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

1.3.2.5.6. COMPARACION ENTRE LOS SISTEMAS DE MODULACION DE SEÑALES CONTINUAS 531 6.4.3.4 Comparación entre los Sistemas de Banda Ancha 534 6. Otros Teoremas de Interés 571 569 .5. 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. Intercambio “Ancho de Banda-Relación S/N” en Sistemas de Banda Ancha 532 6.5. El Espectro Electromagnético 567 567 568 569 570 570 570 570 571 568 B.2. Características Generales de los Sistemas de Modulación de Ondas Continuas 536 6. RESUMEN PROBLEMAS DE APLICACIÓN APENDICE A CALCULO NUMERICO DE LAS SERIES Y TRANSFORMADAS DE FOURIER A.5.7. La Transformada de Fourier Rápida (FFT) APENDICE B MISCELÁNEOS B.1.1. Comparación entre los Sistemas de Modulación Angular vs Modulación Lineal 532 6. Pares de Transformadas de Fourier C.5. La Transformada de Fourier Discreta (DFT) A. Criterios de Comparación 531 6. CATV) y FM en VHF B.1. Teoremas de la Transformada de Fourier C.2. Bandas de Televisión (NTSC.4. Cálculo Numérico de los Coeficientes de Fourier A.5. Código ASCII o Alfabeto Internacional N 5 de la UIT-T B. Bandas de Televisión (NTSC.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. Código Baudot APENDICE C TRANSFORMADAS C.6.2.3.3.5.4. Comparación entre los Sistemas de Modulación Angular 530 6. Pares de Transformadas de Hilbert C. CATV) en UHF o B.

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

he puesto a disposición de la comunidad hispanoamericana los libros Transmisión de Datos y el presente libro Principios de las Comunicaciones. Ing. Abril 2005 . Como una ayuda y colaboración para mis colegas profesores.. Esto me permitirá el establecimiento de contactos más personales con los potenciales usuarios del libro. Este Problemario. mi dirección electrónica es: briceros@hotmail. Briceño M. Espero que este texto les sea de utilidad en su diaria enseñanza. Profesor Titular. mis estimados colegas. José E. tanto teórica como práctica. administración y acceso de los datos. disponibles a través de la Web.com. ULA. Edición Digital. 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. con la finalidad de contribuir a las actividades académicas y de investigación de cualquier disciplina.com Mérida. lo pueden obtener dirigiéndose a mí directamente por correo electrónico. como una contribución a la enseñanza. de trabajos de investigación y de libros de texto completos.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. de las Telecomunicaciones. Dr. Con esta finalidad. 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. briceros@hotmail. La Biblioteca Digital de la Universidad de Los Andes es una colección de artículos. 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. almacenamiento.

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

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

.. en lo posible. El capítulo concluye con una comparación de todos los sistemas estudiados. etc. Agosto 2004 . Donde es aplicable. se presentan algunas de sus aplicaciones. 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. En los Apéndices siguientes se da información adicional acerca del Espectro Electromagnético. En particular se estudia la Transformada de Fourier Discreta. quiero dedicar este libro a Margot. Se definen los dos tipos de modulación de ondas continuas: lineal (Modulación de Amplitud) y exponencial (Modulación Angular). 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. 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). Queremos dejar constancia de nuestro agradecimiento a los Profesores Ermanno Pietrosemoli y Néstor Angulo Reina (+). así como su materialización física (dispositivos y circuitos). < briceros@hotmail. José E. Ing. 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.com> Mérida.xvi práctico. 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. Se estudian los diferentes sistemas de modulación analógica (PAM. Se desarrolla el concepto de multicanalización o multiplex. 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. las Bandas de Frecuencia en FM. En el Capítulo VI se estudia la modulación y transmisión de señales continuas. Dr. cuyas valiosas sugerencias han contribuido a mejorar considerablemente la exactitud y claridad del texto Finalmente. así como fórmulas matemáticas. e intentando. En el Apéndice A se presenta una breve introducción al cálculo numérico de los Coeficientes y Transformada de Fourier. DPCM y DM) de impulsos y se comparan sus características en el caso de transmisión y recepción en banda de base. que son de amplia utilización en el texto. PDM y PPM) y digital (PCM. y se señalan algunas de sus aplicaciones en el campo de la transmisión de información. mi esposa. tanto en el dominio de la frecuencia como en el dominio del tiempo. Asimismo. radiodifusión y transmisión por satélites. tablas de transformadas. música o video. tanto de impulsos como de ondas continuas. sin profundizar demasiado en desarrollos matemáticos innecesarios. VHF y UHF. interpretar en forma intuitiva los conceptos y resultados. tales como voz. de gran aplicación en el Análisis Espectral de Señales. FFT). Briceño M. especialmente la Transformada de Fourier Rápida (Fast Fourier Transform. de la Cátedra de Comunicaciones de la Escuela de Ingeniería Eléctrica de la Universidad de los Andes. sin olvidar la complejidad en la instrumentación práctica. y se desarrollan las descripciones de los diferentes sistemas particulares.

la transmisión de datos a través de un cable coaxial en un sistema de automatización industrial es también comunicación. estos puntos y rayas. Este es un error muy frecuente aún en personas técnicamente calificadas. circuitos diferentes que conduzcan igualmente una corriente continua. frecuencia. desde una estación remota hasta el puesto de control es comunicación. una guía de ondas o el espacio libre. Hay un gran número de aplicaciones en las cuales la palabra “comunicación” se emplea indistintamente. Como estaremos hablando continuamente de comunicación.1. 1. como se indica en la Fig. INTRODUCCION El propósito de un sistema de comunicación es el de transmitir información. siguen siendo todavía un problema importante. Samuel Morse (1791-1877) logró la primera forma eficiente del telégrafo eléctrico. y un receptor para recoger la información. pero encontró ciertas dificultades que más tarde afectaron a los cables submarinos aún más severamente. un canal sobre el cual la información se transmite. que básicamente son impulsos. 1. Si se transmite puntos y rayas demasiado a prisa por cable subterráneo. En 1843. desde el punto de vista que nos ocupa. La palabra “comunicación” parece privativa del ingeniero de comunicaciones o de los medios de comunicación de masas. 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. el código Morse de telegrafía consta de puntos y rayas cuyas combinaciones se asignan a los símbolos del alfabeto (letras y números). cuando se transmite un corto impulso de corriente. corriente. En efecto. no son necesariamente adecuados para una comunicación eléctrica en donde las corrientes son esencialmente variables. Morse emprendió la tarea de construir una línea con cable subterráneo. La transmisión de un programa de opinión por un medio de transmisión de masas también es comunicación. sería interesante conocer algo de sus orígenes históricos y de los hombres que han sobresalido en su estudio y desarrollo. En 1832. muy disperso. Asimismo. puede suceder que se reciba una señal difícil de interpretar. Sin embargo. cuando se transmite una señal clara y distinta. Un sistema de comunicación comprende un transmisor. con su cable subterráneo. Como todos sabemos. La transmisión de medidas de voltaje. la palabra o palabras más apropiadas que describen el proceso son las de “transmisión de información”. etc. se recibe en el extremo alejado del circuito un impulso de corriente mucho más largo. y siendo la comunicación tan diversa y tan importante. Las dificultades que Morse encontró. una fibra óptica.. . no pueden diferenciarse en el extremo receptor. El canal de transmisión puede ser un simple par de conductores.1(a). 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. un cable coaxial. Como se indica en la Fig.CAPITULO I REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.1(b).

Heaviside (1850-1925). con una rapidez mucho mayor que en la telegrafía manual. llamadas en general “ruido”. Es evidente. 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. Estos hombres usaron los métodos matemáticos establecidos por el físico francés Joseph Fourier (1768-1830). Baudot (18451903). Formas de Onda Transmitidas y Recibidas. y en sus esfuerzos para superarla se sentaron los primeros cimientos de la teoría de la comunicación. t Impulso Transmitido t (a) Impulso Recibido t Señal Transmitida (b) Señal Recibida Fig. conocido como Lord Kelvin. Muchos hombres ayudaron al establecimiento del tratamiento matemático de la telefonía. Pupin (1858-1935). Los primeros telegrafistas estaban conscientes de esta limitación. de las limitaciones de los sistemas físicos. . sobre todo. Un ataque más poderoso a tales problemas siguió a la invención del teléfono por Alexander Graham Bell (1847-1922). esto complicó aún más la recepción de la señales. si los impulsos son lo suficientemente largos. son los más eminentes de ellos. El Análisis de Fourier es de absoluta necesidad en el estudio de las comunicaciones eléctricas. pero hace falta algo más que un conocimiento intuitivo: se necesita un análisis matemático de estos fenómenos. calculó en forma exacta la corriente recibida en un cable submarino cuando se transmitía impulsos (puntos y rayas). están siempre presentes en los circuitos y dificultan la interpretación de la información contenida en un mensaje. que hay una velocidad de transmisión límite asociada de algún modo con un circuito o canal dado. Los telegrafistas de aquella época tenían un conocimiento. aparecían señales extrañas que hacían aún más difícil la interpretación. en 1876.2 I. William Thompson (1824-1907). entonces. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Naturalmente. En la telefonía las señales varían brusca y rápidamente en un amplio margen de amplitudes. Hombres como Poincaré (1854-1912). En 1885. la interpretación en el extremo receptor será completa. Este es el principal objetivo de este texto. t Pero no solamente eran las limitaciones del canal las que hacían difícil la interpretación.1. Desde muy pronto se aplicaron técnicas matemáticas a la solución de estos problemas. Estas señales espurias. aunque el cuerpo completo de la teoría sólo se ha logrado en las últimas décadas. 1. que podríamos llamar intuitivo. Durante las tormentas. 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. pero la velocidad de transmisión habrá disminuido apreciablemente.

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

1984] de la Bibliografía. se representarán con la notación x(t). que no es posible transmitir sin error si los códigos utilizados no tienen redundancia. cómo tratar una señal contaminada con ruido para obtener una mejor estimación de ella. sino qué clase de señal enviar para transportar mejor los mensajes de un tipo dado sobre un canal particular o circuito ruidoso. Estas técnicas no son sino modelos matemáticos. 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. pues. y en Estados Unidos. o en el “dominio de la frecuencia” si la variable independiente es la frecuencia (f).N. es decir. el lector interesado encontrará un nutrido material sobre la historia de las telecomunicaciones en los últimos 100 años. lo cual conlleva a los conceptos de “espectro” y de “ancho de banda”. asimismo. fueron los frutos de este esfuerzo combinado.4 I. es decir. Los elementos funcionales de un sistema son los circuitos eléctricos. descripciones idealizadas de señales reales. Shannon (19162001). En los sistemas de comunicación las señales son magnitudes que varían en el tiempo. . tales como voltajes y corrientes que. Shannon demostró. El problema no es. La representación espectro-temporal de señales y sistemas es posible mediante el Análisis Espectral de Fourier: Series y Transformadas. En el problema tratado por Shannon se permite elegir cómo representar el mensaje por medio de una señal eléctrica. 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). hábilmente dirigido y con ilimitados medios económicos. Después de la guerra otro matemático. Problemas como la detección y estimación de señales en presencia de ruido fueron resueltos por A. 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. las Comunicaciones por Satélite y las Comunicaciones Opticas son los dominios en los cuales el crecimiento ha sido y seguirá siendo espectacular. por Norbert Wiener (1894-1964). en general. Claude E. la televisión y muchos desarrollos más. las Telecomunicaciones y la Informática estará la base de este desarrollo. el problema de la codificación y la redundancia. 1948]. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES microondas. 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. cuántos valores de la corriente se pueden permitir y cuántos se transmitirían por segundo. El Procesamiento y Transmisión de Datos. Kolmogoroff (1903-1987). Aunque se puede elegir diferentes modelos para un problema particular. 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. 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. En la conjunción entre la Electrónica. En la Referencia [IEEE. que es otro de los pilares de la moderna Teoría de la Comunicación. en Rusia. 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. 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. independientemente.

Son también señales determinísticas aquellas que no poseen una ecuación que las describa pero que están representadas mediante gráficos. es decir. por lo menos en lo que se refiere al destinatario. puesto que las señales determinísticas pueden ser totalmente conocidas de antemano. pero en los intervalos usuales de trabajo y para efectos de análisis. Como veremos en Capítulo IV. Esto es verdad desde un punto de vista muy amplio y. aunque la palabra “ciclo” se utiliza principalmente en señales sinusoidales. 1. En el Capítulo III se presentan algunos fundamentos de las variables y procesos aleatorios. una señal no periódica es aquella para la cual no existe un T finito que satisfaga la expresión (1. El punto a resaltar es que el valor exacto de una señal determinística se puede predecir o calcular por adelantado. 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. prueba y operación de sistemas. Las señales determinísticas se pueden representar mediante expresiones matemáticas explícitas del tiempo. 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. Igualmente. Sin embargo. En términos más formales.2.1. diseño. Por ejemplo.1). Al intervalo de un período se le denomina también un “ciclo” de la señal. todas las señales procesadas en un sistema de comunicación son de naturaleza aleatoria.5 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. una señal aleatoria es aquella en la cual existe un mayor o menor grado de incertidumbre en cuanto a un valor instantáneo futuro. En su definición más sencilla. desde el punto de vista del análisis. MODELOS DE LAS SEÑALES 1. Las señales determinísticas tienen propiedades bien conocidas además de que son más fáciles de generar y utilizar.2.2. x(t ) = x(t + T) para todo t (1. Señales Determinísticas y Aleatorias En los sistemas de comunicación se encuentran dos clases amplias de señales. puede decirse que solamente las señales aleatorias proporcionan verdaderamente información. una señal sinusoidal de la forma x(t) = Acos(2πfct) para todo t. Señales Periódicas y no Periódicas Una señal periódica es aquella que se repite en una forma predecible cada T segundos. podemos argumentar que una señal aparentemente periódica deje de serlo después de un tiempo lo suficientemente grande. Una señal no periódica o aperiódica se puede considerar como el límite de una señal periódica cuanto el período T tiende a infinito. Desde un punto de vista práctico estos argumentos no producen ninguna dificultad. hay que considerar siempre una u otra representación.2. no solamente es deseable sino también necesario utilizar señales determinísticas para analizar el sistema y predecir su comportamiento. por supuesto. Aunque el valor exacto en un instante dado no se conoce.1). donde T es el período de repetición de la señal.1) T es una constante positiva y es el valor más pequeño que satisface la expresión (1. . conocidas como “señales determinísticas” y “señales aleatorias”. es una señal determinística.

6 I.6) Esta es la potencia normalizada para una resistencia de 1 ohm.3) = x (t )x * (t ) . una definición más general de la energía es E = lim donde x(t ) 2 T →∞ − T / 2 ∫ T/ 2 x(t ) dt 2 (1. por lo tanto.2) a (1.6) se puede establecer lo siguiente: (a) Se dice que una señal x(t) es de energía si y sólo si .5) Si la señal es periódica. la potencia promedio de la señal en el intervalo (-T/2. y se expresa en joules. es decir. 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 . 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 (1.2) La señal x(t) puede ser un voltaje o una corriente. no es necesario tomar el límite y la integración se efectúa dentro de un período T. E= ∫ ∞ −∞ x 2 (t )dt (1. daremos preferencia a la notación < x 2 (t ) > para representar la potencia promedio normalizada de una señal x(t).4) La potencia promedio de una señal x(t) en el dominio del tiempo se define como la energía por unidad de tiempo. Este es un operador lineal. que es la más utilizada en la caracterización de señales reales de aplicación práctica. T/2) es P= E T = lim T →∞ ∫ T 1 T/ 2 −T/ 2 x( t ) dt 2 (1. Si x(t) es real e independiente de T. P= 1 T ∫ T/ 2 − T/ 2 x 2 (t )dt si x(t) es real (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.3. que corresponderá a la energía si la señal es de energía. la energía se puede definir en la forma siguiente. E es la energía normalizada para una resistencia de 1 Ohm. De las definiciones (1. asimismo. < x ( t ) > representará el valor promedio (componente continua) de una señal x(t). ser compleja. T − T/ 2 ∫ ∫ Algunas veces se define también la denominada “intensidad normalizada de una señal” como la potencia o la energía normalizadas. sin embargo.2. Para simplificar la notación. Como x(t) puede. se mide en vatios (W). o a la potencia si la señal es de potencia. según el caso. En este texto representaremos la intensidad normalizada de una señal con la notación < x 2 (t ) > . en general.

A x(t) 0 t Fig. hay muchas señales que tienen una potencia límite dada cuando T → ∞. por lo tanto no es una señal de energía. Fig. 1. a ♣ x(t) A Determinar si la señal x(t) de la Fig.3 es de energía. 1. por lo tanto x(t ) = A exp(− a| t | ) es una señal de energía. 1. En efecto. Por inspección.2 ∫ ∞ −∞ A exp(−2a| t|)dt = 2A 2 2 ∫ ∞ 0 A2 exp(−2at )dt = a joules Se verifica que E = ♣ Ejemplo 1. no es obvio si es o nó de energía. En efecto. no todas las señales de potencia son periódicas. aplicando (1. En este tipo de señales hay que utilizar la ecuación (1. Vamos a verificar esto aplicando la expresión (1. de potencia o ninguna de las dos.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.2.7 I.2 A2 < ∞ . La señal no es periódica pero puede ser de potencia. Sin embargo.4). pero como la curva se extiende hasta el infinito.5) para su definición. todas las señales periódicas son necesariamente señales de potencia.3 t T →∞ lim 1 T ∫ T/ 2 A 2 dt = A2 2 W 0 . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 0< ∫ ∞ −∞ x 2 (t )dt < ∞ lim (1. El área bajo la señal es infinita. x(t) no es periódica. (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. 1. Evidentemente. donde A y a son constantes y a > 0.8) lo cual implica que la energía de una señal de potencia es infinita (E = ∞).3. es de potencia o de energía. 1. Las señales de potencia finita tienen una energía infinita. aunque tales señales sean no periódicas o tengan un comportamiento de carácter aleatorio. ♣ Ejemplo 1. Se trata de determinar si la señal x(t ) = A exp(− a| t|) .5) a la señal de la Fig.1. 0 Fig.

Energía de una Señal Triangular ⎧ | t| ⎪A (1 − ) para | t| ≤ τ τ Sea la señal triangular mostrada en la Fig. resultado ya obtenido en los cursos de Circuitos Eléctricos. Esto es válido para cualquiera señal. La potencia promedio de una señal sinusoidal será entonces 2 A2 ⎡ A ⎤ < x (t ) >= =⎢ ⎥ 2 ⎣ 2⎦ 2 (1.9) donde A / 2 es el “valor eficaz” de la señal sinusoidal. ♣ ♣ Ejemplo 1. Fig. por lo tanto. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A2 < ∞. fc y φ son constantes reales.4.4(b). 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. La energía de x(t) será: E = 2 τ ∫A τ 0 2 t 2 (1 − ) 2 dt = A 2 τ joules τ 3 ♣ . donde A. Potencia de una Señal Sinusoidal Se verifica entonces que < x 2 (t ) >= Sea la señal sinusoidal x(t ) = A cos(2πf c t + φ ) . donde x( t ) = ⎨ ⎪0 para | t| > τ ⎩ Esta forma de señal es de uso muy frecuente. 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. por lo que se ha definido la “función triángulo”. 1. x( t ) = AΛ ( ) . ♣ ♣ Ejemplo 1.3.6). 2 Podemos decir también que una señal continua de amplitud A para todo t es una señal de potencia cuya potencia es A2.4(a).8 I. Por inspección. sea o nó sinusoidal. x(t) es una señal de potencia. 1.4 (b) Función Triángulo t En consecuencia. 1. De (1. el período T de x(t) es T=1/fc. Nótese que la información de fase (valor de φ) no interviene para nada en el cálculo de la potencia.

5. rectangular x(t) será < x 2 (t ) >= 2 T t x(t ) = AΠ( ) en T . . Potencia Promedio de una Señal Periódica Rectangular Sea la señal periódica rectangular mostrada en la Fig.2. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. representada por ⎧ 1 ⎪1 para |t| ≤ 2 Re ct (t ) = Π(t ) = ⎨ ⎪ 0 para |t|> 1 ⎩ 2 Por consiguiente. 1.4. ellas sirven para varios propósitos de gran utilidad en el análisis de señales y sistemas. T ♣ Hay una clase de señales elementales cuyos miembros tienen formas matemáticas muy simples pero que son discontinuas o tienen derivadas discontinuas. el escalón unitario. Esta forma de señal también es de uso muy frecuente.9 I. 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. En segundo lugar. Señales Singulares τ se la denomina “ciclo o relación de trabajo”. de modo que puede determinarse experimentalmente si un sistema se comporta en la forma predicha por un análisis matemático previo. la señal signo y el impulso unitario Delta Dirac.5(b). Aunque este tipo de señales no son sino idealizaciones matemáticas y no ocurren naturalmente en un sistema físico. su forma matemática más simple permite efectuar cuantitativamente el análisis de un sistema con mucha más facilidad que si se emplearan señales más complicadas. 1. Fig. Además. no por eso menos importante. generalmente se las denomina “señales o funciones singulares”. sirven como aproximación de señales que verdaderamente ocurren en los sistemas cuando se efectúan operaciones de tipo conmutativo. habiéndose definido la “función rectángulo”. Las señales singulares más comunes en el análisis de señales y sistemas son la rampa.5(a). Por último. En primer lugar. Debido a que estas señales no tienen derivadas finitas de ningún orden. muchas señales complicadas pueden representarse como combinaciones de estas señales elementales. 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.5. 1. estas señales pueden simularse en el laboratorio con mucha facilidad y aproximación.

d u(t ) = r (t ) (1. 1. se muestra en la Fig.t o ) = u ( t − to a ) Puede observarse que la rampa es la integral del escalón unitario.6. 1.12) Esta expresión es válida para todo t. Si se desea que la pendiente sea distinta de la unidad.7. bastará multiplicar por una constante. La Rampa Unitaria. 1. en cuyo punto no existe una derivada.11) Fig. u ( at ) = u ( t ). es decir. br(t) y r(bt) representan rampas cuyas pendientes son iguales a b. El Escalón Unitario. r(t). . como la pendiente de r(t) es la unidad. En efecto.13) dt De las definiciones de rampa y escalón unitario. u(t). 1.10) Fig. Para un cambio de escala en el eje t. 1. es decir. 1. El Escalón Unitario u(t) 1 t 0 El escalón unitario.8. br(t) es una rampa de pendiente b. r (t ) = u ( t ' ) dt ' −∞ ∫ t (1.7 se representa diferentes formas de la rampa.10 I. Formas diferentes de la Rampa. 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. por lo tanto. Una forma matemática para cambiar la pendiente es mediante un cambio de escala en el eje t.9 se muestran diferentes representaciones del escalón unitario. se puede decir que r (t ) = t u(t) . En la Fig. se muestra en la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La Rampa Unitaria r(t) 1 0 1 t La rampa unitaria. 1. excepto t = 0.8 y se define en la forma ⎧1 para 0 ≤ t u(t ) = ⎨ ⎩ 0 para t < 0 (1. su valor debe ser la unidad siempre que su argumento sea la unidad. pero u(at .6 y se define en la forma siguiente: ⎧t r (t ) = ⎨ ⎩0 para para 0≤t t<0 (1. En la Fig. por lo tanto.

15) En la Fig. .11 se muestran algunas representaciones de la función signo. escalón y signo. 1.14) 1 0 sgn(t) t -1 Fig. pero sgn(at . Formas del Escalón Unitario. 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. 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) . − A sgn(t + t o ) = A sgn(− t − t o ) −t o 0 t sgn( t − t o ) 1 0 to -1 t Fig. El lector puede verificar que las señales x(t) y z(t) de la Fig. 1. 1. La Función Signo La función signo. se representa en la Fig.11 I. Función Signo Para un cambio de escala en el eje t. Formas de la Función Signo.t o ) = sgn(t − La función signo es una función impar de t. 1. 1.11. es aquella que cambia de signo cuando su argumento pasa por cero.10. to ).9.1. es posible representar otros tipos de señal.u(-t) (1.12 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) . sgn(t).10 y la vamos a definir en la forma siguiente: ⎧1 para 0 ≤ t sgn(t ) = ⎨ ⎩ -1 para t < 0 (1. Usando combinaciones de las funciones rampa. sgn(at ) = sgn(t ).

Aún así es conveniente establecer algunas relaciones sin integrales como simplificaciones que pueden hacerse antes de la integración.12 I. 1.17) La propiedad de muestreo del impulso unitario. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t) 1 z(t) t -1 0 1 2 -1 3 1 t −τ 0 τ Fig. ya que . el impulso unitario δ(t) no tiene ningún significado matemático o físico a menos que aparezca bajo el signo de integración.17). 1. El impulso unitario Delta Dirac se representa en la forma mostrada en la Fig. si x(t) es continua en t = to. es de mucha aplicación en el análisis de señales y sistemas y la estaremos utilizando continuamente. representado en la forma δ(t). expresión (1. 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. El Impulso Unitario Delta Dirac (1. Señales Compuestas.16). Estas propiedades se han utilizado también para definir el impulso unitario. se puede demostrar la conocida “Propiedad de Muestreo o Cernido” del impulso unitario Delta Dirac.to) tiene área unitaria concentrada en el punto discreto to y área cero en cualquiera otra parte. El impulso unitario Delta Dirac se define entonces mediante la integral ∫ ∞ −∞ x(t)δ (t)dt = x(t)|t =0 = x( 0) (1.13. Por definición.13. Quiere decir también que los coeficientes constantes que afecten el impulso unitario representan el “área” del mismo. 1. no es una función en el sentido matemático usual. Se pueden interpretar diciendo que δ(t .12. El Impulso Unitario Delta Dirac El Impulso Unitario Delta Dirac. se verifica que 1 δ( t ) t 0 ∫ ∞ −∞ x(t )δ(t − t o )dt = x (t o ) Fig. y se define mediante un proceso o regla de asignación en vez de una ecuación. Pertenece a una clase especial de funciones conocida como “funciones generalizadas” o “distribuciones”.16) donde x(t) es una función cualquiera continua en t = 0. Mediante un cambio de variables en la definición (1. En efecto.

de (1. Se puede relacionar δ( t ) con el escalón unitario u(t).21c) lim ε sen( πt ε ) = δ( t ) 1 t lim exp[ −π ( ) 2 ] = δ(t ) ε ε→0 ε . el signo dependerá de si la discontinuidad es montante o bajante. Por ejemplo. 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 ) . Por ejemplo: t Π( ) = δ( t ) τ τ→0 τ lim ε → 0 πt 1 (1. Cambio de escala en el eje t: pero δ( at − t o ) = 1 δ( t − (1.19) y diferenciando ambos miembros de (2. sin demostrarlas.16).20a) (1. x( t )δ ( t ) = x( 0)δ ( t ). d dt sgn( − t − t o ) = −2δ( t + t o ) Esta propiedad es particularmente útil en la diferenciación de señales discretas.16). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ellas son consistentes con lo que sucede después de la integración. y de la Fig.20b) y en general.21a) (1. 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. 1. define la “propiedad de simetría par” del impulso unitario: δ( t ) = δ( − t ) 3.20b) no son definiciones de δ(t) sino una consecuencia de la regla de asignación (1.13 I.11. A continuación damos. 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. 4. Las expresiones (1. 1. Pero.20a) y (1.21b) (1. δ(at) es un impulso unitario de área 1/|a|. El caso especial cuando a = −1. algunas de esas relaciones. ∫ δ(t ' )dt ' = u(t ) t −∞ (1. estas expresiones establecen también que la derivada en una discontinuidad es un impulso unitario de área igual al valor absoluto de la discontinuidad.18) δ( at ) = to 1 | a| δ( t ) para a ≠ 0 ) a | a| En relación con la variable independiente t.

cuando la entrada es un impulso unitario. además del empleo del impulso unitario en la representación de señales.21d) 5. entonces la condición de ortogonalidad es ∫ t2 t1 ∗ x1 ( t ) x ∗ ( t )dt = ∫ x1 ( t ) x 2 ( t )dt = 0 2 t1 t2 (1.14 I.16). Derivada del Impulso Unitario Es posible definir una función que se puede interpretar como la “derivada” de un impulso. comúnmente denominada “doblete”. Esta derivada. la respuesta de un sistema a un impulso unitario se puede considerar como otro modelo matemático del sistema.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 .5. aunque en un sentido estricto la derivada no existe.2.22a) Si las señales x1(t) y x2(t) son complejas. t2). si ellas verifican la integral (llamada “producto interno”) ∫ t2 t1 x1 (t)x 2 (t)dt = 0 para x1 ( t ) ≠ x 2 ( t ) (1. Señales Ortogonales Se dice que dos señales x1(t) y x2(t) son ortogonales en un intervalo (t1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES B→∞ − B lim ∫ B exp(± j2πtf ) df = ∫ ∞ −∞ exp(± j2πtf ) df = δ( t ) (1. porque permite relacionar la entrada con la salida. se puede definir axiomáticamente especificando un conjunto de condiciones las cuales debe satisfacer. En consecuencia. Esto lo veremos detalladamente más adelante. él es de gran aplicación en el análisis de sistemas lineales. Esto proviene del hecho de que la respuesta de un sistema lineal. Como se verá más adelante. Si el doblete se designa como δ‘(t). 1.22b) donde el asterisco indica “conjugado de”. 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 ). La ortogonalidad se puede extender a todo el eje t. ∫ ∞ -∞ 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. en efecto. ∞ ∫ −∞ x ( t ) y( t )dt = 0 donde x ( t ) ≠ y( t ) (1. para dos señales x(t) e y(t). se puede tratar δ(t) como una función ordinaria siempre que todas las conclusiones sean basadas en la regla de asignación (1. se puede utilizar para determinar la salida del sistema para cualquiera otra señal de entrada.

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. En el dominio de la frecuencia el fasor está definido para un valor particular de la frecuencia. Los tres parámetros necesarios para especificar un fasor son entonces la amplitud A. con una amplitud. 1. En consecuencia. Este espectro consta de dos gráficos: uno de Amplitud vs . ωo = 2πf o es la velocidad angular en radianes por segundo. Fasor y Espectro de Líneas Unilateral. fase y frecuencia dadas. generalmente señales sinusoidales. como se muestra en la Fig. la fase φ y la frecuencia rotacional o cíclica fo. m ≠ n y T= 1 . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ⎡ T T⎤ ⎢− 2 . denominado el “espectro” de la señal.15 I. 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. por ejemplo. Asimismo.14(a). 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. Representación Espectral Para introducir la noción de dominio de la frecuencia o espectro. 2 ⎥ . para f = f o . fo Estas señales las encontraremos más adelante al estudiar las Series de Fourier. puede decirse que ella está formada por un conjunto de componentes en el dominio de la frecuencia.3. Esto quiere decir que una señal temporal se puede considerar como constituida por un número de componentes de frecuencia. 1. El ángulo φ es la fase o desfase con respecto al eje real o con respecto a t = 0 en el eje t. Por consiguiente.14(b). con ⎣ ⎦ m y n eneros distintos de cero. 1. aunque una señal existe físicamente en el dominio del tiempo.1. 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. El fasor de longitud A gira en el sentido contrario a las agujas del reloj a una velocidad de fo revoluciones por segundo. se puede asociar tanto la amplitud A como la fase φ con este valor particular de f en la forma mostrada en la Fig. 1.14. consideremos la señal sinusoidal x ( t ) = A cos(2πf o t + φ ) . que se denomina “espectro de líneas”. 1. 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.3.

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

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

1) se dió la definición de señal periódica que repetiremos aquí con un ligero cambio en la notación.4.5 es una señal de este tipo. 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. SERIES Y ESPECTROS DE FOURIER Hemos visto cómo las señales sinusoidales puras se pueden representar en el dominio de la frecuencia. aunque periódicas. como se muestra en la Fig. La señal x T (t ) puede considerarse como la repetición periódica de una señal x(t). algunas veces llamada “señal generatriz o generadora” de x T ( t ). la señal periódica rectangular del Ejemplo 1.26) se sigue que para un entero k cualquiera (1.16(c). Sin embargo.1. 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.4. 1.26) . como se muestra en la Fig. Este es el objetivo del Análisis de Fourier. Por ejemplo.18 I. 1. en muchos casos se tiene señales que. 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. Cuando se aplican señales sinusoidales puras a un filtro cualquiera. para todo t real y para un T positivo. 1. 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.16(b). en especial la potencia de salida. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Las componentes fuera de banda son rechazadas. 1. ¿cómo podría calcularse la potencia de salida del mismo filtro cuando se le aplica una señal periódica rectangular. en cualquier intervalo de duración T. Definición En la expresión (1. así designado en honor del físico francés Jean Baptiste Fourier.6 A la entrada del filtro de la Fig.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. una señal periódica está definida mediante la expresión x T ( t) = x T ( t + T) donde T es el período de la señal. en el caso donde f 2 <| B| < f 3 . se puede calcular fácilmente su salida.17. son mucho más complicadas que las simples señales sinusoidales. 1. tales como el seno o el coseno. 1. Por ejemplo. De (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.

si la señal x T (t ) = cos(ω1 t ) + cos(ω 2 t ) es periódica de período T. f 1 = 1 / 6π . si x T (t ) y g T (t ) tienen el mismo período T. Por ejemplo.7 Verificar si las señales siguientes son periódicas. ω1 ω2 = 10 10 + π ⇒ fracción irracional La fracción es irracional.17 . Generación de una señal periódica En particular. De aquí. entonces. x T (t ) ooo -T 0 T ooo t 0 x(t) t (a) Señal Periódica (b) Señal Generatriz Fig. la señal y(t) es periódica de período T = (b) y ( t ) = cos(10t ) + cos[(10 + π ) t ]. en cuyo caso determinar el período. 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. por lo tanto la señal y(t) no es periódica. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x T ( t ) = x T ( t + kT) = n =−∞ ∑ x( t − nT) ∞ (1. El valor más pequeño de m o n determina el período T. 1. f 2 = 1 / 8π La fracción es racional.27) Aún más. n = 3 3 f2 = 24 π. 3 4 ω1 4 = ⇒ ω2 3 m = 4. con a y b dos constantes reales. t t (a) y(t ) = cos( ) + cos( ) . si m > n. entonces T = n / f2 . y T (t ) = ax T (t ) + bg T (t ) será también periódica de período T. ♣ Ejemplo 1. ♣ .19 I.

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 % =

31 I.62) .22(a). 1. como se muestra en la Fig. 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. de donde 2(1 + jπn ) ( −1) n ⎡ e − e −1 ⎤ ( −1) n senh(1) ⎢ ⎥= Xn = . 1) mediante la serie exponencial de Fourier. Para desarrollar una representación de x(t). es decir. x(t) x T (t ) ooo t ooo t -T 0 T 0 (a) Señal Generatriz Fig.12 Considérese el desarrollo de la señal x ( t ) = exp(− t ) en el intervalo (-1. hay que utilizar otro tipo de descomposición para x(t). LA TRANSFORMADA DE FOURIER 1.5. Introducción Si se desea extender la clase de funciones transformables a fin de incluir señales aperiódicas representadas para todo t. x(t) es la señal generatriz de x T ( t ) . es decir. 1. La representación se efectúa entonces en términos de la llamada Transformada de Fourier que se considera a continuación. A medida que T aumenta.22. 1 + jπn ⎣ 2 ⎦ 1 + jπn El desarrollo de x(t) en el intervalo (-1. Fig. ∞) en términos de un continuo de señales exponenciales.22(b). Como el período es T = 2. en el intervalo (-∞. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Xn = e exp( jπn ) − e −1 exp( ± jπn ) . (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. T →∞ lim x T ( t ) = x ( t ) (1. el intervalo de representación se hace más grande y cuando T es infinito la señal periódica se habrá convertido en aperiódica.1. 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 ) . vamos a postular que x(t) define un ciclo de una señal periódica x T ( t ) . 1. pero exp( ± jπn ) = (−1) n .5. 1) será entonces x(t ) = n =−∞ ∑ ∞ ( −1) n senh(1) 1 + jπn exp( jπnt ) ♣ 1.

64) quedan en la forma lim x T ( t ) = lim T →∞ T →∞ n =−∞ ∑ X( f ∞ n ) exp( j2πf n t ) ∆f = x(t ) (1.64) .21d). en x( t ) = y X( f ) = ∫ X(f ) exp( j2πtf )df ∞ −∞ ∞ (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 ) (1.66) Cuando T → ∞. nf o = f n entonces (1. de (1.67) y (1. y las correspondientes letras mayúsculas para sus transformadas. en el límite.66) se convierten. se utilizarán letras minúsculas para las señales en el dominio del tiempo.41).68) ∫ −∞ x ( t ) exp( − j2πft ) dt La cantidad X(f) se conoce como la “Transformada de Fourier de x(t)”. respectivamente. Por lo tanto. ∫ ∞ −∞ exp(− j2πtf ) df = δ( t ) y de la propiedad de muestreo del impulso unitario. y x T (t ) → x ( t ) . En general. x(t ) = ∫ ∞ −∞ x (τ )δ(τ − t ) dτ = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ exp[ − j2 π (τ − t )f ]df ⎥dτ ⎦ −∞ ∞ .17).65) y X( f n ) = ∫ T/ 2 − T/ 2 x T (t ) exp( − j2 πf n t ) dt (1.69) y simbólicamente mediante la correspondencia x ( t ) ⇔ X( f ) Las expresiones (1. las expresiones (1.63) y (1. X( f n ) → X( f ).68) reciben también el nombre de “Par de Trasformadas de Fourier”. de (1.32 I.65) y (1.67) (1. 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 )} (1.67) y (1. siendo x(t) su correspondiente transformada inversa. En efecto. f n = nf o → f . el límite de la sumatoria cuando la variable se hace continua es una integral.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. Hay otro procedimiento para obtener el par de transformadas (1. Por esta razón. expresión (1.68) en el cual se utilizan las propiedades del impulso unitario Delta Dirac. 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 → ∞ . se sigue que: ∆f → df .

33 I. MAPLE y otros.67) y (1. La cantidad X(f) es entonces el “Espectro Continuo de x(t)”. y X(f)df es el “coeficiente” asociado con la función básica elemental exp(j2πft). 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).5. ha llevado a la definición de una versión discreta de la Transformada de Fourier. El Espectro Continuo La expresión (1. Sin embargo. la demostración rigurosa de estas expresiones está fuera de los objetivos de este texto. salvo para algunas formas sencillas de x(t) y X(f). son. queda x ( t ) exp(− j2πft ) dt (1. MATLAB. enfoque que creemos es más significativo. En general.68). 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Intercambiando el orden de integración.2.67) −∞ 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. y con el cambio de variables τ = t. en la cual se considera a las Integrales de Fourier como el límite de la Serie de Fourier cuando el período tiende a infinito. de todas las componentes de frecuencia que existen para −∞ < t < ∞ . la suma de las cuales debe ser cero excepto en el intervalo de existencia de x(t). en amplitud y fase. de difícil resolución en forma analítica. .68) (1. el creciente uso de métodos digitales como ayudas computacionales y para aplicaciones en el procesamiento digital de señales. 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 . Las integrales (1.70) donde |X(f)| es el “Espectro Continuo de Amplitudes de x(t)” y φ(f) el “Espectro Continuo de Fase de x(t)”. De todas maneras. en general.67) se puede interpretar como una descomposición de x(t) en términos del continuo de funciones elementales { exp( j2πft )} . Puede también utilizarse programas matemáticos como MATHCAD. 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. cuya magnitud viene dada por X( f ) df . El espectro continuo X(f) de x(t) se puede interpretar como la distribución. aunque nosotros utilizaremos siempre MATHCAD. La cantidad X(f) hace el mismo papel que X n en la representación en Serie de Fourier.

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. 1. .34 I. ♣ Nótese que no todas las señales se pueden desarrollar en un continuo de exponenciales { exp( j2πft )} . como la función escalón por ejemplo.71) En la Fig. 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).72) Estas condiciones incluyen también todas las señales de energía.72) implica también que ∫ ∞ −∞ | x(t )|2 dt < ∞ (1.68). si una señal x(t) tiene una transformada de Fourier. inversamente. 2 πf t f AΠ( ) ⇔ Aτsinc (τf ) = Aτsinc( ) 1/ τ τ ∞ ∫ t x ( t ) = AΠ ( ).23(a). en consecuencia. Sin embargo. hay un cierto número de señales de gran importancia. 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 ) . es decir. τ reemplazando x(t) en (1. En particular. es decir. Transformada de un Impulso Rectangular Sea el impulso rectangular mostrado en la Fig. entonces esta transformada y su inversa son unívocas. cuya energía no es finita (no es de cuadrado integrable) pero que posee una transformada de Fourier. En efecto. ∫ ∞ −∞ | x (t )| dt < ∞ (1. dada una función del tiempo. 1.72) Puesto que x(t) es una señal acotada. la condición suficiente para que x(t) posea una transformada de Fourier es que x(t) sea de módulo integrable. las señales de energía poseen una transformada de Fourier. habrá sólo y solamente una función del tiempo correspondiente. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. excepto que no es necesario que x(t) sea periódica. hay sólo y solamente una transformada de Fourier de esa función. la expresión (1.13. τ/2 0 ∫ (1.23(b) se muestra la forma de este espectro. dada una transformada de Fourier. Sin embargo.

75a) El espectro de amplitudes de una señal real x(t) es simétrico (par en f). Las dos descripciones. que | X( f )| =| X( − f )| =| X∗ (f)| y φ ( f ) = − φ( − f ) (1. se tiene X(0) = x (t )dt −∞ ∫ ∞ (1. por ejemplo volts/Hz. si se sustituye f por -f en (1. entonces {x(− t )} = X(− f ) .75b) Similarmente.77) X(f) será enteramente real y la fase será 0 ó ±π.74a) (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. de donde x ( − t ) ⇔ X( − f ) (1.68). entonces X(f ) = 2 x(t ) cos(2 πft )dt 0 ∞ ∫ ∞ (1. 2 3.78) π En este caso X(f) será enteramente imaginario y la fase será ± . Propiedades de la Transformada de Fourier de Señales Reales La Transformada de Fourier es. entonces X( f ) = − j2 x( t ) sen(2 πft )dt 0 ∫ (1.79) La cantidad X(0) representa el área neta bajo la señal x(t). La amplitud. Si x(t) es impar. son de gran utilidad en ingeniería porque a menudo una descripción es más fácil de utilizar en una aplicación particular. Nótese que las dimensiones de X(f) son las de x(t) por unidad de ancho de banda. La Transformada de Fourier tiene las siguientes propiedades: 1. Si x(t) es real.35 I. 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. entonces X( − f ) = ∫ ∞ −∞ x( t ) exp( j2πft ) dt = X ∗ ( f ) X(f ) = X∗ (−f ) (1. en volts por ejemplo. o una descripción puede ser más intuitiva en un problema dado. puesto que las ordenadas representan la amplitud relativa de una determinada componente de frecuencia. la transformada de su conjugado será entonces {x (t)} = X (−f ) * * (1. una forma alterna y equivalente de representación de una señal x(t). es decir. Haciendo f = 0 en la expresión (1. mientras que el espectro de fase es antisimétrico (impar en f). si se sustituye t por -t en (1.76) 2.3. Nótese también que si x(t) es compleja. como ya hemos señalado.68). una en el tiempo y la otra en la frecuencia. por lo cual el espectro de señales aperiódicas a veces se denomina “espectro de densidad de amplitudes”. correspondiente a una .67).74b) o también esto implica que X(f) tiene simetría hermítica.5.

Transformada del Impulso Unitario Delta Dirac Considérese la función exp(− jωt ) a la cual se le aplica la propiedad de muestreo del impulso unitario. 1. El impulso unitario tiene un espectro de amplitud constante para todo f y una variación de fase lineal en f. como se muestra en la Fig.15.4. 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.36 I. . ♣ Ejemplo 1.17).14. ⎧ | t| ⎪A(1 − ) para | t| ≤ τ t Del Ejemplo 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.80) ♣ t f AΛ( ) ⇔ Aτsinc 2 (τf ) = Aτsinc 2 ( ) 1/ τ τ El espectro X(f) se muestra en la Fig. ♣ Ejemplo 1.81) (1. 1. Transformada de una Señal Triangular Sea la señal triangular de la Fig.25(b) y (c). expresión (1.82) y para to = 0. como veremos en el Capítulo II.24(a). se obtiene finalmente X( f ) = Aτ sen 2 (πτf ) (πτf ) 2 = Aτsinc 2 ( τf ) . 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. 1. Estas propiedades del impulso unitario son de especial importancia en el análisis de sistemas lineales. ∫ de donde ∞ −∞ exp(− jωt )δ(t ± t o )dt = exp(± jωt o ). de donde (1.24(b).

Transformadas de la Señal x(t) = Aexp(-at)u(t) ♣ ♣ Ejemplo 1.37 I. 1. En efecto. De la Fig.25. de donde Efectuando la integración.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. Transformadas del Impulso Unitario Delta Dirac. 1. cuya transformada se calculó en el Ejemplo anterior.17. ♣ Ejemplo 1. 1. x( t ) = A exp( − at ) u( t ) ⇔ X( f ) = ♣ ∫ A exp(−at) u( t) exp(− j2πft)dt −∞ ∞ A X( f ) = . 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 .26. 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.27.27. Fig. 1. considérese la función [ exp(− at )u (t ) − exp(at )u (− t )] .26(a). Transformada de un Impulso Exponencial Decreciente Sea el impulso exponencial decreciente de la Fig. a a 2 + 4π 2 f 2 que se muestran en la Fig. 1.16. 1. a + j2πf A A exp(−at )u ( t ) ⇔ a + j2πf A 2πf | X(f )| = y φ (f) = -arctg( ) También. (1.26(b) y (c).

♣ 1.16 y de (1. a →0 ⎡ 1 jπf − j4 πf a →0⎣ a + − ⎤ ⎥ a − j2 πf ⎦ 1 = 1 jπf (1. {sgn(t )} = lim⎢ {sgn(t )} = lim de donde. La energía de una señal x(t) es.18. 1.15).28 se muestra el par de transformadas del escalón unitario. mientras que su potencia es cero. . 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). En la Fig.38 I. 2 A A Entonces.6. el espectro de energía. 1.4). E= ⎡ ∞ ⎤ X ( f )⎢ x * (t ) exp( j2 πft )dt ⎥df = ⎣ −∞ ⎦ −∞ ∞ ∫ ∫ ∞ −∞ X (f )X * ( f )df = ∫ | X(f )| ∞ −∞ 2 df .27 ♣ Ejemplo 1. Por consiguiente. Para señales de energía. 1. por lo tanto. más bien que el espectro de potencia. DENSIDAD ESPECTRAL DE ENERGIA. es la caracterización más apropiada para señales que poseen una transformada de Fourier. Transformada del Escalón Unitario 1 De (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. 2⎣ jπf ⎦ (1. Au ( t ) ⇔ δ( f ) + 2 j2 πf ♣ {u(t )} = 1⎡ 1 ⎤ ⎢ δ( f ) + ⎥.28. La misma clase de resultado es de esperar en el caso de señales no periódicas representadas por sus transformadas de Fourier. de (1.17. la energía en el intervalo (−∞ < t < ∞) es finita. Transformadas del Escalón Unitario.76). E= ∫ ∫ ∞ −∞ | x ( t )|2 dt = ∫ ⎡ ∞ ⎤ x * (t )⎢ X ( f ) exp( j2πtf )df ⎥dt ⎣ −∞ ⎦ −∞ ∞ ∫ Intercambiando el orden de integración. y del Ejemplo 1. u ( t ) = [ 1 + sgn(t )] . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Del Ejemplo 1.85) u(t) 1 |U(f)| 1/2 t 0 0 f Fig.

Puesto que la energía es una magnitud positiva.88). −∞ ∫ | X(f ) | 2 df (1. |X(f)|2. La cantidad |X(f)|2 se denomina “Espectro de Energía” o “Densidad Espectral de Energía” de la señal x(t). y de acuerdo con (1. que conserva la norma.86) Este resultado se conoce con el nombre de “Teorema de Raleigh”. En efecto. también es conocido con el nombre de “Teorema de Plancherel”. t AΠ( ) ⇔ X(f ) = Aτsinc(τf ) τ La energía total del impulso rectangular se puede calcular con más facilidad en el dominio del tiempo. Ex = 2 ∫ τ/2 A 2 dt = A 2 τ joules 1 τ es. 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. de (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E= ∫ ∞ −∞ | x (t )|2 dt = ∫ | X(f )| ∞ −∞ 2 df (1.19.29. En el sentido físico.86). 1. 0 La energía contenida en el intervalo de frecuencias | f | ≤ . Estrictamente hablando. entonces G x ( f ) es par en f y positiva para todo f [G x ( f ) > 0]. es decir.13. Las dimensiones de |X(f)|2 son joules/Hz. Del Ejemplo 1. 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. es decir.88) G x (f ) es la distribución de la energía de x(t) en el dominio de la frecuencia. que es el que nos interesa directamente.39 I. 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).87) E = ∫ G x (f )df = −∞ ∞ ∞ La energía total de x(t) será entonces. |X(f)|2df es la energía contenida en un ancho de banda infinitesimal df. el Teorema de Raleigh traduce el hecho de que la energía de una señal no depende del modo de representación de la señal. la Transformación de Fourier es una transformación lineal isométrica. este espectro se muestra en la Fig. el Teorema de Raleigh dice que en el espacio L2 de las funciones de módulo cuadrado integrable sobre (-∞. ♣ Ejemplo 1. ∞). La energía es un invariante y es la misma así se tenga una representación temporal o una representación espectral de la señal.

si se aplican algunas propiedades y teoremas que simplifican enormemente las operaciones matemáticas. En general. se tendrá el 93%. que demandarían laboriosas operaciones si se hicieran a través de las expresiones (1.67) y (1.68). el lector debe estar atento entonces a la forma como se define el ancho de banda de una señal o de un sistema. criterio que se utiliza en la transmisión de datos en donde se necesita detectar una “presencia” y no una “forma”. En la Fig. a la salida del filtro se tendrá el 90% de la energía a su entrada.7. Teorema de la Superposición o Linealidad Sea x 1 (t ) ⇔ X 1 (f ) y x 2 (t ) ⇔ X 2 (f ) entonces. 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.26(b) se muestra la forma de onda de la salida. 2.903 x2 2 De donde. pero como E B = 0. como veremos más adelante. pueden responderse muy fácilmente mediante la aplicación de las propiedades de la Transformada de Fourier ya vistas. o cuál es el espectro resultante de una señal que ha sido multiplicada por una señal sinusoidal. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E B = 2A 2 τ 2 ∫ 1/ τ sinc 2 ( τf )df = 2 A 2 τ 2 πτf = x. Estos distintos valores de B corresponden a diferentes definiciones del ancho de banda de una señal.67) y (1.68) puede hacerse más fácil. y si B = 3/2τ. y cada definición puede ser más apropiada para una determinada aplicación.89) . la salida es parecida a la entrada. 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. Por ejemplo.1. Estas y muchas otras preguntas. 1.5% de la energía a la entrada. casi por inspección.7. pues permite encontrar algunas relaciones y visualizar algunos aspectos físicos de las señales y sistemas que no son percibidos a simple vista. para cualesquiera constantes a y b. entonces E B = 0. 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. uno puede preguntarse qué sucede en el dominio de la frecuencia cuando una señal pasa por un integrador.903A 2 τ E x = A 2 τ. se verifica que ax 1 (t ) + bx 2 ( t ) ⇔ aX 1 ( f ) + bX 2 ( f ) (1. la definición del ancho de banda de una señal es una cuestión de convención.903E x La energía contenida en el lóbulo principal de la transformada de un impulso rectangular constituye el 90% de su energía total.40 I. y de los teoremas que se estudiarán en esta sección. El lector puede verificar en la misma forma que si B = 1/2τ. En la práctica es de gran utilidad estudiar el efecto en un dominio causado por una operación en el otro. a la salida del filtro se tendrá el 77. pero a menudo es necesario pasar de un dominio a otro dominio y la resolución de las integrales (1. ♣ 1.

1.30(a). ♣ Ejemplo 1.2. un desplazamiento en el dominio del tiempo corresponde a un desfase en el dominio de la frecuencia. .7. Solución: x(t) se puede expresar en la forma De los Ejemplos 1. {x(t + t o )} = X(f ) exp( j2πt o f ) y de la misma forma. en la Fig. t t x( t ) = AΠ( ) − 2AΛ ( ) τ τ/2 τf X( f ) = Aτsinc( τf ) − Aτsinc2 ( ) 2 Este espectro se muestra. entonces x(t ± t o ) ⇔ X(f ) exp(± j2πt o f ) (1. Teorema de la Traslación o Desplazamiento en el Tiempo Si x(t ) ⇔ X(f ).to. pero sí lo hace experimentar un desfase de (-2πtof) radianes. para Aτ = 1.13 y 1. En general. La señal x(t − t o ) es una versión de x(t) retardada en to segundos. y determinar la transformada total como la suma de las transformadas de las señales individuales. Demostración: Por definición.41 I. {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 ). 1.20 Calcular y dibujar la transformada de Fourier de la señal de la Fig. 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). 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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La demostración de este teorema es directa pues la integración es una operación lineal.90) { x(t − t o )} = ∫−∞ x(t − t o ) exp(− j2πft )dt ∞ ∞ Con el cambio de variables t’ = t . Este retardo no afecta al espectro de amplitudes original.30(b).14. 1.

1.92b) ∫ ∞ −∞ X( f ) exp( j2πtf )df . Demostración: Supóngase que a > 0.7. entonces x(at) es la señal x(t) con una escala de tiempo t f comprimida en un factor |a|. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. cuantifica la relación “duración-ancho de banda” entre una función del tiempo y su correspondiente transformada. porque es ya un clásico). y X( )es una compresión de X(f)]. entonces x(at) es una f expansión de x(t). Si |a| >1. 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. y viceversa. 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.3. Otro ejemplo se tiene en los grabadores de cinta magnética. 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).7. la invariancia de la energía debe mantenerse siempre. y viceversa.92a) (1. entonces para una constante real a. 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. se puede demostrar en forma similar que x ( at ) ⇔ f X( ) | a| a 1 {x(at )} = −1 f X( ) .91) {x(at )} = ∫ {x(at )} = ∞ −∞ x (at ) exp( − j2πft ) dt . algunas veces denominado “Propiedad Escalar de la Transformada de Fourier”. Una compresión en el dominio del tiempo a corresponde entonces a una expansión en el dominio de la frecuencia. En forma similar.4. Teorema del Cambio de Escala Sea x ( t ) ⇔ X(f ) . La transformada de x(at) es x ( at ) ⇔ f X( ) | a| a 1 (1. El factor de escala 1/|a| asegura que la energía no varía al comprimir o expandir las señales. pero seguimos manteniendo este ejemplo. Demostración: Como x ( t ) = entonces X( t ) ⇔ x ( − f ) X( t ) ⇔ x ( f ) (1. entonces x(-t) = ∫ ∞ -∞ X(f' )exp(-j2 πtf' )df' . 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). de donde a a Este teorema. Teorema de la Dualidad o Simetría Sea x ( t ) ⇔ X(f ) . entonces Si x(f) es par.42 I. La voz se escucha muy aguda (expansión en frecuencia) pues la pieza se está tocando en menos tiempo (compresión en el tiempo).

el dual de la expresión (1.22.23(b). obtenido en el Problema de Aplicación 1. es A exp(± j2πf c t ) ⇔ Aδ ( f ∓ f c ) Asimismo. 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. si x ( f ) = x ( − f ) . 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. x(− f ) = ∫ ∞ −∞ X( t ) exp(− j2πft )dt . Entonces. . Ejemplo 1. Del teorema de dualidad o simetría. entonces la expresión (1.92) 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. {A cos(2πf c t )} = 2 [ δ(f + f c ) + δ(f − f c )] A En consecuencia. es decir. Transformada de una Señal Sinusoidal El Teorema de Dualidad permite determinar en forma muy sencilla la transformada de Fourier de una señal sinusoidal. En efecto. x(− f ) = ∫ ∞ −∞ X( f ' ) exp(− j2πff ' ) df ' A fin de obtener una forma reconocible. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si se reemplaza t por f en la segunda integral.15. ♣ Ejemplo 1. o sea que X(t) ⇔ x(-f) Si x(f) es una función par.43 I. finalmente queda x(t ) = 1 1+ t 2 ⇔ X(f ) = π exp(−2 π| f |) ♣ ♣ Ejemplo 1.21 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 . 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.81).

Sin embargo. si la señal x(t) tiene una frecuencia máxima f m y posee información a transmitir. la señal x(t) se denomina “señal modulante.95) Este resultado. No obstante.44 I. ♣ 1.94) Demostración: {x( t ) exp( ± j2πf c t )} = ∫ x( t ) exp( ± j2πf c t ) exp( − j2πft )dt −∞ ∞ = Por lo tanto. debe cumplirse que f c ≥ f m .93a) (1. de capital importancia en los sistemas de comunicación.96) . el factor exp( j2πf c t ) no es real y por lo tanto no puede ocurrir en un sistema de comunicación. moduladora o modulatriz”. un desfase en el dominio del tiempo corresponde a un desplazamiento en el dominio de la frecuencia. pues generalmente f c >> f m . En este contexto. la sinusoide A cos( 2πf c t ) la “portadora”.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 . la frecuencia fc la “frecuencia de portadora” y el producto x ( t )A cos( 2πf c t ) la “señal modulada”.5 Teorema de la Traslación o Desplazamiento en Frecuencia Si x ( t ) ⇔ X(f ) entonces.94). En efecto. se conoce con el nombre de “Teorema de la Modulación”. el teorema de la modulación es válido para cualquiera señal x(t) y cualquier valor de fc . es decir. este teorema proporciona la base matemática para deducir el principio de la modulación de señales.7. para una constante real fc x ( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) (1. consideremos la multiplicación de una señal x(t) por una señal sinusoidal de la forma A cos( 2πf c t ) . ⎧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. Se tiene entonces que {x(t )A cos(2πf c t )} = y de (1. Estrictamente hablando. A 2 [ δ(f + f c ) + δ(f − f c )] A 2 (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A cos( 2 πf c t ) ⇔ y de la misma forma. por razones de tipo práctico que veremos más adelante. En los sistemas de comunicación esta condición se cumple siempre. ∫ 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. 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. sin embargo.

45 I. es decir. el cual está concentrado alrededor de las frecuencias ±f c . Fig. 1. 1. Fig.31. 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. Esta clase de señales se tratará extensamente más adelante. 1. 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). En la práctica generalmente se cumple que f c >> f m o f c >> B . En este caso x(t) es una “señal pasabajo”.31(b). Energía de una Señal Modulada Sea x(t) una señal de energía.31(b). 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. se denominan “señales pasabanda” y su ancho de banda es B = 2 f m . es una señal cuyo espectro X(f) está concentrado alrededor del origen y cuya frecuencia máxima es f m . . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES El teorema de la modulación se ilustra en la Fig. Señales cuyo espectro tiene la forma de X c ( f ) . El ancho de banda de esta señal es B = f m . de frecuencia máxima f m .23.86).31 Teorema de la Modulación. 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 . ♣ Ejemplo 1. 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).

(b) Antitransformada de un Espectro Cosenoidal Consideremos el espectro cosenoidal mostrado en la Fig. Obsérvese que si la sinusoide fuera de duración infinita ( τ → ∞).24. conocido con el nombre de Impulso de Radiofrecuencia (RF). En efecto. τ →∞ lim Z(f ) = lim En consecuencia. de (1.22. 1. 1. Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. El impulso de RF.32(c).32(b) (frecuencias positivas solamente).32(c). se puede describir en la forma t z ( t ) = AΠ ( ) cos(2πf c t ). 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.32(a). De la Fig. 1. 1. Fig. de gran utilización en sistemas de radar y en sistemas de transmisión de impulsos mediante portadora modulada.21b). 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. 1.46 I.32(a). Z(f ) = f + fc f − fc ⎤ Aτ ⎡ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ Este espectro se muestra en la Fig. Transformadas de Impulsos Sinusoidales (a) Transformada de un Impulso de Radiofrecuencia Considérese el impulso sinusoidal de duración τ. el espectro sería discreto con componentes de frecuencia en ±f c .

obtenemos h(t) = 4 cos(2πBt) que se muestra en la Fig. 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.98a) (1.6. Teorema de la Diferenciación e Integración en el Tiempo La Transformada de Fourier se puede emplear para resolver ecuaciones diferenciales lineales. En esta aplicación particular.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 . entonces (1.20) ♣ 1.47 I. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Resolviendo esta integral. las transformadas de las señales que son diferenciadas o integradas son importantes.97a) (1.32(d) π(1 − 16B2 t 2 ) Estas transformadas se utilizan para definir filtros de mucha aplicación en la práctica (Ver Ejemplo 2.7. Si x(t ) ⇔ X(f ). En este caso se tiene que .97b) si X(0) = 0 X(0) ≠ 0 (1.

dt ( j2πf )G (f ) = X(f ). 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. Generalmente. j2 πf Sin embargo. Una condición. ∞ −∞ lo cual equivale a X(0) = 0.72). 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. En efecto. considérese una función g(t) definida por g (t ) = x (t ' )dt ' ⇔ G (f ) −∞ ∫ t d g (t ) = x(t ).48 I. j2 πf 2 La diferenciación en el dominio del tiempo corresponde a multiplicación por (j2πf) en el dominio de la frecuencia. que G(f) exista. la señal x(t). como se ilustra en el siguiente ejemplo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES dn dt n x(t ) ⇔ ( j2πf ) n X(f ) En cuanto a la integración en t. ⎡ 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. sobre todo de tipo gráfico. Este teorema permite determinar la transformada de Fourier de una señal cualquiera. es que t →∞ lim g (t ) = 0. . quizás algo más restrictiva que la integrabilidad absoluta. por diferenciación sucesiva. de donde Es evidente que G( f ) = 1 X( f ) o ( j2πf ) y por el teorema de diferenciación en el tiempo. que se pueda aproximar en una forma lineal por tramos. ∫ x(t )dt = 0. por supuesto. ∫ t x(t')dt' ⇔ 0 1 X( f ) . integración en el dominio del tiempo corresponde a división por (j2πf) en el dominio de la frecuencia. es decir. Si X(0) ≠ 0 . expresión (1. entonces g(t) ya no es una señal de energía y la transformada de g(t) incluirá impulsos unitarios de Dirac. o sea t →∞ 0 lim x(t ' )dt ' = 0 ∫ t Esto significa que el área bajo x(t) es cero. Más adelante demostraremos que la transformada de Fourier G(f) del producto de convolución x( t ) ∗ u( t ) es consecuencia. para que g(t) tenga una transformada de Fourier G(f). Mediante diferenciaciones sucesivas se expresa la señal como suma de señales cuyas transformadas son fáciles de evaluar y luego se aplica el teorema. es necesario. Asimismo.

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 ). resultado idéntico al del Ejemplo 1.33(c). 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. De la Fig. 1. Teorema de la Diferenciación e Integración en Frecuencia Si x ( t ) ⇔ X(f ). En la Fig. mediante el teorema de diferenciación en el dominio del tiempo.101) ⇔ − j2π ∫ f −∞ X( f ' ) df ' Demostración: X( f ) = ∫ ∞ −∞ x (t ) exp( − j2 πft ) dt .99) t n x(t) ⇔ x (t ) t (-j2 π ) n df n X(f ) para t ≠ 0 (1.33. 1.25 Verificar la transformada de Fourier de la señal triangular del Ejemplo 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1.7.14. entonces t x(t) ⇔ 1 d (-j2 π ) df 1 X( f ) dn (1. 1.7.33(b) y (c) se muestran las dos primeras derivadas de la señal triangular de la Fig.33(a). 1. ♣ 1. d df X( f ) = ∫ ∞ −∞ x ( t )(− j2 πt ) exp(− j2 πft ) dt .14.49 I.100) (1.

Aplicaciones de los Teoremas de la Transformada de Fourier En los siguientes ejemplos se utilizan las Tablas de Transformadas del APENDICE C. ♣ Ejemplo 1.4) = 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. se obtiene t x(t) ⇔ n 1 d [n] (-j2π ) n df [ n ] X( f ) En cuanto a la integración en frecuencia. También. ⎦ 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 . se puede aplicar el teorema de dualidad a la expresión (1. de donde o x ( t ) = ABsinc 2 [ B( t − t o )] exp[ − j2πf c ( t − t o )] . ⎧ −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 ).98a). d df X( f ) = ( − j2π ) { t x(t)} . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Por lo tanto.26. obteniéndose x(t ) j2πt x(t ) t ⇔ − X(− f ' ) df ' −∞ ∫ −f y mediante un cambio de variables en la integral. ⎤ 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 . ⇔ ( − j2π ) ∫ f −∞ X( f ' ) df ' para t ≠ 0. de donde t x(t) ⇔ 1 d (-j2 π ) df X( f ) Por diferenciación sucesiva dentro del signo integral. determinar x(t).50 I. d 2 ⎡ 2t − 4 ⎤ (a) Dada y ( t ) = 2 ⎢ x ( ) exp( j8πt ) ⎥ determinar Y(f) cuando x ( t ) = 2 sinc( 2 t ) .

x T (t ) = {exp( j2πnf o t )} = δ(f − nf o ) . se definió en (1. el resultado sería infinito pues las señales periódicas no son de módulo integrable (no cumplen con la condición (1. determinar y(t) . 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.42). el coeficiente de Fourier.8. expresión (1. Para las señales periódicas dicha información se obtuvo a partir del desarrollo en Serie de Fourier. espaciados en fo y cada uno de área X n . ⎩ 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 ). Aún más.51 I.102) pero del teorema de traslación en frecuencia. Es evidente que si se desea obtener la transformada de una señal periódica a partir de la definición. 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. .72)). de donde ♣ y ( t ) = δ( t − t o ) − a exp[ − a ( t − t o )]u ( t − t o ) 1. Es evidente que el espectro de una señal periódica seguirá siendo discreto aún cuando se calcule a partir de la Transformada de Fourier. Sin embargo.68). 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 ). poseerá un espectro continuo en el que existirán componentes discretas superpuestas sobre él. 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. (1. es conveniente extender el uso de la Transformada de Fourier a señales periódicas. 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. 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 ⎨ ⎬⎥ . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (c) Dada Y (f ) = j2 πf exp( − j2 πt o f ) a + j2 πf . donde X n . para unificar el análisis. No obstante.

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 ) (1.105) 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). 1. La expresión (1. 1. La “envolvente” de la serie infinita de impulsos es igual a fo|X(f)|.104) Esta expresión es una forma de la llamada “Fórmula de la Suma de Poisson”. para una señal periódica xT(t). ♣ Ejemplo 1.27 Calcular y dibujar el espectro de la señal de la Fig.52 I.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. pues esta transformada puede ser obtenida con más facilidad pues se dispone de extensas tablas de transformadas de Fourier. hay que verificar siempre que x(t) esté acotada en T. 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. donde X(f) es la transformada de Fourier de la señal generatriz.34. donde .34 La señal y(t) se puede expresar en la forma y( t ) = x( t ) + x T ( t ) . y(t) 2A A -2T -T τ A t T 2T −τ / 2 0 τ / 2 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 . En resumen. En efecto. La expresión (1. Sin embargo. 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.103) permite calcular los coeficientes de Fourier del espectro discreto de x T ( t ) a través de la transformada de Fourier de x(t).

53 I. . de (1. ♣ ♣ Ejemplo 1.105). 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 ). 1. o o) Y( f ) = Aτsinc( τf ) + Aτf o n =−∞ ∑ sinc( nf τ)δ( f − nf El espectro Y(f) se muestra en la Fig. Fig.103): Xn = fo = 1 T pues X(nf o ) = 1 para todo n La transformada de Fourier del tren de impulsos de Dirac será.36(a).28. Transformada de un Tren de Impulsos Delta Dirac El tren de impulsos unitarios. 1. y de ∞ (1.105). 1. De (1.35.36 (b) Transformada del Tren de Impulsos Unitarios. 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. es una serie de gran aplicación en el análisis de señales y sistemas.

T / 2) cumple con las condiciones de existencia de la Transformada de Fourier. la cual se muestra en la Fig. es decir.9. 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. El problema ahora es conseguir una expresión explícita que relacione x(t) con S x (f ). En efecto. Puesto que la potencia es una magnitud positiva. S x (f ) será una función par y positiva de f para todo f. mediante un enfoque determinístico.5). 1. se denomina “señal truncada de x(t)”. es decir. ∞ Entonces.37(b). La señal x T (t ) . no puede utilizarse una transformada para determinar S x (f ) . ∞ ⎡ ⎤ ⎢1 + 2 δ T (t ) = f o exp( j2 πnf o t ) = f o cos(2πnf o t )⎥ ⎢ ⎥ ⎣ ⎦ n =−∞ n =1 ∑ ∞ ∑ (1.105). es decir. 1. tiene como transformada de Fourier otro tren de impulsos de Dirac de período fo y área fo . de (1. . DENSIDAD ESPECTRAL DE POTENCIA 1. Fig.1. se puede definir un espectro de densidad de potencia para señales cuya energía no está definida. se puede utilizar el concepto conocido como el “criterio de la señal truncada”. determinística o aleatoria. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ∆ o (f ) = f o n =−∞ ∞ ∑ δ (f − nf n =−∞ ∞ o) = f o δ fo (f ) . Muchas señales determinísticas y todas las señales aleatorias pertenecen a esta clase. se puede definir partiendo de la premisa de que su integral debe ser la potencia promedio de x(t). ♣ 1.107) 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.106b) Un tren de impulsos de Dirac de período T y área unitaria.9. A la función δ T (t ) se la conoce también con el nombre de “función peine de Dirac”.54 I. Introducción De manera análoga al concepto de espectro de densidad de energía.106a) También.36(b). < x 2 (t ) >= ∫ ∞ −∞ S x (f )df (1. 1.37(b) (No confundir esta x T ( t ) con una señal periódica de período T). Sin embargo. que no poseen una transformada de Fourier y que fueron definidas mediante la expresión (1. T/2). δ T (t ) = ∑ δ (t − nT) ⇔ ∆ (f ) = f ∑ δ (f − nf ) = f δ o o o n =−∞ o fo (f ) (1. como se muestra en la Fig. representada por S x (f ). y si en el intervalo (− T / 2. pero como x(t) no posee una transformada de Fourier X(f). Esta transformada X T ( f ) se utilizará para relacionar x(t) con S x ( f ). S x ( f ) = S x (− f ) y Sx (f ) ≥ 0 para todo f. Definición El espectro de densidad 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 ). 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 )⎢ −∞ ⎣ ∞ ∫ ∞ ∫ ∫ (1.37 (b) Señal Truncada La potencia promedio de x(t) es.107).55 I. pudiera determinarse S x ( f ) pero no así lo contrario. 1. . Las unidades de S x (f ) son W/Hz respecto a una resistencia R = 1 Ohm. Para simplificar la notación.5). < 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 . T / 2). la cual simplemente expresa que x(t) posee una densidad espectral S x (f ) dada y que. conocida x(t). mientras que la misma densidad espectral S x ( f ) corresponde teóricamente a un número infinito de señales que difieren entre sí solamente en fase. 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. vamos a representar la relación entre la señal x(t) y su densidad espectral S x (f ) en la forma x(t) ⇒ Sx(f). Obsérvese que el espectro de densidad de potencia de una señal retiene solamente la información de amplitud perdiéndose la información de fase.108) Comparando (1. se concluye que S x (f ) = lim | X T (f )|2 T T →∞ siempre que el límite exista (1. Por consiguiente. de (1. < 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 ) .108) con la definición de densidad espectral dada en (1.109) La cantidad S x (f ) es entonces la “Densidad Espectral de Potencia” de una señal x(t).

REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Obsérvese que en la formulación de la expresión (1. donde x T (t ) ⇔ X T ( f ) . es decir. Sin embargo. Si x(t) es una señal de potencia. 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 ) . para señales que poseen una transformada de Fourier.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. 1. entonces x c (t ) será también una señal de potencia. Sea entonces. 1. 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 .3). siendo x(t) una señal real pasabajo. x c (t ) ⇒ S xc (f ) Sea también x T (t ) la señal truncada de x(t). Más adelante. y sea la Fig. En resumen. al estudiar las funciones de correlación. Esto ocurre debido a que. cuando T → ∞.108) tiende a un valor límite. la integral de la expresión (1. el concepto de espectro de potencia no tiene significado cuando x(t) posee una transformada de Fourier específica. 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. En la Fig. el cual. donde f c ≥ f m .38 se puede observar que los productos cruzados se anulan pues sus términos ocupan bandas de frecuencia diferentes. que no poseen transformadas de Fourier y para las cuales el concepto de espectro de potencia sí es aplicable. 1.109) si X T (f ) es independiente de T. de (1.38 donde se muestra el espectro XT(f) de x T ( t ) y sus formas desplazadas X T ( f + fc ) y X T ( f − fc ) . la densidad espectral S x (f ) se hace cero. es simplemente la energía de la señal. es decir. sobre todo de tipo aleatorio. Teorema de la Modulación para Señales de Potencia Consideremos ahora una señal modulada determinar.9.2. de frecuencia máxima f m . 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. de acuerdo con (1.109). la potencia promedio es cero. volveremos sobre este tema. en la práctica nos encontramos con una gran cantidad de señales.56 I. en consecuencia.

determinística o aleatoria.110b) La densidad espectral de potencia de la señal modulada será. y la expresión (1.57 I.111) no será entonces válida para señales pasabanda.110a) aparecerá un producto cruzado de la forma 2X T (f + f c )X T (f − f c ) que será distinto de cero. 1. de (1. A2 S xc (f ) = [ S x (f + fc ) + S x (f − fc )] 4 (1. Sin embargo.3. 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.11. 1. (1. mediante aplicación de las propiedades de las funciones de correlación. el producto cruzado será siempre cero debido a las propiedades de incoherencia de las señales aleatorias. pues los productos cruzados se anulan. 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). ilustrado en la Fig. y de frecuencia máxima f m . Sxc (f ) = lim A 2 ⎡ | X T (f + f c ) |2 | X T (f − f c ) |2 ⎤ + ⎢ ⎥ T →∞ 4 T T ⎣ ⎦ (1. .111) es válida para cualquiera señal x(t) pasabajo de potencia.111) se podrá aplicar entonces a este tipo de señales. o una señal aleatoria pasabanda de ancho de banda 2f m y centrada en ± f c .39. se puede demostrar con más facilidad utilizando el Teorema de Wiener-Kintchine.111) La expresión (1. con f c ≥ f m .38 Por lo tanto. por ejemplo). la expresión (1. Las propiedades de incoherencia de las señales aleatorias las veremos en el Capítulo III. si x(t) es una señal pasabanda aleatoria (ruido. Si x(t) es una señal de potencia pasabanda.112) Este teorema. 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. en el desarrollo de (1. que se estudiará en la Sección 1.109).

113) Nótese que la información de fase no interviene en el cálculo de la potencia. Potencia de una Señal Modulada Sea x(t) una señal pasabajo de potencia. ♣ . de donde. 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). con una frecuencia máxima f m . ♣ Ejemplo 1.113). entonces A2 2 < x 2 (t ) c >= < x 2 (t ) > (1. válida para señales tanto determinísticas como aleatorias. x ( t ) ⇒ S x ( f ) y x c (t ) = x ( t ) cos( 2πf c t ) ⇒ S c (f ) .107). donde 1 S c (f ) = S x (f + f c ) + S x (f − f c ) . f c ≥ f m 4 [ ] La potencia de la señal modulada es. 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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La expresión (1. En general. 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.29. de (1.112) es válida aunque la modulación se realice con un seno. si x c ( t ) = x ( t ) A cos( 2 πf c t + φ ) . que modula una señal sinusoidal de amplitud unitaria y frecuencia fc . La expresión (1. Entonces.58 I. será utilizada continuamente a lo largo de todo el texto. < 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).

Una señal no puede ser.59 I. se puede decir que la señal es despreciable. ella debe ser tomada en cuenta. Este límite está determinado. τ τ De la misma manera. 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.10. 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. 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.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. Algunas veces se puede considerar que la señal es despreciable aún antes de alcanzar el umbral del ruido. por el ruido que siempre está presente. tiene la propiedad de que. El problema de la duración de una señal es finalmente una cuestión de convención. si el valor de una señal decrece más allá de cierto límite. RELACION ENTRE EL ANCHO DE BANDA Y LA DURACION DE UNA SEÑAL De acuerdo con la propiedad escalar de la Transformada de Fourier. La imposibilidad de que una señal sea limitada simultáneamente en frecuencia y en el tiempo. {x(t )} = 0 para B < |f| En este caso se dice que x(t) es una señal de “banda limitada B”. a la vez. mientras que en otros casos. 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”. y lo mismo se puede decir de su ancho de banda. aún si la señal está inmersa en ruido. desde un punto de vista práctico.114a) Esta definición la utilizamos en el Ejemplo 1.114b) 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. En forma similar. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. es decir. 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. una señal cuyo espectro se extiende hasta el infinito (existe para todo f). . en general. una señal de duración infinita (existe para todo t) tiene un espectro contenido dentro de una banda de frecuencias B. es decir. 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). Una manera conveniente de relacionar B y τ en forma explícita. 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. Sin embargo. para dos constantes t 1 < t 2 . limitada en banda y limitada en el tiempo.

respectivamente.60 I.40 (a) y (b).116) Estas definiciones se ilustran en la Fig.40 De (1. para el ancho de banda B.41(a).116) se obtiene el par de desigualdades de donde y en general. 2 BX(0) = ∫ ∞ −∞ | X( f )| df ≥ X(f )df = x ( 0) −∞ ∫ ∞ (1.117) (1. 1. |x(t)| x(0) |X(f)| X(0) t f -B 0 (b) −τ / 2 0 τ / 2 (a) B Fig. el correspondiente ancho de banda se define como el doble del ancho de banda en pasabajo. Ancho de Banda de un Impulso en Coseno Elevado Sea el impulso en coseno elevado mostrado en la Fig. .30.117) es la relación “duración-ancho de banda” para señales pasabajo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES τ x(0) = ∫ ∞ -∞ |x(t)|dt ≥ x(t)dt = X(0) -∞ ∫ ∞ (1. Esto lo justificaremos más adelante al estudiar el concepto de señal analítica.118) = x (0) 2 X( 0) Bτ ≥ 1 1 o B≥ 2 2τ La expresión (1. 1. 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 . ♣ Ejemplo 1. B≥ 1 2τ x(0) x( 0 ) 1 ≥ y 2B ≥ X(0) X( 0 ) τ (1. 1.115) y (1.115) Igualmente. En el caso de señales pasabanda.

117). Por ejemplo. X( f ) = Aτ sinc( τf ) 2 1− τ 2 f 2 De (1. como veremos en el Capítulo V. En el Capítulo V se tratará este mismo ejercicio.11. una descripción completa de ellas se puede obtener mediante un análisis correlativo. si un proceso físico produce diferentes señales del tiempo. 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.61 I. Esta forma de análisis es muy importante en dos grandes áreas de aplicación: (1) en la “Autocorrelación”. 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( ) ⇔ ) . Introducción En muchas aplicaciones en ingeniería no es suficiente decir que dos señales son similares. pero aplicado a un sistema (Filtros de Nyquist). y del teorema de la modulación.1. o para medir una banda particular de frecuencias de una señal. y esto se puede lograr mediante las llamadas “Funciones de Correlación”. FUNCIONES DE CORRELACION 1. surgidas de la teoría moderna de la información. Las funciones de correlación. 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.11. la cual se puede utilizar para detectar una señal repetitiva inmersa en ruido.41(b). 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. . en general uno desea saber cuán similares son esas señales. son muy útiles en el análisis de señales reales tanto determinísticas como aleatorias. 1. y (2) en la “Intercorrelación”. 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. ♣ 1.

a2 por b2 y así sucesivamente. 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.42. 1. 1. Este es.42. La función de autocorrelación es utilizada ampliamente en la detección y reconocimiento de señales que están inmersas en ruido. En la Fig. t t Un buen método para medir la similaridad entre dos señales es multiplicarlas entre sí. x 1 (t ) a1 a2 t x 2 (t ) b1 b2 t x 3 (t ) x 4 (t ) c1 τ1 d1 Fig. y luego sumar los productos durante la duración de las señales. 1.11. Un estudio más avanzado de las funciones de correlación está fuera de los objetivos del presente texto. Por ejemplo. es decir. 1. x 1 ( t ) y x 2 (t ) son idénticas. Autocorrelación Consideremos el conjunto de señales mostrado en la Fig. El valor máximo de la similaridad se tendrá cuando τ = 0. puede esperarse que la sumatoria resultante tenga valores cada vez más pequeños para valores crecientes del desplazamiento τ. para estimar la similaridad entre las señales x 1 ( t ) y x 2 (t ) .62 I. 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 ) . Consideremos ahora las señales x 3 (t ) y x 4 ( t ) . El valor de la sumatoria es entonces una medida o estimación de la similaridad o semejanza entre dos señales. Pero si efectuamos el mismo proceso entre las señales x 1 ( t ) y x 3 ( t ) . . Fig. ordenada por ordenada. en esencia.42. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 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. 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. El proceso de autocorrelación proporciona una medida de la similitud. de manera que cada producto contribuye con un término positivo a la sumatoria y la suma será grande.42. semejanza o coherencia entre una señal dada y una réplica de ella desplazada en un tiempo τ variable.2. Si se tuviera que estimar la similaridad entre una señal x(t) y una versión desplazada de ella x(t+τ). cuando las señales están superpuestas. se multiplican las ordenadas a1 por b1 . el proceso denominado “autocorrelación”.

