . determinando las cifras de ruido Se le sugiere al lector repetir este problema intercambiando las diferentes etapas a fin de conseguir una configuración óptima. 2.99 dBm.183). Definiendo v 2 = Pdi y v 2 = Pdo . 2. N 2 = −30. la nueva temperatura de ruido a la entrada del sistema línea-receptor es Te' = Te1 exp(2αx) + [exp(2αx) − 1]TpL . Un cierto receptor tiene una temperatura efectiva de ruido Te1 . Etapa 1 Etapa 2 Etapa 3 Te1 = 300 kelvins . 2.899.172 dBm. En términos de potencia (normalizadas respecto a R = 1 Ohm). se tiene que vemos que el valor de L aumenta al aumentar la longitud de la línea. Sea el sistema de tres etapas mostrado en la Fig.66 kelvins (b) Usando el resultado de la parte (a). y de acuerdo con la oef ief ief oef L = exp(2α x) . demuestre que la cifra de ruido total del sistema es F = 1.99 dBm . Gp1 = 7 dB Te1 = 200 kelvins Gp2 = 20 dB Te2 = 300 kelvins Gp3 = 40 dB Te3 = 400 kelvins Carga Acoplada El ancho de banda es el mismo en las tres etapas Fig.41.76 (a) Demuestre que la temperatura efectiva de ruido. aquella con la mínima cifra de ruido total. entonces se verifica que v oef = v ief exp(−α x) .

Ta T'e Te1 S r Te GpL. la temperatura efectiva de ruido del sistema aumenta aproximadamente en 10 kelvins.44. Ta = 100 kelvins Ga = 50 dB = 105. La cifra de ruido total es F = 1. 2.448 kelvins (b) Demuestre que la temperatura efectiva de ruido Te. Na L. Datos: L = 2 dB = 1. TpL = To. Sr = 10-8 W G pL = 1 . están relacionados mediante la ecuación ∆Te = Te1 + TPL ∆L (d) Si Te1 = 150 kelvins y TPL = 290 kelvins .77.194 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. y el incremento ∆L de la atenuación L de la línea de transmisión. Verifique este resultado para valores arbitrarios de la atenuación L.623x107 = 75. B = 105 Hz.1 dB en la atenuación L de la línea de transmisión. 2. TeL = (L − 1)TpL L A1 S1. Te2 = 300 kelvins.004 kelvins Si = 3. Gp2 = 20 dB = 100. y TPL la temperatura física de la línea de transmisión que interconecta la antena con el receptor. referida a la entrada de la línea de transmisión. 2. La relación Si/Ni de predetección es Tn = 100 kelvins. TeL Antena Línea de Transmisión B Preamplificador Señal Util Amplificador B Fig.69 3. TpL S e . a la entrada del primer amplificador es Te’ = 150.03 kelvins (c) Suponga que la temperatura de ruido de entrada a la antena es Demuestre que 2. N1 Ruido Blanco A2 Gp2 Te2 Si/Ni Al Detector Nn Sa.77. (a) Demuestre que el incremento ∆Te en la temperatura efectiva Te . 1. Sea el sistema de comunicaciones de la Fig.43. (a) Demuestre que la temperatura efectiva de ruido Te referida a la entrada de la línea de transmisión es Te = 407. demuestre que por cada incremento de 0. Gp1 = 40 dB = 104 . Te1 = 150 kelvins.591 dB Ni . La temperatura equivalente total del sistema es Te = 200. Sea Te1 la temperatura efectiva de ruido de un receptor. To = 290 kelvins. Ne Gp1 Ga.585.

entonces P(A).1) . se define en la forma P (A ) = lim m N N →∞ (3. De la Teoría de la Probabilidad y de las Variables y Procesos Aleatorios hay una inmensa bibliografía que el lector interesado puede consultar. es posible predecir en cierta manera el comportamiento promedio de un número grande de experimentos. depende de la combinación de muchos factores completamente impredecibles. el ruido. Definiciones de la Probabilidad La teoría de la probabilidad es una rama de las matemáticas aplicadas que trata de los efectos de la suerte o de la casualidad. la probabilidad de que el suceso A ocurra. pero sí se mostrarán aquellos aspectos de aplicación inmediata en el análisis y diseño de sistemas de comunicación prácticos. Estos tipos de señal se denominan señales determinísticas. tanto periódicas como no periódicas. cuyo comportamiento se puede predecir a partir de algunas de sus propiedades probabilísticas o estadísticas. no se profundizará demasiado en consideraciones teóricas avanzadas. INTRODUCCION En el presente texto se estudian varios tipos de señal.2.2. la idea de “suerte” está ligada con la de “probabilidad” o “posibilidad”. 3. El comportamiento de estas señales solamente se puede predecir en forma aproximada porque en los mecanismos aleatorios que las producen hay un elemento de ignorancia o de incertidumbre sobre el cual no se tiene ningún control. Definición Empírica de la Probabilidad En un experimento repetido N veces. cuando lanzamos un dado o una moneda. En este Capítulo se presentarán las ideas y conceptos básicos y esenciales de las variables y procesos aleatorios que complementarán el enfoque determinístico que hemos empleado hasta ahora. Por ejemplo. acerca de las cuales sólo conocemos algunos parámetros. en efecto.1. en cada canal de comunicación siempre habrá señales de ruido que contaminan las señales mensaje portadoras de información. si el suceso A ocurre m veces. En consecuencia. por ejemplo. éstas son las señales aleatorias. En la Teoría de la Comunicación las señales y procesos aleatorios desempeñan un papel muy importante. El resultado de un experimento cualquiera. cuando lanzamos una moneda podemos decir que las probabilidades de que caiga cara o sello son “igualmente posibles” o “igualmente probables”. Sin embargo. cuyos valores son conocidos en todo instante ya sea en forma gráfica ya sea en forma analítica. Pero también hay otras clases de señales como. por cuanto ellas varían en forma muy compleja.1.CAPITULO III VARIABLES Y PROCESOS ALEATORIOS 3. En la Teoría Estadística de la Comunicación tanto las señales mensaje como el ruido se tratan como variables aleatorias. NOCIONES DE LA PROBABILIDAD 3. por ejemplo. Como es normal en un texto introductorio de comunicaciones.

+A n } es el suceso cierto. A 2 .... si A 1 . se supone implícitamente que el límite N → ∞ existe. A 3 . La probabilidad se puede definir desde un punto de vista axiomático.3) Si A y B no son disjuntos...4) donde P(AB) es la probabilidad conjunta de la ocurrencia simultánea de los sucesos A y B. que simbolizaremos con S.. Estos resultados se pueden extender para un número cualquiera de sucesos... en efecto.. Cuando el suceso (A + B) ocurre. entonces esos N elementos se denominan “sucesos exhaustivos”.. entonces el suceso {A 1 + A 2 +.+ P ( A n ) (3. A n son disjuntos y exhaustivos.2) Sucesos Mutuamente Excluyentes o Disjuntos Se dice que en un conjunto de sucesos los sucesos son mutuamente excluyentes.1). P (S) = P (suceso cierto) = 1 Definición Axiomática de la Probabilidad (3.6) Puesto que A 1 .. El punto de vista axiomático de la probabilidad se puede resumir en la forma siguiente.. Es evidente también.. disjuntos o incompatibles. pero los axiomas que se postulen deben estar de acuerdo con el punto de vista de la frecuencia relativa.. por cuanto define la probabilidad como la frecuencia relativa de ocurrencia del suceso.. .. Nótese que al definir P(A) como en (3. es decir.196 III..+ A n ) = P (A1 ) + P ( A 2 ) + P (A 3 ) +. Se sigue entonces que si N sucesos A n son disjuntos y exhaustivos. entonces P (A + B) = P (A ) + P (B) − P ( AB) (3.. .. entonces P (A1 + A 2 + A 3 +.. es decir.. y un suceso que puede considerarse como resultado de uno cualquiera de los sucesos A y B.. 0 ≤ P (A ) ≤ 1 (3..7) La definición de frecuencia relativa tiene la ventaja de ser muy intuitiva pero no es suficiente desde el punto de vista matemático. con aquellas relaciones que se observan en el mundo físico. entonces ∑ P (A n =1 N n)=1 (3. Por ejemplo. Se conoce también como “la definición de la frecuencia relativa”. A n son sucesos disjuntos. (A + B). VARIABLES Y PROCESOS ALEATORIOS Esta definición de la probabilidad se conoce con el nombre de “definición empírica de la probabilidad”. A 2 . es porque el suceso A o el suceso B o ambos han ocurrido..... consideremos dos sucesos A y B..... A 2 . de la definición.. entonces la probabilidad del suceso (A + B) cuando A y B son disjuntos es P (A + B) = lim m1 + m 2 N N →∞ = P ( A ) + P ( B) (3.. si la ocurrencia de cualquier suceso impide la ocurrencia simultánea de cualquier otro suceso del conjunto. A n solamente. por lo tanto... es decir.5) Si un experimento tiene N resultados A 1 . Si el experimento se lleva a cabo N veces. respectivamente. Este suceso será la unión de los sucesos A y B.. que la probabilidad es siempre una magnitud positiva y menor o igual que la unidad. y si m1 y m 2 son los resultados favorables a A y B.

la “probabilidad del suceso A (3.14) O también. . es decir.. .15a) (3. 3....+ A n +.... donde AB ≠ 0 es la intersección de los sucesos A y B.2. A 2 .8) (3..197 III. entonces la probabilidad del suceso AB se define en la forma P (AB) = lim N AB N N →∞ (3. Independencia Probabilidad Conjunta Si en un experimento hay dos conjuntos de sucesos o resultados. donde P(AB) es la probabilidad conjunta de los sucesos A y B..13) y (3. ) = P ( A 1 ) + P ( A 2 ) +.15b) si P(A) ≠ 0 .13) (3. si P(A) ≠ 0. P (B| A ) = P ( B) P (A ) P ( A | B) P ( A | B) = P (B| A ) si P(B) ≠ 0 (3... y si NAB es el número de veces que A y B ocurren simultáneamente.14)... se denomina la “probabilidad conjunta del suceso AB”.2. La única restricción que se impone sobre la función de probabilidad es que obedezca los siguientes postulados o axiomas: AXIOMA I: P (A ) ≥ 0 (3.9) (3.. AXIOMA III: P (A + B) = P ( A ) + P ( B) La extensión para un número infinito de sucesos no se sigue de (3.. A n . la probabilidad de un suceso A depende de si el suceso B ha o no ocurrido.10) sino que es un nuevo axioma: AXIOMA IIIa: P ( A 1 + A 2 + A 3 +. VARIABLES Y PROCESOS ALEATORIOS La probabilidad P(A) de un suceso A es un número que se asigna a dicho suceso. . son disjuntos... la cual vamos a definir en la forma siguiente: Sea un suceso B tal que suponiendo el suceso B” es P ( A | B) = P ( AB) P ( B) P (B| A ) = P (AB) P (A ) P (A ) P ( B) P(B) ≠ 0. (3. Combinando (3..12) Probabilidad Condicional A menudo se presenta la situación donde la probabilidad de un suceso es influenciada por otro suceso. entonces la probabilidad de observar un resultado particular A de un conjunto y un resultado B de otro conjunto. Si un experimento se repite N veces...... Probabilidad Condicional.11) si A 1 .10) AXIOMA II: P (S) = 1 donde S es el suceso cierto formado por todos los sucesos disjuntos y exhaustivos. Esta es la probabilidad condicional. Por definición. Probabilidad Conjunta.+ P ( A n ) +..

18) Nótese que si A y B son independientes y disjuntos.. entonces la probabilidad condicional P(A|B) es simplemente la probabilidad P(A)..32 12 11 Independencia Estadística ♣ El concepto de independencia es básico. segunda de 100} = P(A)P(A|A) = = 0. Si esto es cierto. B. para A y B independientes y disjuntos La noción de independencia se puede extender a más de dos sucesos..27 12 11 7 6 (c) P{sacar primero de 50. si A y B son independientes.. son estadísticamente independientes. si los sucesos A... C. Pudiera decirse que es debido a este concepto que la Teoría de la Probabilidad se ha desarrollado como una disciplina anexa y no ser considerada como un tópico más en la Teoría de las Medidas.198 III. Vamos a determinar las siguientes probabilidades. esto es. En efecto. Definición Se dice que dos sucesos A y B son estadísticamente independientes si y sólo si P (AB) = P ( A )P ( B) (3.16) Esto quiere decir que si A y B son independientes. entonces la ocurrencia del suceso A no influencia en absoluto la ocurrencia del suceso B.. entonces. y viceversa.. ♣ Ejemplo 3.. la probabilidad de ocurrencia conjunta es P(ABCD..19) . segunda de 50} = P(A)P(B|A) = = 0.. segunda de 50} = P(B)P(B|B) = = 0..1 Una caja contiene 5 resistencias de 100 Ω y 7 resistencias de 50 Ω. D. por definición.) = P(A) P(B) P(C) P(D) .17) (3.15b) son conocidas con el nombre de “Ecuaciones de Bayes” o “Regla de Bayes”. (3.. (a) La probabilidad de que las dos resistencias sean de 100 Ω (b) La probabilidad de que la primera fue de 100 Ω y la segunda de 50 Ω (c) La probabilidad de que las dos resistencias son de 50 Ω Sean los sucesos A = {sacar una resistencia de 100 Ω} B = {sacar una resistencia de 50 Ω} A|A = {sacar una de 100 Ω habiendo sacado previamente una de 100 Ω} B|B = {sacar una de 50 Ω habiendo sacado previamente una de 50 Ω} 5 4 (a) P{sacar primero de 100. entonces P ( A | B) = P ( A ) P(AB) = 0 y P(B|A) = P(B) (3.... VARIABLES Y PROCESOS ALEATORIOS Las expresiones (3...15a) y (3.15 12 11 5 7 (b) P{sacar primero de 100.. De la caja se extrae una resistencia y después otra sin reponer la primera....

13) y (3. .. A n cuya suma es igual al suceso cierto S. B ⊂ S.+ A n ) A1 B An A2 A3 Fig. es decir... VARIABLES Y PROCESOS ALEATORIOS Nótese que si los sucesos son independientes por pares. P (B) = P ( BA 1 ) + P ( BA 2 )+. y sea B un suceso cualquiera contenido en S.. P (BA i ) = P ( B| A i ) P ( A i ) Entonces. de la Fig..20) (3..+ A n } Teorema de Bayes El teorema de Bayes nos permite evaluar las llamadas “probabilidades a posteriori P(Ai | B) ” de los sucesos A i en términos de las “probabilidades a priori P(Ai)” y de la probabilidad condicional P (B| A i ).1.... En efecto. P (B) = P ( B| A 1 ) P (A 1 ) + P ( B| A 2 ) P (A 2 ) +. Entonces.. el cual se utiliza para evaluar la probabilidad P(B) en términos de la probabilidad condicional P(B|Ai) y de la probabilidad P(Ai). se tiene P (A i B) = P (A i | B)P (B) = P (B| A i )P (A i ) .+ P (BA n ) (3.199 III..14)...14). Probabilidad Total j ≠ i . Hay que hacer notar que este teorema es válido aún cuando los n sucesos A 1 . 3. pero sí debe cumplirse que B ⊂ {A 1 + A 2 +.. donde Ai será definida a continuación.1 S De donde B = BA 1 + BA 2 +.. no se sigue que los sucesos sean todos Vamos ahora a obtener una expresión conocida con el nombre de “Teorema de la Probabilidad Total”. ..22).22) Este es el teorema sobre la probabilidad total...23) Reemplazando P(B) de (3. A 2 . se obtiene P(A i | B) = ∑ P(B | A )P(A ) j=1 j j n (5... es decir. B = BS = B( A 1 + A 2 +. 3. 3.. Se tiene un conjunto de n sucesos disjuntos y exhaustivos A 1 .13) o (3.. de las expresiones (3.... si P(Ai Aj) = P(Ai)P(Aj) para todo j.....+ P ( B| A n ) P ( A n ) P ( B) = ∑P(B| A )P(A ) i i i =1 n (3. A 2 . i y con independientes. A n no sean exhaustibles. de donde P (A i | B) = P (A i ) P (B| A i ) P ( B) P(B | A i )P(A i ) (3. BA n Como estos elementos son todos disjuntos.21) Pero de la probabilidad condicional.1. ... . expresiones (3.. ...24) Este es el llamado “Teorema de Bayes”.. Fig.

hay que hacer notar que en un sistema de comunicación real generalmente no se conocen las probabilidades de transición. a menudo llamadas “probabilidades de transición”. 3. el filtro acoplado que se verá en el Capítulo V es un receptor óptimo. con 0 ≤ i ≤ M − 1. 3. r j ) P (r j ) (3. queremos decir que la probabilidad de una decisión correcta P( ) es máxima. de la expresión (3. { } 0 ≤ j ≤ J − 1. ocurren los mensajes {m i } . Fuente Discreta m i {m i } Transmisor mo P (r2 |mo ) P (ro |m1 ) m1 P (ro |mo ) P (r1| mo ) ro r1 s i (t ) Ruido {si (t )} P (r1 | m1 ) P (r2 | m1 ) (a) Diagrama de Probabilidades de Transición. como se muestra en la Fig. Estas probabilidades son las probabilidades “a priori” de los mensajes. 3. formule una decisión óptima en relación a qué mensaje m i fue transmitido. 1967] mediante un conjunto de MJ probabilidades condicionales P (r j | m i ) que especifica la probabilidad de recibir cada salida j condicionada a cada entrada i.26) . de acuerdo con el símbolo r j recibido. P (m i . Este modelo describe un sistema de comunicación como el mostrado en la Fig. VARIABLES Y PROCESOS ALEATORIOS Modelo Probabilístico de un Canal de Comunicaciones Consideremos el modelo probabilístico de un canal discreto de comunicaciones con M posibles mensajes de entrada {m i } . las probabilidades antes de la recepción. Nuestro problema es especificar un receptor que. Cuando decimos “óptimo”.13).2(b). Para valores pequeños de MJ es conveniente hacer un diagrama de estas probabilidades. r j ) = P (m i )P (r j | m i ) También. J = 3 r2 Canal rj mj {r j } {m j } Receptor (b) Sistema de Comunicación Fig.200 III. por ejemplo. (3. 2 La operación del canal se puede describir como un conjunto S que comprende MJ elementos o puntos cada uno identificado mediante la dupla (m i . sin embargo. Supongamos que conocemos el conjunto de las M probabilidades {P (m i )} con las cuales En una larga secuencia de mensajes independientes puede esperarse que el receptor óptimo decida correctamente más a menudo que un receptor no óptimo.2(a).25) P (m i | r j ) = P (m i . es decir. el modelo del canal se puede describir completamente [Wozencraft y Jacobs. y J posibles símbolos de salida r j . En lo que concierne a este ejemplo. M = 2. r j ) y cuyas probabilidades son.

Sea m( j) una entrada dada en el conjunto r j .26). r2 ) “a priori” de que un mensaje m i sea transmitido P (m1 ) P (m o ) es P (m i ) . por lo tanto.28) Las cantidades positivas P(rj) son independientes de la regla de asignación. Esta “regla o algoritmo de decisión”. y por lo tanto la regla de decisión es la óptima. sea m k el mensaje cuya probabilidad “a posteriori” es la máxima. Después de la transmisión. Entonces la probabilidad condicional P( |rj) de una decisión correcta para un r j recibido. Si varios mi tienen la misma (máxima) probabilidad “a posteriori”.27) Es evidente que P( |rj) puede ser maximizada si se elige el elemento m( j) de {m i } con la probabilidad “a posteriori” más alta. de la expresión (3. 3. r2 ) P (r2 | m1 ) P (r2 |mo ) (mo . En efecto. es decir. {m( j)} P (m k | r j ) ≥ P ( m i | r j ) para todo i ≠ k (3. aplicada independientemente a cada símbolo recibido r j . la cual es la probabilidad “a posteriori”. la probabilidad incondicional de una decisión correcta P( ) para un rj recibido dado es P( ) = {m i } a la cual el receptor atribuye el símbolo recibido ∑P( j= 0 J −1 | r j )P (r j ) (3. es decir.201 III. Podemos escribir entonces P( | r j ) = P (m( j)| r j ) (3. la elección de la máxima probabilidad “a posteriori”. entonces. No es necesario calcular la probabilidad P(rj) a fin de determinar la transformación óptima y la probabilidad de error resultante. la suma sobre j es maximizada sólo y solamente si cada uno de los términos P( |rj) es máximo.29) . El efecto de la transmisión sobre el canal es entonces el de alterar la probabilidad de cada mensaje de entrada de su valor “a priori” a su valor “a posteriori”. determina el receptor óptimo. ro ) (m1 . VARIABLES Y PROCESOS ALEATORIOS En la Fig. r j ) está representada por su correspondiente área.3 dado recibido. la probabilidad (m1 .22). una probabilidad condicional. entonces rj puede ser asignado a cualquiera de los mi correspondientes sin pérdida de optimalidad. expresión (3. la probabilidad de que m i fue transmitido es P (m i | r j ) . cada símbolo recibido r j debe ser {} atribuido a una y sólo una de las posibles entradas m i . para un r j Fig. La especificación de un receptor es simplemente la especificación de una transformación desde el conjunto o espacio de salida del canal r j . 3.3 se muestra la distribución de las probabilidades en un sistema típico con M = 2 y J = 3. La suma de todas estas áreas es la unidad M J S P (ro |mo ) P (r1| mo ) (mo . La probabilidad de cada par (m i . r1) (m1 . Del teorema de la probabilidad total. es justamente la probabilidad de que el mensaje m( j) fue en efecto transmitido. r1 ) P (ro | m1 ) P (r1 | m1 ) Antes de la transmisión. ro ) (mo .

se ha determinado a partir de la expresión (3.30). 1}.0) y P(a.0) + P(a.48 0. (3.3 ♣ .0) > P(a..8 = 0.8 S (a. 2. P(1 | a) = 0.4 x 0.28).202 III.6 x 0.3 (b.0) 0. r j ) representa la probabilidad de que m( j) fue transmitido y r j Finalmente.48 P(b.31) recibido.1) = 0.28 P(b.7 0. 3.6 0. P(1 | b) = 0.24 Los puntos o áreas correspondientes al error se muestran marcados en la Fig.7 = 0.6 x 0.3 = 0.. a 0.4 x 0..8. P( ) = P(b.2 Consideremos un canal binario con dos símbolos de entrada {a.1) = P(a) P(1 | a) = 0. P(0 | b) = 0.P( ) = 1 . la probabilidad de error.28 0.8 0.76 P( ) = 1 .26). (3.2. con j = 0.0) (a.0) = P(a) P(0 | a) = 0.32) donde P (m( j). P(a.1) = P(b) P(1 | b) = 0.7.12 0 0.4 Las probabilidades de transición del canal son: P(0 | a) = 0.1) 0.12 P(a. es decir. 3. b} y dos símbolos de salida {0.1) > P(b.2 = 0.76 = 0.4 (b) 0. y de la expresión (3.6 1 Las probabilidades de entrada o probabilidades “a priori” son: P(a) = 0. VARIABLES Y PROCESOS ALEATORIOS de donde m( j) = m k si y solamente si P (m k )P (r j | m k ) ≥ P (m i )P (r j | m i ) para todo i ≠ k (3.48 = 0. m(0) = b y m(1) = a . 3.3 1 0 1 0. Entonces.1) 0 0 1 (b. J .. es decir.27) y (3. P( )= ∑P(m( j). r ) j j= 0 J −1 (3. la probabilidad de una decisión correcta P( ) se puede calcular a partir de las expresiones (3.28 + 0.. la probabilidad de una decisión falsa es P( ) = 1 − P ( ) ♣ Ejemplo 3.4.1.6 y P(b) = 0.2 0.4 b 0. como se muestra en la Fig.12 (a) Fig. 1.31).12 Vemos que P(b.4.1) Por consiguiente.0.30) Una vez que el conjunto {m( j)}.0) = P(b) P(0 | b) = 0.

33) Una VA discreta se puede describir entonces mediante la llamada “función de frecuencia” PX (x i ) = P (X = x i ) (3. entonces.34) donde x i son los valores que X puede tomar y P (X = x i ) su probabilidad correspondiente. Variables Aleatorias Discretas Un experimento dado puede tener un cierto número de resultados. el espacio consiste de seis elementos: las seis caras del dado. la cual puede tomar cualquiera de los n valores discretos x 1 . x n a estos resultados. uno a cada uno. En esta notación el subíndice se refiere a la VA X y el argumento es el valor particular de la VA. se define en la forma FX (x ) = P (X ≤ x ) (3. VARIABLES Y PROCESOS ALEATORIOS 3... En general. VARIABLES ALEATORIAS. similarmente. . sobre todo cuando se trabaja con varias VA. En un experimento dado la elección del espacio de las muestras no es unívoca sino que dependerá primordialmente de lo que consideremos como resultados del experimento. Los elementos individuales o puntos del espacio de las muestras se denominan “puntos de muestra”. mientras que x i representa los valores posibles asignados. . Por lo tanto. x 2 .3. la “función de distribución acumulativa de una VA X”.. una “variable aleatoria X”. x n (Nota: la variable aleatoria (VA) se representará con letras mayúsculas. y los valores particulares que dicha variable tome se representarán con letras minúsculas). FUNCIONES DE PROBABILIDAD 3. . Se asigna también una probabilidad a cada valor de la VA X. y cada uno de ellos se puede considerar como un elemento de un conjunto o espacio. en el ejemplo del lanzamiento de un dado.. La función FX(x) es simplemente la probabilidad de que un valor observado sea igual o menor que cierta cantidad x.. entonces. Esto nos lleva al concepto de “función de distribución de probabilidad de X”.1. Si hay n resultados. PX (x i ) es la probabilidad del resultado o suceso al cual fue asignado el valor x i . En realidad. se verifica que ∑P i =1 n X (x i ) =1 (3.35) Nótese que la función de distribución FX(x) depende tanto de la VA X como del valor del argumento. En otras palabras. Por consiguiente. Esto es muy importante. x 3 . En este caso la palabra “espacio” se usa como sinónimo de la palabra “conjunto”. se asigna los números reales x 1 . A menudo es conveniente describir en forma gráfica las probabilidades asignadas en relación con los valores de la VA asignados. una VA X asigna valores numéricos (números reales) a cada punto de muestra. En efecto. El conjunto de elementos que consiste de todos los resultados posibles y distintos de un experimento se denomina entonces “espacio de las muestras” del experimento. de acuerdo con la expresión (5. cada subíndice identifica la función o VA dada.. y se aplica tanto en procesos discretos como en procesos continuos. en este caso.3.. El resultado de un experimento aleatorio es. . una VA es una función en el sentido convencional. X es la representación general de los valores observados. Nótese que si en el experimento hay un total de n resultados x i disjuntos y exhaustivos. por ejemplo. una función f(t) asigna valores a t de acuerdo con una cierta regla. se asigna un número real a cada resultado o punto de muestra del experimento. x 2 . Por ejemplo.6). El subíndice es esencial para indicar la asociación de las funciones de probabilidad con una VA dada.203 III. . cada punto de muestra corresponde a un resultado distinto del experimento.

3.3 0.6 0. En la Fig.2 FX(x) xi 1 2 3 4 5 6 0 1 2 3 4 5 6 xi (c) Función de Distribución (b) Función de Frecuencia (a) Tabla de Valores Fig.37) (3.41) ♣ Ejemplo 3.3 0. FX (+∞) = 1 si x 1 < x 2 (3.36) (3.80 0. 0 ≤ FX (x ) ≤ 1 2.4 0.90 1. es una función en escalera donde la altura de cada escalón es PX (xi). Entre discontinuidades el valor de FX(xi) es constante.204 III.1 FX(xi) 0. la función FX(x) se puede expresar en la forma FX (x) = ∑P i =1 n X (x i ) ⋅ u (x − xi ) (3.39) Para una VA X discreta con probabilidades PX (x i ) . que en adelante se denominará “densidad de probabilidad”. VARIABLES Y PROCESOS ALEATORIOS Como FX(x) está basada directamente en el concepto de probabilidad.35 0.15 0.2 0. vendrá dada entonces por n d pX (x) = FX ( x ) = ∑ PX ( x i )δ( x − x i ) dx i =1 (3. FX (−∞) = 0 4.2 0. y en los puntos de discontinuidad se supone continuidad hacia la derecha. La “función de frecuencia” de una VA X discreta . ella tiene las siguientes propiedades. FX (x 1 ) ≤ FX (x 2 ) 3.00 0. Cara xi 1 2 3 4 5 6 PX(xi) 0.38) (3.1 0. pero para efectos del presente ejemplo vamos a suponer que las probabilidades PX(xi) asignadas a cada cara xi son diferentes.2 0.40) La función de distribución FX(x) de una VA X discreta consta entonces de una serie de discontinuidades en los puntos x = x i . que daremos sin demostrarlas: 1.8 0.0 0.1 0 pX(x) 1.50 0.5 se dan los datos del experimento y se grafican las funciones de probabilidad pX(x) y FX(x).15 0.3 El experimento es el tiro de un dado. 3.5 ♣ .

Esta probabilidad es simplemente el área encerrada por la curva p X ( x ) en el respectivo intervalo. p X ( x )” de una VA X se define en la forma p X (x) = d dx FX ( x ) (3. expresión (3.42) La probabilidad de observar la VA X en el intervalo (x. esta temperatura puede tomar cualquier valor dentro de la gama de infinitas temperaturas comprendidas dentro de un intervalo (T1 . Como se está igualando una área con probabilidad. la función en cuestión se denomina “función de densidad de probabilidad”. se tiene FX ( x ) = x ∫ −∞ p X ( x ' )dx ' = P( X ≤ x ) (3. como se muestra en la Fig. Por ejemplo. de la función de frecuencia P(X = xi) del caso discreto. el concepto de función de distribución es aún válido. por lo tanto. el problema de asignación de probabilidades a la correspondiente VA se hace más complicado. la probabilidad de que la VA X tome un cierto valor es cero. Como ya lo hemos observado. es evidente que la gama de valores puede extenderse desde . Un espacio de muestras continuo contiene infinitos puntos (no contables) y es evidente que la probabilidad de observar un punto dado es cero. De otra manera. 3. sobre todo en el mundo físico. la probabilidad de observar una temperatura dada es cero. pero es más conveniente definir una función cuya “área” sea la probabilidad de ocurrencia dentro de una gama dada. En el caso más general. en el caso continuo. La “función de densidad de probabilidad. x + dx ) es igual a p X ( x )∆x cuando ∆x → 0.42). Una VA continua puede tomar valores en el intervalo continuo (-x1 .6. si se asignara una probabilidad a un punto dado. 3. VARIABLES Y PROCESOS ALEATORIOS 3. Si el espacio de las muestras es continuo. x2) viene dada por el x2 x1 Fig. T2). lo cual no tiene significado. Integrando (3. sea T la temperatura de una sala. la suma de todas las probabilidades sería infinita. y. definida en este espacio. pero sí lo tiene cuando nos preguntamos cuál es la probabilidad de que la VA X tome valores iguales o menores que cierto valor x. En este caso. será una variable aleatoria continua. lo cual estaría en contradicción con la condición (3. como puede observarse en la Fig.34). Densidad de Probabilidad 0 x x área bajo dicho intervalo. Sin embargo. Pero hay muchos casos. entonces la respectiva VA.44) La probabilidad de observar X en cualquier intervalo (x1 .3.205 III. en el caso de un espacio de muestras continuo.6.6.6). y es el equivalente. x2).2. .43) p X (x) ∆x Podemos demostrar también que P (x 1 < X ≤ x 2 ) = FX ( x 2 ) − FX ( x 1 ) = P (x 1 < X ≤ x 2 ) ∫ x2 x1 p X (x ) dx (3. Variables Aleatorias Continuas Hemos visto el caso en que el espacio de las muestras consistía de elementos discretos (puntos de muestra) y como resultado la VA respectiva solamente podía tomar valores discretos. en los cuales el espacio de las muestras es continuo y contiene infinitos (no contables) puntos de muestra y no puede ser representado por un conjunto de puntos discretos. 3.∞ a + ∞.

es decir. lo cual es una certitud.206 III. Nótese también que para que una función de x se pueda considerar como una densidad de probabilidad. pero eso no significa que la temperatura de la sala nunca podrá ser T0 . P(3 < X ≤ 5) = 1 2 ♣ Se tiene también la situación donde la función de probabilidad es mixta. 3.45) representa la probabilidad de observar X en el intervalo (-∞. Como la probabilidad es una magnitud positiva (AXIOMA I).45).13) p X (x) = F X (x) = [ u (x − 2) − u (x − 6)] = Π( ) Puesto que p X ( x ) es constante en el intervalo (2. ella debe cumplir con la condición (3.7(b). Por ejemplo. +∞). no necesariamente significa que la VA X no tomará jamás ese valor particular. en este caso se dice que la VA X está distribuida uniformemente en ese intervalo. la densidad de probabilidad deberá ser siempre positiva. (b) Densidad de Probabilidad Por ejemplo. entonces. . la probabilidad de que la temperatura T de la sala tome un cierto valor T0 es cero. 3. ∫ −∞ p X ( x )dx = 1 (3. 1 FX ( x ) x 1/4 p X ( x) x 0 2 4 6 0 2 4 6 (a) Función de Distribución Fig.4 Sea una VA X cuya función de distribución es F X ( x ) = muestra en la Fig.33) en el caso discreto.7 se muestra FX (x ) y p X ( x ) . podemos ver que P (X ≤ 3) = 1 4 .46) Nótese que el hecho de que la probabilidad de observar X a cierto valor x es cero.45) Esta expresión.7. equivalente a la (3. d dx 1 4 1 4 x−4 4 1 4 [ r (x − 2) − r (x − 6)] . Esta situación la podemos considerar en el siguiente ejemplo. de (3. es evidente por el hecho de que la integral (3. 3. VARIABLES Y PROCESOS ALEATORIOS ∞ Puesto que FX(+∞) = 1. que pX (x) es continua pero contiene impulsos. como se La correspondiente función de densidad es. 6). 3.41) y (1. ♣ Ejemplo 3.7(a). de la Fig. la función de densidad de probabilidad deberá cumplir entonces con las condiciones ∫ ∞ −∞ p X (x ) dx = 1 y p X (x) ≥ 0 para todo x (3. En la Fig.

3. 3. y en el intervalo − B < x < A) como en la Fig. El impulso que aparece en x = A tiene un área o intensidad k = ∫ p X ( x )dx = FX (∞) − FX (A ) = 1 − FX (A ) A ∞ pX(x pX1(x) k pX2(x) k1 k2 0 (a) x 0 A (b) Fig.8(c). ∞ ) como en la Fig. Si esta señal se pasa por un limitador que recorta el voltaje en cierto valor +A. respectivamente. entonces p X (A) = p X (− A) y FX (A) = 1 − FX (−A) . 3. y en la Fig. ♣ . Tal es el caso para los intervalos (−∞. el área de los impulsos es la misma.8(b) la probabilidad de observar el voltaje de amplitud A es k. 3. y si B = A. El área de los impulsos es k1 = ∫ −B −∞ ∞ p X ( x )dx = FX (− B) − FX ( −∞) = FX (− B) k2 = ∫ A p X ( x )dx = 1 − FX (A) Como pX(x) es una función par de x.8(a). Sin embargo.207 III.8(b). en el intervalo (−∞ < x < A ) como en la Fig. De lo anterior se desprende que la probabilidad de observar un voltaje dado es cero en la región donde pX(x) es continuo. 3. la nueva densidad de probabilidad aparecerá en la forma mostrada en la Fig. 3.5. Consideremos el caso de una VA X cuya densidad de probabilidad se muestra en la Fig.8 x -B 0 A (c) x La Fig.8(c) la probabilidad de observar los voltajes de amplitud –B y A es k1 y k2.8(b).8(a). VARIABLES Y PROCESOS ALEATORIOS Ejemplo 3. 3. 3.3.8(c) es para el caso cuando el limitador recorta el voltaje dentro de los valores –B y +A. de donde FX (−A) = 1 − FX (A) Entonces el impulso en − B = − A tendrá un área k1 = FX (− A) = 1 − FX (A) = k 2 Por consiguiente. en la Fig.

.. En efecto. y) = P(X ≤ x. y que la VA Y sea la coordenada y de cada disparo.3. y) = Kexp[-(x + y)] ⋅ u(x) ⋅ u(y) Primero vamos a determinar el valor de K para que pXY(x.48) El suceso de observar X en el intervalo (-∞..47) La correspondiente ”función de densidad de probabilidad conjunta.. La “función de distribución conjunta de dos VA X e Y.. p XY (x . p X n ( x n ) FX1X2 . evidentemente es una certitud.. La posición de cada disparo es un punto aleatorio que se puede describir mediante dos números en un sistema de coordenadas apropiado. es p XY ( x . y) = ∂2 ∂x∂y FXY ( x .. y)..49). FXn ( x n ) ♣ Ejemplo 3..208 III. .. VARIABLES Y PROCESOS ALEATORIOS 3. y) sea verdaderamente una función de densidad de probabilidad conjunta... +∞) y de observar Y en el mismo intervalo. para n VA independientes. consideremos el experimento aleatorio del tiro al blanco. se demuestra [Papoulis. Por lo tanto. Por ejemplo. llamadas “densidades marginales”. y). .50) y si las VA X e Y son independientes.51) (3. x 2 .. 1965] que las densidades marginales son p X (x) = ∫ ∞ −∞ p XY ( x .Xn ( x 1 . y)dxdy = 1 (3. y' )dx' dy' (3. y) = FX (x ) ⋅ FY ( y ) y p XY ( x . Debe cumplirse también que p XY (x ..49) El volumen total dentro de la curva de la densidad de probabilidad conjunta pXY(x....X n ( x 1 . cada punto de muestra se puede describir mediante una dupla de números.6 Vamos a definir la función de densidad conjunta de dos VA X e Y en la forma p XY (x . x n ) = p X1 (x 1 ) ⋅ p X 2 (x 2 ). . y)” se define en la forma F XY ( x . p X1X 2 . y) = p X ( x ) ⋅ p Y ( y ) (3. las densidades de probabilidad individuales pX(x) y pY(y). se pueden obtener a partir de pXY(x.52a) (3. y) ≥ 0 para todo x e y.. entonces FXY ( x . y)dy y p Y (y) = ∫ ∞ −∞ p XY ( x . y) ”. . Cada punto de muestra se describirá entonces mediante la dupla (x. FXY(x. De (3.52b) y en general.. y) (3.. Podemos asociar entonces dos VA continuas en este espacio y hacer que la VA X sea la coordenada x.. x 2 . Y ≤ y) = ∫∫ y x -∞ -∞ p XY ( x ' . Los puntos de muestra de tal experimento tienen dos atributos o grados de libertad. Distribuciones Conjuntas Un experimento aleatorio puede tener dos resultados. x n ) = FX1 ( x 1 ) ⋅ FX2 ( x 2 )... y)dx (3.3. y) debe ser siempre la unidad.. . Cuando se trabaja con probabilidades conjuntas de dos VA X e Y. o sea que ∫ ∫ ∞ ∞ −∞ −∞ p XY ( x .

Sean dos variables aleatorias X e Y. por lo tanto las VA X e Y son Nótese que se cumple que independientes. y) = FX ( x ) ⋅ FY ( y ) ♣ Distribución Condicional El concepto de probabilidad condicional de un suceso A dado un suceso B. y) = [1 . y) = p X ( x ) ⋅ p Y ( y ) . y ) dx ' p Y (y) (3. de donde K=1 y p XY (x . se tiene FX|Y ( x| Y = y ) = ∫ x −∞ p XY ( x ' . También. se obtiene .209 III.47). p XY (x . de (3. de (3. FXY (x . VARIABLES Y PROCESOS ALEATORIOS ∞ ∞ ∞ ∞ ∫ ∫ K −∞ −∞ K exp[−( x + y)]u ( x )u ( y)dxdy = K ∫ ∫ exp(−x ) exp(− y)dxdy = 1 0 0 ∫ ∞ 0 exp(− x ) dx ⋅ exp(− y ) dy = 1 0 ∫ ∞ pero cada una de estas integrales es igual a la unidad. y) = ∫∫ y x . y ) F Y (y) para FY ( y ) ≠ 0 (3.13).53) Si la condición es que Y = y en vez de Y ≤ y . y) = exp[-(x + y)] ⋅ u(x) ⋅ u(y) La función de distribución conjunta es. se puede extender a la función de distribución y densidad de probabilidad [Lathi.exp(-y)]u(y) y las densidades de probabilidad marginales.∞ -∞ exp[-(x' +y' )]u(x' )u(y' )dx' dy' = ∫ exp(-x' )dx' ∫ exp(-y' )dy' x y 0 0 FXY ( x . expresión (3. p X (x) = ∫ ∞ −∞ exp[ − ( x + y )]u ( x ) u (y )dy = exp(− x ) u ( x ) exp(− y ) dy 0 ∫ ∞ p X ( x ) = exp( − x ) u (x ). p Y ( y ) = exp( − y ) u (y ) y de la misma forma. FX ( x ) = ∫ x −∞ p X ( x ' ) dx ' = [1 − exp(− x )]u (x ) y de la misma forma FY ( y ) = [1 − exp(− y )]u ( y ) Se verifica.54) respecto a x.exp(-x)]u(x) ⋅ [1 . Se puede definir la función de distribución condicional de X dada Y ≤ y en la forma FX|Y ( x| y ) = F XY ( x .50). 1968]. puesto que las VA X e Y son independientes.54) Mediante diferenciación de (3. que FXY ( x .

210 III. 0 ≤ y ≤ 1 ⎪2 FXY ( x .50).57b) ♣ Ejemplo 3.55) y (3. p X|Y ( x| Y = y ) ⋅ p Y (y ) = p Y|X ( y| X = x ) ⋅p X ( x ) o también p X | Y ( x | Y = y) pX (x) = p Y|X ( y | X = x ) p Y ( y) (3. y ) p X (x ) (3. VARIABLES Y PROCESOS ALEATORIOS p X|Y ( x| Y = y ) = p XY ( x . De (3.57a) (3. y < 0 ⎪0 ⎩ FXY ( x .47). y ) = xy 1 1 ( x + y ) ⋅ Π( x − ) ⋅ Π( y − ) + u ( x − 1) ⋅ u (y − 1) 2 2 2 De (3. 0 ≤ y ≤ 1 Efectuando la integración obtenemos ⎧ xy ⎪ (x + y ) para 0 ≤ x ≤ 1.56) y en forma similar.7 La densidad de probabilidad conjunta de dos VA X e Y viene dada por 1 1 p XY (x .56) obtenemos la Regla de Bayes para señales aleatorias continuas. y ) se puede escribir en una forma más compacta: FXY ( x .55) p XY ( x . y ) = ( x + y ) ⋅ Π( x − ) ⋅ Π(y − ) 2 2 Vamos a determinar todas las funciones de distribución y densidades de probabilidad asociadas. y ) p Y (y) (3. p Y|X ( y| X = x ) = Combinando (3. F XY ( x . y ) = y ∫ ∫ y x −∞ −∞ (x '+ y ' ) Π(x '−1 / 2 ) Π(y '−1 / 2 ) dx ' dy ' FXY ( x . p X (x ) = ∫ ∞ −∞ (x + y )Π(x − 1 / 2 ) Π(y − 1 / 2 )dy 1 ⎡ y2 ⎤ 1 p X ( x ) = (x + y )dy = ⎢ xy + ⎥ = (x + ) para 0 ≤ x ≤ 1 0 2 ⎦ 2 ⎣ 0 ∫ 1 1 1 p X ( x ) = ( x + ) ⋅ Π( x − ) 2 2 . y) = ∫ 0 ∫ x 0 ( x ' + y' )dx ' dy' para 0 ≤ x ≤ 1. y ) = ⎨1 para 1 ≤ x. 1 ≤ y ⎪ para x < 0.

4. FX ( x ) = ⎢1 + erf ( )⎥ 2 2⎣ σ 2π 2σ 2σ ⎦ ⎣ ⎦ 1 (3. p X (x) = ⎡ (x − x ) 2 ⎤ x − xo ⎤ 1⎡ o exp⎢ − ⎥ . FUNCIONES DE PROBABILIDAD ESPECIALES En los problemas que se presentan en el análisis de sistemas de comunicación aparecen con frecuencia ciertas funciones de probabilidad que describen situaciones o procesos físicos. mientras que σ2 en la “varianza” o valor eficaz de la VA X.4.60) . La función erf(x) se define en el Apéndice D. VARIABLES Y PROCESOS ALEATORIOS y de la misma manera. p X|Y (x | Y = y) = De (3.211 III. 1 x2 (3. 1968].1. 1 1 p Y ( y ) = ( y + ) ⋅ Π( y − ) 2 2 p XY (x.56). En la Fig. En las distribuciones no centradas pX(x) y FX(x) están desplazadas a lo largo del eje x en una cantidad xo. si su función de densidad de probabilidad es la curva de Gauss [Korn y Korn. algunos de sus parámetros. es decir.59) −∞ 2 2 2σ σ 2π 2σ ∫ donde σ es la desviación de la VA X.58) p X (x) = exp( − 2 ) σ 2π 2σ x 1 1 x x '2 1 También.55).4. vamos a examinar algunas de estas funciones especiales y daremos.9 se muestran las formas típicas centradas de pX(x) y FX(x). 3. sin demostrarlos. Distribución Normal o Gaussiana Se dice que una VA X está distribuida normalmente o en forma gaussiana. De (3. en este caso. En este caso σ se conoce con el nombre de “desviación normal”. y) x+y 1 1 = ⋅ Π (x − ) ⋅ Π (y − ) p y (y) y + 1/ 2 2 2 x+y 1 1 Π( x − ) ⋅ Π( y − ) x +1/ 2 2 2 ♣ p Y|X ( y| X = x) = 3. Por considerarlo de importancia. 3. FX ( x ) = ) exp(− 2 )dx ' = + erf ( (3.

61) La distribución gaussiana se determina completamente a partir de su valor promedio x o y la desviación estándar σ . Se demuestra también que cualquier combinación lineal de variables aleatorias gaussianas es también gaussiana. en la cual se transmite una señal de 0 ó A volts (V). que veremos en el Capítulo V. es decir. gaussiano. La varianza σ2 es la potencia promedio de ruido que. ♣ Ejemplo 3. VARIABLES Y PROCESOS ALEATORIOS Estas distribuciones no centradas se muestran en la Fig. si el valor promedio de la señal recibida es A. x − xo x − xo 1 P( x 1 < X ≤ x 2 ) = FX ( x 2 ) − FX ( x 1 ) = [erf ( 2 ) − erf ( 1 )] 2 2σ 2σ (3. y el algoritmo de detección establece que si la señal recibida y demodulada es igual o mayor que un cierto umbral Vs. se supone que un “CERO” (0 V) fue transmitido. la señal recibida es aleatoria (por su contenido de ruido) con una función de densidad de probabilidad normal de valor promedio A y varianza σ2 .8. Probabilidad de Error en un Sistema de Comunicación Binario Como sabemos. de valor promedio cero y densidad espectral η / 2 ) . En el receptor. 3. Durante la transmisión. entonces la probabilidad de que un “UNO” transmitido sea interpretado como un “CERO” .62) pX (x) = ⎥ 2ηB ⎦ π 2ηB ⎣ Suponiendo que toda señal recibida de amplitud mayor o igual que Vs = A / 2 es un “UNO”.10. de acuerdo con la expresión (2.146) es σ 2 = ηB . Vamos a determinar la probabilidad de error en el receptor. El ancho de banda del canal es B. en caso contrario. o viceversa. por definición. También. la probabilidad de que un “UNO” transmitido sea interpretado como un “CERO” en el receptor. un sistema de comunicación binario es aquel que transmite solamente dos posibles mensajes. Sea X la señal recibida. se supone que un “UNO” (A V) fue transmitido.212 III. La forma más sencilla de modulación binaria es la modulación OOK. la densidad de probabilidad de la señal recibida será ⎡ ( x − A) 2 ⎤ 1 exp ⎢− (3. la señal se contamina con ruido (que suponemos blanco.

La correspondiente densidad de probabilidad es una secuencia de impulsos de la forma p X (x) = exp(−ατ ) ∑ (ατ ) k δ( x − k ) k! k=0 n (3.64) Nótese que este enfoque es más realista que el enfoque tratado en el Ejemplo 3.11 se muestra pX(x) y FX(x) de la distribución de Poisson. 2..62).213 III. 3.9.n con probabilidades (ατ ) k Pk (τ ) = exp(−ατ ) para k = 0. .4. Determine la probabi- Si una VA X es de tipo discreto y toma valores en los puntos k = 0.... cuyo parámetro es la constante positiva α.2. Pe = A2 1 1 ) erfc(K ) = erfc( 8ηB 2 2 (3. 3. De (3. con x2 = 1050 y x1 = 900.63) Con el cambio de variables u = forma x−A A2 . Distribución de Poisson α = 50 . en donde se considera conocidas las probabilidades de transición.... La probabilidad de error Pe será entonces.. (3. A⎫ 1 ⎧ Pe = P ⎨X < ⎬ = 2⎭ π 2η B ⎩ ∫ A/2 −∞ ⎡ ( x − A) 2 ⎤ exp ⎢− ⎥dx 2η B ⎦ ⎣ (3.4.65) k! entonces se dice que la VA X tiene una “distribución de Poisson”. cosa que en la práctica no es posible..2. 1... Sea una VA X gaussiana no centrada. 1..n y α > 0. FX (x) = 1⎡ 1050 − 1000 900 − 1000 ⎤ ) − erf ( ) ⎥ = 0.66) En la Fig. la integral queda en la y haciendo K = 8ηB 2η B Pe = 1 −K 1 ∞ 1 K 2 2 2 ∫− ∞ exp(−u )du = π ∫0 exp(−u )du − π ∫0 exp(−u )du π De la definición de erf(x) y erfc(x) dadas en el Apéndice D. VARIABLES Y PROCESOS ALEATORIOS en el receptor es simplemente la probabilidad de que la variable aleatoria X sea menor que A/2. con xo = 1000 y lidad de que X esté entre 900 y 1050.819 ⎢ erf ( 2⎣ 50 2 50 2 ⎦ ♣ 3. ♣ Ejemplo 3. 3. 2.

entonces PX (τ ) es máxima para k =|α τ| . Distribución Uniforme Si la densidad de probabilidad de una VA X es una función rectangular de la forma x − xo 1 p X (x ) = Π( ) (3.214 III.4. .13(a). 3. se dice entonces que la VA X está distribuida uniformemente en el intervalo (x 1 .69) x 2 − x1 x 2 − x1 donde x o = ( x 2 + x1 ) / 2 . Distribución de Poisson Si ατ < 1. Fig. entonces PX ( τ ) tiene dos puntos máximos para k = α τ y k = α τ -1. Distribución Binomial Si una VA X es de tipo discreto y toma valores en los puntos k = 0. La densidad de probabilidad de la distribución binomial es una secuencia de impulsos. por definición.3.67) ⎝k ⎠ se dice que tiene una “Distribución Binomial”. En este caso la VA X es de tipo continuo y su función de distribución será una rampa de la forma dada en la Fig.. 3. 3. 3. 3.3..n con probabilidades definidas mediante la expresión ⎛n ⎞ Pk (x k ) = ⎜ ⎟ ⋅ p k ⋅ q n − k (3.4. 3.. pero no es un número entero.4. 1.11. La densidad de probabilidad de la distribución binomial es p X (x ) = 0 p X (x ) oooo x 1 2 3 4 5 6 7 8 ∑⎜⎝k ⎟⎠ ⋅ p k=0 n ⎛n ⎞ k ⋅ q n − k ⋅ δ( x − k ) (3.13(b). entonces Pk (τ ) es máxima para k = 0. 2. Si ατ > 1. Si α τ es un número entero. como se muestra en la Fig. x 2 ) con x2 > x1 . VARIABLES Y PROCESOS ALEATORIOS p X ( x) ooo 0 1 2 3 4 5 1 FX ( x) ooo x 0 1 2 3 4 x (a) Densidad de Probabilidad (b) Función de Distribución Fig. .68) ⎛n ⎞ n! ⎜ ⎟= ⎝ k ⎠ k !⋅ (n − k )! Fig.12.12.. Distribución Binomial donde.

215 III.13(b).6. FX (x ) = 1 r (x − x 1 ) − r (x − x 2 ) x 2 − x1 [ ] (3.72) donde α es el parámetro de la distribución.4. Distribución Uniforme 0 x1 xo x2 x1 x2 Por inspección de la Fig.14(b) se muestra esta función. 3. 3. VARIABLES Y PROCESOS ALEATORIOS p X (x ) 1 / (x 2 − x 1 ) x 1 FX (x ) x 0 (a) Densidad de Probabilidad (b) Función de Distribución Fig. .71a) donde α es el parámetro de la distribución. La correspondiente función de distribución es (ver Problema 3.13.4. 3. aplicando la función rampa r(x). FX (x) = 1 1 exp(αx )u (− x) + [1 − exp(− αx)]u(x) 2 2 (3.27). Fig. Distribución de Cauchy La función de densidad de Cauchy es p X (x ) = α 1 2 π α + x2 (3.14(a).15(a). 3.70) 3. 3.71b) En la Fig.5. 3. p X (x ) = α exp(−α| x|) 2 (3. Distribución de Laplace La función de densidad de probabilidad de Laplace de una VA X es. la cual se muestra en la Fig.

16(a). 3. Fig.4. 3. 3.73b) En la Fig. 3. . p X (x) = x α2 exp( − x2 2α 2 )u(x) (3.216 III.7.73a) El valor máximo de p X ( x ) ocurre cuando x = α . Distribución de Raleigh La función de densidad de Raleigh de una VA X es.15(b) se muestra esta función. FX (x ) = 1 1 x + arctg( ) 2 π α En la Fig.16(b) se muestra esta función.28) ⎡ x2 ⎤ FX (x) = ⎢1 + exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ (3.25). VARIABLES Y PROCESOS ALEATORIOS La correspondiente función de distribución es (ver Problema 3. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3.

la función de densidad de probabilidad de una VA X es pX(x).17(a). Distribución de Maxwell La función de densidad de Maxwell de una VA X es. 3. pY(y) la densidad de probabilidad de la VA Y. x n . Si....75) Sea. Vamos a suponer que X es continua y que g(x) lo es también. por ejemplo. 3..217 III. x 2 .8. cuando más. Fig. pero con la condición de que g(x) no sea igual a una constante en ningún intervalo. la ecuación y = g(x) tiene.4.74a) El valor máximo de p X ( x ) ocurre cuando x = α 2 . α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3. p X (x) = 2/ π 2 x2 x exp(− 2 )u(x) 2α α3 (3.. un número contable de raíces x 1 .29).17(b) se muestra esta función. 1965] es válido cuando y = g ( x ) tiene un número contable de n raíces o soluciones x n y que FX(x) sea diferenciable en los puntos x n .5. 3...74b) En la Fig. El siguiente teorema [Papoulis. VARIABLES Y PROCESOS ALEATORIOS 3. entonces. . FX (x) = 2/ π x 2 x '2 x 1 2 x2 x ' exp(− 2 )dx ' = [erf ( )− x exp(− 2 )]u(x) α3 ∫0 2α 2α 2α α π (3. FUNCIONES DE VARIABLES ALEATORIAS Muy a menudo nos interesa conocer las funciones de probabilidad de una VA después que ella ha experimentado alguna transformación. Esto significa que para un valor y dado. quisiéramos ahora determinar la función de densidad de probabilidad de una VA Y relacionada con X mediante la ecuación Y = g(X) (3.

= g ( x n ) (3. VARIABLES Y PROCESOS ALEATORIOS Teorema Fundamental Para encontrar la función de densidad pY(y) para un valor dado de y... Y) (3.76) (3. y) ⎢ ⎣ ∂x ⎤ g ( x . si y = g ( x 1 ) = g ( x 2 ) =. se resuelve la ecuación y = g ( x ) en términos de y. ♣ Ejemplo 3..v 3 .81) La extensión de este método para más de dos VA es directa. y i ) p UV ( u . es decir. y) de dos VA X e Y.78) En muchas aplicaciones es necesario determinar la función de probabilidad conjunta de transformaciones de variables aleatorias conjuntamente distribuidas. se resuelven simultáneamente las ecuaciones (3. y) ⎥ ⎥ ∂y ⎦ ∂ (3.. p Y (y) = ∑ | g' (x )| ∑ p = i =1 i =1 X (x i ) dx i dy (3. En forma similar al caso anterior. y) ∂x J ( x . y J(x... Si x1 . La densidad de probabilidad conjunta p UV (u . y) es el Jacobiano de la transformación (3...79) Se trata ahora de determinar la función de densidad conjunta p UV (u .62) en términos de x e y. y) ⎥ ∂y ⎥ ∂ h ( x ..80) i=1 J ( x i . y i ) ∑ donde x i e y i son las soluciones simultáneas o raíces de las ecuaciones (5. Y) y V = h(X.218 III. y sea U y V otras dos VA relacionadas con X e Y mediante las ecuaciones U = g(X... x n son todas sus raíces reales ..61). y) = exp[-(x + y)]u(x)u(y) y queremos determinar la función de densidad conjunta p UV (u . n p XY ( x i . ⎡1 J =⎢ ⎣2 2⎤ ⎥ = [1 − 4 ] = −3 1⎦ y |J|= 3 2v − u 3 . v) de las VA U y V viene dada por [Papoulis.77) y g ' (x ) = d dx g (x ) = dy dx n p X (x i ) i n Entonces. x 2 . se obtiene y el Jacobiano.10 La función de densidad conjunta de dos VA X e Y es p XY (x . 1965]. y) = ⎢ ∂ ⎢ h ( x . y= 2u .80) definido mediante el determinante ⎡∂ ⎢ g ( x . v) = (3.. v) de las VA U y V. v) de dos VA U y V relacionadas con X e Y mediante las ecuaciones U = X + 2Y y V=2X+Y x= Resolviendo simultáneamente para x e y. En este caso consideremos la función de densidad de probabilidad conjunta pXY(x.

representa una forma de promedio.6.219 III. v) de las VA U y V será entonces ⎧1 ⎤ ⎡ 1 ⎪ exp⎢ − ( u + v )⎥ para ⎦ ⎣ 3 p UV (u .. Consideremos una VA X que puede tomar los valores x 1 .. VARIABLES Y PROCESOS ALEATORIOS También.. Repitamos el experimento (representado por X) N veces (N → ∞) y sea m1 . . lo cual quiere decir que el proceso no puede predecirse en detalle sino en base de “promedios”. m 2 ... . x 2 . Por ejemplo. PROMEDIOS ESTADISTICOS 3. se tiene: si si de donde x ≥ 0. .. x 2 . respectivamente. entonces su valor promedio es X= ∫ ∞ −∞ xp X ( x ) dx = E {X} para variables aleatorias continuas (3. .. expresión (3. ..n. m n los números de pruebas favorables a los resultados x 1 .1). .u 3 2u . y=(2u-v)/3 = exp ⎢ − ( + ) ⎥ = exp[ − ( u + v)] 3 3 ⎦ 3 ⎣ Suponiendo que u ≥ 0..83) Si la VA X es continua. Entonces el valor promedio de la VA X (que representaremos con una barra sobre la variable) es X= 1 N ( m1 x 1 + m 2 x 2 +.84) donde E{X} es otra forma de representación del valor promedio de X... Definición 2v . entonces 2u ≥ v ≥ u 2 u 2 ♣ 3. x n con probabilidades PX ( x i ) con i = 1. 1 ⎡ 2v − u 2u − v ⎤ exp[ − ( x + y)]|x =( 2 v − u )/ 3.1. la relación m i / N tiende a PX(xi) de acuerdo con la definición empírica de la probabilidad..+ m n x n ) = m1 N x1 + m2 N x 2 +... v) = ⎨ 3 ⎪0 en el resto ⎩ u≥0 y 2u ≥ v ≥ El concepto de “promedio” o “valor promedio” tiene una gran importancia en el estudio de los procesos aleatorios. el valor promedio de una VA X se define en la forma X= ∑x P i =1 n i X (x i ) para variables aleatorias discretas (3..6...v 3 ≥0 y v≥ u 2 ≥ 0 y 2u ≥ v La densidad de probabilidad conjunta p UV (u . Un proceso aleatorio se caracteriza por su “regularidad estadística”. entonces y ≥ 0. 2.. la definición empírica de la probabilidad. cuando N → ∞.. . . x n .+ mn N xn (3..82) En el límite. Entonces.

por (3.Y). entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ g ( x .. entonces E{Y} = E{g (X)} = ∫ ∞ −∞ yp Y (y )dy = ∫ ∞ −∞ g ( x ) p X (x )dx (3.88) Si g ( X) = g 1 ( x ) + jg 2 ( X).6.. E {aX + b} = aE {X} + b. entonces..220 III.89) y para variables aleatorias discretas . Y = E {Y} = ∫ ∞ −∞ yp Y ( y ) dy Se demuestra [Papoulis. pues E {b} = b E {g(X)} = E{g 1 ( X)} + jE {g 2 (X)} Z = g(X. y)p XY ( x . y) utilizando el “teorema de la esperanza” o “teorema del valor esperado” [Lathi.Y). y lo representaremos indistintamente con la notación X o E {X} .. 1965] que si Y = g(X).. entonces Valor Promedio de una Función de Variables Aleatorias Si una VA Z es una función de dos VA X e Y de la forma definición.2.. se desea obtener una expresión para el valor esperado de una VA Y que es una función de X de la forma Y = g(X) Por definición..86) Generalizando. “esperanza matemática” o “promedio estadístico”.+ E {g n ( X)} El valor esperado de una suma de funciones de una VA X es la suma de los valores esperados de cada una de las funciones.. E {Z} = ∫ ∞ −∞ zp Z (z) dz El valor esperado de Z se puede determinar directamente a partir de la densidad de probabilidad conjunta pXY (x. En particular. y)dxdy (3.+ g n (X)} = E {g 1 (X)} + E {g 2 ( X)}+. 1968].87) E{g 1 ( X) + g 2 ( X) +. VARIABLES Y PROCESOS ALEATORIOS El valor promedio de una VA X se conoce también con los nombres de “valor esperado”.85) Si la VA X es de tipo discreto. podemos ver que si g ( X) = g 1 (X) + g 2 ( X) +.+ g n (X) . E {Y} = E{g (X)} = ∑ g(x )p i i =1 n X (x i ) (3..... entonces (3. el cual establece que si Z = g(X.. Valor Promedio de Funciones de Variables Aleatorias Valor Promedio de una Función de una Variable Aleatoria A menudo se desea determinar el valor esperado de una cierta función de una VA en vez del valor esperado de la VA. 3. Es decir.

. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ . . para un producto de funciones de variables aleatorias de la forma Z = g 1 (X1 ) ⋅ g 2 (X 2 ) ⋅ ⋅ ⋅ ⋅g n ( X n ) Por definición. la expresión (3.... X 2 . ∫ ∞ −∞ g ( x 1 ....... x n ) dx 1dx 2 .Xn ( x 1 .. . yj) (3.93) El valor esperado de un producto de funciones de variables aleatorias es el producto de los valores esperados de las respectivas funciones si y solamente si las variables aleatorias son estadísticamente independientes. Momentos El momento n-ésimo de una VA X se define como el valor esperado de la potencia n-ésima de X. Entonces. Para n = 2....... por definición.6..3.91) Si algunas de las n variables son discretas. y )P i j i j XY ( x i .90) Generalizando.92) El valor esperado de un producto de variables aleatorias es el producto de los valores esperados de cada variable aleatoria si y solamente si las variables aleatorias son estadísticamente independientes. x 2 . Asimismo. X n son estadísticamente independientes. .. VARIABLES Y PROCESOS ALEATORIOS E{Z} = ∑∑g (x . se tiene que E{Z} = E {X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n } = E {X 1 } ⋅ E{X 2 } ⋅ ⋅ ⋅ ⋅E {X n } (3..95) { } ∫−∞ x n p X (x)dx i ∞ Nótese que el primer momento (n = 1) es igual al valor esperado de la VA X. se verifica que E{Z} = E {g 1 ( X1 )} ⋅ E{g 2 (X 2 )} ⋅ ⋅ ⋅ ⋅E {g n ( X n )} (3.221 III. dx n (3...96) Las dos primeros momentos se conocen con el nombre de “momentos de primer orden”. caso continuo. x 2 .. E Xn = E Xn = { } ∑ x n p X (x i ) i si la VA X es discreta si la VA X es continua (3.94) (3. E{Z} = E {g 1 ( X1 ) ⋅ g 2 ( X 2 ) ⋅ ⋅ ⋅ ⋅g n ( X n )} Como X1 .. x n ) .. Valor Promedio de Variables Aleatorias Estadísticamente Independientes Consideremos el producto de n variables aleatorias estadísticamente independientes Z = X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n Puesto que las Xi son estadísticamente independientes. si Z = g (x 1 ... 3.. x n )p X1X2 .. el segundo momento será E X2 = { } ∫−∞ x 2 p X (x)dx ∞ (3..91) es aún válida ya que la distribución discreta se considera como el caso límite de una distribución continua mediante la utilización de impulsos Delta Dirac. x 2 .

58) p X (x) = 1 σ 2π ∞ exp(− x2 ) 2σ 2 (a) E{X} es el primer momento o valor promedio de la VA X. Este enunciado es de particular importancia en el estudio de sistemas de comunicación donde las señales mensaje están contaminadas con ruido aditivo y además no están correlacionadas. En términos prácticos. 11. De (3. y como la integración se hace para todo t. VARIABLES Y PROCESOS ALEATORIOS La raíz cuadrada de E X 2 es el valor eficaz del proceso X y se le conoce con el nombre de “valor cuadrático promedio o valor RMS (del inglés Root-Mean-Square)” del proceso X. Var{X}=σ 2 Solución Como la VA X es gaussiana.97) } { } { } (3. E{X} = 0 . por ejemplo. Más adelante relacionaremos estos parámetros con la componente continua y la potencia promedio de una señal x(t). Sea una variable aleatoria gaussiana.95). Demostrar que (a) E{X} = 0. como veremos a continuación. y E{X 2 }=σ 2 (b) Si la VA X está desplazada en una cantidad xo. E{X} = −∞ ∫ xp X (x)dx = 1 ∞ σ 2π −∞ ∫ x exp(− x2 )dx 2σ 2 El integrando es una función impar de x. E{X 2 } = σ 2 + x o .222 III. Momentos de una variable aleatoria gaussiana. de (3. podemos decir que E {X} es el valor promedio de la VA X. Nótese la diferencia entre X 2 y E X 2 : las operaciones de promediación y elevación al cuadrado no son intercambiables y { } { } { } X 2 ≠ E {X 2 }. Sea. para n = 1. El segundo momento de X es E (S + N ) 2 = E S 2 + N 2 + 2SN = E S 2 + E N 2 + 2 E{S} ⋅ E{N} Si E{S} o E {N} o ambos son iguales a cero. donde S y N son dos señales aleatorias estadísticamente independientes. En la práctica se presenta con mucha frecuencia el problema de la determinación del valor promedio cuadrático de una suma de variables aleatorias. Por lo tanto. entonces 2 E{X} = x o . si y solamente si las variables aleatorias son estadísticamente independientes y por lo menos una tiene valor promedio cero. ♣ Ejemplo 3. mientras que E X 2 es la potencia promedio. su valor es cero. su densidad de probabilidad es.98) La potencia promedio de la suma de dos variables aleatorias es igual a la suma de las potencias promedio de cada una de las variables aleatorias. entonces E (S + N ) 2 = E S 2 + E N 2 { { } { } { } { } (3. la suma X = S + N.

Desarrollando (3.96). Var{X} = Resolviendo la integral.100). entonces 1 (x − x o ) 2 E {X} = ∫ x exp[− 2σ2 ]dx σ 2π −∞ Integrando obtenemos 2 ∞ E{X} = x o ∞ 1 (x − x o ) 2 2 De (3.101) ∑ (x i i − X ) 2 p X (x i ) si la VA X es discreta La varianza o dispersión nos proporciona una idea de la concentración de la densidad de probabilidad pX(x) alrededor del valor promedio X. La raíz cuadrada positiva de la varianza. E{X 2 } = Integrando.96). ∞ De (3. Entonces.100). es decir σX . . y se representa usualmente con la notación σ2 .100) (3. VARIABLES Y PROCESOS ALEATORIOS ∞ ∞ De (3. E {X } = ∫ x exp[− 2σ2 ]dx σ 2π −∞ Integrando obtenemos 2 E{X 2 ) = σ 2 + x o Vemos que la VA X contiene una componente alterna cuya potencia promedio es σ 2 y una 2 componente continua de amplitud xo y cuya potencia es x o .223 III. Var ( X) = σ2 = E ( X − X ) 2 = X Var ( X) = σ2 = X } ∫−∞ (x − X ) n p X (x)dx ∞ (3. El segundo momento central respecto al valor esperado X se conoce con el nombre de “varianza” o “dispersión” de la VA X.95) y como la VA X está centrada. −∞ ∫ x 2 p X (x)dx = 1 σ 2π −∞ ∫ x 2 exp(− x2 )dx 2σ 2 E{X 2 } = σ 2 (b) De (3. X por definición. y se define en la forma E (X − X ) n = { Nótese que el primer momento central (n = 1) es E{X − X} = 0 .99) { } ∫−∞ (x − X ) 2 p X (x)dx ∞ si la VA X es continua (3. Momentos Centrales −∞ 2 ∫ (x − x o ) exp(− (x − x o ) 2 )dx 2σ 2 ♣ Var{X} = σ 2 El momento central n-ésimo de una VA X es el momento respecto al valor esperado X de X. se conoce con el nombre de “desviación estándar” o “desviación típica”.

224
III. VARIABLES Y PROCESOS ALEATORIOS

σ2 = E ( X − X ) 2 = E X 2 + X 2 − 2 XX = E X 2 + X 2 − 2 X 2 X (3.102)

{ } { σ2 = E{X 2 } − X 2 X

} { }

Se puede definir también la denominada “covarianza de dos VA X e Y” en la forma

Cov (X, Y) = E{(X − X )(Y − Y )}
Desarrollando (3.103), obtenemos finalmente, Cov(X, Y ) = E{XY} − X ⋅ Y Al término E{XY} se le denomina “correlación entre las VA X e Y”.

(3.103)

(3.104)

La covarianza Cov(X,Y) se puede expresar en términos de la función de densidad conjunta p XY ( x , y ) en la forma siguiente. Por definición, para variables aleatorias continuas Cov ( X, Y) = E {( X − X )( Y − Y )} = y si las variables aleatorias son discretas, Cov ( X, Y) =

∫ ∫

−∞ −∞

( x − X )(y − Y )p XY ( x , y )dxdy

(3.105)

∑ ∑ (x
i j

i

− X )( y j − Y ) PXY ( x i , y j )

(3.106)

Asimismo,

E{XY} =

∫ ∫

−∞ −∞

xyp XY ( x , y )dxdy

(3.107)

Si las variables X e Y no están correlacionadas, entonces Cov(X, Y) = 0, lo que implica que E{XY} = X ⋅ Y , expresión ésta que se cumple cuando X e Y son independientes. Por consiguiente, las VA independientes siempre serán variables no correlacionadas, aunque lo contrario no necesariamente se cumple, es decir, que si las variables no están correlacionadas, no necesariamente quiere decir que dichas variables son independientes. Para dos VA X e Y independientes, vimos que E{g 1 ( X) ⋅ g 2 (Y)} = E {g 1 (X)} ⋅ E{g 2 (Y)} , mientras que para que X e Y no estén correlacionadas, el único requisito es que E{XY} = X ⋅ Y . En consecuencia, la “condición de independencia estadística” es una condición mucho más fuerte y restrictiva que la “condición de no correlación”. Por otra parte, si E{XY} = 0 , entonces se dice que las VA X e Y son “ortogonales” independientemente de si X o Y o ambas son o no cero. Nótese que si X o Y o ambas son cero, entonces “ortogonalidad” implica “no correlación”. En general, la covarianza es una medida de la relación entre dos variables aleatorias. Sin embargo, ella no revela la naturaleza exacta de la dependencia y no puede proveer una información completa acerca de la interdependencia entre dos variables aleatorias. La covarianza es un parámetro muy utilizado en el análisis estadístico de señales, no solamente en sistemas de comunicación sino también en todos los campos de las ciencias e ingeniería. A menudo se define también el “coeficiente de correlación de X e Y” en la forma ρ XY = Nótese Cov( X, Y ) E{XY} − X Y = σX ⋅ σY Var ( X ) ⋅ Var ( Y ) que −1 ≤ ρXY ≤ 1 (3.108) (3.109)

225
III. VARIABLES Y PROCESOS ALEATORIOS

Consideremos ahora la varianza de la suma de dos variables aleatorias no correlacionadas. Sea por ejemplo, X = S + N. Entonces, de (3.100),

σ2 = E ( X − X ) 2 = E [ (S + N ) − ( S + N )] X
2 2 σ2 = σS + σN + 2 E{(S − S )(N − N )} X

{

} {
}

2

} = E{[ (S − S ) + (N − N )] }
2

pero

E (S − S )( N − N ) = E{S ⋅ N} − S ⋅ N = Cov(S, N )

{

Si las variables no están correlacionadas, la covarianza entre S y N es cero y E{S ⋅ N} = S ⋅ N , de donde
2 2 σ2 = σS + σN X

(3.110)

La varianza de la suma de dos variables aleatorias es la suma de las varianzas de cada una de las variables si y solamente si las variables no están correlacionadas. Este resultado se puede extender a cualquier número de variables aleatorias.
3.7. FUNCION CARACTERISTICA

La función característica φ X (λ ) de una VA X es la transformada de Fourier de su densidad de probabilidad pX(x) con una inversión en el signo del exponencial [Papoulis, 1965]. La función característica se emplea para simplificar ciertas operaciones en las que interviene la VA X. Por ejemplo, en la evaluación de los momentos de X, en algunos casos en la determinación de la función de densidad de una función de X, en la convolución de funciones de densidad de probabilidad y en el desarrollo de los teoremas del límite. Sea entonces la función

Y = g (X) = exp( j2πλX) , cuyo valor esperado es, de (3.84),

E{Y} = E{g (X)} = E{exp[ j2 πλX]} =

−∞

exp( j2πλx )p X (x )dx

(3.111)

Esta integral tiene la forma de una Integral de Fourier; en este caso definimos, φ X (λ) =

−∞

p X (x ) exp( j2 πλx ) dx

(3.112)

La función φ X ( λ) es conocida con el nombre de “función característica de la VA X” y vemos que es la transformada de Fourier de la densidad de probabilidad pX(x) con una inversión en el signo del exponencial. La función de densidad de probabilidad pX(x) es la correspondiente antitransformada de Fourier. Entonces, p X (x) =

−∞

φ X ( λ) exp (− j2πxλ)dλ

(3.113)

La función característica y la densidad de probabilidad forman entonces un par de transformadas de Fourier: p X ( x ) ⇔ φ X ( λ) . Nótese que φ X (0) = φ X ( λ) =

−∞

p X (x )dx = 1; pero como

p X (x ) ≥ 0 para todo x, entonces

−∞

p X (x ) exp( j2πλx)dx ≤

−∞

p X (x)dx = 1. Por lo tanto,

226
III. VARIABLES Y PROCESOS ALEATORIOS

φ X (λ) ≤ 1 La función característica nos permite determinar muy fácilmente la densidad de probabilidad de una suma de variables aleatorias. En efecto, sea Z = X + Y, donde X e Y son variables aleatorias independientes y p X (x) ⇔ φ X (λ); p Y (y ) ⇔ φ Y (λ); p Z (z) ⇔ φ Z (λ). De la definición de función característica, expresión (3.96), φ Z (λ) = E {exp[ j2 πλ( X + Y)]} =

∫ ∫

−∞ −∞

exp[ j2 πλ( x + y )] ⋅ p XY (x, y ) dxdy p XY (x , y) = p X (x ) ⋅ p Y ( y) , de donde (3.114)

Puesto que X e Y son independientes, entonces φ Z (λ) =

−∞

exp( j2πλx)p X (x )dx ⋅

−∞

exp( j2 πλy )p Y y )dy = φ X (λ) ⋅ φ Y (λ)

La función característica de una suma de variables aleatorias independientes es igual al producto de las funciones características de cada una de las variables aleatorias. Mediante aplicación del teorema de la convolución, obtenemos φ Z (λ) = φ X (λ) ⋅ φ Y (λ) ⇔ p Z ( z ) =

−∞

p X ( u ) ⋅ p Y ( z − u ) du = p X (x ) ∗ p Y ( y )

(3.115)

La densidad de probabilidad de la suma de dos variables aleatorias independientes es igual a la convolución de las densidades de probabilidad de las variables aleatorias. La extensión a un número cualquiera de variables aleatorias es directa. En efecto, si Z = X1 + X2 + X3 + …….. Xn Entonces, y p Z (z) = p X1 (x1 ) * p X2 (x 2 ) * p X3 (x 3 ) *.........* p Xn (x n ) φZ (λ ) = φX1 (λ ) ⋅ φX2 (λ ) ⋅ φX3 (λ ) ⋅⋅⋅⋅⋅ φXn (λ ) (3.116) (3.117)

Estos resultados se aplican también a variables aleatorias discretas, lo que puede considerarse como un caso límite de variables aleatorias continuas con impulsos unitarios de Dirac.
Ejemplo 3.12.