121) En estas definiciones. Esto nos induce a pensar que si la función de autocorrelación posee una transformada de Fourier. R x ( τ) = 1 T ∫ T/ 2 −T/ 2 x( t ) x( t + τ) dt (1. para x(t) real. 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. y extendida en el dominio de τ si x(t) contiene solamente componentes de baja frecuencia. 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 ) R x (τ ) τ Fig. En la Fig.122) Esta integral se conoce con el nombre de “Integral de Correlación de x(t)”. 1. 1. la variable τ juega el papel de un parámetro de exploración o búsqueda. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Definición En términos más formales. La función de autocorrelación se puede definir también para señales de energía.63 I.43(a) representa la función de autocorrelación típica de una señal. En efecto. la función de autocorrelación está comprimida en el dominio de τ si x(t) tiene componentes de alta frecuencia. característica ésta propia de las señales aleatorias como. por ejemplo. si x(t) es compleja. .120) En general. En (c) se muestra la función de autocorrelación de una señal constante en el tiempo.43. esta transformada estará relacionada en alguna medida con el contenido espectral de x(t). 1. en cuyo caso. el ruido blanco que estudiaremos en el Capítulo II.43 se muestra la función de autocorrelación de tres señales de potencia diferentes. esta correlación no tiene sentido físico. La forma mostrada en (b) representa una señal que no tiene ninguna relación entre dos puntos infinitamente cercanos. R x (τ ) τ (c) 0 (a) 0 (b) τ 0 La Fig. R x ( τ ) =< x ( t )x ∗ (t + τ ) >=< x ∗ ( t )x (t + τ ) > (1.119) Si x(t) es periódica de período T. R x (τ ) = ∫ ∞ −∞ x (t ) x ( t + τ ) dt = x ( t − τ ) x ( t )dt −∞ ∫ ∞ (1.

En efecto.124) 3. En efecto. Propiedades de la Función de Autocorrelación 1. para τ = 0. entonces se puede escribir x(t) en la forma x ( t ) = b o + x o ( t ) . 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. En efecto. En efecto. dividiendo por T y tomando el límite T→ ∞. 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. 0 ≤ [ x ( t ) ± x(t + τ )] = x 2 (t ) ± 2x(t)x(t + τ ) + x 2 ( t + τ ) .125) 4. La función de autocorrelación es una función par de τ.123) El valor de la función de autocorrelación en el origen es igual a la potencia promedio de la señal x(t). se sigue que R x (τ ) = R x (− τ ) (1. sino en la densidad espectral de potencia S x ( f ) de x(t). Si x(t) es periódica de período T. si x(t) es periódica de período T.64 I. T/2). La función de autocorrelación de x(t) será . En el Capítulo III. si < x (t ) >≠ 0. 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). de donde R x ( 0) ≥ R x (τ ) (1. de donde R x ( τ ) = R x ( τ + T) = R x (τ + nT) (1. 2. 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 ) > .126) 5. se calculan algunas funciones de autocorrelación que se utilizan en la caracterización de algunas de las señales digitales que veremos en el Capítulo V. entonces R x ( τ ) será también periódica con el mismo período. 2 de donde ± 2x(t)x(t + τ ) ≤ x 2 ( t ) + x 2 (t + τ ) Integrando ambos miembros en un intervalo (-T/2. 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. donde b o =< x (t ) > es la componente continua de x(t). y < x o ( t ) >= 0. La función de autocorrelación es máxima en el origen. La potencia promedio de x(t) es igual a R x (0) .

. Si x(t) contiene componentes periódicas. de (1. Problema de Aplicación 2. 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 . de donde < x(t) >= b o ≠ 0 (1. Obsérvese que si z(t) es la señal analítica de x(t). |τ |→∞ lim R x ( τ ) = lim [ b 2 + R xo ( τ )] = b 2 + lim R xo ( τ ) o o |τ |→∞ |τ |→∞ pero. de acuerdo con la Propiedad 4. Si R x ( τ ) =< x ( t )x (t + τ ) > y R x (τ ) =< x ( t ) x ( t + τ ) > . entonces R z ( τ ) / 2 es la señal analítica de R x ( τ ) . 6. entonces. y de la expresión (1.65 I. R x (τ ) exhibirá un comportamiento periódico. aún cuando | τ | → ∞.129) son válidas siempre que x(t) no contenga componentes periódicas. Por lo tanto. las señales x ( t ) y x(t + τ ) son tan disímiles que ellas pierden toda relación y ya no hay correlación entre ellas. entonces |τ |→∞ lim R x ( τ ) = 0 cuando < x ( t ) >= 0 (1. es decir. R xo ( τ ) =< x o ( t ) x o (t + τ ) > . < x o (t ) >=< x o ( t + τ ) >= 0. Todas estas propiedades se aplican tanto a señales determinísticas como aleatorias. Si < x ( t ) >= b o ≠ 0.128).130) donde R z ( τ ) es la función de autocorrelación de z( t ) = x( t ) + jx( t ).27) que R x (τ ) = R x (τ ) y R z ( τ ) = 2[ R x ( τ ) + jR x ( τ )] se puede demostrar (Ver (1. y R x ( τ ) es la transformada de Hilbert de R x ( τ ) .129) |τ |→∞ lim R x ( τ ) = b 2 o cuando Las expresiones (1. En efecto. entonces o o 2 R x (τ ) = b o + R xo (τ ) cuando < x ( t ) >= b o (1. |τ |→∞ lim R xo ( τ ) = 0 . para altos valores de τ. entonces cuando | τ | → ∞.128) y (1.128) Esto es así porque cuando | τ | → ∞ .127) Esta expresión nos permite investigar el comportamiento de R x (τ ) cuando |τ|→ ∞.127). si < x ( t ) >= 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. R x ( τ ) → 0 cuando | τ | → ∞ .

REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. 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.1. donde φ es un desfase constante. ♣ ♣ Ejemplo 1. Función de Autocorrelación de una Señal Periódica Rectangular Vamos a determinar la función de autocorrelación de la señal periódica de la Fig. Autocorrelación de una Señal Sinusoidal Sea x( t ) = A cos(ω c t + φ ) . Nótese que la información de fase se pierde en la función de autocorrelación. Entonces.66 I.44(a). 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 . 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 ) .32. Solamente se calcula R x− ( τ ) . Sea R x ( τ ) = R x − (τ ) para En consecuencia. R x − (τ ) = T 2 .44 (b) Función de Autocorrelación de x(t) Por consiguiente. Entonces. Puesto que x(t) es periódica. R x ( τ ) = R x (− τ ). 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. ∫ 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 ). Entonces. . τ → − τ en R x − (τ ) . combinando estos dos términos se obtiene la señal generatriz R gx (τ ) de R x ( τ ). 1.31.

67 I. 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. 1. 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 .131) se ha elegido una nueva variable τ pues la variable t está ya implícita en la definición de X T ( f ) . 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.3. Por transformada de Fourier inversa 1 {S x (f )} = ∫−∞ lim ∞ | X T ( f )|2 T T →∞ exp( j2πτf ) df (1. es igual al área de su densidad espectral de potencia. Consideremos entonces la densidad espectral de potencia de una señal de potencia. es decir.131) En la expresión (1. entonces. 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 . 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. 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 . 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). X T (f ) = Rearreglando. igual a Rx (0).44(b). Intercambiando el orden de las operaciones. la función de autocorrelación. 1.nT) = A2 2 n=-∞ ∑Λ⎡⎢⎣ τT-/nT ⎤⎥⎦ 2 ♣ la cual tendrá la forma mostrada en la Fig.11. 1 {S x ( f )} = Tlim T ∫ →∞ 1 ∞ −∞ X T ( f ) X ∗ ( f ) exp( j2πτf )df T Como x(t) es real.

de (1. Este teorema lo podemos demostrar también utilizando el Teorema de Wiener-Kintchine. Esta equivalencia tiempo ⇔ frecuencia es aplicable tanto a señales determinísticas como aleatorias. En efecto. 1. igual a δ( t − t '+ τ ) . Teorema de la Modulación para Señales de Potencia En la Sección 1. 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 . de banda limitada B. aplicando las técnicas del cálculo numérico de la transformada de Fourier que se dan en el APENDICE A.4. 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. 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. T/2). 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. R x ( 0) = ∫ ∞ −∞ x 2 ( t ) dt = E x energía de x(t) (1. se verifica que x( t ) ⇔ X( f ). la densidad espectral de potencia de x(t). 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.9.11. es decir. de gran importancia en el análisis espectral de señales. R x (τ ) = ∫ ∞ −∞ S x ( f ) exp( j2 πτf )df ⇔ S x ( f ) = ∫ ∞ −∞ R x (τ ) exp(− j2 πfτ ) dτ (1.68 I. 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. se conoce con el nombre de “Teorema de Wiener-Kintchine” o “Relaciones de Wiener-Kintchine”.21d). Este teorema establece que la función de autocorrelación y la densidad espectral de potencia forman un par de transformadas de Fourier. y por transformación de Fourier de R x ( τ ) se obtiene S x ( f ) .132b) La deducción rigurosa del Teorema de Wiener-Kintchine está fuera de los límites que nos hemos impuesto. primero se determina la función de autocorrelación R x ( τ ) de x(t). es decir. entonces 1 T/ 2 1 {S ( f )} = lim x ( t )x (t + τ )dt =< x (t ) x ( t + τ ) >= R x ( τ ) .2 se demostró el Teorema de la Modulación para Señales de Potencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La integral dentro de los corchetes es.132a) Este resultado.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. Si las señales son de energía. Sea x(t) una señal pasabajo de potencia. donde .

Mediante el Teorema de Wiener-Kintchine.2.5.135) Puede observarse que si entre las señales x(t) e y(t) existe algún grado de semejanza. entonces la función de intercorrelación existirá en un cierto rango de τ . 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. y que es el Teorema de la Modulación para Señales de Potencia. Intercorrelación La intercorrelación. como vimos en la Sección 1.136a) entonces x(t) e y(t) son ortogonales y no habrá ninguna correlación entre ellas. llamada también “correlación cruzada” o “correlación mutua”. 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.134b) resultado ya obtenido anteriormente. la transformada de Fourier de R xc ( τ ) es S xc ( f ) = A2 4 [ S x (f + f c ) + S x (f − f c )] (1.11. de donde R xc (τ) = A2 R x (τ) cos(2πf c τ) 2 (1.134a) donde R x ( τ ) =< x( t ) x( t + τ ) > es la función de autocorrelación de x(t) y R x (τ) ⇔ S x (f ) . permite la comparación entre dos señales diferentes pero coherentes. Cuando las señales son tan disímiles que aún para τ = 0 la intercorrelación es cero. 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 ) > (1.136b) . En general. es decir. es decir. La función de intercorrelación contiene información respecto a las frecuencias comunes a ambas señales y a la diferencia de fase entre ellas. < x ( t ) x ( t + τ ) cos[ω c ( 2 t + τ )] >= 0 . la condición de ortogonalidad total entre dos señales x(t) e y(t) se expresa mediante la integral ∫ ∞ −∞ x ( t )y (t ) dt = 0 (1.112).5. expresión (1. se dice entonces que las señales son ortogonales. proporcionando así una medida cuantitativa del grado de similitud o coherencia entre ellas. la integral correspondiente es cero. 1.

144) . En cuanto al dominio de la frecuencia.143) Nótese que si x(t) o y(t) no poseen una componente continua. como puede apreciarse en la expresión (1. en el dominio de la frecuencia. Si x(t) e y(t) son periódicas de período T=1/fo . es decir.140) (1. sin demostrarlas. Asimismo. Si < x (t ) >≠ 0 y < y(t) > ≠ 0. se verifica que R xy (τ ) ⇔ S xy ( f ) = 2 fo n=-∞ ∑X ∞ g ( nf o ) Yg ( nf o )δ ( f − nf o ) (1. La ortogonalidad es una condición mucho más estricta que la no correlación. es decir. entonces (1.142) R xy ( τ ) =< x ( t )y (t + τ ) >=< x ( t ) > ⋅ < y ( t ) > pero si < x ( t ) > ó < y(t) > o ambos son cero. 1. 4. entonces R xy ( τ ) = 0. R xy ( τ ) = R yx (− τ ) 2. es decir. entonces la ortogonalidad implica no correlación. la “densidad interespectral de potencia” o “densidad espectral mutua” o “densidad espectral cruzada” de dos señales. en general.138) La densidad interespectral de potencia suministra. (a) (1.70 I.139) R x ( 0) ⋅ R y ( 0) ≥| R xy ( τ )| 1 2 (1.136b). ortogonalidad implica no correlación. si x(t) e y(t) son ortogonales. entonces R xy ( τ ) = 0 si x(t) y y(t) son ortogonales (1. Sin embargo. y sus funciones generatrices son x g ( t ) ⇔ X g ( f ) e y g (t ) ⇔ Yg ( f ) . algunas propiedades de la función de intercorrelación. la función de intercorrelación será R xy ( τ ) = ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt (1. Si dos señales x(t) e y(t) no están correlacionadas y sus valores promedio son distintos de cero.137) Se puede demostrar que la función de intercorrelación resultante es también periódica de períodoT. pero no correlación no necesariamente implica ortogonalidad. La función de intercorrelación no es conmutativa. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si x(t) e y(t) son periódicas de período T. la misma información acerca de las señales que la que suministra la función de intercorrelación. S xy ( f ) ⇔ R xy ( τ ) (1.141) (b) [R x ( 0) + R y ( 0) ] ≥| R xy ( τ )| 3. se define como la transformada de Fourier de su función de intercorrelación. Propiedades de la Función de Intercorrelación A continuación damos. se cumple que su función de intercorrelación es igual al producto de sus valores promedio.

como. Su habilidad para medir cuantitativamente el grado de semejanza o coherencia entre dos señales. Sea una señal x(t) que contiene una componente periódica de período T más una señal aleatoria (ruido) que enmascara completamente la componente periódica. por ejemplo.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). si la función de autocorrelación de una señal x(t) cualquiera muestra un comportamiento periódico de período T. Detección de una Señal Periódica en presencia de Ruido En muchas ocasiones es necesario detectar periodicidades escondidas dentro de otras señales. pero aquí sólo trataremos la detección de una componente periódica en presencia de ruido. No hay correlación entre p(t) y n(t). entonces lim R n ( τ ) = 0 . |τ|→∞ lim R x ( τ ) = R p ( τ + kT) (1.71 I. y suponemos que sus valores promedio son cero. como < n( t ) >= 0. 1. 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. en la detección de señales de radar o de periodicidades en encefalogramas. en la transmisión de señales digitales. en el estudio de vibraciones y en muchas otras aplicaciones del Análisis Espectral de Señales. por lo tanto |τ|→∞ lim R x ( τ) = R p ( τ + kT) + lim R n ( τ ) |τ|→∞ |τ |→∞ pero de (1. Finalmente. en especial señales contaminadas con ruido. 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. es decir. Entonces. permite visualizar con más profundidad los fenómenos investigados que si se analizara cada señal por separado. es porque la señal x(t) contiene una componente periódica con el mismo período. En general. R pn ( τ ) = R np ( τ ) = 0 puesto que < p(t) >=< n(t) >= 0 . < p (t ) >=< n ( t ) >= 0. Entonces. 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.128). su función de autocorrelación también será periódica de período T para todo τ .11. En estos casos las técnicas de correlación tienen una gran importancia.

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

(h) exp(-at)δ(t . Clasifique cada una de las señales siguientes como señales de energía. Grafique las siguientes señales de energía y verifique que sus energías son las dadas. (b) r(-t . (b) x(t) = A| cos(ω c t )|. E = 0.t). Calcule la energía o la potencia. t (c) x(t) = Atexp(. (e) r(t) ⋅ u(t .)Π ( ). de potencia o ninguna de las dos. (a) x ( t ) = 2 cos( 6πt − π / 2 ).4.33 W T Fig. 1. ( j) 3δ(t .u(t .1).1).1).1). (f ) r(t) .2 π ) (g) exp(-at)u(t .u(t). Grafique las siguientes señales: (a ) r(t + 2). 1. (k) δ(t . (d) x ( t ) = Aτ τ + jt . según el caso.47 1.1).) u ( t ) τ t (f) x(t) = Aexp( ) cos(ωc t ) τ << τ t t (e) x(t) = Aexp(.46 (c) 0 T/2 -1 T/2 T +1 T/2 t >= 43.2 W x T (t ) T = 1 ms < x 2 ( t ) >= 1 W T Fig.1) ⋅ δ(2t). (c) r(t) . T T = 10 -3 seg < x 2 ( t ) >= 33.1).3 A T r ( t ) Π( | t| T ) Π( ). (a) 0 x T (t ) A t A = 10. (d) u(2t .2r(t .2.2). (i) u(t) .73 I.1.8647A 2 T joules E= A2T 3 joules t −T/ 2 T ⎡ πt ⎤ t x ( t ) = A⎢1 + cos( ) ⎥Π( ). 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( ).45 (b) x T (t ) T = 2 ms t xT(t)=10exp(-10 < x 2 (t ) T 3 |t|) 0 Fig. 1. ⎣ T ⎦ 2T E = 3A 2 T joules Demuestre que las potencias promedio de las siguientes señales son las correspondientes dadas. (n) δ(2t . τ t (i) x(t) = 1. (l) u(t) ⋅ u(1.2) + 2u(t). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES PROBLEMAS DE APLICACION 1. . (m) r(t)cos(ω o t ). t 2T ). (a) x ( t ) = A exp( − (b) (c) 1.

6. t ⋅ u(2 . 2 t t (q) Π( ) + Λ ( ).t o )u ( t − t 1 ) = ⎨ (l ) u(τ . Verifique si las señales siguientes son periódicas. (z) exp(-t) Π( ) + exp(t ) Π( ) 2 2 2 2 (p) δ(1.2)]dt = 3 ⎧1 para t o ≥ t 1 t . 1.7.5. (v) Λ (4 .2t). δ (t . δ(t . 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 )] . t π -∞ ∞ -∞ ∞ (t 3 + t 2 + t + 1)δ(t − 3) dt = 40. 1.2)cos[ π(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. 1.74 I. (a ) x(t) = cos(6πt) + cos(6 2 πt ). (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). 8 4 t (r) Π( ) − Λ ( t ).2t).8. 2 ∫ ∫ 1 1 δ (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES t t (s) 2 Π( ) ⋅ Λ ( ) 2 2 t-2 2 ).1) dτ = r ( t − 1) -∞ -∞ ⎩ 0 para t o < t 1 1. ∞ (f) x(t) = cos(5πt) + sen(6πt). (t 3 + 3)δ (3t − 9) dt = 10. Demuestre que el período de la señal periódica x( t ) = 10 cos2 ( t ) es igual a (k ) ∫ ∫ π. (c) x(t) = cos(60πt) + cos(50πt). Verifique las siguientes integrales (a ) (c) ( e) ( g) ( i) ∞ ∞ t (o ) δ( + 2 ).πt)cos( )dt = − .t) ⋅ u(t)dt = 2.086 π2 2 -∞ ∞ ∫ ∫ -∞ ∞ ∫ -∞ (t 3 + 4)δ (1 − t )dt = 5 ∫ -∞ ∫ ∫ t (t 2 + 2)δ ( − 1) dt = 12 2 -∞ ∞ ∞ ∞ -∞ ∞ -∞ [δ(t) + u(t) . (t ) sgn(t)sen(ω o t ).u(t . en cuyo caso determine el período. Dibujar los fasores y los espectros uni y bilaterales de las señales (a ) x(t) = 5cos(6πt (b) x(t) = 2sen(10πt π 6 ) 1.9.2) Π( 2 t+2 t−2 t+2 t−2 (y ) exp(t) Π( ) + exp(− t ) Π( ). (u) 2 Π(2t + 1). (x) 10(t . π 4 ).3)]dt = -1.

1.75 I.10. 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 ) 1.11. En las señales periódicas siguientes verifique que el coeficiente de Fourier X n es el dado. Demuestre que si x ( t ) = x ( t + T ) .50 (c) Diente de Sierra X o = A / 2. Desarrolle también x T ( t ) en serie de Fourier con A = 8. 1. 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 . 1. (a ) x(t) = 6sen(50πt)cos(10πt) + 10cos(60πt)cos(20πt). 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. φn = π / 2 . 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.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 Xn = t A n sinc 2 ( ) 4 4 -T -T/2 -T/4 0 T/4 T/2 T Fig.12. Exprese x(t) en la forma polar x ( t ) = E ( t ) cos[ω c t + ψ( t )] y dibuje su diagrama fasorial.

.12 se aplica a un filtro pasabajo de ganancia unitaria y ancho de banda B = 400 Hz.52 (e) 0 Xo = A .24%.642 + 3. 1 . 1.006 cos(4 πx10 3 t − 85. La señal (d) del Problema 1. Si A = 100 V y f o = 60 Hz .13. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Exponenciales A A/e 0 (d) t T Xn = 0.45 o ) (c) La potencia de salida del filtro es de 169. φ n = 0 ⎢α − 2π ⎣ 2 ⎦ Para desarrollar xT(t) en Serie de Fourier. suponga que α = π / 4 . compruebe que (a) La potencia de entrada al filtro es de 43.12 se aplica a un filtro pasabajo de ganancia 2 y ancho de banda B = 2500 Hz. demuestre que el Factor de Rizado a la salida del filtro es del 48. 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 .96 o ) +2 . F ig . 1.975 cos( 2 πx10 3 t − 80.14. La salida rectificada de media onda del Problema 1.233 W (b) La salida del filtro es y ( t ) = 12 . excepto n=± 1 y n=0 sen(2α ) ⎤ 1 ⎡ 1 ⎥.76 I. Si A = 10 V y T = 1 ms. 1.6321A 1 + j2πn para todo n -T Fig. X o = π [ sen(α ) − α ⋅ cos(α )] .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.73 W 1.5 3 Xn = X1 = 1 cos(α)sen (2α) − nsen (α ) cos(nα ) π n (n + 1)(n − 1) para todo n.

16.54. Suponga que el circuito eléctrico de la Fig. Este problema hay trabajarlo en forma gráfica.5 2 4 (b) Que si la señal se aplica a una resistencia de 1000 Ohm. 1.15. X o = 2. T 1 T/2 -T/2 ∑ |V 2|⋅|I n n=1 n| cos(θ n − φ n ) 1.54 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. . (a) Dibuje el espectro de potencia | X n |2 vs nf o de las tres señales del Problema 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. de ancho de banda B = 1400 Hz y centrado en f c = 1500 Hz . 1. Sea la señal periódica de la Fig.17. la potencia disipada en la resistencia es de 266.77 I. El voltaje aplicado al circuito eléctrico de la Fig. 1.67 mW. nótese que p(t) tiene la forma de una señal rectificada de onda completa. φn = 0. 1.5sin c 2 ( ).18. 1. 1. 1. Demuestre: (a) Que el Coeficiente de Fourier Xn es Fig. Aplique el concepto de Transformada de Fourier de Señales Periódicas. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.3 (Tome seis componentes a cada lado del origen).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. (b) Si estas tres señales se aplican separadamente a un filtro pasabanda de ganancia unitaria.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 . determine las correspondientes potencias de salida del filtro.

3 Fig. 1. Y1 =j 2A .78 I.57.99 + 0. (a) Demuestre que sus correspondientes Coeficientes de Fourier son X n = j2A sen 2 ( nπ ) 4 . 1. 1.56 (b) Demuestre que la potencia promedio de x(t)..21. 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. demuestre que la potencia de salida del filtro es de 25. 1.57 -A t ⎧ (−1) ⎪ ⎪ Yn = ⎨− j2A π(n 2 − 1) para n impar ≠ ±1 ⎪ para n par ⎪0 ⎩ Yo = 0. (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 . 3π θn = π 2 .19.. 1... X = 0. Io = 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 = .031cos(960πt) + .915 W. de ganancia unitaria y ancho de banda de 45 Hz.20. 1.. φn = 0 (b) Demuestre que el desarrollo de i(t) en Serie de Fourier es i(t) = 0.926 W (c) La señal x(t) se pasa por un filtro pasabajo.057 cos(720πt) − 0. 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. se aplica a un rectificador de media onda..56.1 seg y A = 10.99 Amp. El rectificador alimenta una carga de 50 Ohm. para A = 10.132cos(480πt) + 0. es < x 2 (t) >= 25.. con fo = 60 Hz. Si T = 0. La señal v(t) = 110 2 cos(2πf o t) . Sean las dos señales periódicas de la Fig.. Sea la señal periódica de la Fig..66cos(240πt) − 0.

79 I.... El voltaje periódico de la Fig.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. 1. (a ) x(t ..22.69 o ) -.⎥ ⎢ ⎦ π⎣ 2 3 10 5 26 1.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.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 ..23.. Verifique los siguientes pares de Transformadas de Fourier.58(a) se aplica al circuito RL serie mostrado en (b). 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.56 o ) + cos(5t − 78... 1..

1.46 cos( ) T x(t ) = ⎨ ⎪ 0 en el resto ⎩ para | t| ≤ T (a) Grafique x(t) para T = 1 seg.26 se aplica al circuito RL de la Fig.46Tsinc(2Tf + 1) + 0. y(t) L=1H x(t) R = 1 Ohm Fig. 1. 1.59. y(t) . Demuestre que la transformada de Fourier de la salida es j2 πf Y( f ) = (1 + j2 πf ) 2 1.46Tsinc(2Tf .54 + 0. Verifique que el primer cero de X(f) ocurre a f = 1 kHz. 160. 1.25. (b) Grafique |X(f)| y verifique que el primer cero de |X(f)| está a una frecuencia de 1000 Hz. (b) Demuestre que X(f) = 1.27. 1. (c) Demuestre que la energía contenida dentro del primer cero de |X(f)| es el 90. Demuestre que 1 Y( f ) = (1 + j2πf ) 2 C=1F x(t) R = 1 Ohm Fig. 1. Ventana de Ponderación de Hamming La “Ventana de Hamming”.3% de la energía total de la señal. está definida en la forma ⎧ πt ⎪ 0.1) (c) Grafique X(f) para T = 1 ms. La señal x(t) = exp(-t).61. Sea la secuencia de impulsos de la Fig.80 I. 1.24. La misma entrada del Problema 1. utilizada en procesamiento de señales.26. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.59.61.u(t) se aplica al circuito RC de la Fig. (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.60.08Tsinc(2Tf) + 0.

Demuestre que las transformadas de Fourier X(f) de las señales x(t) siguientes son las dadas. 0 (d) T/4 T/2 0 1 Fig. [ Respuesta: B = 0.62. -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. x(t) (b) Fig. 1.81 I. 1.64. A t 0 -A 2 x(t) A (a) Coseno t − π/ 2 0 π/ 2 Fig. Calcule el ancho de banda B dentro del cual está contenido el 80 % de la energía de la señal. 1.28.63.29. 165.15056 Hz ].66. Sea x ( t ) = 10 exp( −| t |) .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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 1. (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. x(t ) = sen[2 π ( t − 2 )] sen 2 [ π ( t − 2)] − π (t − 2) π 2 (t − 2 ) 2 . 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. Expresar B en función de K. 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.31. [ Respuesta: B = 0. 1. 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.67. 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.15056K Hz ] 1.30. En las figuras siguientes verifique la correspondencia x ( t ) ⇔ X(f) .69.82 I. La señal x(t) = t exp(-Kt) u(t) se pasa por un filtro pasabajo de ganancia unitaria y ancho de banda B. (b) |X(f) A φ(f ) −f o 0 −π / 2 π/2 fo f −f o Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.32. dada x(t) determine X(f). 1. Sea x(t) = sinc2(10t). es decir.68.

Mediante la transformada de Fourier de la señal generatriz. 1.01 dB S2 .01t ) ⋅ u (t ) x 2 (t ) Fig. demuestre que los coeficientes de Fourier X n de la siguientes señales periódicas son los correspondientes dados.73. Demuestre que S1 = 40 W. f + fc En la salida calcule la relación S1 / S2 .34. 1. fc = 100 kHz.33. S2 = 2 W . (a) A 2A T ⎧ 2A ⎪ Xn = ⎨ n2π 2 t ⎪0 ⎩ Fig. 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.73.01t ) ⋅ cos(2 πx10 6 t ) ⋅ u(t ) x 2 (t ) = 10 cos(2πx10 6 t ) Demuestre que y(t ) ≈ 5 exp(−0.70. 1.35. 1. Sea el sistema de la Fig. donde S1 es la potencia a la salida debida a x1 (t). x 1 (t ) Filtro Pasabajo y(t) x 1 (t ) = exp(−0. 1.83 I. S1 = 20 = 13. donde x 1 ( t ) y x 2 (t ) son señales aleatorias.72. 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.70. 1. El filtro pasabajo tiene ganancia unitaria y un ancho de banda de 50 Hz. mientras que S2 es la potencia a la salida debida a x2 (t). 1.71. 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. Sea el sistema de la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. El filtro es pasabajo de ganancia de potencia 2. 1.

75. < x(t ) ⋅ y (t ) >= 0 . determinar Xc(f) cuya forma gráfica se da. teniéndose entonces superposición de funciones de correlación así como superposición de energía y de potencia.38.74. 1. determinar x(t) (b) Dada x(t). 0 fc f 1.76.76. 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. Considere la función z(t ) = x(t ) + y (t ) .37. (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 ) . y z(t) una señal cuya densidad espectral de f potencia es S z ( f ) = S xc ( f )Π ( ) W / Hz. donde x(t) e y(t) son ortogonales para todo t.36.1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.1. 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. 1. (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. 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. 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 ) . X c (f ) 2A A 2B (a) −f c Fig. ⎡ f + 10 4 f − 10 4 ⎤ ⎢Λ( ) + Λ( )⎥ W / Hz 1. . es decir. Verificar las siguientes relaciones: (a) Dada X c (f ) en forma gráfica.84 I.

1. Determine la densidad espectral de potencia de la señal compleja x (t ) = A exp( j2πf o t ) utilizando el Teorema de Wiener-Kintchine. Fig. y(t) = x(t) cos(2πf c t) ⇒ Sy (f ) Sy (f ) = S x (f ) . se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 10sinc 2 (10 4 τ ) . se aplica ruido blanco cuya densidad espectral es η/ 2. Calcule la función de autocorrelación. 1. entonces. (b) Demuestre que la potencia a la salida del filtro es de 20 W. 1. y(t) L R Fig. verifique que las potencias respectivas son iguales a las obtenidas en la parte (b). 1.39. A la entrada de un filtro pasabajo. (a) Dibuje la forma de la densidad espectral de potencia a la entrada y salida del filtro. Demuestre que: (a) Si x(t) tiene una función de autocorrelación R x (τ) = entonces donde. A la entrada del filtro RL de la Fig.7 W y < x 2 ( t ) >= 46. 1. 1.43. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Demuestre que sus respectivas potencias promedio son 2 < x1 ( t ) >= 19.77.78.42.67 W 2 (c) Determine las correspondientes funciones de autocorrelación de los espectros de la parte (b). 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. de ganancia 2 y ancho de banda de 5 kHZ.41. S y (f ) = 4S x (f ) sen 2 (πTf ) 1 τ A2 [1 + Λ( )] .78. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 20sinc 2 (5x10 3 τ ) cos(2πx10 5 τ ) . 2 cos(2πf c t ) y < y 2 (t ) >= 30 W x(t) Filtro Pasabajo Fig. la densidad espectral de potencia y la potencia a la salida del filtro. y que y(t) es una señal digital ASK . y mediante la Propiedad 1 de la Función de Autocorrelación. donde Tb = .77.44. 1. Demuestre que si x(t ) ⇒ y (t ) = x (t ) − x ( t − T) 1. 1.40. Demuestre que a la salida del filtro R y (τ ) = 20sinc(10 4 τ ) + 10sinc 2 (5x10 3 τ ) 1.85 I. A la entrada del detector coherente.

1. Tb ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢sinc ( fb fb ⎦ ⎣ 1.86 I. donde 1 + (2πbf ) 2 Sx(f) es la densidad espectral de potencia de x(t).32 se determinó la función de autocorrelación de una señal periódica rectangular. 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 a Sx (f ) también una señal y(t) cuya densidad espectral de potencia es Sy (f ) = . ⎣ ⎦ 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) = . En el Ejemplo 1. 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 ) .46. R x ( τ) = exp(− |τ| |τ| ⎤ ⎡ ⎢a exp(− a ) − b exp(− b ) ⎥ . entonces. Se tiene una señal x(t) cuya función de autocorrelación es |τ| ) .45. es el período de la señal periódica rectangular. y la correspondiente potencia.

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

con algunas excepciones. Sean también a 1 y a 2 dos constantes arbitrarias que pueden ser complejas.88 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y (t ) = { x(t )} (2. Sea x ( t ) = a 1 x 1 ( t ). la linealidad significa algo más que una línea recta: esta línea recta debe pasar también por el origen. sean x 1 ( t ) y x 2 (t ) dos entradas arbitrarias con y 1 ( t ) e y 2 ( t ) sus correspondientes salidas. En efecto. ♣ Ejemplo 2. la respuesta sale al doble también. por ejemplo. Si hacemos x 1 ( t ) = x 2 ( t ) y a 1 = − a 2 . el sistema no es lineal. 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. Este es el principio de la superposición. Por lo tanto. En la mayoría de las aplicaciones en comunicaciones x(t) e y(t) son reales y representan voltajes o corrientes.1). 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. 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. Clasificación de Sistemas Basados en las propiedades de la relación funcional (2. Este principio implica. Se dice que un sistema es lineal si él cumple con el “principio de la superposición”.2.1 Determinar si el sistema definido por y (t ) = {x (t )} = x 2 (t ) es lineal. los sistemas se pueden clasificar en “sistemas lineales” y “sistemas no lineales”. que si se dobla la entrada. con su correspondiente descripción en el dominio de la frecuencia.1 ) donde {⋅ ⋅} es un operador que actúa sobre x(t). En este texto se estudiará solamente sistemas lineales. un sistema en el cual el principio de superposición no es aplicable será un sistema no lineal.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.2. 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 ) . vemos que la linealidad implica también que cero entrada produce cero salida. 2. como veremos en su oportunidad. Este operador será real si una entrada real x(t) resulta en una salida real y(t). Evidentemente. ♣ .

En efecto. La respuesta del sistema a una señal de prueba es una descripción característica o un modelo matemático del mismo. de (2. 2. el escalón unitario y las señales sinusoidales. Esta situación se representa en la Fig. x (t) = ∫ ∞ −∞ x (τ)δ( t − τ)dτ (2.89 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.1). Las señales de prueba más comunes son el impulso unitario. (2.3. La excitación mediante un impulso unitario equivale a aplicar a la entrada del sistema un número infinito de frecuencias de la misma amplitud. Aproximación de la Excitación x(t) . En este caso la salida se denomina “respuesta impulsional”. 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 ) . τ).3) {δ( t − τ )} La respuesta impulsional h(t. 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. 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. una función de t y τ.2. como se muestra en la Fig. 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.2 y(t) y(t) h (t . Por lo tanto. τ ) = {⋅ ⋅} la respuesta impulsional es.4) La expresión (2. y la salida del sistema será la respuesta a todas y cada una de las infinitas frecuencias presentes en la entrada. x(t) δ(t − τ ) t x(t) S{δ (t − τ )} (b) Sistema Fig. 3.2. τ) es. 2. 2.4) 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. en un sistema lineal caracterizado por la transformación h (t . consideremos la propiedad de muestreo del impulso unitario.3. “respuesta al impulso” o “respuesta impulsiva” del sistema” y se representa por h(t. en general. La respuesta del sistema lineal a una entrada arbitraria x(t) dada por (2.

τ) = h(t − τ) para todo τ en un SLIT (2. como es el caso de los filtros reales en los cuales una entrada discreta produce una salida continua.4). ∞ {δ(t − τ )} = h (t . y no de la diferencia (t -τ). en un “Sistema Lineal Invariante en el Tiempo (SLIT)” la h(t .5) es válida aún en los puntos de discontinuidad de x(t). El hecho de que (2. Por consiguiente.5) no sean válidas en los puntos de discontinuidad. 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). 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. es decir. Más adelante volveremos sobre este tema. La respuesta de un SLIT es entonces el producto de convolución de la excitación con la respuesta impulsional del sistema. Un sistema lineal es invariante en el tiempo si para cualquier desplazamiento τ se verifica que {δ( t − τ)} = h(t − τ) .5) son válidas en los puntos donde x(t) es discontinua. Esto quiere decir que el perfil de h ( t . {x( t − τ)} = y( t − τ) . a menudo sucede que y(t) es continuo a pesar de que x(t) no lo sea.6). la integral de superposición (2. 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. De (2.90 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y ( t ) = x (τ ) −∞ ∫ ∫ ∞ {δ(t − τ )}dτ pero. Un sistema lineal variante en el tiempo será aquel cuya respuesta impulsional dependerá de τ y de t. En este caso la expresión (2. y como consecuencia.4) ni la (2.5) y ( t ) = x (τ ) h ( t . τ 1 ) será diferente del (2. La respuesta impulsional de un SLIT simplemente experimenta desplazamientos en el eje del tiempo que no afectan en nada su perfil. de (2. ni la expresión (2. la cual es válida para cualquier sistema lineal. −∞ de donde (2.8) .5) y (2. 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.3).4) y (2. τ ) . Sin embargo. las dos expresiones se aplican a ambos lados de cualquiera discontinuidad. En particular.5) puede considerarse como la superposición de las respuestas de un número infinito de impulsos donde x ( τ ) h ( t . para cualesquiera señal x(t) y desplazamiento τ .6) respuesta impulsional dependerá únicamente de la diferencia (t .7) Estas integrales son las conocidas “Integrales de Convolución”.τ). Asimismo. en general no tiene mucha importancia desde el punto de vista práctico. Estrictamente hablando. τ ) es la respuesta a un impulso x (τ )δ(t − τ ) . Esto se puede enunciar en la forma siguiente. En (2.

de (2. la integral queda 0 ∫ y u ( t ) = − h ( t ' ) dt ' . en este caso la respuesta y(t) vendrá dada por la expresión (2.12) . y u ( t ) = u ( t ) ∗ h(t) = u( τ )h(t . Con el cambio de variables t’ = t . y ( t ) ∗ h(t) = x(t) ∗ de donde. Conocida la respuesta al escalón unitario de un SLIT.5). a partir de ella.τ )dτ -∞ ∞ ∫ ∞ (2. por una parte por el hecho de que es muy fácil simular en forma experimental esa respuesta y por otra parte. la salida y(t) es.11). tomando la derivada de la expresión (2.7) o (2.7).8) y (2. t ∫ −∞ y u ( t ) = h (t ' ) dt ' −∞ ∫ t (2.8) se aplica sólo y solamente a sistemas lineales invariantes en el tiempo. porque es sobre y u (t ) que se evalúan los resultados de un servosistema desde el punto de vista del régimen transitorio. Nótese que el producto de convolución (2.10) La respuesta de un SLIT al escalón unitario es la integral de la respuesta impulsional del SLIT. es posible obtener.11) La respuesta impulsional de un SLIT es la derivada de la respuesta al escalón unitario del SLIT. la respuesta y(t) del sistema para cualquiera excitación x(t).9). De donde. En efecto. En efecto. −∞ ⎣ ⎦ ∞ ∞ d y u (t ) = δ(t − τ )h(τ )dτ . y de la propiedad de muestreo del impulso unitario. dt −∞ ∫ h (t ) = d dt y u (t ) (2. pero como dt u( t − τ) = δ ( t − τ ).2. La respuesta al escalón unitario se emplea mucho en el análisis de sistemas lineales donde se utiliza la Transformada de Laplace. ♣ Ejemplo 2.9) y u ( t ) = h ( t − τ ) dτ . τ 2 ) . De (2.91 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS perfil de h ( t . 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). d y u (t) = dt ∫ d ⎡d ⎤ ⎢ dt u( t − τ) ⎥ ⋅h( τ)dτ. 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. El desarrollo anterior permite determinar la respuesta impulsional de un SLIT si se conoce su respuesta al escalón unitario.τ.

♣ ♣ Ejemplo 2. De (2.10) la respuesta al escalón unitario es y u ( t ) = [1 − exp( − t )]u ( t ) . Veamos un ejemplo muy sencillo. 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. Veamos también si el sistema es lineal o no lineal. La no linealidad es directa.12). 2. 2. vemos que y 2 (t ) = y 1 (t − t o ) .4. 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 . y ( t ) = ∫ ∞ −∞ exp( − τ ) u (τ ) ⋅ exp[− ( t − τ )]u ( t − τ ) dτ = t exp(− t )u ( t ) De (2. 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. 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. Sea x1(t) la entrada. ♣ Ejemplo 2.92 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 . La correspondiente salida será (C) Comparando (C) con (D). El interruptor I está cerrado 1 únicamente en el intervalo |t |≤ .7). Sea x ( t ) = exp( − t ) u ( t ) y supongamos que h ( t ) = exp( − t ) u ( t ) .7). 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. pero su resolución es más laboriosa que la dada por (2. La respuesta y(t) del SLIT se puede determinar entonces mediante las integrales De (2.4 Establecer las características del sistema de la Fig. τ ) y(t) Fig.3 Vamos a verificar si el sistema representado por y(t ) = sen[ x(t )] es variante o invariante en el tiempo. lo que significa que el sistema es invariante en el tiempo.

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) . 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. y (t ) = a 1y 1 (t ) + a 2 y 2 (t ) .τ). ♣ .5. 10 8 y(t) 0 1 t Fig. y no de la diferencia (t . Respuesta Impulsional Para x(t ) = δ(t − τ ) se tiene que y(t ) = h(t . 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. 2. τ ) entonces. 2. La respuesta y(t) será entonces y(t ) = x (τ )Π(τ )δ(t − τ )dτ = x(t )Π (t ) −∞ ∫ ∞ ♣ ♣ Ejemplo 2. Vamos a determinar la respuesta y(t) del sistema.5. ⎧ 1⎫ ⎪δ(t . pues su respuesta impulsional depende de t y τ.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.τ ) para | τ| ≤ 2 ⎪ ⎬ = Π(τ )δ(t − τ ) h(t . τ ) = ⎨ 1⎪ ⎪0 para | τ|> ⎩ 2⎭ El sistema es variante en el tiempo. 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 .

En este caso.13) y además no puede realizarse físicamente. se dice que un sistema lineal es estable cuando para una entrada acotada la respuesta también es acotada. En sistemas causales el límite superior de integración es t. en tales casos el sistema puede no ser causal y aún así puede ser físicamente realizable. es decir.17) y(t ) = x (τ )h(t − τ )dτ para un SLIT causal 0 ∫ Estabilidad En cuanto a la estabilidad.13) Un sistema no causal no cumple con (2. entonces | x (t )| ≤ M < +∞ para todo t Consideremos un SLIT. se supone que la entrada es cero hasta determinado tiempo. Wylie. hay muchas aplicaciones en las cuales la señal a ser procesada se encuentra almacenada. Sin embargo. x( t ) = 0 para t < 0 . τ )dτ −∞ t ∫ t para cualquier sistema lineal causal para un SLIT causal (2. que h( t . 1960] que si existe una constante K tal que | q (x )| ≤ K < ∞ y |z(x)|< ∞ . Si la entrada es acotada. pero los sistemas físicos son siempre causales pues al operar en tiempo real no pueden producir ninguna respuesta a menos de ser excitados. τ ) = 0 o h(t . como. por ejemplo. se obtiene .18) M y N son constantes reales y positivas. Se ha demostrado [C. R.15) y(t ) = x (τ )h(t − τ )dτ −∞ ∫ Finalmente.18).τ) = 0 para t < τ (2.16) (2. el sistema es estable (2. de modo que y(t ) = x (τ )h(t . Vamos a ver cuáles son las condiciones que el sistema debe cumplir a fin de asegurar la estabilidad. Si | x (t )| ≤ M < ∞ y |y(t)| ≤ N < ∞ para todo t. se cumple que | z( x )| = ∫ p( x)q( x)dx ≤ ∫ | p( x)||q( x)| dx ≤ ∫ K| p( x)| dx < ∞ para todo x.14) (2.7) y con ayuda de las condiciones (2.94 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. para t = 0. de donde y(t ) = x (τ )h(t . τ )dτ 0 t ∫ t para cualquier sistema lineal causal (2. es decir. Aplicando esta desigualdad a (2.

21) Mediante el cambio de variables t ' = t − τ . se obtiene (2.23) La cantidad H(f) se denomina “Función de Transferencia”. la respuesta impulsional h(t) debe cumplir con la condición de integrabilidad absoluta.4.19) De (2. Si éste es el caso. y es la caracterización de un sistema lineal invariante en el tiempo en el dominio de la frecuencia.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.τ )dτ -∞ ∫ ∞ Tomando la transformada de Fourier.19) se deduce que para que un SLIT sea estable. la integral dentro de los corchetes es ∫ ∞ −∞ h(t − τ ) exp(− j2πft )dt = exp(− j2πfτ ) ∫ ∞ −∞ h(t ' ) exp(− j2πft ' )dt ' (2.20).22) La integral de la derecha en (2. condición que vamos a utilizar en la siguiente sección. Entonces definimos H (f ) = { h(t )} = ∫ ∞ −∞ h (t ) exp(− j2πft )dt (2. en un SLIT se verifica que h(t ) ⇔ H (f ) Reemplazando (2. esto es.2.22) tiene la forma de una integral de Fourier. h(t) debe satisfacer (2. y(t ) = x(t ) ∗ h(t) = x(τ )h(t . la condición suficiente para que haya estabilidad es que ∫ de donde ∞ −∞ | h (t )| dt < ∞ | y (t )| ≤ N < +∞ para todo t (2. La función de transferencia H(f) y la respuesta impulsional h(t) forman entonces un par de transformadas de Fourier.22) con la ayuda de (2. de donde .21). { y(t )} = ∫ ∞ −∞ y(t ) exp(− j2πft )dt = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ h( t − τ ) exp(− j2πft )dt ⎥dτ ⎦ −∞ ∞ (2. Nótese que (2. 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). donde x(t ) ⇔ X (f ).7).20) La respuesta es acotada y por lo tanto el sistema es estable.24) ∞ { y(t )} = H (f )∫ −∞ x (τ ) exp(− j2πfτ )dτ pero la integral es la transformada de Fourier X(f) de x(t). De (2.23) en (2. 2. es decir.20) es también condición suficiente para que h(t) tenga una transformada de Fourier.

podemos demostrar que x 1 (t ) x 2 (t ) ⇔ X1 (f ) ∗ X 2 (f ) = En general.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.6 Vamos a repetir el Ejemplo 2.. igualmente. Si x1 (t ) ⇔ X 1 (f ) y(t) ⇔ Y(f) El dual de las expresiones (2...... j2 πf (5 + j2 πf ) j2 πf 5 + j2 πf pero .29) algunas veces se las denomina “teoremas de la convolución”. ⎥ 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.28) (2..27) x1 ( t ) ∗ x 2 ( t ) ∗ x 3 ( t ) ∗ . por lo tanto.26) h(t ) ⇔ H (f )... A las expresiones (2... ♣ Ejemplo 2.26) se puede establecer en la forma siguiente: y x 2 (t ) ⇔ X 2 (f ) ..5..29) En resumen. ⇔ X1 ( f ) X 2 ( f ) X 3 ( f ).. 5 Del Ejemplo 2. 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 )...96 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y (f ) = H (f )X (f ) (2....26) a (2. entonces.. x(t) ⇔ X(f). la multiplicación de señales en el dominio del tiempo es equivalente a la convolución de sus espectros en el dominio de la frecuencia.. por simetría o dualidad. 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.. la convolución de señales en el dominio del tiempo es equivalente a la multiplicación de sus espectros en el dominio de la frecuencia.. (2. ⇔ X1 ( f ) ∗ X 2 ( f ) * X 3 ( f ) ∗ .. se verifica que ∫ ∞ −∞ X 1 (ν) X 2 ( f − ν)dν (2. el tercer término dentro de los corchetes tiene la forma 10 2 2 = − .5 pero trabajando en el dominio de la frecuencia.

La función de transferencia H(f) es el nexo que relaciona. 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). Para que un sistema sea físicamente realizable. la función de transferencia H(f) tendrá una característica de fase β( f ) tal que h ( t ) = 0 para t < 0. Propiedades de la Función de Transferencia 1.30) entonces (2.β(-f) 2. ♣ Criterio de Paley-Wiener La estabilidad y posibilidad de realización física que tratamos en la sección anterior son nociones independientes.5.32) |H(f)| se denomina “Respuesta de Amplitud” o más comúnmente “Respuesta de Frecuencia del Sistema”. es decir.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. se puede expresar en la forma H ( f ) =| H ( f )|exp[ jβ(f )] (2. se dice que él es físicamente realizable. En los sistemas de comunicación h(t) siempre es real. por lo tanto la función de transferencia tendrá simetría hermítica. en general. Puesto que H(f) es. en el dominio de la frecuencia. y β(f) es la “Respuesta de Fase”.30) es condición necesaria y suficiente para que |H(f)| sea el módulo de la función de transferencia de un sistema físicamente realizable. no cumplirá con el Criterio de Paley-Wiener y por lo tanto no es físicamente realizable. demostramos que . si I= ∫ ∞ ln| H ( f )| 2 2 −∞ 1 + 4 π f df < ∞ (2. es decir. | H ( f )| =| H ( − f )| =| H ∗ ( f )| y β(f) = . En efecto. la entrada y salida de un sistema lineal invariante en el tiempo. Nótese que si H(f) se hace cero en un intervalo de frecuencias dado. pero si un sistema es a la vez estable y realizable. una magnitud compleja.20). el cual establece que si la integral I existe. además de las condiciones (2. debe cumplir.13) y (2. Esto quiere decir que si la integral existe (es menor que ∞ ). con el llamado “Criterio de Paley-Wiener”. 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.

Nótese que cualquier sistema. 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 ) . no puede generar nuevas frecuencias: a la salida sólo estarán presentes las frecuencias que había a la entrada. entonces la densidad espectral de energía a la salida del sistema será. Ey = (2.88).34) Igualmente. si la entrada es una señal sinusoidal de frecuencia fo.37) significa que un SLIT cuya función de transferencia es H(f). y ( t ) = AH ( f o ) exp( j2πf o t ) = H (f o ) x ( t ) (2.87) y (1.37).37) (2.25) 3. pero no podrá generarse nuevas frecuencias. de la expresión (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. Recíprocamente. como bien lo expresa (2. En particular.35) < y 2 ( t ) >= ∫ −∞ S y ( f ) df = ∫ −∞ | H ( f )|2 S x ( f ) df (2. de (1. En efecto.109).98 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y( f ) = H ( f ) X( f ) (2. G y (f ) =|Y ( f )|2 =| H (f )|2 | X (f )|2 =| H ( f )|2 G x ( f ) y la energía total de salida.38) donde H ( f o ) =| H ( f o )|exp[ jβ(f o )] La expresión (2. un sistema que cambie o genere nuevas frecuencias será: o no lineal o variante en el tiempo o ambos. Se puede determinar el efecto de la función de transferencia H(f) sobre las densidades espectrales. . lineal o no lineal.33) ∫ ∞ −∞ G y ( f ) df = ∫ ∞ −∞ | H ( f )|2 G x ( f ) df (2.36) donde Sx(f) viene dada por (1. 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 x(t) es una señal de potencia con una densidad espectral de potencia S x ( f ). 4. pero con una amplitud y fase en general diferentes. tendrá siempre una respuesta impulsional.25). estas componentes de frecuencia pueden estar atenuadas e incluso desaparecer. la salida será también sinusoidal de la misma frecuencia. y no poseerá 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. pero solamente los sistemas lineales invariantes en el tiempo poseerán una función de transferencia.

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. ♣ ♣Ejemplo 2.99 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Por ejemplo. la excitación x(t) con la respuesta y(t). 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.105).24. 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. De (1. en el dominio del tiempo. 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).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 .7.8. 2. Respuesta de un SLIT a Entradas Periódicas La entrada a un SLIT es una señal x T ( t ) periódica de período T. 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. 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.

3. porque ayuda en la comprensión de las relaciones entre el dominio del tiempo y el dominio de la frecuencia. la convolución es el nexo entre el dominio del tiempo y el dominio de la frecuencia. y en segundo lugar. En primer lugar.τ )dτ ⇔ Y(f) = H(f) X(f) -∞ ∫ ∞ Si se conoce la respuesta impulsional h(t). H(f) = Ho en | f | ≤ Nf o . la Transformada de Laplace y la Transformada Z en otras áreas de la ingeniería eléctrica. En . porque es un buen modelo para entender los procesos físicos que se desarrollan en un sistema lineal.100 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ∞ ∞ y(t ) = f o Como entonces. y(t ) = h (t ) ∗ x(t) = x(τ )h(t . por ejemplo. por ejemplo. 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. sino también en conexión con las aplicaciones de la Teoría de Circuitos. Nótese que la integral de convolución no exige el conocimiento de H(f) o X(f). Su importancia deriva también del hecho de proveernos de una poderosa herramienta analítica no sólo en el análisis de señales y sistemas de comunicación. 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. de (2. 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. complejo. Nf o ) . Obsérvese también que a la salida aparecen solamente las frecuencias de entrada que están contenidas dentro de la banda de paso de H(f).3. 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.26). Desde el punto de vista de los sistemas lineales invariantes en el tiempo.1. la integral de convolución permite determinar la respuesta y(t) de un sistema lineal para cualquiera excitación x(t). la integral de convolución ofrece un método para determinar y(t). Por lo tanto. 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. es decir. LA INTEGRAL DE CONVOLUCION 2. La misma situación ocurre respecto a x(t). en general. 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. ♣ 2.

28). entonces x T (t ) se puede representar en la forma x T (t ) = n =−∞ ∑ ∞ x (t − nT) = x (t ) ∗ n=-∞ ∑δ(t .9. Por ejemplo.42) (2. de acuerdo con la propiedad de muestreo del impulso unitario.t 2 ) = δ(t − t 1 − t 2 ) (2. x(t ) ∗ δ(t) = x(τ )δ(t . La extensión de este procedimiento para n funciones de f es directa. Convolución de una Señal con Impulsos Unitarios La convolución de una señal x(t) con un impulso unitario δ(t). comúnmente. esto lo veremos más adelante. En los siguientes ejemplos presentamos algunas aplicaciones y métodos para la resolución puramente analítica de la integral de convolución. puede demostrarse que: (a) x(t ) ∗ δ(t . ♣ Ejemplo 2.40) En la misma forma.T) (b) x(t − t 1 ) ∗ δ(t . 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). 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.T) = x(t . es conveniente interpretar la convolución en forma gráfica. una operación complicada y muchas veces es preferible operar con las transformadas de Fourier.t 2 ) = x(t − t 1 − t 2 ) (c) δ(t − t 1 ) ∗ δ(t . y x(t) su correspondiente señal generatriz.41) (2.τ )dτ = x(t) -∞ ∫ ∞ (2. se desea determinar la transformada de Fourier inversa de X(f).44) ∞ y de (2. 1 {X(f )} = x(t ) = 1 {X1 (f )} ∗ 1 {X 2 (f )} Por lo tanto. En efecto.101 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS situaciones como éstas. Como herramienta operacional. 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.39) En un problema particular. resulta en la misma señal x(t). La resolución de la integral de convolución es. 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 =−∞ ∑ .nT) ∑ (2. x(t ) = x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 (τ ) x 2 ( t − τ )dτ = ∫ ∞ −∞ X(f ) exp( j2πtf )df (2.43) (d) Si x T (t ) es una señal periódica de período T.

y de (2. Este resultado es de capital importancia en la Teoría del Muestreo.10. s s s ∞ De (2.47) ⎧0 para λ < -x o ⎫ u( λ + x o ) = ⎨ ⎬ ⎩1 para .41). (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 . Para generalizar el procedimiento desde un punto vista puramente analítico.46). ♣ ♣ Ejemplo 2.27). por lo tanto.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 ) .102 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resultado que ya habíamos obtenido por otros métodos. 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. expresión (1. El límite superior de las integrales dependerá de la forma de y(x). (e) Sea el producto x(t) ⋅ ∑ δ(t-nTs ) = n=-∞ ∞ n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) = x (t) . el espectro del producto es la repetición periódica del espectro de x(t) en las frecuencias nfs con un factor de escala fs. X s ( f ) = X( f ) ∗ f s ∞ n =−∞ ∑δ(f − nf ) s s ∞ X s (f ) = fs n =−∞ ∑X(f − nf ) (2.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 (2.45) 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). como veremos en el Capítulo V. consideremos el producto de convolución z (x ) = y(x) ∗ BΠ( x ) 2x o (2. que es la transformada de una señal periódica. como veremos en los casos siguientes. 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.

mientras que la segunda lo es para Por consiguiente. 2. (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' . 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. 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' ) −∞ . − x o ≤ x ≤ x o .6 se muestra la forma de z(x). Si(x). 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. la cual está definida mediante la integral . 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.103 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La primera integral es válida para x o < x.

lim Si ( x ) = ± . y se presta a ser calculada mediante cálculo numérico... 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 )]⎬ − ⎦ ⎭ . ella se puede aproximar tomando un número suficiente de términos.7 para |x| < ∞. Con ayuda de la Integral Seno en el problema que nos ocupa. Desarrollando x Fig. (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. 2 x→±∞ 3. La Integral Seno se puede expresar también como una serie de potencias de la forma x3 x5 x7 x9 Si ( x ) = x − + − + −.19.7. es una función impar de x.... 2.. Si ( x ) = −Si ( − x ).104 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si (x ) = ∫ x sen(y ) y dy 0 y que se muestra en la Fig. obtenemos finalmente z( x) = AB Si{πa ( x + xo )} − Si{πa ( x − xo )} πa [ ] Una gráfica de esta expresión se muestra en la Fig.. 2.. La Integral Seno Si(x) en serie de potencias..26(b) del Ejemplo 2. π 2... 2. 3 ⋅ 3! 5 ⋅ 5! 7 ⋅ 7 ! 9 ⋅ 9 ! y tiene las siguientes propiedades: 1. 2 normalmente se encuentra tabulada en 20 12 40 4 12 20 la forma Si(x) vs x. Si(0) = 0 2 π/2 1 Si( x) 0 1 x Como la Integral Seno no −π / 2 puede resolverse en forma analítica.

8. 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. 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.x1 xo + x1 Graficación de z(x) vs x Fig.8.105 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. Cuando no se requiere valores exactos. 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. aparentemente sencillos. z(x) 2x1AB x -xo . la resolución de la integral de convolución se puede efectuar en forma gráfica.x1 -xo + x1 0 xo .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. 2. 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 =−∞ ∑ ∞ ∫ . En estos ejemplos.11. 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. ♣ ♣ Ejemplo 2. que veremos en la próxima sección.

su convolución será cero. 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. . 2. Fig.2. Nótese que si las señales periódicas son de diferente período.50) en (2. 2.9(f).3.9(f). El término x 2 ( t − τ ) representa la función x 2 ( −τ ) desplazada t segundos a lo largo del eje τ. Vamos a determinar gráficamente el producto de convolución x 1 ( t ) ∗ x 2 (t ) . 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. con t = τ .52). El valor de la integral de convolución para un t particular viene dado por la integral (2. entonces la convolución grafica resulta muy útil.106 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero la integral dentro de los corchetes es igual a X n1. x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 ( τ ) x 2 ( t − τ ) dτ (2.9(c) se muestra x 2 ( t − τ ) y x 1 ( τ ) y el sentido del desplazamiento. para t = − t 2 . expresión (2. introduce el concepto de “función de ponderación (weighting function)” en la terminología del análisis de sistemas [Brown y Nilsson. de su área de intersección.9(a).52) donde τ es la variable independiente y t el parámetro tiempo.9(b) se muestra x1 ( τ) y x2 ( −τ). Por ejemplo. 2. 2. entonces se puede escribir X n1 X n 2 = X n =| X n |exp( jθ n ) Reemplazando (2. La gráfica de las áreas de intersección.9(e). en la Fig. es también periódica de período T. Como el período T es el mismo para X n1 y X n2 .52) evaluada en t y representa el área bajo la curva producto de x 1 ( τ ) y x 2 ( t − τ ) . ♣ 2. x T1 ( t ) ∗ x T2 ( t ) = n =−∞ donde |X n | =| X n1 || X n 2 | y θ n = θ n1 + θ n 2 (2. 2. La integral de convolución. Fig. En la Fig. se desplaza la función x 2 ( −τ ) según esos valores y se calcula el área de intersección correspondiente. Nótese que x 2 ( −τ ) se obtiene girando x 2 ( t ). dicha área es la región sombreada de la Fig. 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. 2. Estas áreas representan los valores del producto de convolución en los valores respectivos de t.50) ∑X ∞ n exp( j2 πnf o t ) ⇔ n =−∞ ∑X δ(f − nf n ∞ o) (2. expresadas como funciones de t.9(d). representa el producto de convolución x 1 ( t ) ∗ x 2 ( t ) . 2. Si en un sistema lineal sólo se conoce x(t) y h(t) en forma gráfica. Por definición.49).49) es una forma del teorema de convolución para señales periódicas. alrededor del eje vertical que pasa por el origen. Lo mismo para t = t 3 . Como ejemplo de esto supongamos que x 1 ( t ) y x 2 (t ) son los impulsos rectangular y triangular mostrados en la Fig.49) La expresión (2. Para encontrar los valores del producto de convolución x 1 ( t ) ∗ x 2 ( t ) se selecciona diferentes valores de t. es decir.51) La convolución de dos señales periódicas de período T.

Convolución Gráfica. 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 2.10. los valores pasados de x 2 (t ) son ponderados menos y menos a medida que pasa el tiempo.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. y el semiplano de la mano derecha el pasado. Fig. 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. 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”. 2. Con referencia a la Fig. se puede ver que x 1 ( τ ) “pesa” o pondera la función x 2 ( t ) de acuerdo con valores presentes y pasados.10. 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). éste sería un sistema con memoria perfecta.107 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1962]. Fig. 2.9. el sistema “recuerda” menos y menos acerca de los valores pasados de la entrada. si la respuesta impulsional fuera un impulso muy angosto. Dicho de otra manera. 2. se supone que x 2 ( t ) es la excitación del sistema. Por otro lado. el eje vertical representa el presente. y visualizando la multiplicación de x1 ( τ ) por x 2 ( t − τ ) . En efecto. h ( t ) = u ( t ) caracterizaría un sistema de memoria perfecta. el semiplano de la mano izquierda el futuro. 2.9(d) y (e). “presente” y “futuro”. el sistema tendría poca memoria. Por ejemplo. mientras que h ( t ) = δ ( t ) caracterizaría un sistema de memoria cero. En el gráfico de x 2 ( t − τ ) . Para la función dada x1 ( τ ) .

gráfica o analíticamente. 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. 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). 2. (c) La integral de convolución introduce el concepto de “función de ponderación” o “memoria del sistema”. vamos a considerar esa respuesta en el caso de ciertos sistemas lineales ideales. Con el fin de introducir estas idealizaciones. Concepto de pasado.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. pero no sus respectivas transformadas de Fourier. vamos considerar primero el problema de la transmisión sin distorsión. determinándose la respuesta total por superposición de las respuestas individuales de cada impulso. 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. Sea un sistema lineal invariante en el tiempo en el cual x ( t ) ⇔ X(f ). (d) Como herramienta analítica.4. h(t) ⇔ H(f). La función memoria indica. Transmisión sin Distorsión Sabiendo que la respuesta impulsional suministra información fundamental acerca del comportamiento general de un sistema. 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. DISTORSION EN SISTEMAS 2.25) y (2. la integral de convolución proporciona los recursos para una resolución alterna de las Integrales de Fourier.4. y(t) ⇔ Y(f) De (2.10.31).53) . 2. pues. (b) La integral de convolución introduce la posibilidad de aproximar la señal de entrada como una secuencia de impulsos. Y (f ) =| H (f )|exp[ jβ ( f )] ⋅ X ( f ) (2.

y al eje de frecuencia en las frecuencias f n = n / 2t o .59) Si n es par. Por otra parte.58) es β(f ) = −2πt o f ± nπ para todo n entero (2. exp(± jnπ ) = −1. puede suceder que. Por transformada de Fourier. se producirá distorsión de fase.56) con (2. ± 2. n = 0. Una expresión más general para la fase en (2. Nótese que si n no es entero.56) Comparando (2. que cortan al eje β(f ) en múltiplos enteros de π.. entonces aparecerá un término constante de distorsión de fase (ver Problema de Aplicación 2.2. como se puede apreciar en la Fig.109 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también y( t ) = | H ( f )| X( f ) exp[ jβ( f )]exp( − j2 πtf ) df −∞ ∫ ∞ (2. las dos formas de onda serían idénticas.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).58) Si X(f) es de banda limitada (pasabajo o pasabanda). la transmisión no puede ser instantánea y la señal de salida tendrá un cierto retardo en relación con la señal de entrada. En cualquier sistema físico la señal siempre experimenta una cierta atenuación. si la atenuación es constante para todas las frecuencias. | H (f )| = h o y β (f) = -2πt o f (2. es suficiente que estas condiciones se cumplan dentro de su intervalo de existencia. ésta no es una condición necesaria. Aún más.55) queda en la forma Y( f ) = h o exp( − j2πt o f ) ⋅ X( f ) (2. sin embargo. (2.53).57) (2. La característica de fase en transmisión sin distorsión es entonces una familia de líneas paralelas de pendiente −2πt o . en alguna gama de frecuencias la característica de fase sea lineal. se tiene que exp(± jnπ ) = 1. ± 1. .11(b). Es evidente que si H(f) = 1. para n = 0. Esta situación es común en la práctica. siendo t o el tiempo de propagación o retardo de las componentes a través del sistema. .. de tal manera que la condición de transmisión sin distorsión no cambia. pero si su prolongación no corta el eje β(f ) en cero o en múltiplos enteros de π. mientras que si n es impar..13).55) donde ho es la “atenuación (o ganancia)” y to el “retardo de transmisión” de la señal a través del sistema. Esto significa que todas las componentes de frecuencia de una señal llegan a la salida al mismo tiempo. 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. 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. ella no representa ningún problema pues la amplitud original puede restaurarse mediante amplificación.

τ N Fig.60) ...12.τ 1 Receptor h N . 2.. y que la característica de fase sea una función lineal de la frecuencia..11. Características de un Sistema para Transmisión sin Distorsión.12. la transmisión sin distorsión requiere que la magnitud o módulo de la función de transferencia sea constante e independiente de la frecuencia. que es una perturbación muy común en los sistemas de transmisión por radio.+ 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 )+.12. mostrado en la Fig. como se muestra en la Fig. 2. 2.. 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 .. ♣ Ejemplo 2.. 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 )+.+ 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) (2.11. 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. Sea entonces el modelo de un canal en transmisión multitrayecto. 2.. Transmisión Multitrayecto.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. x(t) Transmisor y(t) h o .. En resumen..τ o h 1 ..

Entrada y(t) αo Retardo ∆ α1 Retard ∆ α2 Retardo ∆ αK H eq ( f ) Salida y eq ( t ) Fig... en realidad. del Ejemplo anterior.+α K Y (f ) exp(− j2πK∆f ) ⎡ K ⎤ Yeq (f ) = ⎢ α k exp(− j2πk∆f )⎥ ⋅ Y (f ) = H eq (f ) ⋅ Y (f ) . El filtro transversal. utiliza una línea de retardos ∆ . es decir.13.. 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 . El Filtro Transversal o Ecualizador Los efectos producidos por la transmisión multitrayecto se pueden contrarrestar mediante la utilización del llamado “Filtro Transversal o Ecualizador”. y eq (t ) = α o y (t ) + α 1y (t − ∆ ) + α 2 y (t − 2∆ )+.62) H c (f ) . 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..13... 2. Filtro Transversal o Ecualizador De la Fig. ♣ ♣ Ejemplo 2..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.. cuando Ho H eq (f ) = (2.. donde H o es una constante.61) Estas son la función de transferencia y la respuesta impulsional del filtro transversal.. Como Y(f) es el espectro de la señal recibida. 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.+α K y (t − K∆ ) cuya transformada de Fourier es Yeq (f ) = α o Y (f ) + α 1Y (f ) exp(− j2π∆f )+.13. 2. cuyas salidas se ponderan con ganancias α i que luego se suman para producir la salida ecualizada y eq ( t ).13. el cual actúa sobre la señal recibida y(t) para compensar la distorsión producida por el fenómeno de multitrayecto. En la práctica los valores de h i y τ i no son conocidos.. como se muestra en la Fig. entonces. son cantidades aleatorias. 2..

Una primera aplicación de estos conceptos la veremos más adelante al tratar los filtros ideales. Sistema de Fase Lineal.64) donde h max representa el área neta bajo |H(f)|.63) Sin necesidad de resolver la integral (2. la red ecualizadora se coloca a la entrada del receptor.112 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En la práctica. entonces h (t ) = ∫ ∞ −∞ | H (f )|cos[ 2π (t − t o )f ]df (2. Asimismo.63) porque cos[2π (t − t o )f ] tiene su valor máximo en t = t o para todo f. La dispersión de h(t) alrededor de t = t o dependerá del ancho de banda de H(f). . para t = t o .14. 2. la expresión (2. el valor máximo h max de h(t) se alcanza cuando t = t o .63). 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.14(a). 2. si el retardo t o es lo suficientemente grande.63) queda en la forma h max = ∫ ∞ −∞ | H (f )| df (2. es decir. ♣ Sistemas de Fase Lineal Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. El filtro ecualizador tiene múltiples aplicaciones en todas las ramas de la ingeniería eléctrica. 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. 2. es un sistema cuya característica de fase es lineal y en el cual el módulo de su función de transferencia tiene cualquier perfil. La respuesta impulsional h(t) de un sistema de fase lineal tiene entonces la forma general mostrada en la Fig. 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 ) . En efecto. además. 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. Cualquier otro valor de t lo que hace es disminuir el valor del integrando en (2. Este es un sistema que no posee distorsión de fase. es decir.14(b): simétrica respecto a t = t o . podemos suponer que h( t ) ≈ 0 para t < 0 . con valor máximo h max en t = t o y distinta de cero para t < 0. que h(t) es causal.

si es posible. A este efecto. de la componente de frecuencia f].4. el tiempo de retardo correspondiente se define como la derivada de la característica de fase. Tipos de Distorsión En la práctica la transmisión sin distorsión se puede alcanzar solamente en forma aproximada. Por definición. El rizado dentro de la banda de paso es causado principalmente por desequilibrios de impedancia y las reflexiones consiguientes. Por ejemplo. pues siempre se producirá un cierto grado de distorsión que es necesario cuantificar y. a través del sistema. 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.2. la distorsión se ha clasificado en tres tipos: 1. Distorsión de Amplitud La “Distorsión de Amplitud”.66) En muchos casos la característica de fase de un sistema se puede aproximar como una curva lineal por tramos. las componentes de frecuencia son atenuadas (o amplificadas) en forma diferente en las diferentes gamas de frecuencia. se consideran dos tipos de distorsión de retardo: la “distorsión de retardo de fase” y la “distorsión de retardo de envolvente o de grupo”. Distorsión de Amplitud 2. minimizar mediante un diseño apropiado del sistema. Para caracterizar esta situación. el retardo de fase es t p (f ) = − 1 β(f ) 2π f seg (2. Distorsión de Fase 3. cada uno de los cuales define un tiempo de retardo dado. es decir. Sea t g ( f ) este retardo. se manifiesta como una deformación de la envolvente de las señales. Distorsión no Lineal Los dos primeros tipos son formas de distorsión lineal. más conocida como “Distorsión de Retardo”.113 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.65) donde β( f ) / f es simplemente la pendiente. En la segunda forma de distorsión de retardo. si hay que operar en una pequeña gama de frecuencias alrededor de . respecto al origen. de la característica de fase a una frecuencia dada [t p (f) es el tiempo de propagación. Por ejemplo. efecto que se produce en los circuitos cuando la característica de fase β(f) no es lineal. entonces t g (f ) = − 1 d 2π df β ( f ) seg (2. 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 las características pasaalto de los transformadores y a los capacitores en serie presentes. algunas veces llamada también “Distorsión de Frecuencia”. En este caso. en un canal telefónico la atenuación en los bordes de la banda se debe a los filtros presentes en el sistema. Distorsión de Fase La “Distorsión de Fase”. se produce cuando |H(f)| no es constante dentro de la banda de paso del sistema.

y su negativo.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. 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. Tanto t g ( f ) como t p ( f ) están evaluados a la frecuencia f c de la portadora. El retardo de envolvente o retardo de grupo es la forma de retardo más . 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.114 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS una frecuencia central f c . como es el caso en sistemas pasabanda de banda angosta. se aplica para frecuencia negativa. H ( f ) = H − (f ) + H + ( f ) . es decir. Esto se debe a que la fase es una función impar de la frecuencia. Entonces. para frecuencia negativa. con f → − f . 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. 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 .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 ) . mientras que la fase de la portadora está retardada en una cantidad igual al retardo de fase t p ( f ) .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 1.65) y (2.66). β( f ) = β ( f c ) + ( f − f c ) De (2. la fase β(f) se puede aproximar con los dos primeros términos de su desarrollo en serie de Taylor.

15. f 2 = 6 Hz. t1 = 1 π = 1 100 Frecuencias presentes: f1 = 15 Hz. ganancia = 2. (b) . pues representa el verdadero retardo de la señal.5 y 1 y 3 ( t ) = 1.14 Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. . 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. ♣ Ejemplo 2. 2.5 Hay distorsión de amplitud solamente: diferente. (c) las componentes están amplificadas en forma 1 80 . 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). |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. 1 π 1 = .115 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS utilizada en la caracterización de un canal de comunicaciones. (a) Frecuencias presentes: f1 = 5 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. t o = Ganancias: 1. (b) Característica de Fase Este sistema es excitado por las tres señales (a) x 1 ( t ) = cos(10πt ) + cos(12 πt ) . 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. ganancias: 2 y 1. 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. f 2 = 25 Hz. f 2 = 15 Hz. y 2 ( t ) = 2 cos[10π ( t − 1 80 )] + 1.5 cos[30π (t − 1 80 )] to = 1 80 En el sistema hubo transmisión sin distorsión.15.

En la Fig. y los segundos. 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. (2.16 (2. como veremos en el Capítulo V.... El lector puede demostrar que los cuatro primeros términos de (2. a menudo exhiben características no lineales y no pueden ser descritos mediante una función de transferencia pues no poseen una. términos a las frecuencias armónicas de las frecuencias de entrada. 4fc . Los sistemas no lineales se describen entonces mediante una curva y ( t ) = g[ x ( t )]. Nótese que una señal real..69) La distorsión armónica asociada con la salida de un sistema se determina aplicando un tono sinusoidal puro a la entrada del sistema. Aunque no se dispone de la función de transferencia. 2fx .. Esto es muy importante desde el punto de vista práctico. Los primeros términos reciben el nombre de “términos de distorsión armónica”.. junto con otros factores que veremos posteriormente. ♣ Distorsión no Lineal Los canales prácticos y dispositivos electrónicos como los amplificadores.. cuando x(t) es pequeña.. y(t) x(t) 0 Fig. Las líneas a trazos representan la aproximación lineal por tramos de la curva de transferencia. 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 ) +. En efecto.. cross-modulation)”. la característica de transferencia se puede considerar lineal.. y a la suma y diferencia de las frecuencias de entrada y de las armónicas. Si la entrada al sistema es la suma de dos señales sinusoidales de diferentes frecuencias. En general. siempre poseerá un espectro. 3fx . 2. “términos de distorsión de intermodulación (en inglés. a la generación de una distorsión de las señales conocida como “interferencia intersímbolo”. por ejemplo. 3fc .. x( t ) = cos(2πfc t ) + cos(2πfx t ). 4fx → 6 frecuencias ..16 se muestra la característica de transferencia de un sistema no lineal sin memoria. 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)]+.. sobretodo en la transmisión de impulsos digitales. además de una componente continua.. sin importar su naturaleza.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.68) contienen.15 consideramos este caso.68) La segunda y siguientes potencias de x(t) son los términos que producen distorsión. 2. términos a las siguientes frecuencias: De Distorsión Armónica: 2fc . entonces la salida contendrá. pues contribuye. comúnmente denominada “característica o curva de transferencia”. En el Ejemplo 2. además de una componente continua.

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

Dibujar el espectro de la salida.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 ). 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. Sistema de Compansión. 2. recuperar X(f) a partir de Y(f). produce interferencias a todas las frecuencias ocupadas por la señal deseada. En general. 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.18. Con este método. considerado como distorsión. 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. B). 2. habrá distorsión y será imposible. 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.16 sugiere un método para disminuir la distorsión no lineal.118 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. pero el segundo término. Esto se puede apreciar en la Fig. 2.17. ♣ Compansión La característica de transferencia de la Fig. 2.18. conocido con el nombre de “compansión (compresiónexpansión)”. (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. Obsérvese que el término de distorsión ocupa un ancho de banda el doble del de la señal útil. . mediante aplicación sucesiva del teorema de la convolución. Entrada x(t) Compresor Canal no Lineal Expansor Salida y(t) Fig. Como ambos términos se superponen en el intervalo (-B. en general.17(c). dispuestos en la forma mostrada en la Fig. 2.

. Como los diagramas de bloques se utilizan mucho en el análisis de sistemas. Las tres formas básicas de interconexión de sistemas son: en cascada o serie. en paralelo y retroalimentada. . es decir.. 2..5. un compresor con una característica de transferencia g comp [x (t )] = ln[x ( t )]. ajustar también la salida del sistema de tal manera que se compense el ajuste. por ejemplo. Si se conoce las funciones de transferencia de los diferentes subsistemas. Para una entrada positiva x(t). entonces. que g exp g comp [ x (t )] = x ( t ). se puede utilizar. y ( t ) = g exp [ln x ( t )] = exp[ln x (t )]. TABLA DE IDENTIDADES DE DIAGRAMAS DE BLOQUES No. la característica de transferencia del expansor.. entonces y(t) = x(t). también ajustará el rango de la señal de salida. Es necesario. 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. Como el compresor ajusta el rango de la señal de entrada. 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 ).+ 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. Por ejemplo. es el complemento de la característica de transferencia del compresor. Estas tres formas básicas se muestran en la siguiente TABLA DE IDENTIDADES.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. puede ser posible y deseable combinarlas para constituir una sola función de transferencia total. a fin de que el sistema equivalente represente verdaderamente la interconexión de los subsistemas. INTERCONEXION DE SISTEMAS Normalmente un sistema de comunicación comprende numerosos subsistemas interconectados en diferentes formas. H N ( f ) b a b + a 2 H 1 ( f ) + H 2 ( f ) +. compensar la diferencia entre voces fuertes y voces débiles. es decir. a menudo es necesario reducir un diagrama de bloques dado a cualquiera de estas tres formas básicas. donde g exp {⋅ ⋅}.

Introducción En su acepción general.6. ♣ 2. La teoría . el diagrama de bloques tendrá la forma mostrada en (b). Para analizarlo. pasaalto y eliminador de banda. τ características de la función de transferencia del circuito de retención. Circuito de Retención (Sample and Hold) Consideremos el “circuito de retención (zero-order hold)” de la Fig. tiene una función de transferencia H 1 (f ) = 1. 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. En términos de estas funciones. la respuesta impulsiva o impulsional h(t) será ) que tiene la forma mostrada en (c).1. mientras que la rama del integrador tendrá H 3 ( f ) = 1 / ( j2 πf ) . 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. Desde este punto de vista. Este sistema es muy sencillo. los filtros básicos pueden ser pasabajo. debemos obtener primero la función de transferencia de los diferentes bloques.17. Fig. La rama superior. sobretodo en el muestreo y procesamiento de señales. 2. La rama inferior tiene una función de transferencia H 2 (f ) = exp( − j2 πτf ). ciertas componentes de frecuencia son amplificadas mientras que otras son atenuadas o rechazadas.19. De acuerdo con la dependencia funcional de H(f) respecto a la frecuencia. pasabanda. FILTROS 2. Este circuito tiene muchas aplicaciones en comunicaciones. 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.120 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. 19.19(a). 2.6. 2. pero lo vamos a utilizar para hallar su función de transferencia equivalente. Esta selectividad en frecuencia es lo que comúnmente se denomina “filtración”.

) se extienden hasta -∞.20(b). como un filtro “pasatodo”.20(a) se muestran las características de amplitud y fase de un filtro ideal pasabajo. Nótese que h(t) es máxima y simétrica en t = t o . 2. ella puede aproximarse para que sea causal haciendo t o lo suficientemente grande. Fig. Sin embargo. los filtros ideales permiten.70) (2. La respuesta impulsional contiene también toda la información sobre el filtro.. Para simplificar la descripción de algunos de los filtros ideales. Filtros Ideales Aunque no son físicamente realizables. . 2. pues hay una respuesta para t < 0: las colas de la función sinc(. se obtiene también el valor ho de |H(f)|. procesamiento.121 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS de los filtros es un sujeto muy importante en la generación. Por lo tanto.11.6. En efecto. si Bt o >> 1. Los filtros ideales son sistemas de fase lineal cuyas características generales hemos visto ya. Sin embargo. por su descripción matemática sencilla. de donde H PB ( f ) = h o Π( f 2B ) exp( − j2πt o f ) (2. vamos a considerar el sistema de transmisión sin distorsión. para profundizar un poco más en el estudio de los sistemas lineales y visualizar algunas de sus características.2. concepto que nos ayudará en la caracterización de algunos de los filtros ideales que veremos a continuación. la cola que se extiende para t negativo es de amplitud muy pequeña y podría ser despreciada. 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). 2. 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. Para caracterizar estos filtros ideales. el desplazamiento respecto al origen es el tiempo de retardo to . y un estudio más completo de ellos está fuera de los objetivos de este texto. transmisión y recepción de señales. y como el valor máximo de la característica es 2Bho . mostrado en la Fig. Filtro Ideal Pasabajo En la Fig. entender con menor dificultad sus efectos sobre las señales que se les aplican. 2.20(a). aunque la característica pasabajo ideal nunca puede ser causal. la distancia entre los dos ceros del lóbulo principal de la característica nos da el valor del ancho de banda B.71) h PB ( t ) = 2 Bh o sinc[2 B( t − t o )] Obsérvese que la respuesta impulsional no es causal. 2. De la Fig.