Las VA independientes X e Y son gaussianas no centradas de la forma p X (x) = 1 σ x 2π exp[− (x − x o ) 2 ] 2σ 2 y p Y (y) = 1 σ y 2π exp[− (y − y o ) 2 ] 2σ y 2

Vamos a determinar la densidad de la VA Z = X + Y. Solución: Del Problema 1.23(g), Sea entonces q(x) = p X (x) = q(x − x o ) = A exp( − 1 σ x 2π 1 σ x 2π t2 ) ⇔ A 2πa 2 exp(−2π2 a 2 f 2 ) 2 2a x2 ) ⇔ exp(−2π2σ 2 λ 2 ) x 2 2σ x

exp(−

exp( −

(x − x o ) 2 ) ⇔ exp(−2π 2σ 2 λ 2 ) ⋅ exp(− j2πx o λ ) = φ x (λ ) x 2 2σ x

227
III. VARIABLES Y PROCESOS ALEATORIOS

Similarmente,

p Y (y) ⇔ exp( −2π2σ 2 λ 2 ) ⋅ exp(− j2πy o λ ) = φ y (λ ) y Puesto X e Y son independientes, entonces, de (3.115),

φZ (λ) = φX (λ ) ⋅ φY (λ ) = [exp(−2π2σ 2 λ 2 ) ⋅ exp(− j2πx oλ )] ⋅ [exp(−2π 2σ 2 λ 2 ) ⋅ exp(− j2πy oλ )] x y
φZ (λ ) = {exp[− Hagamos (2πλ ) 2 2 (σ x + σ 2 )]} ⋅ {exp[− j2πλ (x o + y o )]} y 2 y z o = x o + y o . Entonces,

σ2 = σ2 + σ2 z x y

φZ (λ ) = exp[−

(2πλ ) 2 2 σ z ] ⋅ exp[− j2πλz o ] = exp(−2π 2σ 2λ 2 ) ⋅ exp(− j2πz o λ ) z 2 1 σ z 2π (z − z o ) 2 ] 2σ 2 z

Por antitransformada de Fourier, p Z (z) = TF−1{φZ (λ )} = exp[−

Obsérvese que la densidad pZ(z) es una distribución gaussiana no centrada, es decir, la densidad de probabilidad de la suma de dos VA independientes y gaussianas, es también gaussiana. Este resultado se puede extender a un número cualquiera de VA independientes y gaussianas. Asimismo, el valor promedio y la varianza de la suma son iguales a la suma de los promedios individuales y a la suma de las varianzas individuales, respectivamente. Nótese que, bajos ciertas condiciones, la suma de un gran número de variables aleatorias independientes tiende a ser gaussiana, independientemente de si ellas son gaussianas o no. Esta tendencia hacia una distribución gaussiana se desarrolla rigurosamente en el denominado “Teorema del Límite Central”, cuyo tratamiento está fuera de los límites del presente texto. ♣ ♣ Ejemplo 3.13 X−X . Vamos σX a determinar la función característica φ Y (λ) y la densidad de probabilidad pY(y) de Y. Consideremos una VA Y que es una función de la VA X de la forma Y= De (3.95), ⎧ ⎧ X− X ⎫ X X ⎫ φ Y ( λ) = E ⎨ exp[ j2 λ( )]⎬ = E ⎨ exp( j2 π λ) ⋅ exp( − j2 π λ)⎬ σX σX σX ⎭ ⎩ ⎩ ⎭ φ Y ( λ) = exp( − j2 π X σX λ) ⋅

−∞

p X (x ) exp( j2 π

λ σX

x )dx
λ σX ), de

De la propiedad escalar de la transformada de Fourier, la integral es igual a φ X (
donde φ Y (λ) = φ X ( λ σX ) ⋅ exp( − j2 π X σX λ)

228
III. VARIABLES Y PROCESOS ALEATORIOS

Tomando la antitransformada de Fourier, p Y (y ) = σX ⋅ p X (σX x )
x → x − X / σX

⎡ X ⎤ = σ X ⋅ p X ⎢σ X ( x − )⎥ σX ⎦ ⎣

Como vemos, todas las propiedades y métodos de la Transformada de Fourier vistos en los Capítulos I y II se aplican en el caso de la equivalencia φ X (λ) ⇔ p X (x ) . ♣ Además de ser útil para la determinación de las funciones de probabilidad de la suma de variables aleatorias, la función característica se puede utilizar también para determinar los momentos de una variable aleatoria. En efecto, diferenciando (3.96) respecto a λ, d dλ d dλ φ X (λ) =

⎡d ⎤ p X (x )⎢ exp( j2 πλx ) ⎥dx = j2 π ⎣ dλ ⎦ −∞

−∞

xp X ( x ) exp( j2 πλx ) dx

Evaluando la expresión anterior para λ = 0, se tiene, φ X ( λ) 1
λ= 0

= j2 π

−∞

xp X ( x ) dx = j2 π ⋅ E {X} , de donde (3.118)

E {X} =

d

j2 π dλ

φ X (λ)

λ= 0

El valor promedio de una variable aleatoria es igual a la primera derivada de su función característica en el origen (λ = 0), dividida por j2π. En general, mediante diferenciación sucesiva bajo el signo integral, se puede demostrar que E Xn =

{ }

1

dn

( j2 π ) n dλn

φ X ( λ)

λ= 0

(3.119)

El momento n-ésimo de una variable aleatoria es igual a la derivada n-ésima de su función característica en el origen (λ = 0), dividido por ( j2π ) n .
3.8. PROCESOS ALEATORIOS O ESTOCASTICOS 3.8.1 Introducción

En la Sección 3.3 se asoció un punto de muestra con cada resultado de un experimento. La colección de todos los puntos de muestra se llamó “espacio de las muestras” del experimento. Para cada punto de muestra en el espacio de las muestras se asignó un número real X de acuerdo con alguna regla, y una probabilidad de ocurrencia PX(x). Esta es la definición de variable aleatoria. Un proceso aleatorio es una extensión del concepto de variable aleatoria. En el caso de un proceso aleatorio, a cada punto de muestra que distinguiremos con la notación λ, se asigna una forma de onda (que es función del tiempo t), de acuerdo con alguna regla x(t,λ). Por lo tanto, el espacio de las muestras tendrá asociada una cierta colección de formas de onda y cada una de ellas corresponde a un punto de muestra λ. Esta colección de formas de onda se conoce con el nombre de “conjunto aleatorio (CA)” y las formas de onda individuales como “funciones de muestra”. La distribución de la probabilidad de los puntos de muestra determina la distribución de probabilidad de las funciones de muestra del CA. El sistema de probabilidades, que comprende el espacio de las muestras, el CA o conjunto de formas de onda y las funciones de probabilidad, constituyen el “proceso aleatorio (PA)”.

229
III. VARIABLES Y PROCESOS ALEATORIOS

A los PA se les conoce también con el nombre de “Procesos Estocásticos”. La notación X(t , λ) representará el PA; sin embargo, generalmente se omite λ y el PA simplemente se representa con X(t), cuyo significado es “una colección de formas de onda que ocurren con una cierta medida de probabilidad”. Una función de muestra individual se representará simplemente con x(t).

En la práctica, sobre todo en el dominio de la ingeniería, a menudo se tiene la situación donde el resultado del experimento es ya una forma de onda. En este caso, el concepto de resultado y de función de muestra tienden a ser lo mismo, es decir, que el resultado mismo se puede considerar como la función de muestra correspondiente. En la Fig. 3.18 se muestra un conjunto aleatorio de señales producido por el ruido en un sistema eléctrico. Este conjunto se puede obtener repitiendo las observaciones en el mismo sistema, u observando simultáneamente los resultados o señales de varios sistemas idénticos.
x (t , λ1)
0

x11 = x(t1 , λ1) t2 t1 x 21 = x (t 2 , λ1) t1 x 22 = x(t 2 , λ2 ) t2 x12 = x (t 1 , λ2 ) x 13 = x (t 1 , λ 3 ) t1
τ x 2 k = x( t 2 , λ k ) t t

x ( t , λ2 )

x( t , λ i )

0

x ( t , λ3 )
0

x 23 = x(t 2 , λ 3 ) t2
t

x (t , λ k )
0

x 1k = x(t 1 , λ k )

t1

t2 ⇑ X (t 2 , λ i )

t

⇑ X (0, λ i )

⇑ X ( t 1 ,λ i )

X( t , λ i )

Fig. 3.18. Conjunto Aleatorio de Señales
Para entender mejor la idea de conjunto, vamos a distinguir los “promedios conjunto” y los “promedios tiempo”. Los promedios conjunto son todas aquellas estadísticas tomadas sobre el conjunto aleatorio (verticalmente en la Fig. 3.18). Las correspondientes variables aleatorias son X(t , λ i ) (Nota: Para no complicar la notación algunas veces se omite el subíndice i de λ, pero siempre estará implícito). Puesto que se tiene k funciones de muestra, X(t , λ i ) tendrá k valores para cada t con i = 1,2 ,3, ... k . Por ejemplo, en la Fig. 3.18 se muestran solamente tres VA X(t , λ i ) : X(0, λ i ) , X(t 1 , λ i ) y X(t 2 , λ i ) para i = 1, 2, 3,....,k. Los promedios conjunto será la familia de momentos dada por

230
III. VARIABLES Y PROCESOS ALEATORIOS

E [ X( t , λ i )] n = para todo t, con donde aleatorio.

{

} ∫−∞ ∫−∞ ...... ∫−∞ x1x 2 .... x n p X X
∞ ∞ ∞

1 2

.... X n ( x 1 , x 2 , .... , x n ; t , λ i ) dx 1 dx 2 .... dx n (3.120)

i = 1, 2, 3,....,k.

p X1X2 ......X n ( x1 , x 2 ,.... x n; t , λ i ) es la densidad de probabilidad conjunta del proceso Sea, entonces, el conjunto aleatorio mostrado en la Fig. 3.18.

Los promedios tiempo son todas aquellas estadísticas tomadas sobre las funciones del tiempo (horizontalmente en la Fig. 3.18). Los promedios tiempo será la familia de promedios tiempo dada por
< [x(t , λ i )] n >=

−∞

[x(t , λ i )] n dt para todo t e i = 1, 2, ... , k

(3.121)

En general, en un proceso aleatorio X(t,λ) los promedio tiempo y los promedios conjunto son diferentes, es decir,
E [X(t , λ i )] n ≠ < [x(t, λ i )] n >
Estadísticas de Primer Orden

{

}

(3.122)

Las estadísticas de primer orden se especifican completamente mediante las funciones de densidad de las variables aleatorias en los instantes t (para todo t); estas funciones de densidad las escribiremos en la forma p X (x, t , λ i ) en las cuales el parámetro t indica el instante en el cual las amplitudes de las señales de muestra definen la VA X(t,λi). La función p X (x, t , λ i ) es la “densidad de probabilidad de primer orden”. Una vez establecidas las densidades de probabilidad de primer orden, las correspondientes estadísticas de primer orden vienen dadas por

E [X(t , λ i )] n =

{

} ∫

−∞

x n p X (x, t , λ i )dx

(3.123)

Estadísticas de Segundo Orden

Las estadísticas de primer orden nos dan las distribuciones de las amplitudes de las funciones de muestra para valores particulares de t y es suficiente el conocimiento de su densidad de probabilidad de primer orden. Pero el conocimiento de p X (x, t , λ i ) no es suficiente para una completa descripción estadística del proceso. En efecto, supongamos que el proceso representa un conjunto de señales eléctricas como en la Fig. 3.18, y se desea obtener un cierto conocimiento en relación con las frecuencias contenidas en dichas señales. Si el proceso contiene predominantemente componentes de baja frecuencia, entonces las señales varían muy poco y x (t 1 , λ i ) no será muy diferente de x (t 1 + τ , λ i ) . Es evidente que x( t 1 , λ i ) y x(t 1 + τ, λ i ) no serán estadísticamente independientes siempre que τ sea suficientemente pequeño; en

231
III. VARIABLES Y PROCESOS ALEATORIOS

consecuencia, el conocimiento de x (t 1 , λ i ) proporciona una cierta información estadística acerca de x (t 1 + τ , λ i ). Si el proceso contiene predominantemente componentes de alta frecuencia, las señales variarán muy rápidamente y valores separados en un intervalo τ no mostrarán ninguna dependencia. Por lo tanto, la correlación entre valores de las señales en distintos intervalos de tiempo puede proporcionar una información estadística muy útil en relación con su contenido espectral. De gran importancia en el análisis de señales son las estadísticas de segundo orden, que representan el momento conjunto de dos VA X(t1 , λi) y X(t2 ,λi), donde p X1X 2 (x1 , x 2 ; t 1 , t 2 , λ i ) es su función de densidad conjunta, denominada “función de densidad de probabilidad de segundo orden”. Las estadísticas de segundo orden de dos VA X(t1 , λi) y X(t2 , λi) vendrán dadas por la siguiente expresión: E{X(t 1 , λ i ) ⋅ X(t 2 , λ i )} =

∫ ∫

−∞ −∞

x 1 x 2 p X1X 2 (x 1 , x 2 ; t 1 , t 2 , λ i )dx 1 dx 2

(3.124)

Como una aplicación de estas técnicas matemáticas en la transmisión de señales aleatorias a través de sistemas lineales, es suficiente conocer las estadísticas de primero y segundo orden, ya que con ellas es posible determinar la densidad espectral de potencia, el valor promedio, el valor eficaz y las funciones características de un proceso dado. En resumen, podemos definir las siguientes estadísticas del proceso aleatorio X(t,λ): 1. El valor promedio: E{X(t , λ )} =

∫ x⋅ p
−∞

X (x , t , λ )dx

(3.125)

2. El llamado “promedio de segundo orden entre las VA X( t 1 , λ) y X(t 2 , λ) ”: E { X ( t 1 , λ ) ⋅ X ( t 2 , λ) } =

∫ ∫

−∞ −∞

x 1 x 2 p X1X 2 ( x 1 , x 2 , t 1 , t 2 , λ) dx 1dx 2

(3.126)

3. La covarianza entre las VA X( t 1 , λ) y X(t 2 , λ), Cov{ X( t 1 , λ), X( t 2 , λ)} = E{ X( t 1 , λ) ⋅ X( t 2 , λ)} − E{ X( t 1 , λ)} ⋅ E{ X( t 2 , λ)} 4. El coeficiente de correlación entre las VA X( t 1 , λ) y X(t 2 , λ), ρX1X 2 = Cov{ X( t 1 , λ), X( t 2 , λ)} Var{ X(t 1 , λ)} ⋅ Var{ X(t 2 , λ)} (3.128) (3.127)

Para efectos de tipo práctico, solamente se necesita conocer estas estadísticas del proceso aleatorio X(t, λ), las cuales, en general, son funciones del tiempo.

232
III. VARIABLES Y PROCESOS ALEATORIOS

3.8.2. Estacionaridad y Ergodicidad Estacionaridad en el Sentido Estricto

Se dice que un proceso aleatorio X(t,λ) es estrictamente estacionario si todas sus estadísticas conjunto son invariantes en el tiempo; en otras palabras, un proceso aleatorio es estrictamente estacionario si ninguna de sus estadísticas conjunto es afectada por un desplazamiento del origen del tiempo, es decir, si
E [X(t , λ i )] n = E [X(t + τ , λ i )] n

{

} {

}

(3.129)

En este caso el proceso aleatorio X(t,λ) se denota simplemente como X. De (3.78), los dos primeros momentos de primer orden serán E{X( t , λ )} = E{X} =

∫ xp
−∞

X ( x) dx

(3.130a) (3.130b) (3.131)

E{X 2 ( t , λ )} = E X 2 = y en general,

{ } ∫

−∞

x 2 p X ( x)dx

E{X n ( t , λ )} = E X n =

{ } ∫

−∞

x n p X ( x)dx

Estacionaridad en el Sentido Amplio

Se dice que un proceso aleatorio X(t, λ ) es estacionario en el sentido amplio o débilmente estacionario, si (a) Su valor promedio conjunto E{ X( t 1 , λ)} = E{ X( t 2 , λ)} = constante para todo t (3.132) (b) Su promedio conjunto de segundo orden E { X ( t 1 , λ ) ⋅ X ( t 2 , λ) } = E { X ( t ) ⋅ X ( t + τ ) } donde τ es la diferencia absoluta
τ = | t 2 − t1| .

(3.133)

Un proceso es débilmente estacionario cuando su valor promedio conjunto es constante para todo t, y su promedio conjunto de segundo orden depende solamente de la diferencia absoluta τ = |t 2 − t 1 |. Nótese que un proceso aleatorio estrictamente estacionario es también débilmente estacionario, pero lo contrario no necesariamente es cierto.
Ergodicidad

La propiedad de estacionaridad estricta o amplia no asegura que los promedios conjunto y los promedios tiempo sean iguales. Puede suceder que aún cuando las estadísticas conjunto son estacionarias, las señales de muestra individuales pueden diferir estadísticamente una de la otra. En este caso los promedio tiempo dependerán de la señal de muestra utilizada, pues se verifica que
< [ x( t , λ i )] n > ≠ < [x(t, λ j )] n >

para i ≠ j .

Cuando la naturaleza de un proceso aleatorio es tal que los promedios conjunto y los promedios tiempo son iguales, se dice entonces que el proceso aleatorio es “ergódico”. Por lo tanto, si el proceso representado por X(t, λ) es ergódico, entonces todas las estadísticas se pueden

233
III. VARIABLES Y PROCESOS ALEATORIOS

determinar a partir de una sola señal de muestra x(t). Nótese que un proceso ergódico es estacionario o por lo menos débilmente estacionario, pero un proceso estacionario o por lo menos débilmente estacionario no necesariamente es ergódico. Puesto que todas las estadísticas se pueden determinar a partir de una sola señal de muestra, la ergodicidad implica también que < [x( t , λ i )] n > = < [x(t, λ j )] n > para todo i, j Las estadísticas de un proceso aleatorio ergódico se escriben entonces en la forma < [ x( t )] n >=< x n (t) >=

(3.134)

−∞

x n ( t ) dt

(3.135)

En la práctica generalmente se conoce x(t) durante un intervalo (-T/2, T/2), de modo que se puede escribir (suponiendo que x(t) es una señal de potencia), < x n ( t ) > = lim 1 T→∞ T

T/ 2

−T/ 2

x n ( t )dt

(3.136)

En el proceso ergódico los momentos conjunto y los momentos tiempo son iguales, es decir, E Xn =

{ } ∫

−∞

x n p X ( x)dx = < x n ( t ) > = lim

1 T→∞ T
T/ 2

T/ 2

−T/ 2

x n ( t )dt

(3.137)

Para los dos primeros momentos de primer orden, E{X} =

−∞

xp X ( x) dx = < x( t ) > = lim

1 T→∞ T

−T/ 2

x( t )dt

(3.138a) x 2 ( t )dt (3.138b)

E X2 =

{ } ∫

−∞

x 2 p X ( x)dx = < x 2 ( t ) > = lim

1 T→∞ T

T/ 2

−T/ 2

Las estadísticas de primer orden E{X} y E{X 2 } de un proceso ergódico nos permiten hacer las siguientes observaciones: (a) (b) (c) (d) (e) E{ X} =< x( t ) > , es el valor promedio de la señal x(t); es simplemente el valor de la componente continua de x(t). [ E{ X} ]2 = [< x( t ) > ]2 , es la potencia de la componente continua de x(t) disipada en una resistencia de 1 Ohm. E X 2 =< x 2 ( t ) > , es la potencia promedio de la señal x(t), normalizada para una resistencia de 1 Ohm. E X 2 = < x 2 ( t ) > , es el valor eficaz (RMS) de la señal x(t). La varianza σ2 es igual a la potencia promedio de la componente alterna de x(t), X normalizada para una resistencia de 1 Ohm.

{ }

{ }

(f) La desviación estándar σX es el valor eficaz de la componente alterna de la señal x(t). (g) Si E{ X} =< x( t ) >= 0 , entonces σX es el valor eficaz de la señal x(t).

234
III. VARIABLES Y PROCESOS ALEATORIOS

(h)

Si x(t) contiene una componente continua xo y una componente alterna, la potencia 2 promedio de x(t) será igual a (σ2 + x o ) , normalizada para una resistencia de 1 x Ohm.

Estas expresiones nos proporcionan un medio para relacionar la noción de señal aleatoria con la de señal determinística, a la cual estamos más acostumbrados y que hemos utilizado mayormente en los capítulos anteriores. Por lo tanto, todos los métodos matemáticos vistos en los Capítulos I y II son igualmente aplicables a las señales de muestra de procesos aleatorios ergódicos, con algunos cambios menores en la notación. Sin embargo, hay que tener siempre presente que todas estas relaciones son válidas solamente para procesos aleatorios ergódicos, por lo menos en lo que se refiere a las estadísticas de primero y segundo orden de procesos débilmente estacionarios. Una aplicación práctica directamente relacionada con los conceptos anteriores, son las nociones de valor promedio y varianza en aplicaciones estadísticas de muestras tomadas de una población determinada. En estos casos se considera que todas las muestras son equiprobables, y si se toma N muestras de la población, el valor promedio y la varianza de las N muestras se expresarán mediante las relaciones 1 X= N

∑X
i =1

N

i

y

σ2 x

1 = N

∑ (X
i =1

N

i

− X)2

(3.139)

Por ejemplo, en el diseño de radioenlaces de microondas la “Rugosidad del Terreno” se describe mediante las expresiones (3.139), donde las Xi son las alturas tomadas sobre el terreno y N es el número de alturas. La desviación estándar σ x es la rugosidad del terreno.
3.8.3. Función de Autocorrelación y Densidad Espectral de Potencia Función de Autocorrelación

momento conjunto E {X( t 1 ) ⋅ X(t 2 )} o promedio conjunto de segundo orden, denominado comúnmente función de autocorrelación. Entonces, por definición, la “función de autocorrelación de un proceso X(t,λi)” es el momento conjunto de segundo orden de las VA X( t 1 ) y X(t 2 ) definido por R X1X2 ( t 1 , t 2 ) = E{X( t 1 ) ⋅ X( t 2 )} = y es una función de t 1 y t 2 . Asimismo, la covarianza de X( t 1 ) y X(t 2 ) es Cov{X( t 1 ), X( t 2 )} = R XX ( t 1 , t 2 ) − E{X( t 1 )} ⋅ E{X( t 2 )} y el correspondiente coeficiente de correlación (3.141)

Sea el proceso aleatorio de la Fig. 3.18, caracterizado por X(t, λi) donde x(t,λi) son las señales de muestra del proceso. En el instante t = t 1 el proceso se caracteriza mediante la VA X( t 1 ) = X( t 1 , λ i ) , y en el instante t = t 2 la correspondiente VA es X( t 2 ) = X( t 2 , λ i ) , para i = 1, 2 , 3, .... , k . Para caracterizar la relación entre las VA X( t 1 ) y X(t 2 ) , se necesita el conocimiento de la densidad de probabilidad conjunta p X1X 2 (x 1 , x 2 ; t 1 , t 2 ) para poder calcular el

∫ ∫

−∞ −∞

x1x 2 p X1X2 ( x1 , x 2 ; t 1 , t 2 ; λ )dx1dx 2

(3.140)

En este caso. y entonces hay que buscar otra forma para la representación en el dominio de la frecuencia de un proceso aleatorio.144) ∫ T 1 T/ 2 − T/ 2 x ( t ) ⋅ x (t + τ )dt Asimismo.145a) (3. R XX ( t 1 . R XX (τ ) = E {X( t ) ⋅ X(t + τ )} =< x ( t ) ⋅ x ( t + τ ) >= R x (τ ) donde R x (τ ) = lim T →∞ (3.143a) Si además el proceso es ergódico. la función de autocorrelación se puede determinar a partir de una sola señal de muestra x(t) tomando el promedio tiempo de [x ( t ) ⋅ x ( t + τ ) ]. de aquí la razón de la notación R x (τ ) que utilizamos en los Capítulos I y II para señales determinísticas.142) El término “autocorrelación” ya lo utilizamos en los Capítulos I y II. la función de autocorrelación es independiente del origen del tiempo y dependerá solamente del valor absoluto de la diferencia de t 1 y t 2 . En efecto.235 III. x( t + τ)} = R x ( τ) − [< x( t ) >]2 y ρx = Cov{x( t ). por definición. la densidad espectral de potencia SX(f) de un proceso aleatorio X(t) débilmente estacionario es S X (f ) = {R XX (τ )} = ∫−∞ R XX (τ ) exp(− j2πfτ )dτ ∞ (3. es decir. t 2 ) − E{X( t 1 )} ⋅ E{X( t 2 )} Var[ X( t 1 )] ⋅ Var[ X( t 2 )] (3. R XX (τ ) = R x (τ ) =< x (t ) ⋅ x (t + τ ) > S x (f ) = y S X ( f ) = S x (f ) . la transformada de Fourier de una señal de muestra puede no existir. es posible definir una magnitud denominada “densidad espectral de potencia” como la transformada de Fourier de la función de autocorrelación. en un proceso ergódico se verifica que Cov{x( t ).145b) La expresión (3. Para la clase restringida de procesos aleatorios débilmente estacionarios.119). entonces la función de autocorrelación y la densidad espectral de potencia se pueden determinar a partir de una señal de muestra x(t). VARIABLES Y PROCESOS ALEATORIOS ρ X1X2 = R XX ( t 1 . más adelante justificaremos el uso de ese término. | t 2 − t 1 | = τ . Desafortunadamente. se puede extender este concepto a los procesos estocásticos.144) es igual a la expresión (1.147) . x( t + τ)} Var {x( t )} (3. t 2 ) = R XX ( t 2 − t 1 ) = R XX (τ ) = E{X(t ) ⋅ X(t + τ )} (5. Podemos decir entonces que las relaciones para las señales determinísticas son casos particulares de las relaciones desarrolladas para procesos aleatorios débilmente estacionarios o ergódicos. Si el proceso X(t) es estacionario. Entonces.146) Si el proceso es ergódico. Densidad Espectral de Potencia En relación con la densidad espectral de potencia. es decir. de donde ∫ ∞ −∞ R x (τ ) exp(− j2πfτ )dτ ⇔ R x (τ ) = ∫ ∞ −∞ S x (f ) exp( j2πτf )df (3.143b) (3.

es igual al área de su función de autocorrelación. en el caso de señales aleatorias las relaciones entrada/salida son (ver Secciones 1. 2. Estos métodos son de gran importancia en la Teoría Estadística de la Comunicación y en el Análisis Espectral de Procesos Estocásticos. (c) SX (f ) = SX ( −f ) = Sx (f ) = S x ( −f ) .1. 3.19(a) se ilustra una señal de muestra de este proceso.1. (e) En un sistema lineal invariante en el tiempo (SLIT) de respuesta impulsional h(t) y función de transferencia H(f). etc. PROCESOS ALEATORIOS DISCRETOS 3.9.. 1958.. Davenport y Root.. Couch.9. 1990]. .2 y 2. se dice que éste es un “Proceso Aleatorio Binario”. normalizada para una resistencia de 1 Ohm. 3.2 y 2. la densidad espectral es siempre positiva (o no negativa).8. para la transmisión de señales a través de sistemas lineales se aplican también para procesos ergódicos. el valor de la densidad espectral en el origen (f = 0). Secuencias Aleatorias Discretas Un proceso aleatorio de mucha importancia en el análisis.M.11. 1962. El lector interesado en profundizar este tema puede consultar la bibliografía especializada.8. es la potencia promedio de la señal x(t). particularmente [Papoulis..1): S y ( f ) = H ( f ) ⋅ S x ( f ) ⇔ R y ( τ) = R x ( τ) ∗ h ( τ ) ∗ h ( − τ) < y 2 ( t ) >= R y (0) = 2 ∫ ∞ −∞ | H(f ) |2 Sx (f )df < y( t ) >= H(0) < x ( t ) > Sxy (f ) = H (f ) ⋅ Sx (f ) ⇔ R xy ( τ) = R x ( τ) ∗ h( τ) Las relaciones desarrolladas en las Secciones 1. (d) SX (0) = ∫ ∞ −∞ R X ( τ ) dτ = S x ( 0 ) = ∫ ∞ −∞ R x ( τ)dτ . 3. 1968. En la Fig. las cuales tienen las siguientes características: (a) E{X 2 } =< x 2 ( t ) >= R x (0) = ∫ ∞ −∞ Sx (f )df . Si las señales de muestra sólo toman dos valores de amplitud o estados que se suceden a intervalos Tb con probabilidades P1 y P2 . A las estadísticas de primer orden de un proceso ergódico podemos agregar ahora las estadísticas de segundo orden R XX ( τ) = R xx ( τ) y S X (f ) = Sx (f ) . que corresponde al Teorema de Wiener-Kintchine. la densidad espectral es una función par de f. En la Fig. 1965. Lathi.236 III. procesamiento y transmisión de señales digitales es el “Proceso Aleatorio Discreto M-ario”.19(b) se tiene una señal de muestra de este tipo de proceso. expresión (1. en el cual las señales de muestra tienen amplitudes discretas con m valores de amplitud de probabilidad Pi.11. señal que vamos a denominar ”secuencia aleatoria binaria”. (b) SX (f ) = Sx (f ) ≥ 0 . 3. VARIABLES Y PROCESOS ALEATORIOS resultado ya obtenido en forma determinística en el Capítulo I. Parzen. con i = 1.. en especial su función de autocorrelación y su densidad espectral de potencia.132). Todas las señales PCM y los códigos de fuente y de línea son secuencias aleatorias binarias y por eso es muy importante conocer sus estadísticas.

149) (3. que para simplificar la escribiremos en la forma R X ( t 1 . t 2 ) es. y que es independiente de p(t). El valor promedio de X(t) es ∞ ⎧ ∞ ⎫ ⎪ ⎪ E{X(t )} = E ⎨ A p (t − nTb ) ⎬ = p ( t − nTb ) ⋅ E {A n } ⎪ n =−∞ n ⎪ n =−∞ ⎩ ⎭ ∑ ∞ ∑ E{X(t )} = η a n =−∞ ∑p(t − nT ) b (3. Las secuencias de impulsos transmitidos en banda de base en los sistemas de comunicación digital. respectivamente. El valor I es el número de productos (a n ⋅ a n + k ) posibles.140). E{A n ⋅ A n + k } = R A (k ) = ∑ (a i =1 I n ⋅ a n + k ) i ⋅ Pi (3. y Pi es la probabilidad de obtener el producto (a n ⋅ a n+ k ) i . [Lathi.19. o también k = |m . VARIABLES Y PROCESOS ALEATORIOS x(t) t 0 x(t) A Tb 0 -A t (a) Secuencia Aleatoria M-aria (b) Secuencia Aleatoria Binaria Fig. de (3.152) La función de autocorrelación de X(t). Se trata entonces de determinar la densidad espectral de X(t). entonces. entonces E{A n } = η a E{A n ⋅ A n + k } = E{A n ⋅ A m } donde m = n + k.n| (3. se pueden modelar entonces mediante la expresión X( t ) = n =−∞ ∑A p(t − nT ) n b ∞ (3. Tb el período de repetición de los impulsos y A n una secuencia aleatoria de amplitudes (que representan datos o estados) que en el caso binario toma dos valores A 1 y A 2 con probabilidades P1 y P2 .150) Nótese que la expresión (3. Si consideramos que A n es un proceso débilmente estacionario.148) donde p(t) es el perfil del impulso. 3. 1968].151) donde a n y a n+k son las amplitudes de la secuencia de datos A n en los intervalos nTb y (n + k)Tb . Secuencias de Muestra de Procesos Aleatorios Discretos.237 III.150) es la función de autocorrelación de la secuencia de estados An. .

Fig. Consideremos entonces. t 2 + T) = R Y ( t 1 . Se dice que un proceso Y(t) es “cicloestacionario” o “periódicamente estacionario” si él satisface las siguientes condiciones [Franks.154) y (3. entonces podemos escribir R X (t 1 .20.155) n =−∞ ∑ p(t ∞ 1 − nTb ) ⋅ p[t 2 − (n + k ) Tb ] (3. Consideremos ahora los procesos “cicloestacionarios”.153) Cuando comparamos las expresiones (3. En efecto. VARIABLES Y PROCESOS ALEATORIOS ∞ ⎧ ∞ ⎫ ⎪ ⎪ ⎨ R X ( t 1 .152) y (3. 3. la secuencia X( t ) = x(t) A n =−∞ ∑A ∞ T n ⋅ p ( t − nTb − T) (3. vemos que X(t) es un proceso cicloestacionario.157) . Secuencia Aleatoria Binaria con Retardo T (3. t 2 ) = k =−∞ ∑ ∞ E{A n ⋅ A n + k } ⋅ Puede observarse que tanto E{X( t )} como R X (t 1 .20. Tb). t 2 ) (3. como se muestra en la Fig. Hay que buscar alguna otra forma para determinar la densidad espectral de potencia de estos procesos.153). t 2 ) = n =−∞m=−∞ ∑ ∑ E{A ∞ ∞ n ⋅ A m }p ( t 1 − nTb ) ⋅ p ( t 2 − mTb ) pero como E{A n ⋅ A m } = E{A n ⋅ A n + k } . el proceso aleatorio X(t) se puede modificar para que cumpla con la condición de estacionaridad débil si se permite agregarle un retardo T aleatorio. por lo tanto.155) con (3. La importancia de los procesos cicloestacionarios es que ellos permiten la manipulación de un proceso no estacionario X(t) a fin de hacerlo débilmente estacionario. X(t) no es estacionario y su densidad espectral de potencia no se podrá definir mediante la expresión (3.20.238 III.146). t 2 ) = E {X( t 1 ) ⋅ X( t 2 )} = E A n p (t 1 − nTb ) ⋅ A m p (t 2 − mTb ) ⎬ ⎪ n =−∞ ⎪ ⎩ ⎭ m=−∞ ∑ ∑ R X (t 1 . 3. independiente de A n y cuya densidad de probabilidad es p T (T ) = 1 T − Tb / 2 Π( ) Tb Tb -A Fig. 3. donde m = n + k.154) (3. 1975]: (a) E{Y( t 1 + T)} = E{Y( t 1 )} (b) R Y ( t 1 + T . t 2 ) dependen del origen del tiempo.156) Tb 0 t donde T es una variable aleatoria distribuida uniformemente en el intervalo (0.

159) . Veamos ahora la función de autocorrelación. se obtiene E{p( t1 − nTb − T) ⋅ p[ t 2 − ( n + k )Tb − T ]} = ∫ Tb 0 p(T' ) ⋅ p[T '+ ( t 2 − t1 ) − kTb ]dT ' 1 Tb R p ( τ − kTb ) {p( t1 − nTb − T) ⋅ p[t 2 − (n + k )Tb − T]} donde ∞ = 1 Tb ∫ Tb 0 p ( T' ) ⋅ p (T'+ τ − kTb )dT' = τ = t 2 − t 1. t 2 ) = E{X(t 1 ) ⋅ X( t 2 )} = E ⎨ A n ⋅ p ( t 1 − nTb − T) ⋅ A m ⋅ p (t 2 − mTb − T) ⎬ ⎪ n=−∞ ⎪ ⎩ ⎭ m =−∞ ∑ ∑ = n =−∞ m =−∞ ∑ ∑E{A ∞ n k = −∞ ∞ ∞ n ⋅ A m }E{p ( t 1 − nTb − T) ⋅ p ( t 2 − mTb − T)} ∞ R X (t 1 .158) E{X( t )} = ηa K constante El valor esperado de X(t) es ahora constante e independiente del tiempo. ∞ ⎧ ∞ ⎫ ⎪ ⎪ R X ( t 1 .239 III. VARIABLES Y PROCESOS ALEATORIOS Entonces ⎧ ∞ ⎫ ∞ E {X(t)} = E ⎨ ∑ A n ⋅ p(t − nTb − T) ⎬ = ∑ E {A n } ⋅ E {p(t − nTb − T)} ⎩ n =−∞ ⎭ n =−∞ E{X(t )} = η a ⋅ pero n =−∞ ∑E{p(t − nT ∫ ∞ −∞ ∞ b − T)} 1 Tb Π( T − Tb / 2 Tb )dT = 1 Tb E{p (t − nTb − T)} = p ( t − nTb − T) ⋅ ∫ Tb 0 p (t − nTb − T) dT Con el cambio de variables T' = t − nTb − T . obtenemos E{p( t − nTb − T )} = pero podemos hacer Entonces. − 1 t − nTb p(T' )dT' Tb ∫t − ( n +1) Tb t − nTb t −( n +1) Tb − n = −∞ ∑∫ Tb ∞ p(T' )dT' = ∫ p( t )dt = K −∞ ∞ una constante (3. t 2 ) = ∑ E{A A } ∑ E{p( t n+k n = −∞ 1 − nTb − T ) ⋅ p[ t 2 − ( n + k )Tb − T ]} pero E{p (t 1 − nTb − T) ⋅ p[t 2 − ( n + k ) Tb − T]} = ∫ Tb 1 1 Tb Tb 0 p (t 1 − nTb − T ) ⋅ p[ t 2 − ( n + k )Tb − T]dT Con el cambio de variables T' = t 1 − nTb − T . t 2 ) = R X (τ ) = 1 Tb k =−∞ ∑ E{A n A n+ k } ⋅ R p (τ − kTb ) (3. Finalmente. la función de autocorrelación de X(t) resulta en R X (t 1 .

S X (f ) = {R X (τ )} = T 1 σ2 a b | P (f )| + 2 2 ηa Tb S X (f ) = ∞ ⎡ ⎤ | P (f )|2 ⎢σ2 + η 2 exp( − j2πkTb f ) ⎥ a a Tb ⎢ ⎥ ⎣ ⎦ k =−∞ k =−∞ ∑| P(f )| ∞ 2 exp(− j2πkTb f ) (3. entonces. P(f) = {p(t )} (3. ∞ ∞ 1 n exp(− j2πkTb f ) = δ(f − ) .240 III. 146). para k = 0. Nótese que ahora la función de autocorrelación depende solamente de la diferencia τ = t 2 − t 1.159) para darle una forma cuya transformada de Fourier se pueda determinar con facilidad.159) se puede escribir ahora en la forma R X (τ ) = R X ( τ) = donde 1 Tb (σ2 a + η2 ) R p ( τ ) + a η2 a Tb k =−∞ ∑R (τ − kT ) p b ∞ con k ≠ 0 2 σa η2 R p ( τ) + a Tb Tb k = −∞ ∑R ∞ p (τ − kTb ) para todo k (3. t 2 ) = R X (τ ) . entonces el proceso X(t) es por lo menos débilmente estacionario y su densidad espectral podrá determinarse mediante la expresión (3. E{A n A n + k } = E{A n } ⋅ E{A n+ k } = η 2 a ⎧σ2 + η 2 ⎪ a a E{A n A n + k } = ⎨ 2 ⎪η a ⎩ para k = 0 para k ≠ 0 y en una forma más compacta. a (3. Para determinar la densidad espectral de X(t) vamos a simplificar la expresión (5.104). E{A n A n } = E A n = σa + η 2 a varianza σ2 .161) La expresión (3. (3.146). Supongamos que la secuencia aleatoria de estados A n es estadísticamente independiente con valor promedio η a y E{A n } = ηa 2 2 También.162) R p (τ ) = ∫ ∞ −∞ p (t ) p ( t + τ ) dt ⇔ S p ( f ) =| P ( f )|2 .165) . de acuerdo con la expresión (3. En efecto. Puesto que E{X( t )} es constante y R X ( t 1 . Tb Tb n=−∞ k =−∞ ∑ ∑ ⎡ η2 ⎢ σ2 + a S X (f ) = | P (f )| a Tb Tb ⎢ ⎣ 1 2 n ⎤ δ(f − )⎥ Tb ⎥ ⎦ n =−∞ ∑ ∞ (3.163) La expresión (3.160) { } y para k ≠ 0.164) ∑ Pero del dual de la expresión (1. Entonces. VARIABLES Y PROCESOS ALEATORIOS donde R p ( τ ) es la integral de correlación de p(t).162) nos permite determinar la densidad espectral de X(t).

241
III. VARIABLES Y PROCESOS ALEATORIOS

que también podemos escribir en la forma ∞ ⎡ ⎤ 1 2 ⎢ E A 2 + 2 E {A n A n+ k } cos( 2πkTb f )⎥ S X (f ) = | P ( f )| n Tb ⎢ ⎥ ⎣ ⎦ k =1

{ } ∑

(3.166)

En resumen, si se tiene un proceso aleatorio discreto de la forma X( t ) = donde
n =−∞

∑A

n

⋅ p ( t − nTb − T )
para para k=0 k≠0

(3.167) (3.168)

⎧σ2 + η 2 ⎪ a a E{A n A n + k } = ⎨ 2 ⎪η a ⎩

y T es un retardo aleatorio distribuido uniformemente en el intervalo (0, Tb), la densidad espectral de potencia de X(t) vendrá dada entonces por ⎡ η2 a 2 S X (f ) = | P ( f )| ⎢σa + Tb Tb ⎢ ⎣ 1
2

n =−∞

δ( f −

n ⎤ )⎥ Tb ⎥ ⎦

(3.165)

o por

S X (f ) =

∞ ⎡ ⎤ 1 | P( f )|2 ⎢ E A 2 + 2 E{A n A n + k } cos(2 πkTb f ) ⎥ n Tb ⎢ ⎥ k =1 ⎣ ⎦

{ } ∑

(3.166)

Nótese que, en general, la densidad espectral de potencia de una secuencia binaria aleatoria contiene una parte continua y una parte discreta con impulsos Delta Dirac en las frecuencias n/Tb. Estos impulsos se pueden utilizar para extraer la señalización de reloj de período Tb para la temporización en el receptor, aunque algunas veces pueden ser perjudiciales. Nótese que para k ≠ 0, E{A n A n + k } = E{A n } ⋅ E{A n + k } . Si E{A n } = ηa = 0 , entonces, de (3.158), E{X( t )} = 0 , lo que significa que la secuencia aleatoria x(t) no posee una componente continua y, por lo tanto, la densidad espectral de potencia Sx(f) no contiene componentes discretas. En este caso, las estadísticas de x(t) son
S X (f ) = σ2 a Tb | P (f )|
2

⇔ R X (τ ) =

2 σa

Tb

[ p(t ) ∗ p(-t)]

(3.169)

En resumen, cuando el valor promedio de la secuencia aleatoria x(t) es cero (no posee una componente continua), su densidad espectral de potencia Sx(f) será puramente continua y no contendrá componentes discretas (De aquí la utilización en la práctica de secuencias aleatorias bipolares). Una forma de explicar esta característica es que las componentes periódicas son una consecuencia de lo que puede llamarse el aspecto “periódico” de los trenes de impulsos. Los impulsos pueden aparecer solamente en instantes periódicos (múltiplos de Tb) y este hecho se refleja en la presencia de componentes espectrales discretas a las frecuencias que son múltiplos enteros de Tb. Por ejemplo, en la secuencia aleatoria bipolar NRZ, Fig. 3.23(a), la presencia, en promedio, de un número igual de impulsos positivos y negativos, significa que todas las componentes discretas en el espectro (tanto en f = 0 como en altas frecuencias) son eliminadas y la densidad espectral será puramente continua, Fig. 3.23(c). Las expresiones (3.161), (3.165), (3.166) y (3.169), nos permiten determinar la densidad espectral de potencia y la función de autocorrelación de diferentes señales digitales binarias

242
III. VARIABLES Y PROCESOS ALEATORIOS

utilizadas en la práctica para la transmisión de impulsos en banda de base. Nótese que no es necesario que el proceso X(t) sea ergódico, es suficiente que sea débilmente estacionario.
3.9.2. Densidad Espectral y Función de Autocorrelación de Secuencias PCM

En el Capítulo V se utiliza un conjunto de señales aleatorias binarias cuyas densidades espectrales podemos ahora calcular. En efecto, sea la secuencia aleatoria unipolar NRZ de amplitud A mostrada en la Fig. 3.21(a).
A 1 1 0 1 0 0 1 1 t

x(t) 0

Tb R x ( τ) A /2 A2 / 4
2

(a) Secuencia Aleatoria Unipolar NRZ
0.4

Sx(f)
Sx( f ) 0.2

A 2Tb = 1

− Tb Tb 0 (b) Función de Autocorrelación

τ

0

3

2

1

0 f

1

2

Tb f

3

(c) Densidad Espectral de Potencia Fig. 3.21.

Para una secuencia aleatoria unipolar NRZ de amplitud A, se cumple que A 1 = A y A 2 = 0 con probabilidades 1/2; entonces, de (3.151), Para k = 0, Para k ≠ 0, de donde
σ2 + a

E

{ }
A2 n

2 A1 A 2 A 2 2 2 = + = = σa + η 2 a 2 2 2

2 2 A 1 A 1A 2 A 2 A 1 A 2 A 2 2 E{A n A n + k } = + + + = = ηa 4 4 4 4 4

A2 A2 A2 = ∴ σ2 = a 4 2 4 Como los impulsos son rectangulares de duración Tb , entonces t 2 p(t ) = Π( ) ⇔ P (f ) = Tb sinc(Tb f ) y |P(f)|2 = Tb sinc 2 (Tb f ) Tb

Reemplazando lo anterior en (3.165), ⎡ A 2 Tb 1 S X (f ) = sinc 2 (Tb f )⎢1 + 4 ⎢ ⎣ Tb

n =−∞

∑δ(t − Tn )⎥⎦⎥
b

pero como sinc 2 (Tb f ) tiene sus ceros en los puntos n / Tb con n ≠ 0 , habrá solamente una componente discreta a la frecuencia cero, de donde A 2 Tb A2 A2 S X (f ) = sinc 2 (Tb f ) + Tb sinc 2 ( Tb f ) + δ ( f ) δ( f ) = (3.170) 4 4 4

[

]

243
III. VARIABLES Y PROCESOS ALEATORIOS

cuya transformada inversa, su función de autocorrelación, es R X ( τ) = A2 ⎡ τ ⎤ ⎢1 + Λ ( ) ⎥ 4 ⎣ Tb ⎦ (3.171)

En la Fig. 3.21(b) se muestra la función de autocorrelación y en la Fig. 3.21(c) la densidad espectral de potencia de la secuencia aleatoria unipolar NRZ. En transmisión de impulsos mediante portadora modulada (Capítulo V) se transmite la señal ASK que tiene la forma x ASK ( t ) = x( t ) cos(2πf c t ) , donde x(t) es una secuencia aleatoria unipolar NRZ de amplitud A. Mediante aplicación del teorema de la modulación para señales de potencia, la correspondiente densidad espectral de potencia de la señal x ASK ( t ) es (ver Fig. 5.62), A 2 Tb ⎡ f +f f −f ⎤ A2 S ASK (f ) = [ δ(f + f c ) + δ(f − f c )] + 16 ⎢sinc 2 ( 1 / T c ) + sinc 2 ( 1 / T c )⎥ 16 ⎣ b b ⎦ (3.172)

Aplicando este procedimiento a diferentes secuencias aleatorias que representan algunos códigos de línea, podemos demostrar (Ver Problema de Aplicación 3.30): (a) Para una secuencia aleatoria unipolar RZ de amplitud A, Fig. 3.22(a):
A x(t) 0
0.1

1

1

0

1

0

0

1

1 t

Tb
(a) Secuencia Aleatoria Unipolar RZ Sx(f)
Sx( f ) 0.05
2

R x ( τ) A 2 / 2 A /4 − Tb − Tb / 2 0 Tb / 2 Tb (b) Función de Autocorrelación
τ
0

A 2 Tb = 1

3

2

1

0

1

2

f (c) Densidad Espectral de Potencia

Tb f

3

Fig. 3.22

La densidad espectral de potencia de esta secuencia es 1 A 2Tb T ⎡ SX ( f ) = sinc2 ( b f ) ⎢1 + 16 2 ⎢ Tb ⎣
2

n =−∞

δ( f −

n ⎤ )⎥ Tb ⎥ ⎦

Los impulsos de δ( f − n / Tb ) están presentes en las frecuencias

( n / Tb ) , pero como

sinc (Tb f / 2) tiene sus ceros en las frecuencias (2n / Tb ) , entonces S X ( f ) contendrá impulsos solamente en las frecuencias para n impar y n = 0. Nótese que el impulso en ( f = 1 / Tb ) se puede utilizar para extraer la información de señalización o temporización (reloj). Hechas estas consideraciones, la densidad espectral Sx(f) queda entonces en la forma

244
III. VARIABLES Y PROCESOS ALEATORIOS
∞ A2 ⎡ n ⎤ 4 2 Tb ⎢ Tb sinc ( f ) + δ (f ) + S x (f ) = ' 2 2 δ (f − )⎥ para n impar Tb ⎥ 16 ⎢ 2 n π n =−∞ ⎣ ⎦

(3.173)

Esta densidad espectral, mostrada en la Fig. 3.22(c), contiene un impulso en el origen e impulsos a las frecuencias n/Tb para n impar. La notación
el valor n = 0. La correspondiente función de autocorrelación es, Fig. 3.22(b),
R X (τ ) = A2 2
∞ ⎡ τ − nTb ⎤ τ ⎢Λ ( )+ )⎥ Λ( Tb / 2 ⎥ ⎢ Tb / 2 n =−∞ ⎣ ⎦

n=−∞

∑ ' indica que la sumatoria no incluye

(5.173)

(b)

Para una secuencia aleatoria bipolar NRZ de amplitudes ± A, Fig. 3.23(a).
x(t) 0 A 1 1 0 1 0 0 1 1 t

Tb
-A (a) Secuencia Aleatoria Bipolar NRZ
1

R x ( τ)

A2
Sx( f ) 0.5

Sx(f)

A 2Tb = 1

τ − Tb Tb 0 (b) Función de Autocorrelación

0

4

3

2

1

0 f

1

2

3

Tb f

4

(c) Densidad Espectral de Potencia Fig. 3.23

La densidad espectral de potencia y la función de autocorrelación correspondientes, vienen dadas por τ S X (f ) = A 2 Tb sinc 2 (Tb f ); R X (τ ) = A 2 Λ ( ) (3.175) Tb En la Fig. 3.23(b) se muestra la función de autocorrelación y en la Fig. 3.23(c) la densidad espectral de una secuencia aleatoria bipolar NRZ de amplitudes ± A . La modulación binaria PSK, que veremos en el Capítulo V, se puede considerar como el producto de una secuencia aleatoria bipolar NRZ de amplitud A por una señal sinusoidal de frecuencia fc , es decir,

x PSK ( t ) = x( t ) ⋅ cos(2πf c t )

245
III. VARIABLES Y PROCESOS ALEATORIOS

Aplicando el teorema de la modulación para señales de potencia, la densidad espectral de potencia de una señal PSK es

⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ (3.176) ⎢sinc ( fb ⎦ fb ⎣ expresión que tiene la misma forma que (3.172), con la diferencia de que S PSK ( f ) no contiene impulsos en las frecuencias f = ± f c . Nótese que la densidad espectral de una señal DPSK, que veremos en el Capítulo V, es igual a la densidad espectral de una señal PSK, pues desde el punto de vista espectral no hay diferencia entre una señal PSK y una DPSK.
S PSK ( f ) = (c) Para una secuencia aleatoria bipolar AMI RZ de amplitud ± A, Fig. 3.24(a).
A 1 1 0 1 0 0 1 1 t

A 2 Tb 4

x(t)

0 -A

Tb
0.3

R x ( τ) − Tb / 2 − Tb
0

A2 / 4 Tb / 2 Tb − A2 / 8

0.2 Sx( f )

Sx(f)

A 2 Tb = 1

τ0.1
0

4

3

2

1

0 f

1

2

3

(b) Función de Autocorrelación Fig. 3.24

(c) Densidad Espectral de Potencia

Tb f

4

La densidad espectral de esta secuencia es A 2 Tb T S X (f ) = sinc 2 ( b f ) sen 2 ( πTb f ) 4 2 (3.177)

que se muestra en la Fig. 3.24(c); la correspondiente función de autocorrelación, Fig. 3.24(b), es

τ − Tb ⎤⎫ A2 ⎧ τ 1 ⎡ τ + Tb ⎨Λ ( R X (τ ) = ) − ⎢Λ( ) + Λ( )⎥⎬ Tb / 2 ⎦⎭ 4 ⎩ Tb / 2 2 ⎣ Tb / 2
La densidad espectral de la secuencia aleatoria MANCHESTER, Fig. 3.25(c), es S X (f ) = A 2 Tb sinc 2 ( Tb Tb f ) sen 2 (π f) 2 2

(3.178)

(c) Para una secuencia aleatoria bipolar MANCHESTER de amplitud ± A, Fig. 3.25(a).

(3.179)

y la correspondiente función de autocorrelación, Fig. 3.25(b),

246
III. VARIABLES Y PROCESOS ALEATORIOS

R X (τ) = A 2 Λ (

τ A2 )− Tb / 2 2

⎡ τ + Tb / 2 τ − Tb / 2 ⎤ ) + Λ( )⎥ ⎢Λ( Tb / 2 Tb / 2 ⎦ ⎣

(3.180)

En la Fig. 3.25(b) se muestra la densidad espectral de potencia de la secuencia bipolar MANCHESTER de amplitud ± A .

(e) Función de Autocorrelación y Densidad Espectral de Potencia del Ruido Térmico La secuencia aleatoria mostrada en la Fig. 3.19(a) tiene la forma típica del ruido térmico en conductores. La señal cambia abruptamente en amplitud en instantes aleatorios. El número promedio de transiciones por segundo de la amplitud es α , y el número de transiciones sigue la distribución de Poisson. La amplitud después de una transición es independiente de la amplitud de la transición anterior. Se demuestra [Lathi, 1968] que para el ruido térmico 2kTRα 2 R X (τ ) = kTRα ⋅ exp(−α| τ|) ⇔ S X (f ) = 2 (3.181) α + 4π 2 f 2 cuyas formas se muestran en la Fig. 3.26.

R X (τ )

S X (f )

(a) Función de Autocorrelación

0

τ

(b) Densidad Espectral de Potencia

0

f

Fig. 3.26. Características del Ruido Térmico.

k es la constante de Boltzmann y T la temperatura absoluta, en kelvins, en el conductor de resistencia R. Como α es del orden de 1014, la densidad es casi plana para frecuencias hasta el

247
III. VARIABLES Y PROCESOS ALEATORIOS

orden de 1013 Hz. En consecuencia, para efectos prácticos el ruido térmico se puede considerar como ruido blanco con una densidad espectral SX(f) = 2kTR, que es el mismo resultado (2.138) de Johnson y Nyquist.
3.9.3. Secuencias Binarias Seudoaleatorias Características Espectro-Temporales

En la sección anterior consideramos secuencias aleatorias de duración infinita las cuales, en su mayoría, son generadas a partir de un proceso físico, por ejemplo, una fuente de información. Pero hay una clase de secuencias aleatorias binarias que son periódicas, esto es, son secuencias infinitas formadas por una subsecuencia aleatoria binaria de duración T que se repite periódicamente. Debido a su característica periódica pero a la vez aleatoria, a estas secuencias se las denomina “secuencias seudoaleatorias”, “secuencias PN (del inglés Pseudo-Noise)” o “secuencias m”. El término “seudo-aleatorio” significa que la señal es aleatoria en apariencia pero reproducible por medios determinísticos. Una secuencia binaria de este tipo se muestra en la Fig. 3.27. Debido a su naturaleza determinística, este tipo de secuencia no contiene ninguna clase de información, pero puede ser modulada para transportar algún tipo de información.
s(t) 1
0
0 0 1 1 0 1 T = N Ts 0 1 1 1 1 0 0 0 1 0 Ts 0 1 1 0 1 T = N Ts 0 1 1 1 1 0 0 0 1

t

_1

Período

Período

Secuencia Recurrente: 0 0 1 1 0 1 0 1 1 1 1 0 0 0 1 ; N = 15 dígitos o "chips" Fig. 3.27. Secuencia Binaria Seudoaleatoria

Cada período de la secuencia seudoaleatoria está formado por N dígitos o “chips” de duración Ts y para efecto de análisis consideraremos secuencias NRZ. Las secuencias seudoaleatorias no se producen espontáneamente sino que son generadas por métodos artificiales; este hecho es de gran importancia pues permite la reproducción de señales seudoaleatorias idénticas, lo cual es imposible de lograr con secuencias aleatorias de cualquier otro tipo. Las secuencias seudoaleatorias son muy utilizadas en el campo de la ingeniería eléctrica, sobre todo en el dominio de las telecomunicaciones, y sería de interés conocer sus características temporales y frecuenciales, en particular su función de autocorrelación y su densidad espectral de potencia. Se demuestra [Couch, 1990] que la función de autocorrelación de una secuencia seudoaleatoria s(t) es R s ( τ) =

n =−∞

∑ (1 + N )Λ(
1

τ − nNTs 1 )− Ts N

(3.182)

la cual tiene la forma mostrada en la Fig. 3.28.

248
III. VARIABLES Y PROCESOS ALEATORIOS

La correspondiente densidad espectral de potencia se puede determinar mediante el teorema de Wiener-Khintchine.
Rs (τ ) 1 T = NTs
_ _

1 1 f o= = T NTs

Ts

0

NTs

Fig. 3.28. Función de Autocorrelación de una Secuencia Binaria Seudoaleatoria.

1 N

Ts NTs

τ

Como R s ( τ ) es una función periódica, su transformada de Fourier Ss(f) se puede determinar mediante el método visto en la Sección 1.8, Capítulo I, expresiones (1.102) y (1.103). En efecto, de la Fig. 3.28, la función generatriz R sg ( τ ) de R s ( τ ) es R sg ( τ) = (1 + 1 τ 1 τ ) Λ ( ) − Π( ) N Ts N NTs
fo = 1 . NTs

siendo la frecuencia fundamental

La transformada de Fourier de R sg (τ ) es S sg (f ) = (1 + 1 )Ts sinc 2 (Ts f ) − Ts sinc(NTs f ) N

De (1.103), el correspondiente coeficiente de Fourier será S sn = 1 NTs

n 1 1 ⎡ ⎤ N+1 2 n sinc 2 ( ) − sinc(n) ⎢ (1 + N )Ts sinc ( N ) − Ts sinc(n)⎥ = 2 N N ⎣ ⎦ N

De (1.102), la densidad espectral de potencia resulta en S s (f ) =

n =−∞

∑ ⎢⎣ N

⎡N +1
2

1 n ⎤ sinc 2 ( ) − sinc(n)⎥δ (f − nf o ) N N ⎦

pero

⎧1 para n = 0 sinc(n) = ⎨ ⎩0 para n ≠ 0 Entonces, para n = 0, 1 ⎡N +1 1 ⎤ S s (f )|n = 0 = ⎢ 2 − ⎥δ (f ) = 2 δ (f ) N⎦ N ⎣ N La densidad espectral de potencia de una secuencia binaria seudoaleatoria s(t) será entonces S s (f ) =

n =−∞

∑' N

N+1
2

1 n sinc 2 ( )δ (f − nf o ) + 2 δ (f ) N N

(3.183)

249
III. VARIABLES Y PROCESOS ALEATORIOS

donde

n =−∞

∑'

indica que la sumatoria no incluye el valor n = 0; N es el número de dígitos binarios

o “chips” dentro de un período, y f o = 1/ NTs la frecuencia de recurrencia. La densidad espectral de potencia de una secuencia seudoaleatoria, expresión (3.183), es un espectro discreto o de líneas cuya envolvente tiene la forma mostrada en la Fig. 3.29 (frecuencias positivas solamente).
S s (f )

N +1 N
2

sinc2 (

f ) fs
f

1 N
2

fs =
0

1 = Nf o Ts

fo 2fo 3fo

fs

Fig. 3.29. Densidad Espectral de Potencia de una Secuencia Seudoaleatoria.

Si el número de “chips” N es muy grande, las líneas espectrales se juntan cada vez más y para efectos prácticos la densidad espectral puede considerarse como un espectro continuo muy parecido al de una señal aleatoria binaria bipolar NRZ, como la mostrada en la Fig. 3.23.
Dispersión del Espectro (Spread Spectrum)

La “dispersión del espectro (Spread Spectrum, SS)” es una técnica de modulación digital en la cual una secuencia aleatoria binaria portadora de información modula a una secuencia seudoaleatoria; como consecuencia, el espectro resultante se esparce o dispersa y su ancho de banda es mucho mayor que el ancho de banda de la señal moduladora. El principio de dispersión del espectro es muy utilizado en sistemas de comunicación para evitar interferencias (espontáneas o maliciosas (jamming)), para robustecer los sistemas contra escuchas indebidas y para la transmisión de múltiples señales por un mismo canal. En el Capítulo V se estudian algunos de los sistemas utilizados en la práctica. Consideremos entonces una secuencia aleatoria bipolar NRZ m(t) de la forma dada en la Fig. 3.23(a); multipliquemos esta señal por la secuencia seudoaleatoria s(t) de la Fig. 3.27, donde debe cumplirse que
1 = Tb = NTs fb y fo = f b

(3.184)

como se muestra en la Fig. 3.30; m(t) y s(t) son independientes. Nótese que s 2 ( t ) = ( ±1) 2 = 1 . Puesto que m(t) y s(t) son independientes, entonces se verifica que si s p (t ) = m(t ) ⋅ s(t ) , de donde m(t) ⇒ Sm (f ) ⇔ R m (τ) y s(t) ⇒ Ss (f ) ⇔ R s (τ), entonces R sp (τ)=R m (τ) ⋅ R s (τ)

250
III. VARIABLES Y PROCESOS ALEATORIOS

A 0 _ A 1 0 _ 1

m(t)
1 fb = Tb

Un Dígito de m(t)
Tb
1 fs = Ts T = NTs 1 fo = f b = T
t

s(t)

t

Ts

Fig. 3.30. Mensaje m(t) y Señal Dispersora s(t).

Del Teorema de Wiener-Kintchine, R sp ( τ) ⇔ Ssp (f ) , y por el teorema de convolución S sp (f ) = S m (f ) ∗ S s (f ) , donde, normalizando (3.175) haciendo A 2 Tb = 1, S m (f ) = sinc 2 ( Entonces, S sp ( f ) = S sp ( f ) =
f ) y s p ( t ) ⇒ S sp ( f ) fb S sp (f ) = S s (f ) ∗ S m (f )

n =−∞ ∞ n =−∞

∑'

( N + 1) N
2

sinc 2 ( sinc 2 (

n 1 )[S m ( f )∗ δ ( f − nf o ) ] + 2 [S m ( f )∗ δ ( f )] N N 1 n ) ⋅ S m ( f − nfo) + 2 S m ( f ) N N (3.185)

∑'

( N + 1) N
2

En la Fig. 3.31 se muestra este espectro disperso que determinamos, para no hacer muy largo el tiempo de cálculo, con N = 31; fb = fo = 1 kHz y fs = 31 kHz. Puede notarse que el efecto de la multiplicación es el de producir un espectro que se extiende aproximadamente N veces el valor del espectro original, el cual se muestra con líneas punteadas para efectos de comparación (las curvas no están a escala: la amplitud de Ssp (f ) se ha multiplicado por 10 para poderla observar cómodamente en la Fig. 3.31). El espectro mostrado en la Fig. 3.31 se ha calculado para N = 31, pero en la práctica el valor de N va desde una centena hasta varios millares. Para | f | ≥ f s , el espectro disperso es despreciable, y se puede establecer que el ancho de banda B del espectro disperso es B ≈ Nf b , donde fb es la frecuencia de señalización de la secuencia binaria aleatoria m(t). Al factor N ≈ B / f b se le suele llamar “ganancia de procesamiento” y es similar al factor de expansión del ancho de banda β m de los métodos de modulación clásicos que veremos en los siguientes capítulos. El espectro de la señal original m(t) está completamente enmascarado en el espectro disperso Ssp(f) y su detección es prácticamente imposible porque dentro de la banda de paso de m(t) y para altos valores de N la potencia de s p ( t ) es tan pequeña que se acerca a los niveles de potencia del ruido. Para cualquier observador, el contenido de potencia del espectro disperso en la gama

251
III. VARIABLES Y PROCESOS ALEATORIOS

| f | ≤ f b sería ruido simplemente. Para tener una idea de las magnitudes en juego, vamos a calcular la relación entre la potencia de la señal útil m(t) respecto a la potencia del espectro disperso S sp ( f ) en la gama de frecuencias | f | ≤ f b . Con los valores utilizados en el cálculo del espectro disperso de la Fig. 3.31, esta relación es de 14,273 dB, es decir, la potencia del espectro disperso está a 14,273 dB (26,75 veces) por debajo de la potencia de m(t). Esta diferencia se hace más alta para altos valores de N. En general, cuando N >> 1, la relación Potencia del Espectro de Señal /Potencia del Espectro Disperso varía proporcionalmente a N, donde N es la ganancia de procesamiento.

1

Espectro Original Sm(f)
0.75 Sm ( f ) Ssp( f ) . 10 0.5 0.25 0 4 4 2 10 4 4 4 4

Espectro Disperso Ssp(f)

3 10

1 10

0 f

1 10

2 10

3 10

Fig.3.31. Espectro Disperso Ssp(f) y Espectro de Señal Sm(f)
En el Capítulo V se aplican estos conceptos a los sistemas de transmisión de señales binarias por dispersión del espectro (Spread Spectrum).
Generación de Secuencias Binarias Seudoaleatorias

Debido a su naturaleza periódica y determinística, las secuencias seudoaleatorias se pueden generar en forma artificial. Esto es de capital importancia en el campo de las telecomunicaciones pues permite la generación de réplicas exactas y sincronizadas tanto en el transmisor como en el receptor. Sin profundizar en la teoría matemática de las secuencias, se puede decir que las secuencias seudoaleatorias son una subclase importante de las secuencias binarias recurrentes, las cuales se pueden generar mediante dispositivos lineales retroalimentados muy fáciles de realizar con registros de desplazamiento digitales corrientes. Las secuencias seudoaleatorias o secuencias PN de interés en telecomunicaciones deben cumplir con las siguientes condiciones: (1) Que sean fáciles de generar (2) Que posean las propiedades aleatorias necesarias (3) Que su período sea grande (4) Que sean difíciles de reconstruir a partir de un corto segmento de la secuencia Estas condiciones son cumplidas en general por registros retroalimentados de la forma mostrada en la Fig. 3.32.

La secuencia de salida es una secuencia recurrente cuya longitud máxima está relacionada con el número de etapas r del registro mediante la ecuación N = 2 r − 1. si su estado inicial es 0 0 0 1. Las combinaciones de “tomas” que producen la máxima longitud han sido estudiadas extensamente en la literatura y se presentan siempre en forma tabulada [Sarwate y Pursley.0 es una combinación prohibida. 3. 3.32. Generador de Secuencias Seudoaleatorias de r Etapas El contenido del registro de r etapas se combina linealmente con los coeficientes a k y se retroalimenta a la primera etapa. 3.33.252 III. En general. de hecho. . Nótese que las “tomas” del registro de longitud máxima pasan una y solamente una vez por todas las combinaciones posibles de sus r dígitos (exceptuando la combinación de puros CEROS) y como conocemos todas estas combinaciones.33 se muestra un generador PN de longitud máxima de cuatro etapas. ar = 1 (3. es fácil determinar el número de CEROS y UNOS de la secuencia recurrente.187) Normalmente el registro se inicializa con el estado inicial 0 0 0 1..0 no se utiliza como estado inicial porque produciría una salida de puros CEROS. La secuencia en C n satisface la ecuación de recurrencia Cn = ∑a k =1 r k ⋅ C n− k Módulo 2. Esta expresión determina la máxima longitud posible de la secuencia. el estado 0 0 0 0. denominados “tomas” o “taps”. en los registros prácticos se hace a 1 = a 2 = ⋅⋅⋅ = a r = 1 . VARIABLES Y PROCESOS ALEATORIOS Reloj Cn 1 Cn − 1 a1 2 Cn − 2 a2 3 Cn − 3 a3 r Cn− r ar Salida Suma Módulo 2 Fig.186) El ciclo periódico de los estados depende del estado inicial del registro y de los coeficientes a k . 1980]. para un total de N = 2 r − 1 “chips”.. y a cada impulso de reloj a la salida van apareciendo los “chips” que forman la secuencia... mostrado en la Fig.. el estado 0 0 0 . aunque no todas las combinaciones de “tomas” producen la máxima longitud. la secuencia recurrente a la salida Q4 será (la flecha indica el sentido del flujo de dígitos): 001101011110001 (3. En la Fig.

33 es entonces un Registro < 4. el Registro < 7. el lector puede consultar el ARRL SPREAD SPECTRUM SOURCEBOOK. la probabilidad de que la amplitud de una señal aleatoria esté dentro de cierto rango en un determinado instante. En particular. ki >. sin embargo. 1 > caracteriza un generador de longitud máxima de 7 etapas en el cual se suman las “tomas” 1 y 7 en módulo 2 y se aplican a la primera etapa. 3.27. Número de “chips” de la secuencia = N = 2 r − 1 Número de UNOS en la secuencia = N (1) = 2r = 2 r −1 2 (3. N = 24 . junto con la “toma” r. son utilizados en el Servicio de Radioaficionados. VARIABLES Y PROCESOS ALEATORIOS Reloj 1 Q1 0 2 Q2 0 3 Q3 0 4 Q4 1 Salida 001101011110001 Fig. que junto con el Registro <7. Las señales aleatorias no pueden ser descritas mediante expresiones explícitas del tiempo. De acuerdo con esta convención.1= 15 “chips”.10 RESUMEN En este capítulo se han desarrollado algunos modelos para las señales mensaje de carácter aleatorio presentes en los sistemas de comunicación. cuya secuencia de salida tiene la forma de la Fig. respectivamente.253 III. se tiene: r = 4. 5.1>. Por ejemplo. 3. N ( 0) = 8 − 1 = 7 CEROS. cuando se examinan durante un largo período. 3. El lector puede verificar que estos valores se cumplen en la secuencia recurrente (3. por ejemplo.188) (3. ellas exhiben ciertas regularidades que se pueden describir en términos probabilísticos o como promedios estadísticos. 4. Para más información sobre las secuencias aleatorias y sus aplicaciones en los sistemas de espectro disperso. 1> y el Registro <19. para el generador PN de la Fig. Estos modelos. N el número de dígitos o “chips” de la secuencia recurrente y N ( 0) y N (1) los números de CEROS y UNOS.33. El proceso aleatorio se puede utilizar para estimar. = 2 3 = 8 UNOS. Sea entonces r el número de etapas del registro.187). contenidos en la secuencia recurrente.190) Número de CEROS en la secuencia = N ( 0) = N (1) − 1 = 2 r −1 − 1 El número de CEROS es uno menos que el número de UNOS. 1>. Entonces.33. Generador PN de Longitud Máxima de 4 Etapas. . 3. La convención establecida para representar los registros de longitud máxima tiene la forma Registro < r. se denominan “proceso aleatorio o estocástico”. la entrada a la primera etapa.189) (3. el generador mostrado en la Fig. 3. 3. 1 >. N (1) Por ejemplo. edición de 1991. donde el término r indica el número de etapas del registro y ki las “tomas” que hay que combinar en suma módulo 2 para formar. 2. el proceso aleatorio se puede emplear para desarrollar descripciones de señales aleatorias en el dominio de la frecuencia. Otros registros de aplicación práctica son el Registro <13. en la forma de una descripción probabilística de un conjunto de señales del tiempo.

3. Sea una secuencia binaria de 1428 UNOS y 2668 CEROS. Estos receptores vienen en gabinetes de color marfil.4. en especial su función de autocorrelación y su densidad espectral de potencia. Estas secuencias se tratan con cierto detalle. (b) Demuestre que la probabilidad de obtener 7 puntos es de 1/6 (c) Demuestre que la probabilidad de obtener 5 puntos ó 7 puntos ó 8 puntos es de 15/36. Para este tipo de señal se determina la función de autocorrelación y la densidad espectral de potencia. y es muy importante conocer sus estadísticas. La teoría de la probabilidad trata la noción de probabilidad de sucesos aleatorios y el concepto de variable aleatoria. Una compañía construye receptores de radio de 6. (a) Demuestre que la probabilidad de obtener 8 puntos es de 5/36. Todas las señales PCM y los diferentes códigos de transmisión digital son secuencias aleatorias binarias.2. Si el valor promedio y la función de autocorrelación de un proceso son invariantes en el tiempo. Basado en estas ideas se define la noción de proceso aleatorio. Demuestre que la probabilidad de recibir un UNO en un intervalo cualquiera es de 0. Los promedios estadísticos de más utilización son el valor promedio y la función de autocorrelación. y en particular las secuencias aleatorias binarias. Para complementar el tema. En el Capítulo V se aplican estas nociones en algunos sistemas de transmisión digital. el cual tiene la propiedad de que los promedios conjunto son iguales a los promedios tiempo. Demuestre que P(A + B + C) = P(A) + P(B) +P(C) -P(AB) -P(AC) -P(BC) + P(A B C) 3. PROBLEMAS DE APLICACION 3. en cuyo caso se puede definir la existencia de una densidad espectral de potencia que muestra la distribución de la potencia en el dominio de la frecuencia. se presenta una breve exposición sobre la generación y aplicación de las secuencias binarias seudoaleatorias. el espectro de la señal resultante se esparce o dispersa y su ancho de banda es mucho mayor que el ancho de banda de la señal mensaje. habiéndose determinado la función de autocorrelación y la densidad espectral de potencia de algunas de las secuencias aleatorias binarias más utilizadas en los sistemas de transmisión digital. Una subclase especial de los procesos estacionarios es el llamado proceso ergódico.000 receptores distribuidos en la forma siguiente.3486. .254 III. La dispersión del espectro se produce cuando una secuencia binaria portadora de información modula una secuencia seudoaleatoria. De gran importancia en el análisis de sistemas digitales son los procesos aleatorios discretos. En el depósito de la compañía hay 10. entonces se dice que el proceso es estacionario en el sentido amplio. El proceso aleatorio se ha definido en términos de sus estadísticas que son simplemente relaciones de probabilidad o promedios estadísticos. VARIABLES Y PROCESOS ALEATORIOS La descripción y análisis de señales aleatorias utilizando estos conceptos son de gran utilidad en el análisis y diseño de sistemas de comunicación y en el análisis espectral de procesos.1. En la dispersión del espectro juegan un papel muy importante las denominadas secuencias seudoaleatorias. negro y verde. El concepto de variable aleatoria se ha desarrollado a partir de ideas sencillas e intuitivas y se ha clasificado como variables aleatorias discretas y variables aleatorias continuas. El experimento es el lanzamiento de dos dados.3. y todas las estadísticas del proceso se pueden determinar a partir de una simple señal de muestra. 8 y 10 transistores. que son secuencias infinitas formadas por una subsecuencia aleatoria de duración T que se repite periódicamente. En los modernos sistemas de comunicación se está aplicando el concepto de dispersión del espectro. como consecuencia. 3.

615. 3. 4 negras y 3 rojas. (a) p X (x) = 1 1 ( ).3 3.1625. . VARIABLES Y PROCESOS ALEATORIOS No.5. Sea la función de densidad de probabilidad p X (x) = (a) Demuestre que la probabilidad P( − A A < X ≤ ) = 0.8 Una caja C1 contiene 2000 transistores.7.Verifique si las siguientes funciones satisfacen las condiciones para ser una función de densidad de probabilidad. Una caja contiene 2 bolas blancas. Una caja contiene 10 bolas blancas. π 1+ x 2 x (b) p X (x ) = | x| Π ( ) . de los cuales el 40% está defectuoso. Demuestre que la probabilidad de que este transistor esté defectuoso es de 0. 4 4 (b) Determine y dibuje la correspondiente función de distribución FX (x). Demuestre que la probabilidad de sacar 1 bola blanca y 2 rojas es de 12/35. A A 1 x−8 (8 − x )Π ( ) 6 8 3. Demuestre las siguientes probabilidades: P{aparecen tres caras} = 5/16 P{aparece una sola cara} = 5/32 P{aparecen cinco caras} = 1/32 3. 3. Demuestre las siguientes probabilidades: P{tomar un receptor verde} = 0. 1 negra y 4 rojas. De esta caja se sacan 4 bolas.10. 3. En el Problema anterior se examina el transistor y vemos que está defectuoso. De esta caja se sacan 3 bolas. Se selecciona al azar una de las 4 cajas y se saca un transistor.3 P{tomar un radio de 10 transistores} = 0.4375 . 2 (c) p X (x ) = 1 x Λ( ) .6. El experimento es el lanzamiento de cinco monedas.9.14 P{tomar un radio verde de 10 transistores} = 0 P{tomar un radio negro de 6 transistores} = 0. Una segunda caja C2 contiene 500 transistores. Demuestre que la probabilidad de que estas bolas sean todas blancas es de 3/34. Se tiene también otras dos cajas C3 y C4 con 1000 transistores cada una y con un 10% defectuoso. de los cuales el 5% está defectuoso. 3.11. Demuestre que la probabilidad de que fue sacado de la caja C2 es de 0. de Transistores 6 8 10 TOTALES Color Marfil 1000 600 400 2000 Color Negro 3000 1000 1000 5000 Color Verde 2000 1000 0 3000 TOTALES 6000 2600 1400 10000 Una persona entra en el depósito y toma un receptor.255 III.

3084 x 10-11 (b) Demuestre que P(X ≤ 6) = 0. En una caja se tiene un conjunto de resistencias cuyo valor R varía entre 900 y 1100 Ohm (valor nominal de 1000 Ohm con ±10 % de error máximo).exp(-2z)] u(z). La señal de entrada X y la señal de salida Y de un sistema no lineal están relacionadas mediante la expresión Y = X2 u(X). Sea Y = X2 . (a) Demuestre que P(X ≤ 1) = 1. 1 x −1 Λ( ). 3. Demuestre que la densidad de probabilidad de la VA Y es p Y (y) = 1 2σ {exp[− ( 2πy y + m) 2 / (2σ 2 )] + exp[− ( y − m) 2 / (2σ 2 )] u (y ) } 3. Sea la función de densidad de probabilidad pX (x) = K exp(-αx)u(x).256 III. (a) Demuestre que K = α.14.952 3. donde K y α son dos constantes positivas. de valor promedio cero y varianza σ2 .13. 3. y ) = K(x + xy )Π (x − 1 / 2 ) ⋅ Π ( y−2 ) 4 (a) Demuestre que K = 1/6 (b) Demuestre que las VA X e Y son independientes (c) Demuestre que FXY (1/2. 3.15.exp(-αx)]u(x). Sea una función de densidad conjunta de dos VA X e Y de la forma p XY (x .5. Demuestre las expresiones (3. demuestre que la densidad de probabilidad a la salida del sistema es . x 3. Demuestre que pZ (z) = 2[exp(-z) . En la expresión (3. E{X2 } = 5/3 . Se tiene dos VA X e Y independientes cuyas densidades de probabilidad son pX (x) = exp(-x)u(x) y pY (y) = 2 exp(-2y)u(y) Sea también una nueva VA Z = X + Y. Si la densidad de probabilidad de X es gaussiana. donde la VA X es gaussiana de valor promedio E{X} = m y varianza σ2 . Demuestre que la probabilidad de que el valor de la resistencia esté entre 950 y 1050 Ohm es de 0. VARIABLES Y PROCESOS ALEATORIOS 3.12. Se saca una resistencia de la caja. 3. 2) = 1/12 3.106) deduzca FX (x) a partir de pX (x).105).16. R es entonces una VA con distribución uniforme entre 900 y 1100 Ohm.20.6.21.19. Sea una VA X cuya distribución es gaussiana de valor promedio E{X} = 5 y σ = 0.18. La densidad de probabilidad de una VA X es p X ( x ) = Demuestre que E{X} = 1 . 2 2 σ 2 = 2 / 3. 3.17. (b) Demuestre que la correspondiente función de distribución es FX (x) = [1 .

20).. En el caso de un rectificador de onda completa la entrada X y la salida Y están relacionadas mediante la ecuación Y = |X|. donde c > 0. En el caso de un detector cuadrático la entrada X y la salida Y están relacionadas mediante la expresión Y = aX2 con a > 0. d). VARIABLES Y PROCESOS ALEATORIOS p Y (y) = y 1 1 δ (y) + exp(− )u(y) 2 2σ 2πy 2σ 2 3.22. . (a) Demuestre que p Y ( y) = [ p X ( y) + p X ( − y)] ⋅ u( y) y FY ( y) = [ FX ( y) − FX (− y)] ⋅ u( y) Si pX(x) es una función par.) es la función rampa. de valor promedio cero y varianza σ2 . demuestre que ⎧ 1 ⎪ p Y ( y) = ⎨ para ac 2 ≤ y ≤ ad 2 ⎪ 2(d − c) ay ⎩ ⎧ y/a −c para ac 2 ≤ y < ad 2 ⎪ FY ( y) = ⎨ d − c ⎪1 para y ≥ ad 2 ⎩ 3. se puede demostrar también que p Y ( y) = 2 p X ( y) ⋅ u( y ) y FY ( y) = [ 2 FX ( y) − 1] ⋅ u( y) (b) Si la VA X es gaussiana de valor promedio 10 y desviación 5. demuestre que p Y ( y) = 1 y − 15 1 Π( ) y FY ( y) = [ r ( y − 10) − r ( y − 20)] 10 10 10 donde r(. demuestre que la densidad de probabilidad a la salida del detector cuadrático es y y/a 1 p Y ( y) = exp(− ) ⋅ u ( y) y FY ( y) = erf ( ) ⋅ u ( y) 2 2aσ σ 2aπy 2σ (c) Si la VA X está uniformemente distribuida en el intervalo (c. ⎡ ⎤ y y 1 (a) Demuestre que p Y ( y) = pX ( ) − 1⎥ u(y) ) u(y) y FY ( y) = ⎢2 FX ( a a ay ⎣ ⎦ (b) Si la densidad de probabilidad de la VA X es gaussiana. demuestre que ( y − 10) 2 ( − y − 10) 2 exp[ − ] + exp[ − ] 50 50 p Y ( y) = ⋅ u( y) 5 2π ⎡ y − 10 y + 10 ⎤ FY ( y) = ⎢erf ( ) + erf ( ) ⎥ ⋅ u ( y) 5 2 5 2 ⎦ ⎣ (c) Si la VA X está distribuida uniformemente en el intervalo (10.257 III.23.

de donde p X (x) = π α2 + x 2 1 1 x FX (x ) = + arctg( ) (b) Demuestre que 2 π α (a) Demuestre que la probabilidad de que X esté dentro del intervalo (−α. su densidad de probabilidad tiene la forma p X (x ) = K exp(−α | x| ) . α ) es igual a 0. demuestre que p Y ( y) = y−b y−b 1 1 pX ( ) y FY ( y) = FX ( ) |a| a |a| a para todo y (b) Si la VA X está distribuida uniformemente en el intervalo (x1. VARIABLES Y PROCESOS ALEATORIOS 3. donde K p X (x ) = 2 . X a pX ( ) y | a| a y' (a) Demuestre que p Y ( y) = 2 p X ( ) y FY ( y) =| a| dy' para todo y 2 y −∞ y' y donde pX (x) es la densidad de probabilidad de X. Una VA X está distribuida en forma laplaciana. ax 2 + b) . donde a y b son dos constantes.5.25. 3. Sea una VA X y sea el proceso lineal Y = aX + b. x2). demuestre que | a| 1 p Y ( y) = para todo y 2 πα a 2 ( 2 +y ) α Vemos que la VA Y está también distribuida según Cauchy. (a) Si pX(x) y Fx(x) son las funciones de probabilidad de X. ∫ (b) Si la VA X está distribuida según Cauchy.258 III.27. pero con parámetro |a|/α. (b) Demuestre que (c) Demuestre que (c) Demuestre que K = α/2 E{X} = 0. Sea una VA X y un proceso hiperbólico de la forma Y = a . donde a es una constante. demuestre que 1 ⎧1 para ax1 + b < y < ax 2 + b ⎪ p Y ( y) = ⎨ | a | ( x 2 − x 1 ) ⎪0 en el resto ⎩ La VA Y está distribuida uniformemente en el intervalo (ax1 + b. Una VA X está distribuida según la distribución de Cauchy. es decir. FX (x ) = E{X2 } = 2/α2.24. 3.26. 3. α + x2 1 α (a) Demuestre que K = α/π . σ = 2 /α 1 1 exp(αx )u (− x ) + [1 − exp(− αx )]u (x ) 2 2 (d) Grafique FX ( x ) y compruebe que F( −∞) = 0 y F(+∞ ) = 1 .

3.9. 42759 . 3. No dibuje impulsos. 3. σ = 2α 2 ⎡ x2 ⎤ (c) Demuestre que FX (x) = ⎢1 − exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ 3. de verificarse que K = distribución de Raleigh es entonces p X (x) = (b) Demuestre que E{X} = x x2 exp(− 2 )u(x) 2α α2 π α . Fig.25(a). 3.29.259 III. (a) Una secuencia aleatoria unipolar RZ de amplitud A. VARIABLES Y PROCESOS ALEATORIOS 3. Fig. . Se tiene una distribución de la forma f (x) = Kx exp(− x2 )u(x) 2α 2 1 .23(a) (c) Una secuencia aleatoria bipolar AMI RZ de amplitudes ± A . La α2 (a) Demuestre que si f(x) es una distribución de Raleigh.28. determine la función de autocorrelación y la densidad espectral de las siguientes secuencias aleatorias. Siguiendo el procedimiento mostrado en la Sección 3. Fig. donde x2 p X ( x ) = Kx 2 exp(− 2 )u ( x ) 2α 2/π (a) Demuestre que K = α3 (b) Demuestre que el valor máximo de p X ( x ) ocurre para x = α 2 (c) Demuestre que la función de distribución FX ( x ) es ⎡ x 1 2 x2 ⎤ FX (x) = ⎢erf ( )− x exp(− 2 ) ⎥ u(x) 2α ⎥ 2α α π ⎢ ⎣ ⎦ (d) Demuestre que la probabilidad P{X ≤ α 2} = 0.2. E{X 2 } = 2α 2 . Una VA X sigue la distribución de Maxwell.30. (e) En un solo gráfico dibuje las cuatro densidades espectrales anteriores y compare sus anchos de banda. Fig.24(a) (d) Una secuencia aleatoria bipolar MANCHESTER de amplitudes ± A .22(a) (b) Una secuencia aleatoria bipolar NRZ de amplitudes ± A . 3.

260 III. VARIABLES Y PROCESOS ALEATORIOS .

pero desde un punto de vista práctico es suficiente que la reproducción sea hecha con una aproximación o fidelidad que depende del fin perseguido. denominado “fuente de información”. 4. En otras palabras. Por consiguiente. Se sabe que cuando hay mucho ruido en un ambiente ruidoso. en una comunicación entre máquinas o dispositivos.1. las perturbaciones en la mayoría de los sistemas de comunicación se parecen a las perturbaciones a las cuales nuestros sentidos están adaptados. Los sistemas de comunicación pueden considerarse entonces como una prolongación de nuestros sentidos. en el proceso de transmisión la información experimentará siempre una cierta degradación.1. en la comunicación entre máquinas esta “codificación” natural no existe. la transmisión de las variaciones de temperatura. con el mínimo de pérdidas o perturbaciones. hace posible la conversación entre dos personas alejadas entre sí como si ellas estuvieran frente a frente. la fuente de información se adapta a las condiciones del canal de comunicación disponible. hasta otro punto denominado “destino de la información”. En todo caso. 4. entonces se habla más fuerte. Es evidente que una reproducción perfecta de un mensaje no es posible. la fidelidad requerida dependerá del objetivo de la transmisión. Por otro lado. Igualmente.2. MODELO DE UN SISTEMA DE TRANSMISIÓN DE INFORMACION Un sistema completo de transmisión de información se puede representar entonces como se muestra en la Fig. El teléfono. se debe efectuar con la precisión requerida por los demás elementos del sistema. INTRODUCCION Se puede definir la comunicación como el proceso mediante el cual se transfiere información desde un punto en el espacio y en el tiempo. y por ello los sistemas clásicos de comunicación dan resultados satisfactorios aún con un equipo terminal reducido o de muy baja resolución. en un proceso de automatización. por ejemplo. lo que implica un aumento en la complejidad de los equipos terminales a fin de obtener el grado de precisión o resolución requeridos en el proceso de transmisión. 4. Sistema de Transmisión Fuente de Información Transductor de Entrada Transmisor Ruido Canal Receptor Transductor de Salida Destino Fig. La mayor parte de los sistemas de comunicación actuales se caracteriza por la presencia de personas en los extremos del sistema. en una conversación telefónica la “fidelidad” necesaria es menor que la requerida en radiodifusión o televisión. se pronuncian las palabras lentamente y con más claridad empleándose un vocabulario más limitado y con las palabras más usuales.CAPITULO IV PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. Sin embargo.1. Diagrama de Bloques de un Sistema de Comunicación . cuyos límites dependerán del empleo que se haga de la información. Por ejemplo.

es necesaria la presencia de un “transductor” o “codificador” que convierta el mensaje en una “señal”. por lo tanto.. es decir. generalmente es necesario “modular” una señal sinusoidal con la señal del transductor de entrada. A este respecto. el número de elementos del conjunto de las señales de salida del transductor debe ser igual al número de elementos del conjunto de símbolos o mensajes de la fuente de información. Transductor de Entrada Como regla. Puede ser un par de conductores. una fibra óptica o sencillamente el espacio libre en el cual la señal se propaga en forma de una onda electromagnética. etc. incluyendo personas y máquinas. La “modulación” es la variación sistemática de alguna característica de una señal. una magnitud que varía en el tiempo. La fuente de información así definida se denomina “fuente discreta sin memoria”. como sucede. que sin perder generalidad supondremos finito y discreto. El transductor de salida o “descodificador”. Al propagarse a través del canal. es una entidad intangible. Canal El canal de transmisión es el enlace eléctrico entre el transmisor y el receptor. Este aspecto lo trataremos extensamente en capítulos posteriores. Más adelante volveremos sobre este tema. Señal es la magnitud eléctrica que resulta de la transformación de una magnitud no eléctrica portadora de información en una magnitud eléctrica variable en el tiempo. de N símbolos o mensajes distintos e independientes cuyo significado es conocido en el destino del sistema. sobre todo para transmisión a gran distancia. un cable coaxial. La señal de salida del transductor se conoce también con el nombre de “señal mensaje”. Esta información se materializa como un conjunto. Transmisor Aunque no deja de ser frecuente encontrar el transductor de entrada acoplado directamente al canal. efectúa la operación inversa del transductor de entrada. . la señal transmitida se distorsiona debido a las no linealidades y/o las imperfecciones en la respuesta de frecuencia del canal. pero cualquiera que sea el mensaje. reconvierte las señales eléctricas recibidas en los símbolos o mensajes correspondientes. en concordancia con la señal mensaje o “señal modulante”. Hay muchas clases de fuentes de información. Mensaje es la materialización de la información en una cantidad mensurable: el mensaje es el soporte de la información.262 IV. denominada “portadora”. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Fuente de Información La información o inteligencia a transmitir se origina en la fuente de información. el propósito del sistema de comunicación es el de proporcionar una réplica más o menos exacta del mismo en el destino. Esta última es una magnitud eléctrica variable en el tiempo (corrientes o voltajes) compatible con el tipo particular de sistema de transmisión que se emplee. por ejemplo. los cuales son presentados al destinatario para su interpretación. mensaje y señal: información es la inteligencia o significado que se va a transmitir. de manera que los símbolos o mensajes pueden tomar una gran variedad de formas: una secuencia de símbolos discretos o letras. Nótese entonces la diferencia entre información. Otras fuentes de degradación son el “ruido” y la “interferencia” que recoge la señal a su paso por el canal. en un sistema telefónico local. el mensaje que produce la fuente no es de naturaleza eléctrica y.

también contribuyen al ruido cósmico que en conjunto se extiende desde unos cuantos MHz hasta unos cuantos GHz. Las estrellas son fuentes de energía radiante de banda ancha. 3. El debido al alumbrado fluorescente es un ruido muy frecuente en nuestro medio ambiente. El ruido que afecta a un sistema de comunicación se clasifica en categorías dependiendo de su origen. hay ciertos sistemas de modulación que son menos sensibles que otros a los efectos del ruido y de la distorsión. tubos al vacío y dispositivos de estado sólido. aunque el tipo de degradación que resulta depende del sistema de modulación que se utilice.263 IV. someramente. es el “ruido externo”. Ruido Extraterrestre. etc. sistemas de diatermia. Por debajo de los 100 MHz. extraterrestre y el producido por el hombre. pero afortunadamente localizada. Ruido Atmosférico. el sol es una fuente intensa. el receptor no puede reconstruir exactamente la señal original. pues en la mayoría de los canales de comunicación un recurso . que es el proceso inverso de la modulación en el transmisor. el producido por motores eléctricos. Los sistemas de comunicación deben diseñarse entonces para utilizar estos dos recursos en la forma más eficiente posible. Radioestrellas. En la transmisión de datos es de particular importancia. una primera operación del receptor es la amplificación y filtrado de dichas señales para poderlas procesar. Se conoce comúnmente como “estática”. Incluye el debido al sol y otros cuerpos calientes del firmamento. Pero la operación fundamental del receptor es la “demodulación” o “detección”. Producido por descargas eléctricas asociadas a las tormentas. Debido a la degradación de la señal recibida. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Receptor El objeto del receptor es el de extraer la señal deseada a partir de la señal degradada transmitida por el canal. Como las señales recibidas son en general débiles y plagadas de ruido. La segunda categoría de ruido resulta de fuentes externas al sistema de comunicación e incluye el ruido atmosférico. por ser más numerosas son colectivamente importantes como fuentes de ruido. El ruido externo lo podemos clasificar. El ruido de conmutación y de sistemas de ignición es del tipo impulsivo tal como el ruido atmosférico. tales como quasares y pulsares. la intensidad de campo es inversamente proporcional a la frecuencia. En el dominio del tiempo se caracteriza por impulsos de gran amplitud y poca duración. Incluye las descargas por efecto corona en líneas de alta tensión. Afecta más a la banda de frecuencias medias (radiodifusión) que a la banda de FM o TV. que aunque más distantes y por ende menos intensas. 2. Debido a su alta temperatura y proximidad a la tierra. de energía radiante en una amplia gama de frecuencias. es difícil optimizar ambos recursos simultáneamente. se conoce como “ruido interno”. En general. Cuando el ruido proviene de los componentes del sistema tales como resistencias. es un ruido de tipo impulsivo. Ruido El término “ruido” se utiliza comúnmente para denominar aquellas señales que perturban la transmisión y procesamiento de señales en los sistemas de comunicación y sobre las cuales no se tiene un control completo. Como lo veremos en capítulos posteriores. en los siguientes tipos: 1. Ancho de Banda y Potencia de Transmisión En los sistemas de transmisión existen dos parámetros de gran importancia: el ancho de banda del canal y la potencia transmitida. Ruido producido por el hombre. ruido de conmutación.

Consideremos un suceso A cualquiera. Sea entonces U(A) = Incertidumbre acerca del suceso A I(A) = Información adquirida al realizarse el suceso A PA = Probabilidad de ocurrencia del suceso A Podemos escribir entonces de (4. se puede aumentar el ancho de banda pero a expensas de una reducción en la potencia. ciertos aspectos significativos de la teoría han sido aplicados exitosamente en sistemas prácticos. CONCEPTO Y MEDIDA DE LA INFORMACION Hemos dicho que el propósito de un sistema de comunicación es el de transmitir información. digamos.1) que U(A) = I(A) = f(PA) (4. Esta es una disciplina altamente matemática y con aspectos que todavía no han sido instrumentados en la práctica. Al realizarse el suceso.2) . Claude Shannon propuso algunas definiciones básicas acerca de la información y la velocidad de transmisión a la cual se puede transmitir sin error [Shannon. Por ejemplo. más otros desarrollos afines. En 1949. 4. la incertidumbre se convierte en certeza y hemos obtenido un conocimiento o recibido una información. La ignorancia en cuanto al suceso es simplemente la incertidumbre que se tiene acerca de él. pero no conocemos los medios para medirla. La utilización óptima y eficiente de estos recursos es el principal objetivo en el diseño de los sistemas de comunicación prácticos. Este trabajo. Esta es la esencia intuitiva de la información. Cuanto mayor sea la probabilidad de ocurrencia del suceso. veremos que el ancho de banda y la potencia de transmisión se pueden intercambiar. y viceversa.1) Por otro lado. por lo tanto. Todos tenemos un concepto más o menos intuitivo de lo que es información. sólo aquello que ignoramos nos aporta alguna información al conocerlo. menor será nuestra incertidumbre. mientras que un canal de microondas lo es en potencia. no se ha especificado lo que realmente significa el término “información” y mucho menos cómo se puede cuantificar. Se puede. En efecto. Por consiguiente. dependiendo de la aplicación. Lo que sí sabemos es que lo que ya conocemos no nos proporciona ningún nuevo conocimiento.3. En consecuencia. y algunos de los conceptos fundamentales los veremos a continuación. Cuanto menos se sepa de un suceso mayor será. Los sistemas de modulación que estudiaremos más adelante utilizan esos recursos en forma más o menos eficiente. es decir. 1949]. Sin embargo. clasificar los canales como “limitados en potencia” o “limitados en ancho de banda”. los canales telefónicos son canales limitados en ancho de banda. nuestra sorpresa al conocer la realización del mismo.264 IV. podemos decir que Cantidad de Incertidumbre = Cantidad de Información (4. Sin embargo. dio origen a la Teoría de la Información. PRINCIPIOS DE LA TRANSMISION DE INFORMACION puede considerarse más importante o más escaso que otro. la magnitud de la incertidumbre depende del grado de probabilidad de ocurrencia del suceso A. podemos decir que la incertidumbre acerca del suceso A es función de la probabilidad de que dicho suceso ocurra. La meta ideal en el diseño de un sistema de comunicación es la de transmitir información a la máxima velocidad con el mínimo de potencia y ancho de banda. Este intercambio “Ancho de BandaPotencia” lo estudiaremos con más detalle posteriormente.

Se trata entonces de hallar la relación funcional f(PA). debe verificarse que f (PA ) > f (PB ) para PA < PB (4. si la probabilidad de un suceso A es menor que la probabilidad de un suceso B. La relación funcional f(PA) se puede elegir dentro de una clase bastante grande de funciones. o b = 10 para cálculos numéricos). la información se puede mantener expresada en bits mediante la fórmula log 2 N = 1 log b N log b 2 (4.4) La probabilidad de un suceso cierto es 1. la información asociada con el conocimiento de que un suceso dado ha ocurrido. es una función de la probabilidad de ocurrencia de ese suceso.8) I(A) es la cantidad de información. La solución más sencilla es aquella cuando se selecciona uno de dos mensajes o símbolos. W. Por lo tanto. Tukey en 1946. de modo que podemos escribir PA →1 lim f ( PA ) = 0 (4. para b = 10.3) a (4.7) La unidades o dimensiones de la cantidad de información dependen de la base del logaritmo. si se considera que el suceso A está formado por la intersección de dos sucesos independientes B y C cuyas probabilidades son PB y PC. Por consiguiente.9) log2 N ≈ 3.322 log10 N (4.265 IV.3) La información es una magnitud positiva. pero solamente algunas son de interés práctico en las aplicaciones. pero la información o incertidumbre será 0.6) es una función logarítmica de la forma f (PA ) = log b 1 = − log b PA PA (4. de donde f (PA ) ≥ 0 donde 1 (4. La unidad de información se denomina entonces “bit” (contracción inglesa de “binary digit”) y fue propuesta por J. En efecto. . en cuyo caso b = 2. Si fuera necesaria otra base (por ejemplo.10) En particular. Una condición esencial que la relación funcional f(PA) debe satisfacer. la información es una medida de la incertidumbre. respectivamente. asociada con un suceso A cuya probabilidad de ocurrencia es PA. es la aditividad.6) Hartley demostró [Hartley. entonces Si A = BC. f (PA ) = f (PB ) + f (PC ) 0 ≤ PA ≤ (4.5) Por último. I(A) = log 2 1 = − log 2 PA bits PA (4. b = e si la función se va a diferenciar o integrar. en bits. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En este sentido. 1928] que la única relación funcional que satisface las condiciones (4.

P2. ... la cantidad de información definida en (4.. P2 .... 4. la energía o cualquiera otra cantidad física. x3. el “número efectivo” de mensajes disponible es más cercano a 2 que a 3. con probabilidades de ocurrencia correspondientes {P1.8) ha sido obtenida para un solo mensaje y no es apropiada para describir una fuente que produce un conjunto de diferentes mensajes. es mejor describir la fuente en términos de la “información promedio” producida. en el sentido de la teoría de la información. La codificación de los mensajes para optimizar los tres aspectos anteriores.. donde L >> 1. Es decir. La información total contenida en la secuencia será. cuando el flujo instantáneo de información producido por una fuente es aleatorio. Consideremos una fuente discreta que produce N símbolos o mensajes {x1. Supongamos que se transmite una larga secuencia de L mensajes o símbolos.. debe cumplirse que ∑P n =1 N n =1 (4. CARACTERIZACION DE LA INFORMACION 4. En esta secuencia. y si el tercer mensaje se usara solamente una vez a la semana. si los dos primeros fueran utilizados en promedio 10 veces por hora... P3. 3. xN} distintos e independientes.4. PN}. .. aproximadamente. que se puede medir y ser tratado matemáticamente en la misma forma como lo son la masa. entonces la cantidad de información asociada con los mensajes sería más cercana a log2 2 bits que a log2 3 bits.8) es inadecuada excepto en las circunstancias más simples. no tiene nada que ver con el significado o sentido inherente en un mensaje.4. La velocidad a la cual una fuente produce la información. entre los cuales se tiene: 1.12) .11) De acuerdo con la ecuación (4. Entropía La cantidad de información definida en la ecuación (4. el conjunto discreto de N símbolos o mensajes producidos por la fuente se puede considerar como un proceso aleatorio discreto.266 IV. o de no aleatoriedad. B y C posibles.. cada una de las cuales toma valores en el conjunto {x1. sean tres mensajes A. Por ejemplo..xN} con probabilidades {P1 .1. I t = LP1 I 1 + LP2 I 2 + LP3 I 3 +. En este contexto.. x2. i ≠ j.. LPN I N = L ∑ Pj log 2 P1j bits j=1 N (4. el símbolo j-ésimo ocurrirá aproximadamente LPj veces y la información asociada será LPjIj bits. cuando se transmite un mensaje cualquiera x j .. es entonces un conjunto de N variables aleatorias. PN}. Un sistema de comunicación no está diseñado para la transmisión de un mensaje particular sino para la transmisión de todos los mensajes posibles producidos por una fuente. La capacidad de un canal para manejar o transportar esa información 4. De la definición de la probabilidad.. 2.. donde Pi ≠ Pj . La caracterización matemática de un sistema de comunicación generalizado ha producido un cierto número de aspectos importantes. Por consiguiente. x2. . Desde un punto de vista probabilístico..8). Estos aspectos los trataremos brevemente en el presente capítulo. Es mas bien un grado de orden. la información asociada es Ij = log2(1/Pj) bits. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la “información”.. x3.. La información promedio contenida en un mensaje dado..

14) En consecuencia.125.15) donde N es el número de símbolos o mensajes producidos por la fuente. significa que aunque no se pueda decir con certeza qué mensaje se va a producir. es decir. la entropía está acotada por log2 N (4. Se puede demostrar [Ziemer y otros . 0 ≤ H ≤ HMAX = log2 N (4.25. Entropía de una Fuente Binaria H = log 2 4 = 2 bits/símbolo . 0. Por consiguiente. la deducción rigurosa.125 y 0. H= It = L ∑Pj log 2 P1j j=1 N bits/símbolo (4. realizada por Shannon. será entonces la información total de la secuencia dividida por el número de símbolos de la misma.25 log 2 4 + 2x 0. Por otro lado.. En efecto. C y D cuyas probabilidades son.13) que hemos presentado es. valor que corresponde al pico de la curva. Las probabilidades de los símbolos son p y (1 − p) . se puede encontrar en la Bibliografía [Shannon.12).5.267 IV. Nótese que cuando los símbolos o mensajes son equiprobables. entonces H = 1 bit. La entropía de la fuente será H = 0. de (4. podemos considerar a H como el número mínimo de preguntas que se pueden establecer para determinar qué mensaje particular se ha producido o se va a producir. hasta cierto punto. entonces 0 0. B. En este caso. 4. Esta información promedio normalmente se representa con la letra H. en bits por símbolo (bits/símb). si L es grande. Una fuente produce cuatro símbolos A..13) Esta es la “Entropía de la Fuente”..5 1 H(bits) 1 p 4. si p = ¼. = PN = 1/N.. la información promedio asociada con la fuente es máxima. ♣ ♣ Ejemplo 1. 1976] que H es máxima cuando las probabilidades de ocurrencia de los símbolos son iguales.15 log 2 8 = 1. PRINCIPIOS DE LA TRANSMISION DE INFORMACION La información promedio. 0. La deducción de la ecuación (4. empírica. La entropía de la fuente. 1949]. ♣ Ejemplo 4.2. o información promedio asociada con la fuente. respectivamente.1. o LH bits en una secuencia de L mensajes.75 bits/símbolo Si los símbolos fueran equiprobables. respectivamente. 1 1 H = p log 2 ( ) + (1 − p) log 2 ( ) p 1− p En la Fig. como la denominó Shannon.2 se grafica H vs p Nótese que si p = ½. cuando P1 = P2 = P3 = .. 0.5 log 2 2 + 0. se espera obtener en promedio H bits de información por mensaje. esto es. Entropía de una Fuente Binaria. Sea una fuente binaria (N = 2).2.

18) . en otras palabras. Si suponemos que los símbolos tienen todos la misma duración T. Debe verificarse.11).16) La velocidad de información será entonces Vi = Vs H = 1 T ∑ P log j j=1 N 2 1 Pj bits/seg (bps) (4. Si todos los símbolos tuvieran la misma probabilidad. ♣ ♣ Ejemplo 4. 4. ♣ Consideremos la información producida por una máquina de escribir de 26 letras y el espacio entre letras.17) y si los símbolos son equiprobables. la velocidad de la información.2. Se manipula un dado de tal manera que la probabilidad de que salga un UNO o un SEIS es el doble de la correspondiente a cada una de las otras cuatro caras. que p+p+ H=2 1 2 p+ 1 2 p+ 1 2 p+ 1 2 p = 1.3. ♣ Ejemplo 4. Asimismo. 5 letras y un contenido de información de 9. una palabra tiene. Por ejemplo.4. Velocidad de Información En los sistemas de comunicación es de especial importancia conocer la cantidad de información que se produce o se transfiere por unidad de tiempo. entonces Vs = 1 símbolos/segundo T (4. de acuerdo con (4.4.2 bits. Vamos a determinar la entropía asociada con el dado. Se ha determinado experimentalmente que la información promedio asociada con una letra es de aproximadamente 4. Sea una fuente que produce N símbolos distintos e independientes a una velocidad de Vs símbolos por segundo.268 IV. Vi = Vs log 2 N = 1 T log 2 N bps (4. HMAX = log2 27 = 4.59 bits/cara ♣ Si el dado fuera correcto. de donde p = ¼ 1 log 2 4 + 4 log 2 8 = 2 . Esta es la máxima información que la máquina de escribir puede generar. la fuente produce 27 símbolos.755 bits/letra. en promedio. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la entropía H es máxima cuando los símbolos son equiprobables.3 bits. es decir. Pero en el idioma español las letras tienen diferentes probabilidades de ocurrencia en un texto. Solución Sea p la probabilidad de sacar un UNO o un SEIS.5 bits/cara 8 4 1 H = log2 6 = 2. la letra E es la que ocurre con más frecuencia.

a una velocidad Vs = 1/T símbolos/segundo. Las secuencias aleatorias binarias en los sistemas de modulación de impulsos y los códigos de línea. Sea entonces. como se muestra en la Fig. son formas de codificación de canal. igual a la duración de cada símbolo a fin de no perder información. en general. Es necesario. En la práctica hay muchos códigos que emplean secuencias multinivel o m-arias y esquemas para la detección y corrección de errores. Como se considera que el codificador no tiene memoria. Otros tipos de codificación binaria de canal son los Códigos Baudot y ASCII. como veremos en los Capítulos V y VI. ♣ Ejemplo 4. en el sentido visto en la Sección 3. la duración de la muestra codificada debe ser. Para más detalles sobre estos códigos. la palabra “rata” en español significa “porcentaje” o “parte proporcional”. que podemos suponer equiprobables. cada uno. .4. 4. pero. en secuencias de n impulsos con m amplitudes. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunos autores llaman a la velocidad de información “rata o tasa de información” (del inglés “rate”). efectuar una conversión o adaptación de los símbolos en formas compatibles con el medio de transmisión. 4. ésta es la codificación de canal. que se verán en el Capítulo V. sin perder generalidad. vamos a suponer un sistema mediante el cual cada símbolo o mensaje se transforma en una secuencia particular de n impulsos con m amplitudes. Los símbolos se codifican. pues. sin embargo.3. “convertidor” o “codificador”. 4.5. para diferenciarlo de 1 kbyte = 1000 bytes). Nosotros emplearemos los términos “velocidad de información” o “velocidad de transmisión” indistintamente. Codificación de Canal Hemos dicho que. En sistemas de procesamiento y transmisión de señales digitales.3(b). La velocidad de información de la fuente será a) Si los símbolos tienen diferentes probabilidades Vi = Vs H = 1000 x 1. una fuente discreta sin memoria que produce N símbolos distintos e independientes.9 del Capítulo III. de gran interés en los sistemas de procesamiento y transmisión digital de señales.2 se producen a una velocidad de 1000 símbolos por segundo. Esta secuencia binaria de 8 impulsos se denomina comúnmente “byte” u “octeto” (En la práctica 1 Kbyte = 1024 bytes. Esta transformación se denomina comúnmente “conversión” o “codificación” y el dispositivo que la efectúa. Hay muchos métodos de codificación digital de canal. secuencia que denominaremos “muestra codificada o palabra codificada” y el conjunto de palabras codificadas forman una secuencia aleatoria binaria. el lector puede consultar la bibliografía especializada. Los símbolos de la fuente del Ejemplo 4. los símbolos tal como salen de la fuente pueden no ser apropiados para ser transmitidos por un canal dado. que veremos más adelante.269 IV. Vi = Vs log2 4 = 2000 bps Nótese nuevamente que la velocidad de información es máxima cuando los símbolos son ♣ equiprobables. denominada también “codificación de fuente”.3(a). Fig. Una clase muy importante de conversor es aquella que convierte los símbolos producidos por la fuente en secuencias de impulsos discretos. se utilizan secuencias binarias (m = 2) que contienen 8 impulsos (n = 8). como máximo. en este contexto.75 = 1750 bps b) Si los símbolos son equiprobables.

es decir.3. y para cualquiera velocidad de información. es de gran utilización en los sistemas digitales de transmisión de información.18).19) Asimismo. que suponemos independientes y equiprobables. I = n log 2 m = log 2 m n n log 2 m T 1 T bits (4.22) Esta expresión. .20) La velocidad de información a la salida del codificador será Vic = = log 2 m n bps (4. Vif = 1 T log 2 N (4. la velocidad de información será la misma en todos los puntos a lo largo del sistema. a una velocidad de 100 símbolos por segundo. Vi = Vif = Vic de modo que.21) Como se supone que el sistema no tiene memoria (elementos de almacenamiento). Si cada símbolo se codifica en secuencias de n impulsos con m amplitudes. n y N es válida para cualquier sistema con o sin memoria.19). Nótese que la relación (4. vamos a determinar la velocidad de información y los valores posibles de m y n.21).6.270 IV. que denominaremos “relación de conversión o de codificación”. ♣ Ejemplo 4. Una fuente de información produce 256 símbolos.20) y (4. lo que significa que la relación entre m. a la salida del codificador la información total contenida en la muestra codificada es la suma de la información contenida en cada impulso (propiedad aditiva de la información).22) es independiente de T. Codificación en Secuencias de Impulsos A la salida de la fuente de información la velocidad de transmisión es. de la expresión (4. (4. 4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION n Impulsos de Información Fuente de Información m Niveles o Amplitudes Reloj Codificador 1 2 3 4 5 n t (a) Salida Codificada τ (b) T M uestra Codificada Fig. pues relaciona los parámetros m y n del codificador con el número N de símbolos producidos por la fuente. N = mn m y n enteros (4. es decir. de (4.

en algunos sistemas denominados “asincrónicos” es necesario enviar impulsos adicionales para indicar el principio o el fin (o ambos) de cada muestra codificada a fin de que se pueda efectuar con exactitud el proceso de descodificación. esto es.25 ms. sin redundancia agregada. 4 τ2 = Vb2 = ♣ 4. como veremos después del siguiente ejemplo. 1 .4.23) queda en la forma V i = Vb (4.4. T = 10 ms T Vb1 = 1 = 800 baudios τ1 1 = 400 baudios τ2 T = 1.7.3 se supone que en el extremo receptor se sabe cuándo comienza y cuándo termina cada secuencia de impulsos.21) queda en la forma siguiente Vi = donde 1 τ log 2 m = Vb log 2 m bps 1 τ (4. Vs = 100 símb/seg = a) n = 8. de modo que los impulsos tienen todos la misma duración τ. y se expresa en baudios. 4.4.4.24) Vb = Vb es el número de impulsos por segundo.5 ms. Sin embargo. m = 2 y la expresión (4.4. De la Fig. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Solución La velocidad de información es Vi = 100 log 2 256 = 800 bps. se conoce con el nombre de “velocidad de modulación” o “velocidad de señalización”. En un sistema binario. los codificadores son dispositivos comandados por un reloj. En efecto.22). son m = 2 y n = 8 (caso binario). 256 = m n .25) Esto significa que en un sistema binario la velocidad de información y la velocidad de modulación son numéricamente iguales. la reconversión de las secuencias de impulsos codificados en símbolos de significación para el usuario final de la información. También puede agregarse otros impulsos para .6.271 IV. ♣ Ejemplo 4. 8 T = 2. es decir. Redundancia Agregada En el sistema mostrado en la Fig. Velocidad de Modulación m=4 y n=4 ♣ En general. τ1 = b) n = 4. es decir.23) (4. Este resultado es válido si la codificación se ha efectuado en la forma mostrada en la Fig. 4. T = nτ y la expresión (4. Las combinaciones de m y n que satisfacen la expresión (4. en honor del ingeniero francés Emile Baudot. 4.5. Se puede ahora calcular la velocidad de modulación de las muestras codificadas del Ejemplo 4. 4.

mostrado en la Fig. T Fig. 4. etc. Esta situación se muestra en la Fig. respectivamente. de donde Vi = KVb (4. que llamaremos impulsos de “arranque” y “pare”. m = 2.26) Puesto que la velocidad de información no ha variado. la velocidad de información vendrá dada (eliminando el índice de Vb ' ) por Vi = KVb log 2 m donde K= n (4. T = (n + p + q)τ‘. Muestra Codificada Con Impulsos Redundantes Considerando entonces los impulsos redundantes agregados.4. 4. . extracción de la temporización. 4. Sin embargo. números enteros pues suponemos que el codificador está controlado por un reloj. el Código Baudot.33).4. 4. lo cual impone restricciones más severas sobre el canal. pτ.13(a)). Sea entonces una muestra codificada a la cual se le han agregado dos impulsos de duración pτ‘ y qτ‘.. Es evidente que los impulsos de redundancia más los impulsos de información deberán estar contenidos dentro del mismo tiempo T si no se quiere perder información (se supone que el sistema no tiene elementos de almacenamiento).29) o también Vi < Vb La velocidad de información ya no es igual a la velocidad de modulación debido a los impulsos redundantes.27) n Impulsos de Información m Niveles o Amplitudes Pare n 1 2 3 4 5 6 τ. amplitud y duración de los impulsos de arranque y pare son arbitrarias pero fijas. la polaridad.4. la velocidad de modulación ha aumentado. Arranque qτ. con algunas excepciones (por ejemplo. PRINCIPIOS DE LA TRANSMISION DE INFORMACION control y detección de errores. En el caso binario.272 IV. p y q son. El valor de K (como un porcentaje K%) es una medida del rendimiento o eficiencia de la codificación (Ver Problema de Aplicación 4.28) <1 es la “relación entre el número de impulsos de información y el n+p+q número total de impulsos de la muestra codificada”. τ' < τ y ' Vb > Vb (4. que tampoco llevan información útil. Todos estos impulsos adicionales se denominan “impulsos redundantes” o “redundancia agregada”. de donde Vi = n log 2 m (n + p + q )τ ' = n n+p+q ' Vb log 2 m bps (4. De la Fig. como veremos más adelante.

Por ejemplo. es decir. vamos a desarrollar en forma intuitiva algunas ideas acerca del efecto que experimenta un impulso a su paso por un canal y lo relacionaremos con la velocidad de modulación. K% = 64% Velocidad de Modulación: Velocidad de Información: Vb = Vi = 1 = 110 τ baudios 7 110 log 2 2 = 70 bps 11 Número de Caracteres de la Fuente: 4. 4.1.5: un impulso de arranque siempre a CERO. cuando los impulsos (de información o redundantes) tienen diferente duración. definida como el inverso de la duración del intervalo unitario o del impulso de menor duración.5.8. Ancho de Banda del Canal N = 2 7 = 128 caracteres ♣ La velocidad de modulación. Vs = 10 caracteres/seg. ver también la Fig. En el Apéndice B-5 se especifica este código en detalle. un impulso de paridad (para gestión o control de error) y un impulso de pare de duración variable (hasta 2τ) siempre a UNO. Letra U codificada en ASCII con bit de paridad. d: Impulsos de Pare (siempre a "1") Fig. por ejemplo. 1 0 1 0 c 1 d 1 En transmisión por teletipo. K=7/11. los caracteres ASCII fluyen a una velocidad de 10 caracteres por segundo.273 IV.5 se muestra la letra U en ASCII. Código ASCII o Alfabeto Internacional N° 5 de la UIT-T En este tipo de codificación binaria cada carácter alfanumérico se codifica como se muestra en la Fig. el canal se puede considerar como un filtro que deja pasar solamente aquellas componentes de señal que están comprendidas dentro de su banda de paso o ancho de banda. siete impulsos de información.13(b). 4. A este efecto. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En general. T = 1/10 = 100 ms = 11τ. Vamos a considerar un canal ideal. ♣ Ejemplo 4. la velocidad de modulación se define respecto al impulso de menor duración presente en la muestra codificada. b: Impulsos de Información c: Impulso de Paridad (detector de error). 4. Supongamos que el ancho de banda del canal se puede variar y que a su .5. es un parámetro de naturaleza eléctrica de gran importancia en la caracterización de sistemas de transmisión de señales digitales. Entonces. en la Fig..5. n = 7. τ 0 a 1 0 1 0 b T a: Impulso de Arranque (siempre a "0"). m = 2. 4. CARACTERIZACION DEL CANAL 4. un canal que no introduce ninguna atenuación o distorsión. Desde el punto de vista eléctrico.

El valor mínimo teórico de k es 0. el valor de k deberá ser mucho mayor que la unidad. la Salida 2 saldrá deformada como se muestra en la figura. aquí suponemos que la relación entre τ y B es una relación inversa.274 IV. la Salida 3. dependiendo de la definición de tr . por ejemplo. la Salida 1 tendrá. que tomaremos como referencia. y la salida será parecida a la entrada. hay que aumentar el ancho de banda del canal a un valor B2 > B1 .31) es de gran utilización en la caracterización de sistemas de transmisión de impulsos y la emplearemos con bastante frecuencia. Puede observarse que la “fidelidad” de la salida depende tanto de τ como de B. Esto sugiere que entre la duración τ del impulso y el ancho de banda B del canal existe una relación de la forma k B= (4. cuando se utilice el tiempo de alzada. que si B = 1/τ . Cuando es necesario preservar la forma de la señal transmitida. usaremos k = 0. por ejemplo. Para un ancho de banda B1 y un impulso de entrada de duración τ1 .30) τ donde k depende de la fidelidad requerida a la salida.6. Para que la Salida 2 tenga la forma aproximada de la Entrada 2. donde τ es la duración del impulso de entrada.19).31) Demostramos en el Ejemplo 1.5 (definido en el Ejemplo 2. PRINCIPIOS DE LA TRANSMISION DE INFORMACION entrada se aplican impulsos de duración decreciente.19. es decir. En este texto. pero en la práctica se utiliza k = 1. Ahora se aplica un impulso de duración τ2 < τ1 . Debido a esto.31a) donde k es igual a 0. hay que aumentar el ancho de banda del canal a un valor B3 > B2 > B1. Es evidente que si se desea una gran fidelidad. B≥ 1 τ (4. el canal dejará pasar el 90% de la energía contenida en el impulso de entrada.5.35 ó 0. Para que la Salida 3 vuelva a la forma aproximada de la Entrada 3. es decir. obteniéndose. 4. En los sistemas de transmisión digital o radar la fidelidad no tiene mucha importancia y lo que se desea es detectar una “presencia” en la salida o una reproducción tosca de la entrada. .35. la expresión (4. la forma dada en la Fig. el ancho de banda B del canal se define en función del “tiempo de alzada tr (rise time)” de la señal de entrada en la forma B= k tr (4. Capítulo I. Nuevamente se aplica un impulso de duración τ3 < τ2 < τ1 .

La información producida por esta fuente en un tiempo Tt es: It = Vi Tt . no habrá problemas en la recuperación de la información. puede transmitirse sin perder información por un canal ideal con un ancho de banda mínimo Bn numéricamente igual a Vb. Nótese que si se Tt = 3600 seg . T = 10τ . pudiéndose escribir que Vb = B n Esta expresión se puede interpretar en el sentido siguiente: Una secuencia de impulsos cuya velocidad de modulación es Vb . entonces.6x10 7 bits. 1 = 1000 símbolos por segundo T 1 Velocidad de Información: Vi = 10 4 log 2 4 = 10 4 bps 2 Ancho de Banda Mínimo del canal: Bn = Vb = 10 kHz Arranque 3 1 0 -2 -3 -1 Información Pare 2 τ T 3τ 2τ Fig. Información asociada a la fuente: I = log 2 1024 = 10 bits/símbolo K = 5/10 = 0. los cuales se han codificado en la forma mostrada en la Fig.31b) Puede observarse que las expresiones (4. donde B es el ancho de banda real del canal.31) tienen la misma forma. -1. Sea una fuente que produce N símbolos independientes y equiprobables.24) y (4. 4. = Vb = 10 4 = τ T T = 10 −3 seg. Es evidente que si Vb < B. se perderá información y habría que buscar otros medios para evitar esa pérdida. debe verificarse que B ≥ Vb para no perder información. en una hora se producirán . Sin embargo. Velocidad de la Fuente: Vs = 1 10 . si por ejemplo I t = 10 4 x3600 = 3. n = 5. PRINCIPIOS DE LA TRANSMISION DE INFORMACION B≈ 1 2t r (4.9. La velocidad de modulación es de 10 kbaudios. si Vb > B. m = 4 y N = 4 5 = 1024 símbolos.32) ♣ Ejemplo 4. Hay 4 niveles de información: -3.275 IV. como veremos en la sección siguiente. 1 y 3. (4. En general.5 .7.7: cinco impulsos cuaternarios con impulsos de arranque y pare. 4. K% = 50%.

El Teorema Fundamental de Shannon establece que si la velocidad de información Vi de la fuente es igual o menor que la capacidad C del canal.37) . Capacidad del Canal Definición Para definir una medida de la eficacia con la cual un canal transmite información y para determinar su límite superior. se tendrá de (4. en bits perdidos por segundo. La capacidad C se expresa en bits por segundo (bps). (4. entonces existe una técnica de codificación que permite la transmisión sobre el canal con una frecuencia de errores arbitrariamente pequeña. Shannon introdujo el concepto de “capacidad de un canal”. que comúnmente se representa con la letra C. Como Vb > 5000. I p = [ K( Vb − B) log 2 m] Tt bits para Vb > B (4. Es decir.36) En nuestro ejemplo se perderá información a una velocidad de Vp = 1 10x10 3 − 5x10 3 log 2 4 = 5x10 3 bits perdidos por segundo 2 [ ] ♣ 4. De acuerdo con (4. Pero en el mismo tiempo Tt la fuente ha producido I f = Vi Tt bits.5.33) La información transmitida por el canal en un tiempo Tt será I t = Vi' Tt bits. ♣ ♣ Ejemplo 4. Vp = Vb − B bits perdidos por segundo para Vb > B (4. m = 2 y K = 1. en bits. de modo que puede decirse que la información perdida en el proceso.28) y (4.276 IV. no obstante la presencia de ruido.33).2. Ip Vp = = K( Vb − B) log 2 m bits perdidos por segundo para Vb > B (4.9 se transmite por un canal de 5 kHz.28) y (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION disminuye a la mitad la duración de los impulsos de arranque y pare.32).34) Si se define Vp como la velocidad promedio a la cual se pierde información. un canal de ancho de banda B puede soportar una velocidad de información máxima dada por Vi' = KB log 2 m bps (4.10.35) Tt Si el sistema es binario y no tiene impulsos redundantes. pero si Vi > C entonces no es posible transmitir sin error. es evidente que habrá pérdida de información. La capacidad del canal es entonces la máxima velocidad a la cual el canal puede transportar información confiable hasta el destinatario. Vamos a cuantificar esta pérdida de información. si 0 < Vi ≤ C se puede transmitir sin error. Estimación de la Pérdida de Información en un Canal La señal codificada del Ejemplo 4. la velocidad de modulación no cambia pero la velocidad de información aumenta. El lector puede calcular este nuevo valor. viene dada por I p = I f − I t = (Vi − Vi' ) Tt y de (4.34).

32). un aumento en m implica una disminución en el número de impulsos de información. Podemos entonces reemplazar en (4.38) • Redundancia Relativa. ρc ρc = Rc V = 1− i C C Vi C (4. Rc R c = C − Vi Rc ≥ 0 (4. como bien lo expresa el Teorema Fundamental de Shannon. de acuerdo con (4. con lo cual obtenemos finalmente que (4. el ancho de banda mínimo necesario para transmitir los impulsos sin distorsión excesiva. C= 1 T log 2 m n = n T log 2 m = KVb log 2 m bps (4. Para más información sobre estos tipos de codificación de canal. el ancho de banda real del canal.28). Vb es también. la velocidad de modulación disminuye y la exigencia sobre el canal disminuye también.40) También. En efecto. Como consecuencia. entonces de (4.43) T La capacidad C del canal se puede expresar también en términos de los parámetros del codificador y del mismo canal.45) se puede aumentar incrementando el número de niveles m de los impulsos o mediante una codificación equivalente. ηc = 1 − ρc donde ηc ≤ 1 (4. la capacidad mínima del canal será 1 C = log 2 N = Vs log 2 N bps (4. La cantidad de información máxima de la fuente es log 2 N bits y si cada símbolo tiene una duración T.41) • Rendimiento del Canal respecto al Ancho de Banda. numéricamente. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunas veces el comportamiento del canal se puede caracterizar mediante las relaciones o definiciones siguientes: • Redundancia del Canal.39) • Rendimiento del Canal.277 IV.44) Vb por B.42) Canal sin Ruido Consideremos primero un canal ideal sin ruido sobre el cual se va a transmitir N símbolos distintos que supondremos independientes y equiprobables. ηB ηB = Vi B ηB se expresa en bps/Hz (4. Son las técnicas de codificación apropiadas las que en definitiva permiten aumentar la capacidad del canal. si los símbolos han sido codificados en secuencias de n impulsos de m amplitudes.21) y (4. ver la bibliografía especializada.44) Sin embargo. . ηc ηc = ó ηc % = 100 Vi C (4. Como el número de símbolos N es constante.45) C = KB log 2 m bps Como el ancho de banda B del canal generalmente es fijo. la capacidad C dada por (4.

en un canal ideal sin ruido el ancho de banda del canal debe ser numéricamente igual o mayor que la velocidad de modulación para que no haya pérdida de información. Shannon ha demostrado que el ruido gaussiano es el peor ruido entre todos los ruidos posibles. PRINCIPIOS DE LA TRANSMISION DE INFORMACION De (4.43) a (4.37) y (4. entonces la capacidad del canal en presencia de ruido aditivo y gaussiano viene dada por C = Blog 2 (1 + S ) N bps (4. de acuerdo con (4. la potencia promedio de la señal útil y la potencia promedio de la señal perturbadora. B ≥ Vb (4. Cuando el ancho de banda de un canal está limitado. ella es de gran importancia en los sistemas de comunicación porque muchos canales prácticos se pueden modelar como un canal gaussiano. velocidades superiores solamente se obtienen mediante control de error y compresión de datos.2 kHz. Con técnicas más sofisticadas de codificación.47) A este resultado se le llama la “Ecuación de Hartley-Shannon”. Shannon. se ha llegado a 14400 bps con una velocidad de modulación máxima de 2400 baudios. y la potencia promedio del ruido en el canal es N. y como consecuencia se produce una pérdida de información.31). es necesario elegir un esquema de codificación de canal que optimice el rendimiento η B del canal con la mínima probabilidad de error y el menor costo posible.45).42) y (4. Las expresiones (4. ha sido demostrado que el resultado obtenido para el canal gaussiano proporciona una cota superior en el funcionamiento de un sistema que opera sobre un canal no gaussiano. con una codificación adecuada se podría aumentar indefinidamente la capacidad del canal. el límite teórico para la capacidad de este canal es superior. Por otro lado. con lo cual reafirmamos la expresión (4.28). La ecuación de Hartley-Shannon proporciona el límite superior para la transmisión de información confiable por un canal ruidoso.43) a (4. Además. cuando opera sobre un canal no gaussiano la probabilidad de error será menor que Pe. Si el canal tiene un ancho de banda B.45). De las expresiones (4. (4. Aunque la ecuación ha sido deducida para un canal gaussiano.46) En consecuencia. No hay que olvidar que ellas se aplican fundamentalmente a un canal ideal sin ruido lo cual está muy lejos de la realidad. y que la potencia del ruido gaussiano dentro de un ancho de banda dado es también la más alta de todos los ruidos posibles. Esto quiere decir que si una codificación dada tiene una probabilidad de error Pe operando sobre un canal gaussiano. la potencia promedio de la señal transmitida es S. Por ejemplo. y relaciona los tres parámetros de importancia en un canal: el ancho de banda del canal. modulación y acondicionamiento del canal. Sin embargo.278 IV. Canal con Ruido La capacidad de un canal disminuye como consecuencia de los errores incurridos en la transmisión causados por señales perturbadoras o ruido. pero en la práctica se llega normalmente a 9600 bps. el rendimiento máximo de un canal viene dado entonces por . sea por sus propias características físicas o por regulaciones y normas técnicas. en reconocimiento al trabajo pionero de Hartley y a la deducción rigurosa hecha por Shannon [Teorema N° 2. un canal telefónico tiene un ancho de banda efectivo de 3.45) deben ser aplicadas con cautela. como lo vamos a ver más adelante.47). 1949].

8 La cámara a color requiere 5x105 elementos de imagen con 16 niveles de brillantez y 16 matices de color por cada nivel.21 dB ) . de donde N N El lector puede demostrar. T = 6.667x10 Capacidad mínima del Canal: C = Vi = 120x106 bps Si el ancho de banda del canal fuera de 6 MHz.11.. La velocidad de transmisión de las imágenes es de 30 por segundo.279 IV. Información contenida en una Imagen de Televisión.48) La teoría de Shannon no especifica cuál es el mejor esquema de codificación que permite alcanzar este rendimiento máximo. la relación S/N mínima sería. PRINCIPIOS DE LA TRANSMISION DE INFORMACION η Bmax = C S = log 2 (1 + ) bps/Hz B N (4.049x106 = 60. CAMARA DE TV A COLOR CANAL Fig. los parámetros son: Iel = 4 bits/elemento. 4. V1 = C = 60x103 bps S = 1023 = 30. que en el caso de TV en blanco y negro (solamente 16 niveles de brillantez).47). 120x106 = 6x106 log2 (1 + S S = 1.6667x10−8 seg. pero sí establece que para transmitir sin error los símbolos o muestras codificadas deben poseer una cierta redundancia.10 dB N . ♣ Ejemplo 4. Los sistemas prácticos cuyo rendimiento se aproxima a este rendimiento máximo incorporan entonces esquemas de codificación que incluyen codificaciones multinivel m-arias y procedimientos para la detección y/o corrección de errores y compresión de datos. Vamos a calcular los diferentes parámetros del sistema. 667x10−8 seg 5 Vimg N el 30x5x10 8 Iel 6 = bps −8 = 120x10 T 6. de (4. en la misma forma. Solución: Número de elementos por imagen: Ne1 = 5x105 Información por imagen: I img = N el ⋅ I el = 4 x10 6 Velocidad de las imágenes: elementos/imagen Información por elemento: Ie1 = log2(16x16) = 8 bits/elemento bits/imagen Vimg = 30 imágenes/seg Tiempo de transmisión de un elemento: T = Velocidad de Información: Vi = 1 1 = = 6.

Esta señal se transmite y es recibida en un receptor ideal. Introducción La expresión (4. pero no así la velocidad de modulación. a la entrada del receptor ideal. Como la velocidad de información es la misma en todos los puntos del sistema. y So y No las correspondientes potencias de salida. Es evidente. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Obsérvese que para la misma potencia de ruido y ancho de banda.6. la señal de TV a color necesita una potencia 1000 veces (30. es decir. mientras que la velocidad de información llega ya a 56 kbps (con el Módem V. Nótese que la capacidad del canal representa la máxima cantidad de información que se puede transferir en un segundo.6. los sistemas reales no pueden alcanzar el potencial inherente en el ancho de banda y potencia que utilizan. Consideremos. por ejemplo. Por ejemplo.9. La máxima velocidad de modulación sobre un canal telefónico de 3. de (4. Nótese que se puede aumentar aún más la velocidad de información utilizando diferentes métodos. respectivamente. 4. Supongamos que esta señal se ha codificado o modulado de tal manera que el ancho de banda resultante o ancho de banda de transmisión es B T . 4. 4.47). La salida del receptor ideal será la señal mensaje de ancho de banda Bm y algún ruido introducido en el canal. que para una capacidad dada C se puede aumentar el ancho de banda B reduciendo la potencia de señal S (disminución de la relación S/N). Como su ancho de banda efectivo es de 3. ♣ 4. Sin embargo. a partir de este teorema. Recepción Ideal. . la capacidad teórica del canal es del orden de los 32 kbps.2. como se muestra en la Fig. una señal mensaje que ocupa un ancho de banda Bm y que la información en ella contenida se produce a una velocidad de Vi bps. EL SISTEMA IDEAL DE TRANSMISION DE INFORMACIÓN 4. o viceversa.2 kHz.1. se verifica entonces que. Sea entonces Si y Ni las potencias de señal y de ruido.1 dB) mayor que en TV blanco y negro. y con los métodos de codificación y modulación se trata de alcanzar este máximo teórico. en un canal telefónico la relación S/N para una buena recepción es de aproximadamente 30 dB. El Receptor Ideal La ecuación de Hartley-Shannon nos permite deducir la ley para el intercambio entre el ancho de banda y la relación S/N en un sistema de transmisión ideal.2 kHz no debe sobrepasar los 2400 baudios.6. Señal Transmitida Origen Canal BT Si/Ni Receptor Ideal Bm So/No Ruido Fig.47) está considerada como el Teorema Central de la Teoría de la Información.9.280 IV. con B T ≥ B m . que el ancho de banda y la potencia de la señal se pueden intercambiar.90). Los procesos de codificación y modulación son los medios utilizados para efectuar este intercambio “Ancho de Banda-Relación Señal/Ruido”. como veremos posteriormente.

So No ⎡ S i ⎤ Bm = ⎢1 + −1 ⎥ ⎣ Ni ⎦ (4. este intercambio o compromiso “Ancho de BandaRelación Señal/Ruido (S/N)” está limitado físicamente en los sistemas reales. Los sistemas de banda ancha. en la práctica. En un sistema ideal la relación Señal/Ruido a la salida aumenta exponencialmente con la relación BT/Bm. para una pequeña reducción en el ancho de banda BT. C = B T log 2 (1 + Si ) bps Ni (4.49) representa el límite teórico máximo y la utilizaremos como referencia para comparar el comportamiento de los diferentes sistemas prácticos de codificación y modulación que veremos en los Capítulos V y VI. se puede reducir considerablemente la potencia de la señal transmitida. Esto quiere decir que para un pequeño aumento en el ancho de banda BT. . Por lo tanto. es necesario incrementar considerablemente la potencia de la señal transmitida. de modo que S o ⎡ S i ⎤ Bm ≈⎢ ⎥ No ⎣ Ni ⎦ y en dB. el compromiso es en el sentido de reducir la potencia de transmisión a costas de un aumento en el ancho de banda de transmisión y no así lo contrario. Sin embargo.51) Si β m = B T / B m es la relación o factor de expansión del ancho de banda.47). lo cual es más razonable pues no es necesario aumentar la potencia transmitida. La capacidad del canal ideal es.281 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION B T log 2 (1 + Si S ) = B m log 2 (1 + o ) Ni No BT de donde.10(b) se grafica este rendimiento para diferentes valores de β m . pero esto implica aumentar la potencia transmitida (si las condiciones de ruido no cambian).49) En la práctica. So/No y Si/Ni >> 1.50b) Nótese que se puede aumentar So/No si se aumenta Si/Ni y se mantiene BT constante. que veremos en los Capítulos V y VI. de (4. También se puede mantener Si/Ni constante y aumentar BT. 4. y el rendimiento máximo del canal ideal respecto al ancho de banda de la señal mensaje será η Bmax = S C = β m log 2 (1 + i ) bps/Hz Bm Ni (4. 4. Por otra parte. como veremos en los Capítulos V y VI.52) En la Fig. denominada “Relación o Factor de Expansión del Ancho de Banda”. entonces se puede escribir C = β m B m log 2 (1 + S i / N i ) .50b) para diferentes valores de la relación βm = BT/Bm. se caracterizan por un alto valor de la relación BT/Bm.50a) (4. Relación de Expansión del Ancho de Banda La expresión (4.10(a) se grafica (4. ⎡ So ⎤ BT ⎡ S i ⎤ ⎢ ⎥ ≈ ⎢ ⎥ ⎣ N o ⎦ dB B m ⎣ N i ⎦ dB BT (4. En la Fig.

Ni y BT. debido al esfuerzo de ingenieros y matemáticos. Sin embargo. en los cuales β m ≤ 2 . Estos conceptos los aplicaremos al estudiar algunos esquemas de modulación específicos en los Capítulos V y VI. Nótese también que los valores de Si . son mucho más eficientes que los sistemas de banda angosta. Pero. Un estudio detallado de estos códigos está fuera de los objetivos de este texto. él solamente demostró que había códigos que optimizaban la velocidad de información y que no había posibilidad de comunicación libre de error por un canal ruidoso si los mensajes se codificaban con cero redundancia. para las mismas condiciones de potencia o relación Si/Ni . Las Fig. Inicialmente.10(b) representan los límites máximos que pueden alcanzar los sistemas reales.10(a) y (b) muestran también que los sistemas de banda ancha. la teoría de la información proporciona una perspectiva diferente para evaluar el funcionamiento de los sistemas de comunicación y para tener una percepción significativa de las características de funcionamiento de los sistemas. se han elaborado códigos muy buenos y desarrollado la tecnología para su instrumentación y aplicación. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que el rendimiento máximo del canal ideal. en los cuales β m >> 1 .282 IV. establecen un límite sobre la velocidad de transmisión pero no en la exactitud en la transferencia de la información. Shannon no dijo qué tipo de codificación era la mejor. la capacidad C de Shannon fue considerada por los ingenieros de telecomunicaciones como una curiosidad o ficción matemática. 4. depende de la relación de expansión del ancho de banda β m . Quizás el resultado más sorprendente demostrado por Shannon en su teorema fundamental es que no hay un límite en la confiabilidad con que se puede transmitir señales binarias sobre un canal ruidoso mientras la velocidad de transmisión sea menor que la capacidad C del canal. 4. de acuerdo con el Teorema Fundamental de Shannon. El mecanismo para alcanzar este alto nivel arbitrario de confiabilidad es mediante una codificación apropiada que agregue una cierta cantidad de redundancia. En general. y las curvas de la Fig. poco a poco. El estudio de la teoría de la información suministra una medida cuantitativa de la información contenida en las señales mensaje y permite determinar la capacidad de un sistema para transferir esta información desde su origen hasta su .

Sea un alfabeto en el cual la probabilidad de ocurrencia de las diferentes letras se da en la tabla siguiente: A B C D 0.072 0. La teoría de la información es una disciplina muy vasta y compleja. Introduce. la velocidad de modulación y el ancho de banda mínimo para transmitir un impulso.7.002 0. Esta letras se codifican en binario puro con un impulso de arranque y uno de .020 0.040 M N O P 0. H y O.316 bits/letra.002 0.037 E F G H 0. con algunos ejemplos como el Código ASCII y el Código Baudot. La fuente produce 100 símbolos por segundo. ¿En español. cuya aparición suponemos equiprobable. Demuestre que la velocidad de información promedio de la fuente es de 640. Se discute en forma cualitativa el Teorema Fundamental de Shannon y la Ecuación de Hartley-Shannon.051 I J K L 0.066 0. la letra E o la letra Z? 4.031 V W X Y Z 0.019 0. mediante el cual se puede utilizar los canales con el máximo rendimiento. el concepto de codificación. Demuestre que la entropía de este alfabeto es de 4. asimismo. D. (d) Sea el juego siguiente: se trata de adivinar una palabra y se da como pista la primera letra de la palabra.005 0. de gran aplicación práctica. E. De la definición básica de la cantidad de información. Una fuente de información produce 128 símbolos independientes. El tratamiento de los temas ha sido necesariamente muy breve y sencillo.4 bps. y se ha introducido la noción de codificación digital de la información. Un alfabeto consta de las siguientes letras: A. Un aspecto de considerable importancia es el concepto de capacidad de un canal.001 (a) ¿Cuál letra proporciona la máxima cantidad de información? (b) ¿ Cuál letra proporciona la mínima cantidad de información? (c) Suponga que las letras se eligen independientemente para formar palabras (lo cual no se ajusta a la realidad).016 0. B.079 0.009 0.096 0. un sujeto muy importante en la teoría general de la información.3. y los 112 restantes con una probabilidad 1/224.032 0. en sí misma.283 IV.060 0.124 0. PRINCIPIOS DE LA TRANSMISION DE INFORMACION destino.072 0.072 0. La teoría de los códigos es. concepto que se utilizará para comparar los diferentes sistemas de comunicación prácticos que se estudiarán en los Capítulos V y VI. C.001 0. se han deducido algunos parámetros tales como la velocidad de información. cuál letra es más útil en el juego. y su objetivo es el de dar al lector una descripción básica de algunos aspectos de la teoría de la información que se aplicarán en capítulos posteriores.1.016 0. y aquí sólo hemos presentado un vistazo muy somero de ella para ilustrar algunos aspectos prácticos de la teoría que utilizaremos en los siguientes capítulos. y se deduce algunas expresiones que introducen la noción de Sistema Ideal de Transmisión de Información.023 Q R S T U 0. PROBLEMAS DE APLICACION 4.2. RESUMEN En este capítulo se ha discutido en forma muy breve algunos de los aspectos resaltantes de la Teoría de la Información y de los principios de la codificación digital de señales.023 0. de los cuales 16 ocurren con una probabilidad de 1/32.081 0. 4. F. 4.

5x105 bits 4. respectivamente. demuestre que el locutor transmite a una velocidad de 46. PRINCIPIOS DE LA TRANSMISION DE INFORMACION pare. 0. (b) Repita la parte (a) pero en este caso no sabemos si la moneda falsa pesa más o menos que las monedas buenas. 4. Suponga que el impulso de arranque está siempre a CERO y el impulso de pare siempre a UNO. 4. Se tiene 64 monedas de las cuales sabemos que una es falsa. todos igualmente probables. se codifican en binario para transmitirlos por un canal telefónico de 4 kHz.05.05. de 0. de 2166 bps y 3000 baudios.766 bits.25. 4.14 mm .75 mseg y con una velo cidad de información de 2400 bps.8. de 0. (a) Si sabemos que la moneda falsa pesa menos que las buenas. demuestre que la información promedio. respectivamente.9. la resolución de la imagen es de 5 puntos por mm. 0.512.15.032. es de 2.2.284 IV. 0. cada uno.14 mm x 11.6. Utilizando las suposiciones de los dos problemas anteriores. tres símbolos con una probabilidad. y un símbolo con una probabilidad de 0. todos los impulsos tienen la misma duración. Demuestre que los símbolos sí pueden transmitirse por el canal telefónico y que la velocidad de información y de modulación son. Disponemos también de una balanza de precisión con la cual podemos pesar las monedas. Los símbolos se producen a una velocidad de 1000 símbolos por segundo. 0. El canal de transmisión tiene un ancho de banda de 4 kHz. y se desea escribir una página de 280 caracteres. El alfabeto de una máquina de escribir consta de 32 caracteres alfanuméricos que suponemos equiprobables.128. es de 11. por letra. 4.5 bps.3.1.7. 0. Una persona escribe a una velocidad de 2 bps. cada uno. Nota: En las partes (a) y (b) hay que calcular no solamente el número de pesadas sino mostrar también el procedimiento para efectuarlas. Demuestre que la cantidad de información contenida en una fotografía de 10 cm x 10 cm es I = 7.05 y 0. 0.008. 0. demuestre que el tamaño que deberá tener la imagen (cuadrada) para que la información contenida en ella sea igual a la de 1000 palabras. Una fuente produce ocho símbolos distintos e independientes cuyas probabilidades de aparición son: un símbolo con una probabilidad de 0. (a) Demuestre que la palabra FACHADA se puede transmitir en 8. Se escucha un partido de fútbol y el narrador habla a una velocidad de 300 palabras por minuto.4. (c) Si las probabilidades de las 8 letras son. determine el número mínimo de pesadas necesarias para descubrir cuál es la moneda falsa. Vamos a determinar la información contenida en una fotografía en blanco y negro. Con los datos del Ejemplo 1.15. La imagen está compuesta por puntos con 8 niveles de gris. 4. Demuestre que la persona puede escribir una página en 11 minutos y 40 segundos.5. El refrán dice que “una imagen vale mil palabras”. (b) Asigne a cada letra una muestra codificada y muestre la forma de la palabra CAFE a la salida del codificador. tres símbolos con una probabilidad.

(a) ¿Cuál tiene más información: una página de un texto o la correspondiente página de apuntes (de igual número de palabras) del mismo tópico? Razone su respuesta. Los símbolos se codifican en binario más un impulso de sincronización. (b) En el canal hay ruido. (b) Las páginas almacenadas en la unidad de disco se van a transmitir ahora a razón de 30 páginas por segundo por un canal de 42 kHz de ancho de banda y en el cual la potencia de ruido es de 1 mW. todos de igual duración. (a) Si no hay ruido en el canal. Una fuente de información produce 16 símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. demuestre que la información promedio contenida en una página es de 16820 bits. Demuestre que para que no haya pérdida de información. de 11.1.14. respectivamente. la relación S/N en el canal deberá ser. En Modo Gráficos la pantalla tiene una resolución de 200 filas y 300 columnas donde cada punto puede tener 16 colores diferentes y 4 niveles de intensidad.123 dBm.3.909 dB. La información o texto se considera formada por “páginas” de 30 líneas de 80 columnas con 7 bits por carácter.12. Una fuente produce símbolos los cuales se codifican en secuencias de 7 impulsos cuaternarios más 1 impulso de sincronización. En Modo Texto tiene un alfabeto de 256 caracteres alfanuméricos en una pantalla de 25 filas de 40 columnas cada una (Cada punto de la pantalla se denomina “pixel”).2 y 0. Una computadora trabaja en dos modalidades: Modo Texto y Modo Gráficos.13. El ancho de banda del canal es de 10 kHz y la relación S/N correspondiente es de 30 dB.285 IV.3. (b) Vamos a estimar la información promedio contenida en una página de un periódico. Con los datos del Ejemplo 4. 4. la potencia promedio mínima de la señal debe ser de 4. Una página tiene una superficie útil de 50 cm x 60 cm. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. 4. demuestre que la cantidad de información que llegó a destino es de 12925 bits. todos de igual duración. 4. el espaciado entre palabras es de 3 mm y la separación entre líneas es de 6 mm. (b) Para que no haya pérdida de información. los tipos tienen dimensiones de 3 mm x 3 mm. La velocidad de modulación a la salida del codificador es de 80 kbaudios y se transmite un total de 1000 secuencias. Demuestre que la cantidad de memoria necesaria para almacenar el contenido de la pantalla es: (a) En Modo Texto: 1 kbyte. .10. Los cuatro niveles de cada impulso tienen probabilidades 0. como mínimo. (a) Demuestre que la computadora puede transferir 650 páginas de texto en 5 minutos. 0. El intercambio de información entre una computadora y su unidad de disco se efectúa a una velocidad de 36400 bps. 4. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N en.11. 0. por lo menos. 8.4. Demuestre que: (a) La velocidad de modulación en el canal es de 5000 baudios.7609 dB. (b) En Modo Gráficos: 45 kbytes.095 W o 36. los cuales se transmiten por un canal con un ancho de banda de 1 kHz. Contenido de Información de Textos Escritos.

Si la relación S/N en el canal es de 60 dB y la potencia de ruido es de 1 µW. Un terminal de datos produce 256 caracteres alfanuméricos que se codifican en n impulsos m-arios incluyendo un impulso de arranque y uno de pare. La información se codifica en binario para ser transmitida por un canal de 4 kHz de ancho de banda. los cuales se codifican en impulsos ternarios. (d) Si la información se codifica en ASCII sin bit de paridad. todos de igual duración. En el sistema no hay pérdida de información. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. demuestre que una imagen se transmite en 93. (c) Transmisión Digital.18. todos de igual duración. La velocidad de modulación a la salida del codificador es de 10 kbaudios. 2. Cada punto luminoso tiene 8 niveles de brillantez y 16 matices de color. demuestre que la potencia de señal es de 1 W y que se puede transmitir por un canal de ancho de banda de 5. 4. 4.5 MHz. demuestre que la potencia mínima de la señal para que no haya pérdida de información.534 MHz. 4.25x106 elementos de imagen (esto equivale a 1500 líneas en cada dimensión). entonces m = 4 y n = 4.3 Mbps.7609 dB.13(b)) para su transmisión por un canal digital. Una fuente de información produce 27 símbolos distintos y equiprobables. el tiempo de transmisión se reduce a la mitad.75 minutos. debe ser de 0. 4. (c) Demuestre que si la información se codifica en impulsos cuaternarios. La imagen de un televisor a color está formada por 525 líneas que contienen. (b) Si la velocidad de modulación máxima es 3/4 de la velocidad de información máxima. cada una.16. En un sistema de transmisión de facsímil de alta resolución se necesita. Demuestre que: (a) Para que no haya pérdida de información. (d) Si la potencia de ruido en el canal calculado en la parte (c) es de 1 µW. Si cada punto luminoso se codifica en ASCII sin bit de paridad (Fig. 1000 puntos luminosos. Fig.17. (b) Demuestre que una imagen se puede transmitir en 37.625 µW. 4. (a) Demuestre que la velocidad de la información producida por la imagen de televisión es de 110. El codificador produce bloques que contienen 9 impulsos de información más un impulso de sincronización. por página. demuestre que el ancho de banda mínimo necesario del canal es de 157. (a) Demuestre que la información contenida en una imagen es de 9x106 bits. La velocidad de las imágenes es de 30 por segundo. ¿Qué pasaría si la codificación fuese en binario? .5 minutos.135x107 bits en una hora. (b) Se puede transmitir 5. y para una buena reproducción se requiere 16 niveles de brillantez. (b) Transmisión Analógica. Demuestre que: (a) La fuente está produciendo los símbolos a una velocidad de 3000 símbolos por segundo. el terminal de datos debe generar los caracteres a una velocidad igual o menor de 5000 caracteres por segundo.286 IV.15.13(b). (c) Para los mismos datos. La señal codificada se transmite por un canal de ancho de banda de 10 kHz y con una relación S/N de 11.