Nótese que todos los parámetros del filtro (fo . . B. to y ho) se pueden deducir también de la respuesta impulsional. Filtro Ideal Pasaalto En la Fig.72) (2. la respuesta impulsional del filtro ideal pasabanda tampoco es causal. De la Fig. El filtro ideal pasaalto se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabajo.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. es decir. la respuesta impulsional tiene la forma de una señal modulada de frecuencia fo. 2.21(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. H BB (f ) = h o [Π ( f + fo f − fo ) + Π( )]exp(− j2πt o f ) B B (2.21(a). 2. 2.21 (a). Obsérvese que la envolvente de la respuesta es parecida a la respuesta del filtro ideal pasabajo. Fig. 2.22(a) se muestran las características de amplitud y fase de este filtro.

Consideremos la respuesta impulsional de un filtro ideal pasabajo que de alguna forma hemos limitado entre 0 y 2to para hacerla causal. En este caso vamos a investigar qué le sucede a su correspondiente función de transferencia.23(a).18.23(b). 2. Este filtro se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabanda.22(b)..74) (2.77) 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. En efecto. De (2.) que se extienden para t < 0.123 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 ) (2.75) Esta respuesta se muestra en la Fig. Además. ⎡ 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. h c ( t ) = 2 Bh o sinc[2 B(t − t o )]Π( t − to 2t o ) ⇔ H c (f ) . cuyas respuestas impulsionales contienen funciones sinc(. 2. entonces la respuesta de frecuencia se extenderá más allá de la banda de paso y contendrá rizados dentro de la misma banda. estos filtros no pueden ser realizados físicamente pues su característica de amplitud |H(f)| viola el Criterio de Paley-Wiener. 2. de la Fig. 2. Esto podemos apreciarlo en el siguiente ejemplo. 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 < 0.23(a).71). Ninguno de los filtros ideales considerados hasta ahora son causales debido a los bordes abruptos de las funciones de transferencia. ♣ Ejemplo 2. Filtro Ideal Eliminador de Banda Las características de amplitud y fase de este filtro se muestran en la Fig.76) (2.

2.124 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h c ( t ) se muestra en la Fig. Sea h 1 ( t ) = sinc(2 Bt ) Π( Entonces.24(a). 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.24(b) se muestra las características de H c (f ). Nótese también que H c (f ) ya no viola el Criterio de Paley-Wiener y por lo tanto es físicamente realizable. ⎧ 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 2.10(b). Obsérvese el rizado presente dentro de la banda de paso. lo cual resulta en un cierto grado de distorsión de amplitud que con un buen diseño se puede hacer muy pequeño. La correspondiente función de transferencia se puede obtener en la forma siguiente. 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. ♣ . nótese que | H c ( f )| se extiende más allá de la banda de paso.

19. 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. la pendiente de y(t) en t = t o será. En efecto.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. y tomando el primer término del desarrollo en serie de potencias de la Integral Seno. 2. si definimos el “tiempo de alzada” t r en la forma mostrada en la figura. de donde B≈ 1 2t r Obsérvese que cuanto mayor es el ancho de banda B. Como un canal de transmisión se puede considerar como un filtro pasabajo. 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. 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”. 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 ) . d dt y( t )|t = t o ≈ ho tr Por consiguiente. la salida del canal se parece más y más a la entrada (el tiempo de alzada tr es menor). Nótese que la pendiente de y ( t ) alrededor de t = t o depende del ancho de banda del filtro.71). ho tr ≈ ho π 2πB.25 se grafica esta respuesta.25. Fig. de (2.

en la práctica su valor es despreciable. De (2. Obsérvese también que la salida depende en forma apreciable del ancho de banda B del canal: cuanto mayor es el valor del producto BT.7). y ( t ) = 2 Bh o h( t ) = 2 Bh o sinc[ 2 B( t − t o )].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( ) . 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. 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 ). 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. es la salida típica de un sistema de fase lineal. si hacemos t o = En la Fig. . T De (2. El efecto del ancho de banda B es entonces más crítico cuando se transmite secuencias de impulsos. En efecto. y(t ) = ho ⎡ ⎧ ⎧ T ⎫ T ⎫⎤ ⎢Si ⎨ 2 πB( t − t o + ) ⎬ − Si ⎨ 2 πB( t − t o − )⎬⎥ ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ T h ⎡ ⎧ T ⎫ 3T ⎫⎤ ⎧ . Por ejemplo. 2.26 se muestra la respuesta y(t) para diferentes valores del producto BT. Esto es lo que se conoce con el nombre de “interferencia intersímbolo”. si el ancho de banda del canal es fijo. como en los sistemas de transmisión digital en banda de base. Obsérvese que la salida es simétrica respecto a t = t o = T / 4 y existe para t < 0: la respuesta es no causal. Si se quiere disminuir el ancho de banda B a valores menores que 1/2T. mejor es la fidelidad a la salida.71). la dispersión del impulso de salida es tal que puede interferir con impulsos adyacentes.

2. Si el filtro es pasabanda o eliminador de banda. las relaciones más utilizadas en la transmisión de impulsos son B = 1/T y B = 1/2T. ♣ 2. Esta convención se denomina “Ancho de Banda de Potencia Mitad” o “Ancho de Banda de 3 decibeles (3 dB)”. . 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. la velocidad de modulación (impulsos por segundo) en el canal. La banda de paso se extiende en este caso desde f = 0 hasta f = B 3dB . 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. En este caso. las cuales separan las “bandas de paso” de las “bandas de atenuación o rechazo”. 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 . 2. en general. muy pequeño. Filtro Pasabanda Típico. depende entonces del ancho de banda. 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 .3. como se muestra en la Fig.27 para un filtro pasabanda típico. pues to es. La selección de una u otra relación dependerá de la interferencia intersímbolo permitida.27. La interferencia intersímbolo la trataremos con más detalle en el Capítulo V. con i = 1.6. como veremos en el Capítulo IV. 2. Si B es el ancho de banda del canal y T la duración de los impulsos. es decir.78) H(f) |H(f)|max Bandas de Transición Fig. el ancho de banda del canal limitará la cantidad de impulsos que se pueden detectar por unidad de tiempo en la salida del canal.127 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS habrá un límite inferior sobre la duración permitida de los impulsos a transmitir. Como ejemplo de esta convención. 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”. Nótese que el retardo to influye muy poco en la interferencia intersímbolo. El ancho de banda de 3 dB vendrá dado entonces por B 3dB =| f 2 − f1 |.

2.79) y su respuesta impulsional Supongamos que el retardo de transmisión es despreciable. como se muestra en la Fig.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. (a) Filtro de Nyquist. 2. En este caso. 2.28 La expresión (2. de donde cos( B3dB ) = 2 − 1 . como se muestra en la Fig. Primera Forma.28 en el caso de un filtro pasabajo. | H( f )| df 1 −∞ B= 2 | H( f )| max |H(f)| | H (f )|max f 0 ∫ ∞ (2. Más adelante se definirá otro ancho de banda denominado “Ancho de Banda Equivalente de Ruido”. |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 .29(a). H ( f ) = 1 ⎡ 1 f ⎤ f )⎥Π( ). Vamos a determinar su ancho de banda de 3 dB. ♣ Ejemplo 2. Vamos a definir tres de estos tipos de filtro.29(a). B 2 ⋅B 1 . el ancho de banda definido por la expresión (2.117). Consideremos la primera forma del denominado “Filtro de Nyquist”. transmisión y recepción de señales en banda de base se utilizan algunos filtros cuyas funciones de transferencia tienen envolventes sinusoidales. que es un filtro con características en coseno elevado. expresión (1.20. 2.79) 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 . Para filtros pasabanda.79) -B B Fig. Filtros Sinusoidales En el procesamiento. De la Fig. el procedimiento es el mismo.

Aplicando el dual del teorema de la modulación. 2.364π .129 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS π Resolviendo cos( B3dB ) = 2 − 1 = 0.79): Obsérvese que Bc > B3dB Calculemos ahora su respuesta impulsional.29(b) se muestra la forma de h(t). 4142 B de donde B 3dB = 0. 2. De la Fig. B También. (b) Filtro de Nyquist. 2. Segunda Forma La segunda forma del Filtro de Nyquist se muestra en la Fig. mostrada en la Fig.29(c).364 ⋅ B para B 3dB . obtenemos π B3dB = 0.29(c).. 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 . 2.5 ⋅ B 1 f Π ( ) ⇔ sin c(2Bt) .) y rearreglando. se obtiene finalmente h (t ) = sinc(2 Bt ) 1 − ( 2 Bt ) 2 En la Fig. La función de transferencia H(f) de este filtro.29(a). según la expresión (2. ∫ ∞ −∞ | H ( f )| df = ∫ 1 ⎡ πf ⎤ ⎢1 + cos( )⎥df = 1 − B 2B ⎣ B ⎦ B El ancho de banda del Filtro de Nyquist es. 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(. 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.

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. obtenemos: π(B3dB − f o + f d ) = 0. 272f d o también B3dB = B − 1. Bc = f o = B − f d .79).29(d). 4142 . . 2. 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. de donde cos[ ]⎥ = ⎢1 + cos[ 2f d 2⎣ 2f d 2 ⎦ Resolviendo para B3dB. ∞ −∞ ∫ 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. de donde 2f d B3dB = 0. 272f d H(f ) max = 1 y En cuanto al ancho de banda dado por (2.130 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.364π . Veamos el ancho de banda de 3 dB.728f d + f o − f d = f o − 0.

. (c) Filtro de Respuesta Parcial En la transmisión en banda de base se emplean las “técnicas de respuesta parcial” en los llamados sistemas duobinarios.29(e). Veamos el ancho de banda de 3 dB.131 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando f1 = 0. 2. como veremos en el Capítulo V. El ancho de banda de 3 dB se obtiene a partir de πB πB 1 1 1 2 = . 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 ( ) . 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. obtenemos: πB3dB π = .29(f).5B . de donde cos( 3dB ) = cos( 3dB ) = B 2B 2B 2 2B 2 Resolviendo para B3dB. mientras que si fd = 0. este filtro se convierte en la primera forma del Filtro de Nyquist. 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. 2.

1.7.79) es mayor que el ancho de banda de 3 dB. para todo f. La Transformada de Hilbert En la Sección 2. que representaremos con X( f ). 2. ∞ H(f ) max = 1 y B −∞ ∫ | H(f ) | df = 2∫ Bc = B 1 πf 4 cos( )df = 2B π 0 B de donde. es decir.80). entonces H h ( f ) será la función de transferencia del sistema.79). el ancho de banda dado por la expresión (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. de (2. SEÑALES Y SISTEMAS PASABANDA 2. 2 B = 0.84) .4. Esto quiere decir que si x ( t ) ⇔ X(f ) . X( f ) = − jX( f ) u ( f ) + jX( f ) u ( − f ) = jX( f )[u (− f ) − u ( f )] (2. H h ( f ) = − j sgn(f ) (2.83) En consecuencia. 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.7. ♣ 2. ∫ π 1 ∞ x (τ ) −τ −∞ t dτ = ∫ π 1 ∞ x(t − τ ) τ −∞ dτ (2.82) que se representa en la Fig. 2.82).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 ). Fig. “Filtro de Hilbert” o “Filtro de Cuadratura”. la respuesta impulsional del transformador de Hilbert es 1 { H h (f )} = h h (t ) = πt 1 x(t ) = h h (t ) ∗ x(t ) = (2.30(b). De (2.1 se consideró un sistema con distorsión de amplitud pero con fase lineal y se dedujo algunas propiedades muy interesantes acerca de su respuesta impulsional.30(a). en general. Este sistema se conoce con el nombre de “Transformador de Hilbert” . 637B π Nótese que.132 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En cuanto al ancho de banda dado por (2.80) (2. entonces el espectro de salida del sistema.

En el Problema de Aplicación 2. son: • • [x(t)] = -x(t) Si x ( t ) es par.80).86) y en virtud de (2. es decir. cuyos principios básicos veremos más adelante. −∞ ∞ • x ( t ) y su transformada de Hilbert x ( t ) tienen la misma función de autocorrelación (La función de autocorrelación la trataremos más adelante). 1 {X( f )} = x( t ) = j( ∫ ∞ −∞ x( t ) −1 dτ = π t−τ ∫ ∞ −∞ x( t − τ ) dτ τ (2. H h (f ) = H h (f ) exp[ jφh (f )]. entonces x ( t ) es impar. La transformación (2. .85) (2. que si por ejemplo. H h (f ) = 1. y viceversa. • x ( t ) y su transformada de Hilbert x ( t ) son ortogonales.87) 2 La expresión (2. mientras que las expresiones π (2.133 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. 2.84) generalmente se representa en la forma x(t ) = {x(t )} -1 −1 ) ∗ x(t) = π jπt De (2. entonces x ( t ) = − A cos(ωc t + θ) . es decir.81). 2 entonces x ( t ) = A sen(ωc t + θ) . φh (f ) = φx (f ) ± Otras propiedades de la Transformada de Hilbert. ∫ x(t)x(t)dt = 0. | X(f )| =| X(f )| π (2. 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. pero si x(t) = sen(ωc t + θ) .30. que no demostraremos aquí.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). x ( t ) = A cos(ωc t + θ) .87) explican el cambio de fase en ± .27 se deducen algunas relaciones muy interesantes aplicando la Transformada de Hilbert.

X( f ) = AΠ( f Por transformada de Fourier inversa. las discontinuidades de una señal producirán cuernos en su transformada de Hilbert correspondiente.31. A los lugares donde x ( t ) se hace infinito algunas veces se les denomina “cuernos”.21 Determinar la transformada de Hilbert de un impulso rectangular x ( t ) = AΠ( Solución De (2. en sistemas telefónicos que son sistemas donde se aplica el concepto de banda lateral única.80) o según el procedimiento gráfico mostrado 2B en la Fig.22 x (t ) t 0 Fig. x ( t ) = jA[ Bsinc(Bt ) exp( − jπBt ) − Bsinc(Bt ) exp( jπBt )] x ( t ) = 2 ABsinc( Bt ) sen( πBt ) = 2 A sen 2 ( πBt ) πt ♣ . por ejemplo. ♣ Ejemplo 2.134 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. En general. 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. 2. Solución ) . x(t ) = − A π x(t ) = ln| τ − t |T = 0 1− T / 2 T ).84). ∫ 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. 2. estos cuernos pueden causar problemas en sistemas de comunicación que utilizan transformadas de Hilbert.31 ♣ Determinar la transformada de Hilbert de la señal pasabajo x ( t ) = 2 ABsinc( 2 Bt ). De (2.30(c). 2.

24 Determinar la transformada de Hilbert de la señal x ( t ) = m(t ) ⋅ c( t ) . donde se cumple que M ( f )C (f ) = 0 para todo f.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 . La señal c(t) puede ser pasaalto o pasabanda. Entonces. y según el procedimiento gráfico de la Fig. 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. Del teorema de la modulación. Esto quiere decir que los espectros M(f) y C(f) no se solapan. entonces ˆ x ( t ) = − m( t ) cos(2πf c t ) . x( t ) = m( t ) c( t ) ⇔ X( f ) = M ( f ) ∗ C(f) = M(v)C(f . si m(t) es una señal pasabajo de banda limitada B y f c ≥ B .30(c). m(t) es una señal pasabajo. se cumple que si x ( t ) = m(t ) cos( 2 πf c t ) . y si x ( t ) = m( t ) sen(2πf c t ) .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 x ( t ) = m(t ) sen(2 πf c t ) . donde W es una frecuencia cualquiera.v. Estos resultados son muy importantes en el análisis de sistemas de comunicación y los estaremos utilizando constantemente. X( f ) = f − fc ⎤ A ⎡ f + fc ) + Π( )⎥ . ⎢ 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.135 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. ♣ ♣ Ejemplo 2. 2. 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 ∞ ∞ −∞ −∞ . Vamos a suponer entonces que M ( f ) = 0 para |f|> W y C(f) = 0 para |f|< W .

como lo veremos de inmediato. ♣ 2. es decir.90a) . 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 ) (2.89) z x ( t ) = x ( t ) + jx ( t ) La señal z x (t ) se denomina “señal analítica de x(t)” o “preenvolvente de x(t)”. Si x (t ) = {x(t )}. La señal analítica es muy útil en el análisis de señales y sistemas pasabanda. en general.7.136 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero como M(v)C(u) es diferente de cero solamente para | v| < W y |u|> W. pero sí respecto al origen. es igual al producto de la señal pasabajo por la transformada de Hilbert de la señal pasaalto (o pasabanda). como se muestra en la Fig. su espectro X(f) tendrá simetría hermítica. 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 (2.32(a). en este caso se dice que estas señales son “señales de banda angosta”.88) La transformada de Hilbert del producto de dos señales. Este resultado también es importante en el análisis de señales y sistemas pasabanda. el ancho de banda 2B es pequeño en comparación con f c . 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.32. que no se solapan en frecuencia. está concentrado alrededor de las frecuencias ±fc . f c >> B. de ancho de banda 2B. Sea x(t) una señal real pasabanda cuyo espectro X(f). En la mayoría de las señales pasabanda empleadas en las comunicaciones. pues siendo x(t) real. se puede formar la siguiente señal compleja (2. La Señal Analítica Consideremos ahora el concepto de señal analítica. X(f) 2B 1 Z x (f ) 2 2B −fc 0 fc Fig. Nótese que. estas señales no tienen espectros simétricos respecto a ± f c . 2. 2. una pasabajo y la otra pasaalto (o pasabanda). En efecto.2.

z x ( t ) = ~x ( t ) exp( j2πf c t ) = x ( t ) + jx (t ) z (2. es decir. 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). es también unívoca. ♣ Ejemplo 2. donde f c >> B . z De (2. La envolvente Ez(t) se aproximará bastante a la salida de un detector de envolvente físico para señales de banda angosta.7.92a) (2.94) donde x c (t ) y x s ( t ) son dos señales cuyas características determinaremos a continuación. como se muestra en la Fig.3. Obsérvese que el concepto de señal analítica o preenvolvente se aplica a cualquiera señal que posea un espectro. sin embargo. Como a una señal x(t) corresponde de manera unívoca la señal analítica z x ( t ) . y de acuerdo con las expresiones (2.25 Calcular la preenvolvente.89). la señal x(t) y su transformada de Hilbert x ( t ) son unívocas. es suficiente que se cumpla que f c ≥ B.95) (2. la envolvente y la fase de la señal del Ejemplo 2. Nosotros hemos dado preferencia a señales pasabanda de banda angosta.89) y (2. x ( t ) = 2ABsinc(2 Bt ) cos(2πf c t ) De (2. 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 ) .53.137 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también Z x (f ) = 2 X(f )u (f ) (2. x ( t ) = Re{ z x (t )} =| z x (t )|cos[φ z ( t )] (2. respectivamente.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 ) . la representación de x(t) en la forma (2. 2. . ella puede expresarse en la forma z x ( t ) =| z x ( t )|exp[φ z ( t )] Por consiguiente. Como z x (t ) es compleja.92a). 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)”.91) (2.94).93).90b) El espectro de la señal analítica de x(t) es idénticamente nulo para f < 0. no necesariamente las señales tienen que ser de banda angosta.92b) x(t) x(t) (2. Del Ejemplo 2. pues estas señales son de gran utilización en comunicaciones.53 y con f c ≥ B.32(b). de donde E z ( t ) = 2AB| sinc( 2 Bt )| 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. 2. Nótese que el espectro Z x ( f ) no es simétrico respecto al origen.32 y 2. X (f ) = ~ Z x (− f ) = Z x (− f − f c ) (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 ).100) (2.97) (2. En efecto.101) 1 ~ 1 ~ (2. (2. 2. 2. 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.33(b).33(a). entonces xc (t) y xs (t) serán señales reales pasabajo de banda limitada B. 2. y puesto que z x (t) es compleja.94). Xc(f) y Xs(f) Vamos a demostrar que si x(t) es una señal real pasabanda. x .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.33.138 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En consecuencia. se verifica que TF{z* (t)} = Z* (−f ) = X c (f ) − jX s (f ) .99) Zx (f ) = Zx (f + f c ) .33.96) (2. para f c ≥ B. Fig. como tampoco lo es su conjugado Z* (−f ) .98) (2. Figs. ~ De (2. Formación de X(f). podemos ver que. x x X c ( f ) y X s (f ) se pueden expresar entonces en función de Z x (f ) y Z* (−f ) . Z x ( f ) = X c ( f ) + jX s ( f ) .

Nótese que las asimetrías del expectro X(f) en relación con la frecuencia f c son .5. en relación con la frecuencia central fc . x X c ( f ) y X s ( f ) son las componentes simétricas y antisimétricas.108) [ ] (2. y de (2.96) y (2. Z x (− f − f c ) = Z x ( f + f c ) (2.99). Z* (−f ) lo será también.33(c). x c ( t ) es la “componente en fase”.107c) La expresión (2. respectivamente.104) ~ Como Z x (f ) es una señal pasabajo. se puede expresar en términos de dos señales pasabajo x c ( t ) y x s ( t ) reales. mediante la expresión x ( t ) = x c ( t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) con fc ≥ B (2. del ~ espectro Z x ( f ) de la envolvente compleja. Las señales pasabajo x c (t ) y x s ( t ) se denominan “componentes ortogonales de x(t)”. en el sentido visto en la Sección 1. Así que z ~ ~ ~ ~ Z x (f ) = Z x ( − f ). se muestra la formación de X(f) a partir de Z x (f ) y Zx (−f ) . como se desprende de la expresión (2.105) ⎧− j[ X( f + f ) − X( f − f )] ⎪ c c X s (f ) = ⎨ ⎪0 ⎩ para | f| ≤ B para B <| f| (2.7.104). una señal real pasabanda x(t) con un ancho de banda 2B y centrada en la frecuencia f c .107b) (2.97). ⎧[ X( f + f ) + X( f − f )] para |f|≤ B ⎪ c c X c (f ) = ⎨ ⎪0 para B <|f| ⎩ (2.103) y (2. (d) y (e). De aquí resulta que. como veremos en los próximos capítulos. En la Fig. 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. Vemos también que X c ( f ) y X s ( f ) están relacionadas con las partes de X(f) que son simétricas y antisimétricas. respectivamente. ~x ( t ) = x c (t ). de (2. Los mismos argumentos se aplican a la transformada de Hilbert de x(t).103) (2. x(t) = x c ( t ) cos( 2πf c t ) z X( f ) = que es el caso de las señales moduladas. En particular. En resumen. Esta expresión es básica en todos los sistemas de modulación lineal. La expresión (2. x c ( t ) x y x s ( t ) serán también señales pasabajo. entonces Z x ( f ) será simétrica respecto al origen y no tendrá componente antisimétrica [ ~x (t ) será real].108) es una generalización del teorema de la modulación que vimos anteriormente. mientras que x s (t ) es la “componente en cuadratura”.107a) 1 ~ ~ Z x (f + f c ) + Z x f − f c ) . cada una de banda limitada B. y X c ( f ) y X s ( f ) a partir de Z x (f ) y Z* (−f ) .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. X s (f) = 0 2 x s ( t ) = 0. ~ Nótese que si X(f) es también simétrica respecto a la frecuencia central f c .

diremos sin demostrarlo. 1 d f i (t) = [2πf c t + ψ ( t )] 2 π dt 1 d ψ(t) f i (t) = f c + (2.109) (2. 2. juntas o separadamente. 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 (2.110) (2. de (2. Por otra parte. si el espectro X(f) es simétrico respecto a f c . se puede extraer de x(t) su envolvente natural E(t) portadora de información. Esto lo trataremos más adelante.109). es decir. de ancho de banda 2B y centrado en la frecuencia fc . es decir.34. será una señal real pasabanda con un espectro X(f) asimétrico respecto a fc . de (2.94). en los cuales generalmente f c >> B. La señal x(t) dada por (2. la correspondiente señal x(t) pasabanda no poseerá una componente en cuadratura.114) o (2. Entonces. Los resultados anteriores se pueden resumir en los dos esquemas de la Fig.111) es la “envolvente natural” de x(t) es la “fase natural” de x(t) pero. se puede aislar o extraer. x s (t) = 0 .140 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS producidas por la componente en cuadratura x s ( t ) . la envolvente natural E(t) es siempre una señal pasabajo que en los sistemas de comunicación contiene la información a transmitir.112) La envolvente natural de una señal pasabanda real x(t) viene dada por el módulo de su correspondiente envolvente compleja ~x (t ) .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 ) (2.108). 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) (2.114) donde x c ( t ) y x s ( t ) son señales reales de banda limitada B. con f c ≥ B. pues. por definición. mediante una técnica conocida como “detección sincrónica o coherente”. . siendo θ un ángulo o desfase arbitrario y x c (t ) ≠ x s (t ) . La preenvolvente z x (t ) de una señal real pasabanda x(t) es una señal compleja pasabanda cuyo valor depende de la frecuencia fc . mientras que la envolvente compleja ~x (t ) es una señal compleja pasabajo cuyos valores son independientes z de la frecuencia fc. z Algunas veces es conveniente definir la “frecuencia instantánea” de la señal pasabanda x(t). que veremos en el Capítulo VI. las bandas de frecuencia sobre y bajo la frecuencia fc. la frecuencia instantánea de x(t) es. que son las que poseen la información. Estos conceptos son de gran aplicación en comunicaciones. Los diferentes tipos de modulación lineal que se estudiarán en los Capítulos V y VI son casos particulares de la expresión (2. En general. en efecto.113) 2 π dt El concepto de frecuencia instantánea es de gran aplicación en los sistemas de modulación angular.

34(a).34 son básicos en el análisis de todos los sistemas de modulación lineal.26 Calcular las componentes ortogonales del espectro X(f) de la Fig. ♣ Ejemplo 2.108). 2.35(a). Fig.35(a). como veremos en los Capítulos V y VI. ⎡ ⎛ 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 ⎠ . que es una realización término a término de la expresión (2.34(b). 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.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.105) y (2. 2. 2. 2. 2. 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. 2.34 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. Los dos esquemas de la Fig. 2.106). que es consecuencia directa de las expresiones (2.35 (c) Espectro de x s (t ) El espectro X(f) se puede expresar en la forma. Los filtros pasabajo son idénticos y de ancho de banda B.

respectivamente. 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. 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⎜ ⎟ .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⎜ ⎟ . 2. Determinar sus componentes ortogonales xc(t). 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.34(a) Solución (a) Sea x(t) ⇔ X(f ) Desarrollando. 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 ) .35 (b) y (c). Como X(f) es asimétrica respecto a fc .27 Sea la señal pasabanda x(t) = A [1 + 2sen(2πf a t) ] cos(2πf c t) . 2. ♣ ♣ Ejemplo 2. Xc(f). x(t) contiene una componente en cuadratura x s ( t ) .

36. 2. Z x (f ) y Z* (−f ) .fa fc -jA f fa -fa 0 -jA f fa -fa (c) * x f 0 -jA (a) (b) Fig. 2. 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. igual al valor obtenido en (a) De la Fig.34(a).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. ♣ .34. 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). por lo tanto. Zx(f) y Z (-f) (b) De la Fig. 2.34(a). 2.36 se muestran Z x (f ). Espectros Z x(f). La salida xc(t) será entonces x c (t) = A [1 + 2sen(2πf a t) ] . 2. x s (t) = 0 ⇔ X s (f ) = 0 Nótese lo fácil que es operar directamente con la Fig. x X s (f ) = Zx(f) jA A jA A Zx(f) jA Z*(-f) x A fc + fa 0 fc .

115) (2. 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”. y Z x (f ) será simétrico respecto a f c . Sea m( t ) ⇔ M (f ) una señal real pasabajo de banda limitada B que contiene alguna información a transmitir: m(t) es un mensaje. siendo x(t) una señal real pasabanda.144 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.37 se muestra M(f). mientras que la banda de frecuencias en el intervalo [ f c − B] <| f | < f c se denomina “Banda Lateral Inferior”. Por lo tanto.95). M(f) será simétrico respecto al origen. . Se sombrea una de las bandas de M(f) para mostrar su ubicación al ser modulada. z x (t ) será la función analítica de x(t). que es el Teorema de la Modulación. Pero si M(f) tiene simetría hermítica. de gran importancia en los sistemas de comunicación. Si M(f) no tiene simetría hermítica [m(t) no es real]. 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. 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. 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. expresión (1.7. Nótese que el espectro M(f) aparece ahora centrado en las frecuencias ±f c . Como en el espectro X(f) de la señal modulada x(t) aparecen ambas bandas laterales. Z x ( f ) y X(f). 2.116) [ Z x (− f ) + Z x (f )] = 2 [ M (f + f c ) + M (f − f c )] 2 1 1 resultado que ya habíamos obtenido. 2. se dice entonces que x(t) es una señal modulada de “Doble Banda Lateral”. entonces Z x ( − f ) ≠ M ( f + f c ) y el espectro de x ( t ) = m( t ) cos(2πf c t ) tampoco tendrá simetría hermítica. La banda lateral inferior y la banda lateral superior son imágenes especulares respecto a f c . En la Fig.37(c). Hagamos el producto x ( t ) = m( t ) cos( 2 πf c t ) ⇔ X( f ) = Si f c ≥ B . entonces representará al espectro de una señal real modulada y tendrá la forma de la Fig. 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.4.

si se aplica las propiedades de la forma canónica de una señal pasabanda. Esto significa que la envolvente natural de x(t) es simplemente el mensaje a transmitir y la fase natural es cero.34(a).38. 2. Este es un sistema de modulación muy utilizado en la práctica. 2. 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 ). puede enviarse simultáneamente dos señales diferentes por el mismo canal. En la práctica este tipo de modulación se denomina “Modulación Ortogonal o en Cuadratura (Quadrature Amplitude Modulation.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. los filtros son pasabajo de ancho de banda B.38. Obsérvese que la señal m(t). . la señal modulada ocupa una gama de frecuencias de ancho 2B centrada en la frecuencia f c de la portadora. que es la envolvente natural de x(t). con f c >> B y que contienen información. Modulación Ortogonal o en Cuadratura (QAM) Cuando se transmite una señal pasabajo de banda limitada B en doble banda lateral.34 en la forma mostrada en la Fig. Modulación QAM. 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. se puede determinar. Dispongamos la Fig. QAM)”. Esta operación. Sin embargo.38. como se muestra en la Fig. denominada “detección sincrónica o coherente” y está representada en la rama superior de la Fig. 2. de banda limitada B. “extraer” o “detectar” a partir de x(t) formando el producto (Ver Problema de Aplicación 2.28. y cualquiera otra señal que aparezca dentro de ese ancho de banda constituirá una distorsión o interferencia. ♣ Ejemplo 2. donde x 1 ( t ) y x 2 (t ) son dos señales pasabajo diferentes. 2. 2.

sus dos bandas laterales tendrán perfiles diferentes. s( t ) = Re{ z s ( t )} = Re{[ m( t ) + jm( t )] exp( j2πf c t )}.117).146 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Puesto que x 1 ( t ) y x 2 (t ) son diferentes. 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. es decir.117) Veamos ahora qué forma tiene el espectro S(f) de s(t). z s (t ) = s( t ) + js (t ) . expresión (2. Este tipo de modulación es muy utilizado en la transmisión de impulsos y señales continuas. Con la modulación QAM el rendimiento del canal aumenta al doble. 2. 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). . por lo tanto. como veremos en los Capítulos V y VI. ♣ Modulación en Banda Lateral Unica Sea z m ( t ) la señal analítica de m(t). donde z m ( t ) = m( t ) + jm(t ) entonces.39(a). el espectro de x t ( t ) estará centrado en ±f c pero será asimétrico. Z m ( f ) tendrá la forma mostrada en la Fig. 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. es decir. supongamos que x r ( t ) = x t ( t ) . es decir. 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. de modo que la salida del detector coherente será y 1 (t ) = A c x 1 (t ) Igualmente. Para simplificar el análisis.

37(b) y 2. como podemos ver en (2. mientras que la señal x(t) de doble banda lateral necesita solamente la envolvente.117). como veremos en el Capítulo VI. Por esta razón. Sin embargo.118) y (2.121a) y (2. es una señal modulada en “Banda Lateral Unica”. Expresando (2. 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. que en este caso es el mensaje m(t).119) Asimismo. 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). 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 su oportunidad. dada por la expresión (2.118) (2.f c ) = 2 u ( f − f c ). En este caso se dice que s(t).117). los sistemas prácticos de modulación de doble banda lateral y los de banda lateral única no son completamente compatibles.39(c).120) De (2. Se puede demostrar que si el signo de la componente en cuadratura de la expresión (2. 2. el ancho de banda de transmisión se reduce a la mitad y el rendimiento del canal aumenta al doble. S(f ) = Este espectro tiene la forma mostrada en la Fig. la señal s(t) de banda lateral única posee envolvente y fase. por transformada de Fourier de (2.147 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De las Figs.117) es positivo. La recuperación de m(t) a partir de s(t) se puede efectuar también mediante detección coherente (Ver Problema de Aplicación 2. en lo que se refiere a la transmisión de una señal mensaje m(t). Esto tiene una gran importancia de tipo práctico pues. se puede utilizar la señal modulada x ( t ) = m(t ) cos( 2πf c t ) de doble banda lateral. siendo las dos necesarias para la recuperación de m(t).121a) (2.119). son sistemas de banda lateral única. 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. .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. o la señal de banda lateral única s(t ) = m(t ) cos(2 πf c t ) + m(t ) sen(2 πf c t ) . el espectro S(f) contendrá solamente las bandas laterales inferiores. como veremos en el Capítulo VI. pues solamente aparecen las bandas laterales superiores.121b) En resumen.39(b).121b). 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 . Los sistemas telefónicos.

x s (t ) ⇒ S xs (f ) donde S x ( f ).34(a) y del teorema de modulación para señales de potencia. Con referencia a la Fig. Señales Pasabanda de Potencia Consideremos el caso de señales de potencia. 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. hagamos x(t ) ⇒ S x (f ).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. que son señales que no poseen una transformada de Fourier.40. x c (t ) ⇒ S xc (f ) . lo cual está de acuerdo con el teorema de la modulación para señales de potencia.5.122) Al pasar z c (t ) por el filtro pasabajo se eliminan las componentes de alta frecuencia. S xc (f ) y S xs ( f ) son las densidades espectrales de potencia de x( 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. como es el caso de las señales aleatorias. 2. por consiguiente. Estos resultados son muy importantes y se aplican sobre todo en señales pasabanda aleatorias como. el ruido.40(b). 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. 2.7. Con la notación que hemos establecido para las señales de potencia. 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. La naturaleza aleatoria del ruido tiende a distribuir la potencia entre sus dos componentes ortogonales y esto es en contraste directo con las señales . respectivamente. 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. por ejemplo.123) para B <| f| ⎩0 La deducción de S xs ( f ) es similar verificándose que S xc ( f ) = S xs ( f ) . utilizaremos las correspondientes densidades espectrales de potencia. S xc ( f ) y S xs ( f ) tendrán la forma indicada en la Fig. x c ( t ) y x s ( t ) . ⎧[ S (f + f ) + S (f − f )] para | f| ≤ B x c x c S xc (f ) = ⎨ (2.

124). La entrada al filtro es una señal pasabanda real x ( t ) ⇔ X(f ). respuesta xz yz z impulsional h(t) y salida y(t). 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. (d) Sea entonces. 2. ~ ( 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 ). En efecto. z z c c s ~ ~ ( t ). Se supone que h(t) es real. de acuerdo con las expresiones (2. x z ( t ) = x( t ) + jx( t ). La potencia promedio de una señal aleatoria pasabanda. 2. 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. 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 [ ] . 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.108) y (2. Fig. que H(f) tiene simetría hermítica. es decir.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.41(c). 2. respectivamente.7. será entonces 1 1 (2. Consideremos el filtro pasabanda de la Fig.6.41(a).41. h z ( t ) = h ( t ) + jh ( 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. h (t ) y ~ ( t ) son las envolventes complejas de la entrada x(t). como lo demostraremos a continuación. cuya función de transferencia es H(f). 2. el ancho de banda del filtro es igual o mayor que el ancho de banda de la señal x(t).

Por x y consiguiente.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. 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). h z ( t ) y ~ z (t ) .127) las envolventes complejas por sus respectivas componentes. se puede trabajar con las envolventes complejas pasabajo ~ z ( t ). con un factor de escala de 1/2.127) Por lo tanto.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. Reemplazando en (2. Este modelo equivalente proporciona una base práctica para la simulación del filtrado pasabanda o de un canal de comunicaciones en una computadora digital.42. 2. La importancia de este resultado estriba en el hecho de que al tratar con señales y sistemas ~ pasabanda. mostrado en la Fig. ~ ( t ) = x ( t ). se tiene ~ ( t ) = y (t ) + jy ( t ) = 1 h ( t ) + jh ( t ) ∗ x (t ) + jx ( t ) yz c s c s c s 2 [ ] [ ] (2.129) Estas expresiones permiten establecer el modelo equivalente pasabajo de un filtro pasabanda. el análisis de un sistema pasabanda.128) Desarrollando esta expresión. En este caso. x(t) = x ( t ) cos( 2 πf t ) x (2. entonces ~ ~ ~ H z (f ) y X z ( f ) serán simétricos respecto al origen [ h z ( t ) y ~ z ( t ) serán reales]. se reemplaza por un análisis equivalente en pasabajo que retiene por completo toda la esencia del proceso de filtrado. 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. y s (t ) = [ h s (t ) ∗ x c (t )] + 2 [ h c (t ) ∗ x s (t )] 2 1 1 (2. Nótese que si H(f) y X(f) son simétricos respecto a la frecuencia central f c . complicado por el factor exp( j2πf c t ) .130a) s z c c c . x x ( t ) = 0.

130b) y respecto a la salida. de señales digitales y de radar. y(t) = y c ( t ) cos( 2 πf c t ) (2. De (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.42. En la Fig. Esta es la situación que se presenta a la entrada del filtro de radiofrecuencia en los receptores de radio. Vamos a determinar la respuesta y(t) del filtro.73).151 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h s (t) = 0 ~ h z ( t ) = h c ( t ). cuya entrada es un impulso de radiofrecuencia (RF) de la forma x( t ) = AΠ( t / T) cos(2πf c t ) .72) y (2. donde fc >> 1 / T y f c >> B . y s ( t ) = 0. y c (t) = [ h c ( t ) ∗ x c ( t )] . ♣ Ejemplo 2. centrado en la frecuencia f c . 2. 2.43(a) se muestra la forma del impulso de radiofrecuencia. Equivalente Pasabajo del Filtrado Pasabanda. ⎡ ⎛ 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 )] . 1 2 h(t) = h c ( t ) cos( 2 πf c t ) (2. Respuesta de un Filtro Pasabanda a un Impulso de Radiofrecuencia Consideremos un filtro ideal pasabanda de ancho de banda 2B.

2.8. Autocorrelación Entrada/Salida Consideremos las funciones de correlación en un sistema lineal invariante en el tiempo (SLIT). y(t ) ⇒ S y (f ) ⇔ R y (τ ) h(t ) ⇔ H (f ) . B = 2/T y fc = 6. 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. FUNCIONES DE CORRELACION EN SISTEMAS LINEALES 2. para T = 1. S xy ( f ) ⇔ R xy ( τ ) . T = 4to . ~ z ( t ) será también real.248). 2. Fig.43(b) se muestra la forma de esta salida.44. Sea entonces x (t ) ⇒ S x (f ) ⇔ R x (τ ) . 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. 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. 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.1. 2. entonces.8.20(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 (2.152 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.

G h ( f ) ⎡ h ( u )⎢ ⎣ −∞ ∞ | H ( f )|2 . g h (z ) = ∫ ∞ −∞ ∞ h ( u ) h ( u + z ) du donde g h (z ) ⇔ G h (f ) (2. de acuerdo con (2.153 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Por definición. 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. debe ser igual a G h (f ) = ∞ ∞ S y (f ) = S x ( f ) ⋅ G h ( f ) . Del teorema de convolución. 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 . 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. 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. 2. ∫ ⎡⎢⎣ ∫ h(u)h(u + τ)du⎤⎥⎦ exp(− j2πfτ)dτ = ∫ −∞ −∞ ∫ ⎤ h ( u + τ ) exp(− j2πfτ ) dτ ⎥du ⎦ −∞ ∞ .v)dv -∞ ∫ ∞ Reemplazando estas expresiones en R y (τ ).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 ) (2.35). de la definición de transformada de Fourier. la integral dentro de los corchetes se hace igual a R x (τ + u − v ). 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)”.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. y(t + τ ) = h(v)x(t + τ . En efecto. pero. es decir.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.

tenemos . Intercorrelación Entrada/Salida Por definición. 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. expresión (2. ∞ ∞ < 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). −∞ ∞ 2. S y (f ) =| H (f )| 2 ⋅S x (f ) resultado ya obtenido anteriormente. por lo tanto. R y (τ ) = R x (τ ) ∗ h(τ ) ∗ h(. 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. ∞⎡ 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 .2.8.133) que es la forma más utilizada para representar la función de autocorrelación de la salida de un SLIT.35). 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 .154 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Con el cambio de variables τ ' = u + τ .τ ) En cuanto a la potencia de salida < y2(t) >. ella vendrá dada por (2. 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.

45.45. ♣ . de donde (2. 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. 2. La salida del correlador es proporcional a la respuesta impulsional del SLIT en prueba. 2. pero de (2. 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. Este es un tipo especial de ruido (ruido blanco) que se caracterizará más adelante.135). 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.45 se utiliza en la práctica para estimar la respuesta impulsional de un sistema lineal invariante en el tiempo. Estimación de la Respuesta Impulsional de un SLIT mediante Correlación Sea el diagrama de bloques mostrado en la Fig. ♣ Ejemplo 2. entonces 1 pero como R xy (τ ) ⇔ S xy (f ). Sea x( t ) ⇒ S x ( f ) = K.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. R xy ( τ ) = ∫ ∞ −∞ R x (u ) h ( τ − u )du . S xy (f ) = S x (f ) ⋅ H (f ) (2. Un análisis más avanzado de estas técnicas está fuera de los objetivos de este texto. El montaje de la Fig. Estimador de la Respuesta Impulsional de un SLIT. El “Sistema en Prueba” es un SLIT cuya respuesta impulsional se desea estimar. este montaje es relativamente fácil de instrumentar físicamente o simular en una computadora digital.29.155 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). Del teorema de la convolución. 2. donde x(t) es una señal aleatoria cuya densidad espectral de potencia es constante e igual a K. S xy ( f ) = H ( f )S x ( f ) = K ⋅ H (f ) . entonces.134) R xy (τ ) = R x (τ ) ∗ h(τ ) La función de intercorrelación entrada-salida R xy (τ ) de un SLIT.

. En consecuencia. En particular. por ejemplo. 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. La distorsión producida por las características físicas del canal la trataremos con más detalle en los Capítulos V y VI. En el Capítulo III se tratan estos conceptos con un poco más de detalle. como lo señalamos en su oportunidad. mientras lo contrario no necesariamente es cierto. 2. 2. no se puede aplicar la termodinámica clásica para analizarlas. 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. etc.. Este tipo de señales espurias de naturaleza aleatoria es lo que conocemos con el nombre genérico de “ruido”. y la distorsión producida por señales aleatorias o interferentes que se suman a las señales útiles distorsionándolas severamente. son fuentes de este tipo de ruido. Una característica de este tipo de ruido es que la potencia promedio de las fluctuaciones es proporcional al valor promedio de las mismas. 2. los destellos blancos en una pantalla de televisión. los fotones emitidos en algunos lasers. y que representan una limitación básica en la transmisión o detección de señales. 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. El zumbido y la estática en un receptor de radio. El mecanismo que origina las fluctuaciones depende de cada proceso en particular. Existe.9.9. Ruido Interno Ruido de Disparo El ruido de disparo se genera en los dispositivos electrónicos debido a la naturaleza discreta de la corriente circulante. Introducción En el proceso de transmisión por un canal de comunicaciones. en general. 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. como se puede ver en el Capítulo III. Por ejemplo. 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. etc.. los fotoelectrones emitidos por un fotodiodo. en un tubo al vacío es la emisión errática de los electrones desde el cátodo. Conclusiones similares se aplican a la función de intercorrelación y su correspondiente densidad interespectral de potencia. las oscilaciones en un sistema retroalimentado.1. son diferentes manifestaciones del ruido. es muy importante que se entienda que para una señal dada existe una función de autocorrelación única. Se concluye entonces que una función de autocorrelación o una densidad espectral de potencia dadas no especifican unívocamente una señal o un proceso. los electrones que fluyen entre el cátodo y el ánodo en un tubo de rayos catódicos.156 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En resumen. igual argumento se aplica a la densidad espectral de potencia. RUIDO EN SISTEMAS 2. Como en este proceso las fuerzas que producen el flujo de partículas no están en equilibrio termodinámico. un gran número de señales o procesos que pueden tener la misma función de autocorrelación y la misma densidad espectral de potencia. el proceso que produce los valores promedio tiene variaciones propias de tipo estadístico que fluctúan alrededor de esos valores promedio. en las cuales se observa que la corriente fluctúa alrededor de un valor promedio. las señales que contienen información llegan a su destino tan distorsionadas que muchas veces es prácticamente imposible extraer la información que ellas poseen. los electrones y huecos que fluyen en semiconductores.9.

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

Circuitos Equivalentes del Ruido Térmico. V2 = 4 kTR 2 B y V3 = 4 kTR 3 B . Estos cálculos se pueden simplificar mediante la llamada “Fórmula de Nyquist”. como se muestra en la Fig. R2 = 2 kΩ y R3 = 3 kΩ. (2.30 Vamos a calcular el voltaje eficaz de ruido térmico de la red mostrada en la Fig. R1 = 1 kΩ. ♣ Ejemplo 2. T = 290 kelvins.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.46. que es el “circuito equivalente de Thévenin”.141) (2. L y C).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. 2. todos a la misma temperatura. También.140) se reduce a < v 2 (t ) >= v 2 = 4 kTR eq B n ef o también. la cual expresa que la potencia promedio de ruido producida en los terminales de un dipolo que contenga elementos pasivos ( R. viene dada por la integral < v 2 ( t ) >= v 2 = 2 kT n ef ∫ B −B R ( f )df (2. En la Fig. 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. la expresión (2.47(a). Si la red contiene solamente elementos resistivos y dentro de un ancho de banda arbitrario B. la utilización de los circuitos equivalentes hace que los cálculos sean muy largos y engorrosos.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 . 2.46(b) se muestra el correspondiente “circuito equivalente de Norton”. V1 = 4 kTR 1 B . Cuando se calculan los efectos del ruido térmico en redes que contienen muchas resistencias. 2. Si las resistencias están a temperaturas diferentes. hay que utilizar los circuitos equivalentes.46(a). donde B = 100 kHz . 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. En este caso se dice que la carga está acoplada a la fuente. se obtiene R3 2 v 1ef = V1 = 1000 ⋅ kTB .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 . se puede aplicar la fórmula de Nyquist (2.38x10 −23 x 290x10 5 = 2 . el voltaje eficaz de ruido a la salida de la red es v ef = 4 x1. 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 . v 1ef = 1000( kTB ) R1 + R 2 + R 3 R3 v 2 ef = V2 = 2000 ⋅ kTB . ♣ Potencia de Ruido Disponible Algunas veces es deseable describir el ruido térmico mediante el concepto de “potencia disponible”. 2.38x10 −23 x 290x1500x10 5 = 1. y la potencia que produce la fuente se divide por igual entre su . v 2 = 3000(kTB) v 3ef = V3 3ef R1 + R 2 + R 3 v 2 = 6000(kTB) = 6x10 3 x1.142). 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. b (c) Equivalente de Thévenin El circuito equivalente de ruido de la red se muestra en (b).47.47(b). La potencia promedio de ruido a la salida es igual a la suma de las potencias de salida contribuidas por cada fuente. de donde ef 2 3 2 v ef = v1ef + v 2 ef + v 2ef 2 3 De la Fig. v 2 = 2000(kTB) 2ef R1 + R 2 + R 3 R1 + R 2 = 3000 ⋅ kTB .55x10 −6 V Como se trata de un red puramente resistiva. En efecto. La potencia disponible es la potencia máxima que se puede entregar a una carga desde una fuente con una resistencia interna constante.401x10 −12 ef El voltaje eficaz de ruido a la salida de la red será v ef = 1. 2. por superposición.141).

Esta es entonces la máxima densidad espectral de potencia que se puede extraer de la fuente v ef . uno de los objetivos en el diseño de sistemas de comunicación es el de minimizar u optimizar el ancho de banda B. S nd (f )". una vez que el ruido ha sido filtrado (por ejemplo. S n ( f ) / 4 R . si H(f) es la función de transferencia de un filtro dado al cual se le aplica ruido blanco. más alta será la potencia de ruido presente en el mismo. Las dimensiones de η son W/Hz y su valor depende del tipo de fuente de ruido y de la densidad espectral disponible.138) y (2.3. la densidad espectral correspondiente a la potencia entregada a la carga será la mitad. S nd ( f ) = S n (f ) 4R = kT 2 W / Hz (2.9. Con referencia a la Fig. ya no tendrá una densidad espectral de amplitud constante sino que tomará la forma espectral del filtro. Por esta razón. mediante un ecualizador en un receptor digital). En efecto.145). Ruido que tenga una densidad espectral de este tipo se denomina “Ruido Blanco”. esta densidad se denomina “densidad espectral disponible. N i =< v 2 ( t ) >= ηB = 4kTRB n (2.146) . pero son proporcionales al ancho de banda B. debido a esto. Aunque muchas fuentes de ruido físicas se pueden modelar como fuentes de ruido blanco.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. de (2. Este ruido se denomina comúnmente “ruido coloreado”. es decir. Ruido Blanco Además de las fuentes de ruido térmico. 2. y la otra mitad con las frecuencias negativas. por analogía con la luz blanca la cual contiene iguales cantidades de todas las frecuencias que pertenecen al espectro visible de la radiación electromagnética. en condiciones de acoplamiento la fuente ve una resistencia de 2R y la densidad espectral será S n ( f ) / 2 R . la densidad espectral del ruido blanco gaussiano se representa en la forma S n (f ) = η 2 para todo f (2. de valor promedio cero y que tienen una densidad espectral de potencia que es constante dentro de una extensa gama de frecuencias. Cuanto más alto es el ancho de banda en un sistema.145) El factor ½ se incluye para indicar que la mitad de la potencia está asociada con las frecuencias positivas.46(a). 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.144) Nótese que en una resistencia ruidosa R la densidad espectral disponible y la potencia promedio disponible son independientes de R. hay otros tipos de fuentes de ruido que son gaussianas. 2. En general. Entonces. la potencia que se entrega a la carga es la potencia disponible.160 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resistencia interna R i y la resistencia de carga R L .

lo que significa que dos valores o muestras diferentes de la señal de ruido blanco. en un sentido estricto. Características del Ruido Blanco.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. Shannon ha demostrado que el ruido blanco gaussiano es el peor ruido entre todos los ruidos posibles. puede verse también que. y que su potencia en un ancho de banda dado es también la más alta posible. Puede observarse que la función de autocorrelación del ruido blanco gaussiano es cero para τ ≠ 0.48. . será entonces N i = kTe B que sería la potencia disponible a la entrada si el sistema fuera sin ruido. pero sí es proporcional a ella. Por otro lado. Del Teorema de Wiener-Kintchine. como demostraremos en el Capítulo III. Asimismo. la temperatura efectiva Te es igual a la temperatura ambiente T de la red. En lo sucesivo. como tal. en efecto. L y C.147) La temperatura equivalente de ruido especifica la potencia de ruido térmico disipada en una resistencia acoplada. y se define mediante la expresión Te = 4 RT (2. no están correlacionadas y por lo tanto son independientes. el ruido blanco tiene una potencia infinita y. La potencia disponible de ruido blanco generada en el sistema dentro de un ancho de banda arbitrario B. 2. el uso del concepto de ruido blanco es consistente con su definición porque la densidad espectral de potencia puede considerarse constante en esas gamas. no existe físicamente. excepto cuando se exprese directamente la temperatura física. S n (f ) η/ 2 f 0 0 R n (τ ) η/ 2 τ (a) Densidad Espectral (b) Función de Autocorrelación Fig. en una red que contiene solamente elementos R. no importa lo cercanas que estén. hablaremos siempre en términos de “temperatura efectiva”. Por otro lado. dentro de las gamas de frecuencia utilizadas en la práctica. 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. Las propiedades matemáticas del ruido blanco gaussiano son muy convenientes en el análisis y comportamiento de sistemas de comunicación.148) S n ( f ) y R n ( f ) se muestran en la Fig. Obsérvese que la temperatura equivalente de ruido no es la temperatura ambiente del sistema. 2. la función de autocorrelación del ruido blanco es R n (τ ) = η 2 δ( τ ) (2. 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”.48.

por cuanto la densidad espectral es más o menos constante dentro de la banda de paso. En cuanto a la densidad espectral de potencia de la salida. la función de autocorrelación cae a menos del 1% de su valor máximo y podemos despreciarla.49 Nótese la rapidez de caída de la función de autocorrelación. Para valores de τ superiores a RCln(100).162 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. se aplica ruido blanco gaussiano cuya densidad espectral de potencia es η / 2 . 2.5844 / RC. En la Fig.49(a). como se muestra en la Fig. De particular importancia es el ruido presente en un sistema de recepción de señales moduladas.50. El tipo de detector depende del . ♣ 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. situación que es muy común en los sistemas de comunicación. < y2 ( t ) >= R no ( 0) = η 4 RC S no ( f ) y R no ( τ ) se muestran en la Fig. 2. respectivamente.31 A la entrada de un filtro pasabajo RC. H (f ) = 1 1 + j2 πRCf = 1 1 RC 1 + j2 πf RC | τ| RC . la densidad espectral de potencia y la potencia de ruido a la salida del filtro. la señal que lleva la información. También. Esto significa que dos muestras de la señal de salida que estén separadas en más de RCln(100) segundos no estarán correlacionadas. Se trata de determinar la función de autocorrelación. 2. Fig. 2.50 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 ) .49(b) y (c). 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 ). La función de transferencia de este filtro es bien conocida. El receptor se modela mediante un filtro pasabanda de entrada seguido de un detector que extrae de la señal compuesta [ x( t ) + n( t )]. 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. entonces S no ( f ) es despreciable para frecuencias f ≥ 1. 2. por lo tanto. si se desprecian aquellas componentes con amplitudes menores del 1% del valor máximo.

En el dominio del tiempo. 2. de (2. Fig. salvo por algún factor de escala. n ( t ) = n c ( t ) cos( 2 πf c t ) − n s ( t ) sen(2 πf c t ) (2.149) . En la Fig.163 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS sistema de modulación empleado.51(a). 2.51. el ruido a la salida del filtro comúnmente se denomina “ruido blanco pasabanda de banda angosta”. 2.51(b). 2. 2. 2. en este caso se dice que el canal y el filtro son “transparentes” para x( t ) . el ruido blanco filtrado se parece a una señal modulada en la cual la frecuencia varía alrededor de una frecuencia promedio f c . cuya densidad espectral tiene la forma dada en la Fig. el filtro pasabanda.50. como se muestra en la Fig. deja pasar solamente aquellas componentes dentro de su banda pasante.51(c). En estas condiciones. La situación es distinta respecto al ruido. la forma canónica del ruido será. 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. como se puede observar en la Fig.51 se muestran las características del Ruido Blanco Pasabanda. apareciendo esta señal. 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 ) . a la entrada del detector.108). En efecto. Como en general se cumple que f c >> B .

R n (τ ) =< n (t ) n ( t + τ ) > (2.155) con ayuda de (2.154) Consideremos ahora la función de autocorrelación del ruido blanco pasabanda.151) son la envolvente y fase naturales del ruido. 2. Por consiguiente. Por definición.155) Si R nc (τ ) ⇔ S nc (f ) y R ns (τ ) ⇔ S ns ( f ) . . Como se considera que el ruido pasabanda n(t) es una señal gaussiana aleatoria de valor promedio cero.32 Consideremos la densidad espectral de ruido pasabanda mostrada en la Fig.52(a) (frecuencias positivas solamente).149). Las componentes ortogonales del ruido serán n c ( t ) = R(t)cos[θ(t)] y n s ( t ) = R ( t ) sen[θ(t )] (2. 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).51(d). expresión (2.124). En efecto. y de acuerdo con (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 = 0.153) ∫ ∞ −∞ S n ( f )df = ∫ ∞ −∞ S nc ( f )df = ∫ ∞ −∞ S ns ( f )df (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. diremos sin demostrarlo que n c ( t ) y n s ( t ) serán también gaussianas de valor promedio cero e independientes entre sí. que es la misma expresión (2. 2. Se desea determinar la forma y la potencia de las componentes ortogonales del ruido.152) y n(t) se puede representar en forma fasorial como se muestra en la Fig. Como n c ( t ) y n s ( t ) son señales aleatorias.149) se obtiene la función de autocorrelación del ruido pasabanda n(t).125) obtenida anteriormente. respectivamente.123) y (2. Estos conceptos se aplicarán para analizar el efecto del ruido en sistemas de comunicación.150) (2. entonces n c ( t ) ⇒ S nc ( f ) y n s ( t ) ⇒ S ns ( f ) . 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 ) (2.164 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n c ( t ) y n s ( t ) son las componentes ortogonales del ruido. ♣ Ejemplo 2. entonces desarrollando (2.

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.36). La potencia de ruido a su salida será 2 < n 2 (t ) >= ηB N | H ( f )|max o (2. < 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 . En estas condiciones. la potencia promedio de ruido a la salida viene dada por (2.52 De acuerdo con los datos de la Fig. es decir. 2. la forma mostrada en la Fig.165 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De la expresión (2. 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 2.153). 2. 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. 2. < 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 . 2.53(b). por inspección. Ancho de Banda Equivalente del Ruido Algunas veces es conveniente definir el “ancho de banda equivalente del ruido” de un sistema pasabanda.156) .52(b) para | f | ≤ B .9. en efecto.52(a). las densidades S nc ( f ) o S ns (f ) tendrán la forma mostrada en la Fig.153). 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 ) .52(b). 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 (2.4. Fig.

el ancho de banda de ruido de un filtro ideal es el ancho de banda de un filtro real.156) y (2.33 El ancho de banda equivalente del ruido a menudo se relaciona con el ancho de banda de 3 dB de un sistema. por 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 . BN = 5x10 200 = 250 Hz El ancho de banda de 3 dB se puede obtener a partir de su definición. Esto se ilustra en la Fig. entonces B N será.53(a) y (b).53. |H(0)|= 10. es decir. el “ancho de banda equivalente del ruido” y vendrá dado por BN = 1 2| H ( f )|2 max ∫ ∞ −∞ | H ( f )|2 df (2.157) se aplican también a sistemas pasabajo. | H (f )|2 max | H ( f )|2 | H (f )|2 max Areas Iguales BN 0 f c (b) fc 0 (a) Fig. 2.53.157). |H(0)|2 = 100 ∫ ∞ −∞ | H ( f )|2 df = ∫ ∞ 10 8 + 4π f 2 2 4 −∞ 10 6 df = 5x10 4 y de (2. de | H (B 3dB )| = 1 2 | H ( 0)| o |H(B 3dB )|2 = 1 2 | H ( 0)|2 = 50. Las expresiones (2.166 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si estas potencias son iguales. 2. ♣ Ejemplo 2. es decir. El ancho de banda equivalente del ruido es. Definición del Ancho de Banda Equivalente del Ruido. en este caso. 2. Consideremos el filtro pasabajo cuya función de transferencia es 10 4 .157) Estas definiciones se ilustran en la Fig. 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.

la cual suponemos es de doble banda lateral. Una relación señal/ruido se puede definir en diferentes formas. Caracterización del Ruido en Sistemas Relaciones Señal/Ruido en Sistemas de Comunicación Para cuantificar el efecto del ruido sobre la inteligibilidad de un mensaje.167 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Entonces. esto es. ancho de banda. de donde B 3dB = 159 . Por eso. 10 8 10 6 + 4 π 2 B 2 3dB = 50. Puesto que x( t ) es una señal modulada de doble banda lateral. así definido. es particularmente útil en el diseño y comparación de sistemas analógicos y digitales. para conveniencia. y f c ≥ B . El ingeniero de comunicaciones debe conocer perfectamente la influencia que sobre ella ejercen otros parámetros del sistema (ganancia. La señal a la entrada del detector es z( t ) = x( t ) + n( t ) = m(t ) A c cos( 2πf c t ) + n( t ) .) para poder optimizar la relación S/N. la relación S/N en un canal telefónico no debe bajar de 26 dB. 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. no es posible establecer una expresión algebraica que defina explícitamente una relación amplitud vs tiempo para el ruido. valores pico o potencia. 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”. estas potencias están normalizadas en base a una resistencia de 1 Ohm. 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. etc. Como veremos en los Capítulos V y VI. ♣ 2.9. Este criterio de la relación S/N es el que hemos venido aplicando a todo lo largo del texto. hay que definir el ruido en términos cuantitativos o matemáticos. pueden ser relaciones entre valores eficaces. al hablar de relación señal/ruido hay que especificar qué tipo de valores se está utilizando.15 Hz Comparando los anchos de banda. El lector puede verificar que si se aumenta el orden del filtro. distorsión.5. los valores de B N y B 3dB se hacen cada vez más cercanos. El criterio de 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. Relaciones Señal/Ruido en un Receptor con Detección Coherente o Sincrónica Consideremos el modelo de receptor de la Fig. 2.54 en el cual el detector coherente tiene la forma dada y cuya operación ya conocemos. valores instantáneos. Por ejemplo. Pero como el ruido es una señal aleatoria. S/N”. mientras que para una reproducción de alta fidelidad aceptable la relación S/N debe ser de por lo menos 50 dB. Sin embargo. Este receptor nos permite recuperar o extraer un mensaje m(t) portador de información contenido en una señal modulada x( t ) . La relación S/N es entonces uno de los parámetros de calidad más importantes en los sistemas de comunicación. Vamos a determinar las relaciones S/N a la entrada y salida del detector y estableceremos algunas definiciones que estaremos utilizando constantemente. 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.

161). 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 .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. La detección coherente o sincrónica elimina entonces la componente en cuadratura del ruido. Si el ancho de banda del filtro de RF es 2B. 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. . de (2. Si Ni = 2 Ac 4ηB < m 2 (t ) > (2. mientras que la señal mensaje m(t) aparece completa. < x 2 ( t ) >= S i = 1 2 A 2 < m2 (t) > c (2.161) Solamente la componente en fase del ruido aparece en la salida. 2.113). de (1.168 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 / 2.158) donde < m 2 (t ) > es la potencia promedio de la señal mensaje m(t).158) y (2. Receptor con Detector Coherente.159) (2.159). denominada “Relación Señal/Ruido de Predetección” será.54. La relación S/N a la entrada del detector. la potencia de ruido a la entrada del detector es < n 2 ( t ) >= N i = 2ηB La potencia de la señal modulada será. De (2.

será So No 2 = Ac < m 2 (t ) > 2 < n c (t ) > 2 < n c (t ) >=< n 2 (t ) >= 2ηB. La potencia de la señal útil aumenta al doble.163) La ganancia de conversión se utiliza como una cifra de mérito en la comparación entre diferentes sistemas de modulación. De (2. mientras que el ruido se suma como potencia.34 Sea el receptor mostrado en la Fig.54. entonces pero de (2. Esta es la causa del incremento de 3 dB en las relaciones S/N. de modo que su potencia debe ser determinada con cualquiera de los métodos vistos en el dominio del tiempo. 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 (2.162). So No = 2 Ac 2ηB < m 2 (t ) >= 2 Si Ni (2. 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. la relación S/N de la salida es el doble que la de la entrada. 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 . hay que tener en cuenta que el teorema se aplica a cualquiera señal pasabajo y a señales pasabanda aleatorias. ♣ Ejemplo 2. mientras que el ruido se suma en forma incoherente. o lo que es lo mismo. Sin embargo. no se le puede aplicar el teorema.169 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La relación S/N a la salida del detector. denominada “Relación Señal/Ruido de Postdetección”. En los Capítulos V y VI utilizaremos estos conceptos para caracterizar el comportamiento en presencia de ruido de diferentes sistemas de modulación prácticos.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. las componentes de la señal mensaje se suman como amplitudes.158). lo que hace que las componentes que no estén en fase se pierdan. mientras que la potencia de ruido se mantiene igual. Aunque la detección o demodulación no es nada más que un desplazamiento de las bandas laterales hacia el origen. Se dice entonces que las señales útiles se suman coherentemente.164) Vemos que en el caso de detección coherente en doble banda lateral. la ganancia de conversión es igual a 2. Si la señal útil portadora de información es pasabanda.154) y (2.

55(b).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.55(a). quedando a la salida y o ( t ) = 10 cos(104 πt ) So = 100 2 cuya potencia es = 50 W = 46.170 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Igualmente. de modo que a la entrada del detector la señal útil seguirá siendo x( t ) . sea x( t ) = 10 cos(104 πt ) ⋅ cos( 2πx106 t ) El filtro de RF tiene una ganancia unitaria. ancho de banda de 10 kHz y está centrado en la frecuencia f c = 1 MHz . Cálculo de la potencia de la señal útil Los filtros son transparentes para x( t ) . N i = 10x10 3 x10 −6 = 10 −2 W = 10 dBm Aplicando el teorema de la modulación para señales de potencia. cuya porción alrededor del origen es S no ( f ) . es decir.98 dBm = 2S i Nótese que la potencia útil de salida es el doble de la potencia útil de entrada. 2. La potencia correspondiente será N o = 10x10 3 x10 −6 = 10 −2 W = N i . 2. 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. se obtiene el espectro mostrado en la Fig. 2.55(a). de la Fig. El filtro pasabajo de salida tiene también ganancia unitaria y un ancho de banda de 5 kHz. 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. La correspondiente potencia de ruido a la entrada del detector será.

de donde F= N io + N so N io = 1+ N so N io (2. 2. esta distorsión es causada.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. entonces N o = N io + N so . 10kHz MHz Nótese que las potencias de ruido de entrada y salida del detector son iguales. este ruido compuesto deteriora la relación S/N a la salida comparada con la relación S/N a la entrada. Por supuesto. amplificadores de señales de muy bajo nivel. Como ya lo hemos señalado. Esta situación se puede cuantificar mediante la llamada “Cifra o Factor de Ruido del Sistema. 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. Este ruido de salida se puede considerar como la suma del ruido generado en el propio sistema más el ruido de entrada al mismo. ♣ 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.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. F= No N io para T = To = 290 kelvins (2. por ejemplo. La cifra de ruido es también otro factor de calidad o de mérito en la comparación entre. F”.55.166) . 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 ”. 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. primero por las características de amplitud y fase del sistema. Por lo tanto. y segundo por el ruido introducido durante el proceso.

de donde (2.165) y con ayuda de (2.) para cuantificar el ruido interno generado. En efecto. de (2. sea S i y S o las potencias útiles a la entrada y salida del sistema. la cifra de ruido puede simplificarse aún más.169) Hay que tener cuidado de no confundir. Sin embargo. dado su parecido. Entonces.168) en (2. cuanto más cercana a la unidad sea la cifra de ruido.167).172) (2. el ruido generado internamente es menor. (2. por ejemplo). Esta contribución está incluida en N so .172 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que la impedancia de carga también contribuye al ruido en la salida.163). respectivamente. Entonces. siendo B el ancho de banda del sistema. se aplica a sistemas lineales variantes en el tiempo (moduladores y detectores. pues la relación (2.170) = Gp En el sistema se genera una cierta cantidad de ruido térmico. Asimismo. etc.148). amplificadores.173) Ti es la temperatura neta de entrada y representa la temperatura total efectiva de entrada. 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. obtenemos finalmente F= Si / N i So / N o (2. . Si representamos este ruido mediante su temperatura equivalente referida a la entrada. de (2. Supongamos que se aplica al sistema una señal útil s(t) más un ruido térmico n(t) a una temperatura efectiva Ts . que es la ganancia de conversión. como generalmente es muy pequeña comparada con el ruido de los elementos activos del sistema.163) y (2. ella se puede despreciar. Cuando en el sistema existe solamente ruido térmico. La potencia de ruido disponible a la entrada es. So = SiG p donde G p es la ganancia de potencia del sistema. La cifra de ruido se puede expresar en función de las relaciones S/N de entrada y salida del sistema. es decir.169).168) (2.172).171) (2. 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. N i = kTs B También So Si So = Si G p. Desde el punto de vista del ruido.167) N io = N i G p Reemplazando (2. mejor será el sistema.169) es un número o cifra de mérito que se aplica a sistemas lineales invariantes en el tiempo (filtros. mientras que la relación (2. las expresiones (2. De la definición de la cifra de ruido es evidente que F será siempre mayor que la unidad.

El valor de la temperatura Te . pues aunque no todas las fuentes de ruido son térmicas.176).175). Ts = 2900 kelvins. estará referido entonces a la temperatura de referencia To = 290 kelvins .169).170). una ganancia de potencia de 40 dB y un ancho de banda equivalente de ruido de 10 kHz. sus efectos a menudo se incluyen en una temperatura Te obtenida experimentalmente. Hay que tener cuidado al utilizar las ecuaciones (2.175) La temperatura equivalente o efectiva será entonces Te = (F − 1)To (2.174) = G p (1 + De (2. y de (2. una antena y su correspondiente línea de transmisión. (2. En resumen. de donde ) (2. por ejemplo. expresión (2. al efectuar cálculos en los que interviene la cifra de ruido de un sistema.35 Un amplificador tiene una cifra de ruido de 9.174) y referida a la temperatura de referencia Ts = To = 290 kelvins. N o = G p (1 + No Ni Te Ts Te Ts )N i .176). G p = 40 dB = 10 4 .173 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N o = G p (1 + Te Ts ) kTs B . mientras que la parte de la cifra de ruido de un sistema producida por el ruido interno es (F-1).176) Estos resultados son bien sencillos y fáciles de aplicar. expresión (2. En su deducción hemos utilizado la temperatura física Ts de la fuente. La resistencia de entrada puede representar. ♣ Ejemplo 2. To = 290 kelvins . 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. la cual puede ser muy diferente de To . Se tiene entonces. 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.176).175) y (2. calculado a partir de la cifra de ruido. se considera que esta cifra de ruido está referida a To . (2. la cifra de ruido será F = 1+ Te To (2. F = 9. 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.031 dB.301 dB = 8.171). y la temperatura efectiva Te del sistema puede calcularse entonces a partir de (2.

56. 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. Amplificadores en Cascada. N i = kTs B También. la temperatura efectiva del ruido de entrada es Ts . Gp Te F En la Fig.56 se tiene n amplificadores en cascada y se desea determinar la temperatura y la cifra de ruido del sistema compuesto. pero se pueden extender para sistemas en cascada. 2. 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 (2.176). del amplificador compuesto. Te = (F − 1)To = (8 − 1)290 = 2030 kelvins N o = G p k (Ts + Te )B = 10 4 x1.172).8x10 −12 W N o = −51. Para no hacer tediosa la demostración. como es el caso de un amplificador de varias etapas.178a) (2. 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 .174 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De (2.56.170). La potencia de ruido a la entrada es.176) han sido deducidas para un sistema individual. De (2. Se supone que los amplificadores están acoplados y que su ancho de banda efectivo es B.175) y (2. 2.67 dBµ (dB respecto a un µW) ♣ Cifra de Ruido en Sistemas en Cascada Las expresiones (2.172).38x10 −23 (2900 + 2030)x10 4 = 6. como se muestra en la Fig. G p es la ganancia total de potencia. de (2. cada una de las cuales tiene su propia temperatura y cifra de ruido. 2. .178b) G p = G p1G p 2 G p 3 Te es la temperatura efectiva de ruido. vamos a considerar solamente tres amplificadores.177) + Te 3 G p1G p 2 (2. referida a la entrada. de (2.

.176) en (2.... 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.. 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”. en general L>1 (2. Una red que satisfaga estas condiciones se denomina “Red Acoplada Pasiva”. 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. G p ( n −1) (2. es decir.181) (2. podemos demostrar que Te = Te1 + Te 2 G p1 + Te 3 G p1G p 2 F3 − 1 G p1 G p 2 +....+ Ten G p1G p 2 G p 3 . F = F1 + y F2 − 1 G p1 + +.. que su ganancia de potencia sea menor que la unidad. 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.179) + F3 − 1 G p1G p 2 Estos resultados se pueden extender para n etapas. Siguiendo el mismo procedimiento efectuado para tres etapas... y (c) que parte de la potencia de entrada sea absorbida en la red.. (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. reemplazando (2.. (b) que solamente contenga elementos pasivos y resistivos (la única fuente de energía en la red es la producida por efectos térmicos). Por ejemplo.+ (2. L= Pdi Pdo .. En efecto... es decir.183) .. 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 .180) la llamada “Fórmula de Friis”..175 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Se puede determinar ahora la cifra de ruido del amplificador compuesto.178).. 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......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. L”. 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.. Los ejemplos más comunes de redes acopladas pasivas son las líneas de transmisión (en RF) y los atenuadores acoplados..

mayor será la temperatura efectiva de ruido de la red acoplada pasiva y.178). Entonces.176) en (2. una antena cuya temperatura efectiva es el resultado de diferentes contribuciones.189) En el caso especial cuando Tp = To . El ruido de entrada se caracteriza por su temperatura efectiva Ts y puede representar. FL = 1 + ( L − 1) Tp To (2.188) k ( Ts + TeL ) B = G pL k ( Ts + TeL ) B 1 L y TeL = ( L − 1) Tp G pL = Las expresiones (2. Tp es la temperatura física de la red acoplada pasiva. Aplicando principios de la termodinámica se ha demostrado [Schwartz.187) y (2. No = No = donde kTs B L 1 L + (1 − 1 L ) kTp B = 1 L k Ts + ( L − 1)Tp B [ ] (2.184).187) (2. por ejemplo. de acuerdo con la definición del factor de atenuación L. por supuesto.185) Reemplazando (2. 2. se puede decir que α1 = 1 L y α 2 = (1 − 1 L ) (2.191) . mayor será la cifra de ruido. N i = kTs B donde B es el ancho de banda efectivo del sistema.190) (2. Nótese que TeL aumenta linealmente en función de L. Esto significa que cuanto mayor es la atenuación. la cifra de ruido de la red acoplada pasiva se obtiene reemplazando (2. 2. En efecto.57. 1980] Ts Red No Carga Acoplada Acoplada Pasiva Tp Fig.186) (2.176 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Consideremos la red acoplada pasiva mostrada en la Fig.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 . 1980] que α 1 + α 2 = 1.184).185) en (2. La potencia de ruido disponible a la entrada de la red es. de (2.148). la cifra y temperatura de ruido se reducen a FL = L TeL = ( L − 1) To (2.57. Ni N o = α 1 kTs B + α 2 kTp B (2. La potencia de ruido a la salida se puede escribir en la forma [Schwartz.184) donde α 1 y α 2 son factores de ponderación relativos de las dos potencias disponibles definidas en (2.

las expresiones (2.181). F = FL + Fa − 1 G pL . ♣ Ejemplo 2. Cuanto más alto es el factor de atenuación L.190) y (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.191) permiten aproximar los valores de la cifra de ruido y temperatura de ruido. donde α es la constante de atenuación en nepers por unidad de longitud y x la longitud de la línea.36 se muestran dos casos de considerable interés práctico (Sugerimos al lector estudiar este ejemplo con mucha atención). La cifra de ruido total F de la combinación atenuador-amplificador viene dada por (2. Consideremos un atenuador (que puede ser una línea de transmisión) cuya pérdida de inserción es L. 4 dB a 300 MHz. 2 dB a 85 MHz. entonces (2. Consideremos las dos configuraciones de un sistema de recepción mostradas en la Fig.192) F = Fa ⋅ L Este resultado demuestra la gran deterioración en la cifra de ruido total. 8 dB a 900 MHz y 10 dB a 1200 MHz. 2. pero como FL = L y G pL = 1 L . En efecto. en general. Sa: Cable coaxial de 75 Ohm. en la teoría de las líneas de transmisión se suele expresar la atenuación L en la forma L = exp(2αx). Un caso muy frecuente en la práctica es la conexión en cascada de una red atenuadora seguida de un amplificador. son: 1 dB a 25 MHz. expresadas en dB por cada 30 metros. 2. las pérdidas típicas de un cable coaxial de 75 Ohm. seguido de un amplificador con una cifra de ruido Fa .58.58. y puesto que. En el Ejemplo 2.36. Antena Antena Amplificador A1 Coaxial Coaxial Amplificador A1 Si Amplificador Al N i Detector A2 Si Amplificador Al A2 Detector N i Fig. (a) Configuración A (b) Configuración B Estos dos montajes son muy utilizados en la práctica. Por ejemplo. pues L es un parámetro que se puede determinar fácilmente a partir de las características técnicas o especificaciones de la línea de transmisión.177 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Cuando en una línea de transmisión no se conoce exactamente su temperatura física Tp . Vamos a determinar las relaciones S/N de predetección en ambas configuraciones. peor será el valor de la cifra de ruido total. longitud 900 MHz 2 MHz 100 kelvins 10-9 W 60 metros . FL = exp(2αx) y TeL = [exp(2αx) − 1]To . Tp no es muy distinta de la temperatura de referencia To = 290 kelvins. Estos valores los dan los fabricantes en sus respectivos catálogos. por lo tanto.

81 − 1) 310 290 = 42.393x10 −5 W = −18.811 − 1)310 = 12031.189).512 x10 −2 TeL = (L − 1)Tp = (39.45 = 1+ = 69.447 dB To 290 La potencia de ruido a la entrada del detector (salida de A1) será N i = G p k (Ta + Te ) B = 2.981. De donde De (2. Entonces.32 kelvins F L = 1 + ( L − 1) Tp To = 1 + (39.512 x10 7 x1.778 dB To 290 (c) Cálculos para el Amplificador A2 G p 2 = 40 dB = 10 4 . S i = G p ⋅ S a = 2. G p1 310 kelvins 50 dB 200 kelvins 40 dB 6 dB Temperatura efectiva de ruido del amplificador A1.981 − 1)290 = 864.512 x10 2. Te2 = (F2 − 1)To = (3.188).38x10 −23 (100 + 19993. G p2 : Cifra de ruido del amplificador A2. F2 = 6 dB = 3.487 = 16.32 + + −2 G pL G pL G p1 2.94 = 18.512x10 -2 W = 14 dBm La relación de predetección S i / N i para la Configuración A será entonces .69 = 2. 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.45)2 x10 6 N i = 1. Tp : Ganancia de potencia del amplificador A1.512 x10 −2 x105 Te = 19993.51 + = 12031. Te1 = 200 kelvins.512 x10 7 x10 −9 = 2.56 dBm y la potencia de la señal.811.178 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Temperatura física de la línea de transmisión. G pL = 1 L = 2.28 dB (b) Cálculos para el Amplificador A1 G p1 = 50 dB = 10 5 . F1 = 1 + Te1 200 = 1+ = 1. L = 16 dB = 39.51 kelvins (d) Cálculo de la relación de predetección S i / N i para la Configuración A Te = TeL + Te1 Te2 200 864. De (2.45 kelvins F = 1+ Te 19993. Te1: Ganancia de potencia del amplificador A2.