Una fuente de información produce 1024 símbolos distintos y equiprobables a una velocidad de 1250 símbolos por segundo. se pierden 5x105 bits de información. Estos impulsos se van a transmitir por un canal de 1 kHz de ancho de banda y en el cual la relación S/N es de 11. 4. Demuestre que si se quiere transmitir las 100 imágenes en 400 segundos.5 veces la duración de un impulso de información. En estas condiciones hay pérdida de información. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N. demuestre que el ancho de banda mínimo del canal es de 2 kHz. La fotografía mide 10 cm x 15 cm. (b) Si la señal de salida de la celda fotoeléctrica se transmite directamente por un canal.3045 dB.22.23. La celda se mueve a una velocidad de 4 cm por segundo. Demuestre que la velocidad de modulación a la salida del convertidor es de 7. que convierte información de un sistema de codificación a otro sistema. la relación S/N mínima en el canal para que no haya pérdida de información es de 8. Un codificador produce impulsos binarios cuya velocidad de modulación es de 8 kbaudios.7609 dB. Sea un sistema de telefotografía. y su resolución es de 5 puntos por milímetro. por imagen.5 kbaudios y que los impulsos son cuaternarios. Televisión de Barrido Lento (SSTV). el ancho de banda del canal debe ser de 32. Demuestre que: (a) Las velocidades de modulación y de información son de 10 kbaudios y 12. La entrada al convertidor es una secuencia de impulsos de amplitud variable cuya frecuencia es de 2. (a) Demuestre que la información contenida en una imagen es de 8 Kbytes. 4. 128 líneas con 128 puntos por línea.20.287 IV.5 kbps. (b) Si el ancho de banda del canal de transmisión es de 5 kHz y se transmiten 105 muestras codificadas. Se tiene un convertidor automático. La duración de los impulsos de arranque y de pare es 1. ambos de duración el doble de la de los impulsos de información.768 kHz. La salida del convertidor es otro tren de impulsos cuyo número de amplitudes es 1/4 del número de amplitudes de los impulsos de entrada al convertidor. en 12. . respectivamente. pero a cada muestra se le agrega un impulso de arranque y uno de pare.21. Los símbolos se codifican en impulsos cuaternarios más un impulso de arranque y uno de pare. (d) Las imágenes almacenadas en la computadora se van a transmitir por un canal dado. 4. con una capacidad de 15x103 bps.25x105 impulsos por minuto. Demuestre que la capacidad mínima de la memoria debe ser de 800 Kbytes y que el almacenamiento de la información se efectúa a una velocidad de 8 kbps. En un sistema SSTV básico una celda fotoeléctrica barre la imagen y mide en cada punto de imagen uno de 16 valores de gris desde el blanco puro hasta el negro puro.878 dB. como mínimo. La velocidad de barrido es de 2x103 puntos por segundo y el sistema requiere. Una celda fotoeléctrica barre la fotografía (de blanco y negro) y en cada punto produce una señal cuya amplitud varía de 0 V a 127 mV correspondientes a 128 niveles de gris (desde el blanco puro al negro puro) de la fotografía.19. (e) Demuestre que si los impulsos de información tienen una duración de 40 µseg y la transmisión se hace por un canal telefónico de 4 kHz de ancho de banda. 4. (c) La señal de salida de la celda fotoeléctrica se codifica en binario y se almacena 100 imágenes en la memoria de una computadora. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4.

siendo Si/Ni y So/No las Receptor So/No Destino Origen Bc Br relaciones señal-ruido a la entrada y salida del receptor. 4. 4. en dB. como se muestra Fig.08 dB. (a) Demuestre que la capacidad del canal es C = 10378 bps (b) Demuestre que la máxima velocidad de información en el canal sin ruido es de 2100 bps (c) Demuestre que el tiempo que tarda el terminal en vaciar la memoria es Tt = 30.9136 dB y el ancho de banda Br del receptor es de 8 kHz. 4. Demuestre que la velocidad de información en el canal es de 13. (a) Demuestre que el ancho de banda mínimo del canal para transmitir las secuencias binarias en ausencia de ruido. (d) Si la información se transmite en código BAUDOT. 4. Una señal s(t) es transmitida por un canal perturbado por un Si/Ni Señal s(t) Canal ruido n(t). Demuestre que el sector de la memoria donde se guardó la información debe tener una capacidad de 26. La transmisión de las 10 fotografías que estaban en la memoria se efectúa en 2 segundos. Ruido n(t) respectivamente. En el sistema no hay pérdida de información.13 Mbps y que el ancho mínimo del canal debe ser de 18. Demuestre que la relación S/N mínima.098 dB. Esta señal se pasa por un convertidor que la convierte en secuencias de 8 impulsos binarios. (b) Las señales producidas por la celda se codifican en binario y se guardan en la memoria de una computadora. 4. es Bn = 80 kHz (b) El canal tiene un ancho de banda de 50 kHz. Un terminal de datos se utiliza para enviar información hacia una computadora central a través de una línea telefónica de 3 kHz de ancho de banda.773 minutos . la relación Si/Ni es de 14.288 IV.13(a).25. demuestre que el tiempo que tarda en vaciarse la memoria es Tt = 34. Si la potencia de ruido en el canal es de 1 pW. la relación S/N en el canal es de 10 dB. 4. para transmitir las secuencias sin error es de 3.25 Mbits.48 seg.11.11 en la Fig.24. y que la velocidad de modulación a la salida del codificador es de 1400 baudios. El ancho de banda Bc del canal es de 16 kHz. (c) La información contenida en la memoria se va a transmitir por un canal en ASCII sin bit de paridad. teniendo cada secuencia una duración de 100 µseg. (d) La salida de la celda fotoeléctrica se transmite directamente por un canal cuyo rendimiento es de 2 bps/Hz. Una señal tiene un ancho de banda de 4 kHz. PRINCIPIOS DE LA TRANSMISION DE INFORMACION (a) Demuestre que la velocidad a la cual la celda produce información es de 1400 bps y que tarda 1875 seg en transmitir una fotografía. demuestre que la potencia de la señal para que no haya pérdida de información es de 3 pW. Demuestre que la relación señal/ruido a la salida del receptor es de 30. Fig. El terminal de datos produce caracteres alfanuméricos en ASCII sin bit de paridad y en su memoria hay almacenados 8000 bits de información.26.75 MHz. en la cual se almacena 10 fotografías.

. (Nota: en ambos códigos el bit o dígito binario 1 es el de menor peso). Fuente Codificador 1 Canal Codificador ASCII Terminal de Datos Fig. ambos de la misma duración que los de información.5 y B. El codificador 1 agrega a cada muestra un impulso de arranque y uno de pare. (a) Determine N. se transmite por un canal.6.27. Sea el sistema mostrado en la Fig.289 IV. respectivamente. 4.12. No hay pérdida de información en el sistema. 4. 4. sin pérdida de información. Una fuente de información digital produce dígitos a una velocidad de 128 kbps. (a) En un codificador (denominado 4B/3T) se transforma grupos de 4 dígitos binarios en grupos de 3 dígitos ternarios.29.12. 4. Demuestre que la velocidad de modulación en el canal es de 96 kbaudios. Códigos Binarios BAUDOT y ASCII (Alfabeto Internacional N° 5 de la UIT-T) En la Fig. Demuestre que el ancho de banda mínimo del canal debe ser 5/4 veces más grande que el ancho de banda mínimo antes del codificador 4. Ver APENDICE B. En el Código ASCII los caracteres fluyen a una velocidad de 100 caracteres por segundo.28. (b) Se puede utilizar también un codificador 4B/5B (utilizado en la transmisión por fibras ópticas) que transforma grupos de 4 dígitos binarios en grupos de 5 dígitos. los valores apropiados de m y n para el codificador 1. no hay pérdida de información en el canal. El terminal de datos solamente acepta secuencias codificadas en ASCII sin bit de paridad. La secuencia. y el ancho de banda mínimo del canal (b) Demuestre que las velocidades de modulación y de información a la entrada del terminal de datos son. así codificada. binarios también. Vb = 10 kbaudios y Vi = 7 kbps. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4.13 se muestran los formatos de los Códigos BAUDOT y ASCII (sin bit de paridad). La fuente produce N símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. Para el Código BAUDOT tomar las duraciones dadas en la figura.

(b) ¿Qué significa la siguiente información codificada en ASCII? 011001011101111001110110010111 (c) ¿Cómo se codificaría la misma información de (b) pero en BAUDOT? 4. Considere la ecuación de Hartley-Shannon. teóricamente. como es el caso de los sistemas de comunicación espacial o por satélites. N es entonces la potencia de ruido contenida en el ancho de banda B. Por consiguiente.290 IV. Límite de Shannon. demuestre que B→∞ ⎡S⎤ ⎡S⎤ lim C = ⎢ ⎥ log 2 e = 1.54) Nótese que γ = Si ηo Bm representa la relación entre la potencia de la señal (transmitida) en el canal respecto a la potencia de ruido dentro de la banda de la señal misma (Bm). 4. 4.30. Consideremos el receptor ideal de la Fig. en condiciones ideales cuando el ancho de banda de transmisión BT tiende a infinito. (a) Determine las velocidades de modulación y de información para cada uno de estos códigos. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Arranque Información 1 22 ms 2 3 22 ms 4 5 Pare Arranque 1 2 Información 3 4 5 6 7 Pare 31 ms τ τ Un Carácter 2τ Un Carácter (a) Código BAUDOT (b) Código ASCII sin Bit de Paridad Fig. Si el ancho de banda B aumenta sin límites (B→∞).31. La potencia de ruido N se expresa en la forma N = ηB . 443 ⎢ ⎥ = ViMAX ⎣η⎦ ⎣η⎦ (4.13. donde η tiene dimensiones de vatios por unidad de ancho de banda (W/Hz) y es la “densidad espectral de potencia de ruido”. entonces ⎡ So ⎤ Si ) = exp( γ ) ⎢ ⎥ ≈ exp( ηB m ⎣ No ⎦ cuando So No >> 1 (4. . 4.9 .53) Este resultado se conoce con el nombre de “Límite de Shannon” y representa la máxima velocidad de información en un sistema de comunicación con una potencia promedio transmitida dada pero sin la limitación del ancho de banda. Demuestre que si el ancho de banda del canal tiende a infinito (BT → ∞) . Formatos de los CODIGOS BAUDOT y ASCII. la relación So/No a la salida aumenta exponencialmente con γ.

solamente los impulsos de información.42) se definió el “rendimiento del canal respecto al ancho de banda” en la forma ηB = donde τ es la duración de un dígito binario. para 1≤ Eb ηo ≤ 100 4.5). 4.5% y R co % = 1. Si se define la “Energía por Dígito Binario.13(a)). Rendimiento del Canal en el Sistema Ideal de Transmisión. Código ASCII. y r el número de impulsos redundantes (ver ecuación (4. Vb ≥ Vi . Los bloques de datos se estructuran en la forma siguiente: se colocan tres caracteres SYN (de sincronización) al inicio de cada bloque. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 1. Demuestre que en Transmisión Sincrónica ηco % = 98. 4.9. En la expresión (4. y del codificador del Ejemplo 4. Rco” en la forma R co = 1 − ηco = Vb − Vi r = Vb n+r (4. ni los caracteres de información contienen los impulsos de arranque. a continuación 256 caracteres de información y se termina el bloque con un carácter ETX. ASCII con bit de paridad (Fig. Eb” en la forma Eb = Sτ. El rendimiento de un código o de un codificador se puede definir en la forma siguiente: η co = Vi n log 2 m = Vb n+r bps/baudio (4. En los sistemas binarios (m = 2) se suele definir también la “redundancia de codificación.28) y Fig. y tanto ηco como Rco se pueden expresar en forma porcentual (ηco% y Rco%). demuestre que si el sistema es binario y Vi = C.5 en el Apéndice B. Nótese que la codificación binaria es la menos eficiente.291 IV. entonces η B = log 2 (1 + η B Eb ηo ) Vi . pero es la más utilizada por su facilidad de instrumentación. (a) Determine el rendimiento de los Códigos Baudot (Fig.32. Rendimiento y Redundancia de Codificación. paridad y pare. Ni los caracteres SYN y ETX.4).55) Grafique también ηB vs Eb/ηo Sugerencia: utilice escalas log-log.5% . 4. (b) Transmisión Sincrónica.56) donde n es el número de impulsos de información.33.57) En este caso. B ηB se expresa en bps/Hz (4. Los caracteres SYN y ETX están definidos en la Tabla B.

4.31 dB y que el ancho de banda del canal es de 375 Hz. f3 = 3f1 y f4 = 4f1.292 IV. Demuestre que la velocidad de información en el sistema es de 1000 bps y que el valor de las frecuencias es f1 = 500 Hz. (c) Si la capacidad de la memoria de la computadora es de 600 Kbytes. 4. El codificador opera en la Fig. Toma a continuación un símbolo de la Fuente 2 y lo codifica en binario agregándole un impulso de arranque y uno de pare. Sea el sistema de la Fig. f3 = 1. 1 1 → f4 La velocidad de modulación a la entrada del sintetizador es de 1000 baudios.5). respectivamente: N1 = 128 símbolos N2 = 256 símbolos N3 = 32 símbolos Fuente 1 Fuente 2 Secuencias Compuestas Codificador Canal Fuente Todos estos símbolos son independientes y 3 equiprobables.5 W y la de ruido 2 mW. 4. Cierta fuente de información transmite cada milisegundo un número octal (base 8).14 forma siguiente: primero toma un símbolo de la Fuente 1 y lo codifica en ASCII sin bit de paridad.36. En el canal la potencia promedio de la señal es de 0. 0 1 → f2 .5 kHz y f4 = 2 kHz. Demuestre que en Transmisión Asincrónica η co = 63.37. (b) Si el lector de tarjetas lee 10 tarjetas por segundo. Código ASCII.14.5 veces más que los demás. (a) Si la computadora reconoce 256 caracteres alfanuméricos y cada carácter se almacena en una columna de la tarjeta. demuestre que en este caso cada columna tendrá 8 filas. Se transmite bloques de 256 caracteres ASCII incluyendo todos los impulsos redundantes (Fig. f2 = 2f1 . este último dura 1. demuestre que puede almacenar el contenido de 7680 tarjetas. Por último. toma un símbolo de la Fuente 3 y lo codifica en binario agregándole un impulso de arranque y uno de pare. f2 = 1 kHz . Un cierto sistema de comunicación posee un sintetizador de frecuencias que produce cuatro frecuencias diferentes: f1. Este sintetizador de frecuencia se utiliza como transmisor de información digital en el cual por cada dos bits de entrada al sintetizador se transmite una frecuencia según el esquema siguiente: 0 0 → f1 . incluidos los de las Fuentes 1 y .4% (d) Si la velocidad de modulación es la misma en los dos tipos de transmisión anteriores.35.34.6% y R co = 36. ¿Cuál es la relación entre sus respectivas velocidades de información? 4. 1 0 → f3 . 4. Si a la salida del receptor el ancho de banda es de 100 Hz. Estas tarjetas tienen 80 columnas por F filas. todos de igual duración. y se sabe que para la transmisión del grupo 0 0 se transmite un solo ciclo de la frecuencia f1 . Se desea introducir información a una computadora mediante tarjetas perforadas tipo IBM. PRINCIPIOS DE LA TRANSMISION DE INFORMACION (c) Transmisión Asincrónica. Las fuentes producen. demuestre que el lector está entregando información a la computadora a una velocidad de 6400 bps. demuestre que la relación So/No a la salida es de 90. 4. 4.

(c) Si la relación S/N en el canal es de 15 dB. demuestre que el ancho de banda mínimo del canal es de 397.38.451 dB.293 IV. A la salida del codificador las secuencias codificadas individuales van saliendo una detrás de la otra formando un tren de impulsos cuya velocidad de modulación es de 2750 baudios y el cual es transmitido por el canal.8 Hz. la duración de cada impulso es de 25 ms. (a) Demuestre que la velocidad de información a la salida del codificador es de 2000 bps y que su rendimiento de codificación es del 72. Mediante una “interfaz” se convierte las 7 salidas de la computadora en una secuencia serie ASCII sin bit de paridad (Fig. 4. La salida de cierta computadora está formada por 7 conductores.7%. 4. de 280 bps y 400 baudios. respectivamente. El codificador vuelve a la Fuente 1 y se repite el proceso. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 2. (b) Si el rendimiento del canal respecto al ancho de banda es de 3 bps/Hz. demuestre que la relación S/N en el canal es de 8. Demuestre que a la salida de la interfaz las velocidades de información y de modulación son.13(b)) para transmisión por un cable bifilar. . cada uno de los cuales transmite impulsos con dos valores posibles: 0V y 5V.

PRINCIPIOS DE LA TRANSMISION DE INFORMACION .294 IV.

en el sentido visto en el Capítulo IV. La modulación de impulsos puede. INTRODUCCION Las nociones sobre la información y codificación vistas en el Capítulo IV. constituyen un marco teórico básico suficiente para emprender el estudio de los diferentes métodos de modulación y transmisión de señales empleados en los sistemas de comunicación. se enfocarán (a) desde el punto de vista del ancho de banda de las señales y de los canales.1. También se presentará un breve estudio de la transmisión digital de señales mediante dispersión del espectro (Spread Spectrum). en la cual la portadora es simplemente una señal sinusoidal. pues éstos son los sistemas utilizados en la transmisión de señales digitales o datos. es posible identificar dos tipos básicos de modulación de acuerdo con la clase de portadora: (a) la “Modulación de Ondas Continuas (CW)”. se hará énfasis especial en los sistemas de modulación codificada. se estudiarán las “Técnicas de Multiplicidad en el Tiempo (TDM)” necesarias para la transmisión de una gran cantidad de mensajes por un mismo canal. en todo . como veremos en su oportunidad. así como los principios básicos de la transmisión y recepción de impulsos en banda de base o en portadora modulada. en el proceso de la modulación de impulsos se introduce una operación denominada “Muestreo de la Señal” que es una de las transformaciones más importantes en el procesamiento y transmisión de señales digitales. y (b) la “Modulación de Impulsos”. En efecto. En la modulación digital de impulsos se efectúa una codificación o conversión.CAPITULO V MODULACION Y TRANSMISION DE IMPULSOS 5. y el proceso de modulación es simplemente un proceso de traslación de espectros. en la modulación analógica de impulsos los parámetros modulados (amplitud. En particular. y (c). a su vez. Finalmente. para efectos de comparación. La Modulación de Ondas Continuas es un proceso continuo y por lo tanto es la apropiada para señales que varían en forma continua en el tiempo. aunque ésta no es la única forma de modulación digital de impulsos. En este Capítulo se desarrollarán los conceptos de muestreo de señales y de la modulación y transmisión de impulsos. más los principios de la representación espectro-temporal de señales y sistemas expuestos en los Capítulos I y II. Los criterios de calidad de los diferentes sistemas. En el Capítulo VI trataremos en detalle la Modulación de Ondas Continuas. En este caso la frecuencia de la portadora sinusoidal tiene generalmente un valor mucho más elevado que el ancho de banda de la señal moduladora o señal mensaje. en grado menor. lo que hace que la Modulación de Impulsos sea la forma apropiada para mensajes o información de naturaleza discreta. A pesar de la existencia de una gran cantidad de métodos de modulación. clasificarse en “Modulación Analógica de Impulsos” y “Modulación Digital o Codificada de Impulsos”. en la cual la portadora es un tren de impulsos. La Modulación de Impulsos es un proceso discreto. mediante la cual el mensaje es transformado en palabras codificadas (secuencias de impulsos) que representan valores de la señal moduladora tomados en ciertos intervalos de tiempo. duración o posición de los impulsos) varían en proporción directa respecto a la señal moduladora o mensaje. La teoría del muestreo se presentará como la base teórica de todos los sistemas de modulación de impulsos y a este efecto se estudiarán algunos de los sistemas más utilizados en la práctica tanto en el procesamiento como en la transmisión de señales. (b) según las relaciones S/N presentes. en la complejidad de los sistemas. en el sentido de que los impulsos están presentes solamente en ciertos intervalos de tiempo. Sin perder el rigor teórico seguido. Asimismo.

Mucha de la importancia de la Teoría del Muestreo radica en que ella constituye un enlace o puente entre señales continuas y señales discretas y. lo cual es otra forma de enunciar este teorema. aunque no todos los autores la presentan en esta forma.296 V. Teorema No 1.2. Introducción Bajo ciertas condiciones una señal continua en el tiempo puede especificarse completamente y recuperarse a partir del conocimiento de sus valores instantáneos o muestras tomadas a intervalos de tiempo uniformes. ± 2. 5. con n = 0. La teoría del muestreo se puede resumir en cuatro teoremas. se puede especificar unívocamente por sus valores o muestras x(nTs ) . Nyquist ya había señalado en 1924 que N = 2 f m T números eran suficientes para representar una función del tiempo de duración T y frecuencia máxima f m . pero fue Shannon quien en 1949 lo introdujo en el dominio de la teoría de la comunicación.2. Un ejemplo muy ilustrativo de lo que esto significa lo constituye las series de fotografías de una cinta cinematográfica.2.. como lo veremos en su oportunidad. . solamente se considera señales reales continuas. La frecuencia mínima de muestreo. haciendo referencia principalmente a las Recomendaciones pertinentes de la UIT-T. de las escenas continuas originales. 1949] “Una señal x(t) pasabajo cuya frecuencia máxima es f m . . Como la discusión estará limitada a sistemas físicos. su habilidad para representar una señal continua mediante una serie de muestras instantáneas. Teorema del Muestreo de Shannon [Shannon. proporciona un mecanismo para representar señales continuas mediante señales discretas. “Intervalo de Nyquist”.2. monovalentes y limitadas en frecuencia o en el tiempo. circuitos y aplicaciones de sistemas prácticos. completa y exacta. Sin embargo. f s es la frecuencia de muestreo o “Frecuencia de Shannon” y Ts el “Intervalo de Muestreo”. Formas más o menos complicadas de este teorema se conocían en la literatura matemática.. según el caso. nosotros percibimos una representación móvil. Cuando estas fotografías se proyectan a esa misma velocidad (24 fotografías por segundo).1. fáciles de programar y adquirir. La respuesta es que no es necesario. para la cual se verifica que f s = 2 f m . Estos conceptos son la base del procesamiento y transmisión digital de señales. Teoremas del Muestreo Uniforme de Señales Podemos preguntarnos si es necesario transmitir continuamente sobre un canal una señal de banda limitada B a fin de entregar toda la información asociada con ella. Muchos de los sistemas de modulación de impulsos utilizan el hecho de que una señal de banda limitada puede transmitirse sin distorsión si se muestrea la señal periódicamente y se transmiten esos valores o muestras. 5. MODULACION Y TRANSMISION DE IMPULSOS momento se dará ejemplos. donde f s ≥ 2f m “. ligeros. TEORIA DEL MUESTREO UNIFORME DE SEÑALES 5. se denomina “Frecuencia de Nyquist”.. llamados “instantes o puntos de muestra”. tomados en una serie de instantes discretos. separados cada Ts = 1/ f s segundos. donde cada fotografía representa escenas fijas espaciadas cada 1/24 segundos. H. ± 1. Estos teoremas introducen y desarrollan el concepto de muestreo y el proceso de reconstitución o interpolación de una señal continua a partir de sus muestras. En muchas aplicaciones el procesamiento de señales discretas es más fácil y flexible debido a la creciente disponibilidad de dispositivos digitales baratos. y el intervalo Ts correspondiente. En este contexto..

1(f). Shannon.1) Este tipo de muestreo se conoce con el nombre de “Muestreo Ideal o Muestreo Instantáneo”.45). pero sí haremos una demostración que introduce el concepto de muestreo a partir de nociones sencillas ya conocidas. . Del Ejemplo 2.1. los espectros se solaparán y se producirá distorsión en la recuperación de x(t). Sea entonces x(t) una señal continua pasabajo de banda limitada f m . el espectro X s ( f ) de x s ( t ) es X s (f ) = f s ∞ n =−∞ ∑ X(f − nf ) s (5. 3. Una señal muestreada x s (t ) de x(t) se puede considerar como el producto de la señal continua x(t) por un tren de impulsos unitarios de período Ts . lo que se verifica si f s ≥ 2 f m . expresión (2. f El espectro original de x(t) aparece centrado en el origen y podrá ser recuperado con un filtro pasabajo mientras no se produzca solapamiento con los espectros adyacentes.9. 5. denominado “señal muestradora”. Nótese que para valores de f s < 2 f m . La recuperación de x(t) la consideraremos en el siguiente teorema. MODULACION Y TRANSMISION DE IMPULSOS La demostración rigurosa del teorema de Shannon [Teorema 1. es decir. X(f) x(t) t (a) 0 p(t) 1 (b) 1 −f m 0 f m P(f) f fs t −4Ts −2T (c) s 0 2Ts 4Ts 6Ts −2f s −f s x s ( t ) = x ( t ) p( t ) 2Ts 4Ts t (d) 0 fs fs X s (f ) 2f s f −4Ts −2Ts (e) 0 0 −f s -B −f m f m B fs 2f s −2f s 6Ts Filtro Pasabajo (f) Fig. x s (t ) = x(t ) ⋅ ∑ n =∞ ∞ δ(t − nTs ) = n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) s s ∞ (5. Muestreo Instantáneo en el Dominio del Tiempo.297 V.2) Vemos que X s (f ) representa un espectro periódico formado por el desplazamiento de X(f) a las frecuencias ± nf s . como se muestra en la Fig. y con un factor de escala f s . cuya transformada de Fourier o espectro es X(f). 1949)] está fuera de los objetivos de este texto.

y las muestras se presentan en forma de impulsos cuya área es proporcional a la amplitud de la muestra en un instante dado. la señal muestreada x s ( t ) se hace pasar por un filtro ideal pasabajo de ancho de banda B y ganancia Ts de la forma H (f ) = Ts Π( f ) exp(− j2 πt o f ) ⇔ h(t) = 2BTs sinc[2 B(t − t o )] 2B x r (t ) = x s (t ) ∗ h(t) s o )] (5. Fig. 2 Nótese en la Fig.1(f).298 V.4) Esta expresión indica que hay que tomar cada muestra y multiplicarla por una función sinc(. 5. MODULACION Y TRANSMISION DE IMPULSOS Teorema No 2.5) Esta expresión se ha utilizado para demostrar el Teorema del Muestreo de Shannon. Esto es exactamente lo que sucede cuando las muestras se pasan por un filtro pasabajo ideal de ancho de banda B tal que f m ≤ B ≤ f s − f m . En la Fig. la señal original x(t) se puede recuperar si se pasa la señal muestreada a través de un filtro pasabajo ideal con un ancho de banda B tal que f m ≤ B ≤ f s − f m ”.4) nos asegura también que entre los puntos de muestra x r (t ) = x (t ) debido a la forma como se suman las señales sinc(. Para la recuperación de x(t).4) recibe el nombre de “Ecuación de Interpolación”.. entonces ∞ De (5.). Se efectúa entonces una interpolación y por esa razón la expresión (5. se tiene la “Ecuación de Interpolación de Shannon”.. Por consiguiente. .. x r (t) = x(t) = n =−∞ ∑ x(nT )sin c [ 2B(t − nT )] = ∑ x(nT ) s s n =−∞ s ∞ ∞ sen[2πB(t − nTs )] para todo t 2πB(t − nTs ) (5. 5. 2BTs = 1 y t o = 0 .1) y (5. Pero la interpolación dada por (5. Sea x r (t ) la salida recobrada en el filtro.2 que cada muestra produce una señal sinc(. El proceso de recuperación de x(t) es fácil de visualizar en la Fig.3) en el cual debe cumplirse que f m ≤ B ≤ f s − f m . en cuyo caso x r ( t ) = x( t ) .1(f).2 se puede observar fs este proceso de interpolación para B = > f m . Recuperación o Interpolación de la Señal Este teorema tiene que ver con la recuperación de la señal original x(t) a partir de su versión muestreada x s (t ). pero nosotros vamos a verificarlo para demostrar algunas relaciones importantes.3). de modo que con 2 BTs = 1 y t o = 0. x r (t ) toma los valores de x(t) en los puntos de muestra.). 5. De donde x r (t ) = n =−∞ ∑ x(nT )δ(t − nT ) ∗ 2BT sinc[2B(t − t s s n =−∞ x r (t) = 2BTs ∑ x(nT )sin c[2B(t − t s ∞ o − nTs )] (5. la cual es cero en los otros puntos de muestra excepto en el propio.) centrada en el instante de ocurrencia de la muestra y sumar los términos resultantes. 5. “Si una señal pasabajo cuya frecuencia máxima es f m ha sido muestreada a una frecuencia igual o mayor que 2f m muestras por segundo.

n.3.3. De las propiedades de la función sinc(. Vemos entonces que si f s > 2 f m y B = f s / 2 . donde k es un entero. obtenemos x r (t ) = n =−∞ ∑x(nT )sinc( s ∞ t − nTs Ts ) (5. 5. x r ( t ) = x (kTs ) para k = 0. la expresión (5. x (t ) x r (t ) t −2Ts −Ts 0 Ts 2Ts 3Ts Fig.. A medida que disminuye la frecuencia f m de x(t).). x r (t ) y x(t) serán iguales pero solamente en los instantes de muestreo. de acuerdo con el teorema de Shannon. x r ( t ) y x(t) tendrán la forma aproximada mostrada en la Fig.299 V. . 5.2.Interpolación Lineal mediante la Señal Sinc(. si reemplazamos B = f s / 2 = 1 / 2 Ts y t o = 0 en (5....). podemos demostrar que si B = f s / 2. Si se viola la restricción sobre el ancho de banda de x(t). n =−∞ ∑sinc(m) = ⎨0 para ⎩ ∞ ⎧1 para m = 0 ó k = n m≠0 ó k ≠n Por consiguiente. 5. Nótese que x r (t ) y x(t) son iguales solamente en los instantes de muestreo. MODULACION Y TRANSMISION DE IMPULSOS Ts x(t) sinc( t − nTs ) Ts t Fig. entonces x r (t ) no será igual a x(t).6) En el instante kTs .6) queda en la forma x r ( kTs ) = n =−∞ ∑x(kT )sinc(k − n) = x(kT )∑sinc(k − n) s s n =∞ ∞ ∞ Sea m = k . Si se muestrea periódicamente una señal x(t) durante un tiempo T = NTs . entonces. las curvas se superponen en una sola y x r (t ) = x (t ) para todo t.. Sin embargo. donde m es un entero pues k y n son enteros . entonces para cualquier valor de Ts y f m . En efecto. ± 1. se tendrá N 1 y el valores o muestras de la señal. y x r (t ) aparece como una señal de menor frecuencia que x(t). entonces la señal reconstruida xr(t) será exactamente igual a x(t). Ts = 2f m número mínimo de muestras necesarias para una buena reconstrucción de la señal x(t) será .4). ± 2.

En rigor. la energía de x(t) viene dada por Ex = ∫ ∞ −∞ x 2 ( t )dt Como la potencia es igual a la energía por unidad de tiempo. Este sencillo enunciado tiene. estudiada por Nyquist.8). pero sí deben ser independientes.5).49). 1 < x (t ) >= Ts 2 ∫ ⎡ ∞ ⎤ x (t )⎢ x(nTs )sinc[2 B(t − nTs )]⎥dt −∞ ⎢ ⎥ ⎣ n =−∞ ⎦ ∞ ∑ 1 < x ( t ) >= Ts 2 n =−∞ ∑ ∞ x( nTs ) x( t )sinc[2 B( t − nTs )]dt −∞ ∫ ∞ Pero de las propiedades de la función sinc(. de donde .). El teorema de la dimensionalidad simplemente establece que la información contenida en una señal de banda limitada es proporcional al producto tiempo-ancho de banda.. en sistemas de radar es bien conocido que el producto “tiempo-ancho de banda” de la señal recibida necesita ser muy alto para un mejor comportamiento.7) Esta expresión. < x 2 ( t ) >= Ex 1 = Ts Ts ∫ ∞ −∞ x 2 ( t )dt (5. podemos aproximar la potencia promedio de x(t) dividiendo Ex por Ts . MODULACION Y TRANSMISION DE IMPULSOS N = 2f m T (5. sin embargo. las muestras no necesariamente deben ser periódicas de período Ts. una vez codificados digitalmente. es conocida también con el nombre de “dimensionalidad o teorema de la dimensionalidad”. Teorema de Parseval para Señales Muestreadas La ecuación de interpolación de Shannon. como veremos posteriormente. se puede utilizar para determinar una forma del Teorema de Parseval en el caso de señales muestreadas. profundas implicaciones en el diseño y prestaciones de todos los tipos de sistemas de comunicación. expresión (5.4) con 2 BTs = 1 y t o = 0 en (5. 1 2B ∫ B −B exp[− j2 π (t − nTs )f ]df = sinc[2 B(t − nTs )] . Esto es de gran importancia en los sistemas de procesamiento y transmisión de señales digitales.300 V. se pueden almacenar en la memoria de una computadora para posterior reconstrucción o transmisión por un canal. En efecto. Los valores de muestra. por ejemplo.8) Reemplazando (5. expresión (1. entonces 1 Ts < x 2 (t ) >= 2 n =−∞ ∑∫ ∞ ∞ ⎡ 1 x(t )⎢ ⎣ 2B −∞ ∞ ∫ ⎤ exp[− j2 π (t − nTs )]df ⎥dt ⎦ −B B 1 < x (t ) >= 2BTs n =−∞ ∑ x(nT )∫ ⎡⎢⎣∫ B s −B ⎤ x(t ) exp(− j2 πft )dt ⎥ exp( j2 πnTs f )df ⎦ −∞ ∞ La integral dentro de los corchetes es igual a X(f).

donde m es la parte entera de la relación f 2 / B”. Valores de frecuencia superiores no son B necesariamente utilizables a menos que ellos cumplan con la condición (5. es decir.10).9) es una forma o aplicación del Teorema de Parseval para señales muestreadas. y para 2BTs = 2 fm Ts = 1 .10) La frecuencia mínima de muestreo se puede expresar entonces en la forma f smin = 2 f 2 / m f donde m = parte entera de ( 2 ). De (5. Teorema No 3. es decir. Sea X s (f ) el espectro de la señal muestreada x s (t ) a una frecuencia de muestreo fs . en la cual la frecuencia de muestreo puede tomar los valores [Hoffmann. 5. aunque f s < 2 f 2 . < x 2 ( t ) >= 1 2f m Ts n = −∞ ∑x ∞ 2 ( nTs ) Como X(f) es de banda limitada f m = B . Muestreo de Señales Pasabanda “Una señal x(t) pasabanda de ancho de banda B y cuya frecuencia más alta es f2 . Los valores permitidos de fs se pueden representar en forma gráfica a partir del siguiente desarrollo.301 V. En la Fig. la integral es igual a x( nTs ) . Para señales pasabanda existe entonces una relación más general que la condición de Shannon. Esta expresión la aplicaremos más adelante. se puede muestrear a una frecuencia mínima f s = 2 f 2 / m . la integral de la expresión anterior representa a x(t) en los instantes discretos nTs .9) La expresión (5. Por consiguiente. siendo B=|f 2 − f1 | . 2 2 f2 ≤ fs ≤ f m m−1 1 para m entero y m > 1 (5. .10) o que sean mayores que 2 f 2 .4 se muestra el espectro X s (f ) de x s (t ) en el cual. y sea f1 y f2 los bordes de la banda de paso de X(f). B =| f 2 − f1 | . MODULACION Y TRANSMISION DE IMPULSOS < x 2 (t ) >= 1 2 BTs n =−∞ ∑ x(nT )∫ s ∞ B −B X (f ) exp( j2 πnTs f )df Como X(f) es de banda limitada f m = B . entonces 2 < x 2 (t ) >=< x r (t ) >= n =−∞ ∑x ∞ 2 (nTs ) (5. x(t) = x r (t ). 1975]. no se produce solapamiento entre los espectros.

fs 3B 2B B B 2B 3B 4B 5B 6B f Frecuencia Máxima de la Señal. la frecuencia mínima de muestreo de señales pasabanda estará siempre entre 2B y 4B. mientras que en el segundo caso se obtuvo una frecuencia de muestreo de aproximadamente cuatro veces el ancho de banda. la frecuencia de muestreo debe ser como mínimo igual a 2B. ♣ . Para especificar esta señal sin ninguna distorsión. entonces B = 5 kHz. Por consiguiente.12) Graficando fs vs f2 en unidades de ancho de banda B. Pero si la señal está desplazada en frecuencia de tal manera que la banda de paso se extiende desde f1 = 5 kHz hasta f 2 = 10 kHz . se obtiene el gráfico de la Fig. ♣ Ejemplo 5.302 V. En el primer caso se emplea una frecuencia de muestreo que es dos veces el ancho de banda de la señal. y del Teorema No 3 la frecuencia mínima de muestreo será de 104 muestras por segundo. 5.5.11) Si consideramos fs como la frecuencia mínima de muestreo (convirtiendo la desigualdad (5. Sin embargo. 4B Frecuencia Mínima de Muestreo. 5. m = 1 y la frecuencia mínima de muestreo será de 19998 muestras por segundo. 5. Frecuencia Mínima de Muestreo Pasabanda En cuanto a la reconstrucción de la señal original a partir de su forma muestreada. Si f 2 >> B .11) en una igualdad). es decir. que son los límites de la frecuencia mínima de muestreo y que están ilustrados en la Fig.5.1 Consideremos una señal de audio que ha sido pasada por un filtro pasabajo ideal de ancho de banda B = 5 kHz. MODULACION Y TRANSMISION DE IMPULSOS fs ≥ 2f 2 m (5. si la gama de frecuencias se hubiese extendido desde f1 = 4. 104 muestras por segundo. f 2 Fig. La frecuencia de muestreo mínima permitida depende entonces de la relación f 2 / B . entonces la frecuencia de muestreo mínima tiende a 2B. 4. Vemos que las frecuencias de muestreo siguen siendo iguales. su valor máximo será 4B. donde B es el ancho de banda de la señal. es decir.999 kHz hasta f 2 = 9.5. casi 4B muestras por segundo. como se muestra en las líneas a trazos en la Fig.999 kHz . asimismo. se obtiene la relación 2 f s = ( )f 2 m (5. m = 2. entonces B = 5 kHz. 5. se puede utilizar un filtro pasabanda.

MODULACION Y TRANSMISION DE IMPULSOS Muestreo en el Dominio de la Frecuencia Los teoremas anteriores han sido desarrollados para el muestreo en el dominio del tiempo de señales de banda limitada.14) es el dual de la expresión (5. Tm ) . en el cual una señal limitada en el tiempo se puede representar y reconstruir a partir de sus muestras en el dominio de la frecuencia.14) siendo fo el intervalo de muestreo en frecuencia. ~ (5. Fig. La expresión (5.2) y x(t) es la señal generatriz de una señal periódica ~ (t ) . 5. su transformada X(f)) se puede recuperar mediante el empleo de lo que se denomina “ventana temporal de ponderación. En este caso v (t ) = fo Π( t 1 / fo ) y x(t) = ~ ⋅ v(t) x(t) (5.1) y (5. consideremos el dual en el dominio de la frecuencia de las expresiones (5.13) X( f ) = X( f ) ⋅ P ( f ) donde P (f ) = n =−∞ ∑ δ(f − nf ) ⇔ p(t) = f ∑ δ(t − fn ) 1 o o n =−∞ o ∞ ∞ y en el dominio del tiempo. y ~ X(f ) el espectro muestreado de X(f). Sin embargo. En el procesamiento de señales digitales se presenta el caso del muestreo en frecuencia cuando se trata de determinar numéricamente la Transformada de Fourier (Transformada de Fourier Discreta (DTF) y la Transformada de Fourier Rápida (FFT)) y en el análisis de imágenes y de voz. Sea entonces X(f) el espectro de una señal x(t) limitada en el tiempo.2). En el dominio de la frecuencia.6 (b) y (f). 2Tm Para verificar este enunciado.6. la señal x(t) (y por supuesto. ~ consistirá de réplicas periódicas de x(t) fo x(t) separadas en múltiplos de To = 1 / f o . A este efecto.15) > 2 Tm . x Si x(t) es limitada en el tiempo de la forma x ( t ) = 0 para |t|> Tm entonces. Teorema No 4 “Si X(f) es el espectro de frecuencias de una señal x(t) limitada en el intervalo (− Tm .303 V. como se muestra en la Fig.16) .3). v(t)” que es el dual del filtro pasabajo definido en (5. el muestreo puede también concebirse en el dominio de la frecuencia aunque no es tan directamente perceptible como lo es el muestreo en el dominio del tiempo. entonces X(f) se puede determinar unívocamente especificando sus valores en una serie de puntos 1 separados cada Hz”. En este caso. con 1 (5. vamos a presentar el dual del Teorema No 1. ~ (t ) = x (t ) ∗ p(t) = 1 x fo n =−∞ ∑ x(t − fn ) o ∞ (5. 5.

2. Muestreo en el Dominio de la Frecuencia > 2 Tm no se cumple. El principio del Osciloscopio de Muestreo.5). En particular. 5. MODULACION Y TRANSMISION DE IMPULSOS X(f) x(t) (a) −4fo −2fo 0 P(f) 1 0 f f (b) −2 / fo −1/ fo −Tm 0 1/ fo Tm p(t) 1/ fo t 2 / fo t (c) 2fo 4fo ~ X( f ) (d) ~ f o x (t ) 0 Ventana −4fo −2fo (e) 0 2fo 4fo f −1/ fo −Tm 0 Tm 1/ fo (f) −1 / 2f o 1 / 2f o 2 / fo t Fig. Sin embargo. ~ X(f ) = X(f ) ∗ V(f) (5. entonces las réplicas de x(t) se solaparán y x(t) fo x no podrá recuperarse a partir de ~ ( t ) . pero los resultados se pueden aplicar para cualquiera señal que exista en cualquier intervalo finito de duración 2Tm . consiste en muestrear la señal rápida x(t) una vez cada período pero en diferentes puntos en los períodos . si la señal es periódica. 5.7. En efecto.. la recuperación de x(t) utilizando la ventana temporal se puede interpretar como una interpolación en el dominio de la frecuencia.6(f).18) X(f ) = n = −∞ ∑ X(nf )sin c( ∞ f − nf o sen[π(f − nf o ) / f o ] para todo f ) = ∑ X(nf o ) fo π(f − nf o ) / f o n =−∞ La expresión (5. la función sinc(. el resultado deseado se puede obtener indirectamente utilizando el Osciloscopio de Muestreo. El desarrollo anterior se ha efectuado para señales limitadas en el tiempo centradas en el origen. El Osciloscopio de Muestreo A menudo es necesario observar en un osciloscopio señales que varían mucho más rápido que el tiempo de alzada del osciloscopio y por lo tanto la observación no es posible. ♣ Ejemplo 5.17) donde ~ X( f ) = ∞ 1 por consiguiente. como lo era para muestras en el dominio del tiempo de una señal limitada en frecuencia.) permite la interpolación exacta entre muestras en el dominio de la frecuencia para una señal limitada en el tiempo. de (5.18) es el dual de (5. Si la desigualdad Mediante analogía con la interpolación en el dominio del tiempo.6.304 V. como puede observarse en la Fig. n =−∞ ∑X(nf o ∞ o )δ(f − nf o ) y V(f) = sinc( f ) fo (5.16). como se muestra en la Fig. 5. cuyo principio de funcionamiento veremos a continuación.

Si el tren de impulsos resultantes y s (t ) se pasa por un filtro interpolador pasabajo apropiado. pero se diferencia en el factor de expansión a. 5.7. 5. Las señales y(t ) y x(t) tienen el mismo perfil. es decir. de modo que.8(a) donde la señal periódica p(t) tiene la forma mostrada en (b). de donde fm = 5x103 Hz. 5x103 Vamos a determinar X s (f ) cuando el muestreo se efectúa a la frecuencia de Nyquist. entonces la frecuencia de muestreo del osciloscopio será f s = 1/ ( T + ∆t ). su salida y(t) será proporcional a la señal rápida original x(t) pero expandida en el t tiempo. El incremento ∆t . a = 6. MODULACION Y TRANSMISION DE IMPULSOS sucesivos.3 Sea el sistema de la Fig. De la Fig. con ∆t tal que T = a∆t. Por ejemplo. es decir. pero ella nos proporciona los valores de Ty y Ts .305 V. 5.7. Fig. La señal y(t) se obtiene pasando y s ( t ) por un filtro pasabajo interpolador de ancho de banda B = f s / 2 . f Sea x(t ) = 5 ⋅ sinc 2 (5x103 t ) ⇔ X(f) = 10-3 Λ ( ). Esto nos permite obtener a = Ty / Ts y ∆t = Ts / (1 + a ) . entonces fs = 1 1 . ∆t = con ∆t (1 + a ) f s (1 + a ) 1 1 < fs < 2a∆t a∆t Nótese que en la pantalla del osciloscopio aparece solamente y s ( t ). La frecuencia de muestreo de Nyquist es f s = 2 f m = 10 4 Hz = 10 kHz . 5. debe ser un intervalo elegido apropiadamente según el ancho de banda de x(t). Se desea calcular la salida y(t) del filtro pasabajo. 5. Para efectos ilustrativos en la Fig. podemos conocer también el período de la señal desconocida x(t) puesto que T = a∆t . ♣ ♣ Ejemplo 5.7. cada período de x(t) a tiene el mismo perfil que el de y(t).7. si T es el período de x(t). T >> ∆t . pero en la práctica este valor es mucho mayor. pero como Ty = aTs . como se muestra en la Fig. y(t) será proporcional a x( ) cuando a >> 1. una vez determinados los valores de a y ∆t .

la señal original podrá recuperarse a partir de su versión muestreada solamente si la señal muestreadora contiene una componente continua. MODULACION Y TRANSMISION DE IMPULSOS p(t) x(t) (a) x s (t ) p(t) oooo -35 Filtro Pasabajo y(t) -3T oooo -2 20 -T 0 1 -1 T 2T 3T B = 5 kHz Filtro X s ( t ) (b) oooo t 4 oooo -30 -25 (c) -15 -10 -5 0 Fig. la función generatriz g(t) de p(t) es g(t ) = δ(t ) − δ(t − T) ⇔ G(f) = 1. 5. Nótese que. en general. ∑ Obsérvese que P(f) no contiene una componente en el origen (cero componente continua) y por lo tanto p(t) no podrá utilizarse para el muestreo de señales pasabajo.8(b).103).28.306 V. También. 5. T 2T 2T 2T ⎧1 ∞ ⎫ n δ(f − ) para n impar y n ≠ 0⎪ ⎪ P(f ) = ⎨ T n = −∞ 2T ⎬ ⎪0 ⎪ para n par ⎩ ⎭ Entonces. f s = 2T Pn = 1 [1 − exp( − j2πTf )] |f = n = 1 [1 − exp( − jnπ)] = 1 para n impar y n ≠ 0.8(c). X s (f ) será entonces. La salida del filtro pasabajo es cero.exp(-j2πTf) 1 = 10 kHz.104 n Λ( ) para n impar y n ≠ 0 20 ⎪ X s (f ) = X (f ) ∗ P(f) = ⎨ n = . p( t ) = n = −∞ ∑ (−1) ∞ n δ( t − nT ) El espectro P(f) de p(t) se puede determinar siguiendo el mismo procedimiento del Ejemplo 1. De (1. 5.∞ 5x103 ⎪0 para n par ⎩ ∑ El espectro X s ( f ) tiene la forma mostrada en la Fig. T = 5x10 -5 seg. ♣ . En efecto. ∞ ⎧ f .8 5 10 15 25 kHz 30 35 f De la Fig.

3. se pueden distinguir dos casos de muestreo práctico: el “muestreo natural” y el “muestreo con retención”. de fácil realización física. los cuales consideraremos a continuación. . f2 = 5. como se muestra en la Fig. Por otro lado. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. Dependiendo del uso que se hace de la señal muestreada.2. a menudo las señales están limitadas en el tiempo y por lo tanto no son de banda limitada como lo exige el teorema de Shannon. 5. X(f) (a) -55 -50 -45 0 10 − 3 Filtro kHz f X s (f ) 45 50 55 -38 -33 -28 -22 -16 -11 0 -6 -1 1 f 6 11 16 22 28 33 38 44 50 55 (b) Fig.4 Sea x ( t ) = 10sinc 2 (5x10 3 t ) cos(10 5 πt ) . La distorsión producida por los circuitos reales de muestreo la trataremos en la próxima sección. 5.9(b). x ( t ) ⇔ X(f) = 10 -3 ⎢ Λ ( ) + Λ( )⎥ 5x10 3 5x10 3 ⎦ ⎣ El espectro X(f) se muestra en la Fig. Muestreo Práctico de Señales Pasabajo En la sección anterior vimos que una señal se podía transmitir y recuperar si se muestreaba de manera instantánea y se recobraba mediante un filtro ideal. de donde B = 10 kHz.5 → m = 5 B fs = 2 f2 2 x55 = = 22 kHz m 5 El espectro X s ( f ) es el espectro X(f) trasladado a las frecuencias ±n22 kHz . Pero en la práctica la situación es diferente: los impulsos de muestreo tienen una duración distinta de cero y los filtros interpoladores distan de ser ideales. 5. una señal que vamos a muestrear y recuperar. Un mejor conocimiento físico e intuitivo de los mecanismos y teoremas del muestreo se puede obtener si se considera circuitos reales. La señal original x(t) se puede recuperar mediante un filtro ideal pasabanda centrado en f = 50 kHz y de ancho de banda B = 10 kHz.9(a).9 kHz 60 ⎡ f + 5x10 4 f − 5x10 4 ⎤ Del teorema de la modulación. f 2 = 55 kHz. ♣ 5.307 V.

5. cuya transformada de Fourier es. de (1. los espectros están . 5. S( f ) = τ s f s n =−∞ ∑sinc(nτ f )δ(f − nf ) s s s n =−∞ ∞ (5.308 V.19) donde s(t) es una señal periódica rectangular. la cual deja pasar la señal cuando la señal muestreadora está en “ALTO” e impide el paso cuando está en “BAJO”. como se muestra en la Fig.10(a). pero a diferencia del muestreo ideal. x(t) x s (t ) Filtro x r (t ) Pasabajo s(t) 1 Ts τs t Muestreador s(t) (a) Muestreador Real x(t) 0 (b) Señal Muestreadora s(t) X(f) 1 0 x s (t ) x(t) τs t (c) Filtro t Xs ( f ) −fm 0 (d) fm f Ts τ s f s sinc(τ s f ) (e) Señal Muestreada x s (t ) 1/ τ s -B −fm 0 fm B 3f s 4f s 5f s f fs 2f s (f) Espectro de la Señal Muestreada para Ts = 2τ s Fig.10(e). Fig. del espectro X(f) de la señal original.71) y (1.10(f). Muestreo Natural de Señales Pasabajo La señal muestreada. 5. Fig. como se muestra en la Fig. Esta “multiplicación” generalmente se instrumenta con una compuerta analógica (por ejemplo. ∞ X s (f ) = X(f ) ∗ S(f) s s s de donde X s (f ) = τ s f s ∑ sinc(nτ f )X(f − nf ) (5.105).10(b). el muestreo debe ser realizado necesariamente con impulsos de amplitud finita y duración distinta de cero. 5. El espectro X s (f ) de la señal muestreada x s ( t ) es la repetición periódica. a las frecuencias ±nf s. El muestreo natural equivale a multiplicar la señal original por una señal muestreadora periódica rectangular de amplitud unitaria.20) Del teorema de convolución. MODULACION Y TRANSMISION DE IMPULSOS Muestreo Natural En la práctica. período igual al intervalo de Shannon y valor promedio distinto de cero.21) ponderados por un factor de escala decreciente con nfs que es [ τ s f s sinc(nτ s f s )] .10. tiene la forma x s (t ) = x (t ) ⋅ s(t ) (5. 5. un MOSFET cualquiera).

309 V. los términos de la expresión anterior no se solaparán en el dominio de la frecuencia y la potencia promedio de xs(t) será la suma de las potencias de cada uno de los términos. la señal muestreada xs(t) se pasa por un filtro interpolador de la forma H (f ) = (Ts / τ s )Π (f / 2 B) cuya ganancia es Ts/τs .19) donde s(t) es una señal periódica rectangular de amplitud unitaria y ciclo de trabajo τ/Ts . entonces. Potencia de una Señal Muestreada Natural Consideremos la señal muestreada xs(t) dada por (5. Puesto que s(t) es periódica.10(f) sugiere la posibilidad de que se pueda muestrear una señal utilizando cualquiera señal periódica de período Ts que cumpla con el teorema de Shannon. 5. τ s < Ts ). MODULACION Y TRANSMISION DE IMPULSOS Ts 1 = es un número entero.3). En este caso. el cual se puede determinar fácilmente si g(t) es conocida gráfica o analíticamente.10(b). ♣ Ejemplo 5. entonces a las frecuencias nfs múltiplos de τ sfs τ s 1 / τ s las correspondientes componentes de Xs(f) serán cero. Nótese que si La forma del espectro de la señal muestreada de la Fig. por definición.47). 5. siempre que Ts cumpla con el teorema de Shannon.3). < x 2 (t ) >=| S o |2 < x 2 (t ) > +2| S1 |2 < x 2 (t ) > +2| S 2 |2 < x 2 (t ) > + ⋅ ⋅ ⋅ ⋅ ⋅ s < x 2 (t ) >=< x 2 (t ) > | S o |2 +2| S1 |2 +2| S 2 |2 + ⋅ ⋅ ⋅ ⋅ s [ ] . x s (t ) = x(t ) ⋅ s(t ) = x (t ) n =−∞ ∑| S |cos(2πnf t + φ n s ∞ n) x s (t ) =|So | x(t ) + 2|S1| x (t ) cos(2πfst + φ 1 ) + 2| S2 | x(t ) cos(4πfst + φ 2 ) + ⋅ ⋅ ⋅ ⋅ ⋅ Si x(t) es de banda limitada f m y f s ≥ 2 f m . Para recuperar x(t). no se produce distorsión: x(t) se puede recuperar de xs(t) independientemente del valor de τ s (pues. Esto es más cierto por cuanto los circuitos eléctrónicos de conmutación no producen impulsos perfectamente rectangulares. ella puede desarrollarse en serie de Fourier. Nótese que la ganancia del filtro interpolador en el caso de muestreo ideal. La señal muestreada será x s ( t ) = x ( t ) ⋅ g Ts (t) ⇔ X s (f ) = X(f ) ∗ G Ts (f ) donde g Ts (t ) = n =−∞ ∑g(t − nT ) s ∞ y g(t) ⇔ G(f) G Ts (f ) = f s n =−∞ ∑ G (nf )δ(f − nf ) s s ∞ y X s (f ) = f s n =−∞ ∑G (nf )X(f − nf ) s s ∞ Esta expresión para Xs(f) tiene la misma forma que (5. y (b) que la señal periódica contenga una componente continua (Ver Ejemplo 5.21) pero el factor de ponderación es f sG (nf s ) . Consideremos entonces una señal periódica g Ts ( t ) cuya señal generatriz g(t) tiene cualquier perfil. Nótese también que pese a que el muestreo no es instantáneo. es Ts. de (1.5. Se puede decir entonces que una señal periódica cualquiera se puede utilizar para muestrear una señal de banda limitada B siempre que (a) su período Ts cumpla con el teorema de Shannon. expresión (5. Fig.

♣ Muestreo con Retención Algunas veces es necesario disponer de los valores instantáneos de una señal en los instantes de muestreo nTs para poderlos procesar o codificar.22) Diremos. 5. Esta situación se resuelve manteniendo o reteniendo los valores instantáneos x(nTs) durante un tiempo apropiado. por ejemplo un codificador. MODULACION Y TRANSMISION DE IMPULSOS Pero la cantidad dentro de los corchetes es. que la expresión (5. la potencia promedio de la señal periódica s(t). Con el muestreo natural la amplitud de las muestras varía en el intervalo τs y el sistema. Esta operación se denomina “Muestreo con Retención (Sample and Hold)” o “Muestreo de Topes Planos”.22) es válida también cuando x(t) es una señal aleatoria pasabajo (ruido. < x 2 (t ) >=< x 2 (t ) > ⋅ < s2 (t ) > s Pero < s2 (t ) >= 1 Ts ∫ dt = Tτ τ 0 s La potencia promedio de una señal muestreada en forma natural es < x 2 (t ) >= ( s τ ) < x 2 (t ) > Ts (5. entonces. Muestreo con Retención 4f s f . En la Fig. sin demostrarlo.11 (a) y (b) se muestran las dos formas típicas de una señal muestreada con retención: “Con Retorno a Cero (RZ)” y “Sin Retorno a Cero (NRZ)”. no sabría cuál es el valor exacto de x(nTs). por ejemplo). 5. del Teorema de Parseval. x(t) x s (t ) t 0 τ h = Ts Ts (b) Señal Muestreada NRZ X(f) 1 x s (t ) (e) C f t 0 τh (a) Señal Muestreada RZ Ts x(t) x s (t ) x(t) (c) p(t) x i (t ) h(t) X s (f ) (d) p(t) −f m 0 fm (e) τ h f s sinc( τ h f ) 1/ τh 2f s fs −f s −f m 0 f m 3f s Ts = 3τ h (f) Espectro de la Señal Muestreada para Fig.310 V.11.

si se trata de codificar una muestra x(kTs). 5. Si el muestreo es sin retorno a cero (NRZ). τ h se denomina “tiempo de retención”.27) En la Fig.24) ⎡ ∞ ⎤ X s (f ) = X i (f ) ⋅ H (f ) = [X (f ) ∗ P(f)] ⋅ H (f ) = ⎢f s X (f − nf s )⎥ ⋅ H (f ) ⎣ n =−∞ ⎦ ∑ El sistema lineal en cuestión es el circuito de retención (zero-order hold) visto en el Ejemplo 2. entonces. como se muestra en la Fig.23). El tiempo de conversión generalmente es un parámetro dado por los fabricantes de los codificadores. Nótese que si f s < 2 f m se produce solapamiento. el tiempo τ h deberá ser lo suficientemente largo para que se pueda efectuar la codificación. X s (f ) = τ h f s sinc(τ h f ) exp(− jπτ h f ) n =−∞ ∑ X(f − nf ) s (5. Por otra parte. Si t c es el tiempo de conversión del codificador.24).26) cuya transformada de Fourier es. simplemente se reemplaza τ h por Ts . Esta distorsión se conoce con el nombre de “efecto de apertura” y es una distorsión de tipo lineal. Puesto que p( t ) = x i ( t ) = x ( t ) ⋅ p( t ) = ∞ n = −∞ ∑ ∞ δ( t − nTs ) ⇔ P(f ) = f s n = −∞ ∑ δ(f − nf ) . En la próxima sección veremos esto con más detalle. τ h < Ts . MODULACION Y TRANSMISION DE IMPULSOS Para propósito de análisis. de (5.17 y para el cual h(t) = Π( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) ⋅ exp(− jπτh f ) τh (5.311 V. el efecto del tiempo de retención τ h se refleja en H(f) produciendo ceros a las frecuencias k / τ h . s n = −∞ ∞ n = −∞ ∑ x ( nTs )δ( t − nTs ) ⇔ X i (f ) = X (f ) * P(f ) = f s ∑ X(f − nf ) s ∞ (5.23) (5.25) En el caso de muestreo con retorno a cero (RZ). x s (t ) = ⎢ τh ⎢ n =−∞ ⎥ ⎣ ⎦ ∑ x s (t ) = n =−∞ ∑ x(nT ) ⋅ Π( s ∞ t − τ h / 2 − nTs ) τh ∞ (5. Esta distorsión en el espectro muestreado hace que la interpolación o recuperación exacta de x(t) no sea posible con un filtro pasabajo. 5. El efecto de apertura se puede disminuir haciendo τ h más pequeño y puede ser eliminado mediante una red ecualizadora. . ⎡ ∞ ⎤ t -τh / 2 x(nTs ) ⋅ δ (t − nTs )⎥ ∗ Π ( ) De (5. debe verificarse entonces que t c ≤ τ h . por ejemplo. el muestreo con retención se puede visualizar como una señal muestreada instantáneamente aplicada a un sistema lineal invariante en el tiempo de respuesta impulsional h(t). La duración de τ h depende de la utilización que se haga de la señal muestreada.11(c). Las réplicas de X(f) tendrán distorsión de amplitud: simétrica en el origen y asimétrica en las frecuencias nfs.1) y (5.11(f) se muestra Xs(f) cuando τ h = Ts / 3.

Esta señal muestreada. En la Fig. (n − 1) Ts nTs (n + 1) Ts Fig. ♣ Ejemplo 5.13. El valor de la capacitancia utilizada en una aplicación dada se elige generalmente mediante un compromiso entre la minimización de la constante de tiempo de carga y la maximización de la constante de tiempo de descarga o de fuga. pero por otro lado el circuito se complica porque hay que agregar una compuerta adicional que descarga a cero al capacitor. la cual debe ser lo más alta posible. 5. se puede representar en la forma x s (t ) = n =−∞ ∑ [ A + x(nT )]Π( s ∞ t − nTs ) τ x s (t ) x(t) A + x (nTs ) τ Ts t donde [ A + x (t )] > 0 . suponemos que La potencia promedio de xs(t) es simplemente la suma de la potencia de cada uno de los infinitos impulsos de amplitud [ A + x(nTs )] . Entonces. 5. . Señal Muestreada con Retención.12. 5. < x(t ) >= 0 . La situación se simplifica un poco si la salida es con retorno a cero (RZ). el capacitor tratará de descargarse sobre la impedancia de salida.6. para no hablar del aumento en el ancho de banda. 5. lo que hace que el voltaje en el capacitor no alcance exactamente el valor x(nTs). Muestreadores con Retención.11(d). El capacitor se carga cuando s(t) está en “ALTO” y mantiene ese valor cuando s(t) está en “BAJO”.12 se muestra algunos muestreadores con retención usados en nuestro laboratorio. MODULACION Y TRANSMISION DE IMPULSOS El muestreo con retención se realiza en la práctica agregando un capacitor a la salida de una compuerta analógica. Asimismo. pues. como se muestra en la Fig. la corriente de carga del capacitor está limitada por la resistencia combinada de la compuerta y de la impedancia de salida de la fuente. por un lado disminuye la distorsión por efecto de apertura. En particular. Fig.13. _ _ + C x(t) x s (t ) x(t) (b) R1 R2 C _ + + x s (t ) (a) s(t) s(t) Fig. 5. 5. Fig. duración τ y período Ts . Los circuitos muestreadores prácticos difieren de los ideales en que mientras la compuerta permanece cerrada. sobretodo si la salida es sin retorno a cero (NRZ).312 V. el circuito mostrado en (a) se utiliza cuando se necesita una alta impedancia para la señal de entrada x(t) y una baja impedancia para la carga y descarga del capacitor C.13. cuando la compuerta abre. Potencia de una Señal Muestreada con Retención Consideremos una señal muestreada con retención a la cual se le ha agregado una componente continua a fin de que la amplitud de los impulsos sea siempre positiva (> 0).

29) s Ts La potencia de la señal muestreada con retención es igual a τ/Ts veces la potencia de la señal original. la potencia de la señal muestreada tiende en promedio a la potencia de la señal sin muestrear. igual que el muestreo natural. con x (t ) = 2 Asinc(2 Bt ) ⇔ X(f) = A f Π( ) B 2B y h (t ) = Π ( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) exp(− jπτ h f ) τh x s (t ) = x 1 (t ) ∗ h(t) donde ∞ Tenemos entonces que De (5.11(c) donde p(t) es un tren de impulsos rectangulares de amplitud unitaria. x 1 (t ) = x(t ) ⋅ p(t ) f − nf s ) 2B X 1 (f ) = τ s f s n =−∞ ∑ sinc(nτ f ) B Π( A s s pero ∞ Aτ h τ s f s ⎡ f − nf s ⎤ ⎢ X s (f ) = X 1 (f ) ⋅ H (f ) = sinc(nτ s f s )Π ( )⎥ sinc(τ h f ) exp(− jπτ h f ) 2B ⎥ B ⎢ n =−∞ ⎣ ⎦ ∑ X s (f ) = Aτ h τ s f s exp(− jπτ h f )sinc(τ h f ) B n =−∞ ∑ sinc(nτ f )Π( s s ∞ f − nf s ) 2B . El muestreo con retención.9). reduce la potencia de la señal de entrada en un factor τ/Ts.7 < x 2 (t ) >= s [ ] Consideremos el muestreador con retención de la Fig. n =−∞ ∑x ∞ 2 (nTs ) =< x 2 (t ) > La potencia promedio de la señal muestreada con retención será entonces τ 2 τ τ A + < x 2 (t ) >= A 2 + < x 2 (t ) > (5. período Ts y duración τs . ♣ ♣ Ejemplo 5.19) y (5. puesto que τ < Ts. (5. MODULACION Y TRANSMISION DE IMPULSOS < x 2 (t ) s 1 >= Ts n =−∞ ∑∫ ∞ 1 [ A + x(nTs )] dt = T 0 s 2 τ ⎡ 2 ⎢A n =−∞⎣ ∑ ∞ ∞ ∫ τ 0 dt + 2Ax (nTs ) ∫ τ 0 τ ⎤ dt + x 2 (nTs ) dt ⎥ 0 ⎦ ∫ τ 2 2 Aτ = A + Ts Ts n =−∞ ∑ ∞ τ x(nTs) + Ts ∞ n =−∞ s ∑x 2 (nTs ) y de la expresión (5. Si el muestreo es NRZ. Vamos a determinar el espectro Xs (f) de la señal muestreada y dibujarla para algunos valores numéricos.313 V. Puesto que < x(t ) >= 0. 5.21). entonces n=-∞ ∑ x(nT ) = 0.28) Ts Ts Ts τ < x 2 (t ) >= < x 2 (t ) > y si A = 0.

14(b) se muestra la forma del espectro Xs(f). Para dibujar su amplitud. Ts = τ s = 25x10 −6 seg.5x10 −9 exp(− j12. algunas de las cuales pueden ser eliminadas mediante filtros ecualizadores apropiados. Distorsión producida por el Muestreo En el proceso de muestreo y reconstrucción de una señal se producen varias formas de distorsión.314 V. f s = 4 f m = 4 B = 20 kHz. amplitud solamente. y los siguientes valores numéricos: A = 10 V. 5. τ s = Ts . τ h = 12.14 kHz ♣ 5. Vamos a ver con algún detalle cada tipo de distorsión señalando sus causas y mostrando los medios para evitarla o eliminarla. fs Calculemos: f m = B = 5 kHz. . X 1 (f ) (a) H(f) sinc(n/2) -60 -40 -20 0 20 40 60 80 100 -80 f Xs(f) kHz (b) f -80 -60 -40 -20 0 20 40 60 80 100 Fig. la “Distorsión de Interpolación” y la “Distorsión por Efecto de Apertura”.4.5x10 −6 f )sinc( ) ) n impar Π( ⎪ X s (f ) = ⎨ nπ 8x10 4 n =−∞ 10 4 ⎪ ⎪0 para n par y n = 0 ⎩ ∑ En la Fig. Los tres tipos de distorsión presentes en el muestreo son la “Distorsión de Solapamiento (Aliasing)”. vamos a suponer una frecuencia de muestreo del doble de la de Nyquist. 5. MODULACION Y TRANSMISION DE IMPULSOS Este es el espectro Xs(f) de la señal muestreada xs(t).2.5x10 −6 seg La expresión para Xs(f) será ∞ ⎧ f (−1) ( n −1)/ 2 f − 2 x10 4 n ⎪12 . 2 τh = Ts . 4 B = 5 kHz 1 = 50x10 -6 seg.

5.10 se cuantifica el efecto de la distorsión de solapamiento.16. Sin embargo. Por ejemplo. Para eliminar el efecto de las frecuencias de solapamiento. la práctica usual es la de filtrar previamente la señal a una frecuencia del 35% al 40% de la frecuencia de muestreo a fin de asegurarse que no hay componentes significativas más allá de fs/2. este efecto de inversión se puede utilizar acentuándolo para efectuar la inversión completa del espectro. Distorsión de Interpolación Para la recuperación de la señal original siempre hemos supuesto filtros ideales con bordes abruptos en las frecuencias de corte. método utilizado para preservar la privacidad de las conversaciones telefónicas. al recuperarse mediante un filtro de ancho de banda de 60 Hz aparecerá una componente de frecuencia de 40 Hz no presente en la señal original. La distorsión de solapamiento hace que componentes de frecuencia superiores a fs/2 sean reflejadas hacia las frecuencias bajas por debajo de f s / 2 . si una señal sinusoidal de 60 Hz se muestrea a 100 muestras por segundo. . en la telefonía digital las señales de voz se filtran a 3200 Hz antes de ser muestreadas a 8000 muestras por segundo. pero el efecto de la pérdida de inteligibilidad es mucho menor que si se permitiera el solapamiento. MODULACION Y TRANSMISION DE IMPULSOS Distorsión de Solapamiento (Aliasing) En la práctica las señales no son estrictamente limitadas en banda y al muestrearse a las frecuencias usuales se produce solapamiento entre espectros adyacentes.15. 5. Las componentes de frecuencia que se reflejan o invierten hacia las bajas frecuencias se denominan “frecuencias de solapamiento (folding frequencies)”. Esto se muestra en la Fig. como se muestra en la Fig. La eliminación de las componentes en la parte alta de la gama de la señal degrada la fidelidad de la transmisión hasta cierto punto. En el Problema de Aplicación 5. Pero los filtros prácticos no poseen esas características y una cierta cantidad de la energía de los espectros adyacentes puede pasar a la salida.315 V. Como ejemplo. y ellas afectan seriamente la inteligibilidad de las señales de voz en los sistemas telefónicos.

como se puede apreciar en las Figs.12 se cuantifica el efecto de la distorsión de interpolación. Ts ó Ts ≥ 4τ h . Esta distorsión es producida por el producto de los espectros desplazados por la función de transferencia H (f ) = τ h sinc(τ h f ) . En el Problema de Aplicación 5. sucede que mientras Ts 4 f máxima diferencia entre la salida ideal X(f) y la -B 0 B salida Xs(f) para | f | ≤ B = f m es menor del 3%.11 y 5. las colas del filtro permiten el paso de componentes de frecuencia de espectros adyacentes. La distorsión de interpolación se puede eliminar mediante un diseño apropiado de los filtros.316 V. 5.17. x(t) H(f) Red de p(t) Retención x s (t ) x s (t ) H I (f ) H e (f ) x r (t ) Enlace o Canal Filtro Filtro Interpolador Ecualizador Fig.18. Compensación del Efecto de Apertura. En 1/ τ h τh 1 ≤ . tales como los filtros Butterworth de tercer o cuarto orden. 5. Este proceso se muestra en la Fig. tanto xs(t) como la salida del filtro de interpolación se pueden procesar en un filtro ecualizador He(f) que cancele el efecto de H(f). 5. o también. 5.30) donde B es el ancho de banda del filtro de interpolación H I (f ) . El efecto de la distorsión de interpolación es la aparición de un silbido o “pito” de alta frecuencia en la señal recuperada. Entonces.14.18. MODULACION Y TRANSMISION DE IMPULSOS Nótese que aunque la señal original es estrictamente de banda limitada y la frecuencia de muestreo cumple con el teorema de Shannon. La función de transferencia He(f) del filtro ecualizador debe ser el inverso de H(f) para que se cancelen los efectos de la distorsión de apertura sobre la amplitud de la señal recuperada. H e (f ) debe tener la forma aproximada mostrada en la Fig. Nótese que si el tiempo de retención τ h es lo suficientemente pequeño. H e (f ) = 1 para |f| ≤ B H (f ) 1 H e (f ) = para |f| ≤ B τh sin c(τh f ) (5.17. la efecto. Como éste es un tipo de distorsión lineal. ecualizador cuando τ h ≤ 4 . Distorsión por Efecto de Apertura El efecto de apertura es una forma de distorsión de amplitud propia del muestreo con retención. Fig. la variación He(f) 1/H(f) de H(f) para | f | ≤ B puede ser despreciable y el He(B) filtro ecualizador puede no ser necesario. Filtro Compensador del En la práctica se puede omitir entonces el filtro Efecto de Apertura. 5.

por ejemplo. (a) Ts m(t) t (b) PAM t (c) PDM t (d) PPM Fig. y que esta operación fuera reversible. Formas Básicas de la Modulación Analógica de Impulsos. Un mensaje adecuadamente descrito por sus valores de muestra se puede transmitir mediante la modulación analógica de un tren de impulsos. Nótese que cada impulso dispone. 5. PAM)”. no contiene ninguna clase de información. se tendría lo que se conoce como “Modulación Analógica de Impulsos”. 3. de todo el ancho de banda del canal pero sólo lo ocupa durante parte de un intervalo Ts. el tren de impulsos. en la cual la altura o amplitud de cada impulso varía en función del valor de muestra de la señal mensaje. La “Modulación de Duración o Anchura de Impulsos (Pulse-Duration (Width) Modulation. Introducción De acuerdo con la definición de información que vimos en el Capítulo IV. su período y la duración de cada impulso. Un tren de impulsos está caracterizado por su amplitud. un tren de impulsos periódicos.19. PPM)”. SISTEMAS DE MODULACION ANALOGICA DE IMPULSOS 5. para su transmisión. 5.1. El período y la duración de los impulsos no cambian. en la cual la duración de cada impulso varía en función del valor de muestra de la señal mensaje. pero tres son las más conocidas y utilizadas: 1. La “Modulación de Amplitud de Impulsos (Pulse-Amplitude Modulation. La “Modulación de Posición de Impulsos (Pulse-Position Modulation. PDM o PWM)”. El período y la amplitud de los impulsos no cambian. Si en alguna forma se imprimiera sobre alguno de estos parámetros una variación proporcional a alguna otra señal.19 se muestra una señal mensaje típica m(t) y las tres formas de modulación analógica de impulsos correspondientes. En la Fig. 2.3.317 V. La amplitud y la duración de los impulsos no cambian. Hay varias formas de modulación analógica de impulsos. así modulado. puede transmitirse y en el destino se le puede extraer la información contenida en ella. en la cual la posición de cada impulso varía. respecto a un punto de referencia.3. En la modulación analógica de impulsos cada valor de muestra hace variar proporcionalmente uno de los parámetros de cada impulso. t . MODULACION Y TRANSMISION DE IMPULSOS 5. en función del valor de muestra de la señal mensaje.

por lo tanto. y Ts = = . donde k > 1. de (5. para efectos de sincronización. anchos de banda muy grandes no son necesarios. Como la expresión (5.3. vimos. Se supone también que < m(t) >= 0 . Si B≥ 1 τ (5. x PAM (t ) = n =−∞ ∑ [ A + m(nT )] ⋅ Π( s ∞ t − nTs ) τ (5.26). la expresión (5.31) donde A > |min m(t)| es una constante que se agrega a m(t) para evitar. Por otro lado.32b) Nótese que β m = B / f m es “la relación o factor de expansión del ancho de banda” definida en el Capítulo IV.2. La recuperación o demodulación se efectúa mediante filtros interpoladores y ecualizadores. En general. la amplitud de cada impulso varía proporcionalmente con cada valor de muestra de la señal mensaje m(t). que representa la portadora sin modular.31) se convierte en un tren de impulsos periódicos de amplitud A.32a) Ts 1 1 = k . pues las señales se transmiten tal como se generan. 5. una señal PAM no es otra cosa que una señal muestreada con retención. excepto por la constante A. se τ puede tomar este valor como el mínimo ancho de banda B. En PAM. como se describió en la sección anterior. Como k > 1 y puede variar según la aplicación. Ancho de Banda y Relaciones S/N en Sistemas PAM La señal PAM está formada por impulsos rectangulares de amplitud variable y duración τ que se transmiten directamente por un canal de ancho de banda B. Modulación de Amplitud de Impulsos (PAM) En la modulación PAM. Anchos de banda ligeramente mayores que fm producirían solapamiento en el tiempo (time crosstalk) lo que introduce distorsión. entonces se tendrá que . el cual se denomina “Ancho de Banda de la Banda de Base”. se sigue que sus espectros serán iguales (salvo por un impulso en el origen). Nótese que en ausencia de modulación [ m( t ) = 0] . la transmisión sería analógica continua y el proceso de muestreo no tendría sentido. entonces τ f s 2f m B ≥ 2k fm B ≥ 2 kf m y β m = (5. período Ts y duración τ . sin ningún otro tipo de modulación.19(b).318 V. que los impulsos modulados puedan ser de amplitud cero o negativa. Como la señal PAM es interpolada en base a sus valores de 1 amplitud en los instantes de muestreo. y como estos valores se mantienen aún cuando B = . él se comportaría como un interpolador. Una señal x PAM (t ) unipolar con retorno a cero tiene entonces la forma. τ la duración de los impulsos y |min m(t)| es el valor de la máxima excursión negativa de m(t). Ts es el intervalo de Shannon. este tipo de transmisión se denomina “Transmisión en Banda de Base”. Entonces. Si el ancho de banda del canal fuera igual a fm .26).31) tiene la misma forma que la expresión (5. MODULACION Y TRANSMISION DE IMPULSOS 5. como la señal PAM mostrada en la Fig.

Este muestreo.6. apareciendo ésta a la entrada del filtro interpolador.319 V. gracias a los dispositivos de sincronización del receptor. la señal recibida es v (t ) = x PAM (t ) + n(t ) donde n(t) es ruido blanco de densidad espectral η / 2 . se hace a la misma frecuencia que el muestreo del mensaje en la emisión.20. Receptor PAM en Banda de Base N 'i Si el ancho de banda Be del filtro de entrada es lo suficientemente ancho y el sistema está sincronizado. 5. lo cual indica que el sistema PAM es un sistema de banda ancha que puede permitir el intercambio de ancho de banda por relación S/N. v(t ) = x PAM ( t ) + n( t ) Canal Filtro Pasabajo Muestreador Filtro Si/Ni Interpolador So/No Ancho de Ancho de Ancho de Banda Bc Banda Be Banda fm p(t) RECEPTOR PAM Fig. Como consecuencia. Para permitir el funcionamiento en multiplex. es decir. consideremos el receptor PAM de la Fig. que Ts >> τ . Fig.36) Ts 2 ) es la ganancia de potencia del filtro interpolador. 5. . tanto el filtro de entrada como el sincronizador serán transparentes para la señal PAM. MODULACION Y TRANSMISION DE IMPULSOS β m >> 1. como veremos más adelante. que veremos en detalle más adelante.28). A la entrada del receptor PAM. Se supone que el filtro τ ecualizador no es necesario. el receptor está abierto cuando no hay presencia de impulsos y cerrado cuando éstos están presentes. expresión (5. 5. la potencia promedio de xPAM(t) es (5. Este funcionamiento intermitente constituye.34) A la entrada del filtro interpolador la potencia de la señal útil será Si = y a la salida.20.35) (5.20. Del Ejemplo 5. el muestreo en el receptor no afecta a la señal útil pero sí al ruido presente a la entrada. un muestreo de tipo natural. donde Gp = ( τ < m 2 (t ) > Ts So = G p T τ < m 2 (t ) >= s < m 2 (t ) > τ Ts (5.33) < x 2 (t ) >= PAM τ A 2 + < m 2 (t ) > Ts [ ] (5. para las perturbaciones presentes en la entrada. En cuanto a las relaciones S/N en PAM.

44) . Ni = ( τ τ ' )N i = ( )ηB e . de (5. La potencia de ruido a la entrada del muestreador será N 'i = ηB e y a la entrada del filtro interpolador. Esto nos permite expresar la ganancia de conversión en otra forma.22). (5.21.39) A la salida del filtro interpolador de ancho de banda fm y ganancia de potencia Gp . Si < m 2 (t ) > = ηB Ni (5. la densidad espectral a la salida del filtro de entrada tendrá la forma de la Fig.42) (5. B e >> f m Ts Ts S 'ni ( f ) (5.43) La ganancia de conversión en PAM es igual a la relación de expansión del ancho de banda. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido.38) 2B e Ts η/ 2 f La densidad espectral de ruido disponible a la entrada del filtro interpolador de ancho de banda fm se puede aproximar entonces en la forma S nid (f ) ≈ ( τ η ) para Ts 2 |f| ≤ f m y Ts >> τ −B e 0 Be Fig.320 V. 5. la potencia de ruido será entonces No = Gp ( T τ )ηf m = s ηf m Ts τ (5.40) Las relaciones S/N entrada-salida serán. En efecto.21. B = 1/τ y con Ts = 1/2fm la ganancia de conversión será So / N o T = 2 s en PAM Si / N i τ (5.37) Podemos demostrar que la densidad espectral de ruido a la salida del muestreador es S ni (f ) = ( τ 2 η ) 2 Ts n =−∞ ∑ ∞ sinc 2 (n f − nf s τ ) ⋅ Π( ) (5.41) So < m 2 (t ) > = No ηf m y la correspondiente ganancia de conversión. con B e = B . So / N o B = = β m en PAM Si / N i fm (5. de (5.32). 5.

Nótese que el bloqueo del receptor permite aumentar la ganancia de conversión aunque a expensas de un aumento en el ancho de banda. de la relación de bloqueo del receptor.44) y comparando con (2. sin embargo. En efecto. los valores de τo y τ1 se eligen de tal manera que se cumplan las siguientes condiciones.3.164). es decir. Una señal PDM tiene entonces la forma x PDM ( t ) = ∞ n = −∞ ∑ AΠ ⎢ τ(nT ) ⎥ ⎦ ⎣ s ⎡ t − nTs ⎤ (5. Como la información está contenida en la variación de la amplitud de los impulsos. que veremos posteriormente. esto hace que el comportamiento de este sistema de modulación de impulsos sea superior. y (5. Pero como el bloqueo del receptor no se hace para aumentar la ganancia de conversión sino para facilitar el funcionamiento en multiplex en canales de banda ancha. B el ancho de banda de transmisión y < m(t) >= 0 . en cuyo caso τ = Ts . 5. Ts > τ max = τ o [1 + m t | max m(t)| ] > τ o > τ min τ min = τ o [1 − m t | min m(t)| ] ≥ 1 >0 B (5.3. A este efecto. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PAM depende también de la relación (Ts/τ). hay que limitar las duraciones máximas y mínimas de los impulsos de tal manera que impulsos adyacentes no se solapen o que la duración mínima sea de tal magnitud que demande anchos de banda inadmisibles. el sistema PDM debe ser cuidadosamente diseñado de acuerdo con los niveles de señal máximos y mínimos esperados. Como es evidente. sobre todo en los sistemas de modulación de impulsos codificados (PCM). la modulación PAM no se utiliza para transmisión directa de información sino como un paso previo de procesamiento.49) . lo que se puede apreciar haciendo τ = Ts en (5. hay entonces un intercambio o compromiso entre el ancho de banda y la relación S/N. ver Fig. como se muestra en la Fig. mientras que el valor más negativo corresponde al impulso más angosto. 5.48) (5.45) Aunque el receptor no estuviera bloqueado. la relación [So/No]PAM es superior en 3 dB a la relación [So/No]DSB . 5. por ejemplo.47) donde siendo τ( t ) = τ o + τ1m( t ) = τ o [1 + mt m( t )] = τ o [1 + ∆ ( t )] mt = τ1 ≤ 1 el “índice de modulación PDM” y ∆(t ) = m t m(t ) .22. Si Ts es el período o intervalo de Shannon. y viceversa. Modulación de la Duración o Anchura de Impulsos (PDM o PWM) En la modulación PDM la duración de los impulsos varía proporcionalmente a los valores de muestra de la señal mensaje. al del sistema de doble banda lateral (DSB) de acuerdo con la expresión (2.321 V. de (2.164).42). Obsérvese que el valor más positivo de m(t) corresponde al impulso más ancho. las ganancias de conversión serían iguales.19(c).46) (5. τo es la duración de τo los impulsos no modulados. vemos que ⎡ So ⎤ T ⎡S ⎤ =2 s⎢ o⎥ ⎢ ⎥ τ ⎣ N o ⎦ DSB ⎣ N o ⎦ PAM (5. En la práctica. los sistemas PAM son muy sensibles al ruido aditivo.162) con Ac = 1.

primero hay que determinar el espectro de la señal PDM. de m(t). f s = y Xo = Aτ Ts 1 ≥ 2f m Ts Aτ A Xn = sinc( nf s τ) = sen( nπf s τ ) Ts nπ Aτ x (t ) = +2 Ts A s s ∑ nπ sen(nπf τ ) cos(nω t ) n =1 que se puede escribir en la forma x (t ) = Aτ +2 Ts ∑ nπ Im{exp( j2πnf τ )} cos(nω t ) A s s n =1 ∞ Si τ varía en función del mensaje y si el mensaje es un tono de frecuencia fm . En la misma figura se muestra el algoritmo de decisión del comparador y las relaciones entre los diferentes parámetros. Un tren de impulsos sin modular. lo cual no parece tan obvio cuando se observa la forma de la señal. Demodulación PDM La señal PDM se puede demodular con un simple filtro pasabajo. Para demostrarlo. 5.49) implica que m t | min m(t)| < 1 o también que τ o > τ 1 | min m(t)| . 5.322 V. Nótese que la expresión (5. si se supone el caso de modulación sinusoidal o modulación con un simple tono.22 se observa que la variación de la duración del impulso se efectúa simétricamente alrededor del instante de muestra nTs. es decir. Sin embargo. respectivamente. se puede desarrollar en serie de Fourier de la forma x (t ) = X o + 2 donde ∞ ∑X n =1 ∞ n cos(nω s t ) con ω s = 2πf s . Definiendo también α n = nπτ o f s y β n = nπτ1f s . 5. Una forma de generación de una señal PDM se ilustra en la Fig. x(t). la tarea se simplifica y el resultado se puede extender para el caso general. la señal PDM queda en la forma . lo cual es difícil de efectuar en el caso general. MODULACION Y TRANSMISION DE IMPULSOS |max m(t)| y |min m(t)| son los valores de las máximas excursiones positiva y negativa. m( t ) = sen(ω m t ) . lo cual nos asegura que el ancho mínimo del impulso nunca será cero o negativo. Relaciones de Duración en PDM.22. Ts τ(nTs ) τ min t 1 1 nTs (n + )Ts (n − )Ts τo 2 2 Fig. pero también se puede mantener fijo un borde del impulso mientras que el otro borde es el que se desplaza. En la Fig.23. entonces τ = τ (t ) = [τ o + τ 1 sen(ω m t )] .

orden k y argumento β n . 5. En efecto.5Vu < Vp < 2Vu. pero puede reconocerse como el Coeficiente de Bessel de primera clase.50b) Esta integral no puede resolverse en forma analítica. se obtiene Zk = 1 2π ∫ π −π exp[-j(kx .18).23. Generación de una Señal PDM ∞ 0 t exp[ jβ n sen(ω m t )] = donde Z k = f m k =−∞ ∑Z k exp( j2πkf m t ) (5. (Ver Problema 5. hacer 1.50a) ∫ 1/ 2 fm −1/ 2 fm exp[ jβ n sen(ω m t )] ⋅ exp[− jkω m t ] ⋅ dt exp[ jβ n sen(ω m t ) − jkω m t ] ⋅ dt Zk = fm ∫ 1/ 2 fm −1/ 2 f m Con el cambio de variables x = ωm t .β n sen(x))] ⋅ dx (5. sea A+m(t) m(t) v d (t ) x PDM (t ) "0 "1 |max m(t)| |min m(t)| t A p(t) A (a) p(t) Vu Umbral de 0 Decisión V 0 Ts t Algoritmo del Comparador vd(t) = A + m(t) + p(t) v d (t ) Si vd (t ) ≥ Vu → "1" Si vd (t ) < Vu →"0" Relaciones entre Parámetros Vu Vp + A −|min m(t)|> Vu > A + |max m(t)| Vp > Vu Para valores razonables del ancho de banda.323 V. 0 Señal PDM t (b) (c) Fig. MODULACION Y TRANSMISION DE IMPULSOS A x PDM (t ) = [τ o + τ 1 sen(ω m t )] + 2 Ts ∑ nπ Im{exp( jα A n =1 ∞ n ) exp[ jβ n sen(ω m t )]} cos(nω s t ) El término exp[ jβ n sen(ω m t )] es una función periódica de período 1/fm y como tal se puede desarrollar en serie de Fourier. Esta función generalmente se .

. aunque en general es suficiente un filtro pasabajo de ancho de banda f m ..54) τ min donde τ min viene dado por (5. En particular. ∞ ∞ ⎤ ⎡ A A Im ⎢exp( jα n ) J k (β n ) exp( jkωm t )⎥ cos(ωs t ) [ τ o + τ1sen( ωm t )] + 2 Ts n = 1 nπ k = −∞ ⎦ ⎣ ∑ ∑ x PDM ( t ) = 2A A [τo + τ1 sen(ωm t )] + π Ts ∑∑ J k (βn ) sen[α n + kωm t ] ⋅ cos(ωs t ) n n =1 k = −∞ ∞ ∞ (5. el espectro de x PDM (t ) contiene entonces una componente continua. (n =2 y k = -3). 5.3. . MODULACION Y TRANSMISION DE IMPULSOS denota en la forma J k (β n ) y se encuentra extensamente tabulada (En el Capítulo VI. Entonces.24.y k = 0. Algunas de estas frecuencias son iguales a fm . hace muy pequeña en comparación con la señal deseada y puede ser despreciada. La modulación PDM o PWM se aplica actualmente no solamente en aplicaciones en comunicaciones y procesamiento de señales. La situación mejora si el muestreo se hace a una frecuencia mayor que la frecuencia de Nyquist..24.. se muestra una Tabla de Coeficientes de Bessel para algunos valores de k y β n ). como se muestra en la Fig. constituyendo componentes de distorsión.49). Demodulación de Señales PDM.51) k =−∞ ∑J ∞ k (β n ) exp( j2πkf m t ) (5.. 5. Como dato histórico. Sin embargo. 2. una componente a la frecuencia fm y componentes a las frecuencias f nk = nf s + kf m para n = 1. 3.53) Nótese que aunque la modulación es sinusoidal con un tono único de frecuencia fm. Sección 6. etc. hay que transmitir impulsos y el ancho de banda del canal dependerá de la duración del impulso más angosto.. 1 B≥ en PDM (5. en general.55) B PDM > B PAM . más pequeño que el τ en PAM.. Nótese que el τ min en PDM es. si f s = 2 f m . entonces f nk = (2n + k )f m y habrá componentes de distorsión para (n = 1 y k = -1). de modo que se puede decir que (5. la amplitud de las componentes de distorsión se Señal PDM Filtro Pasabajo K m(t) B = fm Fig.324 V. es decir. Fundamentalmente.52) x PDM ( t ) = y finalmente.3. Ancho de Banda en Sistemas PDM En los sistemas PDM la información está contenida en la duración de los impulsos y por lo tanto la modulación está representada como diferencias de energía en los impulsos sucesivos de diferente duración.. Z k = J k (β n ) de donde exp[ jβ n sen(ω m t )] = (5. sino también en el control de motores eléctricos. El ancho de banda de la banda de base en PDM será entonces. para n ≥ 1 o ( β n > 1). del τ min del sistema. ±1. ±2. antiguamente a la modulación PDM se la conocía con el nombre de Amplificación Clase D.

con referencia a un punto dado. sus relaciones S/N serán tratadas simultáneamente en la próxima sección. por donde cruza el borde frontal. . en el eje del tiempo. o por la posición del punto. En un sistema PPM la información está contenida en los desplazamientos de los impulsos de un tren de impulsos. 5. Generación de Señales PPM a partir de Señales PDM. La potencia requerida para PPM será entonces inferior a la requerida para PDM y ésta ya es una ventaja muy importante que se refleja en las correspondientes relaciones S/N. como veremos más adelante.26. y como la potencia es proporcional a la duración de los impulsos. varía proporcionalmente de acuerdo con los valores de muestra de la señal mensaje. 5. la portadora. Las modulaciones PPM y PDM están íntimamente relacionadas. sería muy conveniente. Como la amplitud y la duración de los impulsos se mantienen constantes. Una señal PPM se puede expresar en la forma x PPM (t ) = ∞ n =−∞ ∑ AΠ⎢⎣ ⎡ t − nTs − ∆ (nTs ) ⎤ ⎥ τ ⎦ (5. 5. τ o .25. como puede observarse en la Fig.19(d). 5. la información posicional es también transmitida por la posición del borde frontal del impulso. Debido a la compatibilidad que existe entre los sistemas PDM y PPM. si el ancho de banda del canal lo permite. τ 1 y m(t). MODULACION Y TRANSMISION DE IMPULSOS La relación exacta entre BPDM y BPAM dependerá de los valores de τ . 5.3. a tal punto que la modulación PPM se puede obtener directamente a partir de la modulación PDM en la forma mostrada en la Fig.25. transmitir impulsos muy angostos modulados en PPM.4. Señal PDM Señal PPM Señal PDM Multivibrador Monoestable 0 t El Multivibrador se dispara en los bordes traseros de la Señal PDM (a) Ts t Señal PPM 0 (b) Fig.325 V. como se muestra en la Fig.56) donde ∆(t ) = m t m(t ) es el desplazamiento instantáneo del impulso respecto al instante de referencia t = nTs . Como la información reside en la posición temporal de los bordes del impulso y no en el impulso mismo. Modulación por Posición de Impulsos (PPM) En la modulación PPM la posición de los impulsos.

que Π( ) ≈ δ (t ) [no tomando en cuenta su efecto sobre el ancho de τ banda]. Entonces.326 V. ⎧ ⎪ x PPM (t ) = A ⎨δ (t ) ∗ ⎪ ⎩ ∞ ⎫ ⎪ δ[t . D(t ) = nTs + ∆ (t ) . el ancho del impulso puede hacerse tan pequeño que se puede aproximar mediante t impulsos unitarios. igual que en PDM. es difícil de calcular en el caso general. Sea entonces.58) Pero como la información está contenida en el desplazamiento D(t) del impulso y nó en el impulso mismo.D(nTs )]⎬ = A δ[t − D(nTs )] ⎪ n=-∞ n =−∞ ⎭ ∑ ∞ ∑ Se ha demostrado [Greg. el desplazamiento (5.57) donde |m(t)|max es el valor máximo de m(t) y mt el índice de modulación PPM. Entonces. MODULACION Y TRANSMISION DE IMPULSOS Ts A ∆( nTs ) τ t 1 (n − )Ts 2 nTs Fig. pero que se puede estimar en el caso de modulación sinusoidal. de donde D(t ) = nTs + ∆ ( t ) ⎧ t ⎡ t − D(nTs ) ⎤ ⎪ = A ⎨Π ( ) ∗ x PPM (t ) = AΠ ⎢ ⎥ τ ⎣ ⎦ ⎪ τ n =−∞ ⎩ ∑ ∞ ⎫ ⎪ δ[t .D(nTs )]⎬ ⎪ n=. 1977) que si δ[t − D(nTs )] = |1 − ∆ ' (t )|⋅δ[t − nTs − ∆ (t )] donde ∆ ' ( t ) es la derivada de ∆( t ) Por consiguiente. de (1. el cual. 0 < mt ≤ 1 lo cual nos asegura que los impulsos serán siempre positivos. entonces (5.106). .26.59) ∞ x PPM (t ) = A⋅|1 − ∆ ' (t )| n =−∞ ∑ δ[t − ∆ (t ) − nT ] s El signo de módulo se puede eliminar postulando que | ∆ '( t )| = m t m'( t ) ≤ 1 para todo t.∞ ⎭ ∑ ∞ (5. es decir. 1 (n + )Ts 2 La posición del impulso respecto a máximo será | ∆ (t )|max = m t | m(t )|max ≤ 1 (Ts − τ ) 2 t = nTs es proporcional a m(t). Demodulación PPM Para determinar el proceso de demodulación de una señal PPM es necesario conocer su espectro. 5. Modulación PPM.

contiene un término de componente continua que es igual al valor promedio del tren de impulsos sin modular y un segundo término que es proporcional a la derivada de la señal mensaje. igual que en el caso PDM. pero este tipo de modulación no se emplea en la práctica.60) podemos observar lo siguiente: aunque la modulación es sinusoidal con un simple tono de frecuencia fm.52) mediante los coeficientes de Bessel. s n x PPM (t ) = Af s [1 − m t m' (t )] pero. igual que en PDM. 5.327 V.27(a). MODULACION Y TRANSMISION DE IMPULSOS x PPM (t ) = A[1 − m t m' (t )] f s Definiendo n =−∞ ∑ exp[ j2πnf (t − m m(t ))] s t ∞ β n = 2πnf s m t y con ∞ m(t ) = sen(ω m t ) .106b). es necesario efectuar una integración para restaurar la componente de la señal útil a su perfil original. .60) Desarrollando (5. Muchas de estas componentes. vemos que n =−∞ ∑ exp[ j(nω t − β ∞ sen(ω m t ))] n =−∞ ∑ exp[ j(nω t − β s ∞ n sen(ω m t ))] = 1 + 2 ∑ cos[nω t − β s n =1 n sen(ω m t )] El coseno se puede expresar en la forma cos[nωs t − β n sen (ωm t )] = Re{exp( jnωs t ) ⋅ exp[− jβ n sen (ωm t )]} Aplicando el mismo procedimiento utilizado para deducir la expresión (5. constituyen términos de distorsión de muy baja amplitud que pueden ser despreciados. de (1. la señal PPM. ∞ ∞ ⎧ ⎫ ⎪ ⎪ x PPM (t ) = Af s [1 − m t m' (t )]⎨1 + 2 J k (β n ) cos[2π (nf s − kf m )t ]⎬ ⎪ ⎪ n =1 k =−∞ ⎩ ⎭ ∑∑ (5. los términos restantes son productos de intermodulación entre la frecuencia de muestreo fs y la frecuencia f m de la señal: la señal PPM contiene entonces un número infinito de componentes laterales alrededor de ±nf s separadas en ±kf m . de donde n =−∞ ∑ exp[ j(nω t − β s ∞ n sen(ω m t ))] = 1 + 2 ∑J n =1 ∞ k (β n ) cos[2π (nf s − kf m )t ] y finalmente. podemos demostrar que exp[− jβ n sen(ω m t )] = k =−∞ ∑J ∞ k (β n ) exp(− jkω m t ) . pero aún así la distorsión de la señal es más pronunciada que en PDM. Además del filtrado pasabajo. La demodulación directa de señales PPM se puede efectuar entonces en la forma indicada en la Fig.

a su vez. En presencia de ruido es necesario que los bordes de los impulsos estén bien definidos a fin de poder interpretar adecuadamente la posición del impulso. El sistema PPM es un sistema de banda ancha en el cual la relación de expansión del ancho de banda β m es mucho mayor que la unidad. . el cual. Esto significa que el impulso debe tener una mejor resolución o definición que en el caso PDM. se puede efectuar haciendo que la portadora (un reloj) active un circuito basculador (un flipflop RS).61) τ donde τ es la duración de los impulsos. 5.25. Señal PPM Portadora R (Reloj) S FF Señal PDM Q S 0 Portadora (Reloj) Ts t Filtro Pasabajo B = fm m(t) R Señal 0 PPM Q Señal 0 PDM t t Fig. 5. Demodulación de Señales PPM. Fig.27. 1977]. 5 B PPM ≈ (5. Mecanismo de Demodulación PPM/PDM/m(t). Esta transformación. más eficiente en cuanto a su inmunidad al ruido y con menor distorsión se puede obtener mediante conversión PPM a PDM y filtrado pasabajo. como la señal PPM no contiene la información de portadora o temporización (ver Problema de Aplicación 5.21). Para transmisión en banda de base se puede tomar como ancho de banda [Greg. Sin embargo.28 se muestra el proceso de demodulación PPM/PDM/m(t).328 V. ésta tiene que ser transmitida por separado. Conversión PPM/PDM Fig. Una forma de demodulación de fácil instrumentación. MODULACION Y TRANSMISION DE IMPULSOS Señal PPM Filtro Pasabajo Integrador m(t) Señal PPM Señal Convertidor PDM Filtro m(t) Pasabajo PPM/PDM (a) Demodulación Directa (b) Demodulación mediante de Señales PPM. En la Fig. 5. Ancho de Banda y Relaciones S/N en la Modulación PPM y PDM En los sistemas PPM la información está contenida en la posición o desplazamiento de los impulsos.27(b). 5. 5. es puesto a cero por los impulsos PPM.28. que es la inversa de la mostrada en la Fig.

tr De la geometría de la Fig. Por consiguiente. 5. Como los impulsos se transmiten por canales de ancho de banda finito. 1 Nτ = Ni 4A 2 B 2 Como la salida es proporcional a la entrada con una constante k de proporcionalidad o de demodulación. Influencia del Ruido en PPM. Si la señal recibida se ha contaminado con ruido. Impulso con Ruido Impulso sin Ruido n(t) A A/2 t ∆τ Umbral de Detección tr τ Fig.63) Si n(t) varía. Ejemplo 2.64) Sea entonces N τ la potencia promedio de ∆τ . 5.62) Veamos ahora la influencia del ruido en PPM. es decir.29 se muestra el impulso recibido en ausencia de ruido y la forma (punteada) mediante la cual el ruido n(t) introduce un error ∆τ en la posición del impulso.29. si el ruido es blanco y tiene una densidad espectral η / 2 . su potencia promedio será proporcional a la potencia promedio de n(t). entonces ∆τ variará proporcionalmente.29. dentro de la banda de transmisión B se verifica que t t N τ = ( r ) 2 ηB = ( r ) 2 N i (5.65) A A donde Ni es la potencia de ruido a la entrada del demodulador en el receptor.329 V. como se muestra en la Fig. ∆τ n (t ) = tr A (5. de tal manera que estos se pueden considerar como impulsos trapezoidales. . Vemos también que si ∆τ es proporcional a n(t).19(a). Impulsos Recibidos. < ∆τ 2 >= ( tr 2 ) < n 2 (t ) > A (5. entonces. 5. El valor tr se puede relacionar con B en la forma dada en el Capítulo II. éste causará un error en la posición de los impulsos. es decir. t r ≈ 1 / 2 B . En la Fig. PDM y PPM será B PPM > B PDM > B PAM (5.29. MODULACION Y TRANSMISION DE IMPULSOS La relación entre los anchos de banda de la banda de base en PAM. se produce dispersión en los bordes de los impulsos recibidos. 5.

como se muestra en la Fig.66) (5. la expresión (5. 5. MODULACION Y TRANSMISION DE IMPULSOS No = k2Nτ = k2 4A 2 B 2 Ni s o ( t ) = k m( t ) y S o =< s 2 ( t ) >= k 2 < m 2 ( t ) > o En cuanto a la señal.30. es. La potencia de entrada de la señal PPM. 5.67) el valor de A2 dado por (5.29. 2 Ts / 2 1 | max ∆(t)|= ( Ts − τ ) 2 1 ( Ts − τ ) cos(ω m t ) 2 A t 1 tr tr (n + )Ts 2 Fig.69) se reduce a So / N o 1 3 = βm Si / N i 16 en PPM (5. τ 2 Si = A Ts La relación de postdetección So/No será entonces So 4 A 2 B 2 < m 2 (t ) > = No Ni (5.69) Si β m >> 2 . Si la modulación es sinusoidal y a máxima modulación (con mt = 1). de la Fig. Desviación Sinusoidal de la Posición de los Impulsos en PPM.67) Reemplazando en (5.68) = 4 s B 2 < m 2 (t ) > en PPM τ Si / N i La expresión (5.70) . para τ >> 2t r .30. 5.68) puede expresarse en otra forma. la ganancia de conversión será So / N o T (5.66). su efecto es el de producir un desplazamiento ∆(t ) de la forma 1 ∆(t) = m(t) = (Ts − τ) ⋅ cos(ωm t).330 V. la ganancia de conversión será Se tiene entonces que < m 2 (t ) >= ⎤ So / N o β ⎛β B ⎡ B ⎞ = − 1⎥ = m ⎜ m − 1⎟ ⎢ ⎝ 2 ⎠ 4f m ⎣ 2f m 4 Si / N i ⎦ 2 2 en PPM (5. nTs τ 1 (Ts − τ ) 2 8 Si el muestreo se ha efectuado a la frecuencia de Nyquist (Ts = 1 / 2f m ) y haciendo la aproximación B = 1/τ.

So 24 Ts B 3 < m 2 ( t ) > Si . de un rectángulo de amplitud A y duración promedio d n . la potencia promedio de la señal PDM viene dada por Si = A 2 d n 2A 2 t r A 2 2 + = (d n + t r ) Ts Ts 3Ts 3 (5. En este caso.71) La duración d(t) de los impulsos PDM recibidos se puede expresar. la operación Ts de detección sobre el umbral de Umbral de d (nTs ) detección elimina todos los efectos del Modulación A Detección ruido excepto el desplazamiento en el Máxima tiempo que hemos evaluado en PPM. idénticos a los vistos en PPM. ya que estas señales no se solapan en el tiempo. viene precedida y seguida por los flancos montantes o bajantes. respectivamente. 5. En la literatura se toma el nivel umbral para una relación [Si/Ni] ≈ 4 (6 dB).71). Por consiguiente. será Si = 2 A 2 2A t r A 2 3Ts + 4t r + = Ts 2 3Ts 6 (5.31. a partir de la Fig. esto ocurre. So/No aumenta y es posible intercambiar ancho de banda por relación S/N.331 V. para una señal sinusoidal de prueba y máxima modulación. ella será la suma de las potencias promedio. 5. En el caso PDM. sin embargo. Cuando B aumenta.73) Si hacemos B = 1 / 2t r . La potencia de la señal pudiera disminuirse sin que la relación So/No cambie. En lo que se refiere a la potencia promedio en PDM. entonces Si = A 2 3BTs + 2 Ts 6B (5.72) cuyo valor promedio es d n = T 1 (Ts − 2 t r ) ≈ s puesto que Ts >> 2 t r . Impulsos Recibidos en PDM. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PPM es proporcional al cubo de la relación de expansión del ancho de banda β m . expresión (5.74) Reemplazando A2 de (5. solamente si la relación Si/Ni está sobre cierto umbral. referidas a un período Ts.31 se muestra la señal 1 1 nTs tr tr (n − )Ts (n + )Ts PDM recibida en la cual una porción τ 2 2 de amplitud constante y duración d(t) Fig. 5.67).31 en la forma d (t ) = 1 (Ts − 2 t r ) ⋅ [1 + cos(ω m t )] 2 (5. de donde = No Ni 3BTs + 2 . A/2 t En la Fig.74) en (5. la potencia 2 2 de entrada de la señal PDM. y de las dos rampas del trapecio que equivalen a un triángulo de la forma AΛ(t / t r ).

MODULACION Y TRANSMISION DE IMPULSOS So / N o 24Ts B 3 = < m 2 (t ) > Si / N i 3BTs + 2 en PDM (5. 5.3. El sistema de modulación PDM es un sistema de banda ancha que permite intercambiar ancho de banda por potencia. Comparación entre las Ganancias de Conversión en Sistemas PAM. la ganancia de conversión será So / N o = 8B 2 < m 2 (t ) > Si / N i en PDM (5.75) Si B >> 2f m . es decir. So / N o 1 2 = βm Si / N i 4 en PDM βm − 1) 2 2 3 ( β m + 2) 2 ( en PDM (5.78) La ganancia de conversión en PDM es proporcional al cuadrado del factor de expansión del ancho de banda β m . PDM y PPM En la secciones anteriores se ha determinado las ganancias de conversión para los sistemas PAM.81) En PDM: β ( m − 1) 2 So / N o 3 = βm 2 3 Si / N i 2 ( β m + 2) 2 (5.76) 1 (Ts − 2 t r ) ⋅ cos(ω m t ) .77) (5. m( t ) = potencia promedio es < m 2 (t ) >= 1 (Ts − 2t r ) 2 . si BTs >> 1 . se obtiene finalmente B − 1) 2 So / N o 3B 2f m 3 = = βm Si / N i 2f m ( 3B + 2) 2 2f m ( Si β m >> 2 . En todos los casos se ha tomado la potencia de ruido a la entrada igual a ηB. se tiene En PAM: En PPM: So / N o = βm Si / N i So / N o β m β m = ( − 1) 2 4 2 Si / N i 3 So / N o β m = 16 Si / N i (5.82) . PPM y PDM. Reemplazando en (5.332 V. En función de la relación de expansión del ancho de banda β m = B/fm .5.75) con Ts = 1 / 2f m y 8 B = 1 / 2t r . donde B es el ancho de banda de la banda de base. cuya 2 Con modulación sinusoidal y modulación máxima.80) Si β m >> 2. (5.79) (5.

para β m = 24 .62). En efecto. .82). ⎡So / N o ⎤ ⎡S / N o ⎤ 1 β = ( m − 1) 2 ⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 4 2 ⎣ S i / N i ⎦ PAM (5.80).83) Si el ruido y el ancho de banda son los mismos en los tres sistemas.8 dB superior a PAM. En relación con los anchos de ban-da.333 V. si β m = 24 . β ( m − 1) 2 ⎡So / N o ⎤ ⎡So / N o ⎤ 3 2 = ⎢ ⎥ ⎢ ⎥ ⎣ S i / N i ⎦ PDM 2 ( 3 β + 2 ) ⎣ S i / N i ⎦ PAM m 2 (5. es de 8 dB superior a PDM. Veamos ahora la comparación entre PPM y PDM.79) y (5. Comparemos ahora PDM con PAM.88) En la determinación de las ganancias de conversión anteriores no se ha tomado en cuenta los falsos impulsos producidos por los picos de ruido. El sistema PDM es superior a PAM para β m > 8 .84) Por ejemplo. ⎡So / N o ⎤ ⎡S / No ⎤ 1 3 = ( β m + 2)⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 6 2 ⎣ S i / N i ⎦ PDM (5. para las ganancias de conversión y con β m > 8 se cumple que ⎡So / N o ⎤ ⎡S / N o ⎤ > ⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM ⎣ S i / N i ⎦ PDM ⎡S / N o ⎤ > ⎢ o ⎥ ⎣ S i / N i ⎦ PAM (5. De (5.32.86) El mejoramiento de la ganancia de conversión en PPM. B PPM > B PDM > B PAM (5. de (5. los cuales tienen una cierta probabilidad de ocurrencia cuando el ruido es gaussiano. se puede comparar PPM con PAM. El sistema PPM es superior a PAM para β m > 6 . de la expresión (5. situación que puede presentarse en sistemas con multiplex. en donde se muestra la variación de las ganancias de conversión en función del factor de expansión del ancho de banda βm .82). De (5. El sistema PPM es superior a PDM para β m > 3 . MODULACION Y TRANSMISION DE IMPULSOS Si β m >> 2. 5.87) Estas consideraciones se pueden apreciar mejor en la Fig.85) Para β m = 24 .79) y (5.80) y (5. So / N o β 2 = m 4 Si / N i (5. En general. el mejoramiento de la ganancia de conversión en PDM sobre PAM es de 6. el mejoramiento de la ganancia de conversión en PPM es 14.8 dB.

SISTEMAS DE MODULACION DIGITAL DE IMPULSOS 5. A. entonces ingeniero de la ITT en Francia. Este sistema se conoce desde entonces con el nombre de Modulación de Impulsos Codificados (PCM). Introducción En los sistemas PAM. este umbral es uno de los factores limitativos de los sistemas de banda ancha. desarrolló un método para transmitir una representación de una señal continua mediante una sucesión de valores discretos de la misma señal.2. mientras que los respectivos parámetros de modulación (amplitud. patentó un sistema para la transmisión de voz basado en el método de Rainey. Los tres sistemas básicos de modulación digital de impulsos son: • La Modulación de Impulsos Codificados (Pulse-Code Modulation. el correspondiente aumento en la potencia de ruido produce una cantidad suficiente de falsos impulsos que impiden aumentar el ancho de banda. y fueron los dispositivos de estado sólido los que iniciaron el gigantesco desarrollo que estamos presenciando. En este tipo de modulación cada valor de muestra de la señal mensaje se codifica en secuencias de impulsos en el sentido visto en el Capítulo IV. como podremos constatarlo a medida que avancemos en el texto. PCM) • La Modulación Diferencial de Impulsos Codificados (Differential Pulse-Code Modulation. donde la palabra “digital” significa “amplitud y duración discreta”.4. DM) 5. 5.4. .334 V. DPCM) • La Modulación Delta Lineal (Delta Modulation. de los Estados Unidos. cuando introducimos el concepto de codificación binaria y m-aria. En la modulación digital de impulsos el mensaje es representado por secuencias de impulsos digitales.1. duración y posición) varían en forma continua de acuerdo con la señal mensaje. Rainey. M. Reeves. H. Durante más de 20 años el concepto PCM se consideró como una simple curiosidad científica. por cuestiones de tipo tecnológico. MODULACION Y TRANSMISION DE IMPULSOS Cuando el ancho de banda aumenta.4. son esencialmente sistemas binarios. PDM y PPM solamente el tiempo se expresa en forma discreta. Posteriormente. se llega entonces a una “región umbral” no importa si se aumenta el valor A de la amplitud de la portadora a fin de mantener una relación S i / N i fija. pues los componentes electrónicos existentes para la época no eran apropiados para la codificación digital de señales. P. La transmisión de información se lleva a cabo entonces en forma analógica en tiempos o instantes discretos. en 1936. Los sistemas prácticos de modulación digital de impulsos. Modulación de Impulsos Codificados (PCM) En 1926. Las condiciones prácticas del medio establecerán el nivel umbral y los valores apropiados correspondientes de la relación S i / N i .

Cuantificación y Codificación Aunque en la práctica no suele usarse. “paso de cuantificación”. Pero como el número de amplitudes de los impulsos PAM es teóricamente infinito. señales de control industrial.) se pueden mezclar con señales de datos (por ejemplo. por lo tanto. Cuantificación y Codificación. que veremos posteriormente.34 se muestra este proceso. a diferencia de algunos sistemas en los cuales el paso de cuantificación es variable. pero la modulación de impulsos codificados es completamente diferente en concepto. en la modulación PCM cada muestra del mensaje se representa o codifica en una secuencia de impulsos . etc. Las señales PCM derivadas de todos los tipos de fuentes analógicas (audio. De la expresión (4. Cuando el paso de cuantificación es constante.335 V. 5. 5. el número de muestras de entrada al convertidor debe ser un número finito. es necesario efectuar previamente un proceso de “redondeamiento” de los valores de amplitud para generar un conjunto finito de valores fijos o niveles. el número de impulsos de la muestra codificada). de tal manera que el número de niveles sea N. En la Fig. • • La desventaja principal de los sistemas PCM es que su ancho de banda es superior al de un sistema analógico similar. los sistemas PCM tienen un comportamiento superior al de un sistema analógico. para comprender el mecanismo de la modulación PCM.34. . Además. Este proceso se denomina “cuantificación” y es similar al redondeamiento de los últimos dígitos en un proceso numérico. Algunas de estas ventajas son: • • Los circuitos y componentes digitales utilizados son muy baratos y fáciles de adquirir.33 y 5. Esta técnica se denomina “multiplicidad o multicanalización por división de tiempo. y en (b) la operación de redondeamiento efectuada. las señales de salida de los computadores digitales) y transmitirse por un canal de alta velocidad. a fin de no confundirla con “n”. Estos valores fijos se denominan “niveles de cuantificación” y la diferencia ∆Q entre dos niveles. El sistema PCM es el sistema de modulación de impulsos más utilizado por las muchas ventajas que ofrece. Las muestras del mensaje se presentan en forma de una señal PAM que se aplica a un codificador binario o convertidor cuya salida son secuencias de impulsos binarios que representan la amplitud de los impulsos PAM. 5. En efecto. (TDM)”. se le puede descomponer en una secuencia de tres operaciones distintas: Muestreo (formación de la señal PAM). generalmente binarios. En transmisión a larga distancia las señales PCM contaminadas con ruido se pueden regenerar y retransmitir sin mucha pérdida de calidad. se dice que la cuantificación es uniforme. la probabilidad de error en el destino se puede reducir mediante la aplicación de técnicas de codificación apropiadas. como se muestra en las Figs. la relación entre el número de muestras de entrada N y el número de impulsos n de la muestra codificada es N = 2 n .34(a) se muestra la característica de transferencia de un cuantificador uniforme. Obsérvese que los valores instantáneos de amplitud x (mTs ) se redondean al valor más cercano x q ( mTs ) de un conjunto de N niveles fijos de amplitud. video. (Nótese que se utiliza la letra “m” para indicar el orden de la muestra. En relación con el ruido. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS Los tres tipos de modulación de impulsos vistos en las secciones anteriores han sido representaciones analógicas del mensaje.22). para impulsos binarios.

336 V. Principio de la Cuantificación de Señales en Modulación PCM. Vqmax y n generalmente son los datos o parámetros del cuantificador.34(b). La señal cuantificada x q (mTs ) está acotada por | x q (mTs )| ≤ (N − 1) ∆Q ∆Q = (2 n − 1) = Vqmax 2 2 (5. 5. 2 2 Los niveles de comparación estarán a ∆Q / 2 sobre o bajo x qk (mTs ). Consideremos el proceso de cuantificación uniforme bipolar mostrado en la Fig.90) (5.89) y sus valores particulares vendrán dados por ∆Q N x qk (mTs ) = ± (2 k − 1) para k = 1. respectivamente.33. N = 2 n el número de niveles de cuantificación y n el número de impulsos de las secuencias codificadas. MODULACION Y TRANSMISION DE IMPULSOS Mensaje m(t) x(mTs ) Modulación PAM Codificador Analógico-Digital x q ( mTs ) Cuantificación Codificación Salida PCM Serie Reloj Fig. 5. También | x (mTs )| ≤ N ∆Q = 2 n −1 ∆Q 2 (5. ∆Q es el paso de cuantificación.34.⋅⋅⋅⋅.91) . Mecanismo de Generación de Señales 11∆Q / 2 9∆Q / 2 x q (mTs ) m(t) 5∆Q / 2 x q (mTs ) 2∆Q 4∆Q 3∆Q Vmax Vqmax (a) Característica de Transferencia 7∆Q / 2 3∆Q / 2 −3∆Q −5∆Q −∆Q −4∆Q −2∆Q x(mTs ) = x q (mTs ) 0 ∆Q −3∆Q / 2 −5∆Q / 2 −7∆Q / 2 −9∆Q / 2 5∆Q x (mTs ) 0 Ts ∆Q t Vqmax ∆Q Vmax e q (mTs ) ∆Q 2 −∆Q 2 ∆Q 0 x(mTs ) Niveles de Cuantificación Niveles de Comparación (c) Error de Cuantificación (b) Cuantificación de una Señal m(t) Fig. 2. donde Vqmax = | x q (mTs )|max y Vmax = | x (mTs )|max son los valores máximos o pico de la señal cuantificada y de la señal muestreada PAM. 3. 5.

Los parámetros normalizados serán: Paso de cuantificación normalizado: Resolución normalizada: Resolución normalizada porcentual: 2 N −1 1 R qn = N −1 100 R qn % = N −1 ∆Q n = (5. ∆Q Vqmax Vmax = = 2 N−1 N (5. el proceso de cuantificación introduce una cantidad inicial de distorsión.98) (5.99) (5. e max % = 100 ⋅ e max (5. se define en la forma e q (mTs ) = x q (mTs ) − x(mTs ) (5. Resolución R q = y en por ciento.97a) 2 N −1 N y en por ciento. e q ( mTs ) ”. ∆Q Vqmax Vmax e max = | e q (mTs )|max = = = (5. de la Fig. después de la conversión la señal m(t) nunca podrá ser recuperada en su forma original (aún en el caso de que el ruido de transmisión sea nulo) debido al denominado “ruido de cuantificación”. 5. Rq”. la cuantificación transforma un conjunto infinito de amplitudes en un conjunto finito de N amplitudes.96) Obsérvese que para algunos valores específicos de m(t) el error es cero.34(c).337 V. Algunas veces se prefiere normalizar los parámetros. como el intervalo mínimo que el cuantificador puede discernir.92) Para que no haya saturación en el cuantificador. La existencia . 5. debe cumplirse también que | m(t )|max ≤ Vqmax + ∆Q = Vmax 2 De (5.34(c).100) En general. es decir. por lo tanto.95) R q % = 100 ⋅ R q Asimismo. En este caso se supone que el rango normalizado de la señal cuantificada es −1 ≤ x q ( mTs ) ≤ 1 .91). dependiendo del número de niveles de cuantificación elegidos. Fig. MODULACION Y TRANSMISION DE IMPULSOS Por consiguiente. el paso de cuantificación es ∆Q = 2Vqmax N−1 = 2 Vmax N (5. pero el error máximo es. ∆Q / 2 . como consecuencia.89) o (5.94) (5.93) En la literatura se suele definir también la “resolución del cuantificador. el “error de cuantificación.97b) Nótese que la resolución es la medida del error máximo en el cuantificador. para lo cual debe verificarse que | x q (mTs )|max = Vqmax = 1. la cual es inherente al sistema pero que podemos controlar y hacer tan pequeña como queramos. Esto significa que la señal original puede aproximarse mediante una señal que se construye a partir de un conjunto disponible de amplitudes discretas elegidas sobre una base de error mínimo. En efecto. Vmax = Vqmax + ∆Q 2 (5.

regeneración y detección. 5. En el detector/regenerador se determina si llegaron o no impulsos. 5. los fabricantes de los codificadores o convertidores especifican el correspondiente código de salida (binario natural. n = 3 Secuencias PCM 4 5 6 7 Fig. y por su gran inmunidad al ruido de transmisión.35. etc. un código de tres dígitos será suficiente para codificación completa.5.). es decir. Esta inmunidad se debe a que: (a) solamente una parte de la información total es afectada por la pérdida o distorsión de uno o más impulsos de un grupo de codificación. A cada nivel de cuantificación se asigna un grupo de codificación diferente. OFF-SET. Nótese que en este caso se han empleado 8 niveles (23) para cuantificar las muestras. La codificación binaria. Lógicamente. En la Tabla. En general. se regeneran y se encuadran en los correspondientes grupos de codificación incluyendo los errores producidos por el ruido n(t). Esta señal se filtra en un filtro pasabajo de ~ ancho de banda B = f m para extraer el mensaje m(t). y (b) que se puede tolerar grandes cantidades de ruido y distorsión en la detección de los impulsos individuales porque la selección o decisión se efectúa solamente entre dos estados: el estado “CERO” o el estado “UNO”. en sus distintas variedades.35(b). BCD. nótese también que el bit de menor peso se transmite de primero. se puede lograr que la señal cuantificada prácticamente no se distinga de la señal original.35(a). se muestra la codificación empleada. 6 4 Señal PAM Cuantificada PAMq 2 t Decimal 0 1 2 3 t 0 t Binario 000 001 010 011 100 101 110 111 Ts NRZ 0 0 1 0 Ts τ 1 1 0 Ts 1 RZ τ Tn (a) Conversión PAMq/PCM. Nótese que la señal de salida m(t ) del . es la más utilizada debido a su simplicidad de generación. Fig. si se asigna niveles de amplitud discreta con un espaciamiento lo suficientemente pequeño.36. 5. MODULACION Y TRANSMISION DE IMPULSOS de un número finito de niveles de amplitud discreta es una condición básica en PCM. como se muestra en la Fig. N = 8.338 V. habrá N = 2 n grupos de codificación. palabras o secuencias binarias de n impulsos (llamados también “dígitos binarios” y más impropiamente “bits”) cada una. Demodulación de Señales PCM El mecanismo de recepción de señales PCM se muestra en la Fig. Conversión Analógica-Digital (b) Codificación Binaria Natural En la Fig.35(a) se tiene unas muestras PAM cuantificadas y sus correspondientes formas codificadas en PCM (NRZ y RZ). 5. La señal de banda de base que llega al receptor está contaminada con ruido blanco n(t). La codificación binaria natural es el proceso de transformación de la amplitud de la muestra PAM cuantificada en secuencias de n impulsos binarios conocidas como “grupos de codificación”. Esta secuencia de grupos se aplica al descodificador que los convierte en las muestras de una señal PAM cuantificada (incluyendo los errores debido al ruido). por lo tanto.

37(a). se aplica luego al convertidor digital-analógico y por último se pasa por un filtro pasabajo. en otras palabras. pero como la señal PCM de banda de base es una secuencia serie. El empleo cada vez mayor de las señales digitales en las telecomunicaciones se basa mucho en la facilidad mediante la cual las señales digitales (impulsos discretos) se pueden regenerar y acondicionar. estas repetidoras están situadas a distancias apropiadas a lo largo de la trayectoria de transmisión. en el comercio se encuentran tres tipos de circuitos integrados que producen salidas serie normalizadas: el transmisor/receptor asincrónico universal (UART).).). Hay que señalar que en los convertidores analógico-digitales prácticos la salida se presenta en forma paralela. de la longitud total del enlace. de su atenuación y distorsión de fase por unidad de longitud. El tema de las repetidoras.). todos los canales de comunicación en mayor o menor grado atenúan y distorsionan las señales. como se muestra en la Fig. RCA.37(b). en todas las tecnologías (TTL. se utiliza estaciones repetidoras para regenerar los impulsos deformados por el ruido y por las características físicas del canal. (CDA)”. La operación inversa en el receptor. etc. fibras ópticas. (CAD)”. En el caso de señales digitales en transmisión en banda de base. El número de repetidoras y el espaciado entre ellas depende de una cantidad de factores tales como el medio de transmisión (conductores metálicos. Recepción de Señales PCM. En la práctica. Para la demodulación el proceso es contrario: la señal PCM es procesada en el detector regenerador. 5. .36. etc. Sin embargo.339 V. es necesario efectuar una transformación paralelo/serie utilizando comúnmente registros de desplazamiento (“shift-registers”). etc. MODULACION Y TRANSMISION DE IMPULSOS receptor no es idéntica a m(t) debido a los efectos del ruido aditivo n(t) y del ruido de cuantificación. La operación y descripción de estos circuitos se puede hallar en cualquier catálogo de componentes (Motorola. En efecto. 5. para cualquier valor de n y para diferentes velocidades de conversión y códigos de salida. Nacional Semiconductor. el transmisor/receptor sincrónico universal (USRT) y el transmisor/receptor sincrónico/asincrónico universal (USART). radio. en el registro se transforma en PCM paralela. Estos dos convertidores son fácilmente disponibles a costos moderados como circuitos de mediana y gran escala de integración (MSI y VLSI). se efectúa con un “convertidor digital-analógico. aunque interesante. 5. el proceso de cuantificación y codificación es efectuado por un solo dispositivo denominado “convertidor analógico-digital. PCM + errores x q ( mTs ) + errores PCM + Ruido Detector/ Regenerador Descodificador Sincronización (Reloj) Filtro Pasabajo ~ m(t ) Fig. la conversión de la señal PCM en una señal analógica PAM. es decir. como se muestra en la Fig. está fuera de los objetivos de este texto. MOS. en el sistema PCM la reconstrucción perfecta de una señal de variación continua es imposible aún cuando el ruido n(t) sea despreciable. etc. de la frecuencia de portadora.

2 kHz y luego se muestrea a una frecuencia de 8000 muestras por segundo.102) donde RT es el ciclo de trabajo. . como se muestra en la Fig. Cada muestra ha sido codificada en secuencias de n impulsos. MODULACION Y TRANSMISION DE IMPULSOS x(mTs ) PCM Paralelo (n líneas) PCM Paralelo (n líneas) Registro x q (mTs ) CDA m(t) P A M CAD PCM Detector/ Registro Serie Regenerador ~ Filtro m(t ) Pasabajo Reloj (a) Transmisor PCM (b) Receptor PCM Fig. B PCM ≥ τ = 2nf m = 2f m log 2 N ⎪ Secuencias NRZ: ⎨ B ⎪ PCM = β m ≥ 2 n = 2 log 2 N ⎪ fm ⎩ 1 2 nf m 2f m τ Ts = nTn . 5. la mayor parte de su energía está concentrada en la gama de 100 a 600 Hz y un ancho de banda de 3 kHz es suficiente para una buena inteligibilidad. Como ejemplo de los requerimientos de ancho de banda en PCM.37. hay que considerar si las secuencias PCM son sin o con retorno a cero (NRZ o RZ). fm la frecuencia máxima de la señal mensaje m(t). es decir. en consecuencia. está relacionada con la exactitud con la cual se puede recobrar la señal. como tal. B PCM ≥ = = log 2 N Secuencias RZ: τ Tn RT RT y βm = 2 log 2 N RT (5. para 1 Ts ≤ se tiene: 2f m 1 ⎧ ⎪Ts = nτ. la señal de voz se filtra primero en un filtro pasabajo de 3.101) (5. el cual es mucho mayor que el ancho de banda nominal de 4 kHz del canal de voz. consideremos la transmisión digital de la voz en sistemas telefónicos. de acuerdo con (5. Como norma en los sistemas telefónicos. Puesto que β m >> 2 .35(a). vemos también que el sistema PCM es un sistema de banda ancha en el cual se puede intercambiar ancho de banda por relación señal-ruido. Aunque la voz contiene frecuencias superiores a los 10 kHz. 5.101). y. el espaciado entre impulsos es uniforme a fin de ocupar el mínimo ancho de banda. Esta es la razón por la cual no se puede transmitir voz digitalizada en PCM por los canales telefónicos. Las muestras se cuantifican en grupos de 8 dígitos (256 niveles) y el ancho de banda de la señal PCM será. N = 2 n el número de niveles de cuantificación y β m la relación de expansión del ancho de banda. R T = . La importancia de estos resultados es que la relación de expansión del ancho de banda en PCM es proporcional al número de impulsos por grupo de codificación. de 64 kHz. Sistema de Transmisión y Recepción PCM Sincronizador (Reloj) Ancho de Banda y Relaciones S/N en Sistemas PCM Los impulsos transmitidos en PCM fluyen generalmente a una frecuencia constante.340 V. A este respecto.

para relaciones S i / N i menores.341 V. 1977] que las potencias promedio de la señal PCM y del ruido de cuantificación a la salida del descodificador. no hay un camino continuo de transmisión para el ruido como lo hay en los sistemas de modulación analógica ya vistos. β m = 2n . si consideramos que la señal es regenerada en cada estación repetidora. Se ha demostrado [Gregg. el ruido de transmisión. sin embargo. Asimismo. Aparte de estos errores ocasionales. Sin embargo. Cuando se opera con relaciones S/N de entrada muy por encima de la región umbral. n = . como veremos más adelante. de donde 2f m 2 Consideremos secuencias PCM NRZ. puede causar errores de decisión en el detector. y el otro el ruido de cuantificación. PDM y PPM. se puede caer dentro de la región umbral y los resultados de dicha expresión ya no serían válidos. con el resultado que éste emite la correspondiente secuencia de impulsos regenerados pero erróneos. Sobre la región umbral. Estos grupos erróneos son interpretados en el descodificador como amplitudes falsas que. por supuesto. mientras que el ruido de cuantificación se genera únicamente en el transmisor y es llevado hasta la salida del receptor. Como ya lo hemos señalado. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. Cuando n ≥ 4. en los sistemas PCM hay dos tipos de ruido.105) es válida. y normalmente el ruido de transmisión no se toma en cuenta en el diseño original del sistema. la relación S/N a la salida está limitada únicamente por el ruido de cuantificación. en PCM existe también una región umbral bajo la cual el comportamiento del sistema disminuye rápidamente debido a los errores producidos por el ruido de transmisión. distorsionan la señal m(t) recuperada.106) B β = m . < s 2 (t ) >= S o = o (∆Q) 2 2 n (2 − 1) 12 (5.103) (5. esto es. que son de interés: uno es el ruido de transmisión. Como en el caso de los sistemas PAM. El ruido de transmisión se puede introducir en cualquiera parte entre el transmisor y el receptor. en PCM binario.105) Para altas relaciones S i / N i en el canal (10 dB o más). entonces 2 2n >> 1 y So = 2 2 n = N 2 para n ≥ 4 No (5. la expresión (5.104) y < n 2 (t ) >= N o = q (∆Q) 2 12 La relación S/N de postdetección será entonces So = 2 2n − 1 = N 2 − 1 No (5. ya mencionados. el efecto del ruido de transmisión es despreciable y la calidad del proceso de detección mejora rápidamente a medida que la potencia de la señal aumenta sobre la región umbral. generalmente el ruido de transmisión no aparece a la salida. respectivamente.101). el ruido de transmisión se hará muy pequeño en comparación con el ruido de cuantificación (caso de alta relación S/N). son. De (5. denominado también “ruido de descodificación”.

So 2 2n − 1 2 2n = ≈ N o 1 + 2 2 ( n +1) ⋅ Pe 1 + 2 2 ( n +1) ⋅ Pe y en dB en PCM (5. Se demuestra [Shanmugan.109) donde < n 2 (t ) > es la potencia del ruido de descodificación y < n 2 (t ) > viene dada por (5. Benedetto.104) y (5.]). pues. la relación S o / N o es prácticamente constante.02 ⋅ n − 10 log 10 1 + 2 ⎣ N o ⎦ dB [ ] en PCM (5. véase también [Schwartz. . (En la referencia citada más arriba [Shanmugan. ⎡ So ⎤ ⎢ ⎥ = 3. PDM o PPM. se calcula la probabilidad de error Pe para diferentes esquemas de modulación PCM.110).01⋅ β m = 20 ⋅ log 10 N = 6. El sistema PCM es. Cuando se compara PCM con PAM. cuando se toma en cuenta el ruido de descodificación es. 1966.111) ⎡ So ⎤ 2 ( n +1) ⋅ Pe ⎢ ⎥ = 6.02 ⋅ n ⎣ N o ⎦ dB en PCM NRZ (5. Bennet y Stein. la probabilidad de error. 1979].110) donde Pe . se observa que el intercambio “ancho de banda-relación S/N” es mucho más favorable en PCM que en los otros sistemas. para valores bajos de Pe (alta relación S i / N i ). Si el ruido de descodificación no puede ser despreciado. un sistema de banda ancha.108) La relación señal/ruido de cuantificación crece exponencialmente en función de la relación de expansión del ancho de banda. La relación de postdetección S o / N o en PCM. La probabilidad Pe de que el detector produzca un estado “1” cuando un estado “0” fué transmitido (o viceversa) es un parámetro necesario en el cálculo de la potencia del ruido de descodificación. (5. Biglieri y Castellani. d q El cálculo de la potencia del ruido de descodificación es complicado por el hecho de que el número de errores por grupo de codificación es aleatorio y la severidad de un error depende de si él ocurre o nó en los dígitos más significativos del grupo de codificación. etc. depende del tipo de modulación utilizado y de la relación de predetección S i / N i a la entrada del receptor. 1987. Puede observarse el efecto del umbral para valores altos de Pe (baja relación S i / N i ).112) En la Fig.103).104).38(a) se grafica la relación S o / N o en dB para diferentes valores de n. que la potencia promedio del ruido de descodificación es 2 < n d (t ) >= (∆Q) 2 2 n 2 ⋅ Pe 3 (5. de (5. 5. la potencia total de ruido a la salida será entonces 2 2 N o =< n q (t ) > + < n d (t ) > (5. 1979]. MODULACION Y TRANSMISION DE IMPULSOS So = 2 β m = N 2 en PCM NRZ No (5.107) y en dB.342 V.

113) ⎛ ⎡ S ⎤ ⎞ 6. y por cuanto Peopt corresponde a la mínima relación S i / N i . de la definición de umbral se obtiene Peopt = 6. Si Pe = g ( ⎛⎡ S ⎤ ⎞ Si ) . si la probabilidad de error es una función de S i / N i .473x10 −2 2 2n para n entero (5. que es la misma expresión (5.473x10 −2 Peopt = f ⎜ ⎢ i ⎥ ⎟ = ⎜ N ⎟ 2 2n ⎝ ⎣ i ⎦ min ⎠ . Se puede definir entonces la “probabilidad de error óptima.112).38(b) se grafica Peopt vs n. entonces esta relación S i / N i mínima se puede deducir a partir de la expresión (5. es decir. Este valor de Pe corresponderá a la mínima potencia transmitida (o recibida) y se puede considerar como el valor óptimo de la probabilidad de error. MODULACION Y TRANSMISION DE IMPULSOS El umbral se define arbitrariamente [Shanmugan. Peopt ” a partir de la expresión (5. pues aumentos en la relación de predetección S i / N i no se traducen en aumentos en la relación de postdetección S o / N o . Puesto que la probabilidad de error Pe depende del esquema de modulación empleado y de la relación de predetección a la entrada del receptor.113) En la Fig. entonces Peopt = f ⎜ ⎢ i ⎥ ⎟ y de la expresión (5. 5.113). La expresión (5. En efecto.113) permite determinar rápidamente la probabilidad de error correspondiente a la mínima potencia transmitida (o recibida) para un valor dado de n y máxima relación S o / N o . ⎜ N ⎟ Ni ⎝ ⎣ i ⎦ min ⎠ para n entero. 1979] como “el valor de la probabilidad de error Pe para el cual la relación [S o / N o ] dB cae en 1 dB respecto a su valor máximo constante”.343 V. En efecto.113).

531 V ≤ x q (mTs ) ≤ 14. el cuantificador tendrá 32 niveles con una separación de 0.938 V N 32 ∆Q = 14.05 ∆Q . β m = 10 Relación S/N de postdetección: Probabilidad de error óptima: So = N 2 = 1024 = 30. al estudiar algunos esquemas de modulación de impulsos mediante portadora modulada. Cálculo de otros parámetros: Ancho de banda de la banda de base: B = 2 nf m = 2 x5x5x10 3 = 50 kHz.781 V (k = 12). aumentos en la relación de predetección no se traducen en aumentos en la relación S/N de postdetección. ♣ Ejemplo 5. De acuerdo con la expresión (5.1 dB No Peopt = 6. En resumen.844 V (k = 11) y -10. ∆Q = 2 Vmax 30 = = 0.344 V.113) permite determinar la relación de predetección mínima S i / N i para un valor determinado de n. está entre -9.. El valor límite de S o / N o dependerá solamente del número n de impulsos de las secuencias PCM. Vamos a calcular todos los parámetros asociados. De (5. Más adelante volveremos sobre este tema. mientras que el correspondiente valor mínimo de la relación S/N de predetección se puede determinar a partir de la expresión (5. N = 2 n = 32 niveles.) depende del esquema de modulación utilizado.93).844 V. la relación de postdetección S o / N o alcanza el valor de 6. sobre el umbral. En consecuencia. Algunas de estas funciones g(.90). de donde. 2 2 pues n es un número entero. El valor máximo de la relación S/N de postdetección será de 6. por lo tanto.313.89). siendo el nivel de comparación igual a -10.) las veremos más adelante.8 Se quiere transmitir en PCM NRZ una señal m(t) cuya frecuencia máxima es de 5 kHz y cuya amplitud varía entre -10 V y + 15 V.32 x10 −5 .7. que es independiente de la relación de predetección S i / N i . De acuerdo con los datos. De (5. el valor mínimo de m(t). (m(t) = -10 V).. Ts = Se quiere que e max = 1 2f m ∆Q 2n = 0. Vqmax = (N − 1) −14.938 V entre niveles. Vmax = | m(t )|max = 15 V. la salida cuantificada correspondiente a una entrada de -10 V tiene el valor -9. MODULACION Y TRANSMISION DE IMPULSOS La expresión (5.114).4.531 V . Se desea que la resolución o error máximo esté dentro del ± 5% del valor pico de la señal mensaje. cuando se aumenta la potencia de la señal de entrada. en la Sección 5.531 V 2 de donde 2 n = 20 → n = 5. También. La función g(.02n dB.02n dB.05 ⋅ Vmax = 0.

e max = 2 . 2 2 N e max = y n son siempre números enteros (5. 5.9 De (4. la velocidad de modulación es de 50 kbaudios. 5. Se tiene entonces. ∆Q = Rq 2 Para que el cuantificador no se sature o recorte la señal. 5.39.18). Como el sistema es Ts binario y no se especifica impulsos redundantes. Este es un caso de cuantificación uniforme unipolar y las ecuaciones que caracterizan al cuantificador son ligeramente diferentes de las determinadas para cuantificación bipolar. 5. La amplitud de m(t) varía entre 0 V y 7 V con un error máximo tolerable de 0.345 V. Vqmax = (N − 1)∆Q = (2 n − 1)∆Q .39(a).114) 0 ≤ m(t ) ≤ Vmax . Fig. Para un cuantificador uniforme unipolar. Vmax = Vqmax + ∆Q ∆Q = (2 N − 1) . Vamos a determinar todos los parámetros asociados y las formas de las secuencias PAMq RZ y PCM NRZ. 7∆Q 6∆Q 5∆Q m(t) x q (mTs ) (a) 4∆Q 3∆Q 2∆Q ∆Q ∆Q ∆Q Vmax Vqmax t (b) PCM (NRZ) 0 1 Ts 1 0 MS 0 τ 1 1 1 0 1 0 1 0 t 0 LSB Fig.5 V.39(a). se tiene. Vqmax = valor máximo de la señal PAM cuantificada x q (mTs ) Vmax = valor máximo de la señal PAM muestreada x ( mTs ) ∆Q = error máximo o resolución ∆Q = paso de cuantificación. La frecuencia máxima de la señal es de 500 Hz. la velocidad de información es Vi = Sea una señal m(t) como la mostrada en la Fig. a partir de la Fig. MODULACION Y TRANSMISION DE IMPULSOS log 2 N = 50 kbps . ♣ ♣ Ejemplo 5.34. la cual queremos codificar en PCM NRZ.

40 se muestra el diagrama de bloques funcional de un sistema (transmisor y receptor) DPCM. los valores de la señal PAM cuantificada x q (mTs ) en los instantes 0. B = = 3 kHz 3 τ En el presente ejemplo. Ts = 1 ms. el bit de menor peso (LSB) se transmite de primero. 101 y 010. En el transmisor. se codifica y transmite la diferencia entre dos muestras adyacentes. 5 V y 2 V. 2Ts y 3Ts son. la señal de entrada al cuantificador es x (mTs ) = m(mTs ) − m(mTs ) siendo su salida x q (mTs ) = [ m(mTs ) − m(mTs )] q = x (mTs ) + e q (mTs ) donde e q (mTs ) es el error de cuantificación. Cuando estas muestras son codificadas en PCM convencional. Modulación Diferencial de Impulsos Codificados (DPCM) Cuando una señal de voz. e max = Peopt = 1. 110. DPCM”. MODULACION Y TRANSMISION DE IMPULSOS ∆Q = 0. 5. 5.116) . 5. música o video se muestrea a frecuencias ligeramente superiores a la frecuencia de Nyquist. Ts .346 V. 3 V. siguiendo la práctica usual. La eliminación de esta redundancia permite aumentar el rendimiento del sistema. mientras que el bit de mayor peso (MSB) se transmite de último. ♣ 5. Este esquema de modulación de impulsos se denomina “Modulación Diferencial de Impulsos Codificados. esto es. f s = 2 f m = 1 kHz. su velocidad de información. se observa que la variación de amplitud entre muestras adyacentes presenta una alta correlación. (5. el número de dígitos de los grupos de codificación será menor. La información está contenida en esta diferencia.40(a). τ = s . en la cual.115) (5. El mecanismo para disminuir la redundancia es el siguiente: en vez de codificar y transmitir cada muestra por separado.01x10− 3 . 6 V. respectivamente. Fig. comparado con el sistema PCM convencional.3.39(a). pero.4. que corresponden a las secuencias binarias (de tres dígitos cada una) 011. que en promedio la señal no varía demasiado entre una muestra y la siguiente. Vi = n = 3 kbps Ts De la Fig.39(b) se muestra la forma de la señal PCM NRZ. es decir. respectivamente.5 ⋅ V ∴ ∆Q = 1 V 2 ∆Q | m(t )|max = 7 = Vmax = (2 N − 1) ∴ N =8 y n=3 2 T 1 También. En la Fig. 5. las muestras codificadas contienen información redundante que no es absolutamente esencial para la transmisión de la información. En la Fig.

La señal m( mTs ) es entonces una “predicción de m(mTs ) ”. por lo menos. y la señal x (mTs ) es el “error de predicción”. ≤| x q ( mTs )| ≤ ( N − 1) 2 2 { }q y tendrá Puede verse que si N > 2. La señal x ( mTs ) dada por (5. En este caso particular. En la Recomendación G.115) es la diferencia entre dos muestras consecutivas que una vez cuantificada y codificada dará origen a la señal DPCM. 5. La red de retardo en el lazo de retroalimentación del transmisor se puede reemplazar por un filtro predictor. ~ La señal cuantificada será. es posible hacer una cierta inferencia acerca de sus valores futuros.347 V. ~ m q (mTs ) = m(mTs ) + e q (mTs ) (5. En este caso el sistema se denomina “Modulación Diferencial Adaptativa de Impulsos Codificados. Por ejemplo.722 de la UIT-T se establece una frecuencia de muestreo de 16 . pues si se conoce el comportamiento anterior de una señal hasta un cierto punto en el tiempo. x q ( mTs ) = m( mTs ) − m q [( m − 1)Ts ] valores discretos en el intervalo ∆Q ∆Q . entonces m(mTs ) representa la versión cuantificada de m(t) en el intervalo Ts anterior. pero en retorno el ancho de banda de la banda de base se reduce pues la diferencia [ m( mTs ) − m( mTs )] se puede representar con pocos niveles de cuantificación si m(t) no experimenta cambios drásticos de una muestra a la siguiente. A la entrada de la red de retardo Ts la señal es ~ m q ( mTs ) = m( mTs ) + x q ( mTs ) = m( mTs ) + x( mTs ) + e q ( mTs ) Reemplazando x (mTs ) dado por (5. de (5. el ancho de banda de la banda de base se reduce en 3/8. N = 256 = 28 (código de 8 dígitos) para tener una calidad comparable. un sistema DPCM con N = 8 = 23 (código de 3 dígitos) es aceptable para transmitir una señal de video.117) ~ La señal m q (mTs ) es entonces la versión cuantificada de la señal de entrada muestreada ~ m(mTs ) .116). y como m(mTs ) = m q [(m − 1)Ts ] .40. ya que es la cantidad mediante la cual el filtro de predicción falla en la predicción exacta de la entrada. MODULACION Y TRANSMISION DE IMPULSOS Modulador PAM m(mTs ) + m(mTs ) x(mTs ) _ x q (mTs ) Cuantificador + + Codificador Señal DPCM (a) Transmisor DPCM Señal DPCM Detector/ Regenerador Retardo Ts x q (mTs ) + ~ m q (mTs ) ~ m q (mTs ) + Descodificador m(mTs ) Filtro km(t) Pasabajo Retardo Ts (b) Receptor DPCM Fig. la instrumentación en DPCM es tan compleja como en PCM convencional. ADPCM”. Sistema de Modulación DPCM.115). mientras que en PCM convencional se necesitaría.

En el transmisor.41. Como consecuencia.4.40. 5. Si se aumenta la frecuencia de muestreo hasta que se esté seguro de que la diferencia de amplitud entre una muestra y la siguiente no sea mayor que un cierto paso de cuantificación. y la salida del cuantificador se representa entonces mediante un simple dígito binario que indica el signo (positivo o negativo) de la diferencia entre las muestras. m(t ) . Esto permite.4. la diferencia de amplitud entre dos muestras adyacentes se cuantifica en dos niveles +∆ ó -∆. comúnmente denominado “limitador estricto (hard limiter)”. El diagrama de bloques funcional de un sistema de modulación delta lineal es idéntico al del sistema DPCM mostrado en la Fig. se dice entonces que éste es un sistema de modulación delta lineal. pues. Modulación Delta Lineal (DM) En el esquema de modulación DPCM la diferencia de amplitud entre dos muestras adyacentes. utilizando ADPCM. y cuya salida es una señal en escalera que representa una versión cuantificada de la señal de entrada. lograr aumentar el ancho de banda de la banda de base hasta 7 kHz para transmisión de voz de alta calidad. un “operador signo” mucho más sencillo de instrumentar que un cuantificador multiniveles convencional.348 V.41(a). El elemento de retardo y el sumador en el lazo de retroalimentación se pueden reemplazar por un integrador cuya entrada es una secuencia de impulsos bipolares de período Ts . el sumador y el operador signo se pueden instrumentar mediante un comparador. e(t ) = [m(t ) − m(t )] = ± ∆ Entrada Filtro m(t) Analógica Pasabajo m(t ) + _ Generador de Impulsos Bipolares fs Señal DM x ∆ (t ) (a) Transmisor DM x ∆ (t ) + Ruido Comparador Integrador Filtro Pasabajo m(t ) + Ruido Integrador km(t) (b) Receptor DM Fig. la información a transmitir de cada muestra se puede representar en forma binaria como el sentido de la variación respecto a la muestra precedente. 5. 5. El cuantificador es. como el paso de cuantificación es constante y de valor ∆. Sistema de Modulación Delta Lineal. Este esquema de codificación se conoce con el nombre de “Modulación Delta Lineal” y puede considerarse como un caso especial del sistema DPCM con N = 2 . 5. puede ser importante y corresponder a un gran número de niveles de cuantificación. con el cuantificador reemplazado por un operador signo. Fig. dependiendo del . MODULACION Y TRANSMISION DE IMPULSOS kHz con 14 dígitos binarios por muestra. El cálculo del ancho de banda de la banda de base y de la relación S/N de cuantificación es similar al del PCM convencional y no lo discutiremos aquí. es decir. se tiene el sistema de modulación delta lineal mostrado en la Fig.41. la señal m(t) se compara con una aproximación en escalera de ella misma. 5. cuando se muestrea a frecuencias normales ( f s ≥ 2f m ). Asimismo. La salida del comparador serán niveles de amplitud ± ∆ . Nótese la simplicidad en la instrumentación. duración τ y amplitud ±A.

que constituye la señal de error. . Esta estructura en retroalimentación minimiza la diferencia. 5. cuando este impulso se integra. período Ts y duración τ . Si e(t) no se ha vuelto negativa. se produce un impulso de amplitud A a la salida.349 V. m(t) m(t ) ∆ Ts x ∆ (t ) τ +A t -A Fig. m(t ) se incrementa en un escalón de amplitud ∆ . hay aproximadamente igual número de impulsos positivos y negativos. lo que ocasionará que e(t) sea negativa y en el instante de muestreo siguiente se producirá un impulso de salida negativo resultando en un decremento de m(t ) en un escalón. m(t ) tiende en promedio a m(t) y el valor promedio de x ∆ (t ) será cero. Formas de Onda en Modulación Delta Lineal. x ∆ ( t ) . 5. esta nueva m(t ) se vuelve a comparar con el m(t) actual.41(b). tendrá entonces la forma x ∆ (t ) = n =−∞ ∑ A ⋅ sgn[m(nT ) − m(nT )] ⋅ Π( s s ∞ t − nTs ) τ (5. variando la polaridad de los impulsos de salida. de modo que el valor promedio de la señal x ∆ (t ) es cero.42.118) Esta es una secuencia binaria aleatoria bipolar de amplitud ± A. si se cumple ciertas condiciones que veremos más adelante. En general. Si e(t) es positiva en un instante de muestreo dado. se generan más impulsos positivos que negativos. En la Fig. La situación se invierte cuando la pendiente es negativa. Nótese que cuando la pendiente de m(t) es positiva. MODULACION Y TRANSMISION DE IMPULSOS signo de e(t). La información va contenida en la operación signo. la salida será de nuevo un impulso positivo y el integrador incrementará otro escalón. En algún instante m(t ) se hará mayor que m(t). La señal modulada en delta. En aquellos puntos de m(t) en los cuales la pendiente es muy pequeña. es bastante sencillo y consta de un integrador y de un filtro pasabajo. Fig. 5.42 se muestran todas las formas de onda en modulación delta lineal en operación normal. Operación Normal. El receptor DM.

se produce un incremento ∆ en m(t ) . m(t ) exhibe un comportamiento de rastreo sobre m(t) lo que da origen al “error o ruido granular”. 5. Arranque m(t) Ruido de Sobrependiente Ruido Granular ∆ Ts m(t ) Fig. 5. de ahí el nombre de “sobrependiente”.119) La pendiente máxima de m(t ) es ∆ / Ts .43. 5. Este tipo de sobrecarga no está determinado por la amplitud de m(t) sino más bien por su pendiente. Cuando este impulso se retroalimenta a través del integrador. de modo que una condición suficiente para evitar la sobrependiente es que ∆ 2πf m A m ≤ = ∆ ⋅ fs (5. El fenómeno de sobrependiente es una limitación básica en la modulación delta lineal. Vamos a determinar las condiciones necesarias para prevenir la sobrependiente. m(t ) la sigue en forma escalonada mientras las muestras sucesivas de m(t) no sean mayores que ∆.350 V. Cuando m(t) cambia. Este proceso continúa durante el “intervalo de arranque” hasta que m(t ) excede a m(t) y se produce un impulso negativo. . Si m(t) permanece constante. 5. La pendiente (5. 43. Cuando la diferencia es mayor que ∆. de (5.120) Ts La amplitud máxima de m(t) a partir de la cual se produce sobrependiente será. de manera que el primer impulso de salida sea positivo. Supongamos que m(t) es sinusoidal de la forma máxima de m(t) será ⎤ ⎡d = 2πf m A m ⎢ dt m(t )⎥ ⎦ max ⎣ m(t ) = A m sen(2πf m t ) .43. como se muestra en la Fig. Supongamos que inicialmente m(t ) < m(t ) . m(t ) ya no puede seguir a m(t) produciéndose el fenómeno de “sobrecarga o sobrependiente”. MODULACION Y TRANSMISION DE IMPULSOS Algunos de los problemas que ocurren cuando se utiliza la modulación delta lineal para la transmisión de señales analógicas se pueden observar en la Fig. Ruido Granular y de Sobrependiente en Modulación Delta Lineal.43. El error o ruido granular se puede reducir aumentando la frecuencia de muestreo y/o disminuyendo la amplitud del paso de cuantificación ∆. como se muestra en la Fig.120). y se produce cuando la pendiente de m(t) es superior a la pendiente máxima de m(t ) .

denominación adoptada para distinguirla de la Modulación Delta Lineal. para una calidad comparable.121) Cuando la variación de m(t) es menor que ∆. en la Modulación Delta Controlada Digitalmente (DCD) se utiliza un comparador digital que. Ancho de Banda y Relaciones S/N en Sistemas de Modulación Delta Lineal Como la señal de banda de base en modulación delta básicamente es una secuencia de impulsos de período Ts y duración τ . y permanecerá en este estado mientras la variación de la señal de entrada no sobrepase el valor ∆. como veremos más adelante. en la transmisión de voz en PCM con f s = 8000 y n = 8 . operando sobre una secuencia de error. El problema de la sobrependiente se puede reducir entonces disminuyendo f m mediante filtrado de m(t). por ejemplo. Estas tres son formas de la Modulación Delta Adaptativa. el ancho de banda es del orden de 64 kHz. el rango dinámico de amplitud se puede definir en la forma Am A 1 fs RA = = m = ( ) (5. ver la bibliografía.123) τ Ts 2 El ancho de banda de la banda de base es bastante grande. si definimos = . controla la ganancia. Si se disminuye f m o se aumenta ∆. asimismo. El mejor método para evitar la sobrependiente es la de detectar la condición de sobrecarga y ajustar el valor de ∆ haciéndolo más grande mediante un control de ganancia en el lazo de retroalimentación del modulador. Para más información sobre las técnicas adaptativas. entonces B DM ≥ 2f s (5. Por ejemplo. .42. pero por otro lado. la resolución de la señal será muy pobre y la distorsión aumentará. el rango de amplitud no puede ser muy alto porque ello implicaría altos anchos de banda de la banda de base. La frecuencia de muestreo f s debe ser mucho mayor que la frecuencia máxima de la señal mensaje si se quiere un rango de amplitud razonable. MODULACION Y TRANSMISION DE IMPULSOS Am = ∆ fs ( ) 2π f m (5. Los métodos de control de ganancia han dado origen a diferentes técnicas de la modulación delta.351 V. Fig. si se aumenta la frecuencia de muestreo se aumentan los requerimientos de ancho de banda de la banda de base. mientras que en la modulación delta. se puede establecer un límite superior del rango de amplitudes tomando precisamente este valor como el de la mínima entrada reconocible por el codificador. el ancho de banda es mayor. 5. en la Modulación Delta de Pendiente Variable (VSD) la ganancia se ajusta sobre una base discreta. m(t ) será una señal periódica rectangular de amplitud pico a pico igual a ∆.122) A min ∆ 2π f m El rango dinámico RA puede considerarse como el número de escalones de amplitud ∆ necesarios para alcanzar la amplitud A m . su ancho de banda será 1 1 τ B DM ≥ . Sea entonces A min = ∆ . Aunque en este caso la distorsión de salida es muy severa. en la Modulación Delta de Pendiente Continuamente Variable (CVSD) el valor de la ganancia se ajusta sobre un rango continuo. o aumentando el valor del paso de cuantificación ∆ o la frecuencia de muestreo f s .