81 dB ⎣ N i ⎦ dB Puede observarse que esta relación de predetección es 18.282 dB To 290 N i = 2. aunque no siempre es práctica la instalación de un preamplificador acoplado directamente a la antena. se utiliza a menudo la denominada “Medida del Ruido.51 + = 200 + + 5 5 G p1 G p1G pL 10 10 x2. en aplicaciones en que las señales recibidas son de muy bajo nivel.69 = 2.32 864.38x10 −23 (100 + 200.512 x10 −2 = = 1803.179 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si 2. generalmente parabólica.083x10 −7 W S i = 2.512 x10 −2 W La relación de predetección S i / N i para la Configuración B será Si = 120588.512 x10 −2 Te = 200. lo que significa que la medida del ruido M no se aplica en redes atenuadoras. Ni ⎡ Si ⎤ ⎢ ⎥ = 50. Sin embargo.252 dB más alta que la relación de predetección de la Configuración A. La condición M > 0 implica que G p > 1. Es evidente que la Configuración B es preferible a la Configuración A.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. La relación de postdetección S o / N o dependerá del tipo de modulación empleado en el sistema.46 kelvins F = 1+ Te 200.3. sobre todo de los países europeos. .46 = 1+ = 1.193) donde F es la cifra de ruido del sistema y G p su correspondiente ganancia de potencia. M” para caracterizar el efecto del ruido en un sistema lineal invariante en el tiempo.393x10 −5 ⎡ Si ⎤ ⎢ ⎥ = 32. La medida del ruido de un sistema se define en la forma M= F−1 1 1− Gp con M > 0 (2. para mejorar la relación S i / N i a la entrada del detector.512 x10 7 x1. se coloca un preamplificador de muy bajo ruido (low noise amplifier. LNA) directamente acoplado a la antena. como veremos en los Capítulos V y VI. ♣ Medida del Ruido En la literatura técnica. N i 1.46)2 x10 6 N i = 2. como es el caso en comunicaciones vía satélite y en radioastronomía.

si G p >> 1. entonces M ≈ Fa − 1.. es decir.. 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. si comparamos (2.. que F12 < F21 ...193). expresión (2. Por ejemplo. de donde F1 − 1 1 − 1 / G p1 < F2 − 1 1 − 1 / G p2 .. F2 − 1 F1 − 1 F12 = F1 + < F21 = F2 + G p1 G p2 Restando la unidad a cada miembro de la desigualdad y rearreglando... y F21 la cascada A2-A1 (primero A2.37 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 . Aún más. De (2.... = Fn = Fa y F = Fa + Fa Gp − G p1 = G p 2 =.181).. Si G p < 1. 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. las etapas atenúan y la medida del ruido M no tiene sentido. (2. = G pn = G p . en cuyo caso no se necesita la medida del ruido M puesto que F ≈ Fa . Si G p > 1 pero cercano a la unidad... se tiene que 1 + 1 Gp + Fa G2 p − Fa G3 p G2 p − 1 G3 p +.194) permite determinar la cifra de ruido total F mucho más rápido que si se utilizara la expresión (2.180 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. la medida del ruido es bastante alta y F ≈ M ... respectivamente. en consecuencia. vemos que M = N so / N io .. Sea F12 la cifra de ruido de la cascada A1-A2 (primero A1..+ G n −1 p Fa − 1 G n −1 p Agrupando términos ⎡ 1 1 1 1 ⎤ ⎢1 + F = 1 + (Fa − 1) + + +. y que la relación N so / N io se puede cuantificar mediante la expresión (2.. ♣ Ejemplo 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 . y ganancias de potencia G p1 y G p2 .. la expresión (2. Finalmente.. se obtiene ( F1 − 1) ⋅ (1 − 1 / G p 2 ) < ( F2 − 1) ⋅ (1 − 1 / G p1 ) .. ..193). si en (2. si G p es lo suficientemente grande.181)...166). después A1)..194) con (2..194) Cuando la cantidad de etapas es grande. después A2). cifras de ruido F1 y F2 .181) hacemos F1 = F2 =.. es decir.. y de la definición de la medida del ruido.. Se desea saber la relación entre las temperaturas efectivas y ganancias de potencia de los amplificadores A1 y A2.

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

2. entonces (d) Si x ( t ) = Au ( t ) . entonces y( t ) = At exp(− t )u ( t ) (g) Si x ( t ) = n =−∞ ∑ AΛ ( tT−/nT ) . 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. Para este sistema demuestre que: 1 1+ j2 πf b) Si x(t) es una señal periódica como la de la Fig. 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.59. entonces y(t ) = A 1 + 4π 2 [ cos(2 πt ) + 2π sen(2πt )] (f) Si x ( t ) = A exp( − t ) u ( t ) .2. Demuestre que el sistema caracterizado mediante la ecuación diferencial y (t ) = t 2 d2 dt 2 x (t ) + t d dt x ( t ) . 2.1. | Yn | y φ yn tendrán los valores dados. 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 ) . 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 ) .3. es un sistema lineal variante en el tiempo. La relación entrada-salida de un SLIT se puede representar mediante la ecuación diferencial x(t ) = (a) d dt y ( t ) + y ( t ) .182 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS PROBLEMAS DE APLICACION 2.59 (c) Si x ( t ) = Aδ(t − t o ) . 2.

entonces y(t ) = 3 y(t ) = 10 3 +2 41 25 cos(4 t − 14. siendo To el tiempo de ir de A a B.60. La respuesta impulsional de un SLIT es h (t ) = δ(t ) + 2 exp(−3t )u (t ) .47 o ) t 2 t 2 (d) Si x ( t ) = Π ( ) . con τo < To y(t ) = x(t ) ⋅ 2. El cursor oscila a una velocidad constante entre los puntos A y B. (b) Que su respuesta impulsional y salida son. 2. respectivamente h ( t . Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = 3 cos( 2 t ) .60 x(t) R = 1 Ohm B A h(t) y(t) para τ = 2nTo ± τo . y viceversa. 2. 2.5.88 o ) 2. 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. Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = exp(t ) u ( − t ) . entonces y( t ) = [1 − exp[−3( t + 1)]]Π ( ) − [1 − exp[−3( t − 1)]]u ( t − 1) 3 2 3 2 . 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. donde δ' ( t ) es un doblete.6. entonces (c) Si x ( t ) = 4 cos2 ( 2 t ) . 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 ). La entrada x(t) y la salida y(t) de un SLIT vienen dadas por x ( t ) = exp[− ( t − π )]u ( t − π ). Demuestre: (a) Que éste es un sistema lineal variante en el tiempo. Sea el sistema mostrado en la Fig.4. La respuesta impulsional de un SLIT es h ( t ) = [ 3 exp( −2 t ) − 1] u ( t ) .183 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si x ( t ) = exp(−2 t ) u ( t ) .7. τ) = Λ ( τo ) δ ( t − τ) To Fig.

|L – R| > 0 L−R R v(t) i(t) L Fig.8.61 2. h(t) = -2δ(t + 30) + 4δ(t . 2.9. ⎣ 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. .t)Π( ). ∞ 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 . t -5 10 ). 2. Suponga que la corriente i(0-) = 0.4n) . y( t ) = −10Π ( t + 25 t − 55 ) + 20Π ( ) 10 10 (b) x ( t ) = 10Λ (t ). (a) Demuestre que esta red produce un término de distorsión de fase.50) . La función de transferencia de un SLIT es H ( f ) = 10⎢1 − ⎥ ⋅ exp( − j4 πf ) . h(t) = 10Π( y ( t ) = 50(20t − t 2 )Π( y ( t ) = 400Λ ( t−4 4 ) t-3 4 2. t . (a) x ( t ) = 5Π( t −5 10 ).13. 2. Sea el circuito de la Fig. 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. respectivamente. mediante convolución puramente analítica. y verifique la respuesta mediante convolución gráfica. (c) x ( t ) = 10u ( t ). Demuestre que la corriente es exp( − i (t ) = R t ) − exp(− t ) L u ( t ) . (b) Demuestre que el retardo de fase y el retardo de grupo son. (d) x ( t ) = 10u (t ).61 y v( t ) = exp( − t ) u ( t ) .184 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎡ 1 ⎤ 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. ¿ Qué sucede cuando β( 0) ≠ 0 ? 2. Demuestre. En la Fig.62 se muestra las características de amplitud y fase de una red dada. ).10 20 ).12. la salida y(t) para los x(t) y h(t) dados.10. (e) x ( t ) = 10Π( t −1 4 h(t) = 5 n=-∞ ∑δ(t .11.

64 se muestra las características de amplitud y fase de un filtro dado.62 (c) Grafique t p (f ) y explique el comportamiento de la red cuando la frecuencia varía desde f = 0 hasta f → ∞.14. 2. β( f ) |H(f)| 2 -10 f -1 0 1 π/2 10 MHz f (a) MHz −π / 2 (b) Fig.15. y especifique el tipo de distorsión producido.64 (a) x ( t ) = 4sinc ( 2 x105 t ) ⋅ cos( 2πx106 t ) (b) x ( t ) = 4sinc (2 x106 t ) ⋅ cos(2πx107 t ) . Determine la salida y(t) del filtro para cada una de las señales siguientes. 2.185 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS t p (f ) = 1 60 + 1 6f . 2. En la 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. 2. 2.63 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. 63. 2. 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. t g (f ) = 1 60 β( f ) π/3 10 -10 f 0 f |H(f)| ho −π / 3 (b) 0 (a) Fig.

17. 2.65 es un sistema muy utilizado en instrumentos de medición.65 . 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. La red mostrada en la Fig. a 3 = 4 Determine los términos de distorsión armónica y los de intermodulación.18. ¿ Cómo es el comportamiento de esta red para frecuencias de entrada superiores a 1 kHz? 2. (a) Demuestre que cuando R 1C 1 = R 2 C 2 la red se comporta como una red sin distorsión con retardo cero. 2. (b) Si R 1 = 2 R 2 = 1000 Ohm y grafique las C 1 = C 2 = 10 µF. a 2 = −10 −2 .16. ¿ Qué tipo de filtro es? (d) Determine y grafique el retardo de envolvente cuando b 1 = 0 y a o = 1. 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). x(t) R1 C1 R2 C2 y(t) Fig.186 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS (c) x( t ) = 16sinc (8x105 t ) ⋅ cos( 28πx106 t ) + 2sinc (106 t ) ⋅ cos(107 πt ) 2. a 2 = 6. características de amplitud y fase de H(f). a 1 = 11. 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)|. (c) Sea x( t ) = 2 x10 3 sinc ( 2 x10 3 t ). a 3 = 10 −3 Calcule el porcentaje de distorsión de tercera armónica. a 1 = 2. a 2 = 10 −2 . a 1 = 10. 2. ¿ Qué tipo de filtro es? (c) Grafique | H ( f )| y β (f) para b 1 = 0. (a) Sea x ( t ) = cos(10πt ) + cos(100πt ). 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 .

19.67. 2. determine su frecuencia máxima. |H(f)| ho 2B f Fig.67. Este filtro se utiliza para eliminar frecuencias indeseables. demuestre que su salida es y (t ) = Ah o Λ ( ). 1 8f c Sea un filtro cuya función de transferencia es H (f ) = h o sinc(τf ) exp(− j2πt o f ) . τ τ 2.66 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. y observe y compare sus correspondientes anchos de banda.22. ¿Es x 2 ( t ) también de banda limitada? Si lo es. (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. (d) Para los filtros (a) y (b). Determine y dibuje. Sea los filtros reales mostrados en la Fig. ¿Qué puede decirse del espectro de x n ( t ) ? (Utilice el teorema de la convolución). 2. en cada caso. L R C C R C R R L C (a) (b) Fig. Si se le t − to t aplica la señal x (t ) = AΠ ( ) .21.79). (c) (d) (a) Determine y grafique las correspondientes características de amplitud y fase. 2. el espectro del cuadrado de las siguientes señales. En general. (b) Determine los anchos de banda de 3 dB. Sea una señal x(t) de banda limitada f m . .20. (c) Determine las ecuaciones diferenciales o íntegrodiferenciales que los caracterizan.187 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. En la Fig.66 se muestra las características ideales de un filtro conocido con el nombre de “filtro de ranura (notch filter)”. 2. determine el retardo de envolvente y el ancho de banda de acuerdo con la definición dada en la expresión (2.

x(t)] y [ x c (t ). H 2 (f ) y H 3 (f ) en cascada. que ∫ ∞ −∞ x (t ) ⋅ x(t ) dt = 0. (c) Salida de H 3 (f ) solamente.23. entonces. R C y(t) t )u (t ) RC (RC) t −T/ 2 ) . (d) Salida de la combinación H 1 (f ) y H 2 (f ) en cascada.188 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. ∫ ∞ -∞ x c (t ) ⋅ x s (t ) dt = 0 . (g) Salida de la combinación H 1 (f ). dibuje la señal de salida y(t) en los siguientes casos: (a) Salida de H 1 (f ) solamente. (c) Demuestre que su respuesta impulsional es h(t ) = t x(t) R C Fig. es decir. (b) Salida de H 2 (f ) solamente. (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.68. su ancho de banda de 3 dB es de 102. 2.431 kHz. que las duplas [ x(t ). 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. Se dispone también de tres filtros ideales: H 1 (f ) pasabajo de ancho de banda de 500 Hz. (b) Demuestre que si R = 1 MΩ y C =1 pF. 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). 2. dada en la Sección 2. (f) Salida de la combinación H 2 (f ) y H 3 (f ) en cascada. H 2 (f ) pasabajo de ancho de banda de 1500 Hz. 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( ). Sea el circuito mostrado en la Fig. para las partes (a) y (b). (e) Demuestre.24. (e) Salida de la combinación H 1 (f ) y H 3 (f ) en cascada. Si la entrada es x(t). Se tiene una señal x(t) diente de sierra creciente cuyo período es de 1 ms. (a) Determine sus características de amplitud y de fase. 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 ) . Transformada de Hilbert.68. con un valor máximo de 15 V y mínimo de 5 V.5). Todos los filtros tienen ganancia unitaria. y H 3 (f ) pasaalto de frecuencia de corte de 500 Hz. x s (t )] son ortogonales. Demuestre que (a) Si x(t ) = 2 Af m sinc(2 f m t ).25. 2.

189 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.29.40. mientras que el voltaje eficaz por unidad de ancho de banda es proporcional a R. 2. 2. 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 ). Nótese que este detector tiene la misma forma que la rama superior de la Fig. para no perder la información contenida en la señal mensaje m(t). La razón es que. ˆ ˆ ˆ R xx (τ) =< x(t)x(t + τ) > y ˆ ˆ z(t)=x(t) +jx(t) .26. Sea el “detector sincrónico o coherente” mostrado en el Problema de Aplicación 1. Considere la combinación RC mostrada en la Fig. 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. R xx (τ) = R x (τ) = − R xx (τ) ˆ ˆ ˆ ˆ ˆ R (τ) = 2[R (τ) + jR (τ)]. R x (τ) =< x(t)x(t + τ). 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. generalmente f c >> f m . entonces. entonces debe verificarse siempre que f c ≥ B ≥ f m . R xx (τ) =< x(t)x(t + τ) . 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. 2. El filtro es ideal y de ganancia unitaria. Si f c = 5B . R (0) = 0 z x x x ˆ donde R x (τ) es la Transformada de Hilbert de R x (τ) . 2. Sea entonces m(t) una señal mensaje pasabajo portadora de información. .28. dibuje el espectro de las señales 2 (a) x( t ) = m1 ( t ) cos(2 πf c t ) − m1 (t ) sen(2πf c t ) . En la práctica. (b) x(t ) = m1 (t ) cos(2πf c t ) + m 2 (t ) sen(2πf c t ) ˆ ˆ ˆ 2.69 Z(f) Demuestre que el voltaje eficaz de ruido térmico en sus terminales es.27. f c >> B y B ≥ f m .69. 2. para B→∞ v ef = kT C Obsérvese que el voltaje eficaz de ruido resulta ser independiente de la resistencia R. R C Fig. 34(a). Si R x (τ) =< x(t)x(t + τ) >. Sea m1 (t ) = ABsinc 2 (Bt ) y m 2 (t ) = 2 ABsinc(2 Bt ).

ancho de banda 2B y centrado en la frecuencia fc .70 a cuya entrada se conecta una resistencia ruidosa R. están a una temperatura de 300 y 400 kelvins. donde fc > B. 2. [Respuesta: BN = ] B 2 2 f π B (b) H(f)=h o exp(− 2 ). Determinar el voltaje eficaz de ruido cuando (a) las resistencias están en serie y (b) cuando están en paralelo. Sea la red sin ruido de la Fig. [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. de 1000 Ohm cada una. [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 ] . 2. El ancho de banda en ambos casos es de 100 kHz. respectivamente.70 (b) Un filtro pasabanda ideal de ganancia ho .32. 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.30.33.190 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. 2. [Respuesta: B N = ] B 2 2 f B (c) H(f)=h o sin c( ). Determine el ancho de banda equivalente BN del ruido de las redes cuyas funciones de transferencia son: |f | B ). Demuestre que la densidad espectral de potencia de la tensión de ruido en un circuito RL paralelo es S n (f ) = 2 kTR . Demuestre que el valor eficaz de la corriente de ruido en un circuido RL serie es i ef = kT / L 2. 2.34. Dos resistencias.31.

Repetir cuando T Ts = o . 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. Ts = 10To y Ts = 100To .36.37. y que la potencia disponible de ruido a su salida es N i = −16.35.72 (a) Que la relación S s / N s a la entrada del amplificador es de 23.191 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS | f + fc | |f − fc | ⎤ ⎡ (e) H (f ) = h o ⎢ exp(− ) + exp(− ) B B ⎥ ⎦ ⎣ 2. fc >> B [Respuesta: BN = B ] Un amplificador de alta ganancia tiene una cifra de ruido de 9.71 se muestra la etapa de entrada (amplificador de RF) de un receptor. G p = 10 dB Detector Al Fig.196 dBm .585 dB. En la Fig. 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.031 dB.72. 2.71 Ts = To = 290 kelvins Demuestre que la temperatura neta Ti de entrada al amplificador es de 2900 kelvins. 2. . (c) Que la relación de predetección S i / N i es de 22.35 dB.204x10-15 W. 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. de ancho de banda de 20 kHz y centrado en fc = 1 MHz. Sea el sistema de la Fig. 2. 2. Demuestre: Ss / N s Amplificador Si / N i de RF F = 10. La cifra de ruido del amplificador es de 10 dB y ganancia de potencia de 80 dB. una ganancia de potencia de 50 dB y un ancho de banda equivalente del ruido de 10 kHz. (b) Que la contribución del ruido a la salida debida al ruido propio del amplificador es de 7. 4 2.

315 dBm.5 G p2 = 40 dB N i Al F2 = 2 Detector B = 2 MHz Fig. (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. En antena. Demuestre: (a) Que la potencia de ruido Ni a la entrada del detector es de -60. Si = 12 . 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. 10 Si = 6.506x10-9 W ] 2. la potencia de señal es de W y la potencia de ruido de 2.73 (b) Demuestre que para la configuración (b) . Compare estos resultados con los ya obtenidos.2 dB . 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 = 3.01 dB F2 = 10 dB Al Detector (a) Conexión sin Preamplificador (b) Conexión con Preamplificador Fig. y que la cifra de ruido total Ni de los dos amplificadores se ha reducido a F12 = 2. La temperatura efectiva de la antena es de 100 kelvins.45 .39.5 kelvins. (a) Demuestre que para la configuración (a).73.305 dB . demuestre que .74.192 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Demuestre también que la temperatura total efectiva de ruido es ahora 420. Sea una cadena de tres amplificadores cuyas características se muestran en la Fig.4x10 −14 W . Sean los dos sistemas representados en la Fig. 2. 2. El ancho de banda es de 6 MHz. 2.01 dB .38. 2.75. [Respuesta: Ni = 8. 2. ¿Qué se puede decir al respecto? 2.40. Repita la parte (b) si F1 = 13.75 (a) Suponiendo que el ruido individual de los amplificadores es despreciable frente al ruido de entrada. Sea el sistema de recepción de la Fig.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. La línea de transmisión tiene un factor de atenuación L = 2 dB y una temperatura física de 310 kelvins. 2.

193 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N 1 = −83. 2. se tiene que vemos que el valor de L aumenta al aumentar la longitud de la línea. definición del factor de atenuación L. Demuestre que la nueva temperatura de ruido. es decir. 2.76 (a) Demuestre que la temperatura efectiva de ruido. (c) Verifique la cifra de ruido total calculada en (b) individuales y combinando sus efectos. es Te = 260.99 dBm . Etapa 1 Etapa 2 Etapa 3 Te1 = 300 kelvins . (c) Si las temperaturas efectivas de los amplificadores son Te 2 = 400 kelvins y Te3 = 500 kelvins .42. 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. expresión (2. demuestre que la cifra de ruido total del sistema es F = 1.99 dBm. y de acuerdo con la oef ief ief oef L = exp(2α x) .123 dBm. Un cierto receptor tiene una temperatura efectiva de ruido Te1 .183). demuestre que N1 = −83. determinando las cifras de ruido Se le sugiere al lector repetir este problema intercambiando las diferentes etapas a fin de conseguir una configuración óptima. Suponga que una línea de transmisión de pérdidas L y temperatura física TpL se agrega a la entrada del receptor. En este caso.979 dBm y N 3 = −23.76. Definiendo v 2 = Pdi y v 2 = Pdo . ¿Por qué no puede determinarse la temperatura efectiva de ruido.899. Sea el sistema de tres etapas mostrado en la Fig. donde α es la constante de atenuación y x la longitud de la línea. referida al amplificador compuesto? 2. En términos de potencia (normalizadas respecto a R = 1 Ohm). = 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. N 2 = −30. N 2 = −30.113 dBm y N 3 = −23. entonces se verifica que v oef = v ief exp(−α x) . aquella con la mínima cifra de ruido total.66 kelvins (b) Usando el resultado de la parte (a). referida a la entrada del sistema línea-receptor es Te. se puede escribir entonces v 2 = v 2 exp(−2α x) . 2.41.172 dBm. la nueva temperatura de ruido a la entrada del sistema línea-receptor es Te' = Te1 exp(2αx) + [exp(2αx) − 1]TpL . referida a la entrada del sistema de tres etapas.

referida a la entrada de la línea de transmisión. Datos: L = 2 dB = 1. TeL Antena Línea de Transmisión B Preamplificador Señal Util Amplificador B Fig. a la entrada del primer amplificador es Te’ = 150. Verifique este resultado para valores arbitrarios de la atenuación L. Sea Te1 la temperatura efectiva de ruido de un receptor. Na L. N1 Ruido Blanco A2 Gp2 Te2 Si/Ni Al Detector Nn Sa. 1. demuestre que por cada incremento de 0. y TPL la temperatura física de la línea de transmisión que interconecta la antena con el receptor. (a) Demuestre que el incremento ∆Te en la temperatura efectiva Te . (a) Demuestre que la temperatura efectiva de ruido Te referida a la entrada de la línea de transmisión es Te = 407.623x107 = 75. están relacionados mediante la ecuación ∆Te = Te1 + TPL ∆L (d) Si Te1 = 150 kelvins y TPL = 290 kelvins . La relación Si/Ni de predetección es Tn = 100 kelvins.448 kelvins (b) Demuestre que la temperatura efectiva de ruido Te. Sr = 10-8 W G pL = 1 . La temperatura equivalente total del sistema es Te = 200. Te2 = 300 kelvins. Te1 = 150 kelvins. 2.03 kelvins (c) Suponga que la temperatura de ruido de entrada a la antena es Demuestre que 2.Ta T'e Te1 S r Te GpL. B = 105 Hz.1 dB en la atenuación L de la línea de transmisión. To = 290 kelvins. La cifra de ruido total es F = 1. 2.004 kelvins Si = 3. TpL S e .585.591 dB Ni . Gp1 = 40 dB = 104 . Ne Gp1 Ga.44.77. Gp2 = 20 dB = 100.194 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.69 3. 2. y el incremento ∆L de la atenuación L de la línea de transmisión. Sea el sistema de comunicaciones de la Fig.77.43. TeL = (L − 1)TpL L A1 S1. la temperatura efectiva de ruido del sistema aumenta aproximadamente en 10 kelvins. TpL = To. Ta = 100 kelvins Ga = 50 dB = 105.

no se profundizará demasiado en consideraciones teóricas avanzadas. depende de la combinación de muchos factores completamente impredecibles. De la Teoría de la Probabilidad y de las Variables y Procesos Aleatorios hay una inmensa bibliografía que el lector interesado puede consultar. acerca de las cuales sólo conocemos algunos parámetros.CAPITULO III VARIABLES Y PROCESOS ALEATORIOS 3. NOCIONES DE LA PROBABILIDAD 3. si el suceso A ocurre m veces. es posible predecir en cierta manera el comportamiento promedio de un número grande de experimentos. en efecto. Sin embargo.1. por ejemplo. El resultado de un experimento cualquiera. la probabilidad de que el suceso A ocurra.2.2. cuando lanzamos un dado o una moneda. entonces P(A). éstas son las señales aleatorias. Por ejemplo. En consecuencia. Como es normal en un texto introductorio de comunicaciones. En la Teoría Estadística de la Comunicación tanto las señales mensaje como el ruido se tratan como variables aleatorias. Pero también hay otras clases de señales como. Estos tipos de señal se denominan señales determinísticas. por ejemplo. en cada canal de comunicación siempre habrá señales de ruido que contaminan las señales mensaje portadoras de información. se define en la forma P (A ) = lim m N N →∞ (3. tanto periódicas como no periódicas. cuyos valores son conocidos en todo instante ya sea en forma gráfica ya sea en forma analítica. 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. cuyo comportamiento se puede predecir a partir de algunas de sus propiedades probabilísticas o estadísticas. cuando lanzamos una moneda podemos decir que las probabilidades de que caiga cara o sello son “igualmente posibles” o “igualmente probables”. Definición Empírica de la Probabilidad En un experimento repetido N veces. 3. 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. la idea de “suerte” está ligada con la de “probabilidad” o “posibilidad”.1.1) . por cuanto ellas varían en forma muy compleja. INTRODUCCION En el presente texto se estudian varios tipos de señal. En la Teoría de la Comunicación las señales y procesos aleatorios desempeñan un papel muy importante. 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. pero sí se mostrarán aquellos aspectos de aplicación inmediata en el análisis y diseño de sistemas de comunicación prácticos. el ruido.

+ A n ) = P (A1 ) + P ( A 2 ) + P (A 3 ) +. que simbolizaremos con S....4) donde P(AB) es la probabilidad conjunta de la ocurrencia simultánea de los sucesos A y B... 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) (3.3) Si A y B no son disjuntos. pero los axiomas que se postulen deben estar de acuerdo con el punto de vista de la frecuencia relativa. respectivamente.. se supone implícitamente que el límite N → ∞ existe. Este suceso será la unión de los sucesos A y B.5) Si un experimento tiene N resultados A 1 .. por cuanto define la probabilidad como la frecuencia relativa de ocurrencia del suceso. que la probabilidad es siempre una magnitud positiva y menor o igual que la unidad....... . A 2 .. si la ocurrencia de cualquier suceso impide la ocurrencia simultánea de cualquier otro suceso del conjunto. VARIABLES Y PROCESOS ALEATORIOS Esta definición de la probabilidad se conoce con el nombre de “definición empírica de la probabilidad”....7) La definición de frecuencia relativa tiene la ventaja de ser muy intuitiva pero no es suficiente desde el punto de vista matemático. y si m1 y m 2 son los resultados favorables a A y B. en efecto. entonces P (A + B) = P (A ) + P (B) − P ( AB) (3. Se conoce también como “la definición de la frecuencia relativa”..... disjuntos o incompatibles. es decir.. por lo tanto. entonces el suceso {A 1 + A 2 +. Es evidente también. Cuando el suceso (A + B) ocurre. Se sigue entonces que si N sucesos A n son disjuntos y exhaustivos.. Si el experimento se lleva a cabo N veces... y un suceso que puede considerarse como resultado de uno cualquiera de los sucesos A y B.. entonces esos N elementos se denominan “sucesos exhaustivos”. es porque el suceso A o el suceso B o ambos han ocurrido. Por ejemplo.2) Sucesos Mutuamente Excluyentes o Disjuntos Se dice que en un conjunto de sucesos los sucesos son mutuamente excluyentes.. consideremos dos sucesos A y B. .1). A 3 ..6) Puesto que A 1 .196 III. Nótese que al definir P(A) como en (3. A 2 . Estos resultados se pueden extender para un número cualquiera de sucesos. A n solamente. A n son disjuntos y exhaustivos. entonces ∑ P (A n =1 N n)=1 (3. si A 1 . La probabilidad se puede definir desde un punto de vista axiomático.. con aquellas relaciones que se observan en el mundo físico.+ P ( A n ) (3. 0 ≤ P (A ) ≤ 1 (3. El punto de vista axiomático de la probabilidad se puede resumir en la forma siguiente. P (S) = P (suceso cierto) = 1 Definición Axiomática de la Probabilidad (3..... es decir. (A + B). A n son sucesos disjuntos..+A n } es el suceso cierto. de la definición. es decir. entonces P (A1 + A 2 + A 3 +.. A 2 ..

entonces la probabilidad de observar un resultado particular A de un conjunto y un resultado B de otro conjunto. se denomina la “probabilidad conjunta del suceso AB”. VARIABLES Y PROCESOS ALEATORIOS La probabilidad P(A) de un suceso A es un número que se asigna a dicho suceso. la probabilidad de un suceso A depende de si el suceso B ha o no ocurrido. Por definición.. A n ... Probabilidad Condicional...13) y (3.. (3.2.. es decir. son disjuntos...14)..9) (3. Independencia Probabilidad Conjunta Si en un experimento hay dos conjuntos de sucesos o resultados.. Si un experimento se repite N veces.15a) (3. y si NAB es el número de veces que A y B ocurren simultáneamente. AXIOMA III: P (A + B) = P ( A ) + P ( B) La extensión para un número infinito de sucesos no se sigue de (3.2. 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.. Probabilidad Conjunta..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.8) (3.. .+ P ( A n ) +.197 III.... .11) si A 1 . entonces la probabilidad del suceso AB se define en la forma P (AB) = lim N AB N N →∞ (3.. ) = P ( A 1 ) + P ( A 2 ) +.15b) 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... si P(A) ≠ 0..12) Probabilidad Condicional A menudo se presenta la situación donde la probabilidad de un suceso es influenciada por otro suceso. 3. Combinando (3. donde P(AB) es la probabilidad conjunta de los sucesos A y B. la “probabilidad del suceso A (3... donde AB ≠ 0 es la intersección de los sucesos A y B.14) O también. A 2 . .10) sino que es un nuevo axioma: AXIOMA IIIa: P ( A 1 + A 2 + A 3 +. 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..13) (3.+ A n +.

la probabilidad de ocurrencia conjunta es P(ABCD.15b) son conocidas con el nombre de “Ecuaciones de Bayes” o “Regla de Bayes”. entonces.. B. Vamos a determinar las siguientes probabilidades.) = P(A) P(B) P(C) P(D) . (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 100.19) . entonces P ( A | B) = P ( A ) P(AB) = 0 y P(B|A) = P(B) (3.. (3.... D..15a) y (3. De la caja se extrae una resistencia y después otra sin reponer la primera. En efecto. segunda de 50} = P(A)P(B|A) = = 0.. esto es.. entonces la probabilidad condicional P(A|B) es simplemente la probabilidad P(A).198 III.27 12 11 7 6 (c) P{sacar primero de 50.15 12 11 5 7 (b) P{sacar primero de 100.. C.. ♣ Ejemplo 3.1 Una caja contiene 5 resistencias de 100 Ω y 7 resistencias de 50 Ω.. 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. segunda de 50} = P(B)P(B|B) = = 0.17) (3. Definición Se dice que dos sucesos A y B son estadísticamente independientes si y sólo si P (AB) = P ( A )P ( B) (3. si A y B son independientes.. Si esto es cierto.. y viceversa...18) Nótese que si A y B son independientes y disjuntos.... por definición.32 12 11 Independencia Estadística ♣ El concepto de independencia es básico. para A y B independientes y disjuntos La noción de independencia se puede extender a más de dos sucesos..16) Esto quiere decir que si A y B son independientes. son estadísticamente independientes. entonces la ocurrencia del suceso A no influencia en absoluto la ocurrencia del suceso B. VARIABLES Y PROCESOS ALEATORIOS Las expresiones (3.. si los sucesos A... segunda de 100} = P(A)P(A|A) = = 0.

... 3... expresiones (3.+ P ( B| A n ) P ( A n ) P ( B) = ∑P(B| A )P(A ) i i i =1 n (3.199 III. 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). y sea B un suceso cualquiera contenido en S. VARIABLES Y PROCESOS ALEATORIOS Nótese que si los sucesos son independientes por pares.. de la Fig... 3.. Fig.. . i y con independientes. A 2 . Hay que hacer notar que este teorema es válido aún cuando los n sucesos A 1 . P (BA i ) = P ( B| A i ) P ( A i ) Entonces.+ P (BA n ) (3.1. P (B) = P ( BA 1 ) + P ( BA 2 )+. se tiene P (A i B) = P (A i | B)P (B) = P (B| A i )P (A i ) . donde Ai será definida a continuación..+ A n ) A1 B An A2 A3 Fig. A 2 . .22).... ..21) Pero de la probabilidad condicional. de las expresiones (3..13) y (3. Se tiene un conjunto de n sucesos disjuntos y exhaustivos A 1 .. .+ 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 ). es decir.. A n no sean exhaustibles.1.20) (3.. .22) Este es el teorema sobre la probabilidad total.. En efecto.1 S De donde B = BA 1 + BA 2 +. B ⊂ S.14).. A n cuya suma es igual al suceso cierto S.. Entonces..23) Reemplazando P(B) de (3. Probabilidad Total j ≠ i ..13) o (3. 3..24) Este es el llamado “Teorema de Bayes”. si P(Ai Aj) = P(Ai)P(Aj) para todo j.. es decir.... B = BS = B( A 1 + A 2 +... BA n Como estos elementos son todos disjuntos. pero sí debe cumplirse que B ⊂ {A 1 + A 2 +.14). P (B) = P ( B| A 1 ) P (A 1 ) + P ( B| A 2 ) P (A 2 ) +.... de donde P (A i | B) = P (A i ) P (B| A i ) P ( B) P(B | A i )P(A i ) (3. no se sigue que los sucesos sean todos Vamos ahora a obtener una expresión conocida con el nombre de “Teorema de la Probabilidad Total”.. se obtiene P(A i | B) = ∑ P(B | A )P(A ) j=1 j j n (5.

con 0 ≤ i ≤ M − 1. r j ) y cuyas probabilidades son.26) . 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 } .25) P (m i | r j ) = P (m i . Para valores pequeños de MJ es conveniente hacer un diagrama de estas probabilidades. las probabilidades antes de la recepción. Este modelo describe un sistema de comunicación como el mostrado en la Fig. P (m i . como se muestra en la Fig. 3.2(b). el modelo del canal se puede describir completamente [Wozencraft y Jacobs. hay que hacer notar que en un sistema de comunicación real generalmente no se conocen las probabilidades de transición. queremos decir que la probabilidad de una decisión correcta P( ) es máxima. Nuestro problema es especificar un receptor que. { } 0 ≤ j ≤ J − 1. formule una decisión óptima en relación a qué mensaje m i fue transmitido. 3. M = 2.2(a). 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 .200 III. 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. 3. (3. Estas probabilidades son las probabilidades “a priori” de los mensajes. por ejemplo. es decir. 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. En lo que concierne a este ejemplo. sin embargo. y J posibles símbolos de salida r j . el filtro acoplado que se verá en el Capítulo V es un receptor óptimo. a menudo llamadas “probabilidades de transición”. 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. r j ) = P (m i )P (r j | m i ) También. r j ) P (r j ) (3. de acuerdo con el símbolo r j recibido. de la expresión (3. Cuando decimos “óptimo”. J = 3 r2 Canal rj mj {r j } {m j } Receptor (b) Sistema de Comunicación Fig.13). ocurren los mensajes {m i } .

3 dado recibido. la suma sobre j es maximizada sólo y solamente si cada uno de los términos P( |rj) es máximo. la cual es la probabilidad “a posteriori”. entonces rj puede ser asignado a cualquiera de los mi correspondientes sin pérdida de optimalidad. aplicada independientemente a cada símbolo recibido r j . sea m k el mensaje cuya probabilidad “a posteriori” es la máxima. La probabilidad de cada par (m i . 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. ro ) (m1 . es decir. 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”. r1 ) P (ro | m1 ) P (r1 | m1 ) Antes de la transmisión. r1) (m1 .28) Las cantidades positivas P(rj) son independientes de la regla de asignación. Después de la transmisión. Entonces la probabilidad condicional P( |rj) de una decisión correcta para un r j recibido. cada símbolo recibido r j debe ser {} atribuido a una y sólo una de las posibles entradas m i . 3. expresión (3. de la expresión (3. r j ) está representada por su correspondiente área. {m( j)} P (m k | r j ) ≥ P ( m i | r j ) para todo i ≠ k (3. En efecto. 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 . Esta “regla o algoritmo de decisión”. No es necesario calcular la probabilidad P(rj) a fin de determinar la transformación óptima y la probabilidad de error resultante. la probabilidad de que m i fue transmitido es P (m i | r j ) . Podemos escribir entonces P( | r j ) = P (m( j)| r j ) (3. y por lo tanto la regla de decisión es la óptima. una probabilidad condicional. la probabilidad (m1 .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. r2 ) P (r2 | m1 ) P (r2 |mo ) (mo . entonces. Del teorema de la probabilidad total. La suma de todas estas áreas es la unidad M J S P (ro |mo ) P (r1| mo ) (mo . ro ) (mo . Sea m( j) una entrada dada en el conjunto r j .3 se muestra la distribución de las probabilidades en un sistema típico con M = 2 y J = 3.201 III. VARIABLES Y PROCESOS ALEATORIOS En la Fig. es justamente la probabilidad de que el mensaje m( j) fue en efecto transmitido.22).29) . es decir.26). r2 ) “a priori” de que un mensaje m i sea transmitido P (m1 ) P (m o ) es P (m i ) . la elección de la máxima probabilidad “a posteriori”. por lo tanto. determina el receptor óptimo. 3. Si varios mi tienen la misma (máxima) probabilidad “a posteriori”.

24 Los puntos o áreas correspondientes al error se muestran marcados en la Fig.31) recibido.31).28).4. r ) j j= 0 J −1 (3.12 Vemos que P(b. como se muestra en la Fig.6 y P(b) = 0. P(a.48 0. P(1 | a) = 0.2 = 0.0) = P(a) P(0 | a) = 0.. y de la expresión (3. P( ) = P(b.3 1 0 1 0.1) = P(a) P(1 | a) = 0.28 0.0) y P(a. es decir.32) donde P (m( j).30) Una vez que el conjunto {m( j)}. b} y dos símbolos de salida {0.2 Consideremos un canal binario con dos símbolos de entrada {a.1) 0 0 1 (b.8.0) (a.P( ) = 1 .3 = 0.7 0.2 0. 2.76 P( ) = 1 .1) > P(b..6 x 0.1) = 0. 1}.76 = 0.1) 0. P( )= ∑P(m( j). (3.4 b 0.0) 0. 1.8 = 0.0) > P(a. Entonces.12 (a) Fig.4 (b) 0.1) = P(b) P(1 | b) = 0. es decir.12 0 0. la probabilidad de error.0) + P(a. la probabilidad de una decisión correcta P( ) se puede calcular a partir de las expresiones (3.4 Las probabilidades de transición del canal son: P(0 | a) = 0.27) y (3.26).. 3.6 0.6 x 0.12 P(a. P(1 | b) = 0. con j = 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. 3.0) = P(b) P(0 | b) = 0. 3.48 = 0.. m(0) = b y m(1) = a . r j ) representa la probabilidad de que m( j) fue transmitido y r j Finalmente.4. se ha determinado a partir de la expresión (3. a 0.6 1 Las probabilidades de entrada o probabilidades “a priori” son: P(a) = 0.202 III.48 P(b.2..8 0. (3.4 x 0.8 S (a.28 + 0.7.4 x 0.0. la probabilidad de una decisión falsa es P( ) = 1 − P ( ) ♣ Ejemplo 3.1. J .3 ♣ . P(0 | b) = 0.7 = 0.3 (b.28 P(b.1) Por consiguiente.30).

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. se verifica que ∑P i =1 n X (x i ) =1 (3. entonces. se define en la forma FX (x ) = P (X ≤ x ) (3. en el ejemplo del lanzamiento de un dado. Por lo tanto. el espacio consiste de seis elementos: las seis caras del dado.3. Se asigna también una probabilidad a cada valor de la VA X. X es la representación general de los valores observados.. . FUNCIONES DE PROBABILIDAD 3. Por ejemplo.3.34) donde x i son los valores que X puede tomar y P (X = x i ) su probabilidad correspondiente. En otras palabras. .203 III. Esto nos lleva al concepto de “función de distribución de probabilidad de X”. 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. en este caso. entonces. x 3 . El resultado de un experimento aleatorio es. Nótese que si en el experimento hay un total de n resultados x i disjuntos y exhaustivos. En esta notación el subíndice se refiere a la VA X y el argumento es el valor particular de la VA..1. la cual puede tomar cualquiera de los n valores discretos x 1 . y cada uno de ellos se puede considerar como un elemento de un conjunto o espacio. x n (Nota: la variable aleatoria (VA) se representará con letras mayúsculas. . una VA es una función en el sentido convencional. En general. VARIABLES Y PROCESOS ALEATORIOS 3.33) Una VA discreta se puede describir entonces mediante la llamada “función de frecuencia” PX (x i ) = P (X = x i ) (3. Esto es muy importante. una “variable aleatoria X”. . de acuerdo con la expresión (5. y los valores particulares que dicha variable tome se representarán con letras minúsculas). cada punto de muestra corresponde a un resultado distinto del experimento. y se aplica tanto en procesos discretos como en procesos continuos. Variables Aleatorias Discretas Un experimento dado puede tener un cierto número de resultados. VARIABLES ALEATORIAS. La función FX(x) es simplemente la probabilidad de que un valor observado sea igual o menor que cierta cantidad x. Por consiguiente. mientras que x i representa los valores posibles asignados. una función f(t) asigna valores a t de acuerdo con una cierta regla. cada subíndice identifica la función o VA dada. x 2 . Los elementos individuales o puntos del espacio de las muestras se denominan “puntos de muestra”. se asigna un número real a cada resultado o punto de muestra del experimento.. la “función de distribución acumulativa de una VA X”.. se asigna los números reales x 1 . En este caso la palabra “espacio” se usa como sinónimo de la palabra “conjunto”. El subíndice es esencial para indicar la asociación de las funciones de probabilidad con una VA dada. x 2 . ..35) Nótese que la función de distribución FX(x) depende tanto de la VA X como del valor del argumento.. uno a cada uno. una VA X asigna valores numéricos (números reales) a cada punto de muestra. similarmente. A menudo es conveniente describir en forma gráfica las probabilidades asignadas en relación con los valores de la VA asignados. En efecto. x n a estos resultados.6). sobre todo cuando se trabaja con varias VA. por ejemplo. En realidad. Si hay n resultados. PX (x i ) es la probabilidad del resultado o suceso al cual fue asignado el valor x i ..

3.3 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 .6 0.15 0. y en los puntos de discontinuidad se supone continuidad hacia la derecha.2 0. ella tiene las siguientes propiedades.5 ♣ .0 0. pero para efectos del presente ejemplo vamos a suponer que las probabilidades PX(xi) asignadas a cada cara xi son diferentes.3 0.2 0. FX (x 1 ) ≤ FX (x 2 ) 3. VARIABLES Y PROCESOS ALEATORIOS Como FX(x) está basada directamente en el concepto de probabilidad.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.1 0 pX(x) 1. FX (−∞) = 0 4.80 0. que en adelante se denominará “densidad de probabilidad”.2 0.5 se dan los datos del experimento y se grafican las funciones de probabilidad pX(x) y FX(x). Cara xi 1 2 3 4 5 6 PX(xi) 0.90 1. FX (+∞) = 1 si x 1 < x 2 (3.15 0. vendrá dada entonces por n d pX (x) = FX ( x ) = ∑ PX ( x i )δ( x − x i ) dx i =1 (3. La “función de frecuencia” de una VA X discreta .1 0. En la Fig. que daremos sin demostrarlas: 1. es una función en escalera donde la altura de cada escalón es PX (xi).4 0.00 0.39) Para una VA X discreta con probabilidades PX (x i ) . 0 ≤ FX (x ) ≤ 1 2.35 0.50 0.38) (3.1 FX(xi) 0.3 El experimento es el tiro de un dado.37) (3.8 0.204 III.36) (3.41) ♣ Ejemplo 3. 3. Entre discontinuidades el valor de FX(xi) es constante. la función FX(x) se puede expresar en la forma FX (x) = ∑P i =1 n X (x i ) ⋅ u (x − xi ) (3.

la probabilidad de observar una temperatura dada es cero.44) La probabilidad de observar X en cualquier intervalo (x1 .34). En el caso más general. Un espacio de muestras continuo contiene infinitos puntos (no contables) y es evidente que la probabilidad de observar un punto dado es cero. Integrando (3. la probabilidad de que la VA X tome un cierto valor es cero. T2). 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. será una variable aleatoria continua. 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. expresión (3. y es el equivalente. como se muestra en la Fig. x2). sobre todo en el mundo físico. y.6. lo cual estaría en contradicción con la condición (3.2. VARIABLES Y PROCESOS ALEATORIOS 3. Una VA continua puede tomar valores en el intervalo continuo (-x1 . en el caso continuo. entonces la respectiva VA. de la función de frecuencia P(X = xi) del caso discreto. Densidad de Probabilidad 0 x x área bajo dicho intervalo. Por ejemplo. 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. . 3. De otra manera. si se asignara una probabilidad a un punto dado. se tiene FX ( x ) = x ∫ −∞ p X ( x ' )dx ' = P( X ≤ x ) (3. Sin embargo. Como ya lo hemos observado.205 III. Como se está igualando una área con probabilidad. sea T la temperatura de una sala. pero es más conveniente definir una función cuya “área” sea la probabilidad de ocurrencia dentro de una gama dada.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 (3.42). 3.∞ a + ∞. el concepto de función de distribución es aún válido. definida en este espacio. es evidente que la gama de valores puede extenderse desde .3. En este caso.6. x + dx ) es igual a p X ( x )∆x cuando ∆x → 0. la suma de todas las probabilidades sería infinita. Pero hay muchos casos. Si el espacio de las muestras es continuo. La “función de densidad de probabilidad.42) La probabilidad de observar la VA X en el intervalo (x. por lo tanto. como puede observarse en la Fig. Esta probabilidad es simplemente el área encerrada por la curva p X ( x ) en el respectivo intervalo. lo cual no tiene significado. esta temperatura puede tomar cualquier valor dentro de la gama de infinitas temperaturas comprendidas dentro de un intervalo (T1 . el problema de asignación de probabilidades a la correspondiente VA se hace más complicado. x2) viene dada por el x2 x1 Fig.6. la función en cuestión se denomina “función de densidad de probabilidad”. p X ( x )” de una VA X se define en la forma p X (x) = d dx FX ( x ) (3. en el caso de un espacio de muestras continuo. 3.6).

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. +∞). en este caso se dice que la VA X está distribuida uniformemente en ese intervalo. la probabilidad de que la temperatura T de la sala tome un cierto valor T0 es cero.45) representa la probabilidad de observar X en el intervalo (-∞.45).45) Esta expresión. de (3. 6). 3. no necesariamente significa que la VA X no tomará jamás ese valor particular. Nótese también que para que una función de x se pueda considerar como una densidad de probabilidad.4 Sea una VA X cuya función de distribución es F X ( x ) = muestra en la Fig. pero eso no significa que la temperatura de la sala nunca podrá ser T0 .46) Nótese que el hecho de que la probabilidad de observar X a cierto valor x es cero. P(3 < X ≤ 5) = 1 2 ♣ Se tiene también la situación donde la función de probabilidad es mixta. equivalente a la (3. ∫ −∞ p X ( x )dx = 1 (3.7 se muestra FX (x ) y p X ( x ) . ♣ Ejemplo 3. la densidad de probabilidad deberá ser siempre positiva. es evidente por el hecho de que la integral (3.206 III. d dx 1 4 1 4 x−4 4 1 4 [ r (x − 2) − r (x − 6)] . que pX (x) es continua pero contiene impulsos. Esta situación la podemos considerar en el siguiente ejemplo.7(b). 3. entonces. ella debe cumplir con la condición (3.7(a). 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. de la Fig. lo cual es una certitud. podemos ver que P (X ≤ 3) = 1 4 . (b) Densidad de Probabilidad Por ejemplo. VARIABLES Y PROCESOS ALEATORIOS ∞ Puesto que FX(+∞) = 1. 3.7. 1 FX ( x ) x 1/4 p X ( x) x 0 2 4 6 0 2 4 6 (a) Función de Distribución Fig. Como la probabilidad es una magnitud positiva (AXIOMA I). Por ejemplo. . es decir.33) en el caso discreto. En la Fig. como se La correspondiente función de densidad es.41) y (1. 3.

∞ ) como en la Fig. 3. el área de los impulsos es la misma.8(a). 3. Si esta señal se pasa por un limitador que recorta el voltaje en cierto valor +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(b) la probabilidad de observar el voltaje de amplitud A es k. y en la Fig. Tal es el caso para los intervalos (−∞. respectivamente.5.8(c) la probabilidad de observar los voltajes de amplitud –B y A es k1 y k2.8(a).8(b). 3.8 x -B 0 A (c) x La Fig. en la Fig. VARIABLES Y PROCESOS ALEATORIOS Ejemplo 3. entonces p X (A) = p X (− A) y FX (A) = 1 − FX (−A) .3. 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. 3. Consideremos el caso de una VA X cuya densidad de probabilidad se muestra en la Fig. y si B = A. 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) es para el caso cuando el limitador recorta el voltaje dentro de los valores –B y +A. 3. 3. y en el intervalo − B < x < A) como en la Fig. 3.8(c).8(b). en el intervalo (−∞ < x < A ) como en la Fig.207 III. 3. ♣ . la nueva densidad de probabilidad aparecerá en la forma mostrada en la Fig. Sin embargo. De lo anterior se desprende que la probabilidad de observar un voltaje dado es cero en la región donde pX(x) es continuo.

y)dxdy = 1 (3. Debe cumplirse también que p XY (x . cada punto de muestra se puede describir mediante una dupla de números. +∞) y de observar Y en el mismo intervalo. o sea que ∫ ∫ ∞ ∞ −∞ −∞ p XY ( x .. se pueden obtener a partir de pXY(x. Podemos asociar entonces dos VA continuas en este espacio y hacer que la VA X sea la coordenada x.. Por ejemplo. y). FXn ( x n ) ♣ Ejemplo 3. Cada punto de muestra se describirá entonces mediante la dupla (x. En efecto. x n ) = FX1 ( x 1 ) ⋅ FX2 ( x 2 ). y) = FX (x ) ⋅ FY ( y ) y p XY ( x .Xn ( x 1 . y) ”. y) (3. consideremos el experimento aleatorio del tiro al blanco.. Por lo tanto. La posición de cada disparo es un punto aleatorio que se puede describir mediante dos números en un sistema de coordenadas apropiado. y) = P(X ≤ x... .... para n VA independientes. las densidades de probabilidad individuales pX(x) y pY(y). Cuando se trabaja con probabilidades conjuntas de dos VA X e Y. . x 2 .3. y) = Kexp[-(x + y)] ⋅ u(x) ⋅ u(y) Primero vamos a determinar el valor de K para que pXY(x.208 III. p X n ( x n ) FX1X2 .52b) y en general. Y ≤ y) = ∫∫ y x -∞ -∞ p XY ( x ' . FXY(x. evidentemente es una certitud..51) (3.. La “función de distribución conjunta de dos VA X e Y.. Los puntos de muestra de tal experimento tienen dos atributos o grados de libertad..52a) (3.. x n ) = p X1 (x 1 ) ⋅ p X 2 (x 2 ).47) La correspondiente ”función de densidad de probabilidad conjunta.49).... .6 Vamos a definir la función de densidad conjunta de dos VA X e Y en la forma p XY (x .49) El volumen total dentro de la curva de la densidad de probabilidad conjunta pXY(x. Distribuciones Conjuntas Un experimento aleatorio puede tener dos resultados.. llamadas “densidades marginales”. y)” se define en la forma F XY ( x . se demuestra [Papoulis. y) sea verdaderamente una función de densidad de probabilidad conjunta. x 2 . y) debe ser siempre la unidad. .... y que la VA Y sea la coordenada y de cada disparo. VARIABLES Y PROCESOS ALEATORIOS 3. y' )dx' dy' (3. y) = p X ( x ) ⋅ p Y ( y ) (3...50) y si las VA X e Y son independientes.. p XY (x . y)dy y p Y (y) = ∫ ∞ −∞ p XY ( x .X n ( x 1 . y) ≥ 0 para todo x e y.. p X1X 2 . entonces FXY ( x .3.48) El suceso de observar X en el intervalo (-∞. 1965] que las densidades marginales son p X (x) = ∫ ∞ −∞ p XY ( x . y)dx (3. es p XY ( x . De (3. y) = ∂2 ∂x∂y FXY ( x . . y).

∞ -∞ exp[-(x' +y' )]u(x' )u(y' )dx' dy' = ∫ exp(-x' )dx' ∫ exp(-y' )dy' x y 0 0 FXY ( x . se obtiene . y ) dx ' p Y (y) (3. se puede extender a la función de distribución y densidad de probabilidad [Lathi. de (3.47). y) = p X ( x ) ⋅ p Y ( y ) . Se puede definir la función de distribución condicional de X dada Y ≤ y en la forma FX|Y ( x| y ) = F XY ( x . que FXY ( x . 1968]. Sean dos variables aleatorias X e Y. FXY (x . y) = FX ( x ) ⋅ FY ( y ) ♣ Distribución Condicional El concepto de probabilidad condicional de un suceso A dado un suceso B. de donde K=1 y p XY (x . y ) F Y (y) para FY ( y ) ≠ 0 (3. y) = [1 . 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) Mediante diferenciación de (3.53) Si la condición es que Y = y en vez de Y ≤ y .209 III. expresión (3. puesto que las VA X e Y son independientes. y) = ∫∫ y x . por lo tanto las VA X e Y son Nótese que se cumple que independientes. 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 ).54) respecto a x. se tiene FX|Y ( x| Y = y ) = ∫ x −∞ p XY ( x ' . También.50). 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) = exp[-(x + y)] ⋅ u(x) ⋅ u(y) La función de distribución conjunta es.exp(-x)]u(x) ⋅ [1 . p Y ( y ) = exp( − y ) u (y ) y de la misma forma.13). de (3. p XY (x .exp(-y)]u(y) y las densidades de probabilidad marginales.

7 La densidad de probabilidad conjunta de dos VA X e Y viene dada por 1 1 p XY (x . De (3. y ) = ⎨1 para 1 ≤ x. F XY ( x . VARIABLES Y PROCESOS ALEATORIOS p X|Y ( x| Y = y ) = p XY ( x .50). y ) p X (x ) (3. 1 ≤ y ⎪ para x < 0.210 III.56) y en forma similar. y ) se puede escribir en una forma más compacta: FXY ( x .57b) ♣ Ejemplo 3. y ) = xy 1 1 ( x + y ) ⋅ Π( x − ) ⋅ Π( y − ) + u ( x − 1) ⋅ u (y − 1) 2 2 2 De (3. y ) = ( x + y ) ⋅ Π( x − ) ⋅ Π(y − ) 2 2 Vamos a determinar todas las funciones de distribución y densidades de probabilidad asociadas.56) obtenemos la Regla de Bayes para señales aleatorias continuas. p Y|X ( y| X = x ) = Combinando (3. y ) p Y (y) (3.55) y (3. 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 ⎪0 ⎩ FXY ( x .55) p XY ( x . 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) = ∫ 0 ∫ x 0 ( x ' + y' )dx ' dy' para 0 ≤ x ≤ 1.57a) (3. 0 ≤ y ≤ 1 ⎪2 FXY ( x . 0 ≤ y ≤ 1 Efectuando la integración obtenemos ⎧ xy ⎪ (x + y ) para 0 ≤ x ≤ 1.47). y ) = y ∫ ∫ y x −∞ −∞ (x '+ y ' ) Π(x '−1 / 2 ) Π(y '−1 / 2 ) dx ' dy ' FXY ( x .

Distribución Normal o Gaussiana Se dice que una VA X está distribuida normalmente o en forma gaussiana. p X (x) = ⎡ (x − x ) 2 ⎤ x − xo ⎤ 1⎡ o exp⎢ − ⎥ . Por considerarlo de importancia. p X|Y (x | Y = y) = De (3. La función erf(x) se define en el Apéndice D.4. 1 1 p Y ( y ) = ( y + ) ⋅ Π( y − ) 2 2 p XY (x. es decir. 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. 1968]. FX ( x ) = ⎢1 + erf ( )⎥ 2 2⎣ σ 2π 2σ 2σ ⎦ ⎣ ⎦ 1 (3.58) p X (x) = exp( − 2 ) σ 2π 2σ x 1 1 x x '2 1 También. En este caso σ se conoce con el nombre de “desviación normal”.4. VARIABLES Y PROCESOS ALEATORIOS y de la misma manera. 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. FX ( x ) = ) exp(− 2 )dx ' = + erf ( (3. en este caso. vamos a examinar algunas de estas funciones especiales y daremos. 3. En la Fig.55).1. En las distribuciones no centradas pX(x) y FX(x) están desplazadas a lo largo del eje x en una cantidad xo. mientras que σ2 en la “varianza” o valor eficaz de la VA X. si su función de densidad de probabilidad es la curva de Gauss [Korn y Korn.60) . sin demostrarlos.56). algunos de sus parámetros.211 III. 3. De (3.4.9 se muestran las formas típicas centradas de pX(x) y FX(x). 1 x2 (3.59) −∞ 2 2 2σ σ 2π 2σ ∫ donde σ es la desviación de la VA X.

10. en caso contrario. se supone que un “CERO” (0 V) fue transmitido. por definición. de acuerdo con la expresión (2. 3. Sea X la señal recibida. Se demuestra también que cualquier combinación lineal de variables aleatorias gaussianas es también gaussiana.61) La distribución gaussiana se determina completamente a partir de su valor promedio x o y la desviación estándar σ . ♣ Ejemplo 3. También. gaussiano. entonces la probabilidad de que un “UNO” transmitido sea interpretado como un “CERO” .146) es σ 2 = ηB . si el valor promedio de la señal recibida es A. El ancho de banda del canal es B. 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 . en la cual se transmite una señal de 0 ó A volts (V). la señal se contamina con ruido (que suponemos blanco.212 III. que veremos en el Capítulo V. 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. Vamos a determinar la probabilidad de error en el receptor. la densidad de probabilidad de la señal recibida será ⎡ ( x − A) 2 ⎤ 1 exp ⎢− (3. VARIABLES Y PROCESOS ALEATORIOS Estas distribuciones no centradas se muestran en la Fig. La forma más sencilla de modulación binaria es la modulación OOK. es decir. En el receptor. La varianza σ2 es la potencia promedio de ruido que.8. 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. se supone que un “UNO” (A V) fue transmitido.62) pX (x) = ⎥ 2ηB ⎦ π 2ηB ⎣ Suponiendo que toda señal recibida de amplitud mayor o igual que Vs = A / 2 es un “UNO”. o viceversa. y el algoritmo de detección establece que si la señal recibida y demodulada es igual o mayor que un cierto umbral Vs. de valor promedio cero y densidad espectral η / 2 ) . Probabilidad de Error en un Sistema de Comunicación Binario Como sabemos. Durante la transmisión.

cosa que en la práctica no es posible.819 ⎢ erf ( 2⎣ 50 2 50 2 ⎦ ♣ 3.4. FX (x) = 1⎡ 1050 − 1000 900 − 1000 ⎤ ) − erf ( ) ⎥ = 0.. ♣ Ejemplo 3.11 se muestra pX(x) y FX(x) de la distribución de Poisson. La probabilidad de error Pe será entonces.2. A⎫ 1 ⎧ Pe = P ⎨X < ⎬ = 2⎭ π 2η B ⎩ ∫ A/2 −∞ ⎡ ( x − A) 2 ⎤ exp ⎢− ⎥dx 2η B ⎦ ⎣ (3. 1. Pe = A2 1 1 ) erfc(K ) = erfc( 8ηB 2 2 (3.63) Con el cambio de variables u = forma x−A A2 . 3.213 III. 3..2. 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. 3. Determine la probabi- Si una VA X es de tipo discreto y toma valores en los puntos k = 0. VARIABLES Y PROCESOS ALEATORIOS en el receptor es simplemente la probabilidad de que la variable aleatoria X sea menor que A/2..9. (3. . 1..n y α > 0. 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. con xo = 1000 y lidad de que X esté entre 900 y 1050... en donde se considera conocidas las probabilidades de transición...n con probabilidades (ατ ) k Pk (τ ) = exp(−ατ ) para k = 0..64) Nótese que este enfoque es más realista que el enfoque tratado en el Ejemplo 3... 2.65) k! entonces se dice que la VA X tiene una “distribución de Poisson”.66) En la Fig. Distribución de Poisson α = 50 . Sea una VA X gaussiana no centrada. cuyo parámetro es la constante positiva α.62). De (3.4. con x2 = 1050 y x1 = 900. 2..

Si α τ es un número entero.68) ⎛n ⎞ n! ⎜ ⎟= ⎝ k ⎠ k !⋅ (n − k )! Fig. 2.214 III. por definición. entonces PX (τ ) es máxima para k =|α τ| . entonces PX ( τ ) tiene dos puntos máximos para k = α τ y k = α τ -1. Si ατ > 1. pero no es un número entero.3. 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. 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. 3.11. La densidad de probabilidad de la distribución binomial es una secuencia de impulsos.12. 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. entonces Pk (τ ) es máxima para k = 0.69) x 2 − x1 x 2 − x1 donde x o = ( x 2 + x1 ) / 2 .. 3.. se dice entonces que la VA X está distribuida uniformemente en el intervalo (x 1 . . 3. x 2 ) con x2 > x1 .4.12. .4.13(b).13(a). 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. 3.3. 1. 3.4. 3. Fig... Distribución Binomial Si una VA X es de tipo discreto y toma valores en los puntos k = 0. como se muestra en la Fig. Distribución Binomial donde.n con probabilidades definidas mediante la expresión ⎛n ⎞ Pk (x k ) = ⎜ ⎟ ⋅ p k ⋅ q n − k (3. Distribución de Poisson Si ατ < 1.67) ⎝k ⎠ se dice que tiene una “Distribución Binomial”.

la cual se muestra en la Fig. FX (x) = 1 1 exp(αx )u (− x) + [1 − exp(− αx)]u(x) 2 2 (3. p X (x ) = α exp(−α| x|) 2 (3.27).14(a). .4. La correspondiente función de distribución es (ver Problema 3.15(a).5.13(b).71b) En la Fig. 3. aplicando la función rampa r(x). 3. Distribución de Laplace La función de densidad de probabilidad de Laplace de una VA X es.215 III.72) donde α es el parámetro de la distribución.70) 3. 3.71a) donde α es el parámetro de la distribución.6. Distribución Uniforme 0 x1 xo x2 x1 x2 Por inspección de la Fig. FX (x ) = 1 r (x − x 1 ) − r (x − x 2 ) x 2 − x1 [ ] (3. Distribución de Cauchy La función de densidad de Cauchy es p X (x ) = α 1 2 π α + x2 (3. 3.4.14(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. Fig.13.

3.7.25).4. VARIABLES Y PROCESOS ALEATORIOS La correspondiente función de distribución es (ver Problema 3.73b) En la Fig.28) ⎡ x2 ⎤ FX (x) = ⎢1 + exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ (3. 3. 3.16(b) se muestra esta función.16(a). p X (x) = x α2 exp( − x2 2α 2 )u(x) (3. Fig. .216 III.15(b) se muestra esta función. FX (x ) = 1 1 x + arctg( ) 2 π α En la Fig. 3. Distribución de Raleigh La función de densidad de Raleigh de una VA X es. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3.73a) El valor máximo de p X ( x ) ocurre cuando x = α .

. 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 . 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..75) Sea... Fig. . 3.17(a). p X (x) = 2/ π 2 x2 x exp(− 2 )u(x) 2α α3 (3. 3.. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3. pY(y) la densidad de probabilidad de la VA Y. quisiéramos ahora determinar la función de densidad de probabilidad de una VA Y relacionada con X mediante la ecuación Y = g(X) (3.. x 2 . Esto significa que para un valor y dado.. Si. la ecuación y = g(x) tiene. 3. por ejemplo.4. entonces.17(b) se muestra esta función.217 III.74b) En la Fig. x n . FUNCIONES DE VARIABLES ALEATORIAS Muy a menudo nos interesa conocer las funciones de probabilidad de una VA después que ella ha experimentado alguna transformación.74a) El valor máximo de p X ( x ) ocurre cuando x = α 2 .29). Distribución de Maxwell La función de densidad de Maxwell de una VA X es. cuando más.5. VARIABLES Y PROCESOS ALEATORIOS 3. la función de densidad de probabilidad de una VA X es pX(x). pero con la condición de que g(x) no sea igual a una constante en ningún intervalo. Vamos a suponer que X es continua y que g(x) lo es también. El siguiente teorema [Papoulis. un número contable de raíces x 1 .8.

. VARIABLES Y PROCESOS ALEATORIOS Teorema Fundamental Para encontrar la función de densidad pY(y) para un valor dado de y.78) En muchas aplicaciones es necesario determinar la función de probabilidad conjunta de transformaciones de variables aleatorias conjuntamente distribuidas.218 III.61). 1965].. y) ⎥ ⎥ ∂y ⎦ ∂ (3. En este caso consideremos la función de densidad de probabilidad conjunta pXY(x. y) es el Jacobiano de la transformación (3. v) = (3.10 La función de densidad conjunta de dos VA X e Y es p XY (x . y) = exp[-(x + y)]u(x)u(y) y queremos determinar la función de densidad conjunta p UV (u . v) de las VA U y V viene dada por [Papoulis. y sea U y V otras dos VA relacionadas con X e Y mediante las ecuaciones U = g(X. v) de las VA U y V. y J(x.. se obtiene y el Jacobiano. se resuelve la ecuación y = g ( x ) en términos de y... Si x1 . si y = g ( x 1 ) = g ( x 2 ) =.81) La extensión de este método para más de dos VA es directa.76) (3... se resuelven simultáneamente las ecuaciones (3. x n son todas sus raíces reales . n p XY ( x i . y= 2u . y) ∂x J ( x . En forma similar al caso anterior. y) ⎢ ⎣ ∂x ⎤ g ( x . = g ( x n ) (3. 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.. x 2 . y i ) p UV ( u .. Y) y V = h(X. y) de dos VA X e Y.80) definido mediante el determinante ⎡∂ ⎢ g ( x . y) ⎥ ∂y ⎥ ∂ h ( x . Y) (3. ♣ Ejemplo 3.80) i=1 J ( x i ..77) y g ' (x ) = d dx g (x ) = dy dx n p X (x i ) i n Entonces.. es decir. La densidad de probabilidad conjunta p UV (u ...62) en términos de x e y. p Y (y) = ∑ | g' (x )| ∑ p = i =1 i =1 X (x i ) dx i dy (3.79) Se trata ahora de determinar la función de densidad conjunta p UV (u .v 3 . ⎡1 J =⎢ ⎣2 2⎤ ⎥ = [1 − 4 ] = −3 1⎦ y |J|= 3 2v − u 3 . y i ) ∑ donde x i e y i son las soluciones simultáneas o raíces de las ecuaciones (5. y) = ⎢ ∂ ⎢ h ( x .

entonces su valor promedio es X= ∫ ∞ −∞ xp X ( x ) dx = E {X} para variables aleatorias continuas (3. entonces y ≥ 0. x n con probabilidades PX ( x i ) con i = 1. .. 1 ⎡ 2v − u 2u − v ⎤ exp[ − ( x + y)]|x =( 2 v − u )/ 3.... representa una forma de promedio. . entonces 2u ≥ v ≥ u 2 u 2 ♣ 3. Consideremos una VA X que puede tomar los valores x 1 . . x n ....83) Si la VA X es continua. x 2 . lo cual quiere decir que el proceso no puede predecirse en detalle sino en base de “promedios”.219 III.. 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. se tiene: si si de donde x ≥ 0.. Definición 2v . expresión (3.1. 2.1). . Entonces. . y=(2u-v)/3 = exp ⎢ − ( + ) ⎥ = exp[ − ( u + v)] 3 3 ⎦ 3 ⎣ Suponiendo que u ≥ 0. Un proceso aleatorio se caracteriza por su “regularidad estadística”.u 3 2u . Por ejemplo. .v 3 ≥0 y v≥ u 2 ≥ 0 y 2u ≥ v La densidad de probabilidad conjunta p UV (u ... Repitamos el experimento (representado por X) N veces (N → ∞) y sea m1 . respectivamente..82) En el límite. . 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. m 2 . v) de las VA U y V será entonces ⎧1 ⎤ ⎡ 1 ⎪ exp⎢ − ( u + v )⎥ para ⎦ ⎣ 3 p UV (u .+ m n x n ) = m1 N x1 + m2 N x 2 +...+ mn N xn (3. VARIABLES Y PROCESOS ALEATORIOS También. la definición empírica de la probabilidad. m n los números de pruebas favorables a los resultados x 1 .6. cuando N → ∞... 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.6. PROMEDIOS ESTADISTICOS 3.. ... la relación m i / N tiende a PX(xi) de acuerdo con la definición empírica de la probabilidad.n. x 2 .

podemos ver que si g ( X) = g 1 (X) + g 2 ( X) +.86) Generalizando.. el cual establece que si Z = g(X.220 III.. 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.+ g n (X) .. entonces. E {Y} = E{g (X)} = ∑ g(x )p i i =1 n X (x i ) (3. VARIABLES Y PROCESOS ALEATORIOS El valor promedio de una VA X se conoce también con los nombres de “valor esperado”. por (3.. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ g ( x . pues E {b} = b E {g(X)} = E{g 1 ( X)} + jE {g 2 (X)} Z = g(X. entonces E{Y} = E{g (X)} = ∫ ∞ −∞ yp Y (y )dy = ∫ ∞ −∞ g ( x ) p X (x )dx (3. 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. 1965] que si Y = g(X). 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.Y). entonces (3. y)dxdy (3.6.85) Si la VA X es de tipo discreto.88) Si g ( X) = g 1 ( x ) + jg 2 ( X).. 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..+ 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.. Y = E {Y} = ∫ ∞ −∞ yp Y ( y ) dy Se demuestra [Papoulis.2. En particular.89) y para variables aleatorias discretas ... 3.. E {aX + b} = aE {X} + b. 1968]. y lo representaremos indistintamente con la notación X o E {X} .. Es decir..87) E{g 1 ( X) + g 2 ( X) +..Y). y) utilizando el “teorema de la esperanza” o “teorema del valor esperado” [Lathi.+ g n (X)} = E {g 1 (X)} + E {g 2 ( X)}+. y)p XY ( x . “esperanza matemática” o “promedio estadístico”.

. si Z = g (x 1 . .221 III. yj) (3. E Xn = E Xn = { } ∑ x n p X (x i ) i si la VA X es discreta si la VA X es continua (3. el segundo momento será E X2 = { } ∫−∞ x 2 p X (x)dx ∞ (3. Para n = 2. E{Z} = E {g 1 ( X1 ) ⋅ g 2 ( X 2 ) ⋅ ⋅ ⋅ ⋅g n ( X n )} Como X1 .. Momentos El momento n-ésimo de una VA X se define como el valor esperado de la potencia n-ésima de X. y )P i j i j XY ( x i .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 .. 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.3.. .. X 2 . ∫ ∞ −∞ g ( x 1 .. por definición.. caso continuo.90) Generalizando. x n )p X1X2 . VARIABLES Y PROCESOS ALEATORIOS E{Z} = ∑∑g (x .... dx n (3. 3.91) Si algunas de las n variables son discretas. x 2 . Asimismo....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.. 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.. x 2 .... Entonces. se tiene que E{Z} = E {X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n } = E {X 1 } ⋅ E{X 2 } ⋅ ⋅ ⋅ ⋅E {X n } (3. X n son estadísticamente independientes.. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ ....6.95) { } ∫−∞ x n p X (x)dx i ∞ Nótese que el primer momento (n = 1) es igual al valor esperado de la VA X.94) (3. x n ) dx 1dx 2 ...Xn ( x 1 .. se verifica que E{Z} = E {g 1 ( X1 )} ⋅ E{g 2 (X 2 )} ⋅ ⋅ ⋅ ⋅E {g n ( X n )} (3... x n ) . . la expresión (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.96) Las dos primeros momentos se conocen con el nombre de “momentos de primer orden”...

En la práctica se presenta con mucha frecuencia el problema de la determinación del valor promedio cuadrático de una suma de variables aleatorias. 11.222 III. Sea una variable aleatoria gaussiana. 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. ♣ Ejemplo 3. por ejemplo. Por lo tanto. podemos decir que E {X} es el valor promedio de la VA X. su valor es cero. 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.97) } { } { } (3. 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 }. como veremos a continuación. 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. De (3. 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. de (3. para n = 1. su densidad de probabilidad es. y como la integración se hace para todo t.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. Momentos de una variable aleatoria gaussiana. mientras que E X 2 es la potencia promedio.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. E{X} = 0 . Demostrar que (a) E{X} = 0. Más adelante relacionaremos estos parámetros con la componente continua y la potencia promedio de una señal x(t). la suma X = S + N. entonces E (S + N ) 2 = E S 2 + E N 2 { { } { } { } { } (3. Var{X}=σ 2 Solución Como la VA X es gaussiana. E{X 2 } = σ 2 + x o . 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.95). En términos prácticos. Sea.

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 .95) y como la VA X está centrada. 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.96). La raíz cuadrada positiva de la varianza. X por definición. 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 (3.100) (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.223 III.100). y se representa usualmente con la notación σ2 . E{X 2 } = Integrando. Entonces. 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. ∞ De (3. Var{X} = Resolviendo la integral. se conoce con el nombre de “desviación estándar” o “desviación típica”. Desarrollando (3. VARIABLES Y PROCESOS ALEATORIOS ∞ ∞ De (3.96).100). y se define en la forma E (X − X ) n = { Nótese que el primer momento central (n = 1) es E{X − X} = 0 . −∞ ∫ x 2 p X (x)dx = 1 σ 2π −∞ ∫ x 2 exp(− x2 )dx 2σ 2 E{X 2 } = σ 2 (b) De (3.99) { } ∫−∞ (x − X ) 2 p X (x)dx ∞ si la VA X es continua (3. . es decir σX .

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 efecto. entonces la función de autocorrelación y la densidad espectral de potencia se pueden determinar a partir de una señal de muestra x(t). t 2 ) = R XX ( t 2 − t 1 ) = R XX (τ ) = E{X(t ) ⋅ X(t + τ )} (5.235 III. VARIABLES Y PROCESOS ALEATORIOS ρ X1X2 = R XX ( t 1 . es decir. | t 2 − t 1 | = τ . t 2 ) − E{X( t 1 )} ⋅ E{X( t 2 )} Var[ X( t 1 )] ⋅ Var[ X( t 2 )] (3. R XX (τ ) = E {X( t ) ⋅ X(t + τ )} =< x ( t ) ⋅ x ( t + τ ) >= R x (τ ) donde R x (τ ) = lim T →∞ (3. En este caso. la transformada de Fourier de una señal de muestra puede no existir.143a) Si además el proceso es ergódico. y entonces hay que buscar otra forma para la representación en el dominio de la frecuencia de un proceso aleatorio. por definición. Podemos decir entonces que las relaciones para las señales determinísticas son casos particulares de las relaciones desarrolladas para procesos aleatorios débilmente estacionarios o ergódicos. es posible definir una magnitud denominada “densidad espectral de potencia” como la transformada de Fourier de la función de autocorrelación.119).143b) (3.142) El término “autocorrelación” ya lo utilizamos en los Capítulos I y II.144) es igual a la expresión (1.146) Si 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 ) ]. Si el proceso X(t) es estacionario. R XX ( t 1 . Desafortunadamente.145a) (3. es decir. 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 .145b) La expresión (3. x( t + τ)} = R x ( τ) − [< x( t ) >]2 y ρx = Cov{x( t ). x( t + τ)} Var {x( t )} (3. de aquí la razón de la notación R x (τ ) que utilizamos en los Capítulos I y II para señales determinísticas. R XX (τ ) = R x (τ ) =< x (t ) ⋅ x (t + τ ) > S x (f ) = y S X ( f ) = S x (f ) .144) ∫ T 1 T/ 2 − T/ 2 x ( t ) ⋅ x (t + τ )dt Asimismo. se puede extender este concepto a los procesos estocásticos. 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. Densidad Espectral de Potencia En relación con la densidad espectral de potencia. más adelante justificaremos el uso de ese término. Para la clase restringida de procesos aleatorios débilmente estacionarios. de donde ∫ ∞ −∞ R x (τ ) exp(− j2πfτ )dτ ⇔ R x (τ ) = ∫ ∞ −∞ S x (f ) exp( j2πτf )df (3. en un proceso ergódico se verifica que Cov{x( t ). Entonces.147) .

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 ) .19(a) se ilustra una señal de muestra de este proceso.M. El lector interesado en profundizar este tema puede consultar la bibliografía especializada. 1958. En la Fig. 1990].2 y 2.11.1): 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 . normalizada para una resistencia de 1 Ohm. en el caso de señales aleatorias las relaciones entrada/salida son (ver Secciones 1... (c) SX (f ) = SX ( −f ) = Sx (f ) = S x ( −f ) . Parzen. es igual al área de su función de autocorrelación..9. en el cual las señales de muestra tienen amplitudes discretas con m valores de amplitud de probabilidad Pi. en especial su función de autocorrelación y su densidad espectral de potencia.8. etc.19(b) se tiene una señal de muestra de este tipo de proceso. (b) SX (f ) = Sx (f ) ≥ 0 . Estos métodos son de gran importancia en la Teoría Estadística de la Comunicación y en el Análisis Espectral de Procesos Estocásticos.236 III. la densidad espectral es siempre positiva (o no negativa). . particularmente [Papoulis. es la potencia promedio de la señal x(t). VARIABLES Y PROCESOS ALEATORIOS resultado ya obtenido en forma determinística en el Capítulo I.2 y 2. señal que vamos a denominar ”secuencia aleatoria binaria”. 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. que corresponde al Teorema de Wiener-Kintchine. 3. En la Fig. Davenport y Root.. 3. PROCESOS ALEATORIOS DISCRETOS 3. 2. el valor de la densidad espectral en el origen (f = 0).11. expresión (1.132). procesamiento y transmisión de señales digitales es el “Proceso Aleatorio Discreto M-ario”. 3. Secuencias Aleatorias Discretas Un proceso aleatorio de mucha importancia en el análisis. la densidad espectral es una función par de f.. (e) En un sistema lineal invariante en el tiempo (SLIT) de respuesta impulsional h(t) y función de transferencia H(f).9.1. Couch. 1968. para la transmisión de señales a través de sistemas lineales se aplican también para procesos ergódicos. Si las señales de muestra sólo toman dos valores de amplitud o estados que se suceden a intervalos Tb con probabilidades P1 y P2 . 1962. con i = 1. 1965. 3. Lathi.8. las cuales tienen las siguientes características: (a) E{X 2 } =< x 2 ( t ) >= R x (0) = ∫ ∞ −∞ Sx (f )df . se dice que éste es un “Proceso Aleatorio Binario”.1.

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. 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 . Si consideramos que A n es un proceso débilmente estacionario.150) Nótese que la expresión (3. Las secuencias de impulsos transmitidos en banda de base en los sistemas de comunicación digital. Se trata entonces de determinar la densidad espectral de X(t). . que para simplificar la escribiremos en la forma R X ( t 1 .237 III. El valor I es el número de productos (a n ⋅ a n + k ) posibles. 3. se pueden modelar entonces mediante la expresión X( t ) = n =−∞ ∑A p(t − nT ) n b ∞ (3. entonces E{A n } = η a E{A n ⋅ A n + k } = E{A n ⋅ A m } donde m = n + k. 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) es la función de autocorrelación de la secuencia de estados An. y que es independiente de p(t). [Lathi.152) La función de autocorrelación de X(t). t 2 ) es. respectivamente.148) donde p(t) es el perfil del impulso. de (3. o también k = |m . 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 (3.19.151) 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 .149) (3.n| (3. Secuencias de Muestra de Procesos Aleatorios Discretos.140). entonces. 1968].

t 2 ) (3. 3.20. En efecto.154) y (3. Tb).154) (3. 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 . la secuencia X( t ) = x(t) A n =−∞ ∑A ∞ T n ⋅ p ( t − nTb − T) (3.155) 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. vemos que X(t) es un proceso cicloestacionario. independiente de A n y cuya densidad de probabilidad es p T (T ) = 1 T − Tb / 2 Π( ) Tb Tb -A Fig. X(t) no es estacionario y su densidad espectral de potencia no se podrá definir mediante la expresión (3. por lo tanto.153) Cuando comparamos las expresiones (3. entonces podemos escribir R X (t 1 .146). 1975]: (a) E{Y( t 1 + T)} = E{Y( t 1 )} (b) R Y ( t 1 + T . t 2 ) dependen del origen del tiempo. Se dice que un proceso Y(t) es “cicloestacionario” o “periódicamente estacionario” si él satisface las siguientes condiciones [Franks. Secuencia Aleatoria Binaria con Retardo T (3. 3.20. Hay que buscar alguna otra forma para determinar la densidad espectral de potencia de estos procesos. 3. Consideremos ahora los procesos “cicloestacionarios”. Fig. como se muestra en la Fig. 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.153). Consideremos entonces. donde m = n + k.152) y (3.238 III.156) Tb 0 t donde T es una variable aleatoria distribuida uniformemente en el intervalo (0. VARIABLES Y PROCESOS ALEATORIOS ∞ ⎧ ∞ ⎫ ⎪ ⎪ ⎨ R X ( t 1 .20. t 2 ) = k =−∞ ∑ ∞ E{A n ⋅ A n + k } ⋅ Puede observarse que tanto E{X( t )} como R X (t 1 . t 2 + T) = R Y ( t 1 .155) n =−∞ ∑ p(t ∞ 1 − nTb ) ⋅ p[t 2 − (n + k ) Tb ] (3.157) . 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 } .

la función de autocorrelación de X(t) resulta en R X (t 1 . 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. ∞ ⎧ ∞ ⎫ ⎪ ⎪ R X ( t 1 . 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 .159) . 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. − 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 (3.239 III. Veamos ahora la función de autocorrelación. t 2 ) = R X (τ ) = 1 Tb k =−∞ ∑ E{A n A n+ k } ⋅ R p (τ − kTb ) (3. Finalmente. 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 . obtenemos E{p( t − nTb − T )} = pero podemos hacer Entonces.

de acuerdo con la expresión (3.104). t 2 ) = R X (τ ) .164) ∑ Pero del dual de la expresión (1. 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 .163) La expresión (3. 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. ∞ ∞ 1 n exp(− j2πkTb f ) = δ(f − ) . VARIABLES Y PROCESOS ALEATORIOS donde R p ( τ ) es la integral de correlación de p(t). entonces.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. 146).146). para k = 0. Tb Tb n=−∞ k =−∞ ∑ ∑ ⎡ η2 ⎢ σ2 + a S X (f ) = | P (f )| a Tb Tb ⎢ ⎣ 1 2 n ⎤ δ(f − )⎥ Tb ⎥ ⎦ n =−∞ ∑ ∞ (3. entonces el proceso X(t) es por lo menos débilmente estacionario y su densidad espectral podrá determinarse mediante la expresión (3. Nótese que ahora la función de autocorrelación depende solamente de la diferencia τ = t 2 − t 1. 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.159) para darle una forma cuya transformada de Fourier se pueda determinar con facilidad.160) { } y para k ≠ 0.240 III. Para determinar la densidad espectral de X(t) vamos a simplificar la expresión (5. (3. En efecto. a (3. P(f) = {p(t )} (3.165) . E{A n A n } = E A n = σa + η 2 a varianza σ2 .162) nos permite determinar la densidad espectral de X(t).161) La expresión (3. Entonces. Puesto que E{X( t )} es constante y R X ( t 1 .