MODULACION Y TRANSMISION DE IMPULSOS Veamos ahora la influencia del ruido en modulación delta lineal.122).8 ⋅ ⎢1 − r s ⎥ + ∆2 ⎪ r =⎨ 2π ⎦ 3 ⎣ No ⎪ 3 ⎪ ⎪ 2∆2 ⎩ r para ∆ r ⋅ Fs ≤ 2π (5. 1990]. 1 ⎧ ⎪ 5/ 2 2 ⎡ ∆ ⋅F ⎤ S o ⎪ 1. se demuestra [Schwartz.44(a) se grafica la relación de postdetección So/No . en dB. Fs ” en la forma ∆r = f ∆ ∆ = y Fs = s A m | m(t) |max fm (5.352 V. ∆ r ” y la “Frecuencia de Muestreo Normalizada. de (5.129) para ∆ r ⋅ Fs > 2π En la Fig.125) Para simplificar el cálculo de la potencia promedio de la señal. La salida del demodulador difiere de la entrada del modulador debido a la presencia del ruido de cuantificación (granular) n q (t ) y del ruido de sobrependiente n s (t ). consideremos el peor caso en la modulación delta lineal donde toda la potencia está concentrada en la parte superior de la banda de base. Nótese que la relación So/No es máxima cuando ∆ rop ⋅ Fs = 2π . donde ∆ rop es el “escalón relativo óptimo” correspondiente.126) En cuanto a las potencias de ruido. El valor máximo de la relación So/No será entonces .128) Nótese que. ∆ r es el inverso del rango dinámico RA . en función del escalón relativo ∆ r para diferentes valores de la frecuencia de muestreo normalizada Fs .8 ⋅ ⎢1 − ⎥ 2 ⎣ 2πf m A m ⎦ (5. La relación de postdetección So/No se puede expresar en términos de ∆ r y Fs .127b) Generalmente se define el “Escalón o Paso Relativo. 5. que s o (t ) = A m sen(2πf m t ) cuya potencia promedio es S o =< s 2 (t ) >= o A2 m 2 (5. que N oq =< n 2 (t ) >= q y N os =< 2 n s (t ) ∆2 3 5/ 2 (5. es decir.127a) ⎡ ∆ ⋅ fs ⎤ A2 >= m 1.124) (5. esto es y( t ) = s o ( t ) + n q ( t ) + n s ( t ) La relación S/N de postdetección será entonces 2 < s o (t) > So So = = 2 2 N o < n q ( t ) > + < n s ( t ) > N oq + N os (5. En efecto.

5. 5. a partir de la gráfica. Esto implica. Para asegurar que la comparación se efectúa en idénticas condiciones. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 3 = ⎢ ⎥ 2 ⎣ N o ⎦ max 2∆ rop (5. donde Fs es la frecuencia de muestreo normalizada en modulación delta y n el número de dígitos por grupo de codificación en modulación PCM. reduce el ruido de cuantificación. .44(a) se puede notar el angosto rango de valores del escalón relativo en el cual la relación de postdetección es máxima. el ruido de cuantificación se reduce pero el ruido de sobrependiente aumenta rápidamente.128) y (5. Si el ancho de banda del canal lo permite.353 V. el sistema PCM está por encima del valor óptimo del sistema DM en más de 43 dB. el ruido de sobrependiente desaparece pero el ruido de cuantificación o granular aumenta. la frecuencia de muestreo normalizada en DM es Fs = 8 . si consideramos un sistema PCM de 8 dígitos binarios (n = 8) para transmitir una señal de f m = 4 kHz de ancho de banda. Por ejemplo.44(a) en DM. Los valores óptimos del escalón relativo ∆r corresponden a los picos de las curvas (indicados por las líneas a trazos): a la derecha de los valores óptimos domina el ruido granular. Por consiguiente. el comportamiento en PCM es superior al de DM. de (5. Nótese que. vamos a suponer que ambos sistemas utilizan aproximadamente el mismo ancho de banda para transmitir una señal analógica cuya frecuencia máxima es f m . a su vez. 5. Para valores altos. Para valores pequeños del escalón ∆r. sobre el umbral. mientras que a la izquierda domina el ruido de sobrependiente.130) En la Fig. La comparación se puede efectuar observando la curva para n = 8 de la Fig. 5. Se puede comparar el comportamiento de los sistemas PCM y DM en términos de la señal y de la complejidad de instrumentación. Nótese que la relación So/No mejora aumentando la frecuencia de muestreo f s (para f m constante). el valor del otro para máxima relación de postdetección So/No. se puede estimar rápidamente. que 2 f s = 2nf m o Fs = n . En la Fig. conocido un parámetro. Esto. el mejor compromiso en modulación delta lineal es entonces el de aumentar la frecuencia de muestreo f s (o Fs ).38(a) en PCM y la curva para Fs = 8 de la Fig. para un mismo ancho de banda de la banda de base. puesto que si se aumenta f s se reduce el paso o escalón ∆ requerido para mantener un nivel específico de ruido de sobrependiente.44(b) se relacionan los parámetros Fs y ∆ rop de tal manera que.101).

A m =| m( t )| max = 4 y f m = 4 kHz . los parámetros para transmisión en DM son: Frecuencia de muestreo: Amplitud del escalón: Relación S/N de postdetección: Ancho de banda de la banda de base: Frecuencia de muestreo: f s = 128 kHz ∆ = 0. en transmisión de voz el sistema CVSD.785 ≈ 0. Esta simplicidad. En efecto.44(a). combinada con una buena calidad de voz. MODULACION Y TRANSMISION DE IMPULSOS El comportamiento del sistema DM se puede mejorar considerablemente utilizando las técnicas de la Modulación Delta Adaptativa. ∆ rop = 2π|m(t)|max 2π ∆ = = 0. MC3418 que es un modulador/demodulador delta de pendiente continuamente variable que permite operar entre 9600 bps y 64 kbps. La relación de postdetección So/No es máxima cuando Fs = 2π / ∆ rop . ♣ Ejemplo 5. y aún más ahora que se consiguen circuitos integrados para la modulación delta adaptativa. y cuya relación S/N de postdetección es del mismo orden que en PCM.9 dB No B = 256 kHz f s = 2 f m = 8 kHz Nótese que si la transmisión fuera en PCM.130).8V Fs | m(t )|max Fs La amplitud | m(t )|max = 4 se cubrirá con 5 escalones de amplitud ∆ ≈ 0. se puede tomar Fs = 32. industriales y espaciales. ha generado un considerable interés en el uso de las técnicas de la modulación delta en sistemas de telefonía comercial. el ancho de banda de la banda de base es B = 2 f s = 256 kHz . Vamos a determinar los parámetros necesarios para su transmisión con una relación de postdetección superior a los 15 dB. De la Fig. como. para una relación S/N de 15 o más dB.196 y ∆ = = 0. ya mencionado. En resumen. así como para otros distintos usos en muchas áreas afines.8V . el sistema de modulación delta es mucho más sencillo que en PCM. de donde f s = 32 f m = 128 kHz . entonces.8 V So = 15.9 dB ⎢ ⎥ ⎣ N o ⎦ max 2∆ rop De (5.123). El valor máximo de la relación de postdetección se puede calcular a partir de (5.354 V. 5.907 = 15.I. por ejemplo. En primer lugar hay que determinar la frecuencia de muestreo normalizada Fs y el escalón relativo ∆ rop óptimo correspondiente. los correspondientes parámetros serían: .10 Se desea transmitir en DM una señal de audio de la forma m(t ) = 4 cos(8x10 3 πt ) . Por ejemplo. ⎡ So ⎤ 3 = 2 = 38. De la forma de m(t). de comunicaciones militares. necesita un ancho de banda de 32 kHz que es la mitad de lo requerido en PCM. En cuanto a la complejidad del equipo. el C.

La señal z(t) recibida puede estar degradada debido a (1) el efecto combinado de las características de los sistemas H T (f ) y H c (f ) . La salida del modulador es una secuencia de impulsos binarios de duración τ que se aplica a un filtro lineal que modifica el perfil de los impulsos de acuerdo con las características del canal. la fluctuación de fase (“jitter”) y el desvanecimiento selectivo. un sistema digital de banda de base es aquel que transmite información digital generalmente a bajas frecuencias y por canales pasabajo.45. El filtro H ( f ) de entrada al receptor debe ser diseñado entonces tomando en cuenta todos esos factores. Transmisión Binaria en Banda de Base.5. una secuencia de impulsos PCM (RZ o NRZ) que se transmite por conductores metálicos u ópticos. efecto conocido con el nombre de “interferencia intersímbolo”. La señal de banda de base será. Introducción ♣ En general.355 V. Para generalizar el enfoque.5. El canal está modelado mediante un sistema lineal invariante en el tiempo de función de transferencia H c (f ) y una fuente de ruido aditivo n(t) que podemos suponer gaussiano. y (2) la degradación producida por el ruido n(t). MODULACION Y TRANSMISION DE IMPULSOS Número de impulsos por grupo: Relación S/N de postdetección: n = 8 (típico) So = 2 2 n = 65536 = 48. la relación So/No en PCM es 32.165 dB No Ancho de banda de la banda de base: B = 2 nfm = 64 kHz Para este caso particular. 5. sin ningún otro tipo de procesamiento o codificación que no sea digital.1. consideremos el modelo de un sistema de transmisión binario en banda de base mostrado en la Fig. en general. . 45.3 dB superior a la de DM. (PCM) Fuente Modulador Binario "1" "0" Filtro de Transmisión H c ( f ) v(t) n(t) CANAL z(t) H T (f ) H(f) tn Reloj TRANSMISOR RECEPTOR Fig. entre otros la interferencia intercanal. la información digital (secuencias de impulsos) se transmite tal como se genera. 5. 5. que son los que pueden transmitir señales desde CC en adelante. Esto lo haremos más adelante. TRANSMISION DE IMPULSOS EN BANDA DE BASE 5. de valor promedio cero. pero solamente consideraremos la interferencia intersímbolo y el efecto del ruido. de densidad espectral S n ( f ) e independiente de la señal v(t). Hay otros factores que intervienen también en menor grado en la degradación de la señal.

Técnicas de Multiplicidad por División de Tiempo (TDM) En el teorema del muestreo se demuestra que es posible transmitir la información contenida en una señal mensaje continua de banda limitada mediante la transmisión de sus muestras tomadas a intervalos regulares. Consideremos el transmisor. . 5. en esencia consiste en colocar lado a lado. TDM)” 2. La banda de frecuencias o intervalo de tiempo asignado a cada mensaje individual se denomina comúnmente “canal”. los espectros de las señales mensaje individuales y formar así un espectro compuesto o señal de banda de base compuesta que se transmite. Como solamente se necesita un transmisor y un receptor. combinar en el transmisor los mensajes de varias fuentes de información. Pero en la práctica es necesario enviar simultáneamente una gran cantidad de mensajes diferentes por un medio de transmisión dado. por supuesto. las señales se transmiten simultáneamente pero ellas se reparten el ancho de banda disponible del canal de transmisión. 5. Este tipo de multicanalización lo estudiaremos con más detalle en el Capítulo VI. en el tiempo y sin solapamiento. las cuales disponen para su transmisión de todo el ancho de banda del canal. La señal PCM/TDM tendrá una configuración como la mostrada en la Fig. los valores de muestra. La transmisión de cada muestra ocupa todo el ancho de banda del canal pero sólo una parte del tiempo. Esta señal PAM/TDM puede ahora modularse en cualquiera de los sistemas de modulación de impulsos vistos en las secciones anteriores. como se muestra en la Fig. con la diferencia de que cada grupo de codificación corresponde a un mensaje diferente. Hay dos formas de multicanalización que son de interés: 1.2. transmitirlos como un solo bloque y luego separarlos en el receptor. aunque mucho más complicados.46(c).356 V. costo. El proceso de operación multicanal permite. Técnicas de Multicanalización o Multiplicidad En las secciones anteriores se han discutido varias de las técnicas de modulación de impulsos en términos de su habilidad para transportar información generada por una sola fuente. de los mensajes individuales. limitadas a una banda f m por los filtros pasabajo (FPB) de entrada. codificados o no. FDM)” El sistema FDM. 5. La “Multiplicidad por División de Frecuencia (Frequency-Division Multiplex. una ventaja de la operación multicanal es la disminución de equipo y. La separación de las señales individuales en el receptor se efectúa mediante circuitos de sincronización apropiados. 5. La “Multiplicidad por División de Tiempo (Time-Division Multiplex. MODULACION Y TRANSMISION DE IMPULSOS 5. en cuyo caso se tendrá un sistema PCM/TDM. El conmutador efectúa f s revoluciones por segundo y extrae una muestra de cada entrada durante una revolución. pudiéndose aprovechar el intervalo entre muestras para transmitir las muestras de otras señales mensaje. mediante modulación y sin solapamiento. La salida del conmutador es una señal compuesta PAM/TDM que contiene las muestras de cada una de las señales de entrada entrelazadas periódicamente en el tiempo. como se muestra en la Fig.46 para cuatro señales diferentes.5.46(a). el tiempo es compartido por las señales individuales. Cuatro señales diferentes. mediante las técnicas llamadas de “multiplicidad”. El sistema TDM combina. el cual es directamente aplicable a señales continuas. Esto se efectúa muestreando todas las señales y entrelazándolas. La forma más común es la modulación PCM. En esta sección haremos énfasis en la transmisión en banda de base. Fig. “multiplex” o “multiplaje”.35(a). se muestrean en forma secuencial mediante un interruptor rotatorio o “conmutador”.

de la Fig.47 se muestra el entrelazamiento de M canales en PCM/TDM y PAM/TDM. 5. y los parámetros de interés. Cada canal está asignado a un intervalo o ranura de tiempo de duración TM = Ts / M que contiene en PCM NRZ los n impulsos de duración τ por muestra. También puede lograrse la sincronización mediante métodos que veremos más adelante.47. en algunos sistemas se transmite impulsos especiales de sincronización. Fig. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS m1(t) FPB m2(t) FPB m3(t) m4(t) FPB FPB Señal PAM/TDM Banda de Base m1(t) Señales Muestreadas PAM Conmutador Modulador de Impulsos Secundario PAM/TDM PCM/TDM Canal 0 m2(t) 0 τ (a) TRANSMISOR Señal PAM/TDM Banda de Base Demodulador de Impulsos Secundario Canal PCM/TDM PAM/TDM Sincronización FPB FPB FPB Ts m1(t) m2(t) m3(t) m4(t) 0 0 m3(t) 0 m4(t) Distribuidor FPB TM Una Trama (b) RECEPTOR Sincronización Señal Compuesta PAM/TDM (c) Entrelazado de las Muestras Fig.46. el proceso es inverso: la señal PCM/TDM es demodulada y convertida en una señal PAM/TDM y mediante el “distribuidor” se separa cada una de las señales mensaje las cuales se envían a sus respectivos canales. Para lograr esta sincronización. T 1 5. incluidos en la misma señal de banda de base o por canales separados. Entonces. lo cual permite un control exacto de la sincronización.46(b). τ= TM T 1 = s = n nM 2nMf m . El sincronismo entre el transmisor y el receptor debe ser exacto a fin de que no se produzca distorsión cruzada (“cross-talk”) entre los diferentes canales. El período de base Ts corresponde al intervalo de Shannon y el conjunto de impulsos en él incluidos se denomina “trama”. En el receptor. 5. y en PAM un impulso de duración τ y un “intervalo de guarda” de duración τ g para prevenir la interferencia mutua o solapamiento entre impulsos de canales adyacentes.357 V. 5. Sistema Multiplex por División de Tiempo (TDM). TM = s = = τ + τg M 2 Mf m y en PCM / TDM.

MODULACION Y TRANSMISION DE IMPULSOS 1 Canal 1 2 3 n 1 Canal 2 2 3 n 1 Canal 3 2 3 n 1/0 1 Canal M 2 3 n 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 τ TM = Ts / M Ts = 1 / 2fm Una Trama τ = TM / n (a) Multicanalización PCM/TDM Canal 1 Canal 2 Canal 3 Canal M TM = Ts / M τ TM τg Una Trama Ts = 1 / 2fm Ts (b) Multicanalización PAM/TDM Fig. entonces el intervalo de muestreo Ts = 1 / 2f MAX .11 y 5. . generalmente no hay problemas en la transmisión de impulsos en banda de base. la frecuencia de muestreo f s dependerá de la mayor frecuencia presente.12. B= 1 2τ (5. especialmente en transmisión de señales PCM/TDM NRZ. Las señales cuyas frecuencias máximas son menores que f MAX resultarán sobremuestreadas.131b) Si Bτ > 1. si f MAX es la frecuencia más alta del conjunto de señales de entrada. Interferencia Intersímbolo Un aspecto de considerable importancia en la transmisión de impulsos en banda de base es el ancho de banda requerido para el canal de transmisión. es decir. veremos algunas aplicaciones de estos conceptos. Entrelazamiento de las Muestras en Multicanalización TDM La frecuencia f m es la frecuencia máxima de las señales de entrada.358 V.131a) 2. si las frecuencias máximas de las señales de entrada fueran diferentes. Sin embargo. B= 1 τ (5. pero este sobremuestreo no representa ningún problema. A expensas de una pérdida de resolución entre impulsos adyacentes se puede disminuir el ancho de banda para tener el producto Bτ = 1/2. Por ejemplo. se suelen aplicar dos criterios para la selección del ancho de banda B: 1. El producto Bτ = 1. Si B es el ancho de banda del canal y τ la duración de los impulsos a transmitir. 5.5. 5.47.3. esta frecuencia está limitada por los filtros pasabajo de entrada. es decir. En los Ejemplos 5.

Esto resulta así cuando los impulsos recibidos tienen la forma a n sinc[(t − nτ ) / τ ] .359 V. en efecto. se obtiene utilizando impulsos unitarios en el transmisor y considerando el canal como un filtro pasabajo de ancho de banda B = 1 / 2τ . resultaría en distorsión de intermodulación. en cuyo caso se tiene la relación duración-ancho de banda dada por (5. 5. presentarán una gran dispersión cuando llegan al receptor y se solaparán con los impulsos adyacentes. En estos casos no se produce interferencia intersímbolo. es decir. La cantidad de interferencia depende del ancho de banda del canal. n = 0.. persistan durante varios intervalos.131a) o (5. pero más importante es el efecto de la amplitud de las colas. si el ancho de banda del canal es demasiado pequeño. ±1. en este caso la situación ha mejorado pero ésta seguiría siendo la salida de un filtro pasabajo ideal que. B = 1/τ. aunque las colas de los impulsos. para que no se produzca interferencia intersímbolo: (a) que los ceros del impulso . Cuando el ancho de banda aumenta al doble. 5.. donde a n = 0 ó 1. la expresión (5. Esta dispersión se denomina “interferencia intersímbolo” y es de particular importancia en sistemas PCM/TDM NRZ. efecto que puede introducir una cierta incertidumbre respecto al instante de muestreo y producir distorsión a pesar de no existir interferencia intersímbolo.48(a). mostrado en la Fig. se puede transmitir teóricamente 2B símbolos por segundo. Este perfil. No obstante. En la práctica hay que utilizar anchos de banda más grandes porque la característica pasabajo ideal es imposible de realizar y también porque la inexactitud en los instantes de muestreo producida por fluctuaciones de fase.48(a) o (b) para una secuencia binaria NRZ 1 1 0 1 1. los impulsos que pueden estar bien separados en el punto de origen. algunas veces llamadas “ecos”..48(b). no es físicamente realizable. como sabemos.131b).. los impulsos recibidos tendrán la forma mostrada en la Fig. como se muestra en la Fig. MODULACION Y TRANSMISION DE IMPULSOS La cuestión de si el ancho de banda debe ser calculado de acuerdo con (5. pues resulta en distorsión cruzada o de intermodulación. dependerá de la dispersión permisible de un impulso sobre los impulsos adyacentes. 5. a esto hay que agregar otros factores como el perfil del impulso y el método de detección en el receptor.131b) marca el límite teórico del ancho de banda y está de acuerdo con la frecuencia de Nyquist. Esto significa que si se dispone de un ancho de banda B. establecidas por Nyquist. ±2. y τ es la duración de los impulsos.. Nótese lo cercanos que están los impulsos en la Fig. Supongamos que en el receptor se muestrea la señal recibida mediante muestreo instantáneo y que el impulso recibido tiene su valor máximo en el instante de muestreo y se hace cero en los instantes de muestreo adyacentes.131b) o en cualquiera otra forma. 5. Los filtros reales deben aproximarse a esta característica ideal pero deben poseer las siguientes propiedades..48(a).

y (c) que el ancho de banda máximo del impulso sea B ≤ 1/ τ . y si B = 1/ τ . sin embargo. Igual razonamiento se aplica para la segunda forma del Filtro de Nyquist. que corresponde a la expresión (5. MODULACION Y TRANSMISION DE IMPULSOS recibido pasen por los instantes de muestreo adyacentes. donde B = 1/τ . H c ( f ) y H ( f ) deben ser diseñados conjuntamente de acuerdo con el esquema de modulación utilizado y las normas técnicas aplicables. 5. Esto significa. Esto es así porque las colas en el filtro de Nyquist decrecen con 1/t3. entonces los impulsos recibidos tendrán la forma mostrada en la Fig. 5. el primer cero de h(t) estará en t = 1/B y la amplitud de las colas prácticamente es despreciable.49 se muestra la secuencia de impulsos NRZ 1 1 0 1 1 recibida cuando se aplica el criterio de Nyquist. .48(a). las troncales telefónicas pueden tener diferentes características de fase y amplitud y pueden producir interferencia intersímbolo en la transmisión en banda de base de señales digitales.45. mientras que las colas de la Fig. se muestra la forma de H(f). pero sin las indeseables colas de los impulsos. En la Fig. Capítulo II. 5. por ejemplo. Nótese. En este caso es necesario colocar redes ecualizadoras en los dos extremos del canal. cuyas características. que en la práctica las características de los canales son muy variadas y por lo general no pueden ser modificadas. El costo que hay que pagar es que se podrá transmitir solamente B símbolos por segundo.48(a) o (b) decrecen solamente con 1/t. si en el transmisor se procesan los impulsos de salida de tal manera que sus espectros sean en coseno elevado (o equivalente) con un ancho de banda B ≤ 1/ τ . que los sistemas H T ( f ).131a).20. (b) que la amplitud de las colas o lóbulos laterales sea muy pequeña.49 y no se producirá interferencia intersímbolo. donde τ es su duración. 5. H (f ) = 1 ⎡ f πf ⎤ sinc(2Bt) ⎢1 + cos( B )⎥ ⋅ Π ( 2B ) ⇔ h(t) = 2B ⎣ ⎦ 1 − (2 Bt ) 2 En la Fig. En resumen. 2. 5. donde H (f ) = 0 para | f | > B .360 V. y si el canal tiene un ancho de banda B. Nótese que la forma de la salida del filtro de Nyquist tiene características similares a las de la salida ideal mostrada en la Fig. La incertidumbre respecto a los instantes de muestreo es menor y no se produce interferencia intersímbolo. son: para la primera forma del Filtro de Nyquist.29(a). determinadas en el Ejemplo 2. en relación con la Fig. Un sistema que cumple con estas características es el Filtro de Nyquist.

En el Capítulo III. 2.2. aunque la señal original contenga largas secuencias de UNOS o CEROS. esto es. 4. En general. Que la amplitud de la componente continua sea lo más pequeña posible. ninguna “palabra” del “alfabeto” utilizado debe ser la primera parte de otra palabra. además de demandar potencia adicional. otros convierten las secuencias binarias originales en nuevas secuencias binarias. En el Capítulo III. La componente continua. De esta manera se asegura una mayor confiabilidad. . produce “derivas” en la línea de base de la señal.9. Que las señales de temporización puedan ser fácilmente extraídas de la señal recibida. Que la señal codificada pueda ser descodificada unívocamente para permitir la recuperación fiel de la secuencia original. Por otro lado. se calculan las densidades espectrales de potencia de algunos de estos códigos. Para ello. se determina la densidad espectral de algunos códigos de línea. la presencia de componentes continuas produce impulsos unitarios periódicos en el espectro. con las siguientes condiciones: 1. MODULACION Y TRANSMISION DE IMPULSOS 5.4. Además de los aspectos puramente técnicos. lo cual produce una elevada tasa de errores. El espectro deberá estar contenido dentro de una banda restringida. entre otras. 5. Códigos de Línea Hasta ahora hemos supuesto que las señales PCM transmitidas estaban codificadas en binario natural con o sin retorno a cero.5. Es deseable que el código sea fácil de generar y detectar a fin de reducir la complejidad y costo del sistema. En la Fig. Mientras algunos sistemas pueden transmitir directamente en binario natural. 5. Estas formas tienen algunas ventajas en términos de facilidad de procesamiento y sincronización. y otros factores. deberá ser cero en los bordes de la banda y máximo en el centro de la misma. hay que tomar en cuenta el aspecto económico. requerimientos de ancho de banda. y la selección de un determinado código va a depender de su aplicación. Sección 3. 6. denominadas “Códigos de Línea”. También es deseable que la descodificación pueda realizarse inmediatamente luego de recibida la secuencia. Sección 3. La señal codificada debe poseer muchas transiciones o cruces por cero.9.361 V. El código debe ser eficiente para aprovechar al máximo la capacidad del canal y ser inmune a las interferencias y ruido. los cuales complican los circuitos de control automático de ganancia en el receptor. es decir. los códigos de línea deben cumplir. el código de línea debe satisfacer la “condición del prefijo”. Que el contenido espectral sea el más adecuado según las características del medio de transmisión. 3.2. Es muy difícil que un solo código pueda satisfacer todas las condiciones anteriores.50 se muestra algunos de los códigos de línea utilizados en la práctica.

los CODECs de banda ancha y los equipos de línea y multicanalización. . Los bancos de canales PCM. llamada también Jerarquía PCM. bajo el mismo número y a nivel mundial.11. es una secuencia ordenada de velocidades de información (en bps) que constituye cada una un nivel jerárquico dado. ♣ Ejemplo 5. Estas jerarquías se utilizan exclusivamente para la transmisión de datos. 5. MODULACION Y TRANSMISION DE IMPULSOS Secuencia Binaria A Unipolar NRZ 0 A Unipolar RZ 0 A Bipolar NRZ 0 AMI RZ -A A 0 -A A MANCHESTER 0 -A A HDB3 0 RZ -A 0 1 0 1 1 0 0 0 0 1 Fig.362 V. La Red ISDN permitirá la integración de servicios de datos. voz y video en una sola red.50. pero la tendencia actual es la de establecer una sola red por la cual se pueda transmitir voz. Jerarquías en los Sistemas de Transmisión de Datos Una Jerarquía Digital. datos e imágenes. Las dos primeras jerarquías han sido aprobadas por la UIT-T. 5. En la Fig. deben operar únicamente a una velocidad igual o múltiplo de las velocidades jerárquicas.51 se muestran las tres jerarquías actualmente en uso. Códigos de Línea. Los equipos jerárquicos de multiplex combinan un número definido de señales digitales del nivel (n-1) en una señal digital con velocidad del nivel n. ISDN)”. sobre una sola línea. la UIT-T ha promovido la creación de la llamada “Red Digital de Servicios Integrados (Integrated Service Digital Network. A este efecto.

entre una señal de voz digitalizada en PCM y una señal digital producida por un terminal de datos. teletipo. Los Sistemas Troncales T1 y E1 El Sistema Troncal T1 Un ejemplo muy interesante de la aplicación de los sistemas PCM/TDM es el sistema de transmisión de voz y datos T1. y cuyas velocidades de información van desde unos pocos bps hasta los Gigabps. desarrollado por la Compañía Bell de los Estados Unidos a principios de los años 60 para interconectar centrales telefónicas separadas hasta 80 km. Estos equipos habían sido diseñados principalmente para los enlaces telefónicos intercentrales. en general. etc. El Sistema Bell T1 fue inicialmente diseñado para que fuera compatible con los sistemas de comunicación analógicos existentes. pero pronto emergieron las técnicas PCM que ofrecían una mejor . 5. ♣ Ejemplo 5. los “datos” son señales digitales generadas por máquinas: terminales.363 V. MODULACION Y TRANSMISION DE IMPULSOS JERARQUIA EUROPEA 64 kbps 1 3 E1 2048 kbps 1 Nivel M1 2 3 4 30 Canales E2 8448 kbps 1 Nivel M2 2 3 4 120 Canales E3 34368 kbps Nivel M3 480 Canales 1 2 3 4 Nivel M4 1920 Canales E4 139264 kbps 1 2 3 4 Nivel M5 7680 Canales E5 564992 kbps JERARQUIA NORTEAMERICANA 64 kbps DS-0 1 2 DS-1 Nivel M1 24 Canales T1 1544 kbps 1 2 3 4 T2 6312 kbps 1 7 DS-2 Nivel M2 96 Canales JERARQUIA JAPONESA 64 kbps 1 2 T1 1544 kbps 1 Nivel M1 2 3 4 24 Canales T2 6312 kbps 1 Nivel M2 96 Canales 5 T3 DS-3 44736 kbps 1 T4 Nivel DS-4 274176 kbps M3 Nivel 6 M4 672 Canales 4032 Canales Nivel M3 480 Canales 32064 kbps 1 2 3 Nivel M4 1440 Canales 97728 kbps 1 2 3 4 Nivel M5 5760 Canales 397200 kbps Fig. telex.12. Conviene señalar aquí que.51. por ejemplo.. Sin embargo. computadoras. fundamentalmente no hay ninguna diferencia. Jerarquías en los Sistemas de Transmisión de Datos.

5. la duración de la multitrama es de 1. En el Sistema T1 básico se multiplexan 24 señales de voz que forman la llamada Trama T1.733 de la UIT-T. El dígito de sincronización de trama en la multitrama tiene la forma 1 0 0 0 1 1 0 1 1 1 0 0 y se repite en la multitrama siguiente. La señal de banda de base en T1 es una secuencia AMI RZ de valores ± 3V sobre una resistencia de 100 Ohm.24(b).364 V. se utiliza el Código de Línea HDB3 RZ. la multitrama. Además. siendo 488 nanosegundos la duración de cada dígito. Formato de la TRAMA T1 µseg El Sistema Troncal E1 El sistema E1. La duración de cada trama es de 125 microsegundos. . 5. la señal T1 no contiene una componente continua y su espectro tiene la forma mostrada en la Fig. y treinta para los canales de Voz/Datos. Como la frecuencia de muestreo es de 8000 muestras por segundo. aunque en la práctica se dice 1544 kbps. denominado también CEPT-1 PCM-30 (es el Nivel 1 de la Jerarquía Europea. los costos de los equipos digitales se hicieron cada vez más bajos que los analógicos. 125µseg Digito de Sincronización de Trama Canal 1 Canal 2 Canal 24 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 (*) (*) 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 (*) 1 2 3 4 5 6 7 8 0.647 (*) Dígito de Sincronización de Canal (cada sexta trama) Fig. el período de cada ranura es de 3906 nanosegundos. En el Sistema T1 se agrupan las tramas para formar multitramas de 12 tramas cada una. TRAMA T1: 193 dígitos. La sincronización por canal se incorpora en la Trama T1 reemplazando el octavo dígito binario (el menos significativo en cada uno de los 24 canales) por un dígito de señalización cada seis tramas. En consecuencia. con 8 dígitos por canal para un total de 256 dígitos por trama. Estas señales se muestrean a 8000 muestras por segundo y las muestras resultantes se codifican en 8 dígitos binarios o “bits” con el código de línea AMI RZ formando una trama de 192 dígitos a los cuales se les agrega un dígito adicional para sincronización de trama. formada por 16 tramas. 3. La trama contiene entonces 193 dígitos y la frecuencia de señalización es de 1544 kHz.6477 µseg. la velocidad de la trama E1 es de 2048 kbps. de acuerdo con la Recomendación G. está formado por 32 canales. 5. la transmisión de la información de señalización requerida para el control de las operaciones de conmutación telefónica era más fácil y económica en forma digital que en analógica. La velocidad de señalización para cada uno de los 24 canales será entonces de 1333 bps. tiene una duración de 2 ms. MODULACION Y TRANSMISION DE IMPULSOS inmunidad al ruido y a medida que avanzaba la tecnología de los circuitos integrados.52(B)).52(A). el primer cero del espectro está a una frecuencia de 1544 kHz y el valor máximo está a 772 kHz.5 mseg.52(A) se muestra la configuración de la Trama T1. La trama contiene 32 ranuras de tiempo RT de las cuales dos son para señalización y alineación. La duración de la trama es de 125 µseg y la de cada dígito de 0. En la Fig. Fig.

Formato de la TRAMA E1.712 y G. se suele ponerlos a UNO. las informaciones de alineación y de señalización van en las dos primeras tramas. además de una indicación de alarma. G. Las tramas siguientes T2. T3.732 de la UIT-T establecen todos los requerimientos para un comportamiento satisfactorio del sistema. 5.5 kbps y 28 kbps con los dígitos I y N. En el formato CEPT-1.……. 3 y 18.15 y 30. Las Recomendaciones G. en este caso las velocidades de transmisión son de 1. Las tramas impares llevan información de Señalización Nacional e Internacional. MODULACION Y TRANSMISION DE IMPULSOS Una Trama. este es el Canal D TRAMA IMPAR RT1 2 milisegundos T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 T15 Dígitos de Voz/Datos 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 Uso Internacional RT0 Dígito de Signo RT26 RT31 MULTITRAMA RT0 TRAMA PAR RT16 RT26 RT31 Uso Internacional I 0 0 1 1 0 1 1 0 0 Pasa a "1" cuando se pierde la alineación multitrama 0 0 X Dígitos de Voz/Datos 0 X X 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 Alineación de Trama Palabra de Alineación Multitrama sólo en la Trama 10 Fig. El equipo E1 debe efectuar el multiplexaje TDM de los 30 canales de voz o datos agregando los sistemas de supervisión y alineamiento para transmitir la señal compuesta por una línea de transmisión de 4 conductores y a una velocidad de 2048 kbps. La palabra de alineación de trama tiene la forma 0011011 y va en la ranura de tiempo RT0 de las tramas pares. Un dígito de la misma ranura contiene el Dígito Internacional I. respectivamente.711. llevan en la correspondiente ranura la información de señalización de los canales 2 y 17. respectivamente. 256 dígitos.52(B). algunas veces se pueden utilizar para transmitir información adicional. 125 microsegundos Pasa a "1"para indicar Alarma Remota Uso Nacional I 1 0 N N N N N Señalización para los Canales 1 y 16 Canal 1 Canal 16 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 En Aplicaciones ISDN. Esta señal se utiliza para permitir que cada trama sea reconocida en el receptor.365 V. La señalización para los canales 1 y 16 va en la ranura RT16 de la trama T1. . Cuando los dígitos I y N no se utilizan. en las ranuras RT0 y RT1.. T15. 4 y 19.……. sin embargo.

un buen diseño de los filtros es esencial. como veremos en su oportunidad. La influencia del ruido introduce errores en las decisiones tomadas. En realidad.6. En relación con los efectos del ruido. El receptor digital consta básicamente de un filtro lineal o filtro receptor. aumentar la relación S/N a la salida del filtro receptor. un muestreador de retención y un elemento de decisión o detector que decide. muestra a muestra y de acuerdo con algún algoritmo preestablecido. probabilidad que caracterizará en mayor o menor grado la calidad de la señal. lo que es lo mismo. Para la generación de los instantes de muestreo t n en el receptor. Introducción Las características de la señal recibida dependen tanto del perfil de la señal transmitida como de las características físicas del canal. el canal puede ser en coseno elevado (o equivalente) y el impulso transmitido puede tener un espectro determinado dentro de la banda de paso del canal. la verdadera situación es mucho más complicada. Sin embargo. se necesita una señal de reloj que esté sincronizada con la señal de reloj en el transmisor.53 se muestra el modelo de un receptor binario en banda de base. pero en vez de definirse una relación S/N que tenga en cuenta la influencia de los errores sobre la señal transmitida. RECEPCION DE IMPULSOS EN BANDA DE BASE 5. En la Fig.1. zo (t ) = v o (t ) + n o (t ) Muestreador Elemento "1" de Decisión "0" v(t) z(t) Filtro Receptor n(t) CANAL H (f ) ⇔ h(t) tn Salida Digital (PCM) Reloj RECEPTOR Fig. 5. que corresponden a los dos estados de la señal binaria v(t). 5.53.366 V. se prefiere más bien definir la probabilidad de errores en la decisión.6. pues el canal contribuye no solamente a modificar el perfil de la señal recibida. si se ha recibido el estado “CERO” o el estado “UNO”. en los instantes de muestreo t n . sino que aporta también una cantidad de ruido aditivo de densidad espectral S n (f ) . alternativamente. Receptor Binario en Banda de Base. El impulso transmitido puede ser en coseno elevado y el canal un filtro pasabajo. relativa al estado (“CERO” o “UNO”) del impulso binario recibido en esos instantes. Esta decisión se basa en un criterio más o menos elaborado. la operación de detección consiste esencialmente en una toma de decisión en los instantes de muestreo t n . MODULACION Y TRANSMISION DE IMPULSOS 5. . el procesamiento previo al muestreo debe ser tal que el valor muestreado sea el más probable de producir una decisión correcta y esto implica disminuir los efectos indeseables del ruido aditivo o. En general. El mecanismo de detección debe tomar en cuenta también los efectos del ruido aditivo que se agrega a la señal a su paso por el canal. qué estado fue transmitido. Este problema de sincronización de temporización lo trataremos más adelante. El mecanismo de recepción en un receptor binario consiste fundamentalmente en procesar en alguna forma la señal recibida y decidir.

el segundo término es el ruido no(to) cuya potencia es < n 2 ( t o ) >= o ∫ ∞ −∞ S n ( f )| H ( f )|2 df .367 V..6. que forma un tren de impulsos de período τ. Para maximizar ρ. la salida zo(t) en un instante t = to constará de dos términos: el primer término es v o ( t o ) = ∫ V( f ) H( f ) exp( j2πft −∞ ∞ o f ) df .132) se puede escribir en la forma 2 ∫ V(f )H(f ) exp( j2πt −∞ ∞ 2 o f )df = ∫ [ −∞ ∞ ⎡ V(f ) exp( j2πt o f ) ⎤ H ( f ) ⋅ S n ( f ) ⋅⎢ ⎥ df S n (f ) ⎢ ⎥ ⎣ ⎦ ] Esta representación es posible porque Sn(f) es par y positiva para todo f. cuando la señal de entrada z(t) al filtro receptor es la suma de una señal v(t) más un ruido aditivo n(t). Una demostración muy sencilla de la desigualdad de Schwartz se encuentra en [ Roden M. se obtiene . S. posición o duración del impulso) más o menos alterada por el ruido. MODULACION Y TRANSMISION DE IMPULSOS La demodulación binaria ya no es entonces el reconocimiento de una “forma” (amplitud. 5.2. el numerador de la expresión (5.53. se aplica la “desigualdad de Schwartz”. 5. 1988]. Para maximizar ρ. Fig. Este reconocimiento puede efectuarse con gran precisión.132) y con ayuda de la desigualdad de Schwartz. Una propiedad muy importante del filtro acoplado es que maximiza la relación S/N a su salida. Nótese que la señal v(t) es un impulso de cualquier perfil y de duración τ. la cual establece que si f(x) y g(x) son dos funciones complejas. donde V(f) es la transformada de Fourier de v(t) y H(f) la función de transferencia del filtro receptor. En este caso el filtro receptor pasará a denominarse “filtro acoplado”. En efecto. entonces ∫ 2 f (x)g(x )dx ≤ ∫ | f (x)| 2 dx ⋅ | g (x )|2 dx f (x) = k ⋅ g * (x) ∫ (5. pues para relaciones S/N de entrada razonables. donde S n (f ) es su densidad espectral de potencia. El Filtro Acoplado El filtro acoplado es una técnica para el procesamiento de una señal digital en presencia de ruido. Si a la salida del filtro la relación S/N en el instante t = to se define en la forma | v o ( t o )|2 2 < n o (t o ) > ρ= = ∫ V(f )H(f ) exp( j2πt −∞ ∞ 2 o f ) df ∫ ∞ (5.133) (5. sino más bien el reconocimiento de una “presencia”: el estado “CERO” o el estado “UNO”. Reemplazando esta expresión en (5.134) verificándose la igualdad si y solamente si donde k es una constante cualquiera y g ∗ ( x) es el conjugado de g(x). la probabilidad de error es muy pequeña.132) −∞ S n ( f )| H ( f )| df 2 la función de transferencia H(f) del filtro receptor se seleccionará de tal manera que se maximice la relación ρ.

vo(t).138) 2 Eb η si el ruido es blanco Este valor máximo se obtiene a partir de la condición (5.140) Nótese que esta función de transferencia puede no ser físicamente realizable. k = η/2. tanto v(t) como h(t) tendrán una duración de τ segundos.136) donde Eb es la energía del impulso v(t). cuando ⎡ V(f ) exp( j2πt f ) ⎤ V(− f ) exp(− j2πt o f ) o H ( f ) Sn ( f ) = k ⋅ ⎢ ⎥ = k⋅ Sn ( f ) Sn ( − f ) ⎢ ⎥ ⎣ ⎦ ∗ Puesto que S n (f ) es una función par de f.137) (5.136) es válida únicamente si el ruido es blanco. con un valor máximo . Nótese que (5. se toma este valor para to. tendrá una duración de 2τ segundos.141b) En esta forma. H (f ) = 2k V(− f ) exp(− j2πt o f ) η (5. que es la convolución de v(t) y h(t). es decir. Si suponemos que el ruido es blanco de densidad espectral η/2. y con la ayuda del Teorema de Raleigh. MODULACION Y TRANSMISION DE IMPULSOS ρ ≤ ∫ ∞ −∞ | H (f )|2 S n (f )df ⋅ ∫ | V(f )|2 df −∞ S n ( f ) ∞ ∫ 2 η ∞ = −∞ | H (f )| S n (f )df 2 ∫ | V(f )|2 df −∞ S n ( f ) ∞ (5. se tiene H (f ) = k ⋅ V(− f ) exp(− j2πt o f ) S n (f ) (5. pero como v(t) es un impulso de duración τ.139) Esta es la función de transferencia del filtro acoplado. El valor máximo de ρ será entonces ρmax = ρmax = | V(f )|2 df −∞ Sn (f ) ∞ ∫ (5. El lector puede verificar fácilmente que la respuesta impulsional del filtro acoplado es h(t ) = (2 k / η) v( t o − t ) .141a) se puede hacer (2k/η) = 1. ρ ≤ ∫ ∞ −∞ | V( f )|2 df = 2 η ∫ ∞ −∞ | v( t )|2 dt = 2 Eb η (5. h(t ) = v( τ − t ) ⇔ H(f) = V(-f)exp(-j2 πτf) (5.141a) η η Para simplificar (5.134). entonces 2k 2k h(t ) = v( τ − t ) ⇔ H(f) = V( − f ) exp( − j2 πτf ) (5. es decir. Por consiguiente. En consecuencia.135) Si el ruido es blanco de densidad espectral η/2.368 V.

y v(t) = 0 para t > τ.136). entonces la salida del filtro acoplado en el instante t = τ es z o (τ ) = ∫ [v(t ) + n(t )] ⋅ v(t )dt 0 τ (5. . Por lo tanto. z o (t ) = v o (t ) + n o (t ) = ∫ [v(t ' ) + n(t ' )] ⋅ h(t − t ' )dt ' −∞ ∞ pero h (t − t ' ) = v[τ − (t − t ' )] = v (t '+ τ − t ) . de donde z o (t ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t '+ τ − t )dt ' −∞ ∞ Puesto que t = τ en el instante de decisión. Si se trata de un tren de impulsos. En efecto. MODULACION Y TRANSMISION DE IMPULSOS en t = τ y simétrica respecto a t = τ. Los filtros óptimos son de gran aplicación en sistemas de radar y en la detección de señales digitales tanto en banda de base como en portadora modulada.54.142b) expresión que está de acuerdo con (5. que veremos más adelante. La probabilidad de una decisión correcta es entonces la óptima y por esta razón a los filtros acoplados se les denomina también “filtros óptimos”. entonces z o (τ ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t ' )dt ' −∞ ∞ La suma [v(t) + n(t)] se inicia en t = 0. la salida total del filtro acoplado se puede determinar mediante convolución. en los instantes de muestreo t n no ocurre interferencia intersímbolo. En forma similar. 5. este hecho es de particular importancia pues la amplitud máxima de zo(t) no depende de la forma de v(t) sino solamente de su energía. que es equivalente a la Fig.53.369 V. Demostramos en esta forma que en los instantes de decisión la salida zo(t) del filtro acoplado es máxima e igual a la energía del impulso v(t). el impulso de salida siguiente se inicia y tiene un valor cero en t = τ. entonces z o (τ ) = ∫ v( t) n( t)dt = 0 . 5. La expresión (5.142a) se puede instrumentar entonces en la forma mostrada en la Fig. de donde 0 τ ∫ τ 0 v 2 (t )dt = E b (5. es decir.142a) pero como v(t) y n(t) no están correlacionados. El filtro acoplado se puede considerar también como una forma de correlador. la salida del impulso anterior termina y es cero cuando t = τ.

de (5. La relación S/N máxima a la salida del filtro acoplado será. 5.55(b). y para caracterizar este comportamiento normalmente se utiliza las relaciones Probabilidad de Error ( Pe ) vs Ganancia de Predetección ( Si / N i ) que dependen de la forma de detección utilizada. a su vez. Esto. mostrada en la Fig.. MODULACION Y TRANSMISION DE IMPULSOS Muestreador v(t) + n(t) ∫ v(t) τ [⋅ ⋅ ⋅] ⋅ dτ zo (t ) 0 Elemento "1" Salida de "0" Digital Decisión Correlador Reloj Fig. 5.136).55(a). se supone que k = η/2.55(e). v(t) y h(t) tienen el mismo perfil. Receptor Digital Correlador. la salida del filtro tendrá la forma mostrada en la Fig. para la secuencia de entrada AMI NRZ 1011. t−τ/2 ) . Nótese que v o ( t ) es máxima para t = τ. El impulso de entrada a un filtro óptimo tiene la forma v ( t ) = AΠ ( La respuesta impulsional h(t) se muestra en la Fig.55(d). Nótese que en este caso en particular. en la que se indica también los instantes de muestreo de la señal. ρ max = 2 η ∞ τ ∫ −∞ | v( t )|2 dt = 2 η ∫ 0 A 2 dt = 2A 2 τ η La forma de v o ( t ) nos permite deducir fácilmente la salida de un filtro acoplado cuando a su entrada se aplica una secuencia de impulsos. como se τ muestra en la Fig. . 5. 5.55(c).13 t−τ/2 ) .54. El comportamiento de los sistemas de modulación digital en presencia de ruido dependerá del método de detección empleado. ♣ Ejemplo 5. la respuesta τ−t−τ/2 t−τ/2 ) = AΠ ( ) cuya función de impulsional del filtro óptimo es h (t ) = v (τ − t ) = AΠ ( τ τ transferencia es H( f ) = Aτsinc( τf ) exp( − jπτf ) . 5. Por ejemplo. la cual se muestra La señal de salida del filtro será v o ( t ) = h(t ) ∗ v(t) = A 2 τΛ ( τ en la Fig.141b). está asociado con la presencia de un filtro acoplado colocado antes del elemento de decisión. 5.370 V. De acuerdo con (5. El comportamiento del receptor se mide entonces en términos de la probabilidad de error y se dice que el receptor es óptimo cuando la probabilidad de error a su salida es la mínima.

la portadora. fibras ópticas.). En la Fig.7. TRANSMISION Y RECEPCION DE SEÑALES BINARIAS MEDIANTE PORTADORA MODULADA 5. Como la señal PCM es una secuencia de impulsos binarios (2 estados). . la frecuencia o la fase de una señal sinusoidal.7. los impulsos modulan una portadora sinusoidal cuya frecuencia es compatible con el medio de transmisión utilizado. Por ejemplo. microondas. generalmente no se transmiten a gran distancia en la forma de señal de banda de base. 5. pero en un enlace de microondas la frecuencia de portadora puede alcanzar la gama de los Gigahertz. Introducción Los impulsos digitales producidos por los diferentes sistemas vistos en este capítulo.56 se muestra los modelos para la transmisión y recepción de señales binarias mediante portadora modulada y en la Fig. de ahí que a estos procesos se les denomina también “técnicas de modulación binaria”. MODULACION Y TRANSMISION DE IMPULSOS A v(t) t A h(t) t A2 τ Entrada v(t) Salida vo (t ) (a) Señal de Entrada 0 τ (b) Respuesta Impulsional 0 τ (c) Entrada y Salida del Filtro Optimo Instantes de Muestreo 0 τ t 2τ "1" 0 "0" τ 2τ "1" 3τ "1" "1" "0" "1" "1" t 4τ 0 τ t 2τ 3τ 4τ 5τ (d) Secuencia de Entrada AMI NRZ Fig.1.55. etc. Si la transmisión se efectúa por un canal telefónico de 4 kHz de ancho de banda. este tipo de transmisión se denomina “transmisión binaria mediante portadora modulada”. (e) Secuencia de Salida del Filtro Optimo ♣ 5. 5. conductores metálicos (cable coaxial o par trenzado). un canal de radio (HF. rayos infrarrojos o láser. 5. sino en forma de una señal modulada en forma analógica.371 V. las magnitudes moduladas tomarán también dos valores. La modulación digital se realiza con un dispositivo denominado “MODEM” (de las palabras MOdulador y DEModulador) en el cual los impulsos PCM modulan la amplitud. Los filtros H T (f ) y el filtro receptor están incorporados en el Modem y su diseño está integrado al mismo de acuerdo con la aplicación y normas correspondientes. El “canal” puede ser un canal telefónico. la frecuencia de portadora está entre 1 y 2 kHz.57 la forma de las señales binarias moduladas. en un enlace de HF la frecuencia de portadora puede ser de unos cuantos Megahertz. en efecto. así como las señales de datos de terminales digitales y dispositivos afines.

La Modulación Binaria de Amplitud (Amplitude-Shift Keying. 5. FSK. Señales Binarias Moduladas ASK. FSK) 3. PSK) 4. . PSK Fuente Modulador "1" Digital "0" tn Reloj TRANSMISOR CANAL (a) Transmisión Binaria v(t) z(t) Filtro de Entrada ASK. FSK y PSK para la secuencia binaria dada. ASK) 2.372 V. Hay otros métodos más avanzados de modulación pero no los trataremos aquí. PSK MODEM Rx ~ Oscilador Local MODEM Tx A cos(ω ct ) ~ Oscilador H c (f ) v(t) z(t) Receptor n(t) RECEPTOR Elemento "1" Salida de "0" Digital Decisión Muestreador n(t) CANAL A cos(ω ct ) tn Reloj (PCM) RECEPTOR (b) Recepción Binaria Fig.57. FSK y PSK (DPSK). Transmisión y Recepción Binaria mediante Portadora Modulada En la Fig. La Modulación Binaria Diferencial de Fase (Differential PSK. MODULACION Y TRANSMISION DE IMPULSOS Las formas básicas de la modulación binaria mediante portadora modulada son: 1.57 se muestra la forma de las señales moduladas ASK. 5. (a) Secuencia Binaria (b) ASK (OOK) (c) FSK (d) PSK (DPSK) "1" "0" "1" "1" "0" "0" "0" "1" t Tb t t Fig. La Modulación Binaria de Fase (Phase-Shift Keying. FSK.56. DPSK) (PCM) ASK. 5. La forma de la señal DPSK básicamente es idéntica a la de PSK. La Modulación Binaria de Frecuencia (Frequency-Shift Keying.

estas señales digitales pueden ser tratadas con los métodos teóricos desarrollados en el Capítulo II aplicables a las señales moduladas y particularmente a la demodulación o extracción de la señal mensaje portadora de información. Hay que hacer notar que con osciladores de gran precisión puede mantenerse la igualdad entre las frecuencias. particularmente en transmisión a grandes distancias. 5. MODULACION Y TRANSMISION DE IMPULSOS Como la señal digital se convierte en una señal analógica (por efecto de la multiplicación por una señal sinusoidal). la modulación digital no es un proceso ni puramente digital ni puramente analógico. generada localmente. La “Demodulación Sincrónica o Coherente” 2.28. el lector puede demostrar fácilmente que la salida del detector estará multiplicada por el factor cos[2π∆ft + (φ o − φ )] que afectará seriamente la amplitud de la salida. La “Detección de Envolvente” La demodulación o detección sincrónica o coherente consiste simplemente en multiplicar la señal modulada recibida por la portadora. puede utilizarse para sincronizar el oscilador local.2. la frecuencia y la fase de la portadora local deben ser idénticas a las de la portadora de transmisión. xc (t ) = A(t ) cos(ω ct ) Filtro Pasabajo A(t) Entrada C R Salida 1 0 1 2cos(ω ct ) ~ Oscilador Local Detector Coherente 1 0 1 Detector de Envolvente (a) Detección Sincrónica o Coherente (b) Detección de Envolvente Fig. Para evitar esta atenuación de la señal. Métodos de Demodulación o Detección de Señales Moduladas Sea. 3. Esta situación encarece y complica el sistema. por ejemplo. cos(2πf c t + φ ) la portadora transmitida. puede utilizarse circuitos especiales para lograr la sincronización a partir de la señal recibida. es decir. sino que posee atributos comunes a ambas áreas. Sin embargo. Como veremos más adelante.373 V. Demodulación y Sincronización de Señales Binarias Moduladas Métodos de Demodulación Como mencionamos brevemente en el Capítulo II. 5. La información de fase se puede obtener a partir de una portadora piloto superpuesta a la señal modulada que. si la portadora generada localmente fuera de la forma 2 cos[2π(f c + ∆f ) t + φ o ] . la demodulación sincrónica o coherente se utiliza pues es . Problema de Aplicación 2.58(a) y ya lo aplicamos en el Capítulo II. pero el sincronismo de fase es más difícil de alcanzar. una vez recuperada mediante filtrado. que ∆f = 0 y φ o = φ .58 . Este proceso se muestra en la Fig. y mediante filtrado pasabajo se obtiene la señal original portadora de información.7. hay esencialmente dos métodos comunes de demodulación o detección de señales moduladas con portadora sinusoidal: 1. sin embargo. Los dispositivos de sincronización en el receptor deben lograr la coherencia entre las dos portadoras.

FSK y PSK requiere el conocimiento de la frecuencia y la fase exactas de la portadora. 5. la detección de envolvente no se puede aplicar en sistemas de modulación de fase. Sincronización de Portadora y de Temporización La demodulación coherente de las señales ASK. porque el proceso de detección de envolvente elimina la fase de la señal. MODULACION Y TRANSMISION DE IMPULSOS superior. La frecuencia puede aproximarse tanto como se quiera pues con osciladores a cristal de gran precisión se puede mantener la frecuencia con una gran estabilidad. los circuitos de sincronización de portadora y de temporización estarán constituidos por dos partes conceptualmente distintas: (1) un circuito no lineal que regenera la portadora y/o el reloj a partir de la señal recibida. En efecto. Como ejemplo. PLL)) que filtra y regenera las señales de portadora y/o reloj.374 V. en presencia de ruido. . 5. En consecuencia. Por lo tanto. hay que tener en cuenta que los instantes de decisión t n también necesitan sincronización para poder detectar la presencia o ausencia de los impulsos recibidos ya demodulados. los cuales se muestran en la Fig. 5. sincronización de canal. antes de transmitir información. esta operación se conoce como la “fase de seguimiento o de rastreo”.59(b). Al finalizar la fase de adquisición los osciladores quedan “enganchados” en fase y en frecuencia. Durante la transmisión es necesario mantener el desfase entre los osciladores dentro de ciertos límites específicos. La demodulación por detección de envolvente se efectúa con el sencillo circuito mostrado en la Fig. La localización típica de los sincronizadores de portadora y temporización en un receptor se muestra en la Fig. La constante de tiempo RC debe ser lo suficientemente grande para seguir los picos de la señal modulada de entrada. En estos casos los modems están desfasados y necesitan un período inicial. que veremos en el Capítulo VI. Como su nombre lo indica. y la transmisión de información puede comenzar.59(a). consideremos un sistema PCM/TDM/PSK. sino también la sincronización de señalización o temporización. sincronización de dígito y sincronización de portadora. sin embargo. En un sistema de transmisión digital a menudo se necesita diferentes niveles de sincronización. según la polaridad del diodo). sobre todo cuando los modems inician una transmisión. Con la detección de envolvente se evitan los problemas de sincronización de fase y de frecuencia de la detección coherente. y (2) un dispositivo sintonizado de banda angosta (típicamente un filtro sintonizado o un enganchador de fase (phaselocked loop. la salida del detector representa la envolvente positiva (o negativa. a la detección no coherente o de envolvente. el desfase entre los osciladores del transmisor y del receptor puede ser grande. como veremos posteriormente.58(b). El receptor debe poseer entonces dispositivos de sincronización tanto de portadora como de temporización. La mayoría de los sistemas de modulación digital suprimen la portadora y los diferentes códigos de línea utilizados no contienen líneas espectrales a las frecuencias de reloj para la extracción de la temporización. en cambio. en el receptor no sólo se efectúa la sincronización de fase y de frecuencia. pero lo suficientemente pequeña comparada con un período Tb de la señal binaria. Este período se conoce con el nombre de “tiempo o fase de adquisición”. Los métodos de demodulación coherente y por detección de envolvente los utilizaremos también en los sistemas de modulación de ondas continuas. en este caso son necesarios cuatro niveles de sincronización: sincronización de trama. para sincronizar sus osciladores.

φ c Sincro Portadora tn Sincro Temporización Salida Binaria frecuencia f c. φ Filtro Pasabajo Filtro Pasabanda Elevador al Cuadrado Filtro Pasabanda Filtro Pasabanda Multiplicador VCO de Frecuencia x2 Filtro Pasabajo Sincronizadores 2fc (a) Sincronización Cuadrática (b) Sincronización Mediante el Lazo de Costas Fig.60 se muestran dos circuitos de sincronización de portadora muy utilizados en la práctica: el sincronizador cuadrático y el denominado Lazo de Costas.59. Entrada Modulada Entrada Modulada Salida Demodulada Detector Coherente fc .60. Estos circuitos de sintonización de portadora no solamente se utilizan en los sistemas digitales sino también en los sistemas de modulación de ondas continuas. En cuanto a la temporización. 5. Sincronización de Portadora y Temporización. En general. 5. 5. φ π/2 VCO Filtro Pasabajo Filtro Pasabajo Filtro Pasabajo Canal Canal Salida Demodulada Detector Coherente fc . la señal de reloj está afectada por fluctuación de fase (jitter). fase φ c Portadora 4 (a) Niveles de Sincronización (b) Localización de los Sincronizadores de Portadora y Temporización Fig. En la Fig. La salida del sincronizador de temporización será una señal periódica (señal de reloj) de período τ y con una fase tal que indique los instantes de muestreo dentro de cada intervalo de duración τ. el proceso de extracción de la temporización se efectúa operando sobre la señal demodulada. que veremos en el Capítulo VI. En muchas aplicaciones esta componente de auto-ruido es mucho más pronunciada que el .375 V. causada por interferencia intersímbolo y ruido en el sistema. llamada también “auto-ruido”. MODULACION Y TRANSMISION DE IMPULSOS Trama M Canales 1 m M 1 Canal Canal N Dígitos 1 n Dígito 3 N 2 Detector Coherente Filtro Receptor Filtro Pasabajo Muestreador Elemento de Decisión "1" "0" fc . Circuitos de Sincronización de Portadora.

Por ejemplo. 5. 5. como veremos más adelante. La señal ASK tiene entonces la forma x ASK ( t ) = A ⎧1 bi = ⎨ ⎩0 ∞ n =−∞ ∑ b ⋅ cos(2πf t + φ ) ⋅ Π( i c c t − nTb ) Tb (5. Gardner y Lindsey. donde señalización y φc un desfase inicial constante. que representan el estado “1”. la amplitud de la portadora sinusoidal se conmuta entre dos valores en respuesta al código PCM. Modulación Binaria de Amplitud (ASK) En la modulación binaria de amplitud ASK. 5. En general. se verifica que f c >> f b = Tb f b es la frecuencia de señalización. Sincronización de Temporización. 5. muy importante para el desempeño global del sistema. 1993. . como se muestra en la Fig. llamados “Marcas”. el estado “0” se puede transmitir como una amplitud de cero volts. el diseño óptimo de los circuitos de sincronización es.61 se muestra un circuito de sincronización de temporización. El análisis detallado de los circuitos de sincronización anteriores.376 V. La operación de demodulación consiste esencialmente en una toma de decisiones en los instantes de muestreo t n en relación con el valor o estado (“1” ó “0”) transmitido. Esta decisión reposa sobre un criterio más o menos elaborado. MODULACION Y TRANSMISION DE IMPULSOS mismo ruido gaussiano.3. se puede hallar en cualquier texto de electrónica [Miller. respectivamente. incluidos los PLL.61. Tb es el intervalo de 1 . mientras que el estado “1” se transmite como una señal sinusoidal de amplitud fija A volts. por lo tanto. 1980]. y “Espacios” que representan el estado “0”.143) donde si se transmite un "1" si se transmite un "0" A y fc son la amplitud y frecuencia de la portadora. Organo de Decisión Muestreador Señal Demodulada tn Rectificador de Onda Completa Circuito Resonante RLC Amplificador y Limitador Diferenciador y Formador de Impulsos Elemento de Decisión Salida "1" Digital "0" Sincronizador Fig.7. La señal ASK resultante consiste en impulsos modulados. En la Fig.57(b) para la secuencia binaria dada. la cual es igual a la velocidad de modulación Vb. Este tipo de modulación se conoce también con el nombre de “modulación OOK (On-Off Keying)”.

R A (τ ) = A2 τ A2 f [1 + Λ ( )] ⇔ S A (f ) = [δ (f ) + Tb sinc 2 ( )] 4 4 Tb fb De la expresión (1. En el Capítulo III. 5.113).146) Para calcular la potencia de ruido es necesario conocer las características espectrales de la señal ASK. Por consiguiente.147) y tendrá la forma mostrada en la Fig. x ASK (t ) = A (t ) ⋅ cos(2πf c t ) donde A (t ) = A (5.171).62 (frecuencias positivas solamente). De acuerdo con el teorema de la modulación para señales de potencia.148) . 5. la potencia promedio de la señal x ASK (t ) es 1 A2 < A 2 (t ) >. Sección 3. En cuanto al ancho de banda en ASK.9. Fig. demostramos que la función de autocorrelación y la densidad espectral de una secuencia aleatoria binaria unipolar NRZ de amplitud A eran.377 V.170) y (3. Pero como < A 2 (t ) >= R A (τ )|τ = 0 = . expresiones (3. respectivamente.145) n =−∞ ∑ b ⋅ Π( i ∞ t − nTb ) Tb es una secuencia aleatoria binaria unipolar NRZ de amplitud A.2.62. MODULACION Y TRANSMISION DE IMPULSOS Ancho de Banda y Relaciones S/N en Sistemas ASK La señal ASK se puede escribir en la forma (haciendo φc = 0). sea B el ancho de banda que comprende el lóbulo principal de S ASK (f ) . B = 2f b = 2 Tb (5.144) (5. la densidad espectral S ASK (f ) de x ASK (t ) será S ASK (f ) = 1 [S A (f + f c ) + S A (f − f c )] 4 S ASK (f ) = A2T ⎡ f+f f−f ⎤ A2 [δ (f + f c ) + δ (f − f c )] + 16 b ⎢sinc 2 ( f c ) + sinc 2 ( f c )⎥ 16 b b ⎦ ⎣ (5. entonces 2 2 A2 < x 2 (t ) >= ASK 4 < x 2 (t ) >= ASK La potencia promedio de entrada o “potencia de portadora” de una señal ASK a la entrada del detector será Si = A2 4 (5.

149) y la relación S/N de predetección Si A 2 Tb A2 = = 8η N i 4Bη en ASK (5. de (2. Se puede demostrar. que la potencia contenida dentro del ancho de banda B es el 95% de la potencia total de la señal ASK. entonces la potencia promedio de la señal se puede expresar en la forma S = E b / Tb = E b Vi .378 V. MODULACION Y TRANSMISION DE IMPULSOS Este será entonces el ancho de banda del filtro pasabanda a la entrada del receptor y. el ancho de banda efectivo de una señal ASK estará entre 2fb y 3fb. Si el ruido en el canal es blanco de densidad espectral η / 2 . ver Problema de Aplicación 5. N i = Bη = 2η = 2 ηf b Tb (5. por supuesto. En efecto. donde fb es la frecuencia de señalización. nosotros utilizaremos siempre 2fb. Los sistemas ASK son sistemas de doble banda lateral y por lo tanto no son muy eficientes en cuanto a ancho de banda y consumo de potencia. dependiendo del perfil de los impulsos. en cuyo caso la relación de predetección es (S i / N i ) = (A 2 Tb / 12η) . Si Eb es la energía requerida para transmitir un dígito binario. y que la mitad de la potencia de la señal ASK se consume en la transmisión de la portadora. Nótese que Eb es diferente para cada esquema de modulación. por eso el lector debe verificar cómo se ha definido el ancho de banda al hablar de relación S/N a la entrada. si B es el ancho de banda del sistema y η/2 la densidad espectral de ruido.146). la potencia promedio de ruido será N = ηB. la potencia promedio de ruido a la entrada del detector será. Esto puede prestarse a confusión. el ancho de banda mínimo del canal de transmisión.150) Algunas veces el ancho de banda se define en la forma B = 3fb . En general. En la literatura se suele hacer η = N o . en un sistema binario la velocidad de información es Vi = 1 / Tb = f b bps.41. pero . la relación S/N en un sistema se puede definir a partir de parámetros comunes para cualquier sistema de modulación. Por otro lado. Este valor de B será utilizado en los cálculos de la Relación Señal/Ruido (S/N). Rendimiento de Transmisión Desde un punto de vista más general.

La relación ηB = Vi/B es el rendimiento de trtansmisión del canal respecto al ancho de banda B. fb y η son parámetros comunes a todos los sistemas en consideración. y es una medida del ancho de banda requerido para una velocidad de información dada.63 se muestra el diagrama de bloques de un receptor ASK con demodulación coherente.42). La relación S/N en ASK se puede escribir entonces en la forma ⎡ Si ⎤ γ = ⎢ ⎥ ⎣ N i ⎦ ASK 4 y en dB. Específicamente.379 V. . (5.02 dB (5. A la entrada del detector coherente se tiene la señal ASK más ruido blanco pasabanda de banda angosta y densidad espectral η/2. Sin embargo. pero la demodulación coherente es poco utilizada debido a los problemas de sincronización de portadora y del ajuste de umbral.151) Esta expresión muestra que la relación señal/ruido es el producto de dos cantidades muy significativas. expresión (4. Este valor de γ lo utilizaremos como referencia para comparar las probabilidades de error de los diferentes sistemas de modulación binaria. 1966] en la forma A 2 Tb A2 γ= = 2η 2ηf b (5. 5.152) donde A. vamos a investigar el comportamiento de la demodulación coherente más que todo para propósitos de comparación y fijación de conceptos. se define la “Relación Señal/Ruido Normalizada. Estos conceptos los utilizaremos posteriormente.153a) ⎡S ⎤ +⎢ i ⎥ ⎣ N i ⎦ ASK( dB) [ γ ]ASK(dB) = 6. La relación Si/Ni de entrada o de predetección se puede escribir entonces en la forma Si E b Vi Vi E b E E S = = ⋅ = ηB b = ηB b = ηB i Ni ηB B No No η ηf b (5. Con el fin de comparar el comportamiento de los diferentes sistemas de modulación binaria sobre una referencia común. γ” [Schwartz y otros. es decir. Como veremos más adelante. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS este valor No lo usaremos muy poco para no confundirlo con una potencia de ruido No.153b) Demodulación Coherente de Señales ASK La razón principal de la modulación digital ASK es su simplicidad. la relación E b / η es la “energía por dígito binario dividida por la densidad espectral” y es una medida del consumo de potencia del sistema. Eb depende del tipo de modulación empleado. x ASK (t ) = A (t ) cos(2πf c t + φ c ) n (t ) = n c (t ) cos(2πf c t + φ c ) − n s (t ) sen(2πf c t + φ c ) donde φ c es un desfase constante.

5. 5.380 V. se puede presentar errores en la decisión tomada. Recepción Coherente en ASK. En los instantes de decisión t n se compara vd(t) respecto a un umbral de referencia Vs. Estos errores aparecerán si v d (t n ) < Vs v d (t n ) ≥ Vs cuando un “1” fue transmitido: Error sobre los “1” cuando un “0” fue transmitido: Error sobre los “0” Se ha demostrado [Schwartz y otros.) es la “función error complementaria” definida en el Apéndice D.. 1966] que la probabilidad de error en sistemas ASK con umbral de referencia optimizado es Pe = ⎛ A2T ⎞ 1 b ⎟ erfc⎜ ⎜ 2 8η ⎟ ⎝ ⎠ (5.155) . el lector puede demostrar fácilmente que ⎧k ⎪ 2 [A (t ) + n c (t )] ⎪ v d (t ) = ⎨ ⎪ k n c (t) ⎪2 ⎩ si un "1" ha sido transmitido si un "0" ha sido transmitido donde k es una constante que depende de las características de los filtros. Asimismo.4. el umbral óptimo normalizado será b on = A 2 Tb 4η (5. Estas dos señales estarán presentes durante los intervalos en que un “1” ha sido transmitido. El criterio de decisión será: ⎧v d ( t n ) ≥ Vs Si en el instante t = t n . Si un “0” ha sido transmitido.63.63. φ c "1" ó "0" a t = tn Sincro Temporización Umbral de Referencia Fig. En relación con la Fig. MODULACION Y TRANSMISION DE IMPULSOS Organo de Decisión x ASK (t ) + Ruido Blanco Detector Coherente Si / N i Muestreador Canal Filtro Pasabanda Sincro Portadora Filtro v d ( t ) Pasabajo tn Comparador + _ Vs fc . solamente estará presente el ruido n(t).154) donde erfc(. ⎨ ⎩v d ( t n ) < Vs ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Como n c (t ) es un ruido blanco pasabajo cuya amplitud puede tomar cualquier valor con una probabilidad no nula.

que es una densidad espectral. la probabilidad de error decrecerá en función de γ hasta un cierto valor y se mantendrá constante no importa cuánto se aumente γ.156) (5. En la Fig. Esta es una de las principales desventajas de los sistemas ASK. para cada valor de γ hay un nivel de umbral normalizado b on que produce la mínima proba bilidad de error. pues esta última relación depende del ancho de banda. Si el umbral se mantiene constante. Entonces.64 se muestra el efecto del umbral sobre la probabilidad de error. ⎡S ⎤ γ = 4⎢ i ⎥ ⎣ N i ⎦ ASK y en dB. Nótese que no hay que confundir γ con la relación S i / N i de predetección.159b) . 5. su energía será Eb = A2Tb/4. la probabilidad de error será ahora Pe = γ 1 erfc( ) 2 4 b on = (5. entonces γ = 2Eb /No y Pe = Eb 1 erfc( ) 2 2N o (5. como ya lo hemos demostrado. de la densidad espectral de ruido y de la potencia de la portadora. pues implica circuitos de ajuste del umbral en función de la relación S/N a la entrada (circuitos de control automático de ganancia). 5. siendo la potencia promedio en ASK igual a A2/4. con el No que representa una potencia de ruido de salida. junto con las correspondientes a los otros sistemas de modulación binaria para efectos de comparación. y el umbral optimizado.159a) (3.158) donde Eb es la energía requerida para transmitir un dígito binario y No = η.150). pero la igualdad No = η la utilizaremos muy poco para no confundir este No. para B = 2/Tb .02 dB + ⎢ i ⎥ ⎣ N i ⎦ ASK ( dB) (5.381 V. El lector puede demostrar fácilmente que. En la literatura se suele expresar la probabilidad de error con la expresión (3.157) γ 2 En la Fig. mayor es el umbral. Nótese que en el umbral óptimo los errores ocurren predominantemente no porque la suma [señal + ruido] excede el umbral. Cuanto mayor es γ.78 se muestra la probabilidad de error Pe con el umbral óptimo normalizado. sino porque el ruido excede él solo el umbral. de la expresión (5.152). ⎡S ⎤ [γ ] dB = 6. MODULACION Y TRANSMISION DE IMPULSOS De (5.158).

la frecuencia de señalización (Hz) y la velocidad de modulación (baudios) son iguales numéricamente.161).161) la expresión (5.65.64 con las mismas desventajas debidas al ajuste del umbral.15b) se aplican también en ASK no coherente. (a) El ancho de banda útil del canal es B = 3 kHz.78 la relación [S i / N i ] ASK ( dB) conociendo [γ]dB y viceversa. 5. 5. (b) repetir si la velocidad de información es de 300 bps. y la probabilidad de error. se demuestra [Schwartz y otros. El detector de envolvente se muestra en la Fig. donde b on = 2 + γ 2 Pe ≈ E γ 1 1 exp(− ) = exp(− b ) 2 4 2 4N o (5. En cuanto a la probabilidad de error. 5. para una probabilidad de error Pe dada.160) se reduce a El gráfico de Pe vs γ tiene la misma forma general de la Fig. entonces . Demodulación no Coherente de Señales ASK En la Fig.160) (5. aunque sí de temporización.65 se muestra el diagrama de bloques de un receptor ASK no coherente. Vamos a determinar en ASK coherente y no coherente: (a) la máxima frecuencia de señalización.382 V. 5. 5. Las expresiones (5. En la Fig.02 dB y la densidad espectral de ruido blanco es de 10-11 W/Hz. las potencias individuales de portadora y de ruido. 1966] que Pe ≈ b ⎞ b2 ⎤ ⎛ 1 ⎡1 erfc⎜ γ − on ⎟ + exp(− on )⎥ ⎢ 2 ⎢2 2 ⎥ ⎝ 2⎠ ⎦ ⎣ Para γ > 2 y con el umbral óptimo normalizado b on .58(b). x ASK (t ) + Ruido Blanco Canal S i / N i Detector v d ( t ) Organo de Filtro de Pasabanda Decisión Envolvente tn "1" ó "0" a t = tn Sincronización de Temporización Fig. En la detección no coherente de señales ASK no se requiere circuitos para sincronización de portadora.78 se grafica (5. Recepción no Coherente de Señales ASK. ♣ Ejemplo 5. La relación S/N de predetección es de 6. 5.159a) y (5. El criterio de decisión es similar al caso de detección coherente. MODULACION Y TRANSMISION DE IMPULSOS Esta última expresión nos permite leer directamente en la Fig.14 Por un canal telefónico cuyo ancho de banda útil es de 3 kHz se transmite datos binarios. Recuérdese que en un sistema binario la velocidad de información (bps).

6x10−7 . Si = Si A2 =4= .157) y (5. Vi = 1500 bps. los filtros utilizados en el receptor deben ser descargados.02 dB = 4. mediante circuitos auxiliares. A 2 = 9.6x10 −7 γ= = = 80.372 x10 −3 2 1 En ASK no coherente: Pe = exp(−4 ) = 9 .2x10 −8 W = -49.160). N i = Bη = 600x2x10 −11 = 1. sin embargo. f b = 1500 Hz. el valor del umbral debe ser ajustado para cada valor de γ de acuerdo con las expresiones (5. S Si = 6.27x10 −10 2 1 En ASK no coherente: Pe = exp(−20) = 1.158x10 −3 2 (b) Si la velocidad de información es de 300 bps.2 dBm . el receptor no coherente es mucho más simple y por eso este tipo de demodulación fue en su época el más utilizado. Vb = 1500 baudios 1500 La frecuencia máxima de señalización es de 1500 Hz y se puede transmitir información a una velocidad máxima de 1500 bps. y de (3.472 ) = 1.2 dBm 4 N i = Bη = 3000x2 x10−11 = 6x10−8 W = -42. el comportamiento en ASK coherente es superior al de ASK no coherente. Si la rapidez de descarga es grande.383 V. Tb = De (5. Por otra parte. γ = 4 i = 16 Ni Ni B = 3000 = 2 f b . 1 Tb = y B = 2f b = 600 Hz 300 Si A 2 Tb γ 9 .8x10-4 Ni 8x1500x2x10−11 A2 = 2. Aunque el circuito resultante ya no es un filtro lineal invariante en el tiempo. En general. Si = Para obtener el comportamiento óptimo.21 dBm 4 1 En ASK coherente: Pe = erfc(4. MODULACION Y TRANSMISION DE IMPULSOS 1 .4 x10 −7 W = -36. = = 20 = 13 dB −11 2η Ni 4 2 x300x2 x10 A2 = 2 . entonces f b = 300 Hz.150). .03x10 −9 2 ♣ Para las mismas amplitud de portadora y densidad espectral de ruido. el ancho de banda del filtro ya no es tan crítico respecto a la interferencia intersímbolo.158a). al final de cada intervalo de señalización a fin de reducir la interferencia intersímbolo. estos filtros son filtros óptimos y pueden utilizarse también en FSK y PSK/DPSK. A=9.22 dBm 1 En ASK coherente: Pe = erfc(2 ) = 2 .4x10-7 W = -36. él actúa como tal entre los intervalos de descarga.

66 se muestran las densidades espectrales correspondientes (frecuencias positivas solamente) y se define algunos parámetros. En la Fig. en el Módem Bell 103A para la misma velocidad de modulación. 5. El ancho de banda mínimo total Bc de la señal FSK se puede estimar a partir de la Fig. Entonces. Por ejemplo.66.162) donde si se ha transmitido un "1" si se ha transmitido un "0" Nótese que la asignación de valores para fd y fc es. la UIT-T establece que para transmisión de datos sobre un canal telefónico a una velocidad de modulación de 300 baudios utilizando un Módem V. arbitraria. 5. En la Fig. amplitud constante y fase continua (“fase continua” significa que en la señal modulada no se producen discontinuidades cuando cambia la frecuencia). en efecto. respectivamente. Ancho de Banda y Relaciones S/N en Sistemas FSK La determinación exacta del ancho de banda de las señales FSK es bastante complicada [Lucky y otros. las frecuencias de operación son fo = 1070 Hz y f1 = 1270 Hz (fc = 1170 Hz y fd = 100 Hz). y cuyos espectros ya conocemos. 5.4. Evidentemente. respectivamente. Sin embargo. f c = f1 + f d = f o − f d y B c = ∆f + 2f b = 2(f d + f b ) . Este enfoque permite considerar al receptor FSK como la combinación de dos receptores ASK. donde f c es la frecuencia de la portadora sin modular. Modulación Binaria de Frecuencia (FSK) En la modulación binaria FSK la frecuencia instantánea de la portadora se conmuta entre dos valores en respuesta al código PCM. El sistema FSK más sencillo es aquel con modulación rectangular de frecuencia. Fig. 1987] y no trataremos de reproducirla aquí. el espectro de la señal FSK es esencialmente la superposición de los dos espectros ASK: uno centrado en f1 y el otro centrado en f o . f d la desviación de frecuencia respecto a f c . 5. f1 y f o las frecuencias de transmisión de un “1” o un “0”. El sistema de modulación binaria FSK se basó originalmente en el simple concepto de utilizar una señal telegráfica para modular la frecuencia de una portadora sinusoidal a fin de aumentar la relación S/N en el sistema. Sin embargo. 1968. podemos definir | f o − f1 | = ∆f = 2 f d .67 y 5. Si 2f d es la separación entre las dos frecuencias de transmisión. los Módems normalizados UIT-T V. En este caso.68. las frecuencias utilizadas son f1 = 980 Hz y f o = 1180 Hz (fc = 1080 Hz y fd = 100 Hz).21 y Bell 103A son equivalentes pero no son compatibles. como se muestra en las Figs. podemos simplificar el problema si consideramos que la señal FSK está formada fundamentalmente por dos señales ASK de frecuencias f o y f1 . 5. en general.7.384 V. Benedetto y otros. MODULACION Y TRANSMISION DE IMPULSOS 5. La señal FSK se puede representar entonces en la forma x FSK (t ) = A ⎧ −1 bi = ⎨ ⎩+1 n =−∞ ∑ cos[2π(f ∞ c + b i ⋅ f d )t ] ⋅ Π ( t − nTb ) Tb (5.62.21.57(c) se muestra la forma de una señal FSK. entonces la frecuencia instantánea en un intervalo Tb será f1 = f c − f d o f o = f c + f d . Nótese que los espectros para los UNOS y para los CEROS no ocurren simultáneamente.

5. A 2 ∫ cos(2πf1 t ) cos[2π(f1 + ∆f ) t ]dt = 0 0 Tb A 2 2 ∫ Tb 0 cos[2π(2f1 + ∆f ) t ]dt + A2 2 ∫ Tb 0 cos(2π∆f ⋅ t )dt = 0 Para que esta expresión se cumpla. de la propiedad de ortogonalidad. En este caso el 1 ≤ k <1 ancho de banda de la señal FSK se puede calcular solamente con el método de Lucky. se puede tomar k ≥ 1 / 3 . la separación entre los dos espectros aumenta y la interferencia mutua entre canales disminuye. s1 ( t ) = A cos(2πf1 t ) y s 0 ( t ) = A cos(2πf 0 t ) = A cos[2π(f1 + ∆f ) t ] Entonces. las integrales deben ser cero en el intervalo [0. 5. Si 3 [Shanmugam. MODULACION Y TRANSMISION DE IMPULSOS fd y consideremos la Fig. 2 Principio de Ortogonalidad en Señales FSK Se dice que dos funciones reales s1(t) y so(t) son ortogonales. 1979]. Si k << 1. es decir. Tb) se verifica la integral ∫ Tb 0 s1 ( t )s 0 ( t )dt = 0 para s1(t) ≠ so(t).66. la interferencia mutua entre canales será mínima y el ancho de banda de los canales “0” ó “1” será B = 2 f b . Si k ≥ 1. que el área neta de cada integral en un intervalo Tb cualquiera debe ser cero.67. entonces los dos espectros se acercan fb de tal manera que se produciría una gran interferencia mutua entre un canal y el otro. Sea k= En resumen.385 V.Tb]. como se muestra en la Fig. los espectros estarán lo suficientemente separados. si dentro de un intervalo (0. el ancho de banda de cada canal se puede tomar como B = (f b + f d ) . En el caso binario. . para disminuir la distorsión de intermodulación producida por las colas de un espectro sobre la gama del otro espectro. debe verificarse. aunque más adelante 1 demostraremos que es preferible tomar k ≥ .

la mínima separación entre las frecuencias se verifica para m = 1. Asimismo. Nótese que n permite ajustar la frecuencia de portadora para colocarla en el centro del ancho de banda de transmisión. Como ya lo observamos.67. 5. 5. el valor de fc (o de n) se elije de 2 6 tal manera que fc quede centrada en el ancho de banda de transmisión y que n sea un número entero > m ≥ 1. . Condiciones de Ortogonalidad en FSK.67. donde m y n son enteros Tb Tb f n = nf b distintos de cero y n > m. se tiene fd = m fb f f f .386 V. el principio de ortogonalidad en FSK binario establece entonces que: Para dos enteros n y m tal que n > m ≥ 1 . En la misma forma podemos demostrar que 2 fb fb f1 = ( n − m) y f 0 = (n + m) . Esto también se puede interpretar diciendo que. m n y 2f1 + ∆f = . bajo las condiciones de ortogonalidad. MODULACION Y TRANSMISION DE IMPULSOS m ciclos enteros en Tb 0 frecuencia ∆f t Tb n > m ≥1 n ciclos enteros en Tb t 0 frecuencia (2f1 + ∆f ) Fig. Fig. 2f1 + 2f d = 2 Tb f y como f c = f1 + f d . el ancho de banda Bc del canal será Bc = 2fb + mfb = (m + 2)fb. asimismo. la máxima frecuencia de señalización en un canal de ancho de banda Bc es correspondiente será f c = n fb = Bc y la frecuencia de portadora 3 fb B = n c . f1 = ( n − m ) b . En este caso el ancho de banda mínimo del canal será Bc = 3fb. f c = n b . entonces f c = n b . entonces f d = m b . Como ∆f = 2f d . que ∆f = Para una velocidad de transmisión Vb bps o frecuencia de señalización fb Hz. 2 2 Puede observarse. f 0 = ( n + m) b 2 2 2 2 En este caso se dice que la separación entre las frecuencias es ortogonal. En condiciones de ortogonalidad. La ortogonalidad permite estimar la máxima velocidad de transmisión por un canal de un ancho de banda dado sin efectos interferentes entre las señales.

. f0 = 1700 Hz.163a) f + f1 de entrada al receptor. del filtro de línea Asimismo. es decir. fc = 1500. 2. n = c = = 5 entero . si hacemos m = 1 y dejamos n = 5 con la misma frecuencia de señalización fb = 600 Hz. f1 = 1200 Hz y f0 = 1800 Hz ♣ Puesto que k = fd 2f m y m = d . por supuesto.164a) y si hay ortogonalidad.. . MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. Por ejemplo. Ancho de Banda en FSK El ancho de banda mínimo total de la señal FSK será. m= 2f d 400 2 2f 3000 = = ≠ entero.23 se tiene fb = 600 Hz. fd = 200 Hz. ∆f = f b = 2 f d . 1. las señales s1(t) y s0(t) del MODEM V. En transmisión a altas frecuencias. Por ejemplo... Generalmente n >> m fb 600 3 fb 600 Como m no es entero. el ancho de banda B de los canales individuales “1” ó “0” será. la separación ortogonal es muy utilizada en transmisión FSK m-aria.. en el MODEM UIT-T V. en este caso la separación mínima entre las frecuencias de transmisión es igual a la velocidad de señalización. en condiciones de ortogonalidad. Bc = 2(f b + f d ) = 2(k + 1)f b para k= y en condiciones de ortogonalidad Bc = 2(f b + f d ) = (2 + m)f b para m entero ≥ 1 (5. . . ⎧(k + 1)f b B=⎨ ⎩ 2f b para k < 1 para k ≥ 1 Bc es el ancho de banda mínimo del canal de transmisión y. entonces k = fb fb 2 Esto quiere decir que. f1 = 1300 Hz. las frecuencias que satisfacen las condiciones de ortogonalidad son: fc = 1500 Hz. en el caso (5. En el caso general (sin ortogonalidad) k tendrá cualquier valor ≥ . k tendrá los valores fijos 1 3 5 m 1 .23 no son perfectamente ortogonales.163b) fd 1 ≥ fb 3 (5. 2 general.. por ejemplo. De donde... . fd = 300 Hz. Este filtro deberá estar centrado en la frecuencia f c = o . . en el caso general.15 Las frecuencias de los módems prácticos pocas veces cumplen con las condiciones de ortogonalidad. la separación entre las frecuencias es la mínima ortogonal. 2 2 2 2 3 En el caso especial para el cual k = 1/2 (para m = 1). en microondas. k > 1 .387 V. m > 2 y B = 2fb.

167a) (5. obtenemos la relación S/N de predetección: Cuando k < 1.167c) En lo posible. ⎡ Si ⎤ A2 2 = = γ ⎢ ⎥ ⎣ N1 ⎦ FSK 3f b η 3 ⎡ S1 ⎤ A 2Tb γ A2 = = ⎢ ⎥ = 4η 2 ⎣ N1 ⎦ FSK 4ηf b (5. Para m = 1. ⎡S ⎤ γ = 2⎢ i ⎥ ⎣ N i ⎦ FSK o también [ γ ](dB) = 3. El criterio de detección es el siguiente: ⎧v d1 ( t n ) ≥ v do ( t n ) Si en el instante t = t n . 01 dB+ ⎢ ⎡ Si ⎤ ⎥ ⎣ N i ⎦ FSK (dB) (5.167b) Nótese que para k ≥ 1 o m > 1 . ⎨ ⎩v d1 ( t n ) < v do ( t n ) Habrá error en caso contrario.68 se muestra el diagrama de bloques de un receptor FSK coherente. es decir. ===> un "1" ha sido transmitido ===> un "0" ha sido transmitido . (5. Procediendo como en el caso ASK. MODULACION Y TRANSMISION DE IMPULSOS ⎧3 ⎪ fb B = ⎨2 ⎪2f b ⎩ cuando m = 1 cuando m > 1 (5. ASK. para un mejor comportamiento del sistema. Demodulación Coherente de Señales FSK En la Fig. Como una señal FSK se puede considerar como la superposición de dos sistemas ASK en donde la amplitud de las portadoras es A. Relaciones S/N en FSK Consideremos ahora la relación S/N en FSK.166) Si hay ortogonalidad. ⎡ Si ⎤ A2 γ = = ⎢ ⎥ ⎣ N i ⎦ FSK 2(k + 1)f b η k + 1 ⎡ Si ⎤ A2 A2 γ = = ⎢ ⎥ = ⎣ N i ⎦ FSK 2(2f b )η 4ηf b 2 (5.164b) Estos anchos de banda B son los utilizados para el cálculo de la relación S/N. Nótese que la potencia recibida en FSK FSK es 3 dB mayor que en ASK. esta es una ventaja muy significativa a favor del sistema FSK.388 V. entonces la potencia promedio de la señal FSK será de dos veces la potencia promedio de la señal 2 < x 2 (t ) >= 2 < x ASK (t ) >= A 2 / 2 . 5. se debe mantener la ortogonalidad.165) Cuando k ≥ 1. Para m >1.

entonces la relación [S i / N i ] FSK es 3 dB mayor que la relación [S i / N i ] ASK . 5.169) Nótese que si se compara este valor con el correspondiente en ASK no coherente. En cuanto a la probabilidad de error. Recepción Coherente en FSK. la demodulación coherente de señales FSK casi no se emplea y el estudio somero que hemos presentado aquí es más que todo para reafirmar conceptos y para efectos de comparación. expresión (5. la decisión será correcta si v d1 ( t n ) ≥ v do ( t n ) . entonces se producirá un error. Esta ya es otra ventaja del sistema FSK sobre el sistema ASK. ancho de banda y densidad espectral de ruido son las mismas. Por ejemplo. La desventaja más significativa del sistema ASK no . MODULACION Y TRANSMISION DE IMPULSOS x FSK (t ) + Ruido Blanco Filtro Canal de Línea Bc Filtro Pasabanda B Si / N i Detector Coherente Filtro Pasabajo v d1 (t ) Sincro Portadora f1 . más confiable será la decisión. si se ha transmitido un “1”. Esto se logra cuando los filtros pasabanda de los canales “0” ó “1” son filtros óptimos. resulta que las relaciones [S i / N i ] en ASK coherente y en FSK coherente son iguales. Organo de Decisión Se demuestra [Schwartz y otros. El lógico suponer entonces que cuanto mayor sea la relación S/N a la entrada de los detectores de envolvente.50). En general. 1966]. se ve que para la misma probabilidad de error en ambos sistemas las relaciones [S i / N i ] ASK y [S i / N i ] FSK son iguales. 1966] que la probabilidad de error es Pe = Eb γ 1 1 erfc( ) = erfc( ) 2 2 2 2N o (5. pero las probabilidades de error son muy distintas.44 y 5. El lector puede verificar fácilmente estos resultados (Ver Problemas de Aplicación 5. φ1 fo .168) Si se compara este resultado con el correspondiente en ASK coherente. se demuestra [Schwartz y otros. 5. que Pe = E γ 1 1 exp(− ) = exp(− b ) 2 2 2 2N o (5. Nótese que v d1 (t ) y v do (t ) son las envolventes de las señales filtradas y como tales serán afectadas por el ruido aditivo.161).69 se muestra el diagrama de bloques de un receptor FSK no coherente. Demodulación no Coherente de Señales FSK En la Fig.389 V. El criterio de decisión es el mismo que en el caso de detección coherente. Si esta desigualdad se invierte. pero en FSK no se necesita un umbral de detección. vemos que si las condiciones de amplitud de portadora. si las probabilidades de error son las mismas en ambos sistemas.68. φ o Comparador tn _ Sincro Temporización Filtro Pasabajo "1" ó "0" t n Filtro Pasabanda S / N i i B v do ( t ) Detector Coherente Fig. Sin embargo.

390 V. f0 = 2100 Hz.169) se grafica en la Fig. MODULACION Y TRANSMISION DE IMPULSOS coherente es la necesidad de optimizar el umbral de detección para cada valor de la relación [S i / N i ] ASK . como se muestra en la Fig.70. 5. las frecuencias de transmisión son f1 = 1500 Hz y f0 = 2100 Hz. Ni η = 2 x10 −8 W/Hz De la Fig. Verificar también si la separación entre las frecuencias cumple con las condiciones de ortogonalidad. 5. La relación S/N en el canal es de 6. la frecuencia de portadora. el ancho de banda del filtro de entrada. Se utiliza un módem que trabaja a una velocidad de modulación de 300 baudios. B fb B 0 1500 fc Bc Fig.70.69.021 dB y la densidad espectral de potencia de ruido es igual a 10-8 W/Hz. el ancho de banda de los filtros de canal. El ancho de banda útil del canal es de 3 kHz. la potencia "1" fb "0" 2fd de entrada y la probabilidad de error tanto en coherente como en no coherente. f1 = 1500 Hz. 5. mientras que este problema no existe en FSK. Solución: Bc = 3 kHz. ♣ Ejemplo 5. Recepción no Coherente en FSK. 5. Filtro de canal. En FSK.78 Detector Filtro S i / N i de Pasabanda Envolvent e B Sincro Temporización Filtro S i / N i Pasabanda B Detector de Envolvente x FSK (t ) + Ruido Blanco Canal Filtro de Línea Bc v d1 (t ) tn Organo "1" ó "0" de t Decisión a t = n v do ( t ) Fig. Bc = 2(fb + fd) = 1200 Hz. Vamos a determinar la desviación de frecuencia. 5. B = 2fb = 2x300 = 600 Hz ⎡ Si ⎤ =8 γ = 2⎢ ⎥ ⎣ Ni ⎦ FSK . La expresión (5. fb = 300 Hz.021 dB = 4 . fd = (2100-1500)/2 = 300 Hz fc = 1500 + 300 = 1800 Hz Filtro de entrada.70 2100 f Si = 6.16 Sobre un canal telefónico se transmite datos binarios en FSK.

la máxima velocidad de transmisión por un canal de ancho de banda Bc se tiene cuando m = 1 y k =1/2. Filtros de canal. la desviación de frecuencia. B = ( k + 1)f b = 3 f b = 1500 Hz 2 ⎡S ⎤ γ = 2⎢ i ⎥ =8 ⎣ N i ⎦ FSK γ= A2 ∴ A = 2ηf b γ = 2x 2x10 −8 x1000x8 = 17.391 V. −8 fb = Bc f = 1000 Hz.158x10−3 2 2 Veamos si cumple con las condiciones de ortogonalidad. n = c = = 12 entero fb 300 fb 300 m y n son enteros y n > m. la 2 La frecuencia de portadora fc debe quedar centrada en el canal. el ancho de banda de los filtros de canal. ♣ Ejemplo 5.8x10−3 ) 2 = = 0. cuando Bc = 3fb. este módem cumple con las condiciones de ♣ Como ortogonalidad. Pe = En No Coherente. la potencia de entrada y la probabilidad de error tanto en coherente como en no coherente.17 Sea el mismo canal telefónico del ejemplo anterior. f d = b = 500 Hz 3 2 fb . Puesto que f c = n frecuencia de portadora quedará centrada en el canal cuando n = 3. Si/Ni = 4 η = 2x10 W/Hz Determine la máxima velocidad de transmisión en condiciones de ortogonalidad. En este caso. Solución: En condiciones de ortogonalidad. donde Bc = 3kHz. fc = 3 f b = 1500 Hz . m= 2f d 2 x300 2f 2x1800 = = 2 entero.9 mV 2ηf b . es decir. Entonces. En FSK. 048 mW 2 2 La potencia de entrada será Probabilidad de error: En Coherente. 1 γ erfc( ) = 2. las frecuencias de los UNOS y los CEROS. MODULACION Y TRANSMISION DE IMPULSOS γ= A2 ∴ A = 2ηf b γ = 2x 2x10 −8 x 300x8 = 9. Vb = 1000 bps. 2 f0 = fc + fd = 2000 Hz f1 = fc – fd = 1000 Hz. la frecuencia de portadora.8 mV 2ηf b < x 2 (t) >= FSK A 2 (9.339x10−3 2 2 1 γ Pe = exp(− ) = 9.

01 dBm 2 N i = Bη = 1600x2 x10 −11 = 3.23 es de 1 mV y se reduce a la mitad en el Módem V.95 dBm de donde Si 5x10 −7 = = 15.625 = 11. se tiene Si = A2 = 5x10 −7 W = -33.21. Nótese que las probabilidades de error no han variado.505x10 −6 En FSK coherente: 2 1 En FSK no coherente: Pe = exp(− γ / 2 ) = 1. Tb = 1 400 1 . f d = 400 y k = = 1200 1200 3 El ancho de banda mínimo del canal de transmisión es.164b) el ancho de banda de los canales “1” ó “0” es B = f b + f d = 1200 + 400 = 1600 Hz . de (5. pues el ancho de banda de transmisión necesario es igual al ancho de banda útil del canal disponible. cuyo ancho de banda útil es de 3.2 kHz. Puesto que k < 1.2 x10 −8 γ= A 2 Tb 10 −6 = = 20. se desea transmitir datos binarios utilizando los Módems UIT-T FSK V. La amplitud de la portadora en el Módem V.21. MODULACION Y TRANSMISION DE IMPULSOS A 2 (17.9x10−3 ) 2 = = 0. La densidad espectral de ruido en el sistema es de 10-11 W/Hz.938 dB N i 3.496x10 −5 2 De (5. .33 veces.833 2η 2x1200x 2x10 −11 1 Pe = erfc ( γ / 2 ) = 2 . Con A 2 = 10 −6 V.339x10−3 2 2 1 γ En No Coherente.23 El Módem V. ♣ ♣ Ejemplo 5. con una velocidad de modulación de 1200 baudios.163a).392 V. (a) Transmisión con el Módem UIT-T V. Pe = exp( − ) = 9.23 y V.23 transmite y recibe a las frecuencias f1 = 1300 Hz y f o = 2100 Hz . de (5. Transmisión de Datos con Módems UIT-T Sobre un canal telefónico. En este caso. Pe = erfc( ) = 2. ∆f = 2100 -1300 = 800 Hz.158x10−3 2 2 La potencia de entrada será < x 2 (t) >= FSK En este caso se ha hecho un uso más eficiente del canal: la velocidad de transmisión y la potencia de entrada han aumentado 3. 1 Bc = 2 ( + 1) ⋅ 1200 = 3200 Hz 3 Se puede efectuar la transmisión. f b = 1200 Hz. η / 2 = 10-11 W / Hz. Vamos a determinar todos los parámetros asociados tanto en FSK coherente como en FSK no coherente.16 mW 2 2 1 γ Probabilidad de error: En Coherente.18.2x10 -8 W = -44.152).

f BS = 1750 Hz . sino que distribuiremos uniformemente los diferentes anchos de banda de acuerdo con las frecuencias de portadora del Módem V.21. que estarán centrados en las frecuencias f BI = 1080 Hz. ∆f = 200 Hz. f I0 = 1248 Hz. 5.71 El lector puede tomar el ancho de banda de los filtros de canal en forma diferente.393 V. fS0 = 1918 Hz . Se obtiene así una configuración como la mostrada en la Fig. f d = 100 Hz. Para los filtros de banda: B BI = B BS = 670 Hz . MODULACION Y TRANSMISION DE IMPULSOS (b) Transmisión con el Módem UIT-T V. Tb = . Entonces.71. que estarán centrados en las frecuencias f I1 = 912.833 2 2 ηf b 4x 2x300x 2 x10 −11 Si = A2 = 1. Entonces.71. B c = 1340 Hz . 5.71 dB Ni Las probabilidades de error son las mismas que en el caso (a). γ= = = 20.74 dBm .03 dBm 2 N i = Bη = 335x 2x10 −11 = 6.7 x10 −9 W = -51. k = 300 3 En el presente ejemplo no vamos a utilizar fórmulas para determinar el ancho de banda de los filtros y canales. Banda Inferior "1" 235 200 "0" 235 235 Banda Superior "1" 200 "0" 235 B I1 745 980 1080 1180 B I0 1415 B S1 1650 1750 1850 B S0 Hz f 2085 B BI Bc B BS Fig.66 = 12. mientras que en la banda superior f1 = 1650 Hz y f o = 1850 Hz .5 Hz. es decir. La velocidad de modulación es de 300 baudios. En la banda inferior las frecuencias de portadora son f1 = 980 Hz y f o = 1180 Hz .21 tiene dos bandas: por una recibe y por la otra transmite.21 El Módem UIT-T V. f S1 = 1583 Hz. que estará centrado en la El ancho de banda para el cálculo de la potencia de ruido es el ancho de banda de los filtros de canal. .21.25x10 −7 W = -39. 1 1 f b = 300 Hz. B = 335 Hz. Para el filtro de línea o ancho de banda total: frecuencia f c = 1415 Hz. Distribución de Anchos de Banda en el Módem UIT-T V. se tiene los siguientes anchos de banda: Para los filtros de canal: B I1 = B I0 = B S1 = B S0 = 335 Hz . 5. Si = 18. 10 −3 10 −6 A2 A= V. De la Fig.

5. Las inversiones de fase pueden producir transientes indeseables pero. 5.394 V. ⎨ ⎩v d ( t n ) < 0 Habrá error en el caso contrario. MODULACION Y TRANSMISION DE IMPULSOS El Módem V. Nótese la semejanza con el receptor coherente ASK. pues el detector de envolvente elimina toda la información de fase. . El criterio de decisión adoptado es el siguiente: ⎧v d ( t n ) ≥ 0 Si en el instante t = t n . 5. esto no quiere decir que la demodulación pueda efectuarse con detección de envolvente. En la Fig. en general.78. Modulación Binaria de Fase (PSK) En la modulación binaria PSK. 5. Puesto que por cada banda se puede transmitir datos a 300 bps. Nótese que cuando se dice que la demodulación DPSK no es coherente. Fig.21 es realmente de 600 bps. La señal PSK tiene la forma x PSK ( t ) = A ⎧0 φi = ⎨ ⎩π ∞ n =−∞ ∑ cos(2πf t − φ ) ⋅ Π( c i t − nTb ) Tb (5. la fase de la portadora sinusoidal se conmuta entre dos valores de acuerdo con el código PCM. por lo tanto es el más utilizado.63. 1966] Pe = Eb 1 1 erfc( γ ) = erfc( ) 2 2 No (5.7. pero en el receptor PSK el elemento de decisión es mucho más sencillo pues se trata de determinar la polaridad (positiva o negativa) de vd(t) en el instante de decisión. La probabilidad de error es [Schwartz y otros. que en DPSK es justamente el soporte de la información.72 se muestra el diagrama de bloques de un receptor PSK.170) donde si se ha transmitido un "1" si se ha transmitido un "0" En la Fig. las discontinuidades son alisadas por los filtros utilizados. 5. El primer tipo es la modulación binaria de fase propiamente dicha (PSK). Demodulación de Señales PSK La demodulación de señales PSK es esencialmente coherente. Un desfase de 180o es una selección muy conveniente porque simplifica los circuitos de modulación y demodulación. Existen dos tipos principales de modulación binaria de fase que dependen de si la demodulación es o no coherente.171) ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Esta expresión se grafica en la Fig. mientras que el segundo tipo es la “Modulación Binaria Diferencial de Fase (DPSK)”.57(d) se muestra la forma de las señales PSK.21 es un módem que puede simultáneamente transmitir por una banda y recibir por la otra. el intercambio neto de datos en el Módem V.5.

no con respecto a un valor absoluto. la referencia de fase para la demodulación se deriva a partir de la fase de la portadora en el intervalo de señalización anterior. en transmisión por microondas. Modulación Binaria Diferencial de Fase (DPSK) En los sistemas de modulación binaria de fase. Recepción Coherente en PSK. 0o de desfase desde el intervalo anterior puede designar un ”1”. φ c Organo de Decisión Filtro Pasabanda Sincro Portadora + _ "1" ó "0" a t = tn Sincro Temporización tn Fig. en estaciones remotas o en satélites de telecomunicación. sino más bien por codificación diferencial en términos del cambio de fase entre intervalos sucesivos. . entonces la fase se puede codificar. 5. Por ejemplo. la relación [S i / N i ] PSK es 3 dB menor que la relación [S i / N i ] ASK . el cual es la combinación de un codificador diferencial y un modulador PSK. o lo que es lo mismo.72.73 se muestra el diagrama de bloques de un modulador DPSK. Si las perturbaciones en el canal y otros factores como la estabilidad de los osciladores son lo suficientemente estables y no afectan la fase entre intervalos adyacentes. la potencia necesaria para transmitir una señal ASK coherente es el doble que la necesaria para transmitir la misma información en PSK. mientras que un desfase de 180o puede designar un “0”. MODULACION Y TRANSMISION DE IMPULSOS x PSK (t ) + Ruido Blanco Canal Si / N i Detector Coherente Filtro v d ( t ) Pasabajo fc . Comparando estos valores respecto a ASK coherente. Esto es de particular importancia en sistemas en donde la potencia es el factor limitativo como. En la Fig. vemos que para la misma probabilidad de error. por ejemplo. y el receptor descodifica la información digital basada en esa diferencia de fase. 0o para un “1” y 180o para un “0”. por ejemplo.395 V. 5.

se puede utilizar en cualquier sistema digital y no es privativa del sistema DPSK.74. Esta es otra ventaja del sistema DPSK sobre el sistema PSK. 5. MODULACION Y TRANSMISION DE IMPULSOS En la Fig.74 suponemos que la frecuencia de portadora es igual a la frecuencia de señalización. Nótese que la codificación diferencial.74 se muestra las formas de onda de las señales moduladas PSK y DPSK para la secuencia de entrada dada. 5. en la corta secuencia de 10 dígitos binarios la señal PSK tiene 6 transiciones y al codificarla diferencialmente el número de transiciones disminuye a cuatro. En la siguiente Tabla se muestra el mecanismo de codificación y descodificación diferencial tanto en el transmisor como en el receptor. es decir. en la Fig. Formas de las Señales Moduladas PSK y DPSK Nótese que el número de transiciones en DPSK ha disminuido en relación con el número de transiciones en PSK.396 V. las transiciones producen transientes indeseables que pueden perjudicar la sincronización de temporización y su disminución es muy deseable. 1 Tb 1 0 Tb 1 0 1 1 0 0 1 SECUENCIA BINARIA NORMAL (a) Señal Modulada en Fase (PSK) 1 1 0 0 1 1 1 0 1 1 SECUENCIA BINARIA CODIFICADA DIFERENCIAL (b) Señal Modulada en Fase Diferencial (DPSK) Fig. Para facilitar el dibujo de las formas de onda. en efecto. Como ya lo hemos señalado. en sí misma. . 5. f c = f b .

5. x DPSK (t n −1 ) = A cos(2πf c t n −1 − φ n −1 ) El lector puede verificar fácilmente que a la salida del filtro pasabanda.172) φi = 0 ó π Consideremos un intervalo Tb de orden n. Receptor DPSK con Detección por Retardo. x DPSK (t n ) = A cos(2πf c t n − φ n ) Como el retardo es igual a Tb . x DPSK (t ) + Ruido Blanco Canal Si / N i Filtro Pasabanda Retardo Tb Detector de Fase Filtro Pasabajo Sincronización de Temporización v d (t ) Organo "1" ó "0" de t Decisión a t = n tn Fig.75. por lo tanto. La señal DPSK recibida tiene la misma forma de la señal PSK.397 V. en efecto. donde t = t n . x DPSK ( t ) = A donde o n =−∞ ∑ Π( ∞ t − nTb )cos( 2πf c t − φ i ) Tb (5. de (5.172). 5. 5.75. MODULACION Y TRANSMISION DE IMPULSOS Tabla de Codificación y Descodificación DPSK Un ejemplo de la instrumentación de un receptor DPSK se muestra en la Fig. Fig. a la salida de la red de retardo estará presente la señal DPSK correspondiente al intervalo anterior (n-1). Esta técnica se denomina “detección por retardo” y no necesita sincronización de portadora pero sí de temporización. En ese intervalo.75. .

176) En la Fig. como veremos en el Capítulo VI. La probabilidad de error en modulación DPSK es [Schwartz y otros. sin embargo. en el caso general. Los requerimientos de ancho de banda son los mismos que en ASK. con la diferencia de que la densidad espectral PSK no contiene un impulso a la frecuencia de portadora. mientras que el sistema PSK. lo que impide la transmisión de datos en forma asincrónica. 5. expresión (3. Sin embargo. por lo menos a los intervalos adyacentes. Si se compara DPSK con PSK.62. En el Capítulo III. Pe = E 1 1 exp(− γ ) = exp(− b ) 2 2 No (5. el sistema DPSK está “enganchado” a una frecuencia de señalización específica. S PSK (f ) = A 2 Tb 4 ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢ sinc ( fb fb ⎦ ⎣ (5. calculamos la función de autocorrelación y la densidad espectral para este tipo de señal: R A (τ ) = A 2 Λ ( τ f ) ⇔ S A (f ) = A 2 Tb sinc 2 ( ) Tb fb y del teorema de la modulación para señales de potencia. 1966].173) Como | ∆φ| = 0 o o π . Ancho de Banda y Relaciones S/N en Sistemas PSK y DPSK Para efectos del cálculo de la densidad espectral y de la potencia. con un período de repetición Tb.76 se muestra esta densidad espectral (frecuencias positivas solamente). la modulación PSK (y DPSK) se puede considerar como una modulación ASK donde la secuencia binaria de entrada es una señal aleatoria bipolar NRZ.175) donde A(t) es una secuencia aleatoria binaria bipolar NRZ de amplitud ±A .398 V. Fig. se observa que el sistema DPSK requiere un poco más de potencia que el sistema PSK. es suficiente verificar el signo de vd(t). 5. es decir. no hay que confundir similaridad con igualdad: el sistema ASK es un esquema de modulación lineal. En este caso la señal PSK se puede escribir en la forma x PSK (t ) = A (t ) cos(2πf c t ) (5. 5. esta desventaja se compensa con creces por el hecho de que DPSK no requiere detección coherente. .175). el criterio de decisión será entonces igual al del caso PSK. es un esquema de modulación no lineal. MODULACION Y TRANSMISION DE IMPULSOS v d (t n ) = A2 A2 cos(φ n − φ n−1 ) = cos(∆φ ) 2 2 (5. Nótese que la densidad espectral de potencia de la señal PSK (y DPSK) tiene la misma forma que la correspondiente en ASK.174) Esta expresión se grafica en la Fig. debido a la correlación entre las señales de temporización y el ruido sobre dichos intervalos. Por otra parte. debido al retardo fijo Tb en el receptor. B = 2 f b = 2 / Tb . Otro problema menor en DPSK es que los errores tienden a propagarse.78.

entonces. En la Sección 5. de (5.1 determinamos la relación S o / N o vs Pe en un sistema PCM.178a).178a) (5. La potencia dada por (5.177) es toda potencia útil. de (5.01 dB + ⎢ i ⎥ ⎣ N i ⎦ PSK(dB) (5. ⎡S ⎤ [γ ] dB = 3. MODULACION Y TRANSMISION DE IMPULSOS La potencia de la señal PSK se puede calcular en la misma forma que en el caso ASK. pero como < A 2 (t ) >= R A (0) = A 2 . es decir.399 V.111). Consideremos ahora las relaciones S/N de postdetección.177) PSK 2 Esta es la potencia de portadora en PSK. < x 2 (t ) >= < A 2 (t ) > . y como entre una señal PSK y una DPSK no hay diferencia desde el punto de vista espectral. Utilizando esos resultados y los de la presente sección. PSK 2 2 A < x 2 (t ) >= (5.4.175). expresión (5. vamos a determinar las relaciones [S o / N o ] vs [S i / N i ] tanto en PSK como en DPSK. ⎡ Si ⎤ A 2 Tb γ A2 = = = ⎢ ⎥ 4η 2 ⎣ N i ⎦ PSK 2 Bη y en dB. la potencia en DPSK es la misma que la de PSK. a diferencia de ASK en la cual la mitad de la potencia se pierde en la transmisión de la portadora (impulso en fc). So 2 2n = N o 1 + 2 2( n +1) Pe y γ =2 S1 Ni . En 1 efecto.178b) Estas expresiones son válidas también en DPSK. Como B = 2 f b = 2 / Tb y la potencia de portadora es A2/2. En efecto. la relación S/N de predetección es igual que en el caso FSK.111) y (5.

179b) En DPSK. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. Un examen más atento de las figuras muestra que el umbral en PSK está por debajo del umbral en DPSK en aproximadamente 1 dB. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. y en DPSK. para diferentes valores de n. que es mucho más fácil de calcular. 5. el efecto del umbral tanto en PSK como en DPSK. por lo tanto.181) ⎡ Si ⎤ ⎡ Si ⎤ ⎥ ≥ ⎢ ⎥ para no caer dentro de la región umbral. En efecto. MODULACION Y TRANSMISION DE IMPULSOS donde.113). lo cual nos permite aproximar el valor de la relación [S i / N i ] min en PSK conocida la correspondiente en DPSK.693 ⋅ n ⎢ ⎥ ⎣ N i ⎦ min Debe verificarse que ⎢ en DPSK (5.022 + 0. . So = No 22n 1+ 2 2 n +1 S erfc( 2 i ) Ni dB (5. ⎣ N i ⎦ ⎣ N i ⎦ min El valor de la probabilidad de error óptima viene dada por (5. de (5.171). Nótese. S exp(−2 i ) Ni dB (5. 5.473x10 −2 ⎛⎡ S ⎤ ⎞ 1 f ⎜ ⎢ i ⎥ ⎟ = exp⎜ −2⎢ i ⎥ ⎟ = para n entero ⎟ ⎟ ⎜ ⎜ N 2 2n ⎝ ⎣ N i ⎦ min ⎠ ⎝ ⎣ i ⎦ min ⎠ 2 Resolviendo esta ecuación. la relación [S i / N i ] min en PSK es aproximadamente 1 dB menor que la relación [S i / N i ] min en DPSK.02 ⋅ n − 10 ⋅ log10 [1 + 2 exp(−2 )] Ni ⎣ N o ⎦ dB (5. de (5. en PSK.174).400 V.180a) y en dB.77 se grafican estas expresiones.180b) En la Fig. el valor de [S i / N i ] min será ⎡ Si ⎤ = 1.02 ⋅ n − 10 ⋅ log10 [1 + 2 erfc( 2 )] Ni ⎣ N o ⎦ dB So = No 2 2n 1+ 2 2 n +1 (5. en dB.113): ⎛ ⎡ S ⎤ ⎞ 6. en la Fig. Pe = Pe = S 1 erfc( 2 i ) 2 Ni S 1 exp(−2 i ) 2 Ni Las relaciones S/N de postdetección correspondientes serán En PSK.77. el valor de [S i / N i ] min en DPSK se puede obtener a partir de la expresión (5.179a) y en dB.

98 dBm Si La relación S/N de predeteccion será = 12.165 dB ⎢N ⎥ Si ⎣ o ⎦ 1 + 217 exp(−2 ) Ni y la relación So/No mínima. ⎡ So ⎤ 216 = = 6. n = 8. A = 0. la densidad espectral de potencia del ruido es de 10-10 W/Hz y la amplitud de la portadora es de 10 milivolts.5 = 10.567 = 8. en DPSK y en PSK. Si = = 5x10− 5 W = −13. Vamos a determinar. Las palabras binarias contienen 8 dígitos binarios. Bc = 3 MHz.554 x104 = 48. de (5. (a) En DPSK A2 A 2Tb = 25.401 V. η = 2x10-12 W/Hz . las relaciones S/N de pre y postdetección y constatar si el sistema está trabajando sobre o bajo el umbral.19 Por un canal de microondas cuyo ancho de banda es de 3 MHz se transmite datos binarios a una velocidad de 1 Mbps. ⎡ Si ⎤ = 6.01 V El ancho de banda para el cálculo de la potencia de ruido es B = 2f b = 2 MHz.01 dBm 2η 2 −6 N i = Bη = 4x10 W = -23. para n = 8.97 dB Ni γ = Como n = 8. f b = 106 Hz. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5.181). .174 dB ⎢ ⎥ ⎣ N i ⎦ min La relación S/N de postdetección es. Tb = 10−6 . entonces la relación S/N mínima de predetección es.

5231 dB = 5.78 en la cual se muestra Pe vs γ .6.402 V. De donde. . Puesto que [So/No] > [So/No]min . Sin embargo.7.162 dB ⎢ ⎥ Si ⎣ N o ⎦ min 1 + 217 exp(−2[ ]min ) Ni Nótese que esta relación está a 1 dB por debajo de So/No. γ y n. en la práctica la selección de un esquema de modulación depende más bien de la aplicación correspondiente. El eje de las abscisas debe entenderse entonces como una función de la potencia pico recibida (o transmitida) A2 . el sistema está trabajando sobre el umbral.165 dB Dando valores a [Si/Ni]min para que la relación [So/No]min quede a 1 dB por debajo de su valor [So/No] . donde γ = A 2 Tb / 2η es la relación S/N normalizada. ⎣ N i ⎦ min ⎡ So ⎤ ⎢ ⎥ = ⎣ N o ⎦ min 22n 1+ 2 2n +1 ⎡ ⎤ Si ⎢erfc( 2[ ]min ) ⎥ Ni ⎣ ⎦ = 47. Nosotros vamos a comparar los sistemas en base a la potencia. son las mismas que en el caso (a).944x10−12 2 Ni (b) En PSK Las relaciones Si/Ni . a este efecto. 203x104 = 47.554x104 = 48.158 dB Puesto que [So/No] > [So/No]min . la probabilidad de error Pe y las condiciones de ruido son las mismas. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 216 = = 5. se puede utilizar las fórmulas dadas para el cálculo de la probabilidad de error Pe y la Fig 5.653 . 1 S La probabilidad de error es Pe = exp(− i ) = 6. vamos a suponer que la frecuencia de señalización fb . y de los requerimientos de potencia. el sistema está trabajando sobre el umbral. S 1 La probabilidad de error es Pe = erfc( 2[ i ]) = 7. siendo el valor pico A2 es el mismo para todos los sistemas. ⎡ So ⎤ ⎢ ⎥= ⎣ No ⎦ 22n ⎡ S ⎤ 1 + 22n +1 ⎢erfc( 2[ i ]) ⎥ Ni ⎦ ⎣ = 6. 687x10−13 2 Ni 5. Recuérdese que la potencia promedio en ASK es A2/4. Para hacer una comparación respecto a la potencia requerida. de los equipos existentes. la relación S/N normalizada γ y la complejidad del equipo. obtenemos ⎡ Si ⎤ ⎢ ⎥ = 7. el rendimiento de transmisión ηB . Comparación entre los Sistemas de Modulación Binaria ♣ En cualquier sistema de modulación digital la meta de un buen diseño es la de lograr el mejor compromiso entre la probabilidad de error Pe.

Las curvas de la Fig. PSK y DPSK. si en el canal se produce “desvanecimiento (fading)” de la señal. el sistema FSK coherente tampoco se emplea debido más que todo a los problemas de sincronización de las portadoras utilizadas. 5. MODULACION Y TRANSMISION DE IMPULSOS mientras que es A2/2 en FSK. seguido de DPSK. los sistemas PSK. En la práctica. Los modems comerciales a menudo trabajan con los tres tipos de modulación. En cuanto a la instrumentación práctica de estos sistemas. Si la comparación se hace en términos de la potencia promedio. FSK coherente. más complicada. y por supuesto el costo. pero en el receptor la complejidad dependerá de si se utiliza detección coherente o no coherente. Tomando como referencia el sistema PSK. el sistema ASK casi no se emplea por la alta potencia pico que demanda y por los problemas de ajuste del umbral.403 V. sin duda. DPSK. ASK coherente y ASK no coherente. Por otro lado.78 muestran. para un Pe dado. de los equipos de transmisión y recepción dependen más bien de la potencia pico que de la potencia promedio. pero como el diseño. mientras que el sistema FSK coherente lo está a aproximadamente 4 dB. . pues la detección coherente es. entonces ASK y FSK tendrían las mismas características para un mismo Pe. el DPSK y el FSK no coherente. los sistemas más utilizados son entonces el PSK. Con este criterio. 5. el DPSK es menos complicado que el FSK no coherente. donde A es la amplitud de la portadora a la entrada del receptor. que el sistema PSK es el que requiere menor potencia. la comparación se hace respecto a la potencia pico requerida y es lo que se ilustra en la Fig. Entre los sistemas no coherentes. FSK no coherente. el sistema DPSK está a aproximadamente 1 dB por encima. FSK y ASK difieren muy poco en lo que se refiere al transmisor.78.

con una velocidad de transmisión de 64 kbps y un ancho de banda de 38 kHz. sobre un canal telefónico. Los sistemas más utilizados en la práctica son el PSK M-ario. Velocidades de información superiores a 14400 se pueden lograr pero solamente mediante compresión de datos. En un caso práctico. podemos establecer algunos criterios o guías para simplificar el procedimiento de selección. se utiliza PSK 4-ario en el sistema SPADE para la transmisión de señales PCM mediante el satélite INTELSAT. el Módem UIT-T V. se puede transmitir M valores de amplitud. estaciones remotas y comunicaciones espaciales). el diseñador del sistema debe ponderar cada situación y seleccionar un sistema de acuerdo con las especificaciones que se establezcan para el proyecto. es decir. frecuencia o fase de una portadora sinusoidal. MODULACION Y TRANSMISION DE IMPULSOS entonces hay que utilizar sistemas no coherentes debido a la gran dificultad para establecer la sincronización local en el receptor cuando hay perturbaciones en el canal. (b) Si el consumo de potencia es lo más importante. los sistemas más apropiados son el PSK coherente y el DPSK. hasta 14400 bps con una velocidad de modulación máxima de 2400 baudios. Estas guías son las siguientes: (a) Si el ancho de banda es el parámetro más importante. el rendimiento del canal aumenta. Las técnicas M-arias en ASK y PSK no aumentan el ancho de banda requerido. el DPSK M-ario y el FSK M-ario de Banda Ancha.1. si el nivel de ruido o cualquiera otra distorsión de la señal lo permite. En tales casos. por ejemplo.8. Cuando el ancho de banda del canal es un factor limitativo. Una fuente muy importante de información sobre los sistemas de modulación digital prácticos son los catálogos de los fabricantes de los equipos. Utilizando las técnicas M-arias se puede transmitir información. la frecuencia de señalización está limitada a un valor del orden del ancho de banda del canal de transmisión. mientras que las técnicas FSK M-arias consumen menor potencia pero aumentan el ancho de banda requerido.8. Sin embargo.32 permite la transmisión. En la práctica pocas veces se encuentra un canal que tenga el ancho de banda exacto para transmitir una señal mediante técnicas binarias. Por ejemplo.90. a una velocidad de 9600 bps y con una velocidad de modulación máxima de 2400 baudios. Sin embargo. Sin embargo.404 V. . deben utilizarse los sistemas coherentes ya que ellos demandan menor potencia que los no coherentes para una velocidad de señalización y probabilidad de error dadas. se utilizan las técnicas M-arias para transmitir la información sobre el canal pasabanda. Aún cuando el canal tenga un ancho de banda mayor que el requerido en modulación binaria. las técnicas PSK y DPSK M-arias conservan el ancho de banda aunque se aumenta el requerimiento de potencia. las técnicas M-arias se utilizan para mejorar la inmunidad al ruido aunque se aumente la demanda de potencia. los sistemas no coherentes son preferibles a los coherentes. los sistemas DPSK y el PSK coherente son los más apropiados. (c) Si la complejidad del equipo es un factor limitativo y las condiciones del canal lo permite. En los enlaces de microondas usualmente se utiliza PSK 4-ario y 8-ario. En esta forma. pero con técnicas de compresión de datos puede llegar a 38400 bps y a 56 kbps con el Módem V. si el transmisor tiene limitaciones severas en cuanto a la potencia disponible (caso de satélites. Introducción La mayoría de los sistemas de transmisión de datos a baja velocidad opera bajo el principio de la codificación binaria. mientras que en FSK M-aria el ancho de banda requerido es mayor para un mismo incremento en el “empaquetamiento” de bits. cada baudio puede transportar más de un bit de información. sobre un canal telefónico. 5. MODULACION DIGITAL M-aria MEDIANTE PORTADORA MODULADA 5. En efecto.

⋅⋅⋅⋅. para m = 0. 5.79(b). 5.182b) tiene una forma canónica que nos permite utilizar un esquema de generación de señales M-PSK de la forma mostrada en la Fig. la señal s m (t ) se puede escribir en la forma siguiente: s m (t ) = X m cos(2πf c t ) + Ym sen(2πf c t ) Y 2 y en forma polar. La duración de cada muestra de señal es también Ts y las M posibles formas de la señal sinusoidal son s m (t ) = A cos(2πf c t − 2πm / M ) para m = 0. 2. como se muestra en la Fig 5. (M-1) (5. el modulador M-ario procesa.79. depende de la secuencia particular de L dígitos a transmitir. 5. en el mismo tiempo Tb .405 V.. El convertidor Serie/Paralelo forma bloques de L dígitos los cuales son aplicados a un codificador cuyas salidas son X m y Ym . (M .182b) (5.. factores que dependerán del esquema de modulación utilizado. En los sistemas M-arios el mecanismo de modulación es similar. pero se habrá introducido algunas restricciones sobre la potencia y el ancho de banda de la señal transmitida.. el extremo del fasor ocupará M posiciones equidistantes en un círculo de radio A y a cada posición angular corresponderá un bloque de L dígitos. ahora es Vis = L ⋅ Vi bps. 1.80 para algunos valores de M y L. de acuerdo con la relación M = 2 L .79(a). Las salidas X m y Ym son variables analógicas cuyos valores dependen del valor del ángulo φ m asignado. el cual. 2. el modulador procesa cada dígito binario de duración Tb asignándole una cualquiera de dos señales diferentes.1) . 1. hemos visto. En efecto. La velocidad de transmisión ha aumentado L veces. a su vez. MODULACION Y TRANSMISION DE IMPULSOS En los sistemas binarios. . siendo la velocidad de transmisión Vi = 1 / Tb bps. donde M = 2 L .8. como se muestra en la Fig. es decir. como veremos a continuación. s m (t ) = X 2 + Ym cos(2πf c t − arctg m ) m Xm donde X m = A cos(φ m ) y Ym = A sen(φ m ) (5. Modulación PSK M-aria En la modulación PSK M-aria el modulador asigna a cada bloque distinto de L dígitos y duración Ts una señal sinusoidal de amplitud A. bloques de L dígitos binarios asignándole a cada bloque distinto una cualquiera de M señales diferentes posibles. Si A es constante. 5.182a) Como el ángulo φ m se mantiene constante durante cada intervalo Ts .182c) Estas expresiones nos permiten expresar la señal s m (t ) en forma fasorial.2. Modulación M-PSK .. La expresión (5. y Ym A fc φm A sen(φ m ) x Xm Entrada Binaria Xm Convertidor L Dígitos Codificador Serie/ Paralelo Ym cos(2πfc t ) sen(2πfc t ) sm (t ) 0 A cos(φ m ) fbL fs (a) Fasor M-PSK (b) Modulador M-PSK Fig. frecuencia f c pero con un ángulo o desfase φ m = 2πm / M .

81 unas asignaciones de L dígitos a las M fases de señales sinusoidales representadas en forma fasorial. La asignación mostrada es arbitraria. . lo cual se verifica en la mayoría de los casos prácticos. Como f s = f bL / L . x PSKM ( t ) = A n =−∞ ∑ [ cos(φ ∞ m ) cos( 2πf c t ) + sen( φ m ) sen( 2πf c t ) ] ⋅ Π( t − nTs ) Ts Dentro de un intervalo Ts . En estos casos. “patrones de fase” o “constelaciones”. En la Fig. 5. los ángulos φ m se tornan muy pequeños lo que induce a errores en la recepción. cualquiera que sea el valor de L. De acuerdo con los criterios ya aplicados en relación con el ancho de banda.80 se muestra el mecanismo de modulación M-aria.184) La expresión (5. el ancho de banda de la señal PSK M-aria es del orden de 2f s a 3f s . es decir. 5. Ts = LTbL o f s = f bL / L pues los bloques tienen L dígitos de duración TbL cada uno.182b).406 V. La señal PSK M-aria tendrá entonces la forma x PSKM ( t ) = ∞ n =−∞ ∑ A cos(2πf t − φ c m ) ⋅ Π( t − nTs ) Ts (5. MODULACION Y TRANSMISION DE IMPULSOS Cuando M > 8.176) calculada para PSK binario y es válida para f c ≥ 2f s .81(d). En este caso podemos demostrar que la densidad espectral de x Ts ( t ) es STs (f ) = A2 ⎡ f − fc ⎤ 2 f + fc ) + sinc2 ( )⎥ ⎢ sinc ( fs fs ⎦ 4 fs ⎣ (5. x Ts ( t ) = A[ cos( φ m ) cos( 2πf c t ) + sen( φ m ) sen( 2πf c t )] El espectro de esta expresión puede determinarse pues φm es una constante en dicho intervalo. y en la Fig. por ejemplo. Esto equivale a decir que la velocidad de modulación en el canal es siempre la misma.183) La información va en la secuencia de fases aleatorias {φm } También. Este tipo de esquema. esta expresión se puede escribir en la misma forma que (5. es muy utilizado en la práctica. es decir. es decir.183). el canal “verá” siempre una señal sinusoidal de frecuencia f c con cambios de fase cada Ts segundos. el patrón de fase del Módem UIT-T V. . y aumentar L veces la velocidad de información por el mismo canal en el caso binario. Nótese que fbL es la frecuencia de señalización a la entrada del modulador y f s la correspondiente a la salida. Desarrollando (5. se puede asignar bloques de L dígitos a combinaciones de amplitud y fase. 5. Estos tipos de diagrama se denominan “diagramas de Fresnel”. denominado modulación M-QAM. entonces la señal PSK M-aria permite una reducción del ancho de banda en un factor L. sin embargo.184) tiene la misma forma que la (5. pero en la UIT-T estos patrones de fase han sido normalizados. dos fasores distintos pueden tener el mismo ángulo φ m pero las amplitudes son diferentes.32 tiene la forma mostrada en la Fig. el canal “verá” siempre la misma velocidad de modulación compatible con su ancho de banda.

Fig.152). PB . En general. M = 2.094 π ) M L ⋅ sen 2 ( ⋅ PB (5.80. 5. si B B . φ = 0o o π (a) PSK Binaria. Mecanismo de la Modulación PSK Binaria y M-aria. podemos demostrar (Problema de Aplicación 5.187) . L = 3 x (b) Modulación PSK M-aria. En efecto.185) Sería de interés comparar el sistema PSK M-ario con el sistema PSK binario para una misma probabilidad de error. γ s ” en la forma A 2 Ts γs = = 2⋅ γ 2η donde γ ya se definió en (5. BM = PM = BB L 1. L = 4 Fig. L = 1 y 01 00 x 10 11 (a) Modulación PSK Binaria Señal Aleatoria Binaria 1 2 L Dígitos 3 4 L "1"/"0" (b) PSK 4-aria. (d) QAM 16-aria. 5. 1979] es ⎡ π ⎤ Pe = erfc ⎢ γ s sen2 ( ) ⎥ M ⎥ ⎢ ⎣ ⎦ (5.186) (5. M = 8. respectivamente. L = 2 010 110 111 y 101 011 y 001 000 x 100 "1"/"0" "1"/"0" "1"/"0" "1"/"0" ViL = L ⋅ Vi1 A Señal 0 PSK M-aria -A TbL Ts = L ⋅ TbL fc . M = 16.407 V. φm = 2πm / M (c) PSK 8-aria.54) que para una probabilidad de error de 10-4. se puede definir la “relación S/N normalizada M-aria. B M y PM son los anchos de banda y potencias en binario y M-ario. para un sistema PSK M-ario la probabilidad de error Pe [Shanmugam. M = 4. Asignación de Fases en PSK M-aria Puesto que f bL = Lf s .81. MODULACION Y TRANSMISION DE IMPULSOS Señal Aleatoria Binaria 1 Dígito "1" / "0" 1 y 0 x Vi1 = 1 / Tb1 A Señal 0 PSK Binaria -A Ts = Tb1 fc .

se ha demostrado [Lucky y otros.83 se muestran las relaciones entre los anchos de banda y la potencia en PSK M-ario y PSK binario para una probabilidad de error de 10-4.82 se grafica la probabilidad de error Pe vs γ s para algunos valores de M. En este caso se utiliza el esquema M-QAM. Para M > 8. M 4 8 16 32 BM BB / 2 BB / 3 BB / 4 BB / 5 PM 1.57 dB 13.8. en la Fig. En la Fig. 5. 5.188) En la Fig.408 V. los requerimientos de potencia se hacen excesivos y la modulación PSK M-aria no se emplea. 5.2 y pueden ser representados con las mismas expresiones y gráficos.186 PB 22.78 PB PM / P B en dB 0.39 dB 3. 1968] que en el sistema DPSK M-ario Pe = erfc( 2 γ s sen2 ( π )) 2M (5.57 dB Los sistemas PSK M-arios requieren una instrumentación mucho más compleja que los sistemas PSK binarios y por lo tanto su costo es mucho mayor.8. 5. que transmite a 9600 bps por un canal telefónico. 5.4% (0. La selección final queda a juicio del diseñador del sistema y según la aplicación deseada.32.83.84 se grafica esta probabilidad en función de γ s para algunos valores de M. . denominado también QPSK (“Q” de “quadrature” u ortogonal). 5.094 PB 2.3. Por esta razón el sistema PSK 4-ario.49 PB 7. por ejemplo.39 dB) en la potencia. pues la diferencia básica entre PSK y DPSK es que este último ha experimentado un proceso previo de codificación diferencial. Comparación entre PSK M-ario −4 y PSK Binario para Pe = 10 Los sistemas DPSK M-arios son muy similares a los estudiados en la Sección 5. Evidentemente. MODULACION Y TRANSMISION DE IMPULSOS En la Fig. Modulación DPSK M-aria Fig. se utiliza bastante en la práctica. que es un esquema de modulación compuesta Amplitud-Fase.96 dB 8.81(d) se muestra el diagrama de Fresnel del Modem UIT-T QAM V. pues el ancho de banda se reduce a la mitad con un aumento de sólo el 9. En cuanto a la probabilidad de error. la mejor selección es aquella para M = 4.

en la práctica se utilizan ambos sistemas de modulación. M = 4. el cual se transmite de primero) Suponga que fc = 1800 Hz.21).20 Un sistema DPSK 4-ario está caracterizado por el diagrama de Fresnel de la figura. algunos módems comerciales transmiten a 2400 bps en QPSK (UIT-T V. Bc = 3 kHz.22bis).79 a 5. Las Figs. por ejemplo.55). ¿Cuál será la nueva probabilidad de error y en cuantos dB aumenta la relación Si/Ni? (c) Dibuje la señal modulada DPSK de salida correspondiente a la entrada 1 0 1 1 0 1 0 0 (el dígito de la izquierda es el LSB. pero este aumento es compensado con la simplicidad de instrumentación del sistema QDPSK. Específicamente. PSK y DPSK.32 dB. MODULACION Y TRANSMISION DE IMPULSOS Cuando se compara la proba-bilidad de error en DPSK con la de PSK. Sin embargo. ♣ Ejemplo 5. Ni = ηB c = 3x10 3 x 2 x10 −11 = 6 x10 −8 W 2 2 Si = 8. η = 2x10-11 W/Hz En DPSK M-ario.22) y poseen además un canal en FSK binario para trabajar a 300 bps (UIT-T V. L = 2.3333 = 9. (a) Calcule la relación Si/Ni en el canal y la probabilidad de error (b) Si la amplitud de la portadora se aumenta al doble. A = 10-3 V.409 V.81 se aplican también en DPSK M-aria. la amplitud de la portadora es de 1 mV y la densidad espectral de ruido es de 10-11 W/Hz. un aumento del 71% solamente (Ver Problema de Aplicación 5. El ancho de banda del canal es de 3 kHz. y 01 00 x 11 10 Diagrama de Fresnel Pe = erfc( 2 γ s sen 2 ( A 2 Ts π ) ). donde γ s = 2M 2η Si = A 2 10 −6 = W. Solución: (a) Vi = 2400 bps. para M = 4 (QDPSK) este aumento es de 2. a 1200 bps en QDPSK (UIT-T V. se verifica que para altos valores de M el sistema DPSK M-ario requiere un aumento de potencia de aproximadamente 3 dB.208 dB Ni . La secuencia binaria de entrada al modulador tiene una velocidad de transmisión de 2400 bps. 5.

la codificación para la señal modulada de salida será: Para la dupla (dibit): 1 0 → φ1 = −45o . MODULACION Y TRANSMISION DE IMPULSOS fb = 2400 Hz.3333xsen 2 ( ) ) = 2.77x10-4 2 γ s sen 2 ( π π ) = 2 x 20.02 dB. y se supone que la señal de entrada 1 0 1 1 0 1 0 0 está ya codificada diferencialmente. fc = 1800 Hz Tc = 5.23 – 9. 2 x 2 x10 −11 x1200 π Pe = erfc( 2 x83.8333.47 2M 8 (b) A = 2x10-3. s 3 ( t ) = A cos(ωc t − 135 o ) “ (dibit): 0 0 → φ4 = +45o .333x10-4 seg.33 . La velocidad de modulación en el canal es también de 1200 baudios. γs = 10 −6 = 20. Ts = 8. 4 x10 −6 = 83.8333x sen 2 ( ) = 2. Para su codificación DPSK y como L = 2. fs = fb/L = 2400/2 = 1200 Hz ó 1200 bps.5 Tc La señal M-DPSK tiene la forma s m ( t ) = a cos(2πf c t − φ m ).410 V.556x10-4 seg. s1 ( t ) = A cos(ωc t + 45 o ) “ “ “ “ “ “ “ “ (dibit): 1 1 → φ 2 = −135 o . De acuerdo con el diagrama de Fresnel.47) = 4. Esto equivale a un aumento de potencia de 4 veces. (c) fs = 1200 Hz. 2 x 2 x10 −11 x1200 Pe = erfc(2. los dígitos o bits se toman de dos en dos.208 = 6. s 4 (t) = A cos(ωc t − 45o ) La señal modulada DPSK 4-aria tendrá la forma siguiente ♣ . Ts = 1. s 2 ( t ) = A cos(ωc t + 135 o ) (dibit): 0 1 → φ 3 = +135 o .812 x10 −12 8 γs = El aumento en la relación Si/Ni es de 15.

.8. La duración de cada muestra de señal s i ( t ) es también de Ts segundos. 2. 3. de la señal FSK M-aria. donde f s = 1/ Ts = f b / L es la frecuencia de señalización a la salida del modulador. a cada bloque diferente de L dígitos binarios y duración Ts se le asigna una señal sinusoidal de la forma si ( t ) = A cos(2πfi t ). de modo que se puede tomar f f1 = kfs = k b para k entero y k ≥ 1 (5.189) para i = 1. con M = 2L. Si la separación mínima entre dos frecuencias adyacentes se hace igual a la frecuencia de señalización en el canal. si 2fd = fs (separación ortogonal)....192) L En este caso la frecuencia de portadora será fc = (2 k + M − 1) fb 2L (5. 3. 5.. donde fc es la frecuencia de la portadora sin modular [Benedetto y otros.M El ancho de banda mínimo de la señal xFSKM (t) se puede estimar en la forma B min = ( f M + f d ) − ( f 1 − f d ) = 2Mf d (5. 1987]..191) L donde fb es la velocidad de señalización o de modulación a la entrada del modulador FSK M-ario.M.86 la distribución o asignación de las frecuencias de portadora para algunos valores de M y L. Modulación FSK M-aria de Banda Ancha En la modulación FSK M-aria. entonces la frecuencia instantánea en un intervalo Ts es f i = f c + (2i − 1 − M )f d . M. es decir.. para j = 2. f La frecuencia mínima f1 vendrá dada por f1 = fc − ( M − 1) fd = fc − ( M − 1) b y cual2L fb quiera frecuencia de orden j será f j = f1 + ( j − 1) . 3.411 V.190) donde f M y f1 son las frecuencias máxima y mínima.. La señal FSK M-aria tendrá entonces la forma x FSKM ( t ) = n =−∞ ∑ A cos{2π[f ∞ c + (2 i − 1 − M ) f d ]t} ⋅ Π( t − nTs ) Ts (5. MODULACION Y TRANSMISION DE IMPULSOS 5. En la Fig. entonces el ancho de banda mínimo en el canal será Mfb Bmin = Mfs = (5.. siendo fb la frecuencia de señalización a la entrada del modulador.. respectivamente. 4.. 2..4.193) . para i = 1.. La frecuencia míniL ma f1 deberá ser igual o mayor que fs . Si 2fd es la separación entre dos frecuencias adyacentes..85 se muestra el mecanismo de modulación FSK M-aria y en la Fig.. 5.

Mecanismo de la Modulación FSK Binaria y M-aria. es decir. Fig.194) Las señales s i (t ) son ortogonales en el intervalo Ts . L = 3 f8 (b) Modulación FSK M-aria.. L = 1 (a) Modulación FSK Binaria 00 01 11 10 f Señal Aleatoria Binaria L Dígitos 1 2 3 4 "1"/"0 "1"/"0 "1"/"0 "1"/"0 2f d L "1"/"0 000 001 f4 f1 f2 fc f3 (b) FSK 4-aria. Asignación de Frecuencias en FSK M-aria Por ejemplo. Bc ≥ M fb = Mfs L Fig. L = 3. M = 2.. fs f 2400 2400 = b = = 400 Hz. MODULACION Y TRANSMISION DE IMPULSOS Señal Aleatoria Binaria 1 Dígito "1" / "0" 0 1 Vi1 = 1 / Tb1 A Señal 0 FSK Binaria -A Ts = Tb1 fo o f 1 2f d f f1 fc f2 (a) FSK Binaria. M = 8. fs = = 800 Hz 3 2 2L 6 2400 2400 f c = (2 + 8 − 1) = 3600 Hz.86. se verifica que ∫ Ts 0 ⎧ A 2 Ts ⎪ = Es s i ( t ) ⋅ s j ( t ) ⋅ dt = ⎨ 2 ⎪0 ⎩ para i = j para i ≠ j (5. tienen duración Ts y todas tienen la misma energía Es. 2. 6 3 2400 f8 = 800 + 7 = 6400 Hz 3 8x2400 Bmin = = 6400 Hz 3 fd = Ortogonalidad de Señales FSK M-aria El conjunto de señales s i (t ) para i = 1. Por lo tanto. 5.. L = 2 011 010 110 111 101 100 f ViL = L ⋅ Vi1 Señal FSK M-aria A 0 -A TbL Ts = L ⋅ TbL fi = fc + (2i − 1 − M )fd 2f d f1 f2 f3 f4 fc f5 f6 f7 (c) FSK 8-aria.85. la separación mínima entre dos frecuencias adyacentes será igual . M = 4. La ortogonalidad exige también que la separación entre frecuencias adyacentes sea tal que 2fd = fs .5..412 V.. 2fd = 800 Hz. 3. fb = 2400 bps y k = 1. si M = 8. M es ortogonal. f1 = = 800 Hz.

88. en PSK o DPSK M-aria. 5. Una desventaja adicional es la creciente complejidad de los equipos de transmisión y recepción tanto en recepción coherente como no coherente. 1987].87. que ya hemos encontrado también en PPM. se puede aumentar la velocidad de transmisión en un factor L = log2 M pero pagando un precio adecuado en términos de ancho de banda o de relación S/N. un aumento en la velocidad de transmisión de la información se puede lograr mediante un compromiso entre el ancho de banda y la relación S/N.88. Fig. MODULACION Y TRANSMISION DE IMPULSOS a fs = f b / L . aunque la recepción coherente casi no se utiliza. condición que hemos tomado para estimar el ancho de banda mínimo de la señal FSK M-aria. mientras que en un sistema FSK binario el ancho de banda mínimo es 3fb . en FSK M-aria la potencia transmitida es prácticamente independiente de L. como se muestra en la Fig. pero el ancho de banda aumenta también en forma exponencial con L. Sin embargo. nos permite disponer de una gran flexibilidad de intercambio entre diferentes parámetros para adecuar una fuente de información dada a un canal determinado. En consecuencia. el precio que hay que pagar es el aumento en el ancho de banda. Por ejemplo. El receptor óptimo coherente para el conjunto ortogonal de señales consiste en una batería de M filtros óptimos. En la Fig. la modulación M-aria proporciona los medios para intercambiar ancho de banda por relación S/N. 5. Benedetto y otros.87 se muestra la forma aproximada de la Probabilidad de Error vs γ s para algunos valores de M. En general. 5. se puede utilizar PSK M-aria o DPSK M-aria cuando el ancho de banda es limitado (como en los canales telefónicos). 1 Pe 10−1 10−2 −3 M= 2 M= 4 M = 16 Filtro Optimo 1 v d1(t ) s1(t ) M = 1024 M=∞ 10 M = 32 Señal + Ruido s2 (t ) Filtro 2 Optimo v (t ) d2 Selector de Salida Valores Máximos 10−4 -1.191). y FSK M-aria cuando la potencia es el factor limitativo (como en las comunicaciones espaciales o por satélites). 5. en un sistema FSK M-ario el ancho de banda mínimo es Mf b / L . podemos mantener fijo el ancho de banda de transmisión pero la potencia transmitida aumenta en forma exponencial con L . Este compromiso. es decir. pero la ecuación de Pe es una ecuación integral de muy difícil resolución. Por consiguiente. 1968. En el receptor se muestrea las salidas de los filtros en los instantes nTs y el elemento de decisión selecciona cual señal s j ( t ) estaba presente en la entrada del filtro j en el intervalo de señalización n-ésimo. asimismo. En efecto. expresión (5.413 V. Receptor Optimo FSK M-ario Coherente. en dB 10 15 sM (t ) FiltroM Optimo v dM (t ) Sincro Fig. Probabilidad de Error Pe vs γ s en FSK M-aria. Se demuestra [Lucky y otros.6 dB −5 10 -1 -5 0 5 γ s . 1968] que para grandes valores de γ s las curvas tienden a juntarse indicando que con solamente un aumento de 3 dB en la potencia se puede aumentar el número de niveles de 2 a 1024. La probabilidad de error Pe en FSK M-aria ha sido calculada [Lucky y otros. .

C. televisión de alta definición y en la transmisión de cientos de miles de canales de voz de 64 kbps.89. mientras que la técnica FDMA la estudiaremos en detalle en el Capítulo VI. TDMA) 2. Acceso Múltiple por División de Tiempo (Time-Division Multiple Access.9. Esta trama consta de dos partes: un preámbulo. E y F .89. . La técnica CDMA la veremos más adelante. y en telefonía celular. parte (c). Para acceder al satélite se utilizan tres técnicas denominadas “métodos de acceso múltiple”: 1. respectivamente. Acceso Múltiple por División de Código (Code-División Multiple Access. una estación utiliza todo el ancho de banda del repetidor o “transpondedor” del satélite para enviar una trama que contiene la información a transmitir. Los sistemas TDMA trabajan generalmente en QPSK y a velocidades hasta 120 Mbps. que llega al satélite contiene las tramas de todas las estaciones que están transmitiendo. En el satélite se recibe una multitrama TDMA que contiene las tramas de todas las estaciones terrenas.5. Durante ese intervalo. Esta es una situación que se presenta en los sistemas satelitales en los cuales múltiples estaciones terrenas utilizan un satélite como repetidora y el acceso a ese satélite debe ser muy bien controlado para evitar colisiones e interferencias mutuas. FDMA). CDMA) 3. parte (a). a cada estación terrena se le asigna un intervalo o ranura de tiempo para que ella transmita información. El preámbulo. un campo que contiene caracteres para activar los circuitos de sincronización de portadora y señalización. D. La multitrama TDMA. la estación C está enviando información a las estaciones A. En este caso se dice que el sistema es radiante o difusor (“broadcast”). 5. En el sistema TDMA.8. y un campo donde va la dirección o identificación de la estación llamante y las direcciones de las estaciones llamadas. En el ejemplo de la Fig. una cualquiera de estas estaciones puede actuar como estación de referencia. Esta multitrama TDMA se regenera en el satélite y se retransmite a una frecuencia de portadora diferente de la frecuencia de la portadora de entrada. Consideremos entonces un sistema satelital formado por un satélite y seis estaciones terrenas A. basado en los principios TDM. y los varios campos que contienen la información para las diferentes estaciones de destino. En la práctica a estas frecuencias se las denomina “frecuencias de subida” y “frecuencias de bajada”. Acceso Múltiple por División de Tiempo (TDMA) En algunos sistemas de comunicación muchos usuarios comparten un medio de transmisión común y el acceso a ese medio debe arbitrarse en alguna forma. Acceso Múltiple por División de Frecuencia (Frequency-Division Multiple Access. B. 5.2. Sección 5. parte (a).414 V. Las técnicas TDMA se utilizan actualmente en los satélites INTELSAT VI y VSAT. En la parte (b) se muestra la estructura de la trama transmitida por la Estación C. esta asignación la efectúa una estación terrena de referencia que controla la temporización y la sincronización de las estaciones presentes en el sistema. MODULACION Y TRANSMISION DE IMPULSOS 5. La multitrama TDMA tiene la forma mostrada en la Fig. se emplean en la transmisión de video digital. Cada estación escucha toda la multitrama pero solamente copia la información a ella dirigida. E y F. incluye un intervalo de guarda.