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.

33 se muestra un generador PN de longitud máxima de cuatro etapas. para un total de N = 2 r − 1 “chips”. aunque no todas las combinaciones de “tomas” producen la máxima longitud.0 no se utiliza como estado inicial porque produciría una salida de puros CEROS. 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. en los registros prácticos se hace a 1 = a 2 = ⋅⋅⋅ = a r = 1 . ar = 1 (3. es fácil determinar el número de CEROS y UNOS de la secuencia recurrente.. 3.32..33. denominados “tomas” o “taps”. En general.252 III. Esta expresión determina la máxima longitud posible de la secuencia. 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. 1980]. el estado 0 0 0 0. 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. La secuencia en C n satisface la ecuación de recurrencia Cn = ∑a k =1 r k ⋅ C n− k Módulo 2.187) Normalmente el registro se inicializa con el estado inicial 0 0 0 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. mostrado en la Fig. el estado 0 0 0 .186) El ciclo periódico de los estados depende del estado inicial del registro y de los coeficientes a k . En la Fig.. 3. 3. de hecho.0 es una combinación prohibida. la secuencia recurrente a la salida Q4 será (la flecha indica el sentido del flujo de dígitos): 001101011110001 (3. y a cada impulso de reloj a la salida van apareciendo los “chips” que forman la secuencia... 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.

2. 1>. respectivamente.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. 3.189) (3.187). ellas exhiben ciertas regularidades que se pueden describir en términos probabilísticos o como promedios estadísticos. Sea entonces r el número de etapas del registro. N ( 0) = 8 − 1 = 7 CEROS. En particular. N (1) Por ejemplo. Estos modelos. El proceso aleatorio se puede utilizar para estimar. 3. contenidos en la secuencia recurrente. la probabilidad de que la amplitud de una señal aleatoria esté dentro de cierto rango en un determinado instante. se denominan “proceso aleatorio o estocástico”. Para más información sobre las secuencias aleatorias y sus aplicaciones en los sistemas de espectro disperso. que junto con el Registro <7. Otros registros de aplicación práctica son el Registro <13. Entonces. Las señales aleatorias no pueden ser descritas mediante expresiones explícitas del tiempo. La convención establecida para representar los registros de longitud máxima tiene la forma Registro < r. cuando se examinan durante un largo período.188) (3.27. sin embargo.33. junto con la “toma” r.1= 15 “chips”. ki >. son utilizados en el Servicio de Radioaficionados. por ejemplo. el Registro < 7. Generador PN de Longitud Máxima de 4 Etapas. 3. N el número de dígitos o “chips” de la secuencia recurrente y N ( 0) y N (1) los números de CEROS y UNOS. 3. . = 2 3 = 8 UNOS. Número de “chips” de la secuencia = N = 2 r − 1 Número de UNOS en la secuencia = N (1) = 2r = 2 r −1 2 (3. 4. 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. De acuerdo con esta convención. 5. para el generador PN de la Fig. el proceso aleatorio se puede emplear para desarrollar descripciones de señales aleatorias en el dominio de la frecuencia.10 RESUMEN En este capítulo se han desarrollado algunos modelos para las señales mensaje de carácter aleatorio presentes en los sistemas de comunicación. 3. N = 24 . se tiene: r = 4. la entrada a la primera etapa. en la forma de una descripción probabilística de un conjunto de señales del tiempo. VARIABLES Y PROCESOS ALEATORIOS Reloj 1 Q1 0 2 Q2 0 3 Q3 0 4 Q4 1 Salida 001101011110001 Fig.1>. El lector puede verificar que estos valores se cumplen en la secuencia recurrente (3. el generador mostrado en la Fig.253 III. 1 >. 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. 1> y el Registro <19. cuya secuencia de salida tiene la forma de la Fig.33. edición de 1991. Por ejemplo. el lector puede consultar el ARRL SPREAD SPECTRUM SOURCEBOOK.33 es entonces un Registro < 4.

Demuestre que P(A + B + C) = P(A) + P(B) +P(C) -P(AB) -P(AC) -P(BC) + P(A B C) 3. De gran importancia en el análisis de sistemas digitales son los procesos aleatorios discretos. 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. 8 y 10 transistores. La teoría de la probabilidad trata la noción de probabilidad de sucesos aleatorios y el concepto de variable aleatoria. Todas las señales PCM y los diferentes códigos de transmisión digital son secuencias aleatorias binarias. y todas las estadísticas del proceso se pueden determinar a partir de una simple señal de muestra. . (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. y en particular las secuencias aleatorias binarias. La dispersión del espectro se produce cuando una secuencia binaria portadora de información modula una secuencia seudoaleatoria. el cual tiene la propiedad de que los promedios conjunto son iguales a los promedios tiempo.000 receptores distribuidos en la forma siguiente. que son secuencias infinitas formadas por una subsecuencia aleatoria de duración T que se repite periódicamente. 3. Una subclase especial de los procesos estacionarios es el llamado proceso ergódico. Para complementar el tema. En los modernos sistemas de comunicación se está aplicando el concepto de dispersión del espectro. y es muy importante conocer sus estadísticas. negro y verde. 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. Si el valor promedio y la función de autocorrelación de un proceso son invariantes en el tiempo. El proceso aleatorio se ha definido en términos de sus estadísticas que son simplemente relaciones de probabilidad o promedios estadísticos.3.2. 3.4. 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. Sea una secuencia binaria de 1428 UNOS y 2668 CEROS. PROBLEMAS DE APLICACION 3. Los promedios estadísticos de más utilización son el valor promedio y la función de autocorrelación. se presenta una breve exposición sobre la generación y aplicación de las secuencias binarias seudoaleatorias. (a) Demuestre que la probabilidad de obtener 8 puntos es de 5/36. como consecuencia. 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. En el Capítulo V se aplican estas nociones en algunos sistemas de transmisión digital. Estos receptores vienen en gabinetes de color marfil.1. entonces se dice que el proceso es estacionario en el sentido amplio. El experimento es el lanzamiento de dos dados. en especial su función de autocorrelación y su densidad espectral de potencia. 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. Para este tipo de señal se determina la función de autocorrelación y la densidad espectral de potencia. Estas secuencias se tratan con cierto detalle. 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. En la dispersión del espectro juegan un papel muy importante las denominadas secuencias seudoaleatorias. Una compañía construye receptores de radio de 6.3486.254 III. En el depósito de la compañía hay 10.

1625. de los cuales el 5% está defectuoso. El experimento es el lanzamiento de cinco monedas.10. De esta caja se sacan 3 bolas. De esta caja se sacan 4 bolas.7.Verifique si las siguientes funciones satisfacen las condiciones para ser una función de densidad de probabilidad. A A 1 x−8 (8 − x )Π ( ) 6 8 3.255 III. VARIABLES Y PROCESOS ALEATORIOS No. Demuestre que la probabilidad de que estas bolas sean todas blancas es de 3/34. Demuestre que la probabilidad de sacar 1 bola blanca y 2 rojas es de 12/35. π 1+ x 2 x (b) p X (x ) = | x| Π ( ) . 3. Una segunda caja C2 contiene 500 transistores.14 P{tomar un radio verde de 10 transistores} = 0 P{tomar un radio negro de 6 transistores} = 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.8 Una caja C1 contiene 2000 transistores. Una caja contiene 10 bolas blancas. Se tiene también otras dos cajas C3 y C4 con 1000 transistores cada una y con un 10% defectuoso. Sea la función de densidad de probabilidad p X (x) = (a) Demuestre que la probabilidad P( − A A < X ≤ ) = 0. En el Problema anterior se examina el transistor y vemos que está defectuoso.4375 .11. Demuestre que la probabilidad de que fue sacado de la caja C2 es de 0. Una caja contiene 2 bolas blancas.9.3 P{tomar un radio de 10 transistores} = 0.3 3.6. 4 4 (b) Determine y dibuje la correspondiente función de distribución FX (x). Demuestre las siguientes probabilidades: P{aparecen tres caras} = 5/16 P{aparece una sola cara} = 5/32 P{aparecen cinco caras} = 1/32 3. . 4 negras y 3 rojas. 3.5.615. 1 negra y 4 rojas. Demuestre que la probabilidad de que este transistor esté defectuoso es de 0. Se selecciona al azar una de las 4 cajas y se saca un transistor. (a) p X (x) = 1 1 ( ). 3. Demuestre las siguientes probabilidades: P{tomar un receptor verde} = 0. 3. 2 (c) p X (x ) = 1 x Λ( ) . de los cuales el 40% está defectuoso.

x 3. Si la densidad de probabilidad de X es gaussiana. Sea la función de densidad de probabilidad pX (x) = K exp(-αx)u(x). 2) = 1/12 3. 3.12. 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). La densidad de probabilidad de una VA X es p X ( x ) = Demuestre que E{X} = 1 . 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 ) } 3.18.5.256 III. Demuestre que la probabilidad de que el valor de la resistencia esté entre 950 y 1050 Ohm es de 0. 1 x −1 Λ( ).952 3. (a) Demuestre que P(X ≤ 1) = 1. E{X2 } = 5/3 .20. 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.exp(-2z)] u(z). Se saca una resistencia de la caja. de valor promedio cero y varianza σ2 .106) deduzca FX (x) a partir de pX (x). 2 2 σ 2 = 2 / 3. 3.19. donde la VA X es gaussiana de valor promedio E{X} = m y varianza σ2 . (a) Demuestre que K = α. 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. Sea una función de densidad conjunta de dos VA X e Y de la forma p XY (x . 3. demuestre que la densidad de probabilidad a la salida del sistema es . 3.exp(-αx)]u(x). Demuestre que pZ (z) = 2[exp(-z) . 3.13. En la expresión (3.17. Demuestre las expresiones (3. Sea una VA X cuya distribución es gaussiana de valor promedio E{X} = 5 y σ = 0. (b) Demuestre que la correspondiente función de distribución es FX (x) = [1 .21.6. VARIABLES Y PROCESOS ALEATORIOS 3. 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). donde K y α son dos constantes positivas.3084 x 10-11 (b) Demuestre que P(X ≤ 6) = 0.15.14. R es entonces una VA con distribución uniforme entre 900 y 1100 Ohm.105). Sea Y = X2 .16.

) es la función rampa. 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 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. 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. d). 20). En el caso de un detector cuadrático la entrada X y la salida Y están relacionadas mediante la expresión Y = aX2 con a > 0. de valor promedio cero y varianza σ2 . ⎡ ⎤ 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.. .23. En el caso de un rectificador de onda completa la entrada X y la salida Y están relacionadas mediante la ecuación Y = |X|. VARIABLES Y PROCESOS ALEATORIOS p Y (y) = y 1 1 δ (y) + exp(− )u(y) 2 2σ 2πy 2σ 2 3.257 III. donde c > 0.22. demuestre que p Y ( y) = 1 y − 15 1 Π( ) y FY ( y) = [ r ( y − 10) − r ( y − 20)] 10 10 10 donde r(. (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.

Una VA X está distribuida según la distribución de Cauchy. donde a y b son dos constantes.5.27. ax 2 + b) .25. 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. es decir. 3. α ) es igual a 0. x2). 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. pero con parámetro |a|/α.258 III. 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.26. 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. donde K p X (x ) = 2 . (a) Si pX(x) y Fx(x) son las funciones de probabilidad de X. Sea una VA X y sea el proceso lineal Y = aX + b. α + x2 1 α (a) Demuestre que K = α/π . VARIABLES Y PROCESOS ALEATORIOS 3. Una VA X está distribuida en forma laplaciana. donde a es una constante. 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. ∫ (b) Si la VA X está distribuida según Cauchy.24. 3. FX (x ) = E{X2 } = 2/α2. 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. Sea una VA X y un proceso hiperbólico de la forma Y = a . su densidad de probabilidad tiene la forma p X (x ) = K exp(−α | x| ) . (b) Demuestre que (c) Demuestre que (c) Demuestre que K = α/2 E{X} = 0.

Una VA X sigue la distribución de Maxwell. . Fig. Fig. (a) Una secuencia aleatoria unipolar RZ de amplitud A. Fig.259 III. VARIABLES Y PROCESOS ALEATORIOS 3.2. Se tiene una distribución de la forma f (x) = Kx exp(− x2 )u(x) 2α 2 1 . 3. (e) En un solo gráfico dibuje las cuatro densidades espectrales anteriores y compare sus anchos de banda. 3. Siguiendo el procedimiento mostrado en la Sección 3. La α2 (a) Demuestre que si f(x) es una distribución de Raleigh. 3.23(a) (c) Una secuencia aleatoria bipolar AMI RZ de amplitudes ± A .30.22(a) (b) Una secuencia aleatoria bipolar NRZ de amplitudes ± A . E{X 2 } = 2α 2 . 3. σ = 2α 2 ⎡ x2 ⎤ (c) Demuestre que FX (x) = ⎢1 − exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ 3.29. 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 .25(a).24(a) (d) Una secuencia aleatoria bipolar MANCHESTER de amplitudes ± A . Fig. No dibuje impulsos. 42759 . 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} = 0.9. determine la función de autocorrelación y la densidad espectral de las siguientes secuencias aleatorias. 3.28.

VARIABLES Y PROCESOS ALEATORIOS .260 III.

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

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

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

Consideremos un suceso A cualquiera. los canales telefónicos son canales limitados en ancho de banda. 1949]. dio origen a la Teoría de la Información. La ignorancia en cuanto al suceso es simplemente la incertidumbre que se tiene acerca de él. sólo aquello que ignoramos nos aporta alguna información al conocerlo. Todos tenemos un concepto más o menos intuitivo de lo que es información.1) Por otro lado. CONCEPTO Y MEDIDA DE LA INFORMACION Hemos dicho que el propósito de un sistema de comunicación es el de transmitir información. Los sistemas de modulación que estudiaremos más adelante utilizan esos recursos en forma más o menos eficiente. y algunos de los conceptos fundamentales los veremos a continuación. Cuanto mayor sea la probabilidad de ocurrencia del suceso.2) . PRINCIPIOS DE LA TRANSMISION DE INFORMACION puede considerarse más importante o más escaso que otro. 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. y viceversa. por lo tanto. Este trabajo. 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. Por ejemplo. podemos decir que Cantidad de Incertidumbre = Cantidad de Información (4.1) que U(A) = I(A) = f(PA) (4. clasificar los canales como “limitados en potencia” o “limitados en ancho de banda”. Claude Shannon propuso algunas definiciones básicas acerca de la información y la velocidad de transmisión a la cual se puede transmitir sin error [Shannon.3.264 IV. podemos decir que la incertidumbre acerca del suceso A es función de la probabilidad de que dicho suceso ocurra. Cuanto menos se sepa de un suceso mayor será. Sin embargo. Al realizarse el suceso. Este intercambio “Ancho de BandaPotencia” lo estudiaremos con más detalle posteriormente. En consecuencia. En 1949. ciertos aspectos significativos de la teoría han sido aplicados exitosamente en sistemas prácticos. no se ha especificado lo que realmente significa el término “información” y mucho menos cómo se puede cuantificar. 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. Esta es la esencia intuitiva de la información. la incertidumbre se convierte en certeza y hemos obtenido un conocimiento o recibido una información. Lo que sí sabemos es que lo que ya conocemos no nos proporciona ningún nuevo conocimiento. la magnitud de la incertidumbre depende del grado de probabilidad de ocurrencia del suceso A. más otros desarrollos afines. mientras que un canal de microondas lo es en potencia. se puede aumentar el ancho de banda pero a expensas de una reducción en la potencia. Por consiguiente. veremos que el ancho de banda y la potencia de transmisión se pueden intercambiar. 4. es decir. dependiendo de la aplicación. digamos. Esta es una disciplina altamente matemática y con aspectos que todavía no han sido instrumentados en la práctica. nuestra sorpresa al conocer la realización del mismo. Se puede. Sin embargo. menor será nuestra incertidumbre. En efecto.

10) En particular. debe verificarse que f (PA ) > f (PB ) para PA < PB (4. b = e si la función se va a diferenciar o integrar. respectivamente. Si fuera necesaria otra base (por ejemplo.265 IV. para b = 10. La unidad de información se denomina entonces “bit” (contracción inglesa de “binary digit”) y fue propuesta por J. en bits.6) Hartley demostró [Hartley. es una función de la probabilidad de ocurrencia de ese suceso.7) La unidades o dimensiones de la cantidad de información dependen de la base del logaritmo. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En este sentido. la información asociada con el conocimiento de que un suceso dado ha ocurrido. la información se puede mantener expresada en bits mediante la fórmula log 2 N = 1 log b N log b 2 (4. Tukey en 1946. . W.3) a (4. de donde f (PA ) ≥ 0 donde 1 (4. en cuyo caso b = 2. Una condición esencial que la relación funcional f(PA) debe satisfacer. o b = 10 para cálculos numéricos).6) es una función logarítmica de la forma f (PA ) = log b 1 = − log b PA PA (4. La solución más sencilla es aquella cuando se selecciona uno de dos mensajes o símbolos. pero la información o incertidumbre será 0. Por lo tanto. En efecto. es la aditividad.4) La probabilidad de un suceso cierto es 1. de modo que podemos escribir PA →1 lim f ( PA ) = 0 (4. La relación funcional f(PA) se puede elegir dentro de una clase bastante grande de funciones.322 log10 N (4. 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. 1928] que la única relación funcional que satisface las condiciones (4. si la probabilidad de un suceso A es menor que la probabilidad de un suceso B. f (PA ) = f (PB ) + f (PC ) 0 ≤ PA ≤ (4. Se trata entonces de hallar la relación funcional f(PA).8) I(A) es la cantidad de información. asociada con un suceso A cuya probabilidad de ocurrencia es PA. entonces Si A = BC.5) Por último. I(A) = log 2 1 = − log 2 PA bits PA (4.3) La información es una magnitud positiva. la información es una medida de la incertidumbre.9) log2 N ≈ 3. Por consiguiente. pero solamente algunas son de interés práctico en las aplicaciones.

. De la definición de la probabilidad. La velocidad a la cual una fuente produce la información. P2 . i ≠ j. y si el tercer mensaje se usara solamente una vez a la semana. la información asociada es Ij = log2(1/Pj) bits. entonces la cantidad de información asociada con los mensajes sería más cercana a log2 2 bits que a log2 3 bits. x2. 2.8) es inadecuada excepto en las circunstancias más simples. no tiene nada que ver con el significado o sentido inherente en un mensaje.. debe cumplirse que ∑P n =1 N n =1 (4. entre los cuales se tiene: 1. B y C posibles. PN}. Consideremos una fuente discreta que produce N símbolos o mensajes {x1. La codificación de los mensajes para optimizar los tres aspectos anteriores. 3. x3.. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la “información”.8) ha sido obtenida para un solo mensaje y no es apropiada para describir una fuente que produce un conjunto de diferentes mensajes.. la cantidad de información definida en (4. . es mejor describir la fuente en términos de la “información promedio” producida.266 IV.. En esta secuencia... P3. Por consiguiente. P2.. que se puede medir y ser tratado matemáticamente en la misma forma como lo son la masa.8). es entonces un conjunto de N variables aleatorias. la energía o cualquiera otra cantidad física. Desde un punto de vista probabilístico. La caracterización matemática de un sistema de comunicación generalizado ha producido un cierto número de aspectos importantes. donde Pi ≠ Pj . x2. x3. Supongamos que se transmite una larga secuencia de L mensajes o símbolos.1. el conjunto discreto de N símbolos o mensajes producidos por la fuente se puede considerar como un proceso aleatorio discreto. 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. cuando se transmite un mensaje cualquiera x j .4. si los dos primeros fueran utilizados en promedio 10 veces por hora... donde L >> 1.. el símbolo j-ésimo ocurrirá aproximadamente LPj veces y la información asociada será LPjIj bits. en el sentido de la teoría de la información. La capacidad de un canal para manejar o transportar esa información 4. En este contexto.. Estos aspectos los trataremos brevemente en el presente capítulo.11) De acuerdo con la ecuación (4.. xN} distintos e independientes.. CARACTERIZACION DE LA INFORMACION 4. cada una de las cuales toma valores en el conjunto {x1. Es mas bien un grado de orden. PN}. La información promedio contenida en un mensaje dado. 4. Es decir. cuando el flujo instantáneo de información producido por una fuente es aleatorio. aproximadamente. sean tres mensajes A.12) . . Por ejemplo...xN} con probabilidades {P1 .. con probabilidades de ocurrencia correspondientes {P1.4. La información total contenida en la secuencia será. o de no aleatoriedad...... el “número efectivo” de mensajes disponible es más cercano a 2 que a 3. . Entropía La cantidad de información definida en la ecuación (4. LPN I N = L ∑ Pj log 2 P1j bits j=1 N (4. I t = LP1 I 1 + LP2 I 2 + LP3 I 3 +.

.2. 4. 0.5.25.5 log 2 2 + 0. En efecto. Por consiguiente. B. esto es. de (4..13) Esta es la “Entropía de la Fuente”. H= It = L ∑Pj log 2 P1j j=1 N bits/símbolo (4. será entonces la información total de la secuencia dividida por el número de símbolos de la misma. 0 ≤ H ≤ HMAX = log2 N (4. la deducción rigurosa. en bits por símbolo (bits/símb). 0. Se puede demostrar [Ziemer y otros .75 bits/símbolo Si los símbolos fueran equiprobables. C y D cuyas probabilidades son. ♣ Ejemplo 4.2.125. La entropía de la fuente. En este caso.2 se grafica H vs p Nótese que si p = ½. 0.1. 1949]. 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.14) En consecuencia. se puede encontrar en la Bibliografía [Shannon. o información promedio asociada con la fuente. hasta cierto punto. es decir. ♣ ♣ Ejemplo 1. Nótese que cuando los símbolos o mensajes son equiprobables. la entropía está acotada por log2 N (4. 1 1 H = p log 2 ( ) + (1 − p) log 2 ( ) p 1− p En la Fig. empírica. o LH bits en una secuencia de L mensajes. la información promedio asociada con la fuente es máxima. entonces H = 1 bit. Las probabilidades de los símbolos son p y (1 − p) . respectivamente. PRINCIPIOS DE LA TRANSMISION DE INFORMACION La información promedio. 1976] que H es máxima cuando las probabilidades de ocurrencia de los símbolos son iguales. = PN = 1/N..13) que hemos presentado es. Una fuente produce cuatro símbolos A. si p = ¼. La deducción de la ecuación (4. significa que aunque no se pueda decir con certeza qué mensaje se va a producir.. Sea una fuente binaria (N = 2). Por otro lado. Entropía de una Fuente Binaria.5 1 H(bits) 1 p 4. Entropía de una Fuente Binaria H = log 2 4 = 2 bits/símbolo .25 log 2 4 + 2x 0. entonces 0 0.12). La entropía de la fuente será H = 0. como la denominó Shannon.125 y 0. respectivamente. realizada por Shannon.267 IV.15) donde N es el número de símbolos o mensajes producidos por la fuente.15 log 2 8 = 1.. valor que corresponde al pico de la curva. cuando P1 = P2 = P3 = . se espera obtener en promedio H bits de información por mensaje. si L es grande. Esta información promedio normalmente se representa con la letra H.

17) y si los símbolos son equiprobables. 4. de donde p = ¼ 1 log 2 4 + 4 log 2 8 = 2 . Debe verificarse.755 bits/letra. Por ejemplo. ♣ Consideremos la información producida por una máquina de escribir de 26 letras y el espacio entre letras. ♣ Ejemplo 4. es decir. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la entropía H es máxima cuando los símbolos son equiprobables. de acuerdo con (4.4. Si suponemos que los símbolos tienen todos la misma duración T.5 bits/cara 8 4 1 H = log2 6 = 2.268 IV. la letra E es la que ocurre con más frecuencia.2 bits.18) . 5 letras y un contenido de información de 9. Pero en el idioma español las letras tienen diferentes probabilidades de ocurrencia en un texto. Sea una fuente que produce N símbolos distintos e independientes a una velocidad de Vs símbolos por segundo. Esta es la máxima información que la máquina de escribir puede generar. una palabra tiene. Si todos los símbolos tuvieran la misma probabilidad. Se ha determinado experimentalmente que la información promedio asociada con una letra es de aproximadamente 4. Asimismo. 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.59 bits/cara ♣ Si el dado fuera correcto. ♣ ♣ Ejemplo 4. Vi = Vs log 2 N = 1 T log 2 N bps (4. entonces Vs = 1 símbolos/segundo T (4. que p+p+ H=2 1 2 p+ 1 2 p+ 1 2 p+ 1 2 p = 1. en otras palabras. 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. la velocidad de la información. Solución Sea p la probabilidad de sacar un UNO o un SEIS. la fuente produce 27 símbolos. HMAX = log2 27 = 4.16) La velocidad de información será entonces Vi = Vs H = 1 T ∑ P log j j=1 N 2 1 Pj bits/seg (bps) (4.3 bits. en promedio.4.3.2. Vamos a determinar la entropía asociada con el dado.11).

75 = 1750 bps b) Si los símbolos son equiprobables. los símbolos tal como salen de la fuente pueden no ser apropiados para ser transmitidos por un canal dado. una fuente discreta sin memoria que produce N símbolos distintos e independientes. ésta es la codificación de canal. . Los símbolos se codifican. 4. en el sentido visto en la Sección 3. Es necesario. se utilizan secuencias binarias (m = 2) que contienen 8 impulsos (n = 8). la duración de la muestra codificada debe ser. Como se considera que el codificador no tiene memoria. Hay muchos métodos de codificación digital de canal. La velocidad de información de la fuente será a) Si los símbolos tienen diferentes probabilidades Vi = Vs H = 1000 x 1. son formas de codificación de canal. de gran interés en los sistemas de procesamiento y transmisión digital de señales. Vi = Vs log2 4 = 2000 bps Nótese nuevamente que la velocidad de información es máxima cuando los símbolos son ♣ equiprobables. que podemos suponer equiprobables. como veremos en los Capítulos V y VI. 4. que veremos más adelante.4.3(a). secuencia que denominaremos “muestra codificada o palabra codificada” y el conjunto de palabras codificadas forman una secuencia aleatoria binaria. Las secuencias aleatorias binarias en los sistemas de modulación de impulsos y los códigos de línea. Codificación de Canal Hemos dicho que. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunos autores llaman a la velocidad de información “rata o tasa de información” (del inglés “rate”). Para más detalles sobre estos códigos. igual a la duración de cada símbolo a fin de no perder información. como máximo. En la práctica hay muchos códigos que emplean secuencias multinivel o m-arias y esquemas para la detección y corrección de errores. como se muestra en la Fig.3(b). denominada también “codificación de fuente”. Fig. efectuar una conversión o adaptación de los símbolos en formas compatibles con el medio de transmisión. a una velocidad Vs = 1/T símbolos/segundo. Sea entonces. Otros tipos de codificación binaria de canal son los Códigos Baudot y ASCII. pero. 4. para diferenciarlo de 1 kbyte = 1000 bytes). la palabra “rata” en español significa “porcentaje” o “parte proporcional”.269 IV. Esta secuencia binaria de 8 impulsos se denomina comúnmente “byte” u “octeto” (En la práctica 1 Kbyte = 1024 bytes. el lector puede consultar la bibliografía especializada. Esta transformación se denomina comúnmente “conversión” o “codificación” y el dispositivo que la efectúa. Una clase muy importante de conversor es aquella que convierte los símbolos producidos por la fuente en secuencias de impulsos discretos. ♣ Ejemplo 4.9 del Capítulo III.2 se producen a una velocidad de 1000 símbolos por segundo. en general. en este contexto. vamos a suponer un sistema mediante el cual cada símbolo o mensaje se transforma en una secuencia particular de n impulsos con m amplitudes. cada uno. “convertidor” o “codificador”. En sistemas de procesamiento y transmisión de señales digitales. Los símbolos de la fuente del Ejemplo 4. que se verán en el Capítulo V. sin embargo.3. en secuencias de n impulsos con m amplitudes. pues.5. Nosotros emplearemos los términos “velocidad de información” o “velocidad de transmisión” indistintamente. sin perder generalidad.

Una fuente de información produce 256 símbolos. (4.270 IV.19) Asimismo. N = mn m y n enteros (4. pues relaciona los parámetros m y n del codificador con el número N de símbolos producidos por la fuente. y para cualquiera velocidad de información. es decir. Codificación en Secuencias de Impulsos A la salida de la fuente de información la velocidad de transmisión es. I = n log 2 m = log 2 m n n log 2 m T 1 T bits (4. lo que significa que la relación entre m. Vi = Vif = Vic de modo que.21). 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).3. vamos a determinar la velocidad de información y los valores posibles de m y n. . ♣ Ejemplo 4. Si cada símbolo se codifica en secuencias de n impulsos con m amplitudes.18).22) Esta expresión.19). es decir.20) La velocidad de información a la salida del codificador será Vic = = log 2 m n bps (4. que denominaremos “relación de conversión o de codificación”. es de gran utilización en los sistemas digitales de transmisión de información. a una velocidad de 100 símbolos por segundo. que suponemos independientes y equiprobables. 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. Vif = 1 T log 2 N (4. Nótese que la relación (4. de (4. 4. n y N es válida para cualquier sistema con o sin memoria.22) es independiente de T.21) Como se supone que el sistema no tiene memoria (elementos de almacenamiento).20) y (4. la velocidad de información será la misma en todos los puntos a lo largo del sistema. de la expresión (4.6.

En un sistema binario. m = 2 y la expresión (4. τ1 = b) n = 4.22). T = 10 ms T Vb1 = 1 = 800 baudios τ1 1 = 400 baudios τ2 T = 1.5. los codificadores son dispositivos comandados por un reloj.4. como veremos después del siguiente ejemplo. 256 = m n . 4.23) (4. Se puede ahora calcular la velocidad de modulación de las muestras codificadas del Ejemplo 4.271 IV.4. se conoce con el nombre de “velocidad de modulación” o “velocidad de señalización”.4. es decir. De la Fig. 4.7.5 ms. sin redundancia agregada. ♣ Ejemplo 4. 8 T = 2. T = nτ y la expresión (4. En efecto. y se expresa en baudios. de modo que los impulsos tienen todos la misma duración τ. la reconversión de las secuencias de impulsos codificados en símbolos de significación para el usuario final de la información. 4.4. 1 . Las combinaciones de m y n que satisfacen la expresión (4.3 se supone que en el extremo receptor se sabe cuándo comienza y cuándo termina cada secuencia de impulsos. en honor del ingeniero francés Emile Baudot. 4. Este resultado es válido si la codificación se ha efectuado en la forma mostrada en la Fig. es decir. Redundancia Agregada En el sistema mostrado en la Fig. esto es.24) Vb = Vb es el número de impulsos por segundo. Vs = 100 símb/seg = a) n = 8. También puede agregarse otros impulsos para . PRINCIPIOS DE LA TRANSMISION DE INFORMACION Solución La velocidad de información es Vi = 100 log 2 256 = 800 bps. Sin embargo.21) queda en la forma siguiente Vi = donde 1 τ log 2 m = Vb log 2 m bps 1 τ (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. Velocidad de Modulación m=4 y n=4 ♣ En general. son m = 2 y n = 8 (caso binario).4. 4 τ2 = Vb2 = ♣ 4.25 ms.25) Esto significa que en un sistema binario la velocidad de información y la velocidad de modulación son numéricamente iguales.6.23) queda en la forma V i = Vb (4.

etc. de donde Vi = n log 2 m (n + p + q )τ ' = n n+p+q ' Vb log 2 m bps (4. T Fig. De la Fig..26) Puesto que la velocidad de información no ha variado. El valor de K (como un porcentaje K%) es una medida del rendimiento o eficiencia de la codificación (Ver Problema de Aplicación 4. 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). la velocidad de información vendrá dada (eliminando el índice de Vb ' ) por Vi = KVb log 2 m donde K= n (4. mostrado en la Fig.4. τ' < τ y ' Vb > Vb (4. 4. de donde Vi = KVb (4. T = (n + p + q)τ‘. que tampoco llevan información útil. extracción de la temporización. Sea entonces una muestra codificada a la cual se le han agregado dos impulsos de duración pτ‘ y qτ‘.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”. con algunas excepciones (por ejemplo.4. Muestra Codificada Con Impulsos Redundantes Considerando entonces los impulsos redundantes agregados. como veremos más adelante. Esta situación se muestra en la Fig.33). la polaridad. amplitud y duración de los impulsos de arranque y pare son arbitrarias pero fijas. 4. m = 2. la velocidad de modulación ha aumentado. p y q son.27) n Impulsos de Información m Niveles o Amplitudes Pare n 1 2 3 4 5 6 τ. PRINCIPIOS DE LA TRANSMISION DE INFORMACION control y detección de errores. que llamaremos impulsos de “arranque” y “pare”.272 IV. lo cual impone restricciones más severas sobre el canal. Todos estos impulsos adicionales se denominan “impulsos redundantes” o “redundancia agregada”.29) o también Vi < Vb La velocidad de información ya no es igual a la velocidad de modulación debido a los impulsos redundantes. Arranque qτ. el Código Baudot. 4.4. . pτ. En el caso binario. Sin embargo. respectivamente. números enteros pues suponemos que el codificador está controlado por un reloj. 4.13(a)).

Desde el punto de vista eléctrico. Vs = 10 caracteres/seg. ♣ Ejemplo 4. un canal que no introduce ninguna atenuación o distorsión.5. A este efecto.5: un impulso de arranque siempre a CERO. Letra U codificada en ASCII con bit de paridad.13(b). por ejemplo.. definida como el inverso de la duración del intervalo unitario o del impulso de menor duración. En el Apéndice B-5 se especifica este código en detalle. 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. 1 0 1 0 c 1 d 1 En transmisión por teletipo. CARACTERIZACION DEL CANAL 4. n = 7. ver también la Fig. Ancho de Banda del Canal N = 2 7 = 128 caracteres ♣ La velocidad de modulación. Supongamos que el ancho de banda del canal se puede variar y que a su . τ 0 a 1 0 1 0 b T a: Impulso de Arranque (siempre a "0"). los caracteres ASCII fluyen a una velocidad de 10 caracteres por segundo. Por ejemplo. en la Fig. 4. es decir. Entonces. la velocidad de modulación se define respecto al impulso de menor duración presente en la muestra codificada. 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. K=7/11. b: Impulsos de Información c: Impulso de Paridad (detector de error). Vamos a considerar un canal ideal.5 se muestra la letra U en ASCII.273 IV. T = 1/10 = 100 ms = 11τ. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En general. cuando los impulsos (de información o redundantes) tienen diferente duración. siete impulsos de información.8.5. es un parámetro de naturaleza eléctrica de gran importancia en la caracterización de sistemas de transmisión de señales digitales. un impulso de paridad (para gestión o control de error) y un impulso de pare de duración variable (hasta 2τ) siempre a UNO. 4. 4. 4. 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. m = 2.5.1. d: Impulsos de Pare (siempre a "1") Fig.

que tomaremos como referencia.31) Demostramos en el Ejemplo 1. obteniéndose. la forma dada en la Fig. el valor de k deberá ser mucho mayor que la unidad. 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. El valor mínimo teórico de k es 0.35.35 ó 0. Debido a esto. Ahora se aplica un impulso de duración τ2 < τ1 .31a) donde k es igual a 0. Para un ancho de banda B1 y un impulso de entrada de duración τ1 . 4. dependiendo de la definición de tr . Nuevamente se aplica un impulso de duración τ3 < τ2 < τ1 . 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. la expresión (4. es decir. Puede observarse que la “fidelidad” de la salida depende tanto de τ como de B. Para que la Salida 3 vuelva a la forma aproximada de la Entrada 3. por ejemplo. la Salida 1 tendrá. pero en la práctica se utiliza k = 1.31) es de gran utilización en la caracterización de sistemas de transmisión de impulsos y la emplearemos con bastante frecuencia. B≥ 1 τ (4. es decir.5.5 (definido en el Ejemplo 2. Cuando es necesario preservar la forma de la señal transmitida. aquí suponemos que la relación entre τ y B es una relación inversa. Es evidente que si se desea una gran fidelidad. y la salida será parecida a la entrada. por ejemplo. cuando se utilice el tiempo de alzada. 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. que si B = 1/τ .30) τ donde k depende de la fidelidad requerida a la salida. usaremos k = 0.6. En este texto. la Salida 3. Capítulo I. .274 IV.19).19. Para que la Salida 2 tenga la forma aproximada de la Entrada 2. el canal dejará pasar el 90% de la energía contenida en el impulso de entrada. PRINCIPIOS DE LA TRANSMISION DE INFORMACION entrada se aplican impulsos de duración decreciente. donde τ es la duración del impulso de entrada. hay que aumentar el ancho de banda del canal a un valor B2 > B1 . la Salida 2 saldrá deformada como se muestra en la figura. hay que aumentar el ancho de banda del canal a un valor B3 > B2 > B1.

9. Sin embargo. puede transmitirse sin perder información por un canal ideal con un ancho de banda mínimo Bn numéricamente igual a Vb. 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 .7: cinco impulsos cuaternarios con impulsos de arranque y pare. La información producida por esta fuente en un tiempo Tt es: It = Vi Tt . (4. en una hora se producirán . si por ejemplo I t = 10 4 x3600 = 3.275 IV. Velocidad de la Fuente: Vs = 1 10 .31b) Puede observarse que las expresiones (4. 1 y 3. no habrá problemas en la recuperación de la información.7. los cuales se han codificado en la forma mostrada en la Fig. = Vb = 10 4 = τ T T = 10 −3 seg. debe verificarse que B ≥ Vb para no perder información. n = 5. Nótese que si se Tt = 3600 seg . 4. si Vb > B.31) tienen la misma forma.24) y (4.32) ♣ Ejemplo 4. m = 4 y N = 4 5 = 1024 símbolos.5 . Información asociada a la fuente: I = log 2 1024 = 10 bits/símbolo K = 5/10 = 0. -1. se perderá información y habría que buscar otros medios para evitar esa pérdida. donde B es el ancho de banda real del canal. 4. entonces. Es evidente que si Vb < B.6x10 7 bits. Sea una fuente que produce N símbolos independientes y equiprobables. como veremos en la sección siguiente. Hay 4 niveles de información: -3. T = 10τ . 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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION B≈ 1 2t r (4. K% = 50%. La velocidad de modulación es de 10 kbaudios. En general.

La capacidad del canal es entonces la máxima velocidad a la cual el canal puede transportar información confiable hasta el destinatario. PRINCIPIOS DE LA TRANSMISION DE INFORMACION disminuye a la mitad la duración de los impulsos de arranque y pare.5.32).9 se transmite por un canal de 5 kHz. de modo que puede decirse que la información perdida en el proceso.28) y (4. ♣ ♣ Ejemplo 4. en bits. Capacidad del Canal Definición Para definir una medida de la eficacia con la cual un canal transmite información y para determinar su límite superior. entonces existe una técnica de codificación que permite la transmisión sobre el canal con una frecuencia de errores arbitrariamente pequeña. (4. la velocidad de modulación no cambia pero la velocidad de información aumenta. I p = [ K( Vb − B) log 2 m] Tt bits para Vb > B (4. m = 2 y K = 1. Es decir.37) . Vp = Vb − B bits perdidos por segundo para Vb > B (4. Shannon introdujo el concepto de “capacidad de un canal”. si 0 < Vi ≤ C se puede transmitir sin error. pero si Vi > C entonces no es posible transmitir sin error.28) y (4. viene dada por I p = I f − I t = (Vi − Vi' ) Tt y de (4. que comúnmente se representa con la letra C.10.35) Tt Si el sistema es binario y no tiene impulsos redundantes.2.34) Si se define Vp como la velocidad promedio a la cual se pierde información. Pero en el mismo tiempo Tt la fuente ha producido I f = Vi Tt bits.33). un canal de ancho de banda B puede soportar una velocidad de información máxima dada por Vi' = KB log 2 m bps (4. es evidente que habrá pérdida de información. 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. Estimación de la Pérdida de Información en un Canal La señal codificada del Ejemplo 4. De acuerdo con (4. El lector puede calcular este nuevo valor.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 [ ] ♣ 4.276 IV. se tendrá de (4.33) La información transmitida por el canal en un tiempo Tt será I t = Vi' Tt bits. Vamos a cuantificar esta pérdida de información. en bits perdidos por segundo. Ip Vp = = K( Vb − B) log 2 m bits perdidos por segundo para Vb > B (4. no obstante la presencia de ruido. Como Vb > 5000. La capacidad C se expresa en bits por segundo (bps).34).

Como el número de símbolos N es constante. la capacidad C dada por (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunas veces el comportamiento del canal se puede caracterizar mediante las relaciones o definiciones siguientes: • Redundancia del Canal.44) Vb por B. ρc ρc = Rc V = 1− i C C Vi C (4. ηc ηc = ó ηc % = 100 Vi C (4. . Vb es también. C= 1 T log 2 m n = n T log 2 m = KVb log 2 m bps (4. Podemos entonces reemplazar en (4.277 IV. con lo cual obtenemos finalmente que (4. numéricamente.32). el ancho de banda mínimo necesario para transmitir los impulsos sin distorsión excesiva. ηB ηB = Vi B ηB se expresa en bps/Hz (4.40) También.21) y (4. En efecto.28). la capacidad mínima del canal será 1 C = log 2 N = Vs log 2 N bps (4. un aumento en m implica una disminución en el número de impulsos de información.44) Sin embargo. como bien lo expresa el Teorema Fundamental de Shannon. Rc R c = C − Vi Rc ≥ 0 (4. ηc = 1 − ρc donde ηc ≤ 1 (4. La cantidad de información máxima de la fuente es log 2 N bits y si cada símbolo tiene una duración T. la velocidad de modulación disminuye y la exigencia sobre el canal disminuye también. ver la bibliografía especializada. Como consecuencia.41) • Rendimiento del Canal respecto al Ancho de Banda. Para más información sobre estos tipos de codificación de canal. si los símbolos han sido codificados en secuencias de n impulsos de m amplitudes. el ancho de banda real del canal.39) • Rendimiento del Canal.38) • Redundancia Relativa.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. entonces de (4.45) C = KB log 2 m bps Como el ancho de banda B del canal generalmente es fijo. de acuerdo con (4.45) se puede aumentar incrementando el número de niveles m de los impulsos o mediante una codificación equivalente. Son las técnicas de codificación apropiadas las que en definitiva permiten aumentar la capacidad del canal.43) T La capacidad C del canal se puede expresar también en términos de los parámetros del codificador y del mismo canal.

de acuerdo con (4. Shannon ha demostrado que el ruido gaussiano es el peor ruido entre todos los ruidos posibles. De las expresiones (4. y la potencia promedio del ruido en el canal es N. Por ejemplo.278 IV. se ha llegado a 14400 bps con una velocidad de modulación máxima de 2400 baudios. Las expresiones (4. Si el canal tiene un ancho de banda B. la potencia promedio de la señal útil y la potencia promedio de la señal perturbadora. 1949]. y como consecuencia se produce una pérdida de información.37) y (4. Por otro lado. 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.47). sea por sus propias características físicas o por regulaciones y normas técnicas. entonces la capacidad del canal en presencia de ruido aditivo y gaussiano viene dada por C = Blog 2 (1 + S ) N bps (4. Esto quiere decir que si una codificación dada tiene una probabilidad de error Pe operando sobre un canal gaussiano. cuando opera sobre un canal no gaussiano la probabilidad de error será menor que Pe. y que la potencia del ruido gaussiano dentro de un ancho de banda dado es también la más alta de todos los ruidos posibles. pero en la práctica se llega normalmente a 9600 bps. ella es de gran importancia en los sistemas de comunicación porque muchos canales prácticos se pueden modelar como un canal gaussiano.45) deben ser aplicadas con cautela. 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. Canal con Ruido La capacidad de un canal disminuye como consecuencia de los errores incurridos en la transmisión causados por señales perturbadoras o ruido. Shannon.28). modulación y acondicionamiento del canal. un canal telefónico tiene un ancho de banda efectivo de 3.45). la potencia promedio de la señal transmitida es S.46) En consecuencia. Además. No hay que olvidar que ellas se aplican fundamentalmente a un canal ideal sin ruido lo cual está muy lejos de la realidad. Con técnicas más sofisticadas de codificación.43) a (4.43) a (4. Aunque la ecuación ha sido deducida para un canal gaussiano.45). Cuando el ancho de banda de un canal está limitado. con una codificación adecuada se podría aumentar indefinidamente la capacidad del canal. como lo vamos a ver más adelante. y relaciona los tres parámetros de importancia en un canal: el ancho de banda del canal. el límite teórico para la capacidad de este canal es superior.47) A este resultado se le llama la “Ecuación de Hartley-Shannon”.31). Sin embargo. en reconocimiento al trabajo pionero de Hartley y a la deducción rigurosa hecha por Shannon [Teorema N° 2.42) y (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION De (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.2 kHz. el rendimiento máximo de un canal viene dado entonces por . con lo cual reafirmamos la expresión (4. velocidades superiores solamente se obtienen mediante control de error y compresión de datos. La ecuación de Hartley-Shannon proporciona el límite superior para la transmisión de información confiable por un canal ruidoso. (4. B ≥ Vb (4.

de donde N N El lector puede demostrar. V1 = C = 60x103 bps S = 1023 = 30.10 dB N .279 IV. Vamos a calcular los diferentes parámetros del sistema. pero sí establece que para transmitir sin error los símbolos o muestras codificadas deben poseer una cierta redundancia. los parámetros son: Iel = 4 bits/elemento. Información contenida en una Imagen de Televisión. la relación S/N mínima sería. CAMARA DE TV A COLOR CANAL Fig.8 La cámara a color requiere 5x105 elementos de imagen con 16 niveles de brillantez y 16 matices de color por cada nivel. 120x106 = 6x106 log2 (1 + S S = 1. 4. de (4.11.48) La teoría de Shannon no especifica cuál es el mejor esquema de codificación que permite alcanzar este rendimiento máximo. La velocidad de transmisión de las imágenes es de 30 por segundo. 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. T = 6..049x106 = 60.6667x10−8 seg. ♣ Ejemplo 4.21 dB ) .47).667x10 Capacidad mínima del Canal: C = Vi = 120x106 bps Si el ancho de banda del canal fuera de 6 MHz. 667x10−8 seg 5 Vimg N el 30x5x10 8 Iel 6 = bps −8 = 120x10 T 6. PRINCIPIOS DE LA TRANSMISION DE INFORMACION η Bmax = C S = log 2 (1 + ) bps/Hz B N (4. que en el caso de TV en blanco y negro (solamente 16 niveles de brillantez). en la misma forma. 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.

Introducción La expresión (4.9. a partir de este teorema. de (4. La salida del receptor ideal será la señal mensaje de ancho de banda Bm y algún ruido introducido en el canal. ♣ 4. 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). Sin embargo.2 kHz.1 dB) mayor que en TV blanco y negro.6.2. 4. como se muestra en la Fig. con B T ≥ B m . respectivamente. es decir. Como la velocidad de información es la misma en todos los puntos del sistema.47). 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.90).2 kHz no debe sobrepasar los 2400 baudios.1. como veremos posteriormente. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Obsérvese que para la misma potencia de ruido y ancho de banda. Esta señal se transmite y es recibida en un receptor ideal. la capacidad teórica del canal es del orden de los 32 kbps. La máxima velocidad de modulación sobre un canal telefónico de 3. los sistemas reales no pueden alcanzar el potencial inherente en el ancho de banda y potencia que utilizan. Señal Transmitida Origen Canal BT Si/Ni Receptor Ideal Bm So/No Ruido 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. Recepción Ideal.6. y con los métodos de codificación y modulación se trata de alcanzar este máximo teórico. se verifica entonces que. por ejemplo.280 IV. Por ejemplo. que el ancho de banda y la potencia de la señal se pueden intercambiar. en un canal telefónico la relación S/N para una buena recepción es de aproximadamente 30 dB. Como su ancho de banda efectivo es de 3. pero no así la velocidad de modulación. y So y No las correspondientes potencias de salida.9. 4. o viceversa. la señal de TV a color necesita una potencia 1000 veces (30. Consideremos. Nótese que se puede aumentar aún más la velocidad de información utilizando diferentes métodos. Los procesos de codificación y modulación son los medios utilizados para efectuar este intercambio “Ancho de Banda-Relación Señal/Ruido”. Nótese que la capacidad del canal representa la máxima cantidad de información que se puede transferir en un segundo. Sea entonces Si y Ni las potencias de señal y de ruido. .47) está considerada como el Teorema Central de la Teoría de la Información. 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 . a la entrada del receptor ideal.6. mientras que la velocidad de información llega ya a 56 kbps (con el Módem V. EL SISTEMA IDEAL DE TRANSMISION DE INFORMACIÓN 4. Es evidente. 4.

se caracterizan por un alto valor de la relación BT/Bm. para una pequeña reducción en el ancho de banda BT. C = B T log 2 (1 + Si ) bps Ni (4.50b) para diferentes valores de la relación βm = BT/Bm. Esto quiere decir que para un pequeño aumento en el ancho de banda BT.50a) (4. este intercambio o compromiso “Ancho de BandaRelación Señal/Ruido (S/N)” está limitado físicamente en los sistemas reales. denominada “Relación o Factor de Expansión del Ancho de Banda”. se puede reducir considerablemente la potencia de la señal transmitida. como veremos en los Capítulos V y VI.51) Si β m = B T / B m es la relación o factor de expansión del ancho de banda. de (4. en la práctica.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. entonces se puede escribir C = β m B m log 2 (1 + S i / N i ) . So No ⎡ S i ⎤ Bm = ⎢1 + −1 ⎥ ⎣ Ni ⎦ (4. 4.47).10(b) se grafica este rendimiento para diferentes valores de β m . que veremos en los Capítulos V y VI. Por lo tanto.49) En la práctica. de modo que S o ⎡ S i ⎤ Bm ≈⎢ ⎥ No ⎣ Ni ⎦ y en dB.50b) Nótese que se puede aumentar So/No si se aumenta Si/Ni y se mantiene BT constante. Por otra parte. Relación de Expansión del Ancho de Banda La expresión (4. También se puede mantener Si/Ni constante y aumentar BT. . ⎡ So ⎤ BT ⎡ S i ⎤ ⎢ ⎥ ≈ ⎢ ⎥ ⎣ N o ⎦ dB B m ⎣ N i ⎦ dB 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. En un sistema ideal la relación Señal/Ruido a la salida aumenta exponencialmente con la relación BT/Bm. lo cual es más razonable pues no es necesario aumentar la potencia transmitida.52) En la Fig.281 IV. 4. Sin embargo. So/No y Si/Ni >> 1. pero esto implica aumentar la potencia transmitida (si las condiciones de ruido no cambian). La capacidad del canal ideal es. En la Fig. Los sistemas de banda ancha. es necesario incrementar considerablemente la potencia de la señal transmitida. 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. 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(a) se grafica (4.

El mecanismo para alcanzar este alto nivel arbitrario de confiabilidad es mediante una codificación apropiada que agregue una cierta cantidad de redundancia. Nótese también que los valores de Si . 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 . establecen un límite sobre la velocidad de transmisión pero no en la exactitud en la transferencia de la información. 4. y las curvas de la Fig.282 IV. 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. debido al esfuerzo de ingenieros y matemáticos. 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. Las Fig. Ni y BT. depende de la relación de expansión del ancho de banda β m . Estos conceptos los aplicaremos al estudiar algunos esquemas de modulación específicos en los Capítulos V y VI. En general. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que el rendimiento máximo del canal ideal. Shannon no dijo qué tipo de codificación era la mejor. 4. Sin embargo. 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. son mucho más eficientes que los sistemas de banda angosta.10(a) y (b) muestran también que los sistemas de banda ancha. Un estudio detallado de estos códigos está fuera de los objetivos de este texto. en los cuales β m >> 1 . poco a poco. la capacidad C de Shannon fue considerada por los ingenieros de telecomunicaciones como una curiosidad o ficción matemática. Inicialmente. en los cuales β m ≤ 2 . de acuerdo con el Teorema Fundamental de Shannon.10(b) representan los límites máximos que pueden alcanzar los sistemas reales. Pero. se han elaborado códigos muy buenos y desarrollado la tecnología para su instrumentación y aplicación. para las mismas condiciones de potencia o relación Si/Ni .

001 0.060 0. E. PROBLEMAS DE APLICACION 4.066 0. La fuente produce 100 símbolos por segundo. 4. 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.051 I J K L 0. mediante el cual se puede utilizar los canales con el máximo rendimiento. con algunos ejemplos como el Código ASCII y el Código Baudot. Demuestre que la entropía de este alfabeto es de 4.016 0.124 0. 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. en sí misma.002 0.023 Q R S T U 0.023 0.072 0. D. 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. Demuestre que la velocidad de información promedio de la fuente es de 640.283 IV.002 0.072 0. ¿En español. H y O. de gran aplicación práctica.1. PRINCIPIOS DE LA TRANSMISION DE INFORMACION destino.7. asimismo.037 E F G H 0. De la definición básica de la cantidad de información. Esta letras se codifican en binario puro con un impulso de arranque y uno de .009 0. Un alfabeto consta de las siguientes letras: A. la letra E o la letra Z? 4. Se discute en forma cualitativa el Teorema Fundamental de Shannon y la Ecuación de Hartley-Shannon.032 0.040 M N O P 0.072 0. el concepto de codificación.4 bps. La teoría de la información es una disciplina muy vasta y compleja. Un aspecto de considerable importancia es el concepto de capacidad de un canal.2. un sujeto muy importante en la teoría general de la información.3. F.005 0. Introduce.031 V W X Y Z 0. B. 4.081 0. La teoría de los códigos es. cuya aparición suponemos equiprobable. 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. de los cuales 16 ocurren con una probabilidad de 1/32. y los 112 restantes con una probabilidad 1/224.019 0.020 0.316 bits/letra. la velocidad de modulación y el ancho de banda mínimo para transmitir un impulso.016 0. C. Una fuente de información produce 128 símbolos independientes. y se ha introducido la noción de codificación digital de la información. se han deducido algunos parámetros tales como la velocidad de información.079 0.096 0.001 (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). cuál letra es más útil en el juego. (d) Sea el juego siguiente: se trata de adivinar una palabra y se da como pista la primera letra de la palabra. El tratamiento de los temas ha sido necesariamente muy breve y sencillo. y se deduce algunas expresiones que introducen la noción de Sistema Ideal de Transmisión de Información. concepto que se utilizará para comparar los diferentes sistemas de comunicación prácticos que se estudiarán en los Capítulos V y VI.

El canal de transmisión tiene un ancho de banda de 4 kHz.512. 0.05 y 0. El alfabeto de una máquina de escribir consta de 32 caracteres alfanuméricos que suponemos equiprobables. 0.008. determine el número mínimo de pesadas necesarias para descubrir cuál es la moneda falsa.1.9. la resolución de la imagen es de 5 puntos por mm. Disponemos también de una balanza de precisión con la cual podemos pesar las monedas.15. Demuestre que los símbolos sí pueden transmitirse por el canal telefónico y que la velocidad de información y de modulación son.15. (a) Demuestre que la palabra FACHADA se puede transmitir en 8.8.25.2. Se tiene 64 monedas de las cuales sabemos que una es falsa. demuestre que el locutor transmite a una velocidad de 46. (a) Si sabemos que la moneda falsa pesa menos que las buenas.766 bits. respectivamente. demuestre que el tamaño que deberá tener la imagen (cuadrada) para que la información contenida en ella sea igual a la de 1000 palabras. (b) Asigne a cada letra una muestra codificada y muestre la forma de la palabra CAFE a la salida del codificador. (b) Repita la parte (a) pero en este caso no sabemos si la moneda falsa pesa más o menos que las monedas buenas. es de 11. Una fuente produce ocho símbolos distintos e independientes cuyas probabilidades de aparición son: un símbolo con una probabilidad de 0. de 0. 0.3. Vamos a determinar la información contenida en una fotografía en blanco y negro.5x105 bits 4. Utilizando las suposiciones de los dos problemas anteriores. 0. todos los impulsos tienen la misma duración. Una persona escribe a una velocidad de 2 bps. 4.05. es de 2. 0. La imagen está compuesta por puntos con 8 niveles de gris. 0.14 mm x 11.4. Demuestre que la persona puede escribir una página en 11 minutos y 40 segundos. El refrán dice que “una imagen vale mil palabras”. tres símbolos con una probabilidad.05. PRINCIPIOS DE LA TRANSMISION DE INFORMACION pare.14 mm . Se escucha un partido de fútbol y el narrador habla a una velocidad de 300 palabras por minuto. 4. todos igualmente probables. 4. cada uno.284 IV. tres símbolos con una probabilidad. 0.032.7. demuestre que la información promedio.128. Con los datos del Ejemplo 1. 4. cada uno.5 bps. y se desea escribir una página de 280 caracteres. respectivamente. Los símbolos se producen a una velocidad de 1000 símbolos por segundo.6. se codifican en binario para transmitirlos por un canal telefónico de 4 kHz. Demuestre que la cantidad de información contenida en una fotografía de 10 cm x 10 cm es I = 7. 4. y un símbolo con una probabilidad de 0. (c) Si las probabilidades de las 8 letras son. Nota: En las partes (a) y (b) hay que calcular no solamente el número de pesadas sino mostrar también el procedimiento para efectuarlas.5. de 0. de 2166 bps y 3000 baudios.75 mseg y con una velo cidad de información de 2400 bps. Suponga que el impulso de arranque está siempre a CERO y el impulso de pare siempre a UNO. por letra.

11.2 y 0. Contenido de Información de Textos Escritos. . (b) Vamos a estimar la información promedio contenida en una página de un periódico. 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”). (b) En Modo Gráficos: 45 kbytes.3. todos de igual duración. respectivamente. Demuestre que: (a) La velocidad de modulación en el canal es de 5000 baudios.285 IV. los tipos tienen dimensiones de 3 mm x 3 mm. El intercambio de información entre una computadora y su unidad de disco se efectúa a una velocidad de 36400 bps. el espaciado entre palabras es de 3 mm y la separación entre líneas es de 6 mm. Una página tiene una superficie útil de 50 cm x 60 cm. 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. los cuales se transmiten por un canal con un ancho de banda de 1 kHz. (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. Demuestre que la cantidad de memoria necesaria para almacenar el contenido de la pantalla es: (a) En Modo Texto: 1 kbyte. todos de igual duración. 0. 4.1. demuestre que la cantidad de información que llegó a destino es de 12925 bits.3. 4.095 W o 36.909 dB. como mínimo.4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. la relación S/N en el canal deberá ser. por lo menos. Una fuente de información produce 16 símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N en. Una fuente produce símbolos los cuales se codifican en secuencias de 7 impulsos cuaternarios más 1 impulso de sincronización. 0.123 dBm.10. La velocidad de modulación a la salida del codificador es de 80 kbaudios y se transmite un total de 1000 secuencias. El ancho de banda del canal es de 10 kHz y la relación S/N correspondiente es de 30 dB.14. demuestre que la información promedio contenida en una página es de 16820 bits.12.7609 dB. La información o texto se considera formada por “páginas” de 30 líneas de 80 columnas con 7 bits por carácter. (b) En el canal hay ruido. Una computadora trabaja en dos modalidades: Modo Texto y Modo Gráficos.13. la potencia promedio mínima de la señal debe ser de 4. (b) Para que no haya pérdida de información. de 11. 4. (a) Si no hay ruido en el canal. 4. (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. Con los datos del Ejemplo 4. (a) Demuestre que la computadora puede transferir 650 páginas de texto en 5 minutos. Los símbolos se codifican en binario más un impulso de sincronización. Demuestre que para que no haya pérdida de información. 8. Los cuatro niveles de cada impulso tienen probabilidades 0.

demuestre que la potencia mínima de la señal para que no haya pérdida de información.135x107 bits en una hora. 4.5 minutos. La velocidad de modulación a la salida del codificador es de 10 kbaudios. los cuales se codifican en impulsos ternarios. 1000 puntos luminosos.75 minutos. por página. entonces m = 4 y n = 4. demuestre que el ancho de banda mínimo necesario del canal es de 157.286 IV.625 µW. (b) Se puede transmitir 5.5 MHz. La velocidad de las imágenes es de 30 por segundo. y para una buena reproducción se requiere 16 niveles de brillantez. Una fuente de información produce 27 símbolos distintos y equiprobables. Si la relación S/N en el canal es de 60 dB y la potencia de ruido es de 1 µW. Demuestre que: (a) La fuente está produciendo los símbolos a una velocidad de 3000 símbolos por segundo. Cada punto luminoso tiene 8 niveles de brillantez y 16 matices de color. La señal codificada se transmite por un canal de ancho de banda de 10 kHz y con una relación S/N de 11. (b) Demuestre que una imagen se puede transmitir en 37. (b) Si la velocidad de modulación máxima es 3/4 de la velocidad de información máxima. 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. (a) Demuestre que la información contenida en una imagen es de 9x106 bits. demuestre que la potencia de señal es de 1 W y que se puede transmitir por un canal de ancho de banda de 5. La información se codifica en binario para ser transmitida por un canal de 4 kHz de ancho de banda. En el sistema no hay pérdida de información. El codificador produce bloques que contienen 9 impulsos de información más un impulso de sincronización. (c) Para los mismos datos.13(b). PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. 4. ¿Qué pasaría si la codificación fuese en binario? . todos de igual duración.534 MHz. cada una. Fig. (d) Si la información se codifica en ASCII sin bit de paridad. (c) Demuestre que si la información se codifica en impulsos cuaternarios. demuestre que una imagen se transmite en 93.17. Demuestre que: (a) Para que no haya pérdida de información. (a) Demuestre que la velocidad de la información producida por la imagen de televisión es de 110. (b) Transmisión Analógica.25x106 elementos de imagen (esto equivale a 1500 líneas en cada dimensión).15. 4. el terminal de datos debe generar los caracteres a una velocidad igual o menor de 5000 caracteres por segundo. 4.13(b)) para su transmisión por un canal digital.16. Si cada punto luminoso se codifica en ASCII sin bit de paridad (Fig.3 Mbps. En un sistema de transmisión de facsímil de alta resolución se necesita.7609 dB. La imagen de un televisor a color está formada por 525 líneas que contienen. (d) Si la potencia de ruido en el canal calculado en la parte (c) es de 1 µW.18. 2. el tiempo de transmisión se reduce a la mitad. debe ser de 0. 4. (c) Transmisión Digital. todos de igual duración.

Televisión de Barrido Lento (SSTV).3045 dB. (b) Si el ancho de banda del canal de transmisión es de 5 kHz y se transmiten 105 muestras codificadas. (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. respectivamente. Los símbolos se codifican en impulsos cuaternarios más un impulso de arranque y uno de pare.20.5 kbaudios y que los impulsos son cuaternarios. Demuestre que si se quiere transmitir las 100 imágenes en 400 segundos. 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. La celda se mueve a una velocidad de 4 cm por segundo. La duración de los impulsos de arranque y de pare es 1. La velocidad de barrido es de 2x103 puntos por segundo y el sistema requiere. 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. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N. y su resolución es de 5 puntos por milímetro. (c) La señal de salida de la celda fotoeléctrica se codifica en binario y se almacena 100 imágenes en la memoria de una computadora. Demuestre que la velocidad de modulación a la salida del convertidor es de 7.23. 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. Demuestre que: (a) Las velocidades de modulación y de información son de 10 kbaudios y 12. La fotografía mide 10 cm x 15 cm. 4. .768 kHz. ambos de duración el doble de la de los impulsos de información. pero a cada muestra se le agrega un impulso de arranque y uno de pare.7609 dB.5 veces la duración de un impulso de información. La entrada al convertidor es una secuencia de impulsos de amplitud variable cuya frecuencia es de 2. Se tiene un convertidor automático. como mínimo.5 kbps. Un codificador produce impulsos binarios cuya velocidad de modulación es de 8 kbaudios. 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. 4. el ancho de banda del canal debe ser de 32.25x105 impulsos por minuto. Sea un sistema de telefotografía. (d) Las imágenes almacenadas en la computadora se van a transmitir por un canal dado. Una fuente de información produce 1024 símbolos distintos y equiprobables a una velocidad de 1250 símbolos por segundo. en 12. demuestre que el ancho de banda mínimo del canal es de 2 kHz. con una capacidad de 15x103 bps. que convierte información de un sistema de codificación a otro sistema. (a) Demuestre que la información contenida en una imagen es de 8 Kbytes.21. la relación S/N mínima en el canal para que no haya pérdida de información es de 8. 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. se pierden 5x105 bits de información. En estas condiciones hay pérdida de información. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. 4.22. (b) Si la señal de salida de la celda fotoeléctrica se transmite directamente por un canal. por imagen. 4.287 IV. 128 líneas con 128 puntos por línea.

4. 4. Demuestre que la relación señal/ruido a la salida del receptor es de 30.25 Mbits. en la cual se almacena 10 fotografías. En el sistema no hay pérdida de información. (c) La información contenida en la memoria se va a transmitir por un canal en ASCII sin bit de paridad.48 seg. en dB. 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.773 minutos .11. demuestre que la potencia de la señal para que no haya pérdida de información es de 3 pW.288 IV. es Bn = 80 kHz (b) El canal tiene un ancho de banda de 50 kHz. Demuestre que la relación S/N mínima.098 dB. Demuestre que el sector de la memoria donde se guardó la información debe tener una capacidad de 26. (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 = 30.75 MHz. demuestre que el tiempo que tarda en vaciarse la memoria es Tt = 34.13 Mbps y que el ancho mínimo del canal debe ser de 18.08 dB.9136 dB y el ancho de banda Br del receptor es de 8 kHz. Una señal s(t) es transmitida por un canal perturbado por un Si/Ni Señal s(t) Canal ruido n(t). 4. Ruido n(t) respectivamente. 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. 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.11 en la Fig. Una señal tiene un ancho de banda de 4 kHz. El ancho de banda Bc del canal es de 16 kHz. (a) Demuestre que el ancho de banda mínimo del canal para transmitir las secuencias binarias en ausencia de ruido. para transmitir las secuencias sin error es de 3. como se muestra Fig. La transmisión de las 10 fotografías que estaban en la memoria se efectúa en 2 segundos. 4. (d) La salida de la celda fotoeléctrica se transmite directamente por un canal cuyo rendimiento es de 2 bps/Hz. teniendo cada secuencia una duración de 100 µseg. Esta señal se pasa por un convertidor que la convierte en secuencias de 8 impulsos binarios. El terminal de datos produce caracteres alfanuméricos en ASCII sin bit de paridad y en su memoria hay almacenados 8000 bits de información. Fig. (b) Las señales producidas por la celda se codifican en binario y se guardan en la memoria de una computadora. la relación Si/Ni es de 14. (d) Si la información se transmite en código BAUDOT.24.25.13(a). Demuestre que la velocidad de información en el canal es de 13. y que la velocidad de modulación a la salida del codificador es de 1400 baudios. Si la potencia de ruido en el canal es de 1 pW. la relación S/N en el canal es de 10 dB.26.

5 y B. binarios también. 4. se transmite por un canal. así codificada. 4.12. (a) Determine N.27. 4.289 IV. Para el Código BAUDOT tomar las duraciones dadas en la figura. (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.6. El codificador 1 agrega a cada muestra un impulso de arranque y uno de pare. El terminal de datos solamente acepta secuencias codificadas en ASCII sin bit de paridad. Una fuente de información digital produce dígitos a una velocidad de 128 kbps. sin pérdida de información. no hay pérdida de información en el canal. 4. En el Código ASCII los caracteres fluyen a una velocidad de 100 caracteres por segundo.29.28. 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. (Nota: en ambos códigos el bit o dígito binario 1 es el de menor peso). ambos de la misma duración que los de información. Ver APENDICE B. Vb = 10 kbaudios y Vi = 7 kbps.12. Fuente Codificador 1 Canal Codificador ASCII Terminal de Datos Fig.13 se muestran los formatos de los Códigos BAUDOT y ASCII (sin bit de paridad). 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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. los valores apropiados de m y n para el codificador 1. La fuente produce N símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. (a) En un codificador (denominado 4B/3T) se transforma grupos de 4 dígitos binarios en grupos de 3 dígitos ternarios. . La secuencia. 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. respectivamente. No hay pérdida de información en el sistema. Sea el sistema mostrado en la Fig.

31.54) 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). entonces ⎡ So ⎤ Si ) = exp( γ ) ⎢ ⎥ ≈ exp( ηB m ⎣ No ⎦ cuando So No >> 1 (4. Formatos de los CODIGOS BAUDOT y ASCII. (a) Determine las velocidades de modulación y de información para cada uno de estos códigos. la relación So/No a la salida aumenta exponencialmente con γ. 4. 4. 4.290 IV. 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. 443 ⎢ ⎥ = ViMAX ⎣η⎦ ⎣η⎦ (4.53) 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. . Por consiguiente. Demuestre que si el ancho de banda del canal tiende a infinito (BT → ∞) . donde η tiene dimensiones de vatios por unidad de ancho de banda (W/Hz) y es la “densidad espectral de potencia de ruido”. Considere la ecuación de Hartley-Shannon. N es entonces la potencia de ruido contenida en el ancho de banda B. Límite de Shannon. (b) ¿Qué significa la siguiente información codificada en ASCII? 011001011101111001110110010111 (c) ¿Cómo se codificaría la misma información de (b) pero en BAUDOT? 4. como es el caso de los sistemas de comunicación espacial o por satélites. en condiciones ideales cuando el ancho de banda de transmisión BT tiende a infinito.30. La potencia de ruido N se expresa en la forma N = ηB . demuestre que B→∞ ⎡S⎤ ⎡S⎤ lim C = ⎢ ⎥ log 2 e = 1.9 .13. teóricamente. Consideremos el receptor ideal de la Fig. Si el ancho de banda B aumenta sin límites (B→∞).

Eb” en la forma Eb = Sτ. ni los caracteres de información contienen los impulsos de arranque. 4.9.5% y R co % = 1. 4. a continuación 256 caracteres de información y se termina el bloque con un carácter ETX. demuestre que si el sistema es binario y Vi = C.4). y tanto ηco como Rco se pueden expresar en forma porcentual (ηco% y Rco%). Rco” en la forma R co = 1 − ηco = Vb − Vi r = Vb n+r (4.291 IV. Ni los caracteres SYN y ETX.32.5% . Los caracteres SYN y ETX están definidos en la Tabla B. 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.5). 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 1.33. entonces η B = log 2 (1 + η B Eb ηo ) Vi . Vb ≥ Vi . y r el número de impulsos redundantes (ver ecuación (4.57) En este caso. Si se define la “Energía por Dígito Binario. (b) Transmisión Sincrónica.55) Grafique también ηB vs Eb/ηo Sugerencia: utilice escalas log-log. Demuestre que en Transmisión Sincrónica ηco % = 98. Nótese que la codificación binaria es la menos eficiente. para 1≤ Eb ηo ≤ 100 4.5 en el Apéndice B. ASCII con bit de paridad (Fig. 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 la expresión (4.13(a)). Rendimiento del Canal en el Sistema Ideal de Transmisión. Código ASCII. paridad y pare.28) y Fig. B ηB se expresa en bps/Hz (4. Rendimiento y Redundancia de Codificación.56) donde n es el número de impulsos de información. y del codificador del Ejemplo 4. 4. (a) Determine el rendimiento de los Códigos Baudot (Fig. En los sistemas binarios (m = 2) se suele definir también la “redundancia de codificación. pero es la más utilizada por su facilidad de instrumentación.

PRINCIPIOS DE LA TRANSMISION DE INFORMACION (c) Transmisión Asincrónica. 1 1 → f4 La velocidad de modulación a la entrada del sintetizador es de 1000 baudios. Demuestre que en Transmisión Asincrónica η co = 63.5). (c) Si la capacidad de la memoria de la computadora es de 600 Kbytes. todos de igual duración. demuestre que en este caso cada columna tendrá 8 filas.292 IV. Las fuentes producen. demuestre que la relación So/No a la salida es de 90.4% (d) Si la velocidad de modulación es la misma en los dos tipos de transmisión anteriores. Un cierto sistema de comunicación posee un sintetizador de frecuencias que produce cuatro frecuencias diferentes: f1. El codificador opera en la Fig. 4. 4. Se transmite bloques de 256 caracteres ASCII incluyendo todos los impulsos redundantes (Fig. Por último. f2 = 1 kHz . Demuestre que la velocidad de información en el sistema es de 1000 bps y que el valor de las frecuencias es f1 = 500 Hz. demuestre que puede almacenar el contenido de 7680 tarjetas. 0 1 → f2 . 4. Si a la salida del receptor el ancho de banda es de 100 Hz. Estas tarjetas tienen 80 columnas por F filas.5 W y la de ruido 2 mW.36.5 veces más que los demás. (a) Si la computadora reconoce 256 caracteres alfanuméricos y cada carácter se almacena en una columna de la tarjeta.37. (b) Si el lector de tarjetas lee 10 tarjetas por segundo.5 kHz y f4 = 2 kHz. 1 0 → f3 . f3 = 3f1 y f4 = 4f1.35.31 dB y que el ancho de banda del canal es de 375 Hz. Toma a continuación un símbolo de la Fuente 2 y lo codifica en binario agregándole un impulso de arranque y uno de pare. incluidos los de las Fuentes 1 y . 4. f3 = 1. 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.14 forma siguiente: primero toma un símbolo de la Fuente 1 y lo codifica en ASCII sin bit de paridad. Cierta fuente de información transmite cada milisegundo un número octal (base 8). f2 = 2f1 . Código ASCII. este último dura 1. 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 . demuestre que el lector está entregando información a la computadora a una velocidad de 6400 bps. Se desea introducir información a una computadora mediante tarjetas perforadas tipo IBM. 4.34.6% y R co = 36.14. toma un símbolo de la Fuente 3 y lo codifica en binario agregándole un impulso de arranque y uno de pare. En el canal la potencia promedio de la señal es de 0. y se sabe que para la transmisión del grupo 0 0 se transmite un solo ciclo de la frecuencia f1 . ¿Cuál es la relación entre sus respectivas velocidades de información? 4. Sea el sistema de la Fig. 4.

8 Hz.451 dB. (c) Si la relación S/N en el canal es de 15 dB. (a) Demuestre que la velocidad de información a la salida del codificador es de 2000 bps y que su rendimiento de codificación es del 72.38. respectivamente.293 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 2. cada uno de los cuales transmite impulsos con dos valores posibles: 0V y 5V.13(b)) para transmisión por un cable bifilar. demuestre que el ancho de banda mínimo del canal es de 397. El codificador vuelve a la Fuente 1 y se repite el proceso. de 280 bps y 400 baudios. la duración de cada impulso es de 25 ms. 4. Mediante una “interfaz” se convierte las 7 salidas de la computadora en una secuencia serie ASCII sin bit de paridad (Fig. . demuestre que la relación S/N en el canal es de 8. La salida de cierta computadora está formada por 7 conductores. Demuestre que a la salida de la interfaz las velocidades de información y de modulación son. 4. 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.7%. (b) Si el rendimiento del canal respecto al ancho de banda es de 3 bps/Hz.

294 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION .

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

para la cual se verifica que f s = 2 f m .2. aunque no todos los autores la presentan en esta forma. fáciles de programar y adquirir. Como la discusión estará limitada a sistemas físicos. 5. En este contexto.1. Estos conceptos son la base del procesamiento y transmisión digital de señales.. según el caso. 1949] “Una señal x(t) pasabajo cuya frecuencia máxima es f m . H. con n = 0. pero fue Shannon quien en 1949 lo introdujo en el dominio de la teoría de la comunicación. haciendo referencia principalmente a las Recomendaciones pertinentes de la UIT-T. . Teorema No 1. MODULACION Y TRANSMISION DE IMPULSOS momento se dará ejemplos. ligeros. . lo cual es otra forma de enunciar este teorema. Teorema del Muestreo de Shannon [Shannon.296 V. se denomina “Frecuencia de Nyquist”. 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. Formas más o menos complicadas de este teorema se conocían en la literatura matemática.2. nosotros percibimos una representación móvil. La respuesta es que no es necesario. Un ejemplo muy ilustrativo de lo que esto significa lo constituye las series de fotografías de una cinta cinematográfica. Cuando estas fotografías se proyectan a esa misma velocidad (24 fotografías por segundo). 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. llamados “instantes o puntos de muestra”. En muchas aplicaciones el procesamiento de señales discretas es más fácil y flexible debido a la creciente disponibilidad de dispositivos digitales baratos.2. completa y exacta.. La teoría del muestreo se puede resumir en cuatro teoremas. como lo veremos en su oportunidad. su habilidad para representar una señal continua mediante una serie de muestras instantáneas. donde cada fotografía representa escenas fijas espaciadas cada 1/24 segundos. “Intervalo de Nyquist”. 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. TEORIA DEL MUESTREO UNIFORME DE SEÑALES 5. ± 2. f s es la frecuencia de muestreo o “Frecuencia de Shannon” y Ts el “Intervalo de Muestreo”.2. 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. solamente se considera señales reales continuas.. ± 1. La frecuencia mínima de muestreo. separados cada Ts = 1/ f s segundos. circuitos y aplicaciones de sistemas prácticos. de las escenas continuas originales.. 5. 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. monovalentes y limitadas en frecuencia o en el tiempo. Sin embargo. 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 . y el intervalo Ts correspondiente. tomados en una serie de instantes discretos. donde f s ≥ 2f m “. proporciona un mecanismo para representar señales continuas mediante señales discretas.

cuya transformada de Fourier o espectro es X(f).45). MODULACION Y TRANSMISION DE IMPULSOS La demostración rigurosa del teorema de Shannon [Teorema 1. 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. el espectro X s ( f ) de x s ( t ) es X s (f ) = f s ∞ n =−∞ ∑ X(f − nf ) s (5.1. Nótese que para valores de f s < 2 f m .1) Este tipo de muestreo se conoce con el nombre de “Muestreo Ideal o Muestreo Instantáneo”. x s (t ) = x(t ) ⋅ ∑ n =∞ ∞ δ(t − nTs ) = n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) s s ∞ (5. expresión (2. y con un factor de escala f s .1(f). 3. 1949)] está fuera de los objetivos de este texto. lo que se verifica si f s ≥ 2 f m . 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 . como se muestra en la Fig.297 V. pero sí haremos una demostración que introduce el concepto de muestreo a partir de nociones sencillas ya conocidas. Sea entonces x(t) una señal continua pasabajo de banda limitada f m . 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.2) Vemos que X s (f ) representa un espectro periódico formado por el desplazamiento de X(f) a las frecuencias ± nf s . Shannon. denominado “señal muestradora”.9. Muestreo Instantáneo en el Dominio del Tiempo. La recuperación de x(t) la consideraremos en el siguiente teorema. . Del Ejemplo 2. es decir. los espectros se solaparán y se producirá distorsión en la recuperación de x(t). 5.