Existen varias técnicas de dispersión del espectro. Estos objetivos se pueden optimizar aplicando las técnicas del espectro disperso (spread spectrum. Los sistemas SS de más aplicación en la práctica son: 1. Que el ancho de banda de la señal transmitida sea mucho mayor que el ancho de banda de la señal mensaje m(t). pero no las trataremos aquí. TRANSMISION DE SEÑALES DIGITALES MEDIANTE DISPERSION DEL ESPECTRO (SPREAD SPECTRUM) 5.9.9. en algunas aplicaciones hay que considerar aspectos tales como la capacidad o robustez contra interferencias (espontáneas o maliciosas). y que la señal s(t) se pueda reproducir en el receptor a fin de extraer la señal mensaje m(t) de la señal transmitida. 2. cuyos principios y mecanismo de generación se dieron en el Capítulo III. Para ser considerado como un sistema SS. Una señal dispersora que permite cumplir con estos dos criterios es justamente la señal seudoaleatoria o secuencia PN.89. 5. Existen también otras técnicas híbridas que incluyen tanto DS como FH. 2. DSSS). SS). Sección 3. Sistemas SS mediante Conmutación de Frecuencias (Frequency Hopping Spread Spectrum.415 V. denominada “señal dispersora”.1. FHSS). Introducción En los sistemas de comunicación estudiados hasta ahora los criterios de comportamiento se expresaban en función de la utilización eficiente del ancho de banda y de la relación Señal/Ruido en el canal. Formato TDMA Típico 5.9. . aspectos que son de gran importancia en las aplicaciones militares y que ahora se han llevado a aplicaciones en el dominio civil. MODULACION Y TRANSMISION DE IMPULSOS Multitrama (a) Desde Estación A Desde Estación B Desde Estación C Desde Estación D Desde Estación E Desde Estación F Trama Estación C (b) Preámbulo Hacia Estación A Hacia Estación E Hacia Estación F Identificación y Direcciones Preámbulo (c) Intervalo de Guarda Sincronización de Portadora y Temporización Fig. Sistemas SS de Secuencia Directa (Direct Sequence Spread Spectrum. Sin embargo.3. independiente de m(t). Que la dispersión del ancho de banda de la señal transmitida sea producida por una señal s(t). capacidad para acceso múltiple a un medio y baja probabilidad de intercepción. el sistema debe satisfacer los criterios siguientes: 1.

5.175) con A 2 Tb = 1 . Si la señal x sp (t ) se multiplica por cos(ω c t ) . Durante la transmisión por el canal.175). Entonces.416 V. (5. por lo tanto. NRZ y de amplitudes ±A . x sp ( t ) = m(t ) ⋅ s(t ) m(t ) ⇒ S m ( f ) = sinc 2 ( f ) fb x d (t ) Filtro Pasabajo donde. 3. la señal s(t) es una secuencia seudoaleatoria de la forma mostrada en la Fig. De la Fig. La señal m(t) es una secuencia PCM en banda de base que suponemos bipolar.183). que se transmite.2. x t (t ) = m(t ) ⋅ s(t ) ⋅ cos(ω c t ) La señal recibida en el receptor será x r (t ) = m(t ) ⋅ s(t ) ⋅ cos(ω c t ) + v j (t ) ⋅ cos(ω c t ) La señal x r (t ) es demodulada mediante multiplicación por 2 cos(ω c t ) . La señal dispersada modula en PSK a una portadora de frecuencia fc y luego se transmite. la señal resultante x t (t ) . En el extremo receptor se llevan a cabo las operaciones inversas correspondientes para la recuperación de la señal mensaje m(t).90. MODULACION Y TRANSMISION DE IMPULSOS 5.90.195) m(t) x sp ( t ) x t (t ) x r (t ) x s (t ) x o (t ) s(t) Generador PN s(t) cos(ω c t ) v j ( t ) cos(ω c t ) 2cos(ω ct ) CANAL Generador PN TRANSMISOR RECEPTOR Fig. 3. Modelo de un Sistema de Espectro Disperso en Secuencia Directa (DSSS) La señal dispersa x sp (t ) tiene la forma de una secuencia aleatoria bipolar NRZ que contiene la información. de la forma mostrada en la Fig.9. 3. Vamos a suponer que esta interferencia es intencional (jamming) y en el caso más desfavorable cuando su ancho de banda es igual al ancho de banda de la señal útil m(t).31 y cuyo ancho de banda es B ≈ Nf b .90. 5. será una señal PSK de frecuencia de portadora fc. 5. x s (t ) = x r (t )2 cos(ω c t ) = 2 m(t ) ⋅ s(t ) ⋅ cos 2 (ω c t ) + 2 v j (t ) ⋅ cos 2 (ω c t ) . cuya densidad espectral se muestra en la Fig. el espectro de la señal mensaje original PCM m(t) se dispersa mediante la utilización de una secuencia PN s(t). Consideremos entonces el modelo de un sistema PSK/DSSS mostrado en la Fig. Supondremos también que la potencia de ruido en el canal es despreciable en relación con la potencia de la señal interferente. Sistemas SS de Secuencia Directa En los sistemas de espectro disperso de secuencia directa (DSSS).23 y cuya densidad espectral viene dada por (3. de (3.27 y cuya densidad espectral viene dada por (3. la señal transmitida PSK/DSSS es perturbada por una señal interferente v j (t ) centrada en la frecuencia de portadora.

(5. De (5. S oj (f ) = S jd (f ) ⋅ Π ( f ) 2f b Entonces. y que representa la interferencia a la salida. La densidad espectral de potencia a la salida del filtro pasabajo será S o (f ) = S m (f ) + S oj (f ) donde S oj (f ) es la densidad espectral de s(t ) ⋅ v j (t ) de la señal interferente es [ ] oj . podemos demostrar que ηj π ⎤ f N+1 f ⎡ 1 ) S oj ( f ) = A 2 ⎢ 2 + 2 sen 2 ( ) ⎥ ⋅ Π( ) = ⋅ Π( j 2f b 2 2f b N ⎦ π ⎣N donde ηj N+1 π ⎤ ⎡ 1 = A 2 ⎢ 2 + 2 sen 2 ( ) ⎥ j 2 N ⎦ π ⎣N (5.196).195) Para cuantificar el efecto de la interferencia.196) donde n =−∞ ∑' ∞ indica que la sumatoria no incluye el valor n = 0.197) . que es el ancho de banda del filtro. De (3. resultando en x d (t ) = x s (t ) ⋅ s(t ) = 2m(t ) ⋅ s 2 (t ) ⋅ cos 2 (ω c t ) + 2 v j (t ) ⋅ s(t ) ⋅ cos 2 (ω c t ) pero como s 2 (t ) = (±1) 2 = 1. así como todas las componentes frecuenciales del producto s( t ) ⋅ v j ( t ) superiores a fb .195). A la salida del filtro se tendrá entonces x o (t ) = m(t ) + s(t ) ⋅ v j (t ) donde [ ] [ [ s(t ) ⋅ v j (t )] oj ] oj es la salida del espectro de s(t ) ⋅ v j (t ) para | f | ≤ f b .417 V. este producto de convolución resulta en S jd (f ) = n =−∞ ∑' ∞ (N + 1)A 2 j N2 A2 f − nf o n f j ) + 2 ⋅ Π( ) sinc ( ) ⋅ Π ( 2f b 2f b N N 2 (5.177) y (5. entonces x d (t ) = m(t ) + s(t ) ⋅ v j (t ) + m(t ) + v j (t ) ⋅ s(t ) ⋅ cos(2ω c t ) Esta es la señal a la entrada del filtro pasabajo. supongamos que la densidad espectral S j (f ) S j (f ) = A 2 Π ( j f ) = A 2 para | f |≤ f b con A j << 1 j 2f b s( t ) ⋅ v j ( t ) ⇒ S jd ( f ) = S s ( f ) ∗ S j ( f ) Definamos entonces. MODULACION Y TRANSMISION DE IMPULSOS A esta señal se le aplica la operación de dispersión. El término de alta frecuencia centrado en ±2f c es eliminado.

5. N >> 1. la probabilidad de error en el sistema PSK/DSSS viene dada por (5. la probabilidad de error será . cuando N = 1000. La probabilidad de error en este sistema es la misma considerada en la modulación binaria de fase. fb = 9600 Hz y A j = 1. En la práctica.91 se grafica Sm(f) y S oj (f ) para N = 1000.171).198) G DS = Potencia Util de Salida Ps = Potencia Interferente Pj f A 2Tb sin c2 ( )df 0 P ∫ Sm (f )df fb = s = 0f b = fb 1 N +1 2 π Pj ∫0 Soj (f )df ∫0 A J2[ N 2 + π2 sen ( N )]df fb G DS ∫ fb Cuando De donde.7. ⎢ 2 + 2 sen ( )⎥ ≈ y ηj = N π N ⎦ N N ⎣ En la Fig.72 dB (470 veces) por debajo de la señal útil. Se puede determinar la ganancia “Potencia Util/Potencia Interferente” para demostrar la robustez del sistema DSSS contra las interferencias espontáneas o maliciosas. su potencia debería aumentarse por lo menos en 470 veces. Sección 5.90253A 2 y Pj = 2A 2 j G DS = Ps A N = 0. lo cual es prácticamente imposible por lo costoso que sería. G DS = 26. Esto significa que para que la fuente interferente pudiera tener alguna influencia en la recepción. es decir. (La señal S oj ( f ) ha sido multiplicada por 100 para poderla observar en el gráfico). la Ganancia DS será (5. Como hemos supuesto que el ruido interferente es mucho mayor que el ruido en el canal ( η j >> η) . Esta característica del sistema DSSS ha sido muy utilizada en los sistemas de comunicación militares contra las interferencias maliciosas (jamming).4. Dentro de la banda de paso. f b = 9600 Hz y (A/Aj) = 100. Por ejemplo. 2A 2 ⎡ 1 N +1 2 π ⎤ 1 j Nótese que para N >> 1.72 dB 4 Puede observarse que en este caso la señal interferente está a 26.418 V.4513( ) 2 Pj A j fb fb N La ganancia es directamente proporcional a N. Ps = 0. MODULACION Y TRANSMISION DE IMPULSOS es la amplitud de la densidad espectral de la señal interferente a la salida. el factor [A/Aj]2 es muy grande (>10 ).

en la Fig.15 Probabilidad Pe 0.199). la probabilidad de error en PSK/DSSS es ⎛ ⎞ ⎜ ⎟ 2 1 1 A ⎟ Pe = erfc⎜ (5. 5. Es lógico que si la relación Pi/Ps es alta. 5.97 dB Pis = Pi/Ps Pis = -1. valores de N superiores a 164 mantendrán la probabilidad de error por debajo de 10-5. más alta es la severidad de la interferencia y más alta la probabilidad de error.201) nos permite observar el efecto de la ganancia de procesamiento N sobre la probabilidad de error para diferentes valores del margen de interferencia. La expresión (5.05 Pis = -10 dB 0 1 N 10 Fig. donde Pi es la potencia de la fuente N N entonces. Pi = 2f b A 2 . cuanto más alta es esta relación.92.92. j f b Pi = . la probabilidad de error será alta también. reemplazando (5.92 demuestran la efectividad del sistema DSSS en la supresión de interferencias tanto espontáneas como maliciosas. es decir. Probabilidad Pe vs N en PSK/DSSS .55 dB 0. 5.544 N Pe = erfc( ) para N >> 1 2 Pi / Ps (5. en efecto. la probabilidad de error Pe en PSK/DSSS se puede reducir a la forma más sencilla 1 0.201) y la Fig. La expresión (5.199) Como η j depende de la ganancia de procesamiento N. para ( Pi / Ps ) = 10 . vemos que la probabilidad de error dependerá también de N.419 V. MODULACION Y TRANSMISION DE IMPULSOS Pe = A2 1 ) erfc( 2η jf b 2 (5.92 se muestra la variación de la probabilidad Pe vs N para diferentes valores del margen de interferencia.1 Pis = 0 dB Pis = -0.198) en (5.200) ⎜ 4 2 1 ⎟ N +1 2 2 π A j [ 2 + 2 sen ( )]f b ⎟ ⎜ N ⎝ ⎠ N π Puesto que Ps = 0. 0. En efecto. pero esta probabilidad de error se puede disminuir aumentando la ganancia de procesamiento N. Por ejemplo.90253A 2 y Pj = 2A 2 j interferente. para N >> 1.201) A la relación Pi/Ps generalmente se la conoce con el nombre de “margen de interferencia” y es una medida de la gravedad de la interferencia. 5. En efecto. como se puede observar en la Fig.

5. M. s 'i (t ) .. El esquema de transmisión es el mismo de la Fig.. y aunque todos los usuarios transmiten simultáneamente por la misma banda de frecuencias. Supongamos que hay M usuarios que transmiten en un sistema PSK/DSSS/CDMA. entonces el producto s i (t ) ⋅ s k (t ) es otra secuencia PN.202) El primer término de x ok ( t ) es la señal deseada. Vamos a suponer también que la potencia de ruido en el canal es despreciable en comparación con la potencia de las señales m i ( t ) . a una frecuencia de portadora fc común y con una secuencia PN particular s i ( t ) con i = 1. entonces. MODULACION Y TRANSMISION DE IMPULSOS Acceso Múltiple por División de Código (CDMA) Una de las principales aplicaciones del sistema DSSS en las comunicaciones. La potencia del término interferente es simplemente la suma de las potencias interferentes producidas por las otras (M-2) señales transmitidas. x s ( t ) = x r ( t ) ⋅ 2 cos(2πf c t ) = ∑ 2 ⋅ m (t ) ⋅ s (t ) ⋅ cos (2πf t ) i i 2 c Esta señal aparece en la entrada del multiplicador de la secuencia PN de todos los receptores. La potencia de las señales m i (t ) es la misma para todas. 2. La idea clave en el sistema CDMA es la de que a cada usuario se le asigna una secuencia PN diferente. mientras que el segundo término se puede considerar como ruido. . un usuario particular puede extraer de la señal compuesta transmitida la señal a él dirigida utilizando la secuencia PN apropiada..420 V. Si Pi = Ps es la potencia de cada señal interferente. y como = (±1) 2 = 1 . La señal compuesta producida por los M transmisores en la misma banda de frecuencias es x (t ) = ∑ m (t ) ⋅ s (t ) ⋅ cos(2πf t ) i i c i =1 M −1 i =1 M Esta señal llega a los M receptores donde es multiplicada por la portadora 2 cos(2πf c t ) .La señal x r ( t ) de entrada en un receptor dado será la correspondiente a (M − 1) transmisores. por ejemplo. Como suponemos que las secuencias PN están sincronizadas aunque no son las mismas. es la posibilidad de utilización de la misma banda de frecuencias para múltiples usuarios que están transmitiendo simultáneamente. Esta es la forma de acceso múltiple denominada “Acceso Múltiple por División de Código (CDMA)” que mencionamos en la Sección 5. En el receptor k esta señal se multiplica por su secuencia particular s k (t ) y la salida correspondiente será x dk ( t ) = x s ( t ) ⋅ s k ( t ) = M −1 i =1 ∑ 2 ⋅ m (t) ⋅ s (t) ⋅ s i i k ( t ) ⋅ cos 2 (2πf c t ) En el receptor k se verifica que s i (t ) = s k (t ) . x dk ( t ) = 2 ⋅ m k ( t ) ⋅ s 2 ( t ) ⋅ cos 2 (2πf c t ) + k s 2 (t ) k M−2 i =1 i de modo que i k ( t ) ⋅ cos 2 ∑ 2 ⋅ m (t) ⋅ s (t) ⋅ s (2πf c t ) i≠k Esta señal se pasa por el filtro pasabajo de salida que elimina los términos en ± 2fc .8.. cada usuario transmite una señal m i ( t ) . entonces la potencia total interferente será . 3. entonces a la salida del filtro pasabajo se tiene x ok ( t ) = m k ( t ) + M−2 i =1 ∑ m (t) ⋅ s (t) ⋅ s i i k (t ) i≠k (5.88. 5.

.421 V.203) De (5. 5.203) y (5. se produce una degradación en la calidad de la transmisión. en sistemas móviles por satélite. Esto se puede observar en la Fig. Se puede aumentar el número de usuarios pero a costas de un aumento en la probabilidad de error. El sistema CDMA se aplica en telefonía celular. 0. MODULACION Y TRANSMISION DE IMPULSOS Ptj = (M − 2) ⋅ Pj = (M − 2) ⋅ Pi P = ( M − 2) s N N (5.1 0 0 200 400 M 600 Fig. se puede agregar los usuarios que se quiera. si una o más estaciones transmiten con altas potencias. En CDMA este problema no se presenta.554 ⎥ M−2⎥ Ptj ⎥ 2 2 ⎢ ⎢ ⎣ ⎦ ⎣ ⎦ (5. k = ⎡ ⎡ N ⎤ P ⎤ 1 1 erfc⎢ 0. es decir. la probabilidad de error en el receptor k es Pe.554 s ⎥ = erfc⎢ 0. ya estudiado.204).201). pues el comportamiento del sistema experimentará solamente una degradación de acuerdo con la expresión (5. Una vez que todas las ranuras de tiempo han sido asignadas. un aumento en el número de usuarios sólo se puede lograr rediseñando el sistema. mayor será la probabilidad de error. 512. En efecto.204) La probabilidad de error en CDMA depende entonces del número de usuarios M en el sistema. la calidad de la señal en todas las estaciones se degrada rápidamente. para una ganancia de procesamiento N = 1000. 1024 y 2048. En la práctica.3 Probabilidad Pe N = 256 N = 512 N = 1024 N = 2048 0. Por ejemplo. El lector puede verificar este fenómeno haciendo los ajustes necesarios en las expresiones (5.2 0. el sistema CDMA demanda un estricto control de la potencia de salida de cada transmisor a fin de asegurar que la señal de cada transmisor llegue a la antena receptora aproximadamente con la misma potencia. en sistemas de localización (global positional systems. donde se muestra la variación de la probabilidad de error en función de M para N = 256. en sistemas PCS (Personal Communication Systems) y en redes de área local inalámbricas. En efecto.93. 5.93. se verifica que para que Pe . GPS).204). cuanto mayor es el número de usuarios. Probabilidad de Error en CDMA Sería interesante comparar el sistema CDMA en relación con el sistema TDMA. En el sistema TDMA el número de usuarios está restringido por el número de ranuras disponibles en el sistema.k < 10 −5 el número de usuarios debe ser M < 120.

Vamos a suponer también que la frecuencia inferior de dispersión es mucho mayor que fc . esto quiere decir que durante un intervalo de tiempo T se utiliza una de las M frecuencias. 5. los sistemas FHSS se clasifican en sistemas FHSS Lentos cuando T ≥ Tb . la interferencia se reduce.. 2. en la práctica el valor de k es igual al número de etapas r del generador de las secuencias PN. que es una forma de FHSS Lento. Por ejemplo. donde k es el número de “chips” tomados de la secuencia PN. En la Fig 5. si k = 8.95... y en el intervalo siguiente se cambia o “salta” en forma aleatoria a cualquiera otra de las M . Para simplificar el análisis. La cantidad de frecuencias es igual a M = 2 k . de modo que se puede escribir s h ( t . y sistemas FHSS Rápidos cuando T < Tb . Como resultado. como se muestra en la Fig. es decir. 3. vamos a considerar el caso cuando T = Tb . 205) Dependiendo de la relación entre T y Tb .1 frecuencias.94 se muestran los “saltos” aleatorios de frecuencia y en la en la Fig. a esta técnica se le suele llamar también “Dispersión de Espectro por Salto de Frecuencias”. que f1 >> f c .9.3 Dispersión del Espectro mediante Conmutación de Frecuencias (FHSS) En los sistemas FHSS la señal digital a transmitir. Estas frecuencias cambian cada T segundos. Las frecuencias de portadora se generan en un sintetizador de frecuencia que es controlado por k “chips” tomados de una secuencia PN.. vuelve a modular una portadora cuya frecuencia cambia constantemente de acuerdo con una secuencia PN. Por esta razón. 5. i) = n =−∞ ∑ 2 cos(2πf t) ⋅ Π( i ∞ t − nT ) T para i = 1. M (5. . . ella tendría efecto solamente en uno de los M intervalos de tiempo. MODULACION Y TRANSMISION DE IMPULSOS 5. la portadora “salta” aleatoriamente a otras de las frecuencias no conocidas por el ente interferente y como consecuencia la interferencia se reduce.95 se muestra el modelo de un sistema FSK/FHSS con demodulación no coherente... Durante los M − 1 intervalos de tiempo restantes. generalmente FSK o DPSK. pues en el caso de existir una. habrá 256 frecuencias de portadora diferentes que serán moduladas por la señal FSK o DPSK.422 V.

igual que en el caso DSSS.. que ya discutimos anteriormente. De la Fig. entonces el ancho de banda es B ≈ N ⋅ fb en FSK/FHSS (5.206) Esta es la señal FSK/FHSS que se transmite.95. 2. x FSK ( t ) = n =−∞ ∑ A cos[2π(f ∞ + b a ⋅ f d ) t ] ⋅ Π( t − nTb ) Tb t − nTb ) Tb t − nTb ) Tb Entonces. i) = n =−∞ ∑ A cos[2π(f + b a f d + f i ) t ] ⋅ Π( t − nTb ) para i = 1. i) x t ( t . pero como M = 2 k y N = 2 k − 1. 3.162). .. Vamos a estimar ahora el valor aproximado del ancho de banda ocupado. Por razones de ortogonalidad. i) = x fh ( t . i) = x FSK ( t ) ⋅ s h ( t . cuya potencia. i) = n =−∞ ∞ n =−∞ ∑ 2A cos(2πf t) ⋅ cos[2π( f i c + b a f d ) t ] ⋅ Π( ∑ A{cos[2π(f ∞ c c + b a f d + f i ) t ] + cos[2 π ( f c + b a f d − f i ) t ]} ⋅ Π ( El filtro pasabanda A está centrado en [ fc + ba fd + fi ] . i) v j (t ) Sintetizador de Frecuencia 1 2 3 k Generador PN Convertidor T = Tb Serie / Paralelo TRANSMISOR CANAL RECEPTOR Fig. es. suponemos que es mucho mayor que la potencia de ruido (η j >> η) .4. M Tb (5. i) . En el canal aparece una señal interferente v j ( t ) . Por lo tanto. el ancho de banda de la señal FSK/FHSS es B ≈ (M − 1) ⋅ f b .7.. i) Filtro Pasabanda B Filtro Pasabanda C x f (t ) Demodulador FSK No Coherente m(t) Modulador FSK Filtro Pasabanda A m(t) sh ( t . la separación entre dos frecuencias adyacentes debe ser como mínimo igual a fb .. analizaremos separadamente los efectos de la señal útil y los de la interferencia. Modelo de un Sistema de Transmisión de Espectro Disperso mediante Conmutación de Frecuencias. de modo que su salida es x t ( t ..423 V. i) xrh ( t . x fh ( t . de (5.95. MODULACION Y TRANSMISION DE IMPULSOS x FSK (t ) x fh ( t . c donde x FSK (t ) .207) . i) x r ( t . i ) Sintetizador de Frecuencia 1 2 3 Generador PN k Reloj Reloj Convertidor Serie / Paralelo T = Tb s h ( t . f i − f i −1 = f b . ∞ x fh ( t . Sección 5. es decir. 5. Asimismo. 5. para T = Tb .

él siempre permanece fijo y su ancho de banda generalmente es f b . Estrictamente hablando. el espectro de la señal no se ensancha. El ancho espectral ocupado por los espectros de la señal FSK/FHSS es ciertamente un espectro ensanchado y es N veces el ancho de banda de la señal mensaje m(t). Nótese que la demodulación es no coherente para evitar los problemas de sincronización de los sintetizadores de frecuencia. i) resultando en x rh ( t . i) = x rh ( t . que está centrado en [ f c + b a f d ] . i) = n jc ( t ) ⋅ cos[2 π ( f c + b a f d + f i ) t ] − n js ( t ) ⋅ sen[ 2 π ( f c + b a f d + f i ) t ] Esta señal de ruido se multiplica por la señal dispersora s h ( t . i) = n =−∞ ∞ ∑ 2A cos[2π(f ∑ A{cos[2π(f c ∞ c + b a f d + f i ) t ] ⋅ cos(2 πf i t ) ⋅ Π( t − nTb ) Tb t − nTb ) Tb c + b a f d + 2 f i ) t ] + cos[2 π ( f c + b a f d ) t ]} ⋅ Π( n =−∞ El filtro pasabanda C deberá estar centrado en [ f c + b a f d ] . o lo que es lo mismo. el cual tiene las mismas características que el filtro A.208) Hemos recuperado la señal FSK. el espectro de la señal m(t) cambia aleatoriamente de frecuencia de portadora cada Tb segundos sobre un canal de ancho de banda B = M ⋅ f b . la cual al demodularse producirá la señal mensaje original m(t). i) obteniéndose n jh ( t . Este mismo análisis se puede efectuar para una señal DPSK. el ruido a la salida del filtro se puede expresar en la forma canónica n j ( t . i) = ∞ n =−∞ ∑ {n jc ( t )[cos[ 2 π ( f c + b a f d + 2 f i ) t ] + cos[2 π ( f c + b a f d ) t ]] − − n js ( t )[sen[2π( f c + b a f d + 2f i )t ] + sen[2π( f c + b a f d )t ]} ⋅ Π( será n jf ( t ) = } t − nTb ) Tb A la salida del filtro pasabanda C. La señal x t ( t . Cuando esta señal pasa por el filtro pasabanda B del receptor. i) se transmite y en el receptor pasa por el filtro pasabanda B. Lo que pasa es que el mecanismo de modulación hace que este espectro se desplace sobre M frecuencias de portadora ocupando un ancho de banda total B ≈ M ⋅ f b . i) . Esta señal se multiplica por una réplica idéntica y sincronizada de s h ( t . MODULACION Y TRANSMISION DE IMPULSOS que es el mismo ancho de banda de la señal PSK/DSSS. de modo que x r ( t . podemos decir entonces que . de modo que su salida será x f (t) = n =−∞ ∑ A cos[2π (f ∞ + b a f d ) t ] ⋅ Π( t − nTb ) = x FSK ( t ) Tb (5. i) = x t ( t . la señal interferente n =−∞ ∑ {n ∞ jc ( t ) ⋅ cos[ 2 π ( f c + b a f d ) t ] − n js ( t ) ⋅ sen[2 π ( f c + b a f d ) t ] ⋅ Π( } t − nTb ) Tb Esta es una señal pasabanda de banda angosta cuya densidad espectral de potencia es constante.424 V. Consideremos ahora una señal interferente v j (t ) cuya densidad espectral es constante y mucho mayor que la densidad espectral de ruido en el canal.

expresión (5. Pe = La relación Ps/Pj es. En particular. la probabilidad de error Pe < 10 −5 . Consideraciones Finales 0.211) exp( − ) 2 2 Pj donde Ps/Pj es la ganancia de potencia o relación entre la potencia útil y la potencia interferente.30 ( 3 FSK / FHSS 0. Esto completa la primera etapa. en la segunda etapa el receptor intenta mantener alineada la secuencia PN local lo más cerca posible de la secuencia PN del transmisor.152). siendo necesario disponer en el receptor de circuitos especiales para la generación de la portadora y de la secuencia PN en perfecta sincronización con el transmisor. aunque en algunos sistemas el transmisor envía secuencias especiales para mantener la sincronización.35 dB . A continuación se realiza una sincronización “fina” que sincroniza las dos secuencias. en este caso en particular. de (5.209) (5. en general. de (5. 5.425 V.96. Probabilidad de Error vs Ps/Pj de sistemas SS siempre hemos supuesto que la portadora y las secuencias PN son idénticas y sincronizadas tanto en el transmisor como en el receptor.210) La probabilidad de error en el sistema FSK/FHSS será entonces 1 1 Ps (5. Alcanzada la sincronización.164b). Este sistema se utiliza en telefonía celular GSM (Global System for Mobile Communications) de procedencia europea. ver [Pickholts y otros.6 Pe 0. La probabilidad de error es. En la Fig. alta. 1989]. Proakis.4 Pe g)0.4. para Ps / Pj > 13.169).2 0 20 10 0 10 g En la discusión de los diferentes tipos Fig. γ= A 2 Tb (A 2 / 2) Ps = = 2η j η jf b Pj n jf ( t ) ⇒ Snj (f ) = A 2 = j ηj para | f | ≤ Bi con A 2 << 1 j (5. 1982. Ps/Pj 20 dB . MODULACION Y TRANSMISION DE IMPULSOS 2 donde Bi es el ancho de banda de un canal individual en FSK.9. Pero en la práctica la situación es muy diferente. 5. 1 γ Pe = exp( − ) 2 2 pero. Nótese que esta ganancia no depende de N. 5.96 se muestra la variación de la probabilidad de error en función de la relación Ps/Pj. la sincronización de las secuencias PN es mucho más complicada pues requiere circuitos especiales de adquisición y rastreo. Para más información sobre estos sistemas. La operación de sincronización generalmente se hace a altas velocidades y consta de dos etapas: en la primera etapa se efectúa una sincronización “gruesa” en la cual la secuencia PN del receptor difiere en uno o pocos “chips” de la secuencia PN en el transmisor. ésta es la denominada operación de “seguimiento o rastreo”.

En cuanto a las aplicaciones. . Se calcula la probabilidad de error y se demuestra que el sistema CDMA puede atender a muchos usuarios pero a costas de una disminución en la calidad de la transmisión. FSK. en su mayoría. de las relaciones S/N y la probabilidad de error correspondientes. Se analizan los correspondientes modelos de transmisor y receptor. se discute las ventajas y problemas de la operación de muestreo y se ilustra su aplicación mediante ejemplos sencillos. La teoría del muestreo es fundamental en los sistemas digitales. conceptos que se ilustran mediante ejemplos tomados. Como primer paso se desarrolla el concepto de muestreo de señales. los códigos de línea y la teoría básica del filtro acoplado. 1984. Se han desarrollado los principios básicos de las técnicas más comunes de la modulación analógica y digital de impulsos. PDM y PPM. 5. MODULACION Y TRANSMISION DE IMPULSOS En general.10. Todos estos esquemas de modulación se tratan con cierto detalle y en particular se estudian sus características de ancho de banda y relaciones S/N. Un aspecto de considerable importancia es la transmisión de señales digitales mediante portadora modulada. Para más detalles sobre estos sistemas tanto en DSSS como en FHSS. RESUMEN Los sistemas modernos de comunicación se están digitalizando en forma acelerada y en este capítulo se dan los fundamentos de los mecanismos básicos teóricos que permiten conocer el funcionamiento. la interferencia intersímbolo. DPCM y DM. con énfasis en sus características espectrales para el cálculo del ancho de banda. Entre los sistemas de modulación que están en proceso de desarrollo se destaca el sistema de modulación mediante dispersión del espectro (Spread Spectrum. Una aplicación muy importante del concepto de espectro disperso es la forma de acceso múltiple CDMA. y las técnicas de modulación digital PCM. Esto incluye un estudio de sus dos tipos principales: el sistema SS de secuencia directa (DSSS) y el sistema SS por conmutación de frecuencias (FHSS). Este método de acceso permite la utilización de la misma banda de frecuencias para la transmisión de señales de múltiples usuarios que transmiten simultáneamente. asimismo. 1985. En particular. DPSK M-ario y FSK M-ario de Banda Ancha. la Recomendación SM. 1986] y en particular. SS) por sus características antiinterferentes y baja probabilidad de intercepción. se estudia las características de los sistemas binarios ASK. de la práctica. se explica los diferentes teoremas. Se introduce los métodos de demodulación coherente y no coherente. se discute los problemas de la sincronización de portadora y de temporización.426 V. En este capítulo se desarrolla. Dixon. Cooper y McGillen. y mediante el cálculo de sus propiedades espectrales se obtiene la probabilidad de error. que una señal analógica se puede modular y recuperar utilizando las técnicas de modulación analógica PAM. se hace continuamente referencia a las distintas normas y recomendaciones de la UIT-T y la FCC de los Estados Unidos. por lo menos teóricamente. operación y comportamiento de los sistemas digitales comúnmente utilizados en la práctica. PSK y DPSK. el lector puede consultar [Ziemer y Peterson. En la transmisión y recepción de impulsos en banda de base se tratan algunos aspectos tales como las técnicas de multiplicidad por división de tiempo (TDM). en los sistemas SS la operación de sincronización de portadora y secuencias PN es muy complicada y para ello en la práctica se ha desarrollado circuitos y técnicas especiales que permiten una sincronización más rápida y eficiente. las técnicas básicas de la modulación binaria y maria. y se presentan algunos circuitos de sincronización ampliamente utilizados en la práctica diaria. Se ha visto.1055 del UIT-R. con la cual se caracteriza su comportamiento. y los sistemas m-arios PSK M-ario.

2π (b) Determine el diagrama de bloques de un sistema para recuperar x(t) a partir de y(t). 5.4.97. todos los conceptos teóricos se han presentado sin profundizar demasiado en sus formas más complejas que requieren métodos de análisis mucho más avanzados desde el punto de vista matemático. h(t) = sinc(4t) p( t ) = 2(−1) ( n −1) / 2 cos(2πnt ) nπ n =1 n impar h(t) y(t) ∑ ∞ p(t) Fig. La señal muestreada se pasa por un filtro ideal pasabajo de ganancia unitaria y ancho de banda de 4 Hz. los conocimientos aquí impartidos son suficientes para el estudiante de pregrado y para el ingeniero no especialista que desee una introducción no estadística a la teoría de las comunicaciones. 5. Sea el sistema de la Fig. 5.97. Demuestre que la salida del filtro es y (t ) = 4[2 cos(πt ) + 10 cos(2πt ) + 4 cos(3πt ) + 4 cos(5πt ) + 10 cos(6πt ) + 2 cos(7πt )] 5. Dibuje su espectro Y(f). MODULACION Y TRANSMISION DE IMPULSOS Dada la característica introductoria de este capítulo. Grafique el espectro de la señal muestreada en el intervalo de frecuencias (-10 Hz. demuestre que y (t ) = 5 cos(600πt )[cos(200πt ) + 5.2. La señal x (t ) = 50sinc 2 (10t ) se muestrea mediante una señal periódica rectangular. La señal x (t ) = 10 cos(2πt ) + 4 cos(5πt ) + 2 cos(7πt ) se muestrea en forma instantánea a una frecuencia de 4 Hz.3.427 V. PROBLEMAS DE APLICACION 5. .2. No obstante. (a) Demuestre que la señal de salida del filtro es y (t ) = 5 cos(600πt )[cos(2000πt ) + 2 cos(2200πt )] π 2 cos(1600πt )] π x(t) (b) Si la frecuencia de muestreo fuera de 1800 muestras por segundo. La señal muestreada se pasa por un filtro ideal pasabajo. (a) Demuestre que y (t ) = 1 sinc(t ) cos(2πt ) . donde x (t ) = sinc(t ).1. La señal x (t ) = 5 cos(2πx10 3 t ) cos(600πt ) se muestrea a una frecuencia de 2100 muestras por segundo. El muestreo se efectúa mediante una señal periódica rectangular de amplitud unitaria y ciclo de trabajo igual 0. de período igual al intervalo de Nyquist y relación de trabajo igual a 0. Determine la amplitud máxima del espectro centrado en la frecuencia de 100 Hz.5. de ganancia igual a 2 y ancho de banda de 1600 Hz. 150 Hz).

En la Fig. la salida es y( t ) = 2B2sinc(2Bt ) . f s = 1/ Ts . Sea la señal periódica de la Fig.99..98. Demuestre que la frecuencia de muestreo mínima necesaria para muestrear la señal x (t ) = 20 cos(10 4 πt ) cos(3. 5. t − Ts − Ts + ∆t ∆t Ts Ts + ∆t P (f ) = 2f s n =−∞ ∑ cos(nπf ∆t ) exp(− jnπf ∆t )δ (f − nf ) s s s ∞ Fig.. [Sugerencia: utilice la expresión (1. 5.5.86 Hz cuando el ancho de banda de la señal es el de 3 dB. 1 0 .. -2B -B X(f) 1 f 2B 0 B Fig.99. 5. Esta señal se muestrea y se pasa por un filtro pasabajo RC de tal manera que haya una banda de guarda de ancho B g entre el valor B del ancho de banda del filtro y la frecuencia inferior del espectro centrado en f s . entonces la frecuencia de muestreo será f s = 2f m + B g . Se tiene una señal x(t) pasabajo de banda limitada f m . la salida es y( t ) = 2B2sinc 2 (Bt ) .79). (a) Demuestre que el espectro P(f) de p(t) viene dado por p(t) ..9 x10 5 πt ) es de 20 kHz.428 V. 5. El valor B es el ancho de banda del filtro de acuerdo con la expresión (2.98 se muestra el espectro de una señal dada. Demuestre que si el muestreo se ha efectuado a una frecuencia de B muestras por segundo.7. Demuestre también que si el ancho de banda del filtro es el de 3 dB. pero si el muestreo se ha efectuado a 2B muestras por segundo.9. 5. donde 5. Suponga que (1/RC)=2πfm . Esta señal se muestrea en forma instantánea y se pasa por un filtro cuya función de transferencia es H (f ) = Π (f / 2 B). Se desea muestrear la señal x ( t ) = 15 exp(−103 | t |) . Esta señal se va a emplear para muestrear la señal x (t ) = 2 x10 −3 sinc 2 (500t ). (b) f s = 500 Hz cuando el ancho de banda de la señal se calcula según la expresión (1. 5. 5.115). Demuestre que la frecuencia de muestreo necesaria es f s = 3f m + B g . . Demuestre que el límite inferior de la frecuencia de muestreo es: (a) f s = 204 .. Dibuje el espectro de la señal muestreada entre n = −5 y n = 5..105)].8.6. MODULACION Y TRANSMISION DE IMPULSOS 5.

5. (a) Demuestre que el “Factor de Distorsión por Limitación de Banda” viene dado por Filtro Pasabajo X(f) -B 0 B f FB % = ∫ ∫ ∞ B ∞ 0 | X(f )|2 df 100 | X(f )| df 2 Fig. (5.100. x(t) = 10exp(-104 t ) . Consideremos la distorsión de solapamiento mostrada en la Fig. 2. con f s = 500 Hz.429 V. El área rayada representa entonces la pérdida de señal producida por la limitación de banda debida al filtro.212) 2 2 0 | H (f )| | X(f )| df Si la ganancia del filtro es constante en la gama | f | ≤ f s / 2 . 5.10. Utilizando (5. x ( t ) = 8sinc 2 (8x103 t ).403%. En general. Consideremos el espectro de la Fig.11. ∫ F %= ∫ s 3f s / 2 fs / 2 fs / 2 | H (f )|2 | X(f )|2 df 100 (5.100.213) demuestre que cuando se muestrea la señal x (t ) = 15 exp(−10 3 | t |) . 5. entonces ∫ F %= ∫ s 3f2 / 2 fs / 2 fs / 2 | X(f )|2 df 100 (5. Vamos a cuantificar la distorsión de solapamiento definiéndola como “la relación entre la energía de los espectros adyacentes reflejada sobre la gama de baja frecuencia y la energía de la señal dentro de esa gama”.15. MODULACION Y TRANSMISION DE IMPULSOS 5. entonces Sx(f) reemplaza a |X(f)|2 en las expresiones anteriores. De acuerdo con esta definición. las señales de información prácticas no son estrictamente limitadas en banda. determine el factor FB % para las siguientes señales: 1. demuestre que el Factor de Solapamiento debido a los espectros adyacentes se puede expresar en la forma Factor de Solapamiento. de modo que teóricamente cuando ellas se filtran para limitarlas en banda se produce distorsión.214) (b) Si B = 5 kHz. donde X(f) es el espectro de la señal de información x(t).213) 2 0 | X(f )| df Si x(t) está caracterizada mediante su densidad espectral de potencia Sx(f). 5. el factor de solapamiento es del 7.

12. (a) Demuestre que la salida y(t) es y (t ) = (b) ∞ x(t) x s (t ) n =−∞ ∑ x 2 (nTs )δ (t − nTs ) cuando δ Ts (t ) 2 Elevador al y(t ) = x s (t ) Cuadrado 1 fs = = 4 fm Ts Fig. Dibuje el espectro Y(f) x (t ) = 2 f m sinc(2f m t ) 5. por ejemplo. que el “Factor de Distorsión de Interpolación” se puede expresar en la forma ∫ F%= I fs +fm fs −f m fm | H(f ) |2 | X(f − f s ) |2 df | H(f ) |2 | X(f ) |2 df ∫ 100 (5. h(t) puede tener cualquier perfil. demuestre que el factor de distorsión de interpolación producido por un filtro pasabajo RC es del 27. (a) Si h (t ) = cos( T f πt 1 1 ) para | t| ≤ s . x(t) f s es la frecuencia de Nyquist de x(t). Igualmente que en los dos problemas anteriores.25x10 −4 ) cos(1. demuestre.102. MODULACION Y TRANSMISION DE IMPULSOS 5. Si se considera solamente la energía de los espectros adyacentes que pasa a la salida. donde Ts = = y X(f) = Π ( ) .102. con Ts = = f s 3f m 5. 1 1 (b) Repita cuando h ( t ) = Λ ( 2f m t ). En el muestreo con retención se utiliza un filtro de orden cero dado por (5. Sea la señal x (t ) = 8sinc 2 ( t 1.14. donde δ Ts (t ) Fig. Sea el sistema mostrado en la Fig. 5. Sea el sistema de la Fig. 5.25). donde x(t) es una señal pasabajo de banda limitada fm . se puede cuantificar la Distorsión de Interpolación.13. 5. 5. 5. 140 kHz) 5. calcule y Ts 2 f s 4f m 2f m dibuje X s (f ) en la forma mostrada en la Fig. sin embargo.11. f s = 1 / Ts = 2f m .15. 5. donde f m = 1 / 2πRC y f s = 3f m .101. a partir de la Fig.101.430 V.16. (a) Demuestre que la frecuencia mínima de muestreo es de 35 kHz y diga las características del filtro necesario para recobrar la señal.842%. (a) Demuestre que el espectro X i ( f ) de xi (t) es X i (f ) = 2 f m ∞ xi (t ) Filtro Pasabanda cos(2πfm t ) y(t) n =−∞ ∑ X[f − (2n + 1)f m ]. (b) Calcule el espectro de la señal muestreada y dibújelo en el intervalo (-140 kHz. donde x(t) es una señal pasabajo de banda limitada fm.16. 5.94x10 5 πt ) .215) 0 Si x ( t ) = 2f m sin c(2f m t ) .

Utilizando el mismo procedimiento. La señal m(t ) = 10 cos 2 (5x10 3 πt ) se va a modular en PAM. entonces So / N o π 2 B 3 π 2 3 = ( ) = βm 24 f m 24 Si / N i (5. 5. 5.425 seg (a) Determine los valores apropiados de los parámetros Ts .4 se calculó la ganancia de conversión en PPM suponiendo que los impulsos tenían forma trapezoidal.216) (5. La señal m( t ) = 10sinc(10 4 t ) se va a modular en PDM en la forma mostrada en la Fig.20.2.23.70). Fig. y expresiones (5.29 y 5.23. la ganancia de conversión es 2⎣ τ ⎥ τ ⎭ ⎦ ⎩ So / N o π 2 B = ( − 1) 3 3 2f m Si / N i Si B >> f m . En un sistema PDM se observa que el ancho de los impulsos viene dado por la expresión τ (t ) = 10 −3 [1 + 0. Determine las relaciones de expansión del ancho de banda y las ganancias de conversión correspondientes. demuestre que cuando los impulsos tienen la forma de ⎧ A⎡ 2πt ⎤ t ⎫ coseno elevado ⎨p(t ) = ⎢1 + cos( ) Π ( )⎬ . MODULACION Y TRANSMISION DE IMPULSOS (b) Si x (t ) = sinc 2 (f m t ) .17. 5. La relación de trabajo del tren de impulsos sin modular es de 0. Vp = βm [Vu + | min m(t)|-A] βm − 2 donde β m > 2 . Fig.69) y (5. PDM y PPM. demuestre que y (t ) = 4 f m [2 sinc(2 f m t ) − sinc 2 (f m t )] cos(8πf m t ) cuando x (t ) = sinc 2 (f m t ) . 3 Demuestre que el ancho de banda mínimo para transmitir la señal PDM es de 2 kHz. (b) Considerando la geometría de la señal vd (t). grafique el espectro de xi (t).2172 para t = 1. 5. 5. es el factor de expansión del ancho de banda.3. y que su período es Ts = 3 ms .19. 5. En la Sección 5. Suponga que |min m(t)|= A / 2 . 5.18.18 dB al que utiliza impulsos trapezoidales. A. podemos ver que el comportamiento del sistema PPM que utiliza impulsos en coseno elevado es superior en 8.30. demuestre que B MIN ≈ 2 f m Vp Vp + A − | min m(t)|-Vu = β m f m .70). Vp y Vu . y su ganancia es unitaria.431 V.217) Comparando este resultado con (5. Note también que [min sinc(t)] ≈ -0. (c) Si la banda de paso del filtro está entre 3f m y 5f m . .5 cos( 10 3 πt )] .

por lo tanto. Como consecuencia. demuestre que la resolución del cuantificador es de 31. la componente a la frecuencia fs se puede extraer de x PDM (t ) . Una señal analógica tiene una duración de 1 minuto. convertir en PCM binario y almacenar en la memoria de una computadora. en el sistema PPM hay que transmitir también la información de temporización. (c) Demuestre que en PAM se cumple que As = 2A sen(πτf s ) π (5. a partir de la expresión (5.53). Una señal de audio tiene una frecuencia máxima de 3.432 V. Su contenido espectral va desde CC hasta 500 Hz. Si el voltaje máximo de salida del cuantificador es de ± 8V . Esto quiere decir que si m' (t ) ≠ 0 .220) Se aplican las mismas observaciones que en la parte (b). (c) Repita la parte (b) cuando el cuantificador tiene 256 niveles. (a) Demuestre. Nótese que el ancho de banda en PCM es 5 veces mayor que el ancho de banda en PAM. La señal se va a muestrear. (b) Si cada muestra se ha codificado en 8 impulsos PCM binarios. 5. la información de temporización no puede extraerse de x PPM (t ) .21. demuestre que la capacidad de la memoria para almacenar la señal PCM debe ser.23. Esto se puede efectuar mediante un filtro pasabanda muy angosto centrado en fs .37 mV y que la relación de postdetección S o / N o = 48. MODULACION Y TRANSMISION DE IMPULSOS 5. . Esta señal se muestrea a 8000 muestras por segundo y los impulsos resultantes se transmiten tanto en PAM como en PCM. (b) En el sistema PCM los impulsos PAM se cuantifican con un cuantificador bipolar de 32 niveles. ambos NRZ.2 kHz. o con el circuito de la Fig. que la amplitud de la componente a la frecuencia de portadora f s en PPM viene dada por A s = 2Af s [1 − m t m' (t )] ⋅ J o (2πf s m t ) (5. (a) Demuestre que el ancho de banda mínimo del sistema PAM es de 8 kHz. 5.218) Obsérvese que la amplitud As varía en el tiempo en función de la derivada de la señal mensaje.22. As = 2A J o (πτ 1 f s ) sen(πτ o f s ) π (5. de (5.60). (b) Demuestre en la misma forma en PDM que la amplitud de la componente a la frecuencia de portadora f s es. de 60 kbytes.61. Demuestre que el ancho de banda del sistema PCM es de 40 kHz.219) Obsérvese que ahora A s es constante. como mínimo.16 dB . 5. (a) Demuestre que el número mínimo de muestras que hay que tomar y almacenar para el caso de una eventual reconstrucción de la señal es de 60000 muestras.

en las condiciones dadas. Se desea comparar los anchos de banda de transmisión requeridos en PCM y DM en el caso de modulación sinusoidal. (c) Si la señal PAM se codifica (forma unipolar) en PCM de 32 niveles y resolución 0. con escalones de 10 mV de amplitud. siendo RT el ciclo de trabajo de la señal PAM/TDM [Resp. Demuestre que el valor óptimo teórico de la amplitud del escalón ∆r es de 0.: B = 2Mfm/RT] (c) Haga un diagrama de bloques del receptor para recuperar las M señales individuales. La señal m(t ) = 5 + 20 cos 2 (10 4 πt ) se quiere modular en PAM (RZ) con una relación de trabajo de 0. Por consiguiente.27.28. dibuje la señal PCM entre 0 y 75 µseg .5 V. La señal m(t ) = 0.24. (b) Dibuje con cuidado la señal PAM entre 0 ≤ t ≤ 130 µseg. siendo la frecuencia de muestreo igual a 64 kHz.099 dB en ambos sistemas. Determine también la ganancia de conversión en el receptor. (a) Demuestre que el factor de expansión del ancho de banda es igual a 20.8 veces el ancho de banda en PCM. 5. (a) Demuestre que el valor del ancho de banda mínimo del filtro a fin de que las señales individuales puedan recuperarse en el receptor es B = 2Mfm. 5. Si la relación Señal / Ruido de Cuantificación es de 30. m(t) y x ∆ ( t ) en la forma mostrada en la Fig. 5. demuestre que BPCM = 10f m y BDM = 328.42. 5. todas de banda limitada f m se muestrean instantáneamente y se multiplexan en TDM. 5.92 dB. y ⎡ So ⎤ vs ⎢ ⎥ ⎢ ⎥ ⎣ N q ⎦ DM ( dB) βm . el ancho de banda en DM es 32.433 V.16 Hz. 5. A un modulador Delta se le aplica la señal m(t ) = sen(2πx10 3 t ) .26.17f m . MODULACION Y TRANSMISION DE IMPULSOS 5. ⎡S ⎤ Grafique ⎢ o ⎥ ⎢ ⎥ ⎣ N q ⎦ PCM ( dB) Discuta los resultados.09817 y que la correspondiente relación So/No es de 21. la cual es producida por una frecuencia de muestreo de 314. M señales pasabajo.761 dB. y determine los valores de x PAM (t ) para t = Ts y t = 2Ts . (a) Dibuje cuidadosamente las señales m(t ). La señal multiplexada compuesta se pasa por un filtro pasabajo ideal antes de la transmisión.47(b). El muestreo se efectúa al doble de la frecuencia de Nyquist.29. y calcule su ancho de banda.2. Se quiere comparar los sistemas PCM y DM mediante el factor de expansión del ancho de banda β m = B / f m . 5.25. (b) Repita (a) si las M señales se multiplexan en la forma mostrada en la Fig. entre t = 0 y t = 100 ms. (b) Demuestre que la relación So/No máxima es de 21.05 ⋅ [1 − cos(10πt )] se aplica a un modulador Delta cuya frecuencia de muestreo es de 100 Hz.

(c) Grafique la forma de las secuencias PCM NRZ correspondientes a t = 0 y t = Ts. 5. 5.1957% del valor máximo de m(t).103 se muestra un sistema TDM básico para cuatro señales. Suponga que el muestreo de m(t) se ha efectuado al doble de la frecuencia de Nyquist. La señal m(t ) = 10[1 + cos(10 4 πt )] se va a codificar en PCM NRZ mediante un convertidor analógico-digital de salida paralela. 5. Este multiplexor se puede instrumentar en la práctica con circuitos integrados 4016. Vqmax . (a) Determine las características del convertidor analógico-digital: Sugerencia: utilice los resultados del Ejemplo 5. m 2 (t ) = AΠ ( ). 4016 4016 PAM/TDM NRZ A CODIFICADOR PCM/TDM NRZ PCM 4fs m2 (t ) f pcm D 0 0 0 1 C 0 0 1 0 B 0 1 0 0 A 1 0 0 0 m3 (t ) B A B CONTADOR C CICLICO D m4 (t ) D C 4fs fs Salidas del Contador Cíclico RELOJ f pcm Multiplexor PAM / TDM para 4 señales Fig. Las compuertas analógicas 4016 conducen cuando son activadas en secuencia mediante un contador cíclico. 5. N y n . ).30. 5. la cual se transforma en serie mediante un registro de desplazamiento. En este caso determine la frecuencia de reloj del registro de desplazamiento y el ancho de banda mínimo de la señal transmitida. El impulso de arranque tiene la misma duración que los impulsos PCM NRZ. MODULACION Y TRANSMISION DE IMPULSOS (d) La señal PAM/TDM compuesta se codifica en ASCII sin bit de paridad. Fig.9. Demuestre que en este caso la velocidad de modulación es Vb = 20Mf m baudios.31. En la Fig. (b) En el registro de desplazamiento se agrega un impulso de arranque (siempre a “CERO”) y uno de pare (siempre a “UNO”). Al multiplexor entran las siguientes señales: m1 (t ) = AΛ ( t−τ/2 t−τ/2 t − 3τ / 4 ⎤ ⎡ t−τ/4 ) + Λ( ) .37(a).103. m 3 (t ) = A ⎢ Λ ( τ/2 τ τ/4 τ/4 ⎥ ⎦ ⎣ . El error máximo tolerable en la codificación es del 0. cuya salida ABCD se muestra en la Tabla inserta. m1 ( t ) ∆Q.434 V. mientras que en los impulsos de pare la duración es el doble.

4. Suponga que τ = 0. y a continuación la señal PAM / TDM se codifica en PCM. (f) ¿Cuál es el valor de la frecuencia f pcm ? 5. (c) Diseñe un sistema de recepción para la recuperación de las diferentes señales. (a) Demuestre que la frecuencia de muestreo para el proceso previo de m1(t) y m2(t) es de 300 Hz. (b) Demuestre que la cantidad de información que el sistema puede transmitir en 1 minuto es de 3.100 del problema anterior. Diseñe un sistema PAM / TDM que efectúe un multiplexaje preliminar de m1(t) y m2(t) en una señal compuesta m12(t). dibuje la forma de la señal PAM / TDM NRZ a la entrada del codificador PCM desde t = 0 hasta t = 4 Ts . m3(t) y m4(t).435 V. m2(t). Las señales m1(t) y m2(t) tienen un ancho de banda de 80 Hz. se multiplexan en TDM en la forma mostrada en la Fig. código ASCII sin bit de paridad (Fig. y un multiplexaje final de m12(t). (a) Demuestre que el ancho de banda mínimo del canal para transmitir la señal PCM es de 800 kHz. (c) Demuestre que el ancho de banda mínimo del canal para transmitir la señal PAM / TDM NRZ es B = 10 Hz (d) Si A = 15 V y los parámetros del codificador (unipolar) PCM son ∆Q = 1 V y N = 16. (b) Demuestre que el sistema de dos etapas puede procesar hasta 8 señales de 80 Hz sin variar las frecuencias de muestreo. (c) Determine el ancho de banda de la señal resultante PAM / TDM NRZ cuando se transmite las 8 señales de 80 Hz y las dos de 1 kHz. MODULACION Y TRANSMISION DE IMPULSOS 2πt A t−τ/2 [1 + cos( )] ⋅ Π ( ). mientras que las señales m3(t) y m4(t) tienen un ancho de banda de 1 kHz. Las señales m1 (t ) = 5 cos(10 4 πt ) . (b) Si A = 1.36x107 bits. m 4 (t ) = (a) Describa el funcionamiento del circuito completo. 5. En un sistema de telemetría PAM / TDM se multiplexan cuatro señales pasabajo m1(t).33. ¿Es diferente del ancho de banda de cuando se transmite sólo 2 señales de 80 Hz más las dos señales de 1 kHz? Explique. m 3 (t ) = 10sinc 2 (10 4 t ) y m 4 (t ) = 20 cos(10 πt ) cos(2x10 πt ) . La frecuencia de muestreo para m3(t) y m4(t) es de 2400 Hz. . 4 3 m 2 (t ) = 10sinc(10 4 t ) .14(b)).32.8 seg y que la frecuencia f s es τ 2 τ de 10 Hz. m3(t) y m4(t). 5. (e) Calcule el ancho de banda mínimo del canal para transmitir la señal PCM / TDM NRZ. dibuje la forma de la señal PCM / TDM NRZ a la salida del codificador PCM desde t = 0 hasta t = 2Ts . Suponga que las otras frecuencias de muestreo se pueden obtener mediante división por potencias de 2 a partir de 2400 Hz.

36.105. (b) Si A = 10.34. MODULACION Y TRANSMISION DE IMPULSOS 5.37. 5. Vamos a comparar el comportamiento entre un filtro pasabajo RC y un filtro acoplado. el ruido es blanco con η = 10-6 W/Hz y k = η/2. T (b) Si A = 10. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. El ruido de entrada tiene una densidad espectral de potencia S n (f ) . T = 1 seg. 5.239 dB . Se desea construir una red lineal que convierta impulsos rectangulares en impulsos coseno t elevado. T = 1 seg. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. La t −T/2 señal de entrada es un impulso de la forma v( t ) = AΠ ( ) . T donde k es la constante de la expresión (5. una red donde la entrada sea x ( t ) = AΠ ( ) y la salida tenga la forma τ A t 2πt y (t ) = [1 + cos( )] ⋅ Π ( ) .104. (a) Demuestre que la correspondiente función de transferencia del filtro acoplado es v(t) A t 0 H(f ) = H1 (f ) ⋅ exp(− jπTf ) donde H1 (f ) = A sen(πTf ) 2π f (1 − T 2 f 2 ) T/2 Fig.134).751 dB .105 se aplica a un filtro acoplado.35. η = 10-6 W/Hz. (a) Demuestre que la función de transferencia del filtro acoplado es kA 1 [(1 + j2πTf ) exp(− j2πTf ) − 1] H (f ) = Sn (f ) 4T (πf ) 2 A v(t) t 0 Fig. Demuestre que la función de transferencia de esta red es 2 τ τ 1 1 1 H (f ) = para |f|< 2 2 2 1− τ f τ 5. 5. 5. el ruido es blanco de T densidad espectral η/2 y k = η/2. La señal de entrada a un filtro acoplado tiene la forma mostrada en la Fig. 5. 5. Para el filtro RC (a) Demuestre que la señal a la salida del filtro RC es t ⎤ t −T/2 t −T ⎡ ⎡ ⎤ v o ( t ) = A ⎢1 − exp(− ) Π( ) + A ⎢exp(− ) − 1⎥ u ( t − T ) RC ⎥ T RC ⎣ ⎦ ⎣ ⎦ . es decir.104. El impulso coseno elevado de la Fig.436 V. El ruido de entrada es blanco de densidad espectral η/2 y k = η/2.

8 Mbps y se utiliza modulación ASK. 5. se da la densidad espectral de potencia de una señal ASK para una secuencia binaria unipolar NRZ. es el 95% de la potencia total de la señal ASK. Se transmite datos binarios por un canal de RF. A = 10. (b) Demuestre que el 50% de la potencia total de la señal ASK se va en transmitir la componente continua o portadora. La amplitud de la portadora en la antena del receptor es de 1 mV y la densidad espectral de potencia del ruido es de 10-15 W/Hz.59 dB 2 < n o (t) > Para el filtro acoplado (d) Demuestre que la función de transferencia del filtro acoplado es H (f ) = ATsinc(Tf ) exp(− jπTf ) (e) Demuestre que la relación S/N máxima a la salida del filtro acoplado.0206 dB. 5. demuestre que la relación S/N máxima a la salida del filtro RC es z max = | v o ( T ) |2 = 75. de la relación S/N en la antena es de 10. centrado en f c . .40. para los mismos valores de la parte (c). La relación S/N máxima en el canal es de 6. En la expresión (5. (a) Demuestre que la potencia contenida dentro del ancho de banda B = 2 f b .437 V. (a) Demuestre que la velocidad de información máxima en el canal es de 1500 bps y que la probabilidad de error es de 2. (b) Demuestre que si la velocidad de información se reduce a 300 bps.672 x10 −7 Pe = 1. su relación S/N máxima de salida es superior en 7. 5. MODULACION Y TRANSMISION DE IMPULSOS (b) Demuestre que la potencia de ruido a la salida del filtro es < n 2 (t ) >= o η 4RC (c) Si T = 1 seg. RC = 10 y η = 10-6 W/Hz.42 dB. 5. La velocidad de información es de 4.01 dB .62.969 dB.339x10-3 . en dB.1068x10−6 (b) Demuestre que el valor. la probabilidad de error será de 1. es z max = 83. El ancho de banda útil del canal es de 10 MHz. Sobre un canal telefónico de 3 kHz de ancho de banda se transmite datos binarios. Se considera ASK Coherente.0306x10-10 .39.147) y Fig.19. (a) Demuestre que las probabilidades de error son: En ASK Coherente: En ASK no Coherente: Pe = 1.38. Nótese la superioridad del filtro acoplado: en las mismas condiciones que el filtro RC. Sugerencia: utilice el mismo procedimiento del Ejemplo 1.

la velocidad de transmisión de 1200 bps y la densidad espectral de 10-10 W/Hz. 5. Las frecuencias de transmisión son f1 = 1500 Hz y fo = 2100 Hz.438 V.21. 5. de amplitud de portadora A y frecuencia de señalización fb. f1 = 2025 Hz y fo = 2225 Hz. Demuestre los siguientes resultados: frecuencia de portadora. y en la banda superior.42. El Módem Bell 102/113 transmite a 300 bps. ⎡S ⎤ ⎡S ⎤ ⎡ Si ⎤ = 2⎢ i ⎥ =⎢ i ⎥ ⎢ ⎥ ⎣ N i ⎦ PSK ⎣ N i ⎦ ASK ⎣ N i ⎦ FSK (b) Si la relación Si /Ni en el canal es de 10 dB. FSK y PSK. (a) Demuestre que para una misma probabilidad de error Pe y en modulación coherente. determine la amplitud de la portadora y la probabilidad de error en ASK. (c) Para la velocidad de información calculada en (b). Un canal ideal tiene un ancho de banda útil de 3 kHz..5 mV y la densidad espectral de ruido en el sistema es de 10-11 W/Hz. fc = 1800 Hz. El ancho de banda útil del canal es de 3 kHz.229x10-5 Pe = 3.0206 dB. Demuestre que la velocidad de información máxima que el canal puede soportar es de 1500 bps. fd = 300 Hz Pe = 2.882x10-9 . La relación S/N en el canal es de 6. B = 1200 Hz.18. La potencia de ruido en los tres sistemas es la misma. (a) Demuestre que la capacidad teórica máxima del canal es C = 9667 bps.43. 5. La amplitud de la portadora es 0. (b) Se utiliza las técnicas FSK y PSK. pero sus frecuencias de operación son: en la banda inferior.339x10-3 Pe = 9. igual que el Módem UIT-T V.41.44. Probabilidad de error en FSK Coherente: Probabilidad de error en FSK no Coherente: desviación de frecuencia. demuestre que las probabilidades de error son: En FSK Coherente: En PSK Coherente: Pe = 2. MODULACION Y TRANSMISION DE IMPULSOS 5. Compare los resultados. Sobre un canal se transmite datos binarios en FSK. f1 = 1070 Hz y fo = 1270 Hz. FSK y PSK Coherentes. parte (b).158x10-3 Ancho de banda del filtro de entrada. Repita para este Módem Bell los cálculos efectuados en el Ejemplo 5. Sea los sistemas ASK. La potencia promedio máxima permitida de la señal es de -30 dBm y en el canal la densidad espectral es de 2x10-11 W/Hz. Se utiliza un modem que trabaja a una velocidad de modulación de 300 baudios.

108 se muestra el diagrama de bloques de un receptor PSK binario. 5.106. Se dispone de un canal cuya respuesta de frecuencia se muestra en la Fig.01 dB y la densidad espectral de potencia del ruido de 2x10-10 W/Hz. . Al codificador diferencial de la Fig.46.48.75. 5. 5.73 se le aplica una secuencia binaria de la forma 1101000110. (c) Demuestre que las probabilidades de error en FSK Coherente y no Coherente son: Coherente: Pe = 2. En la Fig. Suponga que el primer dígito es un “0” y que la fase correspondiente es 0o . y por el cual se va a transmitir información binaria a 300 baudios en FSK. No se muestra el sincronizador de temporización. H(f) 1 f -2800 -800 0 800 2800 Fig. En la Fig. (a) Utilizando los mismos datos del problema anterior.106. 5. Hz (a) Demuestre que los valores apropiados de la frecuencia de portadora y de las frecuencias fo y f1 son: fc = 1800 Hz. 5. x PSK (t ) Filtro Pasabanda Elevador al Cuadrado Filtro Pasabanda Divisor de Frecuencia Filtro Pasabajo v d (t ) tn Vu Sincronizador de Portadora "1" "0" 2f c ÷2 Fig. 5.107. 5. 5. MODULACION Y TRANSMISION DE IMPULSOS 5. 5. f1 = 1100 Hz.107 se muestra otra forma de codificador diferencial.98 mV. fo = 2500 Hz (b) Demuestre que la amplitud de la portadora es de 0.45. No Coherente: Pe = 6. 5.275x10-2. Q A B fb clk FF D C Entrada Salida C = A⋅ B+ A B Fig.439 V. 5. construya una Tabla de valores como la mostrada en la Fig.767x10-2 (d) Demuestre que la capacidad teórica máxima de este canal es C = 3170 bps. (b) Repita (a) si el primer dígito es un “1” y la fase es 0o.47. Determine la secuencia de salida (mensaje codificado) del codificador y las fases de la señal modulada DPSK.108. La relación S/N en el canal es igual a 3.

FSK.49. 5.50. La frecuencia de muestreo de la señal es de 8000 muestras por segundo y las palabras codificadas constan de 7 dígitos binarios más un dígito de sincronización. En el Capítulo VI estudiaremos este concepto con más detalle. 5. como veremos en el Capítulo VI.: A2 = 7. cuando se opera sobre un canal de 3 kHz de ancho de banda. Demuestre que el ancho de banda mínimo del canal es de 128 kHz. tanto coherente como no coherente. 5. En la Fig.504x109 Hz. Una señal de voz se va a transmitir en PCM por microondas. MODULACION Y TRANSMISION DE IMPULSOS Suponga que x PSK ( t ) = A cos(2 πfc t − φ i ) . “ “ “ “ “0” . centrados en las frecuencias fI1 y fI0 . a una velocidad de 1000 bps.109 se muestra un receptor FSK. Si/Ni = 12. con una densidad espectral de ruido de 2x10-10 W/Hz y una probabilidad de error de 3. (d) Si la transmisión se hace en FSK binaria con una desviación de frecuencia de 40 kHz y una frecuencia de portadora de 1.079x10-8 W .440 V.038x10-8? El ancho de banda del canal es el calculado en (d) y la detección es no coherente [Resp. Un receptor de este tipo se denomina “receptor heterodino”. La señal de entrada vc (t) se puede escribir en la forma v c (t ) = A c cos[2π (f c ± f d )t ] . Calcule las potencias pico y promedio de la señal. PSK.5 GHz. ¿Cuál será la potencia pico de la señal recibida FSK y la relación S/N correspondiente si la probabilidad de error es de 2. en un intervalo Tb dado. Tabule y compare los resultados. Bc = 208 kHz (e) La densidad espectral de ruido en el canal es de 10-14 W/Hz. (c) Para la transmisión se utiliza modulación PSK binaria. f0 = 1. y las frecuencias de transmisión son: f1 = 1300 Hz.309 dB] 5.216x10-5 . (a) Demuestre que el voltaje de entrada al comparador. (a) Demuestre que la velocidad de información de las secuencias PCM es de 56 kbps. en ASK. viene dado A3 por v d (t) = cos( φ i ) 4 (b) Establezca un algoritmo de decisión apropiado para el comparador. y DPSK.51. respectivamente. Demuestre que las frecuencias de operación y el ancho de banda de transmisión son: f1 = 1.496x109 Hz. (b) Si las secuencias son PCM NRZ demuestre que el ancho de banda de base es de 64 kHz. donde φ i = 0 o si se ha transmitido un "1" ⎫ ⎪ ⎬ en un intervalo Tb dado φi = π " " " " " "0" ⎪ ⎭ Nota: Este circuito de sincronización se puede utilizar también en la recepción de señales continuas. todos de igual duración. cuando se transmite un “1” fo = 1700 Hz. así como las correspondientes relaciones S/N. Los filtros FI 1 y FI 0 son pasabanda. donde fI0 > fI1 .

Analice el sistema y determine los valores apropiados de las frecuencias fI1 . 109.fI1 ) < 2 kHz 5. Que f I 0 + f I1 = f c . entonces PMDPSK → 2 ⋅ PMPSK . sujeto a las condiciones siguientes: 1. MODULACION Y TRANSMISION DE IMPULSOS FI v c (t ) Filtro Pasabanda cos(2πfo t ) Oscilador Local Sincro FI Detector de Envolvente "1" "0" Detector de Envolvente tn Elemento de Decisión ~ Fig. Relaciones entre PSK M-ario y PSK Binario. donde fc es la frecuencia de portadora 2 1 kHz < (fI0 .52. Demuestre que B B = B M log 2 M . (a) Sea BB el ancho de banda en binario y BM el correspondiente en M-ario.094 ⋅ PB cuando Pe = 10-4 Nota: para erfc(x1 ) = 2x10-4 → x1 ≈ 2. Sea PMPSK la potencia de señal en PSK M-ario y PMDPSK la correspondiente en DPSK Mario . el sistema DPSK M-ario requiere un aumento de 3 dB de potencia sobre el requerido para PSK M-ario.6297 para erfc(x2 ) = 10-4 → x2 ≈ 2. (a) Para una probabilidad de error Pe cualquiera. 5.441 V. (b) Sea PB la potencia de señal en binario y PM la correspondiente en M-ario. fI0 y fo . Relaciones entre PSK M-ario y DPSK M-ario. demuestre que PMDPSK = 1 sen 2 (π / M ) PMPSK 2 sen 2 (π / 2M ) (b) Verifique que si M >> 1. es decir. Demuestre que PM = π [log 2 M]sen 2 ( ) M 1.53.751 5. . Que 2.

La secuencia binaria de entrada a un modulador DPSK 4-ario tiene una velocidad de modulación de 1200 baudios. El modulador toma bloques de L = log2 8 = 3 dígitos y le asigna a cada tripleta ángulos de desfase en la forma siguiente: 000 → φ 1 = 45 o . M. demuestre que el ancho de banda de la señal FSK M-aria se puede expresar en la forma B c ≈ (M − 1)∆f + 2f s .208 dB y que la probabilidad de error es Pe = 7. Por un canal de microondas se quiere transmitir datos binarios a una velocidad de 3 Mbps y se desea utilizar un modulador PSK 4-ario o uno FSK 4-ario. (c) Si la amplitud de la portadora aumenta al doble. ⎡S⎤ ⎡S⎤ Determine las relaciones ⎢ ⎥ y ⎢ ⎥ y los correspondientes anchos de banda. Elija Ud.57.86. utilice los valores aproximados de la Fig. 01 → φ 2 = 90 o . (a) Dibuje el Diagrama de Fresnel correspondiente. el sistema que mejor se adapte a la situación en la cual Ud. El modulador toma bloques de L = log2 4 = 2 dígitos binarios y le asigna a cada dupla de dígitos. 001 → φ 2 = 0 o . 011 → φ 4 = 135 o 100 → φ 5 = −90 o . 010 → φ 3 = 90 o . 101 → φ 6 = −45 o . .55. Si se considera la señal FSK M-aria como si estuviera formada por M señales de frecuencia fi . 10 → φ 4 = 270 o La frecuencia de portadora es de 1800 Hz.294x10-4 . 111 → φ 8 = 180 o La frecuencia de portadora es de 1600 Hz. (a) Dibuje el Diagrama de Fresnel correspondiente. 11 → φ 3 = 180 o . demuestre que la nueva probabilidad de error es Pe = 5. donde f s = f b / log 2 M . (b) Demuestre que la relación S/N en el canal es de 9. (d) Dibuje la señal DPSK 4-aria de salida correspondiente a una secuencia de entrada de la forma 0 0 0 1 1 1 1 0..56. 5. el ancho de banda del canal es de 3 kHz. Haga el dibujo con cuidado para distinguir los cambios de fase. ∆f = 1.041x10-23 y que la relación S/N ha aumentado en 6.893 mV y que la probabilidad de error es Pe = 9.795x10-7.5f s .. . (b) Dibuje la señal PSK 8-aria de salida cuando la secuencia de entrada al modulador es de la forma 001010111100. La probabilidad de error debe ser de 10-5.. 5. (b) Demuestre que la amplitud de la portadora es de 4. 5. 5. ángulos de desfase en la forma siguiente: 00 → φ 1 = 0 o . la relación S/N de 13 dB y la densidad espectral de ruido de 10-10 W/Hz. La velocidad de información de la secuencia binaria de entrada a un modulador PSK 8-ario es de 4800 bps. la amplitud de la portadora de 1 mV y la densidad espectral de ruido de 10-11 W/Hz. siendo fb la frecuencia de señalización a la entrada del modulador. En ⎣ N ⎦ PSK ⎣ N ⎦ FSK PSK hacer B c = 2 f s y en FSK.. el ancho de banda del canal de 3 kHz. separadas en ∆f.54. 2.442 V. está trabajando. MODULACION Y TRANSMISION DE IMPULSOS 5.021 dB. 3. Haga el dibujo con cuidado para poder distinguir los cambios de fase. 110 → φ 7 = −135 o . para i = 1.

Utilice la Tabla del Apéndice D. En un sistema CDMA se desea una probabilidad máxima de 1. la potencia de la señal interferente debe estar. MODULACION Y TRANSMISION DE IMPULSOS 5.081x10-6. donde N es la ganancia de procesamiento.58.081x10-6. 5.5 dB por arriba de la potencia de la señal útil. Nótese entonces que para que la interferencia pueda causar algún daño se necesitan grandes potencias de transmisión. En particular.4.59. demuestre que con una ganancia de procesamiento de 2048 el sistema puede atender hasta 184 usuarios. a 19. . Demuestre que para ser efectiva. como mínimo. Haga una gráfica del número de usuarios M vs N. En un sistema PSK/DSSS la ganancia de procesamiento es de 1000.443 V. Se desea que la probabilidad de error esté por debajo de 1.

MODULACION Y TRANSMISION DE IMPULSOS .444 V.

es necesario que su tamaño físico sea por lo menos del orden de una longitud de onda. Si el canal fuera estrictamente pasabajo. que veremos posteriormente. lo que hace necesario el traslado del espectro pasabajo de la señal a la banda de paso del canal. por ejemplo. donde cada miembro del proceso corresponde a una forma de onda o señal mensaje. sobre un canal dado. En efecto. Si el canal es el espacio libre. incluyendo las señales de audio. En la Teoría Electromagnética se demuestra que para que una antena pueda irradiar energía con alto rendimiento. Sin embargo. para su transmisión a distancia tienen que ser moduladas. pero resulta que la mayoría de los canales (incluyendo los dispositivos electrónicos) son de naturaleza pasabanda. la transmisión de datos está aumentando a pasos agigantados y cada vez más y más señales analógicas están siendo digitalizadas para su procesamiento y transmisión. Aunque el requerimiento primario del proceso de modulación es el de traslación o conversión de frecuencias. hay además algunos propósitos adicionales para modular. las señales analógicas podrían ser transmitidas directamente en banda de base. que las estaciones de radio y televisión transmitan simultáneamente y puedan ser sintonizadas y separadas en el receptor. por ejemplo. en contraste con