Sea x r (t ) la salida recobrada en el filtro..298 V.1) y (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. de modo que con 2 BTs = 1 y t o = 0. Por consiguiente.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(.2 que cada muestra produce una señal sinc(. la cual es cero en los otros puntos de muestra excepto en el propio. 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 . 2BTs = 1 y t o = 0 .4) recibe el nombre de “Ecuación de Interpolación”. 5.. se tiene la “Ecuación de Interpolación de Shannon”. El proceso de recuperación de x(t) es fácil de visualizar en la Fig. Pero la interpolación dada por (5. Se efectúa entonces una interpolación y por esa razón la expresión (5. Fig. Para la recuperación de x(t).4) Esta expresión indica que hay que tomar cada muestra y multiplicarla por una función sinc(.1(f).). 5. 2 Nótese en la Fig. 5.2 se puede observar fs este proceso de interpolación para B = > f m . y las muestras se presentan en forma de impulsos cuya área es proporcional a la amplitud de la muestra en un instante dado. En la Fig. 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 )] (5.3). en cuyo caso x r ( t ) = x( t ) .). 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 ”. 5. entonces ∞ De (5..1(f).3) en el cual debe cumplirse que f m ≤ B ≤ f s − f m .) centrada en el instante de ocurrencia de la muestra y sumar los términos resultantes. x r (t ) toma los valores de x(t) en los puntos de muestra.5) Esta expresión se ha utilizado para demostrar el Teorema del Muestreo de Shannon. 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. pero nosotros vamos a verificarlo para demostrar algunas relaciones importantes. 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. 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 ). MODULACION Y TRANSMISION DE IMPULSOS Teorema No 2. .

Si se viola la restricción sobre el ancho de banda de x(t)..4).).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 . .). 5.299 V. 5.2. x r ( t ) y x(t) tendrán la forma aproximada mostrada en la Fig. A medida que disminuye la frecuencia f m de x(t). De las propiedades de la función sinc(. Ts = 2f m número mínimo de muestras necesarias para una buena reconstrucción de la señal x(t) será . Nótese que x r (t ) y x(t) son iguales solamente en los instantes de muestreo. donde m es un entero pues k y n son enteros . las curvas se superponen en una sola y x r (t ) = x (t ) para todo t. entonces la señal reconstruida xr(t) será exactamente igual a x(t). entonces para cualquier valor de Ts y f m .3. entonces... x r ( t ) = x (kTs ) para k = 0. MODULACION Y TRANSMISION DE IMPULSOS Ts x(t) sinc( t − nTs ) Ts t Fig.6) En el instante kTs .Interpolación Lineal mediante la Señal Sinc(.. donde k es un entero. En efecto. si reemplazamos B = f s / 2 = 1 / 2 Ts y t o = 0 en (5. x (t ) x r (t ) t −2Ts −Ts 0 Ts 2Ts 3Ts Fig. de acuerdo con el teorema de Shannon. entonces x r (t ) no será igual a x(t).n. obtenemos x r (t ) = n =−∞ ∑x(nT )sinc( s ∞ t − nTs Ts ) (5.3. Sin embargo. podemos demostrar que si B = f s / 2. Si se muestrea periódicamente una señal x(t) durante un tiempo T = NTs . ± 1. la expresión (5.. 5. n =−∞ ∑sinc(m) = ⎨0 para ⎩ ∞ ⎧1 para m = 0 ó k = n m≠0 ó k ≠n Por consiguiente. y x r (t ) aparece como una señal de menor frecuencia que x(t). Vemos entonces que si f s > 2 f m y B = f s / 2 . ± 2. x r (t ) y x(t) serán iguales pero solamente en los instantes de muestreo. se tendrá N 1 y el valores o muestras de la señal.

8). Los valores de muestra. sin embargo..49).300 V. por ejemplo. Esto es de gran importancia en los sistemas de procesamiento y transmisión de señales digitales. Este sencillo enunciado tiene. MODULACION Y TRANSMISION DE IMPULSOS N = 2f m T (5. de donde . se puede utilizar para determinar una forma del Teorema de Parseval en el caso de señales muestreadas. 1 2B ∫ B −B exp[− j2 π (t − nTs )f ]df = sinc[2 B(t − nTs )] . En rigor.4) con 2 BTs = 1 y t o = 0 en (5. pero sí deben ser independientes. 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). es conocida también con el nombre de “dimensionalidad o teorema de la dimensionalidad”. como veremos posteriormente.7) Esta expresión.5). estudiada por Nyquist. 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. se pueden almacenar en la memoria de una computadora para posterior reconstrucción o transmisión por un canal. profundas implicaciones en el diseño y prestaciones de todos los tipos de sistemas de comunicación. Teorema de Parseval para Señales Muestreadas La ecuación de interpolación de Shannon. expresión (5.). las muestras no necesariamente deben ser periódicas de período Ts. 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. < x 2 ( t ) >= Ex 1 = Ts Ts ∫ ∞ −∞ x 2 ( t )dt (5. 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(. En efecto.8) Reemplazando (5. una vez codificados digitalmente. 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. podemos aproximar la potencia promedio de x(t) dividiendo Ex por Ts .

En la Fig. Para señales pasabanda existe entonces una relación más general que la condición de Shannon. y para 2BTs = 2 fm Ts = 1 . 1975]. B =| f 2 − f1 | .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 ). 2 2 f2 ≤ fs ≤ f m m−1 1 para m entero y m > 1 (5. se puede muestrear a una frecuencia mínima f s = 2 f 2 / m . Esta expresión la aplicaremos más adelante. en la cual la frecuencia de muestreo puede tomar los valores [Hoffmann. Por consiguiente. Los valores permitidos de fs se pueden representar en forma gráfica a partir del siguiente desarrollo. entonces 2 < x 2 (t ) >=< x r (t ) >= n =−∞ ∑x ∞ 2 (nTs ) (5.4 se muestra el espectro X s (f ) de x s (t ) en el cual.10). es decir. la integral es igual a x( nTs ) . Muestreo de Señales Pasabanda “Una señal x(t) pasabanda de ancho de banda B y cuya frecuencia más alta es f2 .9) La expresión (5.10) o que sean mayores que 2 f 2 . 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 . la integral de la expresión anterior representa a x(t) en los instantes discretos nTs . no se produce solapamiento entre los espectros. y sea f1 y f2 los bordes de la banda de paso de X(f). donde m es la parte entera de la relación f 2 / B”. 5.301 V. x(t) = x r (t ). < x 2 ( t ) >= 1 2f m Ts n = −∞ ∑x ∞ 2 ( nTs ) Como X(f) es de banda limitada f m = B . aunque f s < 2 f 2 . Valores de frecuencia superiores no son B necesariamente utilizables a menos que ellos cumplan con la condición (5. es decir. Sea X s (f ) el espectro de la señal muestreada x s (t ) a una frecuencia de muestreo fs . De (5. .9) es una forma o aplicación del Teorema de Parseval para señales muestreadas. siendo B=|f 2 − f1 | . Teorema No 3.

Sin embargo. es decir. 5. entonces la frecuencia de muestreo mínima tiende a 2B. la frecuencia de muestreo debe ser como mínimo igual a 2B. fs 3B 2B B B 2B 3B 4B 5B 6B f Frecuencia Máxima de la Señal. Por consiguiente. como se muestra en las líneas a trazos en la Fig. si la gama de frecuencias se hubiese extendido desde f1 = 4. m = 1 y la frecuencia mínima de muestreo será de 19998 muestras por segundo. ♣ Ejemplo 5. entonces B = 5 kHz. se puede utilizar un filtro pasabanda. la frecuencia mínima de muestreo de señales pasabanda estará siempre entre 2B y 4B. entonces B = 5 kHz. En el primer caso se emplea una frecuencia de muestreo que es dos veces el ancho de banda de la señal.11) en una igualdad). f 2 Fig.999 kHz hasta f 2 = 9.12) Graficando fs vs f2 en unidades de ancho de banda B. Si f 2 >> 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 . su valor máximo será 4B. m = 2. asimismo. 5. es decir. 104 muestras por segundo.5.11) Si consideramos fs como la frecuencia mínima de muestreo (convirtiendo la desigualdad (5.5. y del Teorema No 3 la frecuencia mínima de muestreo será de 104 muestras por segundo.5.1 Consideremos una señal de audio que ha sido pasada por un filtro pasabajo ideal de ancho de banda B = 5 kHz. 4B Frecuencia Mínima de Muestreo. 5. La frecuencia de muestreo mínima permitida depende entonces de la relación f 2 / B . Vemos que las frecuencias de muestreo siguen siendo iguales. 4. mientras que en el segundo caso se obtuvo una frecuencia de muestreo de aproximadamente cuatro veces el ancho de banda.999 kHz . donde B es el ancho de banda de la señal. que son los límites de la frecuencia mínima de muestreo y que están ilustrados en la Fig. se obtiene la relación 2 f s = ( )f 2 m (5. ♣ . Frecuencia Mínima de Muestreo Pasabanda En cuanto a la reconstrucción de la señal original a partir de su forma muestreada. Para especificar esta señal sin ninguna distorsión. casi 4B muestras por segundo. 5. se obtiene el gráfico de la Fig. MODULACION Y TRANSMISION DE IMPULSOS fs ≥ 2f 2 m (5.302 V.

consideremos el dual en el dominio de la frecuencia de las expresiones (5. y ~ X(f ) el espectro muestreado de X(f). vamos a presentar el dual del Teorema No 1. entonces X(f) se puede determinar unívocamente especificando sus valores en una serie de puntos 1 separados cada Hz”. ~ (t ) = x (t ) ∗ p(t) = 1 x fo n =−∞ ∑ x(t − fn ) o ∞ (5.2) y x(t) es la señal generatriz de una señal periódica ~ (t ) . x Si x(t) es limitada en el tiempo de la forma x ( t ) = 0 para |t|> Tm entonces. ~ consistirá de réplicas periódicas de x(t) fo x(t) separadas en múltiplos de To = 1 / f o .15) > 2 Tm . Tm ) .3).14) es el dual de la expresión (5. con 1 (5. A este efecto.1) y (5. como se muestra en la Fig.2).6. v(t)” que es el dual del filtro pasabajo definido en (5.14) siendo fo el intervalo de muestreo en frecuencia. Teorema No 4 “Si X(f) es el espectro de frecuencias de una señal x(t) limitada en el intervalo (− Tm . 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. Sea entonces X(f) el espectro de una señal x(t) limitada en el tiempo. La expresión (5. 5. 5. 2Tm Para verificar este enunciado. Sin embargo. En el dominio de la frecuencia. 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.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. 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. Fig. la señal x(t) (y por supuesto. En este caso v (t ) = fo Π( t 1 / fo ) y x(t) = ~ ⋅ v(t) x(t) (5.303 V. En este caso.16) . 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. su transformada X(f)) se puede recuperar mediante el empleo de lo que se denomina “ventana temporal de ponderación. ~ (5.6 (b) y (f).

Si la desigualdad Mediante analogía con la interpolación en el dominio del tiempo.18) es el dual de (5. cuyo principio de funcionamiento veremos a continuación. ♣ Ejemplo 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. la recuperación de x(t) utilizando la ventana temporal se puede interpretar como una interpolación en el dominio de la frecuencia. la función sinc(. n =−∞ ∑X(nf o ∞ o )δ(f − nf o ) y V(f) = sinc( f ) fo (5. como se muestra en la Fig.5). el resultado deseado se puede obtener indirectamente utilizando el Osciloscopio de Muestreo.304 V.6. ~ X(f ) = X(f ) ∗ V(f) (5. 2. Muestreo en el Dominio de la Frecuencia > 2 Tm no se cumple. consiste en muestrear la señal rápida x(t) una vez cada período pero en diferentes puntos en los períodos ..) permite la interpolación exacta entre muestras en el dominio de la frecuencia para una señal limitada en el tiempo. El principio del Osciloscopio de Muestreo.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. 5. 5. El desarrollo anterior se ha efectuado para señales limitadas en el tiempo centradas en el origen. Sin embargo. entonces las réplicas de x(t) se solaparán y x(t) fo x no podrá recuperarse a partir de ~ ( t ) .17) donde ~ X( f ) = ∞ 1 por consiguiente. pero los resultados se pueden aplicar para cualquiera señal que exista en cualquier intervalo finito de duración 2Tm . si la señal es periódica. 5.6(f). como lo era para muestras en el dominio del tiempo de una señal limitada en frecuencia. de (5.7.16). 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. En particular. como puede observarse en la Fig. En efecto.

es decir. Las señales y(t ) y x(t) tienen el mismo perfil.7. entonces fs = 1 1 . de modo que. Para efectos ilustrativos en la Fig. Por ejemplo. pero en la práctica este valor es mucho mayor. podemos conocer también el período de la señal desconocida x(t) puesto que T = a∆t . con ∆t tal que T = a∆t. Se desea calcular la salida y(t) del filtro pasabajo.3 Sea el sistema de la Fig. 5. 5. su salida y(t) será proporcional a la señal rápida original x(t) pero expandida en el t tiempo. ∆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 señal y(t) se obtiene pasando y s ( t ) por un filtro pasabajo interpolador de ancho de banda B = f s / 2 . 5. pero ella nos proporciona los valores de Ty y Ts .8(a) donde la señal periódica p(t) tiene la forma mostrada en (b). y(t) será proporcional a x( ) cuando a >> 1.7. como se muestra en la Fig. Fig. La frecuencia de muestreo de Nyquist es f s = 2 f m = 10 4 Hz = 10 kHz . De la Fig. MODULACION Y TRANSMISION DE IMPULSOS sucesivos. 5.7. T >> ∆t . cada período de x(t) a tiene el mismo perfil que el de y(t). Si el tren de impulsos resultantes y s (t ) se pasa por un filtro interpolador pasabajo apropiado. una vez determinados los valores de a y ∆t . pero como Ty = aTs . a = 6. 5x103 Vamos a determinar X s (f ) cuando el muestreo se efectúa a la frecuencia de Nyquist.305 V. es decir. si T es el período de x(t). El incremento ∆t .7. entonces la frecuencia de muestreo del osciloscopio será f s = 1/ ( T + ∆t ). Esto nos permite obtener a = Ty / Ts y ∆t = Ts / (1 + a ) . f Sea x(t ) = 5 ⋅ sinc 2 (5x103 t ) ⇔ X(f) = 10-3 Λ ( ). ♣ ♣ Ejemplo 5. de donde fm = 5x103 Hz. pero se diferencia en el factor de expansión a. 5. debe ser un intervalo elegido apropiadamente según el ancho de banda de x(t).

De (1. la señal original podrá recuperarse a partir de su versión muestreada solamente si la señal muestreadora contiene una componente continua.8(c). 5.∞ 5x103 ⎪0 para n par ⎩ ∑ El espectro X s ( f ) tiene la forma mostrada en la Fig.306 V. en general. ♣ . T = 5x10 -5 seg. 5. 5. X s (f ) será entonces.8 5 10 15 25 kHz 30 35 f De la Fig.8(b).28. También. En efecto.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. la función generatriz g(t) de p(t) es g(t ) = δ(t ) − δ(t − T) ⇔ G(f) = 1. La salida del filtro pasabajo es cero. 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. Nótese que. ∑ 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.exp(-j2πTf) 1 = 10 kHz. f s = 2T Pn = 1 [1 − exp( − j2πTf )] |f = n = 1 [1 − exp( − jnπ)] = 1 para n impar y n ≠ 0.103). ∞ ⎧ f . T 2T 2T 2T ⎧1 ∞ ⎫ n δ(f − ) para n impar y n ≠ 0⎪ ⎪ P(f ) = ⎨ T n = −∞ 2T ⎬ ⎪0 ⎪ para n par ⎩ ⎭ Entonces.

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. 5. ♣ 5. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. de fácil realización física. como se muestra en la Fig. Un mejor conocimiento físico e intuitivo de los mecanismos y teoremas del muestreo se puede obtener si se considera circuitos reales. Dependiendo del uso que se hace de la señal muestreada. 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. x ( t ) ⇔ X(f) = 10 -3 ⎢ Λ ( ) + Λ( )⎥ 5x10 3 5x10 3 ⎦ ⎣ El espectro X(f) se muestra en la Fig. se pueden distinguir dos casos de muestreo práctico: el “muestreo natural” y el “muestreo con retención”.9(b). 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.307 V. .4 Sea x ( t ) = 10sinc 2 (5x10 3 t ) cos(10 5 πt ) .3. f2 = 5. una señal que vamos a muestrear y recuperar. La distorsión producida por los circuitos reales de muestreo la trataremos en la próxima sección. f 2 = 55 kHz. de donde B = 10 kHz. los cuales consideraremos a continuación. 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 kHz 60 ⎡ f + 5x10 4 f − 5x10 4 ⎤ Del teorema de la modulación. 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. 5.5 → 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 . Por otro lado. 5.2.9(a).

5. El muestreo natural equivale a multiplicar la señal original por una señal muestreadora periódica rectangular de amplitud unitaria. como se muestra en la Fig. Muestreo Natural de Señales Pasabajo La señal muestreada. tiene la forma x s (t ) = x (t ) ⋅ s(t ) (5. Esta “multiplicación” generalmente se instrumenta con una compuerta analógica (por ejemplo. Fig. a las frecuencias ±nf s. 5.20) Del teorema de convolución.10(b).105). la cual deja pasar la señal cuando la señal muestreadora está en “ALTO” e impide el paso cuando está en “BAJO”. 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. 5. un MOSFET cualquiera). los espectros están . El espectro X s (f ) de la señal muestreada x s ( t ) es la repetición periódica.10(e). como se muestra en la Fig. 5. MODULACION Y TRANSMISION DE IMPULSOS Muestreo Natural En la práctica.19) donde s(t) es una señal periódica rectangular. cuya transformada de Fourier es. período igual al intervalo de Shannon y valor promedio distinto de cero. S( f ) = τ s f s n =−∞ ∑sinc(nτ f )δ(f − nf ) s s s n =−∞ ∞ (5. 5. Fig. del espectro X(f) de la señal original.10(f). pero a diferencia del muestreo ideal.10. ∞ 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 ) (5.71) y (1. de (1.10(a).308 V.21) ponderados por un factor de escala decreciente con nfs que es [ τ s f s sinc(nτ s f s )] . el muestreo debe ser realizado necesariamente con impulsos de amplitud finita y duración distinta de cero.

MODULACION Y TRANSMISION DE IMPULSOS Ts 1 = es un número entero. entonces. 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. 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 . < 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 [ ] . Nótese que la ganancia del filtro interpolador en el caso de muestreo ideal. 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. por definición. entonces a las frecuencias nfs múltiplos de τ sfs τ s 1 / τ s las correspondientes componentes de Xs(f) serán cero. 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. ella puede desarrollarse en serie de Fourier.10(b).3). el cual se puede determinar fácilmente si g(t) es conocida gráfica o analíticamente. Potencia de una Señal Muestreada Natural Consideremos la señal muestreada xs(t) dada por (5. siempre que Ts cumpla con el teorema de Shannon. Nótese también que pese a que el muestreo no es instantáneo. y (b) que la señal periódica contenga una componente continua (Ver Ejemplo 5.19) donde s(t) es una señal periódica rectangular de amplitud unitaria y ciclo de trabajo τ/Ts . Esto es más cierto por cuanto los circuitos eléctrónicos de conmutación no producen impulsos perfectamente rectangulares. expresión (5.309 V. τ s < Ts ).5. En este caso. 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 . es Ts. Consideremos entonces una señal periódica g Ts ( t ) cuya señal generatriz g(t) tiene cualquier perfil.21) pero el factor de ponderación es f sG (nf s ) . Fig.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. ♣ Ejemplo 5. Nótese que si La forma del espectro de la señal muestreada de la Fig. Puesto que s(t) es periódica. de (1. 5.47).3). no se produce distorsión: x(t) se puede recuperar de xs(t) independientemente del valor de τ s (pues. Para recuperar x(t).

22) es válida también cuando x(t) es una señal aleatoria pasabajo (ruido. que la expresión (5. Esta operación se denomina “Muestreo con Retención (Sample and Hold)” o “Muestreo de Topes Planos”. En la Fig. entonces. no sabría cuál es el valor exacto de x(nTs). 5. Con el muestreo natural la amplitud de las muestras varía en el intervalo τs y el sistema.11.11 (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)”.22) Diremos. 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. la potencia promedio de la señal periódica s(t). por ejemplo un codificador. Esta situación se resuelve manteniendo o reteniendo los valores instantáneos x(nTs) durante un tiempo apropiado.310 V. por ejemplo). Muestreo con Retención 4f s f . 5. MODULACION Y TRANSMISION DE IMPULSOS Pero la cantidad dentro de los corchetes es. ♣ 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. < 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. del Teorema de Parseval. sin demostrarlo.

El efecto de apertura se puede disminuir haciendo τ h más pequeño y puede ser eliminado mediante una red ecualizadora. τ h < Ts . Nótese que si f s < 2 f m se produce solapamiento. Las réplicas de X(f) tendrán distorsión de amplitud: simétrica en el origen y asimétrica en las frecuencias nfs. τ h se denomina “tiempo de retención”.26) cuya transformada de Fourier es. ⎡ ∞ ⎤ t -τh / 2 x(nTs ) ⋅ δ (t − nTs )⎥ ∗ Π ( ) De (5. s n = −∞ ∞ n = −∞ ∑ x ( nTs )δ( t − nTs ) ⇔ X i (f ) = X (f ) * P(f ) = f s ∑ X(f − nf ) s ∞ (5.1) y (5. La duración de τ h depende de la utilización que se haga de la señal muestreada.27) En la Fig. debe verificarse entonces que t c ≤ τ h . Si t c es el tiempo de conversión del codificador.311 V.11(c).11(f) se muestra Xs(f) cuando τ h = Ts / 3.23) (5. Puesto que p( t ) = x i ( t ) = x ( t ) ⋅ p( t ) = ∞ n = −∞ ∑ ∞ δ( t − nTs ) ⇔ P(f ) = f s n = −∞ ∑ δ(f − nf ) .24). En la próxima sección veremos esto con más detalle. Esta distorsión en el espectro muestreado hace que la interpolación o recuperación exacta de x(t) no sea posible con un filtro pasabajo. MODULACION Y TRANSMISION DE IMPULSOS Para propósito de análisis. el efecto del tiempo de retención τ h se refleja en H(f) produciendo ceros a las frecuencias k / τ h . x s (t ) = ⎢ τh ⎢ n =−∞ ⎥ ⎣ ⎦ ∑ x s (t ) = n =−∞ ∑ x(nT ) ⋅ Π( s ∞ t − τ h / 2 − nTs ) τh ∞ (5. Si el muestreo es sin retorno a cero (NRZ). como se muestra en la Fig. Esta distorsión se conoce con el nombre de “efecto de apertura” y es una distorsión de tipo lineal. si se trata de codificar una muestra x(kTs).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. Por otra parte. 5. X s (f ) = τ h f s sinc(τ h f ) exp(− jπτ h f ) n =−∞ ∑ X(f − nf ) s (5. .25) En el caso de muestreo con retorno a cero (RZ). 5. el tiempo τ h deberá ser lo suficientemente largo para que se pueda efectuar la codificación. por ejemplo. El tiempo de conversión generalmente es un parámetro dado por los fabricantes de los codificadores.23).17 y para el cual h(t) = Π( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) ⋅ exp(− jπτh f ) τh (5. simplemente se reemplaza τ h por Ts . 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). entonces. de (5.

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 )] .312 V. 5. Los circuitos muestreadores prácticos difieren de los ideales en que mientras la compuerta permanece cerrada. (n − 1) Ts nTs (n + 1) Ts Fig.13. 5. la corriente de carga del capacitor está limitada por la resistencia combinada de la compuerta y de la impedancia de salida de la fuente. para no hablar del aumento en el ancho de banda. como se muestra en la Fig. _ _ + C x(t) x s (t ) x(t) (b) R1 R2 C _ + + x s (t ) (a) s(t) s(t) Fig. 5. 5. cuando la compuerta abre.11(d). 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.13. En la Fig.12. Asimismo. ♣ Ejemplo 5. Entonces. pero por otro lado el circuito se complica porque hay que agregar una compuerta adicional que descarga a cero al capacitor. La situación se simplifica un poco si la salida es con retorno a cero (RZ). 5. lo que hace que el voltaje en el capacitor no alcance exactamente el valor x(nTs).13. por un lado disminuye la distorsión por efecto de apertura. pues. 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.6. Esta señal muestreada. Fig. la cual debe ser lo más alta posible.12 se muestra algunos muestreadores con retención usados en nuestro laboratorio. < x(t ) >= 0 . En particular. Fig. Señal Muestreada con Retención. 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 . 5. sobretodo si la salida es sin retorno a cero (NRZ). duración τ y período Ts . . El capacitor se carga cuando s(t) está en “ALTO” y mantiene ese valor cuando s(t) está en “BAJO”. MODULACION Y TRANSMISION DE IMPULSOS El muestreo con retención se realiza en la práctica agregando un capacitor a la salida de una compuerta analógica. el capacitor tratará de descargarse sobre la impedancia de salida. Muestreadores con Retención. 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).

El muestreo con retención. puesto que τ < Ts. Si el muestreo es NRZ. (5. 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. 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 . Vamos a determinar el espectro Xs (f) de la señal muestreada y dibujarla para algunos valores numéricos.19) y (5.7 < x 2 (t ) >= s [ ] Consideremos el muestreador con retención de la Fig. la potencia de la señal muestreada tiende en promedio a la potencia de la señal sin muestrear. ♣ ♣ Ejemplo 5.313 V. Puesto que < x(t ) >= 0. entonces n=-∞ ∑ x(nT ) = 0. reduce la potencia de la señal de entrada en un factor τ/Ts.28) Ts Ts Ts τ < x 2 (t ) >= < x 2 (t ) > y si A = 0.29) s Ts La potencia de la señal muestreada con retención es igual a τ/Ts veces la potencia de la señal original.9). 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. 5.21). igual que el muestreo natural. período Ts y duración τs . 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 ) > (5.11(c) donde p(t) es un tren de impulsos rectangulares de amplitud unitaria.

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. τ s = Ts . MODULACION Y TRANSMISION DE IMPULSOS Este es el espectro Xs(f) de la señal muestreada xs(t).14(b) se muestra la forma del espectro Xs(f). Para dibujar su amplitud. 4 B = 5 kHz 1 = 50x10 -6 seg. algunas de las cuales pueden ser eliminadas mediante filtros ecualizadores apropiados.314 V. Distorsión producida por el Muestreo En el proceso de muestreo y reconstrucción de una señal se producen varias formas de distorsión.14 kHz ♣ 5. 5.5x10 −6 seg La expresión para Xs(f) será ∞ ⎧ f (−1) ( n −1)/ 2 f − 2 x10 4 n ⎪12 . Los tres tipos de distorsión presentes en el muestreo son la “Distorsión de Solapamiento (Aliasing)”. 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.2. y los siguientes valores numéricos: A = 10 V. 2 τh = Ts . vamos a suponer una frecuencia de muestreo del doble de la de Nyquist. Ts = τ s = 25x10 −6 seg. 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. . f s = 4 f m = 4 B = 20 kHz.5x10 −9 exp(− j12. la “Distorsión de Interpolación” y la “Distorsión por Efecto de Apertura”.4. 5. τ h = 12. amplitud solamente.

método utilizado para preservar la privacidad de las conversaciones telefónicas. 5. Como ejemplo. Esto se muestra en la Fig. Pero los filtros prácticos no poseen esas características y una cierta cantidad de la energía de los espectros adyacentes puede pasar a la salida. Sin embargo. Para eliminar el efecto de las frecuencias de solapamiento.15. En el Problema de Aplicación 5. Las componentes de frecuencia que se reflejan o invierten hacia las bajas frecuencias se denominan “frecuencias de solapamiento (folding frequencies)”. Distorsión de Interpolación Para la recuperación de la señal original siempre hemos supuesto filtros ideales con bordes abruptos en las frecuencias de corte. como se muestra en la Fig. 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. 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. . 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. 5. y ellas afectan seriamente la inteligibilidad de las señales de voz en los sistemas telefónicos.10 se cuantifica el efecto de la distorsión de solapamiento.16. 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 . Por ejemplo. La eliminación de las componentes en la parte alta de la gama de la señal degrada la fidelidad de la transmisión hasta cierto punto.315 V. este efecto de inversión se puede utilizar acentuándolo para efectuar la inversión completa del espectro. 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.

tales como los filtros Butterworth de tercer o cuarto orden. Filtro Compensador del En la práctica se puede omitir entonces el filtro Efecto de Apertura. 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. Nótese que si el tiempo de retención τ h es lo suficientemente pequeño. Distorsión por Efecto de Apertura El efecto de apertura es una forma de distorsión de amplitud propia del muestreo con retención. El efecto de la distorsión de interpolación es la aparición de un silbido o “pito” de alta frecuencia en la señal recuperada. Entonces. Esta distorsión es producida por el producto de los espectros desplazados por la función de transferencia H (f ) = τ h sinc(τ h f ) . Ts ó Ts ≥ 4τ h . 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. Fig. H e (f ) debe tener la forma aproximada mostrada en la Fig. En el Problema de Aplicación 5. o también. 5.11 y 5. Compensación del Efecto de Apertura.30) donde B es el ancho de banda del filtro de interpolación H I (f ) .14. 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%. 5. 5. como se puede apreciar en las Figs. la efecto. 5. ecualizador cuando τ h ≤ 4 .316 V.18. 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. 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. 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. Este proceso se muestra en la Fig. En 1/ τ h τh 1 ≤ .12 se cuantifica el efecto de la distorsión de interpolación. La distorsión de interpolación se puede eliminar mediante un diseño apropiado de los filtros.17.17. H e (f ) = 1 para |f| ≤ B H (f ) 1 H e (f ) = para |f| ≤ B τh sin c(τh f ) (5. Como éste es un tipo de distorsión lineal. las colas del filtro permiten el paso de componentes de frecuencia de espectros adyacentes.

2. Un tren de impulsos está caracterizado por su amplitud. para su transmisión. por ejemplo. En la Fig.3. en la cual la altura o amplitud de cada impulso varía en función del valor de muestra de la señal mensaje. En la modulación analógica de impulsos cada valor de muestra hace variar proporcionalmente uno de los parámetros de cada impulso. pero tres son las más conocidas y utilizadas: 1. y que esta operación fuera reversible. en función del valor de muestra de la señal mensaje. 3. MODULACION Y TRANSMISION DE IMPULSOS 5. PPM)”.317 V. 5. un tren de impulsos periódicos. su período y la duración de cada impulso. PAM)”. puede transmitirse y en el destino se le puede extraer la información contenida en ella. el tren de impulsos. 5. se tendría lo que se conoce como “Modulación Analógica de Impulsos”. t . SISTEMAS DE MODULACION ANALOGICA DE IMPULSOS 5. La “Modulación de Posición de Impulsos (Pulse-Position Modulation. El período y la amplitud de los impulsos no cambian. Hay varias formas de modulación analógica de impulsos.19 se muestra una señal mensaje típica m(t) y las tres formas de modulación analógica de impulsos correspondientes. La amplitud y la duración de los impulsos no cambian. Nótese que cada impulso dispone.3. PDM o PWM)”. Un mensaje adecuadamente descrito por sus valores de muestra se puede transmitir mediante la modulación analógica de un tren de impulsos. Formas Básicas de la Modulación Analógica de Impulsos. Introducción De acuerdo con la definición de información que vimos en el Capítulo IV.19. La “Modulación de Duración o Anchura de Impulsos (Pulse-Duration (Width) Modulation. en la cual la posición de cada impulso varía.1. no contiene ninguna clase de información. respecto a un punto de referencia. en la cual la duración de cada impulso varía en función del valor de muestra de la señal mensaje. (a) Ts m(t) t (b) PAM t (c) PDM t (d) PPM Fig. La “Modulación de Amplitud de Impulsos (Pulse-Amplitude Modulation. El período y la duración de los impulsos no cambian. Si en alguna forma se imprimiera sobre alguno de estos parámetros una variación proporcional a alguna otra señal. así modulado. de todo el ancho de banda del canal pero sólo lo ocupa durante parte de un intervalo Ts.

él se comportaría como un interpolador. que los impulsos modulados puedan ser de amplitud cero o negativa. la amplitud de cada impulso varía proporcionalmente con cada valor de muestra de la señal mensaje m(t). se τ puede tomar este valor como el mínimo ancho de banda B.19(b). Por otro lado. este tipo de transmisión se denomina “Transmisión en Banda de Base”. Como la expresión (5. La recuperación o demodulación se efectúa mediante filtros interpoladores y ecualizadores. En PAM. x PAM (t ) = n =−∞ ∑ [ A + m(nT )] ⋅ Π( s ∞ t − nTs ) τ (5. Modulación de Amplitud de Impulsos (PAM) En la modulación PAM. por lo tanto. que representa la portadora sin modular. anchos de banda muy grandes no son necesarios.32a) Ts 1 1 = k . τ la duración de los impulsos y |min m(t)| es el valor de la máxima excursión negativa de m(t).318 V.26). el cual se denomina “Ancho de Banda de la Banda de Base”. 5. sin ningún otro tipo de modulación. Una señal x PAM (t ) unipolar con retorno a cero tiene entonces la forma. como la señal PAM mostrada en la Fig.3. entonces τ f s 2f m B ≥ 2k fm B ≥ 2 kf m y β m = (5. 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. En general. Si el ancho de banda del canal fuera igual a fm . entonces se tendrá que . Ts es el intervalo de Shannon. una señal PAM no es otra cosa que una señal muestreada con retención. Si B≥ 1 τ (5. Anchos de banda ligeramente mayores que fm producirían solapamiento en el tiempo (time crosstalk) lo que introduce distorsión. y como estos valores se mantienen aún cuando B = .31) tiene la misma forma que la expresión (5. período Ts y duración τ . para efectos de sincronización. pues las señales se transmiten tal como se generan. la transmisión sería analógica continua y el proceso de muestreo no tendría sentido. MODULACION Y TRANSMISION DE IMPULSOS 5. vimos.31) se convierte en un tren de impulsos periódicos de amplitud A. excepto por la constante A.26). Entonces. donde k > 1.32b) Nótese que β m = B / f m es “la relación o factor de expansión del ancho de banda” definida en el Capítulo IV. se sigue que sus espectros serán iguales (salvo por un impulso en el origen). como se describió en la sección anterior. de (5. y Ts = = .31) donde A > |min m(t)| es una constante que se agrega a m(t) para evitar. Como la señal PAM es interpolada en base a sus valores de 1 amplitud en los instantes de muestreo. Se supone también que < m(t) >= 0 . la expresión (5. Como k > 1 y puede variar según la aplicación. Nótese que en ausencia de modulación [ m( t ) = 0] .2.

Del Ejemplo 5. Este muestreo. En cuanto a las relaciones S/N en PAM. Para permitir el funcionamiento en multiplex. apareciendo ésta a la entrada del filtro interpolador. que Ts >> τ .319 V. A la entrada del receptor PAM. el receptor está abierto cuando no hay presencia de impulsos y cerrado cuando éstos están presentes.20. la potencia promedio de xPAM(t) es (5. 5.20. la señal recibida es v (t ) = x PAM (t ) + n(t ) donde n(t) es ruido blanco de densidad espectral η / 2 . para las perturbaciones presentes en la entrada.20. expresión (5. 5.33) < x 2 (t ) >= PAM τ A 2 + < m 2 (t ) > Ts [ ] (5. el muestreo en el receptor no afecta a la señal útil pero sí al ruido presente a la entrada. Fig. como veremos más adelante.28). 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. MODULACION Y TRANSMISION DE IMPULSOS β m >> 1. 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. gracias a los dispositivos de sincronización del receptor. Este funcionamiento intermitente constituye.36) Ts 2 ) es la ganancia de potencia del filtro interpolador. un muestreo de tipo natural. se hace a la misma frecuencia que el muestreo del mensaje en la emisión.34) A la entrada del filtro interpolador la potencia de la señal útil será Si = y a la salida. es decir. que veremos en detalle más adelante.35) (5. 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. Como consecuencia. Se supone que el filtro τ ecualizador no es necesario. consideremos el receptor PAM de la Fig.6. tanto el filtro de entrada como el sincronizador serán transparentes para la señal PAM. donde Gp = ( τ < m 2 (t ) > Ts So = G p T τ < m 2 (t ) >= s < m 2 (t ) > τ Ts (5. . 5.

con B e = B .41) So < m 2 (t ) > = No ηf m y la correspondiente ganancia de conversión.43) La ganancia de conversión en PAM es igual a la relación de expansión del ancho de banda. B e >> f m Ts Ts S 'ni ( f ) (5. (5. So / N o B = = β m en PAM Si / N i fm (5. La potencia de ruido a la entrada del muestreador será N 'i = ηB e y a la entrada del filtro interpolador. de (5. En efecto. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. Ni = ( τ τ ' )N i = ( )ηB e .42) (5.40) Las relaciones S/N entrada-salida serán. Si < m 2 (t ) > = ηB Ni (5. Esto nos permite expresar la ganancia de conversión en otra forma. de (5.32).44) . la potencia de ruido será entonces No = Gp ( T τ )ηf m = s ηf m Ts τ (5.38) 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.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. 5.22).39) A la salida del filtro interpolador de ancho de banda fm y ganancia de potencia Gp . 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 (5.21. la densidad espectral a la salida del filtro de entrada tendrá la forma de la Fig.21. 5.

hay entonces un intercambio o compromiso entre el ancho de banda y la relación S/N.45) Aunque el receptor no estuviera bloqueado. es decir.321 V. la modulación PAM no se utiliza para transmisión directa de información sino como un paso previo de procesamiento. Una señal PDM tiene entonces la forma x PDM ( t ) = ∞ n = −∞ ∑ AΠ ⎢ τ(nT ) ⎥ ⎦ ⎣ s ⎡ t − nTs ⎤ (5. sobre todo en los sistemas de modulación de impulsos codificados (PCM).46) (5. como se muestra en la Fig. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PAM depende también de la relación (Ts/τ).3. Si Ts es el período o intervalo de Shannon. vemos que ⎡ So ⎤ T ⎡S ⎤ =2 s⎢ o⎥ ⎢ ⎥ τ ⎣ N o ⎦ DSB ⎣ N o ⎦ PAM (5. ver Fig.19(c). B el ancho de banda de transmisión y < m(t) >= 0 . Obsérvese que el valor más positivo de m(t) corresponde al impulso más ancho. 5. por ejemplo.22. 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.48) (5. al del sistema de doble banda lateral (DSB) de acuerdo con la expresión (2. sin embargo. 5. Nótese que el bloqueo del receptor permite aumentar la ganancia de conversión aunque a expensas de un aumento en el ancho de banda. Como es evidente. las ganancias de conversión serían iguales.42). mientras que el valor más negativo corresponde al impulso más angosto. Como la información está contenida en la variación de la amplitud de los impulsos. 5.47) 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 ) . En efecto.164). esto hace que el comportamiento de este sistema de modulación de impulsos sea superior. el sistema PDM debe ser cuidadosamente diseñado de acuerdo con los niveles de señal máximos y mínimos esperados. 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.3.162) con Ac = 1. A este efecto. los valores de τo y τ1 se eligen de tal manera que se cumplan las siguientes condiciones. de la relación de bloqueo del receptor.49) . lo que se puede apreciar haciendo τ = Ts en (5. los sistemas PAM son muy sensibles al ruido aditivo. en cuyo caso τ = Ts . y viceversa. 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.164). que veremos posteriormente. y (5. En la práctica.44) y comparando con (2. τo es la duración de τo los impulsos no modulados. la relación [So/No]PAM es superior en 3 dB a la relación [So/No]DSB . de (2. 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.

entonces τ = τ (t ) = [τ o + τ 1 sen(ω m t )] . Una forma de generación de una señal PDM se ilustra en la Fig. lo cual no parece tan obvio cuando se observa la forma de la señal. pero también se puede mantener fijo un borde del impulso mientras que el otro borde es el que se desplaza. 5. Demodulación PDM La señal PDM se puede demodular con un simple filtro pasabajo. si se supone el caso de modulación sinusoidal o modulación con un simple tono. lo cual es difícil de efectuar en el caso general. 5. Nótese que la expresión (5. es decir. 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 .49) implica que m t | min m(t)| < 1 o también que τ o > τ 1 | min m(t)| . lo cual nos asegura que el ancho mínimo del impulso nunca será cero o negativo. Para demostrarlo. 5.322 V. respectivamente.23. primero hay que determinar el espectro de la señal PDM. Definiendo también α n = nπτ o f s y β n = nπτ1f s . la tarea se simplifica y el resultado se puede extender para el caso general. En la Fig. En la misma figura se muestra el algoritmo de decisión del comparador y las relaciones entre los diferentes parámetros. Sin embargo. de m(t). m( t ) = sen(ω m t ) . la señal PDM queda en la forma . MODULACION Y TRANSMISION DE IMPULSOS |max m(t)| y |min m(t)| son los valores de las máximas excursiones positiva y negativa. 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 . x(t).22 se observa que la variación de la duración del impulso se efectúa simétricamente alrededor del instante de muestra nTs. Ts τ(nTs ) τ min t 1 1 nTs (n + )Ts (n − )Ts τo 2 2 Fig.22. Relaciones de Duración en PDM. Un tren de impulsos sin modular.

pero puede reconocerse como el Coeficiente de Bessel de primera clase. 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. orden k y argumento β n . 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.β n sen(x))] ⋅ dx (5. se obtiene Zk = 1 2π ∫ π −π exp[-j(kx . Esta función generalmente se . hacer 1.5Vu < Vp < 2Vu. En efecto.18).23. (Ver Problema 5.50b) Esta integral no puede resolverse en forma analítica. 0 Señal PDM t (b) (c) Fig.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 . 5. 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.

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

τ 1 y m(t). o por la posición del punto. la portadora. 5. en el eje del tiempo.3. si el ancho de banda del canal lo permite. 5.56) donde ∆(t ) = m t m(t ) es el desplazamiento instantáneo del impulso respecto al instante de referencia t = nTs . como puede observarse en la Fig. 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. Modulación por Posición de Impulsos (PPM) En la modulación PPM la posición de los impulsos. como veremos más adelante.25. a tal punto que la modulación PPM se puede obtener directamente a partir de la modulación PDM en la forma mostrada en la Fig. sus relaciones S/N serán tratadas simultáneamente en la próxima sección. transmitir impulsos muy angostos modulados en PPM. Como la amplitud y la duración de los impulsos se mantienen constantes.4. Las modulaciones PPM y PDM están íntimamente relacionadas. 5. 5. como se muestra en la Fig. 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.19(d). la información posicional es también transmitida por la posición del borde frontal del impulso. Como la información reside en la posición temporal de los bordes del impulso y no en el impulso mismo. MODULACION Y TRANSMISION DE IMPULSOS La relación exacta entre BPDM y BPAM dependerá de los valores de τ . 5.325 V. Debido a la compatibilidad que existe entre los sistemas PDM y PPM.26. τ o . .25. sería muy conveniente. En un sistema PPM la información está contenida en los desplazamientos de los impulsos de un tren de impulsos. Una señal PPM se puede expresar en la forma x PPM (t ) = ∞ n =−∞ ∑ AΠ⎢⎣ ⎡ t − nTs − ∆ (nTs ) ⎤ ⎥ τ ⎦ (5. con referencia a un punto dado. por donde cruza el borde frontal. Generación de Señales PPM a partir de Señales PDM. 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.

1977) que si δ[t − D(nTs )] = |1 − ∆ ' (t )|⋅δ[t − nTs − ∆ (t )] donde ∆ ' ( t ) es la derivada de ∆( t ) Por consiguiente. D(t ) = nTs + ∆ (t ) . el ancho del impulso puede hacerse tan pequeño que se puede aproximar mediante t impulsos unitarios.∞ ⎭ ∑ ∞ (5. Modulación PPM. el desplazamiento (5. 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). el cual.326 V.57) donde |m(t)|max es el valor máximo de m(t) y mt el índice de modulación PPM.26.D(nTs )]⎬ = A δ[t − D(nTs )] ⎪ n=-∞ n =−∞ ⎭ ∑ ∞ ∑ Se ha demostrado [Greg. igual que en PDM. es decir. Entonces. de (1. ⎧ ⎪ x PPM (t ) = A ⎨δ (t ) ∗ ⎪ ⎩ ∞ ⎫ ⎪ δ[t . es difícil de calcular en el caso general. 5. Demodulación PPM Para determinar el proceso de demodulación de una señal PPM es necesario conocer su espectro. Entonces. pero que se puede estimar en el caso de modulación sinusoidal.106).D(nTs )]⎬ ⎪ n=. . Sea entonces. de donde D(t ) = nTs + ∆ ( t ) ⎧ t ⎡ t − D(nTs ) ⎤ ⎪ = A ⎨Π ( ) ∗ x PPM (t ) = AΠ ⎢ ⎥ τ ⎣ ⎦ ⎪ τ n =−∞ ⎩ ∑ ∞ ⎫ ⎪ δ[t . 0 < mt ≤ 1 lo cual nos asegura que los impulsos serán siempre positivos. entonces (5. que Π( ) ≈ δ (t ) [no tomando en cuenta su efecto sobre el ancho de τ banda].58) Pero como la información está contenida en el desplazamiento D(t) del impulso y nó en el impulso mismo.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. MODULACION Y TRANSMISION DE IMPULSOS Ts A ∆( nTs ) τ t 1 (n − )Ts 2 nTs Fig.

s n x PPM (t ) = Af s [1 − m t m' (t )] pero. pero aún así la distorsión de la señal es más pronunciada que en PDM. 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.106b).52) mediante los coeficientes de Bessel.327 V.27(a). es necesario efectuar una integración para restaurar la componente de la señal útil a su perfil original. igual que en PDM.60) podemos observar lo siguiente: aunque la modulación es sinusoidal con un simple tono de frecuencia fm. de (1. Muchas de estas componentes. La demodulación directa de señales PPM se puede efectuar entonces en la forma indicada en la Fig. igual que en el caso PDM. . ∞ ∞ ⎧ ⎫ ⎪ ⎪ 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. constituyen términos de distorsión de muy baja amplitud que pueden ser despreciados. la señal PPM. 5. Además del filtrado pasabajo. podemos demostrar que exp[− jβ n sen(ω m t )] = k =−∞ ∑J ∞ k (β n ) exp(− jkω m t ) . pero este tipo de modulación no se emplea en la práctica.60) Desarrollando (5. 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. 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 ) . 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. 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 .

En la Fig. a su vez. es puesto a cero por los impulsos PPM. Fig. 5. que es la inversa de la mostrada en la Fig. Esto significa que el impulso debe tener una mejor resolución o definición que en el caso PDM. . 1977]. Demodulación de Señales PPM.328 V. 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. 5.28 se muestra el proceso de demodulación PPM/PDM/m(t). Una forma de demodulación de fácil instrumentación.61) τ donde τ es la duración de los impulsos.27. más eficiente en cuanto a su inmunidad al ruido y con menor distorsión se puede obtener mediante conversión PPM a PDM y filtrado pasabajo. Sin embargo. 5. Esta transformación. Mecanismo de Demodulación PPM/PDM/m(t).25. Conversión PPM/PDM Fig. el cual. 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.28. como la señal PPM no contiene la información de portadora o temporización (ver Problema de Aplicación 5. 5 B PPM ≈ (5. ésta tiene que ser transmitida por separado. Para transmisión en banda de base se puede tomar como ancho de banda [Greg. 5.27(b). se puede efectuar haciendo que la portadora (un reloj) active un circuito basculador (un flipflop RS). 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. 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.21). 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. 5.

Ejemplo 2.29. dentro de la banda de transmisión B se verifica que t t N τ = ( r ) 2 ηB = ( r ) 2 N i (5. su potencia promedio será proporcional a la potencia promedio de n(t).29. se produce dispersión en los bordes de los impulsos recibidos. Impulso con Ruido Impulso sin Ruido n(t) A A/2 t ∆τ Umbral de Detección tr τ Fig.329 V. 5. entonces. 5. El valor tr se puede relacionar con B en la forma dada en el Capítulo II. de tal manera que estos se pueden considerar como impulsos trapezoidales. t r ≈ 1 / 2 B . .64) Sea entonces N τ la potencia promedio de ∆τ . < ∆τ 2 >= ( tr 2 ) < n 2 (t ) > A (5. ∆τ n (t ) = tr A (5. tr De la geometría de la Fig. Impulsos Recibidos. 1 Nτ = Ni 4A 2 B 2 Como la salida es proporcional a la entrada con una constante k de proporcionalidad o de demodulación.65) A A donde Ni es la potencia de ruido a la entrada del demodulador en el receptor.63) Si n(t) varía. si el ruido es blanco y tiene una densidad espectral η / 2 . entonces ∆τ variará proporcionalmente. Si la señal recibida se ha contaminado con ruido. es decir. Vemos también que si ∆τ es proporcional a n(t). Como los impulsos se transmiten por canales de ancho de banda finito. Por consiguiente. 5.29 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. éste causará un error en la posición de los impulsos. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS La relación entre los anchos de banda de la banda de base en PAM. como se muestra en la Fig. 5. Influencia del Ruido en PPM.19(a).29.62) Veamos ahora la influencia del ruido en PPM. PDM y PPM será B PPM > B PDM > B PAM (5. es decir.

66). Desviación Sinusoidal de la Posición de los Impulsos en PPM.29. 5. Si la modulación es sinusoidal y a máxima modulación (con mt = 1). 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. la expresión (5.66) (5. de la Fig. 5. como se muestra en la Fig.30.30.68) = 4 s B 2 < m 2 (t ) > en PPM τ Si / N i La expresión (5. 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. la ganancia de conversión será So / N o T (5.67) el valor de A2 dado por (5.69) 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 (5.70) .330 V. 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.68) puede expresarse en otra forma. para τ >> 2t r . 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. su efecto es el de producir un desplazamiento ∆(t ) de la forma 1 ∆(t) = m(t) = (Ts − τ) ⋅ cos(ωm t). es.69) Si β m >> 2 .67) Reemplazando en (5. La potencia de entrada de la señal PPM. 5.

71) La duración d(t) de los impulsos PDM recibidos se puede expresar. So 24 Ts B 3 < m 2 ( t ) > Si . Cuando B aumenta. A/2 t En la Fig. para una señal sinusoidal de prueba y máxima modulación. En lo que se refiere a la potencia promedio en PDM.71). 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 . y de las dos rampas del trapecio que equivalen a un triángulo de la forma AΛ(t / t r ). solamente si la relación Si/Ni está sobre cierto umbral. So/No aumenta y es posible intercambiar ancho de banda por relación S/N. 5.74) Reemplazando A2 de (5. La potencia de la señal pudiera disminuirse sin que la relación So/No cambie. respectivamente. En la literatura se toma el nivel umbral para una relación [Si/Ni] ≈ 4 (6 dB).73) Si hacemos B = 1 / 2t r . 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. expresión (5. sin embargo.72) cuyo valor promedio es d n = T 1 (Ts − 2 t r ) ≈ s puesto que Ts >> 2 t r . En el caso PDM. Impulsos Recibidos en PDM. 5.31. a partir de la Fig. de un rectángulo de amplitud A y duración promedio d n . ella será la suma de las potencias promedio.31 en la forma d (t ) = 1 (Ts − 2 t r ) ⋅ [1 + cos(ω m t )] 2 (5. la potencia 2 2 de entrada de la señal PDM. de donde = No Ni 3BTs + 2 .331 V. será Si = 2 A 2 2A t r A 2 3Ts + 4t r + = Ts 2 3Ts 6 (5. viene precedida y seguida por los flancos montantes o bajantes. En este caso.67).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.74) en (5. 5. Por consiguiente. esto ocurre. idénticos a los vistos en PPM. 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. ya que estas señales no se solapan en el tiempo. entonces Si = A 2 3BTs + 2 Ts 6B (5. referidas a un período Ts.

75) con Ts = 1 / 2f m y 8 B = 1 / 2t r . So / N o 1 2 = βm Si / N i 4 en PDM βm − 1) 2 2 3 ( β m + 2) 2 ( en PDM (5.77) (5. es decir. En todos los casos se ha tomado la potencia de ruido a la entrada igual a ηB. 5.75) Si B >> 2f m .3.82) . (5.81) En PDM: β ( m − 1) 2 So / N o 3 = βm 2 3 Si / N i 2 ( β m + 2) 2 (5. si BTs >> 1 .5.332 V. El sistema de modulación PDM es un sistema de banda ancha que permite intercambiar ancho de banda por potencia. cuya 2 Con modulación sinusoidal y modulación máxima. Comparación entre las Ganancias de Conversión en Sistemas PAM.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. 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 . Reemplazando en (5. MODULACION Y TRANSMISION DE IMPULSOS So / N o 24Ts B 3 = < m 2 (t ) > Si / N i 3BTs + 2 en PDM (5. PPM y PDM. donde B es el ancho de banda de la banda de base. 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. m( t ) = potencia promedio es < m 2 (t ) >= 1 (Ts − 2t r ) 2 . la ganancia de conversión será So / N o = 8B 2 < m 2 (t ) > Si / N i en PDM (5. En función de la relación de expansión del ancho de banda β m = B/fm .79) (5.76) 1 (Ts − 2 t r ) ⋅ cos(ω m t ) .80) Si β m >> 2.

si β m = 24 . So / N o β 2 = m 4 Si / N i (5. 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. B PPM > B PDM > B PAM (5.87) Estas consideraciones se pueden apreciar mejor en la Fig. Veamos ahora la comparación entre PPM y PDM.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.84) Por ejemplo.83) Si el ruido y el ancho de banda son los mismos en los tres sistemas.82).82).80). El sistema PPM es superior a PDM para β m > 3 . se puede comparar PPM con PAM.85) Para β m = 24 . el mejoramiento de la ganancia de conversión en PPM es 14. ⎡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. En general.86) El mejoramiento de la ganancia de conversión en PPM. en donde se muestra la variación de las ganancias de conversión en función del factor de expansión del ancho de banda βm . 5. los cuales tienen una cierta probabilidad de ocurrencia cuando el ruido es gaussiano. 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 (5.333 V.79) y (5.80) y (5. En efecto. . De (5. ⎡So / N o ⎤ ⎡S / No ⎤ 1 3 = ( β m + 2)⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 6 2 ⎣ S i / N i ⎦ PDM (5. de (5.8 dB. situación que puede presentarse en sistemas con multiplex.8 dB superior a PAM. el mejoramiento de la ganancia de conversión en PDM sobre PAM es de 6.79) y (5.32. En relación con los anchos de ban-da. de la expresión (5. para β m = 24 . Comparemos ahora PDM con PAM. El sistema PPM es superior a PAM para β m > 6 . MODULACION Y TRANSMISION DE IMPULSOS Si β m >> 2. De (5.62). El sistema PDM es superior a PAM para β m > 8 .

donde la palabra “digital” significa “amplitud y duración discreta”. de los Estados Unidos.334 V. Los tres sistemas básicos de modulación digital de impulsos son: • La Modulación de Impulsos Codificados (Pulse-Code Modulation. Rainey. cuando introducimos el concepto de codificación binaria y m-aria.4. pues los componentes electrónicos existentes para la época no eran apropiados para la codificación digital de señales. PDM y PPM solamente el tiempo se expresa en forma discreta. Posteriormente.4. 5. Durante más de 20 años el concepto PCM se consideró como una simple curiosidad científica. mientras que los respectivos parámetros de modulación (amplitud. MODULACION Y TRANSMISION DE IMPULSOS Cuando el ancho de banda aumenta. Este sistema se conoce desde entonces con el nombre de Modulación de Impulsos Codificados (PCM). M. Los sistemas prácticos de modulación digital de impulsos. En la modulación digital de impulsos el mensaje es representado por secuencias de impulsos digitales. Modulación de Impulsos Codificados (PCM) En 1926. patentó un sistema para la transmisión de voz basado en el método de Rainey. como podremos constatarlo a medida que avancemos en el texto. . son esencialmente sistemas binarios. 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.4. SISTEMAS DE MODULACION DIGITAL DE IMPULSOS 5. Las condiciones prácticas del medio establecerán el nivel umbral y los valores apropiados correspondientes de la relación S i / N i . La transmisión de información se lleva a cabo entonces en forma analógica en tiempos o instantes discretos. DPCM) • La Modulación Delta Lineal (Delta Modulation. el correspondiente aumento en la potencia de ruido produce una cantidad suficiente de falsos impulsos que impiden aumentar el ancho de banda. A. 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. desarrolló un método para transmitir una representación de una señal continua mediante una sucesión de valores discretos de la misma señal. por cuestiones de tipo tecnológico. entonces ingeniero de la ITT en Francia. en 1936. H. P. y fueron los dispositivos de estado sólido los que iniciaron el gigantesco desarrollo que estamos presenciando. duración y posición) varían en forma continua de acuerdo con la señal mensaje. PCM) • La Modulación Diferencial de Impulsos Codificados (Differential Pulse-Code Modulation. DM) 5. este umbral es uno de los factores limitativos de los sistemas de banda ancha.1.2. Introducción En los sistemas PAM. Reeves.

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

N = 2 n el número de niveles de cuantificación y n el número de impulsos de las secuencias codificadas.90) (5. 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.33. 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. 2 2 Los niveles de comparación estarán a ∆Q / 2 sobre o bajo x qk (mTs ).89) y sus valores particulares vendrán dados por ∆Q N x qk (mTs ) = ± (2 k − 1) para k = 1.⋅⋅⋅⋅. También | x (mTs )| ≤ N ∆Q = 2 n −1 ∆Q 2 (5. Principio de la Cuantificación de Señales en Modulación PCM. 3. 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.336 V.91) . respectivamente. Vqmax y n generalmente son los datos o parámetros del cuantificador. 5. 5.34(b). Consideremos el proceso de cuantificación uniforme bipolar mostrado en la Fig. ∆Q es el paso de cuantificación. La señal cuantificada x q (mTs ) está acotada por | x q (mTs )| ≤ (N − 1) ∆Q ∆Q = (2 n − 1) = Vqmax 2 2 (5. 2. 5.34.

∆Q / 2 . como el intervalo mínimo que el cuantificador puede discernir. pero el error máximo es.98) (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 = (5.92) Para que no haya saturación en el cuantificador.89) o (5.99) (5. el proceso de cuantificación introduce una cantidad inicial de distorsión. ∆Q Vqmax Vmax = = 2 N−1 N (5. la cuantificación transforma un conjunto infinito de amplitudes en un conjunto finito de N amplitudes.95) R q % = 100 ⋅ R q Asimismo. Algunas veces se prefiere normalizar los parámetros.337 V. por lo tanto.97a) 2 N −1 N y en por ciento. La existencia .91). el paso de cuantificación es ∆Q = 2Vqmax N−1 = 2 Vmax N (5.100) En general. como consecuencia.34(c). el “error de cuantificación.97b) Nótese que la resolución es la medida del error máximo en el cuantificador.94) (5. Resolución R q = y en por ciento. ∆Q Vqmax Vmax e max = | e q (mTs )|max = = = (5. Rq”. Fig. 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. para lo cual debe verificarse que | x q (mTs )|max = Vqmax = 1. e q ( mTs ) ”. e max % = 100 ⋅ e max (5. 5.93) En la literatura se suele definir también la “resolución del cuantificador. dependiendo del número de niveles de cuantificación elegidos. 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”. de la Fig. 5.34(c). la cual es inherente al sistema pero que podemos controlar y hacer tan pequeña como queramos. es decir. se define en la forma e q (mTs ) = x q (mTs ) − x(mTs ) (5. debe cumplirse también que | m(t )|max ≤ Vqmax + ∆Q = Vmax 2 De (5. En efecto. En este caso se supone que el rango normalizado de la señal cuantificada es −1 ≤ x q ( mTs ) ≤ 1 .96) Obsérvese que para algunos valores específicos de m(t) el error es cero. Vmax = Vqmax + ∆Q 2 (5. MODULACION Y TRANSMISION DE IMPULSOS Por consiguiente.

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). 5.35(a) se tiene unas muestras PAM cuantificadas y sus correspondientes formas codificadas en PCM (NRZ y RZ). es la más utilizada debido a su simplicidad de generación. Demodulación de Señales PCM El mecanismo de recepción de señales PCM se muestra en la Fig. 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.). 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. un código de tres dígitos será suficiente para codificación completa. OFF-SET. se puede lograr que la señal cuantificada prácticamente no se distinga de la señal original. En general.35(b). Fig. N = 8. 5. si se asigna niveles de amplitud discreta con un espaciamiento lo suficientemente pequeño. Lógicamente. Conversión Analógica-Digital (b) Codificación Binaria Natural En la Fig. etc. en sus distintas variedades. A cada nivel de cuantificación se asigna un grupo de codificación diferente. 5. Nótese que en este caso se han empleado 8 niveles (23) para cuantificar las muestras.5. nótese también que el bit de menor peso se transmite de primero. los fabricantes de los codificadores o convertidores especifican el correspondiente código de salida (binario natural.35. 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”. se muestra la codificación empleada. habrá N = 2 n grupos de codificación. y por su gran inmunidad al ruido de transmisión. MODULACION Y TRANSMISION DE IMPULSOS de un número finito de niveles de amplitud discreta es una condición básica en PCM.36. La codificación binaria. BCD. palabras o secuencias binarias de n impulsos (llamados también “dígitos binarios” y más impropiamente “bits”) cada una. La señal de banda de base que llega al receptor está contaminada con ruido blanco n(t). 5. Nótese que la señal de salida m(t ) del . Esta señal se filtra en un filtro pasabajo de ~ ancho de banda B = f m para extraer el mensaje m(t). como se muestra en la Fig. se regeneran y se encuadran en los correspondientes grupos de codificación incluyendo los errores producidos por el ruido n(t). es decir. por lo tanto. regeneración y detección.338 V. n = 3 Secuencias PCM 4 5 6 7 Fig. 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”.35(a). En el detector/regenerador se determina si llegaron o no impulsos. En la Tabla.

etc.). aunque interesante.36. MOS. RCA. fibras ópticas. es decir. radio. etc. Sin embargo. etc. en todas las tecnologías (TTL. El número de repetidoras y el espaciado entre ellas depende de una cantidad de factores tales como el medio de transmisión (conductores metálicos. el transmisor/receptor sincrónico universal (USRT) y el transmisor/receptor sincrónico/asincrónico universal (USART). es necesario efectuar una transformación paralelo/serie utilizando comúnmente registros de desplazamiento (“shift-registers”). el proceso de cuantificación y codificación es efectuado por un solo dispositivo denominado “convertidor analógico-digital. la conversión de la señal PCM en una señal analógica PAM. En el caso de señales digitales en transmisión en banda de base. En efecto. 5. En la práctica. de la longitud total del enlace. La operación y descripción de estos circuitos se puede hallar en cualquier catálogo de componentes (Motorola.37(a). como se muestra en la Fig. La operación inversa en el receptor. Recepción de Señales PCM. está fuera de los objetivos de este texto. El tema de las repetidoras. (CAD)”. (CDA)”. en el comercio se encuentran tres tipos de circuitos integrados que producen salidas serie normalizadas: el transmisor/receptor asincrónico universal (UART).37(b). para cualquier valor de n y para diferentes velocidades de conversión y códigos de salida. 5. Hay que señalar que en los convertidores analógico-digitales prácticos la salida se presenta en forma paralela.). se efectúa con un “convertidor digital-analógico. de su atenuación y distorsión de fase por unidad de longitud. todos los canales de comunicación en mayor o menor grado atenúan y distorsionan las señales. como se muestra en la Fig. en el sistema PCM la reconstrucción perfecta de una señal de variación continua es imposible aún cuando el ruido n(t) sea despreciable. pero como la señal PCM de banda de base es una secuencia serie.).339 V. 5. Para la demodulación el proceso es contrario: la señal PCM es procesada en el detector regenerador. 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. en otras palabras. Nacional Semiconductor. . en el registro se transforma en PCM paralela. 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. se aplica luego al convertidor digital-analógico y por último se pasa por un filtro pasabajo. se utiliza estaciones repetidoras para regenerar los impulsos deformados por el ruido y por las características físicas del canal. etc. PCM + errores x q ( mTs ) + errores PCM + Ruido Detector/ Regenerador Descodificador Sincronización (Reloj) Filtro Pasabajo ~ m(t ) Fig. Estos dos convertidores son fácilmente disponibles a costos moderados como circuitos de mediana y gran escala de integración (MSI y VLSI). de la frecuencia de portadora.

Como norma en los sistemas telefónicos. es decir. 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.101). de 64 kHz. y. como tal. en consecuencia.2 kHz y luego se muestrea a una frecuencia de 8000 muestras por segundo. Esta es la razón por la cual no se puede transmitir voz digitalizada en PCM por los canales telefónicos.101) (5. 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 . Aunque la voz contiene frecuencias superiores a los 10 kHz. 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. para 1 Ts ≤ se tiene: 2f m 1 ⎧ ⎪Ts = nτ. está relacionada con la exactitud con la cual se puede recobrar la señal. A este respecto. Cada muestra ha sido codificada en secuencias de n impulsos. Las muestras se cuantifican en grupos de 8 dígitos (256 niveles) y el ancho de banda de la señal PCM será. Como ejemplo de los requerimientos de ancho de banda en PCM. 5. Puesto que β m >> 2 . el espaciado entre impulsos es uniforme a fin de ocupar el mínimo ancho de banda. el cual es mucho mayor que el ancho de banda nominal de 4 kHz del canal de voz. como se muestra en la Fig. R T = .340 V. fm la frecuencia máxima de la señal mensaje m(t). hay que considerar si las secuencias PCM son sin o con retorno a cero (NRZ o RZ).35(a). 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.102) donde RT es el ciclo de trabajo. de acuerdo con (5.37. 5. . consideremos la transmisión digital de la voz en sistemas telefónicos. N = 2 n el número de niveles de cuantificación y β m la relación de expansión del ancho de banda. 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. 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. B PCM ≥ = = log 2 N Secuencias RZ: τ Tn RT RT y βm = 2 log 2 N RT (5. la señal de voz se filtra primero en un filtro pasabajo de 3.

y el otro el ruido de cuantificación. y normalmente el ruido de transmisión no se toma en cuenta en el diseño original del sistema. son. no hay un camino continuo de transmisión para el ruido como lo hay en los sistemas de modulación analógica ya vistos. mientras que el ruido de cuantificación se genera únicamente en el transmisor y es llevado hasta la salida del receptor. si consideramos que la señal es regenerada en cada estación repetidora. puede causar errores de decisión en el detector. < s 2 (t ) >= S o = o (∆Q) 2 2 n (2 − 1) 12 (5.103) (5.105) es válida.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. Sin embargo. distorsionan la señal m(t) recuperada. denominado también “ruido de descodificación”. Como en el caso de los sistemas PAM. Cuando n ≥ 4. que son de interés: uno es el ruido de transmisión. 1977] que las potencias promedio de la señal PCM y del ruido de cuantificación a la salida del descodificador. la relación S/N a la salida está limitada únicamente por el ruido de cuantificación. Se ha demostrado [Gregg. El ruido de transmisión se puede introducir en cualquiera parte entre el transmisor y el receptor. β m = 2n .105) Para altas relaciones S i / N i en el canal (10 dB o más).341 V. 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.101). respectivamente. Cuando se opera con relaciones S/N de entrada muy por encima de la región umbral. esto es. 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. Sobre la región umbral. Aparte de estos errores ocasionales. Asimismo. se puede caer dentro de la región umbral y los resultados de dicha expresión ya no serían válidos. ya mencionados. el ruido de transmisión. la expresión (5. PDM y PPM. en PCM binario. como veremos más adelante. con el resultado que éste emite la correspondiente secuencia de impulsos regenerados pero erróneos.106) B β = m . de donde 2f m 2 Consideremos secuencias PCM NRZ. entonces 2 2n >> 1 y So = 2 2 n = N 2 para n ≥ 4 No (5. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. por supuesto. Como ya lo hemos señalado. para relaciones S i / N i menores. sin embargo. en los sistemas PCM hay dos tipos de ruido. el ruido de transmisión se hará muy pequeño en comparación con el ruido de cuantificación (caso de alta relación S/N). n = . Estos grupos erróneos son interpretados en el descodificador como amplitudes falsas que. De (5.

Cuando se compara PCM con PAM. la probabilidad de error. MODULACION Y TRANSMISION DE IMPULSOS So = 2 β m = N 2 en PCM NRZ No (5. 1979]. La relación de postdetección S o / N o en PCM. 1987.109) donde < n 2 (t ) > es la potencia del ruido de descodificación y < n 2 (t ) > viene dada por (5. Benedetto. 1979]. (En la referencia citada más arriba [Shanmugan. Si el ruido de descodificación no puede ser despreciado. 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. ⎡ So ⎤ ⎢ ⎥ = 3. El sistema PCM es. la relación S o / N o es prácticamente constante. PDM o PPM.02 ⋅ n − 10 log 10 1 + 2 ⎣ N o ⎦ dB [ ] en PCM (5.108) La relación señal/ruido de cuantificación crece exponencialmente en función de la relación de expansión del ancho de banda.107) y en dB.110) donde Pe .103).110).342 V.104). Se demuestra [Shanmugan.104) y (5. Bennet y Stein. se observa que el intercambio “ancho de banda-relación S/N” es mucho más favorable en PCM que en los otros sistemas.02 ⋅ n ⎣ N o ⎦ dB en PCM NRZ (5. pues. 1966.38(a) se grafica la relación S o / N o en dB para diferentes valores de n. de (5. un sistema de banda ancha.112) En la Fig. que la potencia promedio del ruido de descodificación es 2 < n d (t ) >= (∆Q) 2 2 n 2 ⋅ Pe 3 (5. etc. 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. Biglieri y Castellani. 5. la potencia total de ruido a la salida será entonces 2 2 N o =< n q (t ) > + < n d (t ) > (5.01⋅ β m = 20 ⋅ log 10 N = 6. se calcula la probabilidad de error Pe para diferentes esquemas de modulación PCM. Puede observarse el efecto del umbral para valores altos de Pe (baja relación S i / N i ).]). 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 (5.111) ⎡ So ⎤ 2 ( n +1) ⋅ Pe ⎢ ⎥ = 6. cuando se toma en cuenta el ruido de descodificación es. véase también [Schwartz. (5. depende del tipo de modulación utilizado y de la relación de predetección S i / N i a la entrada del receptor. para valores bajos de Pe (alta relación S i / N i ). .

112). En efecto. Puesto que la probabilidad de error Pe depende del esquema de modulación empleado y de la relación de predetección a la entrada del receptor. y por cuanto Peopt corresponde a la mínima relación S i / N i .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 .38(b) se grafica Peopt vs n. que es la misma expresión (5.473x10 −2 Peopt = f ⎜ ⎢ i ⎥ ⎟ = ⎜ N ⎟ 2 2n ⎝ ⎣ i ⎦ min ⎠ .113). ⎜ 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. 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. de la definición de umbral se obtiene Peopt = 6. si la probabilidad de error es una función de S i / N i .113).113) En la Fig. entonces Peopt = f ⎜ ⎢ i ⎥ ⎟ y de la expresión (5. entonces esta relación S i / N i mínima se puede deducir a partir de la expresión (5. MODULACION Y TRANSMISION DE IMPULSOS El umbral se define arbitrariamente [Shanmugan. 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 . Si Pe = g ( ⎛⎡ S ⎤ ⎞ Si ) .113) ⎛ ⎡ S ⎤ ⎞ 6. Peopt ” a partir de la expresión (5. Se puede definir entonces la “probabilidad de error óptima. La expresión (5. En efecto.473x10 −2 2 2n para n entero (5. es decir. 5.

Algunas de estas funciones g(.844 V (k = 11) y -10.93).32 x10 −5 .4. sobre el umbral. (m(t) = -10 V).344 V.844 V. β m = 10 Relación S/N de postdetección: Probabilidad de error óptima: So = N 2 = 1024 = 30.89). Más adelante volveremos sobre este tema.114).05 ⋅ Vmax = 0.531 V .938 V N 32 ∆Q = 14. cuando se aumenta la potencia de la señal de entrada. El valor límite de S o / N o dependerá solamente del número n de impulsos de las secuencias PCM. que es independiente de la relación de predetección S i / N i . al estudiar algunos esquemas de modulación de impulsos mediante portadora modulada. MODULACION Y TRANSMISION DE IMPULSOS La expresión (5.) las veremos más adelante. En consecuencia.1 dB No Peopt = 6. De acuerdo con los datos.7.02n dB. siendo el nivel de comparación igual a -10.05 ∆Q . También. Cálculo de otros parámetros: Ancho de banda de la banda de base: B = 2 nf m = 2 x5x5x10 3 = 50 kHz.. El valor máximo de la relación S/N de postdetección será de 6. En resumen. Vmax = | m(t )|max = 15 V. ♣ Ejemplo 5.90). De acuerdo con la expresión (5. Se desea que la resolución o error máximo esté dentro del ± 5% del valor pico de la señal mensaje. N = 2 n = 32 niveles.531 V 2 de donde 2 n = 20 → n = 5. Ts = Se quiere que e max = 1 2f m ∆Q 2n = 0. la salida cuantificada correspondiente a una entrada de -10 V tiene el valor -9.781 V (k = 12). De (5. por lo tanto. De (5.113) permite determinar la relación de predetección mínima S i / N i para un valor determinado de n.531 V ≤ x q (mTs ) ≤ 14. Vqmax = (N − 1) −14. 2 2 pues n es un número entero.. La función g(. mientras que el correspondiente valor mínimo de la relación S/N de predetección se puede determinar a partir de la expresión (5. Vamos a calcular todos los parámetros asociados. aumentos en la relación de predetección no se traducen en aumentos en la relación S/N de postdetección.) depende del esquema de modulación utilizado. el cuantificador tendrá 32 niveles con una separación de 0. de donde.938 V entre niveles.313. la relación de postdetección S o / N o alcanza el valor de 6.8 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. el valor mínimo de m(t).02n dB. en la Sección 5. ∆Q = 2 Vmax 30 = = 0. está entre -9.

MODULACION Y TRANSMISION DE IMPULSOS log 2 N = 50 kbps . Vamos a determinar todos los parámetros asociados y las formas de las secuencias PAMq RZ y PCM NRZ. La amplitud de m(t) varía entre 0 V y 7 V con un error máximo tolerable de 0. 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. Fig. Se tiene entonces.9 De (4. 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.5 V. Vqmax = (N − 1)∆Q = (2 n − 1)∆Q . a partir de la Fig.39(a). la velocidad de información es Vi = Sea una señal m(t) como la mostrada en la Fig.114) 0 ≤ m(t ) ≤ Vmax .39. la velocidad de modulación es de 50 kbaudios.34. 5. 5. la cual queremos codificar en PCM NRZ. 2 2 N e max = y n son siempre números enteros (5. e max = 2 .345 V. ∆Q = Rq 2 Para que el cuantificador no se sature o recorte la señal. 5. Como el sistema es Ts binario y no se especifica impulsos redundantes. ♣ ♣ Ejemplo 5. La frecuencia máxima de la señal es de 500 Hz. Para un cuantificador uniforme unipolar.39(a). Vmax = Vqmax + ∆Q ∆Q = (2 N − 1) .18). Este es un caso de cuantificación uniforme unipolar y las ecuaciones que caracterizan al cuantificador son ligeramente diferentes de las determinadas para cuantificación bipolar. se tiene. 5.

40 se muestra el diagrama de bloques funcional de un sistema (transmisor y receptor) DPCM. comparado con el sistema PCM convencional. música o video se muestrea a frecuencias ligeramente superiores a la frecuencia de Nyquist. 110. ♣ 5. 5 V y 2 V. El mecanismo para disminuir la redundancia es el siguiente: en vez de codificar y transmitir cada muestra por separado. Vi = n = 3 kbps Ts De la Fig. siguiendo la práctica usual. 5.39(a). En la Fig. B = = 3 kHz 3 τ En el presente ejemplo.5 ⋅ V ∴ ∆Q = 1 V 2 ∆Q | m(t )|max = 7 = Vmax = (2 N − 1) ∴ N =8 y n=3 2 T 1 También. La eliminación de esta redundancia permite aumentar el rendimiento del sistema. En el transmisor.4. En la Fig. pero. Ts . los valores de la señal PAM cuantificada x q (mTs ) en los instantes 0. que corresponden a las secuencias binarias (de tres dígitos cada una) 011. se observa que la variación de amplitud entre muestras adyacentes presenta una alta correlación. las muestras codificadas contienen información redundante que no es absolutamente esencial para la transmisión de la información.01x10− 3 . 6 V. en la cual. que en promedio la señal no varía demasiado entre una muestra y la siguiente. e max = Peopt = 1. Fig. 5. el bit de menor peso (LSB) se transmite de primero.39(b) se muestra la forma de la señal PCM NRZ. mientras que el bit de mayor peso (MSB) se transmite de último. Modulación Diferencial de Impulsos Codificados (DPCM) Cuando una señal de voz. 5. se codifica y transmite la diferencia entre dos muestras adyacentes. MODULACION Y TRANSMISION DE IMPULSOS ∆Q = 0. Cuando estas muestras son codificadas en PCM convencional. Ts = 1 ms. esto es. respectivamente. el número de dígitos de los grupos de codificación será menor. es decir.116) . 3 V. 101 y 010. 5.115) (5.40(a). 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. Este esquema de modulación de impulsos se denomina “Modulación Diferencial de Impulsos Codificados.3. τ = s . su velocidad de información. DPCM”. La información está contenida en esta diferencia.346 V. respectivamente. (5. f s = 2 f m = 1 kHz.

y la señal x (mTs ) es el “error de predicción”. un sistema DPCM con N = 8 = 23 (código de 3 dígitos) es aceptable para transmitir una señal de video. 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. de (5. ≤| x q ( mTs )| ≤ ( N − 1) 2 2 { }q y tendrá Puede verse que si N > 2. ~ La señal cuantificada será. 5. N = 256 = 28 (código de 8 dígitos) para tener una calidad comparable. 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 (5.117) ~ La señal m q (mTs ) es entonces la versión cuantificada de la señal de entrada muestreada ~ m(mTs ) . La señal m( mTs ) es entonces una “predicción de m(mTs ) ”. En este caso el sistema se denomina “Modulación Diferencial Adaptativa de Impulsos Codificados. La red de retardo en el lazo de retroalimentación del transmisor se puede reemplazar por un filtro predictor.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. ya que es la cantidad mediante la cual el filtro de predicción falla en la predicción exacta de la entrada. x q ( mTs ) = m( mTs ) − m q [( m − 1)Ts ] valores discretos en el intervalo ∆Q ∆Q . y como m(mTs ) = m q [(m − 1)Ts ] .115). Sistema de Modulación DPCM. 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. entonces m(mTs ) representa la versión cuantificada de m(t) en el intervalo Ts anterior.115) es la diferencia entre dos muestras consecutivas que una vez cuantificada y codificada dará origen a la señal DPCM. Por ejemplo.116). ADPCM”. es posible hacer una cierta inferencia acerca de sus valores futuros.40. el ancho de banda de la banda de base se reduce en 3/8. La señal x ( mTs ) dada por (5. ~ m q (mTs ) = m(mTs ) + e q (mTs ) (5. mientras que en PCM convencional se necesitaría. En la Recomendación G.347 V. En este caso particular. por lo menos.

5. puede ser importante y corresponder a un gran número de niveles de cuantificación. En el transmisor. El cuantificador es.4. el sumador y el operador signo se pueden instrumentar mediante un comparador.348 V.41(a). 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. como el paso de cuantificación es constante y de valor ∆. con el cuantificador reemplazado por un operador signo.41.40. 5. Asimismo. El diagrama de bloques funcional de un sistema de modulación delta lineal es idéntico al del sistema DPCM mostrado en la Fig. la señal m(t) se compara con una aproximación en escalera de ella misma. m(t ) . comúnmente denominado “limitador estricto (hard limiter)”. La salida del comparador serán niveles de amplitud ± ∆ . Nótese la simplicidad en la instrumentación. Como consecuencia. dependiendo del . 5. un “operador signo” mucho más sencillo de instrumentar que un cuantificador multiniveles convencional. y cuya salida es una señal en escalera que representa una versión cuantificada de la señal de entrada. cuando se muestrea a frecuencias normales ( f s ≥ 2f m ). la diferencia de amplitud entre dos muestras adyacentes se cuantifica en dos niveles +∆ ó -∆. es decir. 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 . utilizando ADPCM. 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. 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. Esto permite. la información a transmitir de cada muestra se puede representar en forma binaria como el sentido de la variación respecto a la muestra precedente. lograr aumentar el ancho de banda de la banda de base hasta 7 kHz para transmisión de voz de alta calidad.4. 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. 5. MODULACION Y TRANSMISION DE IMPULSOS kHz con 14 dígitos binarios por muestra. Modulación Delta Lineal (DM) En el esquema de modulación DPCM la diferencia de amplitud entre dos muestras adyacentes. se dice entonces que éste es un sistema de modulación delta lineal. se tiene el sistema de modulación delta lineal mostrado en la Fig. pues. duración τ y amplitud ±A. Fig. 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 . Sistema de Modulación Delta Lineal.41.

m(t) m(t ) ∆ Ts x ∆ (t ) τ +A t -A Fig. variando la polaridad de los impulsos de salida. que constituye la señal de error.118) Esta es una secuencia binaria aleatoria bipolar de amplitud ± A. Si e(t) no se ha vuelto negativa. La señal modulada en delta. x ∆ ( t ) . En general. Nótese que cuando la pendiente de m(t) es positiva.41(b). si se cumple ciertas condiciones que veremos más adelante. La situación se invierte cuando la pendiente es negativa. período Ts y duración τ . Operación Normal. 5. de modo que el valor promedio de la señal x ∆ (t ) es cero. es bastante sencillo y consta de un integrador y de un filtro pasabajo. tendrá entonces la forma x ∆ (t ) = n =−∞ ∑ A ⋅ sgn[m(nT ) − m(nT )] ⋅ Π( s s ∞ t − nTs ) τ (5. Formas de Onda en Modulación Delta Lineal. . En algún instante m(t ) se hará mayor que m(t). La información va contenida en la operación signo. Fig. m(t ) tiende en promedio a m(t) y el valor promedio de x ∆ (t ) será cero. 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. 5. hay aproximadamente igual número de impulsos positivos y negativos. cuando este impulso se integra. MODULACION Y TRANSMISION DE IMPULSOS signo de e(t). El receptor DM.349 V. En la Fig. esta nueva m(t ) se vuelve a comparar con el m(t) actual.42. m(t ) se incrementa en un escalón de amplitud ∆ . Si e(t) es positiva en un instante de muestreo dado. En aquellos puntos de m(t) en los cuales la pendiente es muy pequeña.42 se muestran todas las formas de onda en modulación delta lineal en operación normal. se produce un impulso de amplitud A a la salida. la salida será de nuevo un impulso positivo y el integrador incrementará otro escalón. 5. se generan más impulsos positivos que negativos. Esta estructura en retroalimentación minimiza la diferencia.

Cuando m(t) cambia. 5. de (5.120). como se muestra en la Fig. m(t ) la sigue en forma escalonada mientras las muestras sucesivas de m(t) no sean mayores que ∆. se produce un incremento ∆ en m(t ) . Este proceso continúa durante el “intervalo de arranque” hasta que m(t ) excede a m(t) y se produce un impulso negativo. 5. Si m(t) permanece constante. 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 ) . El error o ruido granular se puede reducir aumentando la frecuencia de muestreo y/o disminuyendo la amplitud del paso de cuantificación ∆. de ahí el nombre de “sobrependiente”. 43.43. Ruido Granular y de Sobrependiente en Modulación Delta Lineal. 5. m(t ) ya no puede seguir a m(t) produciéndose el fenómeno de “sobrecarga o sobrependiente”. Supongamos que inicialmente m(t ) < m(t ) .43.120) Ts La amplitud máxima de m(t) a partir de la cual se produce sobrependiente será. 5. Cuando la diferencia es mayor que ∆. Este tipo de sobrecarga no está determinado por la amplitud de m(t) sino más bien por su pendiente. y se produce cuando la pendiente de m(t) es superior a la pendiente máxima de m(t ) . Cuando este impulso se retroalimenta a través del integrador. de manera que el primer impulso de salida sea positivo. . Arranque m(t) Ruido de Sobrependiente Ruido Granular ∆ Ts m(t ) Fig. como se muestra en la Fig.119) La pendiente máxima de m(t ) es ∆ / Ts . 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.350 V. m(t ) exhibe un comportamiento de rastreo sobre m(t) lo que da origen al “error o ruido granular”. El fenómeno de sobrependiente es una limitación básica en la modulación delta lineal. Vamos a determinar las condiciones necesarias para prevenir la sobrependiente. de modo que una condición suficiente para evitar la sobrependiente es que ∆ 2πf m A m ≤ = ∆ ⋅ fs (5. La pendiente (5.43.

5. para una calidad comparable. Si se disminuye f m o se aumenta ∆. MODULACION Y TRANSMISION DE IMPULSOS Am = ∆ fs ( ) 2π f m (5. el ancho de banda es mayor. asimismo. . El problema de la sobrependiente se puede reducir entonces disminuyendo f m mediante filtrado de m(t). en la Modulación Delta de Pendiente Continuamente Variable (CVSD) el valor de la ganancia se ajusta sobre un rango continuo. el ancho de banda es del orden de 64 kHz. Fig.42. Para más información sobre las técnicas adaptativas. ver la bibliografía. en la Modulación Delta de Pendiente Variable (VSD) la ganancia se ajusta sobre una base discreta. entonces B DM ≥ 2f s (5.121) Cuando la variación de m(t) es menor 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 . el rango dinámico de amplitud se puede definir en la forma Am A 1 fs RA = = m = ( ) (5. como veremos más adelante. por ejemplo. controla la ganancia.351 V. su ancho de banda será 1 1 τ B DM ≥ . si definimos = . mientras que en la modulación delta. Los métodos de control de ganancia han dado origen a diferentes técnicas de la modulación delta. Aunque en este caso la distorsión de salida es muy severa. y permanecerá en este estado mientras la variación de la señal de entrada no sobrepase el valor ∆. pero por otro lado. Estas tres son formas de la Modulación Delta Adaptativa. operando sobre una secuencia de error. m(t ) será una señal periódica rectangular de amplitud pico a pico igual a ∆. o aumentando el valor del paso de cuantificación ∆ o la frecuencia de muestreo f s . denominación adoptada para distinguirla de la Modulación Delta Lineal. 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. si se aumenta la frecuencia de muestreo se aumentan los requerimientos de ancho de banda de la banda de base.123) τ Ts 2 El ancho de banda de la banda de base es bastante grande. se puede establecer un límite superior del rango de amplitudes tomando precisamente este valor como el de la mínima entrada reconocible por el codificador. en la Modulación Delta Controlada Digitalmente (DCD) se utiliza un comparador digital que.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 . la resolución de la señal será muy pobre y la distorsión aumentará. en la transmisión de voz en PCM con f s = 8000 y n = 8 . 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. Sea entonces A min = ∆ . Por ejemplo. el rango de amplitud no puede ser muy alto porque ello implicaría altos anchos de banda de la banda de base.

se demuestra [Schwartz. ∆ r ” y la “Frecuencia de Muestreo Normalizada. La relación de postdetección So/No se puede expresar en términos de ∆ r y Fs . en función del escalón relativo ∆ r para diferentes valores de la frecuencia de muestreo normalizada Fs . 1990]. ∆ r es el inverso del rango dinámico RA .125) Para simplificar el cálculo de la potencia promedio de la señal. que N oq =< n 2 (t ) >= q y N os =< 2 n s (t ) ∆2 3 5/ 2 (5. donde ∆ rop es el “escalón relativo óptimo” correspondiente.129) para ∆ r ⋅ Fs > 2π En la Fig. de (5.124) (5. En efecto.8 ⋅ ⎢1 − r s ⎥ + ∆2 ⎪ r =⎨ 2π ⎦ 3 ⎣ No ⎪ 3 ⎪ ⎪ 2∆2 ⎩ r para ∆ r ⋅ Fs ≤ 2π (5.127a) ⎡ ∆ ⋅ fs ⎤ A2 >= m 1. 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. 5. El valor máximo de la relación So/No será entonces . 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.352 V. Fs ” en la forma ∆r = f ∆ ∆ = y Fs = s A m | m(t) |max fm (5. que s o (t ) = A m sen(2πf m t ) cuya potencia promedio es S o =< s 2 (t ) >= o A2 m 2 (5.128) Nótese que.44(a) se grafica la relación de postdetección So/No .126) En cuanto a las potencias de ruido. es decir. MODULACION Y TRANSMISION DE IMPULSOS Veamos ahora la influencia del ruido en modulación delta lineal.8 ⋅ ⎢1 − ⎥ 2 ⎣ 2πf m A m ⎦ (5.122). 1 ⎧ ⎪ 5/ 2 2 ⎡ ∆ ⋅F ⎤ S o ⎪ 1. en dB. Nótese que la relación So/No es máxima cuando ∆ rop ⋅ Fs = 2π .127b) Generalmente se define el “Escalón o Paso Relativo.

5. vamos a suponer que ambos sistemas utilizan aproximadamente el mismo ancho de banda para transmitir una señal analógica cuya frecuencia máxima es f m . Se puede comparar el comportamiento de los sistemas PCM y DM en términos de la señal y de la complejidad de instrumentación. Para asegurar que la comparación se efectúa en idénticas condiciones. puesto que si se aumenta f s se reduce el paso o escalón ∆ requerido para mantener un nivel específico de ruido de sobrependiente. 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. de (5. el mejor compromiso en modulación delta lineal es entonces el de aumentar la frecuencia de muestreo f s (o Fs ). sobre el umbral. reduce el ruido de cuantificación.101). donde Fs es la frecuencia de muestreo normalizada en modulación delta y n el número de dígitos por grupo de codificación en modulación PCM. el ruido de cuantificación se reduce pero el ruido de sobrependiente aumenta rápidamente. Para valores altos. La comparación se puede efectuar observando la curva para n = 8 de la Fig. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 3 = ⎢ ⎥ 2 ⎣ N o ⎦ max 2∆ rop (5. a su vez. 5. el valor del otro para máxima relación de postdetección So/No. Por ejemplo. . conocido un parámetro. Esto. Por consiguiente.38(a) en PCM y la curva para Fs = 8 de la Fig. Nótese que. Esto implica. se puede estimar rápidamente. a partir de la gráfica. Nótese que la relación So/No mejora aumentando la frecuencia de muestreo f s (para f m constante). que 2 f s = 2nf m o Fs = n .44(a) se puede notar el angosto rango de valores del escalón relativo en el cual la relación de postdetección es máxima. si consideramos un sistema PCM de 8 dígitos binarios (n = 8) para transmitir una señal de f m = 4 kHz de ancho de banda.44(a) en DM. Si el ancho de banda del canal lo permite. la frecuencia de muestreo normalizada en DM es Fs = 8 . 5.128) y (5. 5. el sistema PCM está por encima del valor óptimo del sistema DM en más de 43 dB. Para valores pequeños del escalón ∆r. el comportamiento en PCM es superior al de DM.44(b) se relacionan los parámetros Fs y ∆ rop de tal manera que. el ruido de sobrependiente desaparece pero el ruido de cuantificación o granular aumenta. mientras que a la izquierda domina el ruido de sobrependiente. para un mismo ancho de banda de la banda de base. En la Fig.130) En la Fig.353 V.

ha generado un considerable interés en el uso de las técnicas de la modulación delta en sistemas de telefonía comercial. industriales y espaciales. y cuya relación S/N de postdetección es del mismo orden que en PCM.9 dB ⎢ ⎥ ⎣ N o ⎦ max 2∆ rop De (5. En efecto. el C. necesita un ancho de banda de 32 kHz que es la mitad de lo requerido en PCM. 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 ∆ = 0.44(a). En primer lugar hay que determinar la frecuencia de muestreo normalizada Fs y el escalón relativo ∆ rop óptimo correspondiente.907 = 15.I.8V Fs | m(t )|max Fs La amplitud | m(t )|max = 4 se cubrirá con 5 escalones de amplitud ∆ ≈ 0. ∆ rop = 2π|m(t)|max 2π ∆ = = 0. ya mencionado. La relación de postdetección So/No es máxima cuando Fs = 2π / ∆ rop .123). MODULACION Y TRANSMISION DE IMPULSOS El comportamiento del sistema DM se puede mejorar considerablemente utilizando las técnicas de la Modulación Delta Adaptativa.196 y ∆ = = 0. se puede tomar Fs = 32.8V . Por ejemplo.130).9 dB No B = 256 kHz f s = 2 f m = 8 kHz Nótese que si la transmisión fuera en PCM. De la forma de m(t). combinada con una buena calidad de voz. entonces. ⎡ So ⎤ 3 = 2 = 38. de donde f s = 32 f m = 128 kHz . y aún más ahora que se consiguen circuitos integrados para la modulación delta adaptativa. Vamos a determinar los parámetros necesarios para su transmisión con una relación de postdetección superior a los 15 dB. A m =| m( t )| max = 4 y f m = 4 kHz . El valor máximo de la relación de postdetección se puede calcular a partir de (5. por ejemplo. el sistema de modulación delta es mucho más sencillo que en PCM. para una relación S/N de 15 o más dB. así como para otros distintos usos en muchas áreas afines. de comunicaciones militares. en transmisión de voz el sistema CVSD. De la Fig.354 V. el ancho de banda de la banda de base es B = 2 f s = 256 kHz . En cuanto a la complejidad del equipo. ♣ Ejemplo 5. Esta simplicidad. En resumen. 5.10 Se desea transmitir en DM una señal de audio de la forma m(t ) = 4 cos(8x10 3 πt ) . MC3418 que es un modulador/demodulador delta de pendiente continuamente variable que permite operar entre 9600 bps y 64 kbps.8 V So = 15.785 ≈ 0. los correspondientes parámetros serían: . como.

MODULACION Y TRANSMISION DE IMPULSOS Número de impulsos por grupo: Relación S/N de postdetección: n = 8 (típico) So = 2 2 n = 65536 = 48.165 dB No Ancho de banda de la banda de base: B = 2 nfm = 64 kHz Para este caso particular. una secuencia de impulsos PCM (RZ o NRZ) que se transmite por conductores metálicos u ópticos. 45. consideremos el modelo de un sistema de transmisión binario en banda de base mostrado en la Fig.5. que son los que pueden transmitir señales desde CC en adelante.1. la relación So/No en PCM es 32.5. y (2) la degradación producida por el ruido n(t). El filtro H ( f ) de entrada al receptor debe ser diseñado entonces tomando en cuenta todos esos factores. pero solamente consideraremos la interferencia intersímbolo y el efecto del ruido. 5. 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. . Transmisión Binaria en Banda de Base.3 dB superior a la de DM. Esto lo haremos más adelante. un sistema digital de banda de base es aquel que transmite información digital generalmente a bajas frecuencias y por canales pasabajo. 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. Para generalizar el enfoque. efecto conocido con el nombre de “interferencia intersímbolo”. Hay otros factores que intervienen también en menor grado en la degradación de la señal.355 V. 5. entre otros la interferencia intercanal. la información digital (secuencias de impulsos) se transmite tal como se genera. sin ningún otro tipo de procesamiento o codificación que no sea digital. La señal de banda de base será. la fluctuación de fase (“jitter”) y el desvanecimiento selectivo. 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 ) . Introducción ♣ En general. TRANSMISION DE IMPULSOS EN BANDA DE BASE 5. de densidad espectral S n ( f ) e independiente de la señal v(t). 5.45. en general. (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. de valor promedio cero.

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. aunque mucho más complicados. “multiplex” o “multiplaje”. Consideremos el transmisor. con la diferencia de que cada grupo de codificación corresponde a un mensaje diferente. combinar en el transmisor los mensajes de varias fuentes de información. las cuales disponen para su transmisión de todo el ancho de banda del canal. el tiempo es compartido por las señales individuales. por supuesto. una ventaja de la operación multicanal es la disminución de equipo y.35(a).46(a). las señales se transmiten simultáneamente pero ellas se reparten el ancho de banda disponible del canal de transmisión. El conmutador efectúa f s revoluciones por segundo y extrae una muestra de cada entrada durante una revolución. La forma más común es la modulación PCM. Cuatro señales diferentes. 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. La “Multiplicidad por División de Tiempo (Time-Division Multiplex. Pero en la práctica es necesario enviar simultáneamente una gran cantidad de mensajes diferentes por un medio de transmisión dado. . los valores de muestra. costo. 5.356 V. La separación de las señales individuales en el receptor se efectúa mediante circuitos de sincronización apropiados. La banda de frecuencias o intervalo de tiempo asignado a cada mensaje individual se denomina comúnmente “canal”. como se muestra en la Fig. Como solamente se necesita un transmisor y un receptor. En esta sección haremos énfasis en la transmisión en banda de base.2.46 para cuatro señales diferentes. 5. mediante modulación y sin solapamiento. Esta señal PAM/TDM puede ahora modularse en cualquiera de los sistemas de modulación de impulsos vistos en las secciones anteriores. FDM)” El sistema FDM. codificados o no. limitadas a una banda f m por los filtros pasabajo (FPB) de entrada. 5. La “Multiplicidad por División de Frecuencia (Frequency-Division Multiplex. de los mensajes individuales. MODULACION Y TRANSMISION DE IMPULSOS 5.5. El sistema TDM combina. Fig. La señal PCM/TDM tendrá una configuración como la mostrada en la Fig. en esencia consiste en colocar lado a lado. mediante las técnicas llamadas de “multiplicidad”.46(c). transmitirlos como un solo bloque y luego separarlos en el receptor. como se muestra en la Fig. Este tipo de multicanalización lo estudiaremos con más detalle en el Capítulo VI. 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. el cual es directamente aplicable a señales continuas. La transmisión de cada muestra ocupa todo el ancho de banda del canal pero sólo una parte del tiempo. en cuyo caso se tendrá un sistema PCM/TDM. El proceso de operación multicanal permite. en el tiempo y sin solapamiento. pudiéndose aprovechar el intervalo entre muestras para transmitir las muestras de otras señales mensaje. 5. TDM)” 2. Hay dos formas de multicanalización que son de interés: 1. Esto se efectúa muestreando todas las señales y entrelazándolas. se muestrean en forma secuencial mediante un interruptor rotatorio o “conmutador”. los espectros de las señales mensaje individuales y formar así un espectro compuesto o señal de banda de base compuesta que se transmite.

46. 5. lo cual permite un control exacto de la sincronización.357 V. En la Fig. en algunos sistemas se transmite impulsos especiales de sincronización.47. 5. Fig. y los parámetros de interés. 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. incluidos en la misma señal de banda de base o por canales separados. Sistema Multiplex por División de Tiempo (TDM).47 se muestra el entrelazamiento de M canales en PCM/TDM y PAM/TDM. 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 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.46(b). de la Fig. TM = s = = τ + τg M 2 Mf m y en PCM / TDM. T 1 5. En el receptor. Entonces. Para lograr esta sincronización. El período de base Ts corresponde al intervalo de Shannon y el conjunto de impulsos en él incluidos se denomina “trama”. 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. 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. τ= TM T 1 = s = n nM 2nMf m .

5.131b) Si Bτ > 1. se suelen aplicar dos criterios para la selección del ancho de banda B: 1. Las señales cuyas frecuencias máximas son menores que f MAX resultarán sobremuestreadas. Si B es el ancho de banda del canal y τ la duración de los impulsos a transmitir.3. En los Ejemplos 5.11 y 5. especialmente en transmisión de señales PCM/TDM NRZ.47. 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. El producto Bτ = 1. 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. si las frecuencias máximas de las señales de entrada fueran diferentes. si f MAX es la frecuencia más alta del conjunto de señales de entrada. 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 . B= 1 2τ (5. Entrelazamiento de las Muestras en Multicanalización TDM La frecuencia f m es la frecuencia máxima de las señales de entrada. B= 1 τ (5. pero este sobremuestreo no representa ningún problema.131a) 2. 5. . es decir.358 V. A expensas de una pérdida de resolución entre impulsos adyacentes se puede disminuir el ancho de banda para tener el producto Bτ = 1/2. esta frecuencia está limitada por los filtros pasabajo de entrada. veremos algunas aplicaciones de estos conceptos.12. 5. Sin embargo. es decir. Por ejemplo.

los impulsos que pueden estar bien separados en el punto de origen. ±1. pero más importante es el efecto de la amplitud de las colas. establecidas por Nyquist. Cuando el ancho de banda aumenta al doble. si el ancho de banda del canal es demasiado pequeño. Este perfil.. 5.48(a). aunque las colas de los impulsos. presentarán una gran dispersión cuando llegan al receptor y se solaparán con los impulsos adyacentes. resultaría en distorsión de intermodulación.131b) o en cualquiera otra forma.359 V. Los filtros reales deben aproximarse a esta característica ideal pero deben poseer las siguientes propiedades. MODULACION Y TRANSMISION DE IMPULSOS La cuestión de si el ancho de banda debe ser calculado de acuerdo con (5... En estos casos no se produce interferencia intersímbolo..48(a) o (b) para una secuencia binaria NRZ 1 1 0 1 1.131b) marca el límite teórico del ancho de banda y está de acuerdo con la frecuencia de Nyquist. efecto que puede introducir una cierta incertidumbre respecto al instante de muestreo y producir distorsión a pesar de no existir interferencia intersímbolo.131b). donde a n = 0 ó 1. como se muestra en la Fig. 5.. y τ es la duración de los impulsos. ±2.48(b). n = 0. La cantidad de interferencia depende del ancho de banda del canal. algunas veces llamadas “ecos”. a esto hay que agregar otros factores como el perfil del impulso y el método de detección en el receptor. dependerá de la dispersión permisible de un impulso sobre los impulsos adyacentes. en cuyo caso se tiene la relación duración-ancho de banda dada por (5.. no es físicamente realizable. los impulsos recibidos tendrán la forma mostrada en la Fig.131a) o (5. 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. pues resulta en distorsión cruzada o de intermodulación. Esto resulta así cuando los impulsos recibidos tienen la forma a n sinc[(t − nτ ) / τ ] . Esto significa que si se dispone de un ancho de banda B. persistan durante varios intervalos. para que no se produzca interferencia intersímbolo: (a) que los ceros del impulso . B = 1/τ. la expresión (5. se puede transmitir teóricamente 2B símbolos por segundo. No obstante. 5.48(a). como sabemos. mostrado en la Fig. 5. 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. 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 . es decir. en este caso la situación ha mejorado pero ésta seguiría siendo la salida de un filtro pasabajo ideal que. Nótese lo cercanos que están los impulsos en la Fig. Esta dispersión se denomina “interferencia intersímbolo” y es de particular importancia en sistemas PCM/TDM NRZ.

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. Esto es así porque las colas en el filtro de Nyquist decrecen con 1/t3.29(a). . 5. 5. cuyas características. 5. donde H (f ) = 0 para | f | > B . sin embargo. En la Fig. H (f ) = 1 ⎡ f πf ⎤ sinc(2Bt) ⎢1 + cos( B )⎥ ⋅ Π ( 2B ) ⇔ h(t) = 2B ⎣ ⎦ 1 − (2 Bt ) 2 En la Fig. Igual razonamiento se aplica para la segunda forma del Filtro de Nyquist. que corresponde a la expresión (5. donde B = 1/τ . En resumen. pero sin las indeseables colas de los impulsos.48(a).45.48(a) o (b) decrecen solamente con 1/t. que en la práctica las características de los canales son muy variadas y por lo general no pueden ser modificadas.131a). 5. y si el canal tiene un ancho de banda B. mientras que las colas de la Fig. Nótese. Capítulo II. La incertidumbre respecto a los instantes de muestreo es menor y no se produce interferencia intersímbolo. Esto significa. en relación con la Fig. y si B = 1/ τ . 2. que los sistemas H T ( f ). y (c) que el ancho de banda máximo del impulso sea B ≤ 1/ τ . por ejemplo. entonces los impulsos recibidos tendrán la forma mostrada en la Fig.20. son: para la primera forma del Filtro de Nyquist. donde τ es su duración. Nótese que la forma de la salida del filtro de Nyquist tiene características similares a las de la salida ideal mostrada en la Fig.360 V. (b) que la amplitud de las colas o lóbulos laterales sea muy pequeña.49 y no se producirá interferencia intersímbolo. H c ( f ) y H ( f ) deben ser diseñados conjuntamente de acuerdo con el esquema de modulación utilizado y las normas técnicas aplicables. 5. 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 . determinadas en el Ejemplo 2. MODULACION Y TRANSMISION DE IMPULSOS recibido pasen por los instantes de muestreo adyacentes. el primer cero de h(t) estará en t = 1/B y la amplitud de las colas prácticamente es despreciable. Un sistema que cumple con estas características es el Filtro de Nyquist. se muestra la forma de H(f). En este caso es necesario colocar redes ecualizadoras en los dos extremos del canal. El costo que hay que pagar es que se podrá transmitir solamente B símbolos por segundo.49 se muestra la secuencia de impulsos NRZ 1 1 0 1 1 recibida cuando se aplica el criterio de Nyquist.

Que el contenido espectral sea el más adecuado según las características del medio de transmisión. la presencia de componentes continuas produce impulsos unitarios periódicos en el espectro. hay que tomar en cuenta el aspecto económico. 3. El espectro deberá estar contenido dentro de una banda restringida. es decir.2. En el Capítulo III. Que la señal codificada pueda ser descodificada unívocamente para permitir la recuperación fiel de la secuencia original. Además de los aspectos puramente técnicos. entre otras. los códigos de línea deben cumplir. con las siguientes condiciones: 1. Es deseable que el código sea fácil de generar y detectar a fin de reducir la complejidad y costo del sistema. El código debe ser eficiente para aprovechar al máximo la capacidad del canal y ser inmune a las interferencias y ruido. ninguna “palabra” del “alfabeto” utilizado debe ser la primera parte de otra palabra.9. La componente continua. el código de línea debe satisfacer la “condición del prefijo”. Sección 3.5. Que las señales de temporización puedan ser fácilmente extraídas de la señal recibida. Es muy difícil que un solo código pueda satisfacer todas las condiciones anteriores. 5. 2. 4. aunque la señal original contenga largas secuencias de UNOS o CEROS. 5. se calculan las densidades espectrales de potencia de algunos de estos códigos. . denominadas “Códigos de Línea”. Por otro lado. y otros factores. La señal codificada debe poseer muchas transiciones o cruces por cero. produce “derivas” en la línea de base de la señal. lo cual produce una elevada tasa de errores. Sección 3. y la selección de un determinado código va a depender de su aplicación.361 V. De esta manera se asegura una mayor confiabilidad. En el Capítulo III.50 se muestra algunos de los códigos de línea utilizados en la práctica. otros convierten las secuencias binarias originales en nuevas secuencias binarias. 6. MODULACION Y TRANSMISION DE IMPULSOS 5. los cuales complican los circuitos de control automático de ganancia en el receptor. deberá ser cero en los bordes de la banda y máximo en el centro de la misma.2. También es deseable que la descodificación pueda realizarse inmediatamente luego de recibida la secuencia. Que la amplitud de la componente continua sea lo más pequeña posible. además de demandar potencia adicional. En general. Estas formas tienen algunas ventajas en términos de facilidad de procesamiento y sincronización. En la Fig. Mientras algunos sistemas pueden transmitir directamente en binario natural. se determina la densidad espectral de algunos códigos de línea. Para ello.4. requerimientos de ancho de banda. Códigos de Línea Hasta ahora hemos supuesto que las señales PCM transmitidas estaban codificadas en binario natural con o sin retorno a cero.9. esto es.

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

por ejemplo. desarrollado por la Compañía Bell de los Estados Unidos a principios de los años 60 para interconectar centrales telefónicas separadas hasta 80 km.51. los “datos” son señales digitales generadas por máquinas: terminales. 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. 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. Jerarquías en los Sistemas de Transmisión de Datos. teletipo. El Sistema Bell T1 fue inicialmente diseñado para que fuera compatible con los sistemas de comunicación analógicos existentes. 5. en general. ♣ Ejemplo 5. computadoras.12. etc. fundamentalmente no hay ninguna diferencia..363 V. Estos equipos habían sido diseñados principalmente para los enlaces telefónicos intercentrales. Sin embargo. entre una señal de voz digitalizada en PCM y una señal digital producida por un terminal de datos. pero pronto emergieron las técnicas PCM que ofrecían una mejor . y cuyas velocidades de información van desde unos pocos bps hasta los Gigabps. Conviene señalar aquí que.

TRAMA T1: 193 dígitos. con 8 dígitos por canal para un total de 256 dígitos por trama. 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. de acuerdo con la Recomendación G. En la Fig. formada por 16 tramas. Como la frecuencia de muestreo es de 8000 muestras por segundo. MODULACION Y TRANSMISION DE IMPULSOS inmunidad al ruido y a medida que avanzaba la tecnología de los circuitos integrados.24(b). 5.52(A).6477 µseg. el primer cero del espectro está a una frecuencia de 1544 kHz y el valor máximo está a 772 kHz.52(A) se muestra la configuración de la Trama T1. y treinta para los canales de Voz/Datos. En consecuencia. 3. La señal de banda de base en T1 es una secuencia AMI RZ de valores ± 3V sobre una resistencia de 100 Ohm. La trama contiene entonces 193 dígitos y la frecuencia de señalización es de 1544 kHz. 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.52(B)).5 mseg.364 V. se utiliza el Código de Línea HDB3 RZ. Formato de la TRAMA T1 µseg El Sistema Troncal E1 El sistema E1. el período de cada ranura es de 3906 nanosegundos. Fig. está formado por 32 canales.733 de la UIT-T. 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. La duración de cada trama es de 125 microsegundos. En el Sistema T1 se agrupan las tramas para formar multitramas de 12 tramas cada una. la duración de la multitrama es de 1. La velocidad de señalización para cada uno de los 24 canales será entonces de 1333 bps. 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. aunque en la práctica se dice 1544 kbps. denominado también CEPT-1 PCM-30 (es el Nivel 1 de la Jerarquía Europea. la señal T1 no contiene una componente continua y su espectro tiene la forma mostrada en la Fig. siendo 488 nanosegundos la duración de cada dígito. En el Sistema T1 básico se multiplexan 24 señales de voz que forman la llamada Trama T1.647 (*) Dígito de Sincronización de Canal (cada sexta trama) Fig. tiene una duración de 2 ms. la multitrama. los costos de los equipos digitales se hicieron cada vez más bajos que los analógicos. La trama contiene 32 ranuras de tiempo RT de las cuales dos son para señalización y alineación. Además. la velocidad de la trama E1 es de 2048 kbps. 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. . La duración de la trama es de 125 µseg y la de cada dígito de 0. 5. 5.

……. además de una indicación de alarma. Esta señal se utiliza para permitir que cada trama sea reconocida en el receptor. 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. En el formato CEPT-1. algunas veces se pueden utilizar para transmitir información adicional. respectivamente. . G. 256 dígitos. llevan en la correspondiente ranura la información de señalización de los canales 2 y 17. en este caso las velocidades de transmisión son de 1. 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. Las Recomendaciones G. La palabra de alineación de trama tiene la forma 0011011 y va en la ranura de tiempo RT0 de las tramas pares. Las tramas impares llevan información de Señalización Nacional e Internacional. sin embargo. 5. en las ranuras RT0 y RT1.…….15 y 30.365 V. T3.52(B). Formato de la TRAMA E1.712 y G. 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. Cuando los dígitos I y N no se utilizan. respectivamente. MODULACION Y TRANSMISION DE IMPULSOS Una Trama. Un dígito de la misma ranura contiene el Dígito Internacional I. 4 y 19.. Las tramas siguientes T2.5 kbps y 28 kbps con los dígitos I y N. 3 y 18.711. las informaciones de alineación y de señalización van en las dos primeras tramas. La señalización para los canales 1 y 16 va en la ranura RT16 de la trama T1. T15. se suele ponerlos a UNO.732 de la UIT-T establecen todos los requerimientos para un comportamiento satisfactorio del sistema.

6. En realidad.1. 5. pero en vez de definirse una relación S/N que tenga en cuenta la influencia de los errores sobre la señal transmitida. lo que es lo mismo. En relación con los efectos del ruido. como veremos en su oportunidad. 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. RECEPCION DE IMPULSOS EN BANDA DE BASE 5.6. se prefiere más bien definir la probabilidad de errores en la decisión. si se ha recibido el estado “CERO” o el estado “UNO”. El receptor digital consta básicamente de un filtro lineal o filtro receptor. la operación de detección consiste esencialmente en una toma de decisión en los instantes de muestreo t n . que corresponden a los dos estados de la señal binaria v(t). 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. En la Fig. El mecanismo de recepción en un receptor binario consiste fundamentalmente en procesar en alguna forma la señal recibida y decidir. La influencia del ruido introduce errores en las decisiones tomadas. relativa al estado (“CERO” o “UNO”) del impulso binario recibido en esos instantes. la verdadera situación es mucho más complicada. 5. qué estado fue transmitido. se necesita una señal de reloj que esté sincronizada con la señal de reloj en el transmisor. probabilidad que caracterizará en mayor o menor grado la calidad de la señal. . Introducción Las características de la señal recibida dependen tanto del perfil de la señal transmitida como de las características físicas del canal.53. en los instantes de muestreo t n . sino que aporta también una cantidad de ruido aditivo de densidad espectral S n (f ) .366 V. Esta decisión se basa en un criterio más o menos elaborado. aumentar la relación S/N a la salida del filtro receptor. 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. un buen diseño de los filtros es esencial. Para la generación de los instantes de muestreo t n en el receptor.53 se muestra el modelo de un receptor binario en banda de base. muestra a muestra y de acuerdo con algún algoritmo preestablecido. Sin embargo. Este problema de sincronización de temporización lo trataremos más adelante. un muestreador de retención y un elemento de decisión o detector que decide. Receptor Binario en Banda de Base. pues el canal contribuye no solamente a modificar el perfil de la señal recibida. MODULACION Y TRANSMISION DE IMPULSOS 5. alternativamente. 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. En general. El impulso transmitido puede ser en coseno elevado y el canal un filtro pasabajo.

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.2. la cual establece que si f(x) y g(x) son dos funciones complejas. sino más bien el reconocimiento de una “presencia”: el estado “CERO” o el estado “UNO”. el segundo término es el ruido no(to) cuya potencia es < n 2 ( t o ) >= o ∫ ∞ −∞ S n ( f )| H ( f )|2 df . Para maximizar ρ. Nótese que la señal v(t) es un impulso de cualquier perfil y de duración τ. 1988]. que forma un tren de impulsos de período τ. En efecto. entonces ∫ 2 f (x)g(x )dx ≤ ∫ | f (x)| 2 dx ⋅ | g (x )|2 dx f (x) = k ⋅ g * (x) ∫ (5. se aplica la “desigualdad de Schwartz”. El Filtro Acoplado El filtro acoplado es una técnica para el procesamiento de una señal digital en presencia de ruido.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.6. S.134) verificándose la igualdad si y solamente si donde k es una constante cualquiera y g ∗ ( x) es el conjugado de g(x). Una demostración muy sencilla de la desigualdad de Schwartz se encuentra en [ Roden M. el numerador de la expresión (5. Fig. 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 . donde V(f) es la transformada de Fourier de v(t) y H(f) la función de transferencia del filtro receptor. pues para relaciones S/N de entrada razonables. se obtiene .53. 5. Reemplazando esta expresión en (5. cuando la señal de entrada z(t) al filtro receptor es la suma de una señal v(t) más un ruido aditivo n(t).133) (5.132) y con ayuda de la desigualdad de Schwartz. 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. 5. En este caso el filtro receptor pasará a denominarse “filtro acoplado”. Para maximizar ρ. la probabilidad de error es muy pequeña. Una propiedad muy importante del filtro acoplado es que maximiza la relación S/N a su salida.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.367 V. Este reconocimiento puede efectuarse con gran precisión.. donde S n (f ) es su densidad espectral de potencia.

es decir.136) donde Eb es la energía del impulso v(t). que es la convolución de v(t) y h(t). Si suponemos que el ruido es blanco de densidad espectral η/2.138) 2 Eb η si el ruido es blanco Este valor máximo se obtiene a partir de la condición (5.134).139) Esta es la función de transferencia del filtro acoplado. Nótese que (5.137) (5. tendrá una duración de 2τ segundos. En consecuencia. H (f ) = 2k V(− f ) exp(− j2πt o f ) η (5. entonces 2k 2k h(t ) = v( τ − t ) ⇔ H(f) = V( − f ) exp( − j2 πτf ) (5.135) Si el ruido es blanco de densidad espectral η/2. pero como v(t) es un impulso de duración τ. tanto v(t) como h(t) tendrán una duración de τ segundos.141a) se puede hacer (2k/η) = 1. vo(t). es decir. k = η/2. El lector puede verificar fácilmente que la respuesta impulsional del filtro acoplado es h(t ) = (2 k / η) v( t o − t ) . El valor máximo de ρ será entonces ρmax = ρmax = | V(f )|2 df −∞ Sn (f ) ∞ ∫ (5. con un valor máximo . 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. y con la ayuda del Teorema de Raleigh. Por consiguiente. se tiene H (f ) = k ⋅ V(− f ) exp(− j2πt o f ) S n (f ) (5.141b) En esta forma. h(t ) = v( τ − t ) ⇔ H(f) = V(-f)exp(-j2 πτf) (5. se toma este valor para to.140) Nótese que esta función de transferencia puede no ser físicamente realizable. ρ ≤ ∫ ∞ −∞ | V( f )|2 df = 2 η ∫ ∞ −∞ | v( t )|2 dt = 2 Eb η (5.368 V.136) es válida únicamente si el ruido es blanco. 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.141a) η η Para simplificar (5.

5. de donde 0 τ ∫ τ 0 v 2 (t )dt = E b (5.142a) se puede instrumentar entonces en la forma mostrada en la Fig. . que es equivalente a la Fig. la salida del impulso anterior termina y es cero cuando t = τ.369 V. 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. 5. El filtro acoplado se puede considerar también como una forma de correlador. MODULACION Y TRANSMISION DE IMPULSOS en t = τ y simétrica respecto a t = τ. La probabilidad de una decisión correcta es entonces la óptima y por esta razón a los filtros acoplados se les denomina también “filtros óptimos”. En forma similar. es decir. en los instantes de muestreo t n no ocurre interferencia intersímbolo. que veremos más adelante.136).142a) pero como v(t) y n(t) no están correlacionados. En efecto. y v(t) = 0 para t > τ. de donde z o (t ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t '+ τ − t )dt ' −∞ ∞ Puesto que t = τ en el instante de decisión. entonces z o (τ ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t ' )dt ' −∞ ∞ La suma [v(t) + n(t)] se inicia en t = 0. 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). Si se trata de un tren de impulsos. 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. 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 ) . Por lo tanto. la salida total del filtro acoplado se puede determinar mediante convolución.54.142b) expresión que está de acuerdo con (5. el impulso de salida siguiente se inicia y tiene un valor cero en t = τ.53. La expresión (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. entonces z o (τ ) = ∫ v( t) n( t)dt = 0 .

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 ) . para la secuencia de entrada AMI NRZ 1011. la salida del filtro tendrá la forma mostrada en la Fig. 5. 5. 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. 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. 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.. Receptor Digital Correlador.136).370 V.55(b). Esto. Por ejemplo. ♣ Ejemplo 5. v(t) y h(t) tienen el mismo perfil.55(d). t−τ/2 ) .55(c). 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. De acuerdo con (5. 5. La relación S/N máxima a la salida del filtro acoplado será. El comportamiento de los sistemas de modulación digital en presencia de ruido dependerá del método de detección empleado. mostrada en la Fig. a su vez. en la que se indica también los instantes de muestreo de la señal.55(a). se supone que k = η/2.141b). de (5. 5.13 t−τ/2 ) . 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.55(e). El impulso de entrada a un filtro óptimo tiene la forma v ( t ) = AΠ ( La respuesta impulsional h(t) se muestra en la Fig. Nótese que v o ( t ) es máxima para t = τ. como se τ muestra en la Fig. está asociado con la presencia de un filtro acoplado colocado antes del elemento de decisión. 5. Nótese que en este caso en particular. .54.

El “canal” puede ser un canal telefónico.57 la forma de las señales binarias moduladas. de ahí que a estos procesos se les denomina también “técnicas de modulación binaria”. 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. sino en forma de una señal modulada en forma analógica. Por ejemplo.). rayos infrarrojos o láser.55.371 V. la portadora. 5. (e) Secuencia de Salida del Filtro Optimo ♣ 5. los impulsos modulan una portadora sinusoidal cuya frecuencia es compatible con el medio de transmisión utilizado. microondas. 5. Si la transmisión se efectúa por un canal telefónico de 4 kHz de ancho de banda. 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.56 se muestra los modelos para la transmisión y recepción de señales binarias mediante portadora modulada y en la Fig. un canal de radio (HF.7.7. en efecto. así como las señales de datos de terminales digitales y dispositivos afines. Como la señal PCM es una secuencia de impulsos binarios (2 estados). 5. fibras ópticas. TRANSMISION Y RECEPCION DE SEÑALES BINARIAS MEDIANTE PORTADORA MODULADA 5. este tipo de transmisión se denomina “transmisión binaria mediante portadora modulada”. . etc. En la Fig. la frecuencia de portadora está entre 1 y 2 kHz. las magnitudes moduladas tomarán también dos valores. pero en un enlace de microondas la frecuencia de portadora puede alcanzar la gama de los Gigahertz. en un enlace de HF la frecuencia de portadora puede ser de unos cuantos Megahertz. la frecuencia o la fase de una señal sinusoidal.1. Introducción Los impulsos digitales producidos por los diferentes sistemas vistos en este capítulo. 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. conductores metálicos (cable coaxial o par trenzado). generalmente no se transmiten a gran distancia en la forma de señal de banda de base.

FSK y PSK (DPSK). PSK) 4. 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. 5. FSK) 3.56. 5. Señales Binarias Moduladas ASK. 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. FSK. Hay otros métodos más avanzados de modulación pero no los trataremos aquí. La Modulación Binaria de Amplitud (Amplitude-Shift Keying. La Modulación Binaria de Frecuencia (Frequency-Shift Keying. (a) Secuencia Binaria (b) ASK (OOK) (c) FSK (d) PSK (DPSK) "1" "0" "1" "1" "0" "0" "0" "1" t Tb t t Fig. DPSK) (PCM) ASK. 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.57. . La Modulación Binaria Diferencial de Fase (Differential PSK. FSK. La Modulación Binaria de Fase (Phase-Shift Keying.372 V. Transmisión y Recepción Binaria mediante Portadora Modulada En la Fig. ASK) 2. 5. La forma de la señal DPSK básicamente es idéntica a la de PSK.

puede utilizarse para sincronizar el oscilador local. Los dispositivos de sincronización en el receptor deben lograr la coherencia entre las dos portadoras. por ejemplo. y mediante filtrado pasabajo se obtiene la señal original portadora de información.28. 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. la demodulación sincrónica o coherente se utiliza pues es . 5. Esta situación encarece y complica el sistema.58(a) y ya lo aplicamos en el Capítulo II. es decir. Como veremos más adelante. la modulación digital no es un proceso ni puramente digital ni puramente analógico.373 V. Este proceso se muestra en la Fig. 3. La “Detección de Envolvente” La demodulación o detección sincrónica o coherente consiste simplemente en multiplicar la señal modulada recibida por la portadora. que ∆f = 0 y φ o = φ . Demodulación y Sincronización de Señales Binarias Moduladas Métodos de Demodulación Como mencionamos brevemente en el Capítulo II. particularmente en transmisión a grandes distancias. La información de fase se puede obtener a partir de una portadora piloto superpuesta a la señal modulada que. cos(2πf c t + φ ) la portadora transmitida. Para evitar esta atenuación de la señal. una vez recuperada mediante filtrado. sin embargo. La “Demodulación Sincrónica o Coherente” 2. MODULACION Y TRANSMISION DE IMPULSOS Como la señal digital se convierte en una señal analógica (por efecto de la multiplicación por una señal sinusoidal). Métodos de Demodulación o Detección de Señales Moduladas Sea. Hay que hacer notar que con osciladores de gran precisión puede mantenerse la igualdad entre las frecuencias. generada localmente. sino que posee atributos comunes a ambas áreas.58 . 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. hay esencialmente dos métodos comunes de demodulación o detección de señales moduladas con portadora sinusoidal: 1. pero el sincronismo de fase es más difícil de alcanzar. 5. si la portadora generada localmente fuera de la forma 2 cos[2π(f c + ∆f ) t + φ o ] . 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.7. Problema de Aplicación 2. Sin embargo.2. la frecuencia y la fase de la portadora local deben ser idénticas a las de la portadora de transmisión. puede utilizarse circuitos especiales para lograr la sincronización a partir de la señal recibida.

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

Entrada Modulada Entrada Modulada Salida Demodulada Detector Coherente fc . Sincronización de Portadora y Temporización. 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 la Fig. Circuitos de Sincronización de Portadora.375 V. 5. que veremos en el Capítulo VI.60. el proceso de extracción de la temporización se efectúa operando sobre la señal demodulada. 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. llamada también “auto-ruido”.59. φ π/2 VCO Filtro Pasabajo Filtro Pasabajo Filtro Pasabajo Canal Canal Salida Demodulada Detector Coherente fc . 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 . la señal de reloj está afectada por fluctuación de fase (jitter). En cuanto a la temporización. causada por interferencia intersímbolo y ruido en el sistema. 5. fase φ c Portadora 4 (a) Niveles de Sincronización (b) Localización de los Sincronizadores de Portadora y Temporización Fig. En muchas aplicaciones esta componente de auto-ruido es mucho más pronunciada que el . En general. 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. 5.60 se muestran dos circuitos de sincronización de portadora muy utilizados en la práctica: el sincronizador cuadrático y el denominado Lazo de Costas.

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.61.3.61 se muestra un circuito de sincronización de temporización. el estado “0” se puede transmitir como una amplitud de cero volts.57(b) para la secuencia binaria dada. donde señalización y φc un desfase inicial constante. por lo tanto. Tb es el intervalo de 1 . 5. Por ejemplo. 5. 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. Este tipo de modulación se conoce también con el nombre de “modulación OOK (On-Off Keying)”. 1980]. el diseño óptimo de los circuitos de sincronización es. mientras que el estado “1” se transmite como una señal sinusoidal de amplitud fija A volts. Esta decisión reposa sobre un criterio más o menos elaborado. 5. La señal ASK resultante consiste en impulsos modulados. Sincronización de Temporización.7.376 V. la amplitud de la portadora sinusoidal se conmuta entre dos valores en respuesta al código PCM. llamados “Marcas”. la cual es igual a la velocidad de modulación Vb. Modulación Binaria de Amplitud (ASK) En la modulación binaria de amplitud ASK. que representan el estado “1”. se verifica que f c >> f b = Tb f b es la frecuencia de señalización. 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. El análisis detallado de los circuitos de sincronización anteriores. muy importante para el desempeño global del sistema. se puede hallar en cualquier texto de electrónica [Miller. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS mismo ruido gaussiano. como veremos más adelante. respectivamente. En general. y “Espacios” que representan el estado “0”. . 1993. incluidos los PLL.143) donde si se transmite un "1" si se transmite un "0" A y fc son la amplitud y frecuencia de la portadora. Gardner y Lindsey. como se muestra en la Fig. 5.

147) y tendrá la forma mostrada en la Fig.62.62 (frecuencias positivas solamente).377 V. respectivamente.145) n =−∞ ∑ b ⋅ Π( i ∞ t − nTb ) Tb es una secuencia aleatoria binaria unipolar NRZ de amplitud A.171). 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. En el Capítulo III. x ASK (t ) = A (t ) ⋅ cos(2πf c t ) donde A (t ) = A (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. 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. Fig.148) . Sección 3.2.113). En cuanto al ancho de banda en ASK. Pero como < A 2 (t ) >= R A (τ )|τ = 0 = . 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).9. demostramos que la función de autocorrelación y la densidad espectral de una secuencia aleatoria binaria unipolar NRZ de amplitud A eran. expresiones (3. la potencia promedio de la señal x ASK (t ) es 1 A2 < A 2 (t ) >. 5.146) Para calcular la potencia de ruido es necesario conocer las características espectrales de la señal ASK. Por consiguiente.170) y (3. sea B el ancho de banda que comprende el lóbulo principal de S ASK (f ) . B = 2f b = 2 Tb (5.144) (5. 5. De acuerdo con el teorema de la modulación para señales de potencia.

Esto puede prestarse a confusión. de (2.146). por supuesto.41. ver Problema de Aplicación 5. Rendimiento de Transmisión Desde un punto de vista más general. Si Eb es la energía requerida para transmitir un dígito binario. si B es el ancho de banda del sistema y η/2 la densidad espectral de ruido. En general. N i = Bη = 2η = 2 ηf b Tb (5. la potencia promedio de ruido a la entrada del detector será. entonces la potencia promedio de la señal se puede expresar en la forma S = E b / Tb = E b Vi . en un sistema binario la velocidad de información es Vi = 1 / Tb = f b bps. Por otro lado. En efecto.378 V. Se puede demostrar. que la potencia contenida dentro del ancho de banda B es el 95% de la potencia total de la señal ASK. y que la mitad de la potencia de la señal ASK se consume en la transmisión de la portadora. por eso el lector debe verificar cómo se ha definido el ancho de banda al hablar de relación S/N a la entrada. la potencia promedio de ruido será N = ηB. en cuyo caso la relación de predetección es (S i / N i ) = (A 2 Tb / 12η) . 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. Si el ruido en el canal es blanco de densidad espectral η / 2 .150) Algunas veces el ancho de banda se define en la forma B = 3fb .149) y la relación S/N de predetección Si A 2 Tb A2 = = 8η N i 4Bη en ASK (5. el ancho de banda mínimo del canal de transmisión. En la literatura se suele hacer η = N o . Este valor de B será utilizado en los cálculos de la Relación Señal/Ruido (S/N). pero . dependiendo del perfil de los impulsos. donde fb es la frecuencia de señalización. MODULACION Y TRANSMISION DE IMPULSOS Este será entonces el ancho de banda del filtro pasabanda a la entrada del receptor y. nosotros utilizaremos siempre 2fb. Nótese que Eb es diferente para cada esquema de modulación. la relación S/N en un sistema se puede definir a partir de parámetros comunes para cualquier sistema de modulación. el ancho de banda efectivo de una señal ASK estará entre 2fb y 3fb.

Específicamente. fb y η son parámetros comunes a todos los sistemas en consideración.63 se muestra el diagrama de bloques de un receptor ASK con demodulación coherente.152) donde A. La relación S/N en ASK se puede escribir entonces en la forma ⎡ Si ⎤ γ = ⎢ ⎥ ⎣ N i ⎦ ASK 4 y en dB.42). se define la “Relación Señal/Ruido Normalizada. pero la demodulación coherente es poco utilizada debido a los problemas de sincronización de portadora y del ajuste de umbral. 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. Con el fin de comparar el comportamiento de los diferentes sistemas de modulación binaria sobre una referencia común.153a) ⎡S ⎤ +⎢ i ⎥ ⎣ N i ⎦ ASK( dB) [ γ ]ASK(dB) = 6.02 dB (5. Este valor de γ lo utilizaremos como referencia para comparar las probabilidades de error de los diferentes sistemas de modulación binaria.151) Esta expresión muestra que la relación señal/ruido es el producto de dos cantidades muy significativas. Eb depende del tipo de modulación empleado. 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. es decir. Como veremos más adelante. En la Fig. 5. Sin embargo. 1966] en la forma A 2 Tb A2 γ= = 2η 2ηf b (5. 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. Estos conceptos los utilizaremos posteriormente. γ” [Schwartz y otros.379 V. La relación ηB = Vi/B es el rendimiento de trtansmisión del canal respecto al ancho de banda B. A la entrada del detector coherente se tiene la señal ASK más ruido blanco pasabanda de banda angosta y densidad espectral η/2. y es una medida del ancho de banda requerido para una velocidad de información dada. 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. vamos a investigar el comportamiento de la demodulación coherente más que todo para propósitos de comparación y fijación de conceptos. (5. . expresión (4.

φ c "1" ó "0" a t = tn Sincro Temporización Umbral de Referencia Fig. Recepción Coherente en ASK.154) donde erfc(.380 V. Estas dos señales estarán presentes durante los intervalos en que un “1” ha sido transmitido. 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 . 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. ⎨ ⎩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. 5.. solamente estará presente el ruido n(t). 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. El criterio de decisión será: ⎧v d ( t n ) ≥ Vs Si en el instante t = t n .63. Asimismo.63.4. Si un “0” ha sido transmitido. En relación con la Fig. 1966] que la probabilidad de error en sistemas ASK con umbral de referencia optimizado es Pe = ⎛ A2T ⎞ 1 b ⎟ erfc⎜ ⎜ 2 8η ⎟ ⎝ ⎠ (5.155) . 5. se puede presentar errores en la decisión tomada.) es la “función error complementaria” definida en el Apéndice D. el umbral óptimo normalizado será b on = A 2 Tb 4η (5. En los instantes de decisión t n se compara vd(t) respecto a un umbral de referencia Vs.

como ya lo hemos demostrado.02 dB + ⎢ i ⎥ ⎣ N i ⎦ ASK ( dB) (5. 5.158) donde Eb es la energía requerida para transmitir un dígito binario y No = η. En la literatura se suele expresar la probabilidad de error con la expresión (3. que es una densidad espectral. En la Fig. y el umbral optimizado. pues implica circuitos de ajuste del umbral en función de la relación S/N a la entrada (circuitos de control automático de ganancia). de la expresión (5. su energía será Eb = A2Tb/4. con el No que representa una potencia de ruido de salida. Si el umbral se mantiene constante. 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. 5.150). Cuanto mayor es γ.159b) . entonces γ = 2Eb /No y Pe = Eb 1 erfc( ) 2 2N o (5.158). pero la igualdad No = η la utilizaremos muy poco para no confundir este No. Entonces. de la densidad espectral de ruido y de la potencia de la portadora. ⎡S ⎤ γ = 4⎢ i ⎥ ⎣ N i ⎦ ASK y en dB. MODULACION Y TRANSMISION DE IMPULSOS De (5.152). para B = 2/Tb .159a) (3.78 se muestra la probabilidad de error Pe con el umbral óptimo normalizado. junto con las correspondientes a los otros sistemas de modulación binaria para efectos de comparación.156) (5. Nótese que no hay que confundir γ con la relación S i / N i de predetección.64 se muestra el efecto del umbral sobre la probabilidad de error. ⎡S ⎤ [γ ] dB = 6. Nótese que en el umbral óptimo los errores ocurren predominantemente no porque la suma [señal + ruido] excede el umbral. siendo la potencia promedio en ASK igual a A2/4.381 V. la probabilidad de error será ahora Pe = γ 1 erfc( ) 2 4 b on = (5. El lector puede demostrar fácilmente que. la probabilidad de error decrecerá en función de γ hasta un cierto valor y se mantendrá constante no importa cuánto se aumente γ. mayor es el umbral.157) γ 2 En la Fig. Esta es una de las principales desventajas de los sistemas ASK. sino porque el ruido excede él solo el umbral.

las potencias individuales de portadora y de ruido.78 la relación [S i / N i ] ASK ( dB) conociendo [γ]dB y viceversa.159a) y (5. El criterio de decisión es similar al caso de detección coherente.160) se reduce a El gráfico de Pe vs γ tiene la misma forma general de la Fig. 5. 5. para una probabilidad de error Pe dada. y la probabilidad de error.382 V.161) la expresión (5. El detector de envolvente se muestra en la Fig.161).78 se grafica (5.58(b). la frecuencia de señalización (Hz) y la velocidad de modulación (baudios) son iguales numéricamente. Recuérdese que en un sistema binario la velocidad de información (bps). Demodulación no Coherente de Señales ASK En la Fig.64 con las mismas desventajas debidas al ajuste del umbral. (b) repetir si la velocidad de información es de 300 bps. 5. se demuestra [Schwartz y otros. 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 . donde b on = 2 + γ 2 Pe ≈ E γ 1 1 exp(− ) = exp(− b ) 2 4 2 4N o (5. Las expresiones (5.15b) se aplican también en ASK no coherente.14 Por un canal telefónico cuyo ancho de banda útil es de 3 kHz se transmite datos binarios. 5. En cuanto a la probabilidad de error. En la detección no coherente de señales ASK no se requiere circuitos para sincronización de portadora. 5.65 se muestra el diagrama de bloques de un receptor ASK no coherente. MODULACION Y TRANSMISION DE IMPULSOS Esta última expresión nos permite leer directamente en la Fig.65. ♣ Ejemplo 5. (a) El ancho de banda útil del canal es B = 3 kHz.160) (5. 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. aunque sí de temporización. La relación S/N de predetección es de 6. 5. entonces . En la Fig. Recepción no Coherente de Señales ASK. Vamos a determinar en ASK coherente y no coherente: (a) la máxima frecuencia de señalización.02 dB y la densidad espectral de ruido blanco es de 10-11 W/Hz.

8x10-4 Ni 8x1500x2x10−11 A2 = 2. el receptor no coherente es mucho más simple y por eso este tipo de demodulación fue en su época el más utilizado. los filtros utilizados en el receptor deben ser descargados. 1 Tb = y B = 2f b = 600 Hz 300 Si A 2 Tb γ 9 . . él actúa como tal entre los intervalos de descarga. = = 20 = 13 dB −11 2η Ni 4 2 x300x2 x10 A2 = 2 .372 x10 −3 2 1 En ASK no coherente: Pe = exp(−4 ) = 9 .160).2x10 −8 W = -49. Por otra parte. Si = Si A2 =4= . sin embargo. Vi = 1500 bps. 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.22 dBm 1 En ASK coherente: Pe = erfc(2 ) = 2 . MODULACION Y TRANSMISION DE IMPULSOS 1 .03x10 −9 2 ♣ Para las mismas amplitud de portadora y densidad espectral de ruido. mediante circuitos auxiliares. S Si = 6.2 dBm 4 N i = Bη = 3000x2 x10−11 = 6x10−8 W = -42. el ancho de banda del filtro ya no es tan crítico respecto a la interferencia intersímbolo. En general. f b = 1500 Hz. el valor del umbral debe ser ajustado para cada valor de γ de acuerdo con las expresiones (5.2 dBm .150). el comportamiento en ASK coherente es superior al de ASK no coherente. A=9. A 2 = 9. Tb = De (5. Si la rapidez de descarga es grande.472 ) = 1.383 V. y de (3. al final de cada intervalo de señalización a fin de reducir la interferencia intersímbolo. 6x10−7 . estos filtros son filtros óptimos y pueden utilizarse también en FSK y PSK/DPSK. γ = 4 i = 16 Ni Ni B = 3000 = 2 f b .4 x10 −7 W = -36.158a). entonces f b = 300 Hz. Aunque el circuito resultante ya no es un filtro lineal invariante en el tiempo.02 dB = 4.27x10 −10 2 1 En ASK no coherente: Pe = exp(−20) = 1. N i = Bη = 600x2x10 −11 = 1.158x10 −3 2 (b) Si la velocidad de información es de 300 bps.157) y (5.21 dBm 4 1 En ASK coherente: Pe = erfc(4.4x10-7 W = -36. Si = Para obtener el comportamiento óptimo.6x10 −7 γ= = = 80.

respectivamente. En la Fig. 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.7.57(c) se muestra la forma de una señal FSK. podemos definir | f o − f1 | = ∆f = 2 f d .66. en efecto.68. 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 . las frecuencias de operación son fo = 1070 Hz y f1 = 1270 Hz (fc = 1170 Hz y fd = 100 Hz). f1 y f o las frecuencias de transmisión de un “1” o un “0”. y cuyos espectros ya conocemos. como se muestra en las Figs. las frecuencias utilizadas son f1 = 980 Hz y f o = 1180 Hz (fc = 1080 Hz y fd = 100 Hz). Si 2f d es la separación entre las dos frecuencias de transmisión. 5. entonces la frecuencia instantánea en un intervalo Tb será f1 = f c − f d o f o = f c + f d . 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. 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.21 y Bell 103A son equivalentes pero no son compatibles.67 y 5. 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. El sistema FSK más sencillo es aquel con modulación rectangular de frecuencia. 5. los Módems normalizados UIT-T V. donde f c es la frecuencia de la portadora sin modular. En este caso. MODULACION Y TRANSMISION DE IMPULSOS 5. 1968. f c = f1 + f d = f o − f d y B c = ∆f + 2f b = 2(f d + f b ) . El ancho de banda mínimo total Bc de la señal FSK se puede estimar a partir de la Fig. respectivamente. En la Fig. 1987] y no trataremos de reproducirla aquí. Sin embargo.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.384 V. Por ejemplo. Evidentemente. Nótese que los espectros para los UNOS y para los CEROS no ocurren simultáneamente. en general. Fig. 5. f d la desviación de frecuencia respecto a f c . podemos simplificar el problema si consideramos que la señal FSK está formada fundamentalmente por dos señales ASK de frecuencias f o y f1 . 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 (5.21. 5. amplitud constante y fase continua (“fase continua” significa que en la señal modulada no se producen discontinuidades cuando cambia la frecuencia). Sin embargo.62. Benedetto y otros. Entonces. en el Módem Bell 103A para la misma velocidad de modulación. arbitraria. 5.4.66 se muestran las densidades espectrales correspondientes (frecuencias positivas solamente) y se define algunos parámetros. Este enfoque permite considerar al receptor FSK como la combinación de dos receptores ASK.

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

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

.. De donde. k > 1 . 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 (5.23 se tiene fb = 600 Hz. fd = 200 Hz. en el caso general. En el caso general (sin ortogonalidad) k tendrá cualquier valor ≥ . el ancho de banda B de los canales individuales “1” ó “0” será. es decir. f1 = 1300 Hz.. .163a) f + f1 de entrada al receptor. la separación ortogonal es muy utilizada en transmisión FSK m-aria. Por ejemplo. del filtro de línea Asimismo. ∆f = f b = 2 f d . . En transmisión a altas frecuencias.. 2 2 2 2 3 En el caso especial para el cual k = 1/2 (para m = 1). en el caso (5.. entonces k = fb fb 2 Esto quiere decir que. por ejemplo. n = c = = 5 entero . por supuesto. las frecuencias que satisfacen las condiciones de ortogonalidad son: fc = 1500 Hz. m= 2f d 400 2 2f 3000 = = ≠ entero. las señales s1(t) y s0(t) del MODEM V. ⎧(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.15 Las frecuencias de los módems prácticos pocas veces cumplen con las condiciones de ortogonalidad. 2. en este caso la separación mínima entre las frecuencias de transmisión es igual a la velocidad de señalización. Este filtro deberá estar centrado en la frecuencia f c = o . Ancho de Banda en FSK El ancho de banda mínimo total de la señal FSK será.163b) fd 1 ≥ fb 3 (5.23 no son perfectamente ortogonales. fc = 1500. f1 = 1200 Hz y f0 = 1800 Hz ♣ Puesto que k = fd 2f m y m = d . 1.. si hacemos m = 1 y dejamos n = 5 con la misma frecuencia de señalización fb = 600 Hz. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. m > 2 y B = 2fb. f0 = 1700 Hz. fd = 300 Hz. en microondas... Por ejemplo. Generalmente n >> m fb 600 3 fb 600 Como m no es entero. k tendrá los valores fijos 1 3 5 m 1 . .387 V.164a) y si hay ortogonalidad. 2 general. en condiciones de ortogonalidad. la separación entre las frecuencias es la mínima ortogonal. en el MODEM UIT-T V. ..

es decir.68 se muestra el diagrama de bloques de un receptor FSK coherente. ⎡ 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. ASK. MODULACION Y TRANSMISION DE IMPULSOS ⎧3 ⎪ fb B = ⎨2 ⎪2f b ⎩ cuando m = 1 cuando m > 1 (5. Para m = 1. 01 dB+ ⎢ ⎡ Si ⎤ ⎥ ⎣ N i ⎦ FSK (dB) (5. 5. 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 .388 V. obtenemos la relación S/N de predetección: Cuando k < 1. (5.167b) Nótese que para k ≥ 1 o m > 1 . para un mejor comportamiento del sistema.167a) (5. Nótese que la potencia recibida en FSK FSK es 3 dB mayor que en ASK. Como una señal FSK se puede considerar como la superposición de dos sistemas ASK en donde la amplitud de las portadoras es A. Demodulación Coherente de Señales FSK En la Fig.165) Cuando k ≥ 1.166) Si hay ortogonalidad. Relaciones S/N en FSK Consideremos ahora la relación S/N en FSK. se debe mantener la ortogonalidad.164b) Estos anchos de banda B son los utilizados para el cálculo de la relación S/N. ⎨ ⎩v d1 ( t n ) < v do ( t n ) Habrá error en caso contrario. ⎡S ⎤ γ = 2⎢ i ⎥ ⎣ N i ⎦ FSK o también [ γ ](dB) = 3. ===> un "1" ha sido transmitido ===> un "0" ha sido transmitido . El criterio de detección es el siguiente: ⎧v d1 ( t n ) ≥ v do ( t n ) Si en el instante t = t n . Para m >1. ⎡ Si ⎤ A2 2 = = γ ⎢ ⎥ ⎣ N1 ⎦ FSK 3f b η 3 ⎡ S1 ⎤ A 2Tb γ A2 = = ⎢ ⎥ = 4η 2 ⎣ N1 ⎦ FSK 4ηf b (5.167c) En lo posible. Procediendo como en el caso ASK. esta es una ventaja muy significativa a favor del sistema FSK.

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. El lector puede verificar fácilmente estos resultados (Ver Problemas de Aplicación 5. 5. En cuanto a la probabilidad de error. El lógico suponer entonces que cuanto mayor sea la relación S/N a la entrada de los detectores de envolvente. 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. 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. En general. vemos que si las condiciones de amplitud de portadora. Demodulación no Coherente de Señales FSK En la Fig.161). φ1 fo . resulta que las relaciones [S i / N i ] en ASK coherente y en FSK coherente son iguales. ancho de banda y densidad espectral de ruido son las mismas. Organo de Decisión Se demuestra [Schwartz y otros. más confiable será la decisión.69 se muestra el diagrama de bloques de un receptor FSK no coherente. 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. Recepción Coherente en FSK. 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 .168) Si se compara este resultado con el correspondiente en ASK coherente.50). si las probabilidades de error son las mismas en ambos sistemas. Esta ya es otra ventaja del sistema FSK sobre el sistema ASK.44 y 5. Por ejemplo. La desventaja más significativa del sistema ASK no . 1966]. se demuestra [Schwartz y otros. El criterio de decisión es el mismo que en el caso de detección coherente.169) Nótese que si se compara este valor con el correspondiente en ASK no coherente. 5.68. pero las probabilidades de error son muy distintas. entonces la relación [S i / N i ] FSK es 3 dB mayor que la relación [S i / N i ] ASK . la decisión será correcta si v d1 ( t n ) ≥ v do ( t n ) . Esto se logra cuando los filtros pasabanda de los canales “0” ó “1” son filtros óptimos. si se ha transmitido un “1”. Sin embargo. pero en FSK no se necesita un umbral de detección. que Pe = E γ 1 1 exp(− ) = exp(− b ) 2 2 2 2N o (5.389 V. entonces se producirá un error. Si esta desigualdad se invierte. expresión (5. 1966] que la probabilidad de error es Pe = Eb γ 1 1 erfc( ) = erfc( ) 2 2 2 2N o (5.

B fb B 0 1500 fc Bc Fig. como se muestra 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 . La relación S/N en el canal es de 6. B = 2fb = 2x300 = 600 Hz ⎡ Si ⎤ =8 γ = 2⎢ ⎥ ⎣ Ni ⎦ FSK . Ni η = 2 x10 −8 W/Hz De la Fig. Verificar también si la separación entre las frecuencias cumple con las condiciones de ortogonalidad. mientras que este problema no existe en FSK. f0 = 2100 Hz.70. la potencia "1" fb "0" 2fd de entrada y la probabilidad de error tanto en coherente como en no coherente. 5. En FSK.390 V. Solución: Bc = 3 kHz. 5. fd = (2100-1500)/2 = 300 Hz fc = 1500 + 300 = 1800 Hz Filtro de entrada. Bc = 2(fb + fd) = 1200 Hz.021 dB y la densidad espectral de potencia de ruido es igual a 10-8 W/Hz.169) se grafica en la Fig. las frecuencias de transmisión son f1 = 1500 Hz y f0 = 2100 Hz. ♣ Ejemplo 5. Filtro de canal.69. fb = 300 Hz. Vamos a determinar la desviación de frecuencia. La expresión (5.16 Sobre un canal telefónico se transmite datos binarios en FSK. el ancho de banda del filtro de entrada. 5.70.78 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. Se utiliza un módem que trabaja a una velocidad de modulación de 300 baudios. Recepción no Coherente en FSK.70 2100 f Si = 6. la frecuencia de portadora.021 dB = 4 . el ancho de banda de los filtros de canal. 5. f1 = 1500 Hz. 5. El ancho de banda útil del canal es de 3 kHz.

el ancho de banda de los filtros de canal.8 mV 2ηf b < x 2 (t) >= FSK A 2 (9. fc = 3 f b = 1500 Hz .17 Sea el mismo canal telefónico del ejemplo anterior. Entonces. cuando Bc = 3fb. este módem cumple con las condiciones de ♣ Como ortogonalidad. 2 f0 = fc + fd = 2000 Hz f1 = fc – fd = 1000 Hz. la máxima velocidad de transmisión por un canal de ancho de banda Bc se tiene cuando m = 1 y k =1/2. Puesto que f c = n frecuencia de portadora quedará centrada en el canal cuando n = 3. ♣ Ejemplo 5. −8 fb = Bc f = 1000 Hz.339x10−3 2 2 1 γ Pe = exp(− ) = 9. f d = b = 500 Hz 3 2 fb .158x10−3 2 2 Veamos si cumple con las condiciones de ortogonalidad. la frecuencia de portadora. En FSK. donde Bc = 3kHz. Solución: En condiciones de ortogonalidad.9 mV 2ηf b . Si/Ni = 4 η = 2x10 W/Hz Determine la máxima velocidad de transmisión en condiciones de ortogonalidad. la 2 La frecuencia de portadora fc debe quedar centrada en el canal. 048 mW 2 2 La potencia de entrada será Probabilidad de error: En Coherente. Pe = En No Coherente. la potencia de entrada y la probabilidad de error tanto en coherente como en no coherente. n = c = = 12 entero fb 300 fb 300 m y n son enteros y n > m. Filtros de canal.8x10−3 ) 2 = = 0. 1 γ erfc( ) = 2. las frecuencias de los UNOS y los CEROS. es decir. la desviación de frecuencia.391 V. m= 2f d 2 x300 2f 2x1800 = = 2 entero. Vb = 1000 bps. 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. MODULACION Y TRANSMISION DE IMPULSOS γ= A2 ∴ A = 2ηf b γ = 2x 2x10 −8 x 300x8 = 9. En este caso.

16 mW 2 2 1 γ Probabilidad de error: En Coherente. f d = 400 y k = = 1200 1200 3 El ancho de banda mínimo del canal de transmisión es.392 V. Nótese que las probabilidades de error no han variado. Puesto que k < 1.625 = 11. f b = 1200 Hz. Tb = 1 400 1 .2 kHz. se desea transmitir datos binarios utilizando los Módems UIT-T FSK V.9x10−3 ) 2 = = 0.2 x10 −8 γ= A 2 Tb 10 −6 = = 20. pues el ancho de banda de transmisión necesario es igual al ancho de banda útil del canal disponible. 1 Bc = 2 ( + 1) ⋅ 1200 = 3200 Hz 3 Se puede efectuar la transmisión.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 3.938 dB N i 3.164b) el ancho de banda de los canales “1” ó “0” es B = f b + f d = 1200 + 400 = 1600 Hz . con una velocidad de modulación de 1200 baudios.496x10 −5 2 De (5.23 transmite y recibe a las frecuencias f1 = 1300 Hz y f o = 2100 Hz .163a). Transmisión de Datos con Módems UIT-T Sobre un canal telefónico. Pe = erfc( ) = 2.21.339x10−3 2 2 1 γ En No Coherente.23 es de 1 mV y se reduce a la mitad en el Módem V.2x10 -8 W = -44.18. cuyo ancho de banda útil es de 3.23 El Módem V.505x10 −6 En FSK coherente: 2 1 En FSK no coherente: Pe = exp(− γ / 2 ) = 1. . Vamos a determinar todos los parámetros asociados tanto en FSK coherente como en FSK no coherente.152). de (5. Pe = exp( − ) = 9. se tiene Si = A2 = 5x10 −7 W = -33. η / 2 = 10-11 W / Hz. La densidad espectral de ruido en el sistema es de 10-11 W/Hz.21. ♣ ♣ Ejemplo 5. (a) Transmisión con el Módem UIT-T V. En este caso.33 veces.833 2η 2x1200x 2x10 −11 1 Pe = erfc ( γ / 2 ) = 2 . ∆f = 2100 -1300 = 800 Hz.95 dBm de donde Si 5x10 −7 = = 15.23 y V.01 dBm 2 N i = Bη = 1600x2 x10 −11 = 3. Con A 2 = 10 −6 V. MODULACION Y TRANSMISION DE IMPULSOS A 2 (17. La amplitud de la portadora en el Módem V. de (5.

Si = 18. Entonces. ∆f = 200 Hz.74 dBm .71 dB Ni Las probabilidades de error son las mismas que en el caso (a). 5. que estarán centrados en las frecuencias f BI = 1080 Hz. B = 335 Hz. mientras que en la banda superior f1 = 1650 Hz y f o = 1850 Hz .71.833 2 2 ηf b 4x 2x300x 2 x10 −11 Si = A2 = 1. 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. γ= = = 20. f d = 100 Hz.21 El Módem UIT-T V.25x10 −7 W = -39. k = 300 3 En el presente ejemplo no vamos a utilizar fórmulas para determinar el ancho de banda de los filtros y canales.71 El lector puede tomar el ancho de banda de los filtros de canal en forma diferente. se tiene los siguientes anchos de banda: Para los filtros de canal: B I1 = B I0 = B S1 = B S0 = 335 Hz .393 V. f S1 = 1583 Hz.21.7 x10 −9 W = -51. Distribución de Anchos de Banda en el Módem UIT-T V. MODULACION Y TRANSMISION DE IMPULSOS (b) Transmisión con el Módem UIT-T V. Para el filtro de línea o ancho de banda total: frecuencia f c = 1415 Hz. De la Fig. 5. . La velocidad de modulación es de 300 baudios. 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. es decir. En la banda inferior las frecuencias de portadora son f1 = 980 Hz y f o = 1180 Hz .71.5 Hz. fS0 = 1918 Hz .21. Entonces. 10 −3 10 −6 A2 A= V. 5. B c = 1340 Hz . f BS = 1750 Hz . f I0 = 1248 Hz. Tb = . 1 1 f b = 300 Hz.21 tiene dos bandas: por una recibe y por la otra transmite. que estarán centrados en las frecuencias f I1 = 912.03 dBm 2 N i = Bη = 335x 2x10 −11 = 6. Para los filtros de banda: B BI = B BS = 670 Hz .66 = 12. sino que distribuiremos uniformemente los diferentes anchos de banda de acuerdo con las frecuencias de portadora del Módem V. Se obtiene así una configuración como la mostrada en la Fig.

⎨ ⎩v d ( t n ) < 0 Habrá error en el caso contrario. 1966] Pe = Eb 1 1 erfc( γ ) = erfc( ) 2 2 No (5. las discontinuidades son alisadas por los filtros utilizados. 5. la fase de la portadora sinusoidal se conmuta entre dos valores de acuerdo con el código PCM. El primer tipo es la modulación binaria de fase propiamente dicha (PSK). Las inversiones de fase pueden producir transientes indeseables pero. Nótese que cuando se dice que la demodulación DPSK no es coherente. 5. Demodulación de Señales PSK La demodulación de señales PSK es esencialmente coherente. Modulación Binaria de Fase (PSK) En la modulación binaria PSK. esto no quiere decir que la demodulación pueda efectuarse con detección de envolvente. 5.63. 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.21 es realmente de 600 bps. 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 . MODULACION Y TRANSMISION DE IMPULSOS El Módem V. en general. Un desfase de 180o es una selección muy conveniente porque simplifica los circuitos de modulación y demodulación. por lo tanto es el más utilizado. Fig. que en DPSK es justamente el soporte de la información. 5. . Puesto que por cada banda se puede transmitir datos a 300 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. mientras que el segundo tipo es la “Modulación Binaria Diferencial de Fase (DPSK)”. La probabilidad de error es [Schwartz y otros.57(d) se muestra la forma de las señales PSK. Existen dos tipos principales de modulación binaria de fase que dependen de si la demodulación es o no coherente. 5. el intercambio neto de datos en el Módem V.5.78.171) ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Esta expresión se grafica en la Fig. En la Fig.170) donde si se ha transmitido un "1" si se ha transmitido un "0" En la Fig.394 V.72 se muestra el diagrama de bloques de un receptor PSK.21 es un módem que puede simultáneamente transmitir por una banda y recibir por la otra.7.

por ejemplo. Modulación Binaria Diferencial de Fase (DPSK) En los sistemas de modulación binaria de fase. la potencia necesaria para transmitir una señal ASK coherente es el doble que la necesaria para transmitir la misma información en PSK. Por ejemplo. 0o para un “1” y 180o para un “0”. MODULACION Y TRANSMISION DE IMPULSOS x PSK (t ) + Ruido Blanco Canal Si / N i Detector Coherente Filtro v d ( t ) Pasabajo fc . la relación [S i / N i ] PSK es 3 dB menor que la relación [S i / N i ] ASK . 5. 0o de desfase desde el intervalo anterior puede designar un ”1”. Recepción Coherente en PSK. vemos que para la misma probabilidad de error. y el receptor descodifica la información digital basada en esa diferencia de fase. En la Fig. sino más bien por codificación diferencial en términos del cambio de fase entre intervalos sucesivos.73 se muestra el diagrama de bloques de un modulador DPSK. en transmisión por microondas. entonces la fase se puede codificar. el cual es la combinación de un codificador diferencial y un modulador PSK. 5. en estaciones remotas o en satélites de telecomunicación. . o lo que es lo mismo. mientras que un desfase de 180o puede designar un “0”. por ejemplo. 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. φ c Organo de Decisión Filtro Pasabanda Sincro Portadora + _ "1" ó "0" a t = tn Sincro Temporización tn Fig.395 V. no con respecto a un valor absoluto. Esto es de particular importancia en sistemas en donde la potencia es el factor limitativo como. Comparando estos valores respecto a ASK coherente. la referencia de fase para la demodulación se deriva a partir de la fase de la portadora en el intervalo de señalización anterior.72.

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. En la siguiente Tabla se muestra el mecanismo de codificación y descodificación diferencial tanto en el transmisor como en el receptor. Para facilitar el dibujo de las formas de onda. es decir. 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. f c = f b . se puede utilizar en cualquier sistema digital y no es privativa del sistema DPSK. en efecto. Nótese que la codificación diferencial. 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.74 suponemos que la frecuencia de portadora es igual a la frecuencia de señalización. en sí misma. MODULACION Y TRANSMISION DE IMPULSOS En la Fig. Esta es otra ventaja del sistema DPSK sobre el sistema PSK. . las transiciones producen transientes indeseables que pueden perjudicar la sincronización de temporización y su disminución es muy deseable. 5.396 V. 5.74. 5. en la Fig. Como ya lo hemos señalado.74 se muestra las formas de onda de las señales moduladas PSK y DPSK para la secuencia de entrada dada.

Esta técnica se denomina “detección por retardo” y no necesita sincronización de portadora pero sí de temporización. a la salida de la red de retardo estará presente la señal DPSK correspondiente al intervalo anterior (n-1). Receptor DPSK con Detección por Retardo. x DPSK ( t ) = A donde o n =−∞ ∑ Π( ∞ t − nTb )cos( 2πf c t − φ i ) Tb (5. de (5. 5.397 V. . En ese intervalo. donde t = t n . Fig. La señal DPSK recibida tiene la misma forma de la señal PSK.75.75. en efecto. 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.172). por lo tanto. 5. x DPSK (t n ) = A cos(2πf c t n − φ n ) Como el retardo es igual a Tb . 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. 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.

5. En el Capítulo III. Otro problema menor en DPSK es que los errores tienden a propagarse. B = 2 f b = 2 / Tb . el criterio de decisión será entonces igual al del caso PSK. la modulación PSK (y DPSK) se puede considerar como una modulación ASK donde la secuencia binaria de entrada es una señal aleatoria bipolar NRZ. es suficiente verificar el signo de vd(t).398 V.62. Si se compara DPSK con PSK. por lo menos a los intervalos adyacentes. 1966]. con un período de repetición Tb. el sistema DPSK está “enganchado” a una frecuencia de señalización específica. 5. como veremos en el Capítulo VI. Pe = E 1 1 exp(− γ ) = exp(− b ) 2 2 No (5.173) Como | ∆φ| = 0 o o π . se observa que el sistema DPSK requiere un poco más de potencia que el sistema PSK. no hay que confundir similaridad con igualdad: el sistema ASK es un esquema de modulación lineal. debido a la correlación entre las señales de temporización y el ruido sobre dichos intervalos. Nótese que la densidad espectral de potencia de la señal PSK (y DPSK) tiene la misma forma que la correspondiente en ASK.176) En la Fig. sin embargo. Ancho de Banda y Relaciones S/N en Sistemas PSK y DPSK Para efectos del cálculo de la densidad espectral y de la potencia.175) donde A(t) es una secuencia aleatoria binaria bipolar NRZ de amplitud ±A .175). lo que impide la transmisión de datos en forma asincrónica. es un esquema de modulación no lineal. mientras que el sistema PSK. en el caso general. expresión (3. Sin embargo. .76 se muestra esta densidad espectral (frecuencias positivas solamente). Fig. S PSK (f ) = A 2 Tb 4 ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢ sinc ( fb fb ⎦ ⎣ (5.174) Esta expresión se grafica en la Fig. con la diferencia de que la densidad espectral PSK no contiene un impulso a la frecuencia de portadora. es decir. MODULACION Y TRANSMISION DE IMPULSOS v d (t n ) = A2 A2 cos(φ n − φ n−1 ) = cos(∆φ ) 2 2 (5. Por otra parte. esta desventaja se compensa con creces por el hecho de que DPSK no requiere detección coherente. 5. La probabilidad de error en modulación DPSK es [Schwartz y otros.78. Los requerimientos de ancho de banda son los mismos que en ASK. debido al retardo fijo Tb en el receptor. 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. En este caso la señal PSK se puede escribir en la forma x PSK (t ) = A (t ) cos(2πf c t ) (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.178a) (5. entonces. Como B = 2 f b = 2 / Tb y la potencia de portadora es A2/2. ⎡S ⎤ [γ ] dB = 3.175). a diferencia de ASK en la cual la mitad de la potencia se pierde en la transmisión de la portadora (impulso en fc).177) PSK 2 Esta es la potencia de portadora en PSK. En 1 efecto. pero como < A 2 (t ) >= R A (0) = A 2 . Utilizando esos resultados y los de la presente sección. La potencia dada por (5.178b) Estas expresiones son válidas también en DPSK.4.178a).1 determinamos la relación S o / N o vs Pe en un sistema PCM. MODULACION Y TRANSMISION DE IMPULSOS La potencia de la señal PSK se puede calcular en la misma forma que en el caso ASK.111). < x 2 (t ) >= < A 2 (t ) > . expresión (5. la relación S/N de predetección es igual que en el caso FSK. la potencia en DPSK es la misma que la de PSK.01 dB + ⎢ i ⎥ ⎣ N i ⎦ PSK(dB) (5.399 V. En la Sección 5. Consideremos ahora las relaciones S/N de postdetección. So 2 2n = N o 1 + 2 2( n +1) Pe y γ =2 S1 Ni . y como entre una señal PSK y una DPSK no hay diferencia desde el punto de vista espectral. de (5.177) es toda potencia útil. es decir. PSK 2 2 A < x 2 (t ) >= (5. En efecto.111) y (5. de (5.

022 + 0. en la Fig. lo cual nos permite aproximar el valor de la relación [S i / N i ] min en PSK conocida la correspondiente en DPSK. de (5. S exp(−2 i ) Ni dB (5. 5.02 ⋅ n − 10 ⋅ log10 [1 + 2 exp(−2 )] Ni ⎣ N o ⎦ dB (5.77.113): ⎛ ⎡ S ⎤ ⎞ 6. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6.180b) En la Fig. 5. Un examen más atento de las figuras muestra que el umbral en PSK está por debajo del umbral en DPSK en aproximadamente 1 dB.77 se grafican estas expresiones. . ⎣ N i ⎦ ⎣ N i ⎦ min El valor de la probabilidad de error óptima viene dada por (5.179b) En DPSK. MODULACION Y TRANSMISION DE IMPULSOS donde.174). para diferentes valores de n. el valor de [S i / N i ] min en DPSK se puede obtener a partir de la expresión (5.180a) y en dB. la relación [S i / N i ] min en PSK es aproximadamente 1 dB menor que la relación [S i / N i ] min en DPSK. 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. Nótese.181) ⎡ Si ⎤ ⎡ Si ⎤ ⎥ ≥ ⎢ ⎥ para no caer dentro de la región umbral. en dB. En efecto. y en DPSK. de (5.113). el valor de [S i / N i ] min será ⎡ Si ⎤ = 1. el efecto del umbral tanto en PSK como en DPSK.400 V. en PSK.473x10 −2 ⎛⎡ S ⎤ ⎞ 1 f ⎜ ⎢ i ⎥ ⎟ = exp⎜ −2⎢ i ⎥ ⎟ = para n entero ⎟ ⎟ ⎜ ⎜ N 2 2n ⎝ ⎣ N i ⎦ min ⎠ ⎝ ⎣ i ⎦ min ⎠ 2 Resolviendo esta ecuación. So = No 22n 1+ 2 2 n +1 S erfc( 2 i ) Ni dB (5. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6.171). por lo tanto.693 ⋅ n ⎢ ⎥ ⎣ N i ⎦ min Debe verificarse que ⎢ en DPSK (5.02 ⋅ n − 10 ⋅ log10 [1 + 2 erfc( 2 )] Ni ⎣ N o ⎦ dB So = No 2 2n 1+ 2 2 n +1 (5.179a) y en dB. que es mucho más fácil de calcular.

01 V El ancho de banda para el cálculo de la potencia de ruido es B = 2f b = 2 MHz. entonces la relación S/N mínima de predetección es. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. n = 8. (a) En DPSK A2 A 2Tb = 25.5 = 10.567 = 8. ⎡ So ⎤ 216 = = 6. para n = 8. Las palabras binarias contienen 8 dígitos binarios.181).401 V.19 Por un canal de microondas cuyo ancho de banda es de 3 MHz se transmite datos binarios a una velocidad de 1 Mbps.97 dB Ni γ = Como n = 8. la densidad espectral de potencia del ruido es de 10-10 W/Hz y la amplitud de la portadora es de 10 milivolts. en DPSK y en PSK. Si = = 5x10− 5 W = −13. η = 2x10-12 W/Hz . A = 0.98 dBm Si La relación S/N de predeteccion será = 12. Vamos a determinar. f b = 106 Hz. Bc = 3 MHz. .01 dBm 2η 2 −6 N i = Bη = 4x10 W = -23. las relaciones S/N de pre y postdetección y constatar si el sistema está trabajando sobre o bajo el umbral. Tb = 10−6 .165 dB ⎢N ⎥ Si ⎣ o ⎦ 1 + 217 exp(−2 ) Ni y la relación So/No mínima. ⎡ Si ⎤ = 6.174 dB ⎢ ⎥ ⎣ N i ⎦ min La relación S/N de postdetección es.554 x104 = 48. de (5.

la probabilidad de error Pe y las condiciones de ruido son las mismas.78 en la cual se muestra Pe vs γ .554x104 = 48. son las mismas que en el caso (a). . de los equipos existentes.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.944x10−12 2 Ni (b) En PSK Las relaciones Si/Ni . se puede utilizar las fórmulas dadas para el cálculo de la probabilidad de error Pe y la Fig 5. Sin embargo. obtenemos ⎡ Si ⎤ ⎢ ⎥ = 7. vamos a suponer que la frecuencia de señalización fb . siendo el valor pico A2 es el mismo para todos los sistemas. γ y n. ⎡ So ⎤ ⎢ ⎥= ⎣ No ⎦ 22n ⎡ S ⎤ 1 + 22n +1 ⎢erfc( 2[ i ]) ⎥ Ni ⎦ ⎣ = 6. De donde. El eje de las abscisas debe entenderse entonces como una función de la potencia pico recibida (o transmitida) A2 . Puesto que [So/No] > [So/No]min .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] . 203x104 = 47.6. el sistema está trabajando sobre el umbral.7. 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. Nosotros vamos a comparar los sistemas en base a la potencia.5231 dB = 5. Para hacer una comparación respecto a la potencia requerida. el sistema está trabajando sobre el umbral. S 1 La probabilidad de error es Pe = erfc( 2[ i ]) = 7. donde γ = A 2 Tb / 2η es la relación S/N normalizada. y de los requerimientos de potencia. 1 S La probabilidad de error es Pe = exp(− i ) = 6. la relación S/N normalizada γ y la complejidad del equipo. ⎣ N i ⎦ min ⎡ So ⎤ ⎢ ⎥ = ⎣ N o ⎦ min 22n 1+ 2 2n +1 ⎡ ⎤ Si ⎢erfc( 2[ ]min ) ⎥ Ni ⎣ ⎦ = 47. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 216 = = 5.653 . 687x10−13 2 Ni 5. Recuérdese que la potencia promedio en ASK es A2/4.158 dB Puesto que [So/No] > [So/No]min . a este efecto.402 V. en la práctica la selección de un esquema de modulación depende más bien de la aplicación correspondiente. el rendimiento de transmisión ηB .

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

mientras que en FSK M-aria el ancho de banda requerido es mayor para un mismo incremento en el “empaquetamiento” de bits. es decir.404 V. (b) Si el consumo de potencia es lo más importante. cada baudio puede transportar más de un bit de información.8. se utilizan las técnicas M-arias para transmitir la información sobre el canal pasabanda. 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. Introducción La mayoría de los sistemas de transmisión de datos a baja velocidad opera bajo el principio de la codificación binaria. Por ejemplo. En los enlaces de microondas usualmente se utiliza PSK 4-ario y 8-ario. En tales casos. Sin embargo. se utiliza PSK 4-ario en el sistema SPADE para la transmisión de señales PCM mediante el satélite INTELSAT.90. Una fuente muy importante de información sobre los sistemas de modulación digital prácticos son los catálogos de los fabricantes de los equipos. sobre un canal telefónico. En efecto. estaciones remotas y comunicaciones espaciales). podemos establecer algunos criterios o guías para simplificar el procedimiento de selección. las técnicas PSK y DPSK M-arias conservan el ancho de banda aunque se aumenta el requerimiento de potencia.32 permite la transmisión. pero con técnicas de compresión de datos puede llegar a 38400 bps y a 56 kbps con el Módem V. MODULACION DIGITAL M-aria MEDIANTE PORTADORA MODULADA 5.1. por ejemplo. si el nivel de ruido o cualquiera otra distorsión de la señal lo permite. Estas guías son las siguientes: (a) Si el ancho de banda es el parámetro más importante. los sistemas más apropiados son el PSK coherente y el DPSK. los sistemas DPSK y el PSK coherente son los más apropiados. los sistemas no coherentes son preferibles a los coherentes. Aún cuando el canal tenga un ancho de banda mayor que el requerido en modulación binaria. Cuando el ancho de banda del canal es un factor limitativo.8. el Módem UIT-T V. mientras que las técnicas FSK M-arias consumen menor potencia pero aumentan el ancho de banda requerido. 5. sobre un canal telefónico. con una velocidad de transmisión de 64 kbps y un ancho de banda de 38 kHz. Las técnicas M-arias en ASK y PSK no aumentan el ancho de banda requerido. Utilizando las técnicas M-arias se puede transmitir información. En esta forma. Sin embargo. (c) Si la complejidad del equipo es un factor limitativo y las condiciones del canal lo permite. el DPSK M-ario y el FSK M-ario de Banda Ancha. hasta 14400 bps con una velocidad de modulación máxima de 2400 baudios. las técnicas M-arias se utilizan para mejorar la inmunidad al ruido aunque se aumente la demanda de potencia. a una velocidad de 9600 bps y con una velocidad de modulación máxima de 2400 baudios. Los sistemas más utilizados en la práctica son el PSK M-ario. En un caso práctico. si el transmisor tiene limitaciones severas en cuanto a la potencia disponible (caso de satélites. se puede transmitir M valores de amplitud. frecuencia o fase de una portadora sinusoidal. el rendimiento del canal aumenta. Sin embargo. el diseñador del sistema debe ponderar cada situación y seleccionar un sistema de acuerdo con las especificaciones que se establezcan para el proyecto. . 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. la frecuencia de señalización está limitada a un valor del orden del ancho de banda del canal de transmisión. Velocidades de información superiores a 14400 se pueden lograr pero solamente mediante compresión de datos. En la práctica pocas veces se encuentra un canal que tenga el ancho de banda exacto para transmitir una señal mediante técnicas binarias.

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.80 para algunos valores de M y L. el modulador M-ario procesa.2.405 V. 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. como se muestra en la Fig 5.8. es decir. En los sistemas M-arios el mecanismo de modulación es similar. como veremos a continuación. Las salidas X m y Ym son variables analógicas cuyos valores dependen del valor del ángulo φ m asignado.182b) (5. donde M = 2 L .1) . 5. Modulación M-PSK . La velocidad de transmisión ha aumentado L veces. 2. siendo la velocidad de transmisión Vi = 1 / Tb bps. 5. 1. como se muestra en la Fig. 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.. 5. 1. 2.79(b).. a su vez. el modulador procesa cada dígito binario de duración Tb asignándole una cualquiera de dos señales diferentes. 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. 5.79(a). el cual. (M-1) (5.182a) Como el ángulo φ m se mantiene constante durante cada intervalo Ts .182b) tiene una forma canónica que nos permite utilizar un esquema de generación de señales M-PSK de la forma mostrada en la Fig. pero se habrá introducido algunas restricciones sobre la potencia y el ancho de banda de la señal transmitida. La expresión (5. depende de la secuencia particular de L dígitos a transmitir.. . para m = 0. frecuencia f c pero con un ángulo o desfase φ m = 2πm / M .. En efecto. bloques de L dígitos binarios asignándole a cada bloque distinto una cualquiera de M señales diferentes posibles. hemos visto. MODULACION Y TRANSMISION DE IMPULSOS En los sistemas binarios. de acuerdo con la relación M = 2 L . factores que dependerán del esquema de modulación utilizado. 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. Si A es constante. en el mismo tiempo Tb . ahora es Vis = L ⋅ Vi bps.⋅⋅⋅⋅. (M . 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. El convertidor Serie/Paralelo forma bloques de L dígitos los cuales son aplicados a un codificador cuyas salidas son X m y Ym .79.182c) Estas expresiones nos permiten expresar la señal s m (t ) en forma fasorial.

los ángulos φ m se tornan muy pequeños lo que induce a errores en la recepción. dos fasores distintos pueden tener el mismo ángulo φ m pero las amplitudes son diferentes. es decir. MODULACION Y TRANSMISION DE IMPULSOS Cuando M > 8. el canal “verá” siempre la misma velocidad de modulación compatible con su ancho de banda. Estos tipos de diagrama se denominan “diagramas de Fresnel”.32 tiene la forma mostrada en la Fig. Este tipo de esquema.81(d).81 unas asignaciones de L dígitos a las M fases de señales sinusoidales representadas en forma fasorial. Desarrollando (5. esta expresión se puede escribir en la misma forma que (5.183) La información va en la secuencia de fases aleatorias {φm } También. 5. La asignación mostrada es arbitraria. lo cual se verifica en la mayoría de los casos prácticos. entonces la señal PSK M-aria permite una reducción del ancho de banda en un factor L. se puede asignar bloques de L dígitos a combinaciones de amplitud y fase. 5. por ejemplo. De acuerdo con los criterios ya aplicados en relación con el ancho de banda. “patrones de fase” o “constelaciones”. es decir. .183). denominado modulación M-QAM. Nótese que fbL es la frecuencia de señalización a la entrada del modulador y f s la correspondiente a la salida. y aumentar L veces la velocidad de información por el mismo canal en el caso binario.184) La expresión (5. 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 . Como f s = f bL / L . es decir. Esto equivale a decir que la velocidad de modulación en el canal es siempre la misma.184) tiene la misma forma que la (5. En la Fig.80 se muestra el mecanismo de modulación M-aria. pero en la UIT-T estos patrones de fase han sido normalizados. cualquiera que sea el valor de L. el ancho de banda de la señal PSK M-aria es del orden de 2f s a 3f s . el patrón de fase del Módem UIT-T V.176) calculada para PSK binario y es válida para f c ≥ 2f s .182b). 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. 5. En estos casos. es muy utilizado en la práctica. sin embargo. . Ts = LTbL o f s = f bL / L pues los bloques tienen L dígitos de duración TbL cada uno. el canal “verá” siempre una señal sinusoidal de frecuencia f c con cambios de fase cada Ts segundos. 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. 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.406 V. y en la Fig.

Fig. φm = 2πm / M (c) PSK 8-aria. L = 3 x (b) Modulación PSK M-aria. podemos demostrar (Problema de Aplicación 5.187) .54) que para una probabilidad de error de 10-4. 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 . M = 16. 1979] es ⎡ π ⎤ Pe = erfc ⎢ γ s sen2 ( ) ⎥ M ⎥ ⎢ ⎣ ⎦ (5. En general.186) (5. PB . Asignación de Fases en PSK M-aria Puesto que f bL = Lf s . para un sistema PSK M-ario la probabilidad de error Pe [Shanmugam. si B B . M = 4. (d) QAM 16-aria. En efecto.407 V. 5. φ = 0o o π (a) PSK Binaria. γ s ” en la forma A 2 Ts γs = = 2⋅ γ 2η donde γ ya se definió en (5. 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 . se puede definir la “relación S/N normalizada M-aria. M = 8.152). respectivamente.81. 5. M = 2. L = 4 Fig.094 π ) M L ⋅ sen 2 ( ⋅ PB (5. Mecanismo de la Modulación PSK Binaria y M-aria. BM = PM = BB L 1.80. 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. B M y PM son los anchos de banda y potencias en binario y M-ario.185) Sería de interés comparar el sistema PSK M-ario con el sistema PSK binario para una misma probabilidad de error.

188) En la Fig. los requerimientos de potencia se hacen excesivos y la modulación PSK M-aria no se emplea. pues la diferencia básica entre PSK y DPSK es que este último ha experimentado un proceso previo de codificación diferencial.96 dB 8.2 y pueden ser representados con las mismas expresiones y gráficos.094 PB 2. 5.186 PB 22.83 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. M 4 8 16 32 BM BB / 2 BB / 3 BB / 4 BB / 5 PM 1.408 V.57 dB 13. 5. por ejemplo. 5. que es un esquema de modulación compuesta Amplitud-Fase. Para M > 8.83.49 PB 7. En la Fig. en la Fig.8. En este caso se utiliza el esquema M-QAM.3.32. 1968] que en el sistema DPSK M-ario Pe = erfc( 2 γ s sen2 ( π )) 2M (5.39 dB) en la potencia. Modulación DPSK M-aria Fig. la mejor selección es aquella para M = 4.84 se grafica esta probabilidad en función de γ s para algunos valores de M.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.39 dB 3. Por esta razón el sistema PSK 4-ario. que transmite a 9600 bps por un canal telefónico. 5. MODULACION Y TRANSMISION DE IMPULSOS En la Fig. . 5. pues el ancho de banda se reduce a la mitad con un aumento de sólo el 9. se utiliza bastante en la práctica.8.82 se grafica la probabilidad de error Pe vs γ s para algunos valores de M. 5. La selección final queda a juicio del diseñador del sistema y según la aplicación deseada. 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. En cuanto a la probabilidad de error.4% (0. se ha demostrado [Lucky y otros.81(d) se muestra el diagrama de Fresnel del Modem UIT-T QAM V. Evidentemente. denominado también QPSK (“Q” de “quadrature” u ortogonal).78 PB PM / P B en dB 0.

la amplitud de la portadora es de 1 mV y la densidad espectral de ruido es de 10-11 W/Hz.22bis). donde γ s = 2M 2η Si = A 2 10 −6 = W. Las Figs. y 01 00 x 11 10 Diagrama de Fresnel Pe = erfc( 2 γ s sen 2 ( A 2 Ts π ) ).55).81 se aplican también en DPSK M-aria. L = 2. ♣ Ejemplo 5. pero este aumento es compensado con la simplicidad de instrumentación del sistema QDPSK. Específicamente. el cual se transmite de primero) Suponga que fc = 1800 Hz. Bc = 3 kHz. por ejemplo.409 V.32 dB. M = 4. MODULACION Y TRANSMISION DE IMPULSOS Cuando se compara la proba-bilidad de error en DPSK con la de PSK.208 dB Ni .21).22) y poseen además un canal en FSK binario para trabajar a 300 bps (UIT-T V. η = 2x10-11 W/Hz En DPSK M-ario. Ni = ηB c = 3x10 3 x 2 x10 −11 = 6 x10 −8 W 2 2 Si = 8. Solución: (a) Vi = 2400 bps.3333 = 9. se verifica que para altos valores de M el sistema DPSK M-ario requiere un aumento de potencia de aproximadamente 3 dB.20 Un sistema DPSK 4-ario está caracterizado por el diagrama de Fresnel de la figura. A = 10-3 V. 5. El ancho de banda del canal es de 3 kHz. (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. un aumento del 71% solamente (Ver Problema de Aplicación 5. para M = 4 (QDPSK) este aumento es de 2.79 a 5. ¿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. Sin embargo. PSK y DPSK. La secuencia binaria de entrada al modulador tiene una velocidad de transmisión de 2400 bps. a 1200 bps en QDPSK (UIT-T V. en la práctica se utilizan ambos sistemas de modulación. algunos módems comerciales transmiten a 2400 bps en QPSK (UIT-T V.

556x10-4 seg.02 dB. 2 x 2 x10 −11 x1200 π Pe = erfc( 2 x83.208 = 6. s 2 ( t ) = A cos(ωc t + 135 o ) (dibit): 0 1 → φ 3 = +135 o .5 Tc La señal M-DPSK tiene la forma s m ( t ) = a cos(2πf c t − φ m ). y se supone que la señal de entrada 1 0 1 1 0 1 0 0 está ya codificada diferencialmente.812 x10 −12 8 γs = El aumento en la relación Si/Ni es de 15.410 V. s1 ( t ) = A cos(ωc t + 45 o ) “ “ “ “ “ “ “ “ (dibit): 1 1 → φ 2 = −135 o .8333. γs = 10 −6 = 20. s 4 (t) = A cos(ωc t − 45o ) La señal modulada DPSK 4-aria tendrá la forma siguiente ♣ . 4 x10 −6 = 83. (c) fs = 1200 Hz. Ts = 1. los dígitos o bits se toman de dos en dos. Ts = 8.333x10-4 seg.47 2M 8 (b) A = 2x10-3. De acuerdo con el diagrama de Fresnel. Para su codificación DPSK y como L = 2.77x10-4 2 γ s sen 2 ( π π ) = 2 x 20.3333xsen 2 ( ) ) = 2. La velocidad de modulación en el canal es también de 1200 baudios.8333x sen 2 ( ) = 2. s 3 ( t ) = A cos(ωc t − 135 o ) “ (dibit): 0 0 → φ4 = +45o . fc = 1800 Hz Tc = 5. Esto equivale a un aumento de potencia de 4 veces.33 . MODULACION Y TRANSMISION DE IMPULSOS fb = 2400 Hz. 2 x 2 x10 −11 x1200 Pe = erfc(2.47) = 4. la codificación para la señal modulada de salida será: Para la dupla (dibit): 1 0 → φ1 = −45o . fs = fb/L = 2400/2 = 1200 Hz ó 1200 bps.23 – 9.

. para i = 1. para j = 2. donde fc es la frecuencia de la portadora sin modular [Benedetto y otros.8.4. Si 2fd es la separación entre dos frecuencias adyacentes. 3. respectivamente. con M = 2L..189) para i = 1.. Modulación FSK M-aria de Banda Ancha En la modulación FSK M-aria. siendo fb la frecuencia de señalización a la entrada del modulador... La duración de cada muestra de señal s i ( t ) es también de Ts segundos. 3..85 se muestra el mecanismo de modulación FSK M-aria y en la Fig..411 V. de modo que se puede tomar f f1 = kfs = k b para k entero y k ≥ 1 (5.. entonces la frecuencia instantánea en un intervalo Ts es f i = f c + (2i − 1 − M )f d .. 1987].190) donde f M y f1 son las frecuencias máxima y mínima.M.. En la Fig.192) L En este caso la frecuencia de portadora será fc = (2 k + M − 1) fb 2L (5. 2.. 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 ). 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) . si 2fd = fs (separación ortogonal). MODULACION Y TRANSMISION DE IMPULSOS 5. 5.193) . donde f s = 1/ Ts = f b / L es la frecuencia de señalización a la salida del modulador. 5.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. La frecuencia míniL ma f1 deberá ser igual o mayor que fs .191) L donde fb es la velocidad de señalización o de modulación a la entrada del modulador FSK M-ario.. M. 2. entonces el ancho de banda mínimo en el canal será Mfb Bmin = Mfs = (5. de la señal FSK M-aria.. 3. es decir..86 la distribución o asignación de las frecuencias de portadora para algunos valores de M y L. 4. 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.. Si la separación mínima entre dos frecuencias adyacentes se hace igual a la frecuencia de señalización en el canal.

M es ortogonal. 5. 2fd = 800 Hz. tienen duración Ts y todas tienen la misma energía Es... L = 3 f8 (b) Modulación FSK M-aria. es decir. si M = 8. 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.412 V.. 3. M = 4.86. fs f 2400 2400 = b = = 400 Hz.. 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. La ortogonalidad exige también que la separación entre frecuencias adyacentes sea tal que 2fd = fs .5.85. 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. fb = 2400 bps y k = 1. Fig.. la separación mínima entre dos frecuencias adyacentes será igual . Asignación de Frecuencias en FSK M-aria Por ejemplo. Bc ≥ M fb = Mfs L Fig. Mecanismo de la Modulación FSK Binaria y M-aria.194) Las señales s i (t ) son ortogonales en el intervalo Ts . 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 = 2. M = 8. 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. fs = = 800 Hz 3 2 2L 6 2400 2400 f c = (2 + 8 − 1) = 3600 Hz. 2. Por lo tanto. f1 = = 800 Hz. L = 3.

el precio que hay que pagar es el aumento en el ancho de banda. asimismo. mientras que en un sistema FSK binario el ancho de banda mínimo es 3fb .6 dB −5 10 -1 -5 0 5 γ s . aunque la recepción coherente casi no se utiliza. 5. Fig. como se muestra en la Fig. En la Fig. . se puede utilizar PSK M-aria o DPSK M-aria cuando el ancho de banda es limitado (como en los canales telefónicos). en dB 10 15 sM (t ) FiltroM Optimo v dM (t ) Sincro Fig. MODULACION Y TRANSMISION DE IMPULSOS a fs = f b / L . 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. condición que hemos tomado para estimar el ancho de banda mínimo de la señal FSK M-aria. Probabilidad de Error Pe vs γ s en FSK M-aria. 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. 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. es decir. y FSK M-aria cuando la potencia es el factor limitativo (como en las comunicaciones espaciales o por satélites). en PSK o DPSK M-aria. podemos mantener fijo el ancho de banda de transmisión pero la potencia transmitida aumenta en forma exponencial con L . En general.87. La probabilidad de error Pe en FSK M-aria ha sido calculada [Lucky y otros. Receptor Optimo FSK M-ario Coherente. en un sistema FSK M-ario el ancho de banda mínimo es Mf b / L . pero la ecuación de Pe es una ecuación integral de muy difícil resolución. pero el ancho de banda aumenta también en forma exponencial con L. la modulación M-aria proporciona los medios para intercambiar ancho de banda por relación S/N. que ya hemos encontrado también en PPM.191). En consecuencia. Por consiguiente. Por ejemplo.88. expresión (5. 5. Este compromiso. En efecto.88. 1987]. Se demuestra [Lucky y otros. 5. Una desventaja adicional es la creciente complejidad de los equipos de transmisión y recepción tanto en recepción coherente como no coherente.413 V. Benedetto y otros.87 se muestra la forma aproximada de la Probabilidad de Error vs γ s para algunos valores de M. nos permite disponer de una gran flexibilidad de intercambio entre diferentes parámetros para adecuar una fuente de información dada a un canal determinado. 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. El receptor óptimo coherente para el conjunto ortogonal de señales consiste en una batería de M filtros óptimos. 5. 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. en FSK M-aria la potencia transmitida es prácticamente independiente de L. Sin embargo.

En el sistema TDMA. Esta trama consta de dos partes: un preámbulo. D. B. y en telefonía celular. 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. parte (a). Para acceder al satélite se utilizan tres técnicas denominadas “métodos de acceso múltiple”: 1. En este caso se dice que el sistema es radiante o difusor (“broadcast”). El preámbulo.414 V. 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.5. un campo que contiene caracteres para activar los circuitos de sincronización de portadora y señalización. Sección 5. En la práctica a estas frecuencias se las denomina “frecuencias de subida” y “frecuencias de bajada”.89. 5. En la parte (b) se muestra la estructura de la trama transmitida por la Estación C. la estación C está enviando información a las estaciones A. incluye un intervalo de guarda. parte (a). esta asignación la efectúa una estación terrena de referencia que controla la temporización y la sincronización de las estaciones presentes en el sistema. basado en los principios TDM. TDMA) 2. E y F. En el satélite se recibe una multitrama TDMA que contiene las tramas de todas las estaciones terrenas. . En el ejemplo de la Fig. que llega al satélite contiene las tramas de todas las estaciones que están transmitiendo. y los varios campos que contienen la información para las diferentes estaciones de destino. Durante ese intervalo. Acceso Múltiple por División de Tiempo (Time-Division Multiple Access. Los sistemas TDMA trabajan generalmente en QPSK y a velocidades hasta 120 Mbps. Cada estación escucha toda la multitrama pero solamente copia la información a ella dirigida. televisión de alta definición y en la transmisión de cientos de miles de canales de voz de 64 kbps. a cada estación terrena se le asigna un intervalo o ranura de tiempo para que ella transmita información. se emplean en la transmisión de video digital. Consideremos entonces un sistema satelital formado por un satélite y seis estaciones terrenas A. La multitrama TDMA tiene la forma mostrada en la Fig. parte (c). FDMA). respectivamente. La técnica CDMA la veremos más adelante. 5. La multitrama TDMA.89. C. Las técnicas TDMA se utilizan actualmente en los satélites INTELSAT VI y VSAT. una cualquiera de estas estaciones puede actuar como estación de referencia. mientras que la técnica FDMA la estudiaremos en detalle en el Capítulo VI. CDMA) 3.8. MODULACION Y TRANSMISION DE IMPULSOS 5. 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.2. y un campo donde va la dirección o identificación de la estación llamante y las direcciones de las estaciones llamadas. una estación utiliza todo el ancho de banda del repetidor o “transpondedor” del satélite para enviar una trama que contiene la información a transmitir. Acceso Múltiple por División de Código (Code-División Multiple Access. E y F .9. Acceso Múltiple por División de Frecuencia (Frequency-Division Multiple Access.

capacidad para acceso múltiple a un medio y baja probabilidad de intercepción. 5. aspectos que son de gran importancia en las aplicaciones militares y que ahora se han llevado a aplicaciones en el dominio civil. SS).9. Para ser considerado como un sistema SS. denominada “señal dispersora”. cuyos principios y mecanismo de generación se dieron en el Capítulo III. Una señal dispersora que permite cumplir con estos dos criterios es justamente la señal seudoaleatoria o secuencia PN. Sin embargo. Formato TDMA Típico 5.89. Los sistemas SS de más aplicación en la práctica son: 1. Que la dispersión del ancho de banda de la señal transmitida sea producida por una señal s(t). independiente de m(t). 2. Estos objetivos se pueden optimizar aplicando las técnicas del espectro disperso (spread spectrum. Que el ancho de banda de la señal transmitida sea mucho mayor que el ancho de banda de la señal mensaje m(t).1.415 V. 2. 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. 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. Existen varias técnicas de dispersión del espectro.9. el sistema debe satisfacer los criterios siguientes: 1. Sección 3.3. en algunas aplicaciones hay que considerar aspectos tales como la capacidad o robustez contra interferencias (espontáneas o maliciosas). TRANSMISION DE SEÑALES DIGITALES MEDIANTE DISPERSION DEL ESPECTRO (SPREAD SPECTRUM) 5.9. Sistemas SS mediante Conmutación de Frecuencias (Frequency Hopping Spread Spectrum. DSSS). 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. . Sistemas SS de Secuencia Directa (Direct Sequence Spread Spectrum. FHSS). Existen también otras técnicas híbridas que incluyen tanto DS como FH. pero no las trataremos aquí.

será una señal PSK de frecuencia de portadora fc. por lo tanto. 3. 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 ) . que se transmite. 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. 5. En el extremo receptor se llevan a cabo las operaciones inversas correspondientes para la recuperación de la señal mensaje m(t). Consideremos entonces el modelo de un sistema PSK/DSSS mostrado en la Fig. la señal resultante x t (t ) .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. Durante la transmisión por el canal. La señal dispersada modula en PSK a una portadora de frecuencia fc y luego se transmite. Entonces. de (3. el espectro de la señal mensaje original PCM m(t) se dispersa mediante la utilización de una secuencia PN s(t). NRZ y de amplitudes ±A . Supondremos también que la potencia de ruido en el canal es despreciable en relación con la potencia de la señal interferente.183).175). De la Fig.9.416 V. Si la señal x sp (t ) se multiplica por cos(ω c t ) .27 y cuya densidad espectral viene dada por (3.90.175) con A 2 Tb = 1 .23 y cuya densidad espectral viene dada por (3. 5. la señal transmitida PSK/DSSS es perturbada por una señal interferente v j (t ) centrada en la frecuencia de portadora. 5. la señal s(t) es una secuencia seudoaleatoria de la forma mostrada en la Fig. 3. x sp ( t ) = m(t ) ⋅ s(t ) m(t ) ⇒ S m ( f ) = sinc 2 ( f ) fb x d (t ) Filtro Pasabajo donde. Sistemas SS de Secuencia Directa En los sistemas de espectro disperso de secuencia directa (DSSS).31 y cuyo ancho de banda es B ≈ Nf b . MODULACION Y TRANSMISION DE IMPULSOS 5. de la forma mostrada en la Fig. cuya densidad espectral se muestra en la Fig. La señal m(t) es una secuencia PCM en banda de base que suponemos bipolar.90. 3. (5.2. 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). 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 ) .

417 V. que es el ancho de banda del filtro. De (5. MODULACION Y TRANSMISION DE IMPULSOS A esta señal se le aplica la operación de dispersión. 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 .195). 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. S oj (f ) = S jd (f ) ⋅ Π ( f ) 2f b Entonces. 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. 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 . (5. y que representa la interferencia a la salida. 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. 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 .196).177) y (5.196) donde n =−∞ ∑' ∞ indica que la sumatoria no incluye el valor n = 0.197) . 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. El término de alta frecuencia centrado en ±2f c es eliminado. De (3.195) Para cuantificar el efecto de la interferencia.

418 V. la probabilidad de error será . 2A 2 ⎡ 1 N +1 2 π ⎤ 1 j Nótese que para N >> 1. su potencia debería aumentarse por lo menos en 470 veces. f b = 9600 Hz y (A/Aj) = 100. En la práctica. la Ganancia DS será (5. Ps = 0. ⎢ 2 + 2 sen ( )⎥ ≈ y ηj = N π N ⎦ N N ⎣ En la Fig.72 dB 4 Puede observarse que en este caso la señal interferente está a 26. (La señal S oj ( f ) ha sido multiplicada por 100 para poderla observar en el gráfico).7. 5. cuando N = 1000. fb = 9600 Hz y A j = 1. N >> 1. Se puede determinar la ganancia “Potencia Util/Potencia Interferente” para demostrar la robustez del sistema DSSS contra las interferencias espontáneas o maliciosas.4. lo cual es prácticamente imposible por lo costoso que sería. Esta característica del sistema DSSS ha sido muy utilizada en los sistemas de comunicación militares contra las interferencias maliciosas (jamming).91 se grafica Sm(f) y S oj (f ) para N = 1000.171). Sección 5. Dentro de la banda de paso. la probabilidad de error en el sistema PSK/DSSS viene dada por (5.4513( ) 2 Pj A j fb fb N La ganancia es directamente proporcional a N.72 dB (470 veces) por debajo de la señal útil.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. Por ejemplo. La probabilidad de error en este sistema es la misma considerada en la modulación binaria de fase. es decir. el factor [A/Aj]2 es muy grande (>10 ).90253A 2 y Pj = 2A 2 j G DS = Ps A N = 0. Esto significa que para que la fuente interferente pudiera tener alguna influencia en la recepción. MODULACION Y TRANSMISION DE IMPULSOS es la amplitud de la densidad espectral de la señal interferente a la salida. Como hemos supuesto que el ruido interferente es mucho mayor que el ruido en el canal ( η j >> η) . G DS = 26.

0. pero esta probabilidad de error se puede disminuir aumentando la ganancia de procesamiento N. 5.97 dB Pis = Pi/Ps Pis = -1.55 dB 0.199). cuanto más alta es esta relación. en efecto.92. La expresión (5. la probabilidad de error Pe en PSK/DSSS se puede reducir a la forma más sencilla 1 0. La expresión (5.201) nos permite observar el efecto de la ganancia de procesamiento N sobre la probabilidad de error para diferentes valores del margen de interferencia.1 Pis = 0 dB Pis = -0.92 demuestran la efectividad del sistema DSSS en la supresión de interferencias tanto espontáneas como maliciosas.92. como se puede observar en la Fig. MODULACION Y TRANSMISION DE IMPULSOS Pe = A2 1 ) erfc( 2η jf b 2 (5. En efecto.199) Como η j depende de la ganancia de procesamiento N. Es lógico que si la relación Pi/Ps es alta. Por ejemplo. 5.92 se muestra la variación de la probabilidad Pe vs N para diferentes valores del margen de interferencia. vemos que la probabilidad de error dependerá también de N.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. donde Pi es la potencia de la fuente N N entonces.200) ⎜ 4 2 1 ⎟ N +1 2 2 π A j [ 2 + 2 sen ( )]f b ⎟ ⎜ N ⎝ ⎠ N π Puesto que Ps = 0.05 Pis = -10 dB 0 1 N 10 Fig. la probabilidad de error será alta también.201) y la Fig. la probabilidad de error en PSK/DSSS es ⎛ ⎞ ⎜ ⎟ 2 1 1 A ⎟ Pe = erfc⎜ (5. 5.198) en (5. j f b Pi = . es decir.419 V. valores de N superiores a 164 mantendrán la probabilidad de error por debajo de 10-5. para ( Pi / Ps ) = 10 . reemplazando (5. En efecto.15 Probabilidad Pe 0.544 N Pe = erfc( ) para N >> 1 2 Pi / Ps (5. Pi = 2f b A 2 . 5. para N >> 1. Probabilidad Pe vs N en PSK/DSSS . más alta es la severidad de la interferencia y más alta la probabilidad de error. en la Fig.90253A 2 y Pj = 2A 2 j interferente.

420 V.La señal x r ( t ) de entrada en un receptor dado será la correspondiente a (M − 1) transmisores. 5. Supongamos que hay M usuarios que transmiten en un sistema PSK/DSSS/CDMA. . a una frecuencia de portadora fc común y con una secuencia PN particular s i ( t ) con i = 1. entonces.. mientras que el segundo término se puede considerar como ruido.8. Si Pi = Ps es la potencia de cada señal interferente. entonces la potencia total interferente será . y aunque todos los usuarios transmiten simultáneamente por la misma banda de frecuencias. 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 ) .88. M. cada usuario transmite una señal m i ( t ) . 3. 2. 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 ) . 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 ) . La potencia de las señales m i (t ) es la misma para todas. El esquema de transmisión es el mismo de la Fig. La potencia del término interferente es simplemente la suma de las potencias interferentes producidas por las otras (M-2) señales transmitidas. Como suponemos que las secuencias PN están sincronizadas aunque no son las mismas... s 'i (t ) . 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.. 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. un usuario particular puede extraer de la señal compuesta transmitida la señal a él dirigida utilizando la secuencia PN apropiada.5. MODULACION Y TRANSMISION DE IMPULSOS Acceso Múltiple por División de Código (CDMA) Una de las principales aplicaciones del sistema DSSS en las comunicaciones. 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 . y como = (±1) 2 = 1 . Esta es la forma de acceso múltiple denominada “Acceso Múltiple por División de Código (CDMA)” que mencionamos en la Sección 5.202) El primer término de x ok ( t ) es la señal deseada. La idea clave en el sistema CDMA es la de que a cada usuario se le asigna una secuencia PN diferente. es la posibilidad de utilización de la misma banda de frecuencias para múltiples usuarios que están transmitiendo simultáneamente. por ejemplo. entonces el producto s i (t ) ⋅ s k (t ) es otra secuencia PN.

k = ⎡ ⎡ N ⎤ P ⎤ 1 1 erfc⎢ 0. El sistema CDMA se aplica en telefonía celular. Se puede aumentar el número de usuarios pero a costas de un aumento en la probabilidad de error. MODULACION Y TRANSMISION DE IMPULSOS Ptj = (M − 2) ⋅ Pj = (M − 2) ⋅ Pi P = ( M − 2) s N N (5. para una ganancia de procesamiento N = 1000. 1024 y 2048.204).93. pues el comportamiento del sistema experimentará solamente una degradación de acuerdo con la expresión (5.204). en sistemas de localización (global positional systems. ya estudiado. 5. es decir. se puede agregar los usuarios que se quiera.1 0 0 200 400 M 600 Fig. mayor será la probabilidad de error. Por ejemplo. Una vez que todas las ranuras de tiempo han sido asignadas.554 ⎥ M−2⎥ Ptj ⎥ 2 2 ⎢ ⎢ ⎣ ⎦ ⎣ ⎦ (5. El lector puede verificar este fenómeno haciendo los ajustes necesarios en las expresiones (5. En efecto.203) De (5. Esto se puede observar en la Fig. la calidad de la señal en todas las estaciones se degrada rápidamente. En el sistema TDMA el número de usuarios está restringido por el número de ranuras disponibles en el sistema. se produce una degradación en la calidad de la transmisión. un aumento en el número de usuarios sólo se puede lograr rediseñando el sistema.203) y (5. En la práctica.204) La probabilidad de error en CDMA depende entonces del número de usuarios M en el sistema.201).421 V. 0. GPS). donde se muestra la variación de la probabilidad de error en función de M para N = 256.554 s ⎥ = erfc⎢ 0. en sistemas móviles por satélite. . 5. 512. se verifica que para que Pe .k < 10 −5 el número de usuarios debe ser M < 120. en sistemas PCS (Personal Communication Systems) y en redes de área local inalámbricas. cuanto mayor es el número de usuarios. Probabilidad de Error en CDMA Sería interesante comparar el sistema CDMA en relación con el sistema TDMA.93. si una o más estaciones transmiten con altas potencias. En efecto. En CDMA este problema no se presenta. 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. la probabilidad de error en el receptor k es Pe.2 0.3 Probabilidad Pe N = 256 N = 512 N = 1024 N = 2048 0.

M (5.1 frecuencias. de modo que se puede escribir s h ( t . Durante los M − 1 intervalos de tiempo restantes.. si k = 8. generalmente FSK o DPSK.. 2. 5. vamos a considerar el caso cuando T = Tb . como se muestra en la Fig. habrá 256 frecuencias de portadora diferentes que serán moduladas por la señal FSK o DPSK.95 se muestra el modelo de un sistema FSK/FHSS con demodulación no coherente. Por esta razón.422 V. 205) Dependiendo de la relación entre T y Tb . que es una forma de FHSS Lento. En la Fig 5..94 se muestran los “saltos” aleatorios de frecuencia y en la en la Fig. y en el intervalo siguiente se cambia o “salta” en forma aleatoria a cualquiera otra de las M . es decir. . Estas frecuencias cambian cada T segundos. 5. MODULACION Y TRANSMISION DE IMPULSOS 5. La cantidad de frecuencias es igual a M = 2 k . Por ejemplo. . a esta técnica se le suele llamar también “Dispersión de Espectro por Salto de Frecuencias”. donde k es el número de “chips” tomados de la secuencia PN. esto quiere decir que durante un intervalo de tiempo T se utiliza una de las M frecuencias. i) = n =−∞ ∑ 2 cos(2πf t) ⋅ Π( i ∞ t − nT ) T para i = 1. Para simplificar el análisis.3 Dispersión del Espectro mediante Conmutación de Frecuencias (FHSS) En los sistemas FHSS la señal digital a transmitir. que f1 >> f c . Vamos a suponer también que la frecuencia inferior de dispersión es mucho mayor que fc .. los sistemas FHSS se clasifican en sistemas FHSS Lentos cuando T ≥ Tb . vuelve a modular una portadora cuya frecuencia cambia constantemente de acuerdo con una secuencia PN. y sistemas FHSS Rápidos cuando T < Tb . Como resultado. 3. la portadora “salta” aleatoriamente a otras de las frecuencias no conocidas por el ente interferente y como consecuencia la interferencia se reduce.9. pues en el caso de existir una.. la interferencia se reduce. Las frecuencias de portadora se generan en un sintetizador de frecuencia que es controlado por k “chips” tomados de una secuencia PN.. ella tendría efecto solamente en uno de los M intervalos de tiempo. en la práctica el valor de k es igual al número de etapas r del generador de las secuencias PN.95.

la separación entre dos frecuencias adyacentes debe ser como mínimo igual a fb . entonces el ancho de banda es B ≈ N ⋅ fb en FSK/FHSS (5. 5. i) v j (t ) Sintetizador de Frecuencia 1 2 3 k Generador PN Convertidor T = Tb Serie / Paralelo TRANSMISOR CANAL RECEPTOR Fig. 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 ] . que ya discutimos anteriormente. Sección 5. 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 . es.207) .. i) .4. f i − f i −1 = f b .206) Esta es la señal FSK/FHSS que se transmite.. x FSK ( t ) = n =−∞ ∑ A cos[2π(f ∞ + b a ⋅ f d ) t ] ⋅ Π( t − nTb ) Tb t − nTb ) Tb t − nTb ) Tb Entonces. x fh ( t . de modo que su salida es x t ( t . De la Fig. pero como M = 2 k y N = 2 k − 1. i) x t ( t . igual que en el caso DSSS. analizaremos separadamente los efectos de la señal útil y los de la interferencia. Por razones de ortogonalidad. En el canal aparece una señal interferente v j ( t ) . 5. Por lo tanto. cuya potencia. i) = x FSK ( t ) ⋅ s h ( t .7.. i) xrh ( t . i) = x fh ( t . Asimismo.95. .95.162). ∞ x fh ( t . el ancho de banda de la señal FSK/FHSS es B ≈ (M − 1) ⋅ f b . 2. 3. c donde x FSK (t ) . Modelo de un Sistema de Transmisión de Espectro Disperso mediante Conmutación de Frecuencias. Vamos a estimar ahora el valor aproximado del ancho de banda ocupado. para T = Tb . es decir. de (5. suponemos que es mucho mayor que la potencia de ruido (η j >> η) .423 V. i) x r ( t . i) = n =−∞ ∑ A cos[2π(f + b a f d + f i ) t ] ⋅ Π( t − nTb ) para i = 1.. MODULACION Y TRANSMISION DE IMPULSOS x FSK (t ) x fh ( t .. i ) Sintetizador de Frecuencia 1 2 3 Generador PN k Reloj Reloj Convertidor Serie / Paralelo T = Tb s h ( t . M Tb (5.

MODULACION Y TRANSMISION DE IMPULSOS que es el mismo ancho de banda de la señal PSK/DSSS. 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. i) = x t ( t . 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 . que está centrado en [ f c + b a f d ] . Esta señal se multiplica por una réplica idéntica y sincronizada de s h ( t . Cuando esta señal pasa por el filtro pasabanda B del receptor. 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 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. o lo que es lo mismo. 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. 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 . Este mismo análisis se puede efectuar para una señal DPSK. el espectro de la señal no se ensancha. el ruido a la salida del filtro se puede expresar en la forma canónica n j ( t . Estrictamente hablando. el cual tiene las mismas características que el filtro A. 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 ] . La señal x t ( t . él siempre permanece fijo y su ancho de banda generalmente es f b . i) = x rh ( t . i) resultando en x rh ( t . i) se transmite y en el receptor pasa por el filtro pasabanda B.424 V. de modo que x r ( t . 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). i) .208) Hemos recuperado la señal FSK. la cual al demodularse producirá la señal mensaje original m(t). i) obteniéndose n jh ( t . 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. podemos decir entonces que . Nótese que la demodulación es no coherente para evitar los problemas de sincronización de los sintetizadores de frecuencia.

de (5. Pero en la práctica la situación es muy diferente. 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.4.169).425 V.96. la probabilidad de error Pe < 10 −5 . MODULACION Y TRANSMISION DE IMPULSOS 2 donde Bi es el ancho de banda de un canal individual en FSK.210) La probabilidad de error en el sistema FSK/FHSS será entonces 1 1 Ps (5.6 Pe 0. 1989]. 1 γ Pe = exp( − ) 2 2 pero. En la Fig. Consideraciones Finales 0. A continuación se realiza una sincronización “fina” que sincroniza las dos secuencias. 5. Proakis. Para más información sobre estos sistemas.35 dB . Pe = La relación Ps/Pj es.209) (5.30 ( 3 FSK / FHSS 0. en general. En particular.4 Pe g)0. 1982. 5. 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. 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. de (5. Este sistema se utiliza en telefonía celular GSM (Global System for Mobile Communications) de procedencia europea.152). ver [Pickholts y otros.2 0 20 10 0 10 g En la discusión de los diferentes tipos Fig. en este caso en particular. Alcanzada la sincronización. la sincronización de las secuencias PN es mucho más complicada pues requiere circuitos especiales de adquisición y rastreo. Esto completa la primera etapa. La probabilidad de error es.164b). ésta es la denominada operación de “seguimiento o rastreo”.96 se muestra la variación de la probabilidad de error en función de la relación Ps/Pj. aunque en algunos sistemas el transmisor envía secuencias especiales para mantener la sincronización. 5. en la segunda etapa el receptor intenta mantener alineada la secuencia PN local lo más cerca posible de la secuencia PN del transmisor.9. 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. Ps/Pj 20 dB . para Ps / Pj > 13. alta. expresión (5.211) exp( − ) 2 2 Pj donde Ps/Pj es la ganancia de potencia o relación entre la potencia útil y la potencia interferente. Nótese que esta ganancia no depende de N.

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

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. La señal muestreada se pasa por un filtro ideal pasabajo de ganancia unitaria y ancho de banda de 4 Hz. 5. 150 Hz). . Grafique el espectro de la señal muestreada en el intervalo de frecuencias (-10 Hz. de ganancia igual a 2 y ancho de banda de 1600 Hz. La señal x (t ) = 5 cos(2πx10 3 t ) cos(600πt ) se muestrea a una frecuencia de 2100 muestras por segundo. La señal x (t ) = 10 cos(2πt ) + 4 cos(5πt ) + 2 cos(7πt ) se muestrea en forma instantánea a una frecuencia de 4 Hz. demuestre que y (t ) = 5 cos(600πt )[cos(200πt ) + 5. de período igual al intervalo de Nyquist y relación de trabajo igual a 0.97. 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. El muestreo se efectúa mediante una señal periódica rectangular de amplitud unitaria y ciclo de trabajo igual 0. La señal x (t ) = 50sinc 2 (10t ) se muestrea mediante una señal periódica rectangular. La señal muestreada se pasa por un filtro ideal pasabajo. 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. 5. 2π (b) Determine el diagrama de bloques de un sistema para recuperar x(t) a partir de y(t). MODULACION Y TRANSMISION DE IMPULSOS Dada la característica introductoria de este capítulo. Dibuje su espectro Y(f). 5. No obstante. 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.97. Determine la amplitud máxima del espectro centrado en la frecuencia de 100 Hz.1.5.4. (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.427 V. Sea el sistema de la Fig. PROBLEMAS DE APLICACION 5. (a) Demuestre que y (t ) = 1 sinc(t ) cos(2πt ) .3.2.2. donde x (t ) = sinc(t ).

Demuestre que la frecuencia de muestreo necesaria es f s = 3f m + B g .7.. 1 0 .98. Demuestre que el límite inferior de la frecuencia de muestreo es: (a) f s = 204 . -2B -B X(f) 1 f 2B 0 B Fig.99. 5..8. Demuestre que si el muestreo se ha efectuado a una frecuencia de B muestras por segundo. Demuestre también que si el ancho de banda del filtro es el de 3 dB. entonces la frecuencia de muestreo será f s = 2f m + B g . Dibuje el espectro de la señal muestreada entre n = −5 y n = 5.6. 5.. . 5. Se desea muestrear la señal x ( t ) = 15 exp(−103 | t |) . 5.9.99. pero si el muestreo se ha efectuado a 2B muestras por segundo. 5.105)].. f s = 1/ Ts .428 V. Suponga que (1/RC)=2πfm . Demuestre que la frecuencia de muestreo mínima necesaria para muestrear la señal x (t ) = 20 cos(10 4 πt ) cos(3. 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.. (b) f s = 500 Hz cuando el ancho de banda de la señal se calcula según la expresión (1. MODULACION Y TRANSMISION DE IMPULSOS 5. [Sugerencia: utilice la expresión (1. 5.9 x10 5 πt ) es de 20 kHz.115).86 Hz cuando el ancho de banda de la señal es el de 3 dB.98 se muestra el espectro de una señal dada. Sea la señal periódica de la Fig.. Esta señal se muestrea en forma instantánea y se pasa por un filtro cuya función de transferencia es H (f ) = Π (f / 2 B).5. (a) Demuestre que el espectro P(f) de p(t) viene dado por p(t) . 5.79). Se tiene una señal x(t) pasabajo de banda limitada f m . En la Fig. la salida es y( t ) = 2B2sinc(2Bt ) . Esta señal se va a emplear para muestrear la señal x (t ) = 2 x10 −3 sinc 2 (500t ). El valor B es el ancho de banda del filtro de acuerdo con la expresión (2. la salida es y( t ) = 2B2sinc 2 (Bt ) . donde 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 .

donde X(f) es el espectro de la señal de información x(t). El área rayada representa entonces la pérdida de señal producida por la limitación de banda debida al filtro. (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. entonces ∫ F %= ∫ s 3f2 / 2 fs / 2 fs / 2 | X(f )|2 df 100 (5. x ( t ) = 8sinc 2 (8x103 t ). entonces Sx(f) reemplaza a |X(f)|2 en las expresiones anteriores. 5.403%.213) demuestre que cuando se muestrea la señal x (t ) = 15 exp(−10 3 | t |) . el factor de solapamiento es del 7. 5.213) 2 0 | X(f )| df Si x(t) está caracterizada mediante su densidad espectral de potencia Sx(f). las señales de información prácticas no son estrictamente limitadas en banda.11. ∫ F %= ∫ s 3f s / 2 fs / 2 fs / 2 | H (f )|2 | X(f )|2 df 100 (5.100.10. En general. con f s = 500 Hz.429 V.15. 5. x(t) = 10exp(-104 t ) . (5. Consideremos el espectro de la Fig.212) 2 2 0 | H (f )| | X(f )| df Si la ganancia del filtro es constante en la gama | f | ≤ f s / 2 .214) (b) Si B = 5 kHz. De acuerdo con esta definición. demuestre que el Factor de Solapamiento debido a los espectros adyacentes se puede expresar en la forma Factor de Solapamiento. 2. Consideremos la distorsión de solapamiento mostrada en la Fig. de modo que teóricamente cuando ellas se filtran para limitarlas en banda se produce distorsión. 5. MODULACION Y TRANSMISION DE IMPULSOS 5. determine el factor FB % para las siguientes señales: 1.100. 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”. Utilizando (5.

MODULACION Y TRANSMISION DE IMPULSOS 5. x(t) f s es la frecuencia de Nyquist de x(t). h(t) puede tener cualquier perfil. demuestre que el factor de distorsión de interpolación producido por un filtro pasabajo RC es del 27. 5. f s = 1 / Ts = 2f m . donde f m = 1 / 2πRC y f s = 3f m . (b) Calcule el espectro de la señal muestreada y dibújelo en el intervalo (-140 kHz. demuestre. 5.12. (a) Demuestre que la frecuencia mínima de muestreo es de 35 kHz y diga las características del filtro necesario para recobrar la señal. (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. Si se considera solamente la energía de los espectros adyacentes que pasa a la salida.25). 5. donde x(t) es una señal pasabajo de banda limitada fm .101.215) 0 Si x ( t ) = 2f m sin c(2f m t ) . se puede cuantificar la Distorsión de Interpolación. Sea el sistema de la Fig. 5. donde x(t) es una señal pasabajo de banda limitada fm.102. Igualmente que en los dos problemas anteriores. 5.430 V.102.842%. En el muestreo con retención se utiliza un filtro de orden cero dado por (5. 5. Sea el sistema mostrado en la Fig. (a) Si h (t ) = cos( T f πt 1 1 ) para | t| ≤ s . por ejemplo. donde δ Ts (t ) Fig. 140 kHz) 5.94x10 5 πt ) . a partir de la Fig.16. Dibuje el espectro Y(f) x (t ) = 2 f m sinc(2f m t ) 5.15. donde Ts = = y X(f) = Π ( ) .14. (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 ].16.13. 1 1 (b) Repita cuando h ( t ) = Λ ( 2f m t ).11. 5. con Ts = = f s 3f m 5. calcule y Ts 2 f s 4f m 2f m dibuje X s (f ) en la forma mostrada en la Fig. sin embargo. Sea la señal x (t ) = 8sinc 2 ( t 1.25x10 −4 ) cos(1.101. 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.

3 Demuestre que el ancho de banda mínimo para transmitir la señal PDM es de 2 kHz. 5.70).70). y que su período es Ts = 3 ms . A.425 seg (a) Determine los valores apropiados de los parámetros Ts . 5.18.19. entonces So / N o π 2 B 3 π 2 3 = ( ) = βm 24 f m 24 Si / N i (5. 5.69) y (5. 5. es el factor de expansión del ancho de banda.20. grafique el espectro de xi (t). (b) Considerando la geometría de la señal vd (t). En un sistema PDM se observa que el ancho de los impulsos viene dado por la expresión τ (t ) = 10 −3 [1 + 0.2172 para t = 1. MODULACION Y TRANSMISION DE IMPULSOS (b) Si x (t ) = sinc 2 (f m t ) . Vp = βm [Vu + | min m(t)|-A] βm − 2 donde β m > 2 . Vp y Vu . y expresiones (5. Fig.3. 5.23. demuestre que cuando los impulsos tienen la forma de ⎧ A⎡ 2πt ⎤ t ⎫ coseno elevado ⎨p(t ) = ⎢1 + cos( ) Π ( )⎬ . Note también que [min sinc(t)] ≈ -0. 5.5 cos( 10 3 πt )] .217) Comparando este resultado con (5. Determine las relaciones de expansión del ancho de banda y las ganancias de conversión correspondientes. 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 . La señal m( t ) = 10sinc(10 4 t ) se va a modular en PDM en la forma mostrada en la Fig. 5.29 y 5. PDM y PPM.23. La señal m(t ) = 10 cos 2 (5x10 3 πt ) se va a modular en PAM. demuestre que B MIN ≈ 2 f m Vp Vp + A − | min m(t)|-Vu = β m f m . Fig.4 se calculó la ganancia de conversión en PPM suponiendo que los impulsos tenían forma trapezoidal. La relación de trabajo del tren de impulsos sin modular es de 0.2. podemos ver que el comportamiento del sistema PPM que utiliza impulsos en coseno elevado es superior en 8.431 V. Suponga que |min m(t)|= A / 2 .17.18 dB al que utiliza impulsos trapezoidales. y su ganancia es unitaria. .30.216) (5. 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 ) . (c) Si la banda de paso del filtro está entre 3f m y 5f m . En la Sección 5. Utilizando el mismo procedimiento.

Demuestre que el ancho de banda del sistema PCM es de 40 kHz. ambos NRZ.23. (a) Demuestre que el ancho de banda mínimo del sistema PAM es de 8 kHz.37 mV y que la relación de postdetección S o / N o = 48. a partir de la expresión (5. (c) Demuestre que en PAM se cumple que As = 2A sen(πτf s ) π (5. como mínimo. o con el circuito de la Fig. 5. 5. 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 ) (5.16 dB . de 60 kbytes. La señal se va a muestrear. en el sistema PPM hay que transmitir también la información de temporización. (b) Si cada muestra se ha codificado en 8 impulsos PCM binarios.61. (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. de (5. Una señal de audio tiene una frecuencia máxima de 3. . convertir en PCM binario y almacenar en la memoria de una computadora. Esto se puede efectuar mediante un filtro pasabanda muy angosto centrado en fs . Esto quiere decir que si m' (t ) ≠ 0 .220) Se aplican las mismas observaciones que en la parte (b).218) Obsérvese que la amplitud As varía en el tiempo en función de la derivada de la señal mensaje. la información de temporización no puede extraerse de x PPM (t ) . demuestre que la capacidad de la memoria para almacenar la señal PCM debe ser. MODULACION Y TRANSMISION DE IMPULSOS 5.219) Obsérvese que ahora A s es constante.2 kHz. demuestre que la resolución del cuantificador es de 31.53). por lo tanto.22.60). Nótese que el ancho de banda en PCM es 5 veces mayor que el ancho de banda en PAM. Si el voltaje máximo de salida del cuantificador es de ± 8V . Su contenido espectral va desde CC hasta 500 Hz. (c) Repita la parte (b) cuando el cuantificador tiene 256 niveles. Como consecuencia. As = 2A J o (πτ 1 f s ) sen(πτ o f s ) π (5. (a) Demuestre. (b) Demuestre en la misma forma en PDM que la amplitud de la componente a la frecuencia de portadora f s es. 5. Una señal analógica tiene una duración de 1 minuto.432 V. 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. la componente a la frecuencia fs se puede extraer de x PDM (t ) .21.

y calcule su ancho de banda.27.433 V. La señal multiplexada compuesta se pasa por un filtro pasabajo ideal antes de la transmisión. siendo la frecuencia de muestreo igual a 64 kHz. El muestreo se efectúa al doble de la frecuencia de Nyquist. en las condiciones dadas.16 Hz. y determine los valores de x PAM (t ) para t = Ts y t = 2Ts . 5. con escalones de 10 mV de amplitud.17f m .05 ⋅ [1 − cos(10πt )] se aplica a un modulador Delta cuya frecuencia de muestreo es de 100 Hz.42. La señal m(t ) = 0.28. Si la relación Señal / Ruido de Cuantificación es de 30. Por consiguiente. (b) Repita (a) si las M señales se multiplexan en la forma mostrada en la Fig. y ⎡ So ⎤ vs ⎢ ⎥ ⎢ ⎥ ⎣ N q ⎦ DM ( dB) βm . Se quiere comparar los sistemas PCM y DM mediante el factor de expansión del ancho de banda β m = B / f m .24. el ancho de banda en DM es 32. 5. 5. (a) Demuestre que el factor de expansión del ancho de banda es igual a 20. 5.5 V.761 dB. entre t = 0 y t = 100 ms. 5.26. 5. m(t) y x ∆ ( t ) en la forma mostrada en la Fig. 5.8 veces el ancho de banda en PCM. todas de banda limitada f m se muestrean instantáneamente y se multiplexan en TDM. (b) Demuestre que la relación So/No máxima es de 21. A un modulador Delta se le aplica la señal m(t ) = sen(2πx10 3 t ) . La señal m(t ) = 5 + 20 cos 2 (10 4 πt ) se quiere modular en PAM (RZ) con una relación de trabajo de 0.25.2. MODULACION Y TRANSMISION DE IMPULSOS 5. demuestre que BPCM = 10f m y BDM = 328. Se desea comparar los anchos de banda de transmisión requeridos en PCM y DM en el caso de modulación sinusoidal.47(b). ⎡S ⎤ Grafique ⎢ o ⎥ ⎢ ⎥ ⎣ N q ⎦ PCM ( dB) Discuta los resultados.099 dB en ambos sistemas. (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. Determine también la ganancia de conversión en el receptor. la cual es producida por una frecuencia de muestreo de 314. Demuestre que el valor óptimo teórico de la amplitud del escalón ∆r es de 0. M señales pasabajo. (a) Dibuje cuidadosamente las señales m(t ).: B = 2Mfm/RT] (c) Haga un diagrama de bloques del receptor para recuperar las M señales individuales. siendo RT el ciclo de trabajo de la señal PAM/TDM [Resp.09817 y que la correspondiente relación So/No es de 21. (c) Si la señal PAM se codifica (forma unipolar) en PCM de 32 niveles y resolución 0. dibuje la señal PCM entre 0 y 75 µseg . (b) Dibuje con cuidado la señal PAM entre 0 ≤ t ≤ 130 µseg.92 dB.29.

5. mientras que en los impulsos de pare la duración es el doble. Fig. 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. Demuestre que en este caso la velocidad de modulación es Vb = 20Mf m baudios. 5. Este multiplexor se puede instrumentar en la práctica con circuitos integrados 4016. En este caso determine la frecuencia de reloj del registro de desplazamiento y el ancho de banda mínimo de la señal transmitida. m1 ( t ) ∆Q.434 V. cuya salida ABCD se muestra en la Tabla inserta. El error máximo tolerable en la codificación es del 0.9. MODULACION Y TRANSMISION DE IMPULSOS (d) La señal PAM/TDM compuesta se codifica en ASCII sin bit de paridad. 5. N y n .30. Vqmax . m 2 (t ) = AΠ ( ). 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. (a) Determine las características del convertidor analógico-digital: Sugerencia: utilice los resultados del Ejemplo 5. ). m 3 (t ) = A ⎢ Λ ( τ/2 τ τ/4 τ/4 ⎥ ⎦ ⎣ .1957% del valor máximo de m(t). El impulso de arranque tiene la misma duración que los impulsos PCM NRZ. 5.37(a). Las compuertas analógicas 4016 conducen cuando son activadas en secuencia mediante un contador cíclico. (b) En el registro de desplazamiento se agrega un impulso de arranque (siempre a “CERO”) y uno de pare (siempre a “UNO”).103 se muestra un sistema TDM básico para cuatro señales.31.103. Al multiplexor entran las siguientes señales: m1 (t ) = AΛ ( t−τ/2 t−τ/2 t − 3τ / 4 ⎤ ⎡ t−τ/4 ) + Λ( ) . Suponga que el muestreo de m(t) se ha efectuado al doble de la frecuencia de Nyquist. 5. la cual se transforma en serie mediante un registro de desplazamiento. En la Fig. (c) Grafique la forma de las secuencias PCM NRZ correspondientes a t = 0 y t = Ts.

y a continuación la señal PAM / TDM se codifica en PCM. Suponga que τ = 0. (f) ¿Cuál es el valor de la frecuencia f pcm ? 5.32. m3(t) y m4(t). m3(t) y m4(t).4. 4 3 m 2 (t ) = 10sinc(10 4 t ) .100 del problema anterior. Las señales m1(t) y m2(t) tienen un ancho de banda de 80 Hz. (b) Demuestre que el sistema de dos etapas puede procesar hasta 8 señales de 80 Hz sin variar las frecuencias de muestreo. m2(t). Las señales m1 (t ) = 5 cos(10 4 πt ) . (c) Diseñe un sistema de recepción para la recuperación de las diferentes señales.8 seg y que la frecuencia f s es τ 2 τ de 10 Hz. .33. (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. y un multiplexaje final de m12(t). dibuje la forma de la señal PAM / TDM NRZ a la entrada del codificador PCM desde t = 0 hasta t = 4 Ts . m 4 (t ) = (a) Describa el funcionamiento del circuito completo. (a) Demuestre que la frecuencia de muestreo para el proceso previo de m1(t) y m2(t) es de 300 Hz. (a) Demuestre que el ancho de banda mínimo del canal para transmitir la señal PCM es de 800 kHz. (e) Calcule el ancho de banda mínimo del canal para transmitir la señal PCM / TDM NRZ. se multiplexan en TDM en la forma mostrada en la Fig. 5.36x107 bits. mientras que las señales m3(t) y m4(t) tienen un ancho de banda de 1 kHz. La frecuencia de muestreo para m3(t) y m4(t) es de 2400 Hz. m 3 (t ) = 10sinc 2 (10 4 t ) y m 4 (t ) = 20 cos(10 πt ) cos(2x10 πt ) . (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 = 16.14(b)). Diseñe un sistema PAM / TDM que efectúe un multiplexaje preliminar de m1(t) y m2(t) en una señal compuesta m12(t). 5.435 V. (b) Si A = 1. (b) Demuestre que la cantidad de información que el sistema puede transmitir en 1 minuto es de 3. Suponga que las otras frecuencias de muestreo se pueden obtener mediante división por potencias de 2 a partir de 2400 Hz. MODULACION Y TRANSMISION DE IMPULSOS 2πt A t−τ/2 [1 + cos( )] ⋅ Π ( ). código ASCII sin bit de paridad (Fig. dibuje la forma de la señal PCM / TDM NRZ a la salida del codificador PCM desde t = 0 hasta t = 2Ts . En un sistema de telemetría PAM / TDM se multiplexan cuatro señales pasabajo m1(t). ¿Es diferente del ancho de banda de cuando se transmite sólo 2 señales de 80 Hz más las dos señales de 1 kHz? Explique.

35. T donde k es la constante de la expresión (5. 5.105. T = 1 seg.36. 5. 5. 5. La t −T/2 señal de entrada es un impulso de la forma v( t ) = AΠ ( ) .34. es decir. T = 1 seg. El impulso coseno elevado de la Fig. El ruido de entrada tiene una densidad espectral de potencia S n (f ) . MODULACION Y TRANSMISION DE IMPULSOS 5. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. 5.105 se aplica a un filtro acoplado. (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. η = 10-6 W/Hz. 5. 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. el ruido es blanco con η = 10-6 W/Hz y k = η/2.751 dB .104. una red donde la entrada sea x ( t ) = AΠ ( ) y la salida tenga la forma τ A t 2πt y (t ) = [1 + cos( )] ⋅ Π ( ) . el ruido es blanco de T densidad espectral η/2 y k = η/2.134).436 V. 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 ⎣ ⎦ ⎣ ⎦ . Se desea construir una red lineal que convierta impulsos rectangulares en impulsos coseno t elevado.104. El ruido de entrada es blanco de densidad espectral η/2 y k = η/2. Vamos a comparar el comportamiento entre un filtro pasabajo RC y un filtro acoplado.239 dB . demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78.37. (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. (b) Si A = 10. La señal de entrada a un filtro acoplado tiene la forma mostrada en la Fig. T (b) Si A = 10.

19. en dB. demuestre que la relación S/N máxima a la salida del filtro RC es z max = | v o ( T ) |2 = 75. (b) Demuestre que si la velocidad de información se reduce a 300 bps. En la expresión (5.42 dB. El ancho de banda útil del canal es de 10 MHz.8 Mbps y se utiliza modulación ASK.39. 5. para los mismos valores de la parte (c).01 dB . 5. (a) Demuestre que las probabilidades de error son: En ASK Coherente: En ASK no Coherente: Pe = 1.0306x10-10 . Sobre un canal telefónico de 3 kHz de ancho de banda se transmite datos binarios.147) y Fig. es z max = 83. Se considera ASK Coherente. RC = 10 y η = 10-6 W/Hz. 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. Sugerencia: utilice el mismo procedimiento del Ejemplo 1. A = 10.339x10-3 . su relación S/N máxima de salida es superior en 7. (a) Demuestre que la potencia contenida dentro del ancho de banda B = 2 f b .969 dB.437 V. 5.40. (a) Demuestre que la velocidad de información máxima en el canal es de 1500 bps y que la probabilidad de error es de 2.0206 dB.38. se da la densidad espectral de potencia de una señal ASK para una secuencia binaria unipolar NRZ.1068x10−6 (b) Demuestre que el valor. (b) Demuestre que el 50% de la potencia total de la señal ASK se va en transmitir la componente continua o portadora. .62. La relación S/N máxima en el canal es de 6. la probabilidad de error será de 1.672 x10 −7 Pe = 1. La velocidad de información es de 4. centrado en f c . 5. de la relación S/N en la antena es de 10. Nótese la superioridad del filtro acoplado: en las mismas condiciones que el filtro RC. Se transmite datos binarios por un canal de RF.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. 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. es el 95% de la potencia total de la señal ASK.

. B = 1200 Hz.882x10-9 . determine la amplitud de la portadora y la probabilidad de error en ASK.5 mV y la densidad espectral de ruido en el sistema es de 10-11 W/Hz. FSK y PSK Coherentes.0206 dB. 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. Compare los resultados. (c) Para la velocidad de información calculada en (b). ⎡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. f1 = 1070 Hz y fo = 1270 Hz. FSK y PSK. fd = 300 Hz Pe = 2. La relación S/N en el canal es de 6.43. fc = 1800 Hz. (a) Demuestre que para una misma probabilidad de error Pe y en modulación coherente. 5. (a) Demuestre que la capacidad teórica máxima del canal es C = 9667 bps.158x10-3 Ancho de banda del filtro de entrada. demuestre que las probabilidades de error son: En FSK Coherente: En PSK Coherente: Pe = 2. 5. igual que el Módem UIT-T V. Repita para este Módem Bell los cálculos efectuados en el Ejemplo 5. de amplitud de portadora A y frecuencia de señalización fb.41. parte (b).42.438 V.339x10-3 Pe = 9.18. 5. (b) Se utiliza las técnicas FSK y PSK. Demuestre los siguientes resultados: frecuencia de portadora. Probabilidad de error en FSK Coherente: Probabilidad de error en FSK no Coherente: desviación de frecuencia. y en la banda superior. Las frecuencias de transmisión son f1 = 1500 Hz y fo = 2100 Hz.44. Un canal ideal tiene un ancho de banda útil de 3 kHz. f1 = 2025 Hz y fo = 2225 Hz. El Módem Bell 102/113 transmite a 300 bps. pero sus frecuencias de operación son: en la banda inferior.229x10-5 Pe = 3. Se utiliza un modem que trabaja a una velocidad de modulación de 300 baudios. La potencia de ruido en los tres sistemas es la misma. la velocidad de transmisión de 1200 bps y la densidad espectral de 10-10 W/Hz. La amplitud de la portadora es 0.21. El ancho de banda útil del canal es de 3 kHz. Demuestre que la velocidad de información máxima que el canal puede soportar es de 1500 bps. Sobre un canal se transmite datos binarios en FSK. MODULACION Y TRANSMISION DE IMPULSOS 5. Sea los sistemas ASK.

75. (b) Repita (a) si el primer dígito es un “1” y la fase es 0o. construya una Tabla de valores como la mostrada en la Fig. f1 = 1100 Hz. En la Fig. Hz (a) Demuestre que los valores apropiados de la frecuencia de portadora y de las frecuencias fo y f1 son: fc = 1800 Hz.767x10-2 (d) Demuestre que la capacidad teórica máxima de este canal es C = 3170 bps. 5. MODULACION Y TRANSMISION DE IMPULSOS 5.46.98 mV.48.439 V. 5. La relación S/N en el canal es igual a 3.47.106.108 se muestra el diagrama de bloques de un receptor PSK binario. 5. 5. 5.275x10-2.108. y por el cual se va a transmitir información binaria a 300 baudios en FSK. fo = 2500 Hz (b) Demuestre que la amplitud de la portadora es de 0.45. 5. 5. 5. Q A B fb clk FF D C Entrada Salida C = A⋅ B+ A B Fig.73 se le aplica una secuencia binaria de la forma 1101000110.106. (c) Demuestre que las probabilidades de error en FSK Coherente y no Coherente son: Coherente: Pe = 2. H(f) 1 f -2800 -800 0 800 2800 Fig. . En la Fig. Determine la secuencia de salida (mensaje codificado) del codificador y las fases de la señal modulada DPSK. No se muestra el sincronizador de temporización.01 dB y la densidad espectral de potencia del ruido de 2x10-10 W/Hz. 5. Al codificador diferencial de la Fig. 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.107 se muestra otra forma de codificador diferencial. Se dispone de un canal cuya respuesta de frecuencia se muestra en la Fig. Suponga que el primer dígito es un “0” y que la fase correspondiente es 0o . (a) Utilizando los mismos datos del problema anterior. 5. 5.107. No Coherente: Pe = 6.

MODULACION Y TRANSMISION DE IMPULSOS Suponga que x PSK ( t ) = A cos(2 πfc t − φ i ) . viene dado A3 por v d (t) = cos( φ i ) 4 (b) Establezca un algoritmo de decisión apropiado para el comparador.: A2 = 7. “ “ “ “ “0” . FSK. 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. Los filtros FI 1 y FI 0 son pasabanda. Calcule las potencias pico y promedio de la señal. En la Fig. (a) Demuestre que la velocidad de información de las secuencias PCM es de 56 kbps. Tabule y compare los resultados. cuando se transmite un “1” fo = 1700 Hz. Un receptor de este tipo se denomina “receptor heterodino”. 5. Una señal de voz se va a transmitir en PCM por microondas.496x109 Hz. f0 = 1. La señal de entrada vc (t) se puede escribir en la forma v c (t ) = A c cos[2π (f c ± f d )t ] .309 dB] 5. con una densidad espectral de ruido de 2x10-10 W/Hz y una probabilidad de error de 3. y las frecuencias de transmisión son: f1 = 1300 Hz.038x10-8? El ancho de banda del canal es el calculado en (d) y la detección es no coherente [Resp. (d) Si la transmisión se hace en FSK binaria con una desviación de frecuencia de 40 kHz y una frecuencia de portadora de 1. centrados en las frecuencias fI1 y fI0 . y DPSK. En el Capítulo VI estudiaremos este concepto con más detalle. todos de igual duración.216x10-5 . en ASK.49. PSK. tanto coherente como no coherente. respectivamente. a una velocidad de 1000 bps. 5.5 GHz. 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. así como las correspondientes relaciones S/N.504x109 Hz.51. como veremos en el Capítulo VI.440 V. 5. Demuestre que las frecuencias de operación y el ancho de banda de transmisión son: f1 = 1.109 se muestra un receptor FSK. (a) Demuestre que el voltaje de entrada al comparador. Si/Ni = 12. ¿Cuál será la potencia pico de la señal recibida FSK y la relación S/N correspondiente si la probabilidad de error es de 2.50. en un intervalo Tb dado. donde fI0 > fI1 . Demuestre que el ancho de banda mínimo del canal es de 128 kHz. cuando se opera sobre un canal de 3 kHz de ancho de banda. 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. (b) Si las secuencias son PCM NRZ demuestre que el ancho de banda de base es de 64 kHz.079x10-8 W .

Analice el sistema y determine los valores apropiados de las frecuencias fI1 .751 5.441 V. Demuestre que B B = B M log 2 M . (b) Sea PB la potencia de señal en binario y PM la correspondiente en M-ario.53.fI1 ) < 2 kHz 5. es decir. (a) Para una probabilidad de error Pe cualquiera. demuestre que PMDPSK = 1 sen 2 (π / M ) PMPSK 2 sen 2 (π / 2M ) (b) Verifique que si M >> 1. entonces PMDPSK → 2 ⋅ PMPSK . donde fc es la frecuencia de portadora 2 1 kHz < (fI0 . Relaciones entre PSK M-ario y DPSK M-ario.6297 para erfc(x2 ) = 10-4 → x2 ≈ 2. Relaciones entre PSK M-ario y PSK Binario. 109. el sistema DPSK M-ario requiere un aumento de 3 dB de potencia sobre el requerido para PSK M-ario. 5. sujeto a las condiciones siguientes: 1.52. 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. Que f I 0 + f I1 = f c . . Sea PMPSK la potencia de señal en PSK M-ario y PMDPSK la correspondiente en DPSK Mario .094 ⋅ PB cuando Pe = 10-4 Nota: para erfc(x1 ) = 2x10-4 → x1 ≈ 2. (a) Sea BB el ancho de banda en binario y BM el correspondiente en M-ario. fI0 y fo . Demuestre que PM = π [log 2 M]sen 2 ( ) M 1. Que 2.

795x10-7. 110 → φ 7 = −135 o . La probabilidad de error debe ser de 10-5. (b) Dibuje la señal PSK 8-aria de salida cuando la secuencia de entrada al modulador es de la forma 001010111100.57. La velocidad de información de la secuencia binaria de entrada a un modulador PSK 8-ario es de 4800 bps. 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.55. (a) Dibuje el Diagrama de Fresnel correspondiente. ángulos de desfase en la forma siguiente: 00 → φ 1 = 0 o .56. .. La secuencia binaria de entrada a un modulador DPSK 4-ario tiene una velocidad de modulación de 1200 baudios. Si se considera la señal FSK M-aria como si estuviera formada por M señales de frecuencia fi . 11 → φ 3 = 180 o . demuestre que la nueva probabilidad de error es Pe = 5. 001 → φ 2 = 0 o .442 V. el ancho de banda del canal de 3 kHz. M. (b) Demuestre que la amplitud de la portadora es de 4.893 mV y que la probabilidad de error es Pe = 9. .021 dB.86. la relación S/N de 13 dB y la densidad espectral de ruido de 10-10 W/Hz. 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 . (b) Demuestre que la relación S/N en el canal es de 9. para i = 1. 5.294x10-4 . utilice los valores aproximados de la Fig. 101 → φ 6 = −45 o . 010 → φ 3 = 90 o . 3. 5. El modulador toma bloques de L = log2 4 = 2 dígitos binarios y le asigna a cada dupla de dígitos. 5. el sistema que mejor se adapte a la situación en la cual Ud. está trabajando. 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 .. Haga el dibujo con cuidado para poder distinguir los cambios de fase.. siendo fb la frecuencia de señalización a la entrada del modulador. 01 → φ 2 = 90 o .54.208 dB y que la probabilidad de error es Pe = 7. 011 → φ 4 = 135 o 100 → φ 5 = −90 o . MODULACION Y TRANSMISION DE IMPULSOS 5. (a) Dibuje el Diagrama de Fresnel correspondiente. donde f s = f b / log 2 M . Haga el dibujo con cuidado para distinguir los cambios de fase. ∆f = 1. la amplitud de la portadora de 1 mV y la densidad espectral de ruido de 10-11 W/Hz. 10 → φ 4 = 270 o La frecuencia de portadora es de 1800 Hz.5f s . 2. separadas en ∆f. 111 → φ 8 = 180 o La frecuencia de portadora es de 1600 Hz.041x10-23 y que la relación S/N ha aumentado en 6. ⎡S⎤ ⎡S⎤ Determine las relaciones ⎢ ⎥ y ⎢ ⎥ y los correspondientes anchos de banda.. Elija Ud. el ancho de banda del canal es de 3 kHz. 5. (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. En ⎣ N ⎦ PSK ⎣ N ⎦ FSK PSK hacer B c = 2 f s y en FSK.

081x10-6. En particular. Nótese entonces que para que la interferencia pueda causar algún daño se necesitan grandes potencias de transmisión.59. la potencia de la señal interferente debe estar.4. MODULACION Y TRANSMISION DE IMPULSOS 5.58. 5. Se desea que la probabilidad de error esté por debajo de 1. donde N es la ganancia de procesamiento.081x10-6. demuestre que con una ganancia de procesamiento de 2048 el sistema puede atender hasta 184 usuarios. Demuestre que para ser efectiva. a 19.5 dB por arriba de la potencia de la señal útil. . Utilice la Tabla del Apéndice D. Haga una gráfica del número de usuarios M vs N. En un sistema PSK/DSSS la ganancia de procesamiento es de 1000.443 V. En un sistema CDMA se desea una probabilidad máxima de 1. como mínimo.

MODULACION Y TRANSMISION DE IMPULSOS .444 V.

Las señales continuas que queremos transmitir. La modulación es la base de las técnicas de multiplicidad en frecuencia (FDM). de una señal mensaje m(t) pasabajo. música. 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. incluyendo las señales de audio. pertenecen a un conjunto numerablemente infinito de posibles mensajes cuyas formas de onda no conocemos. Estos son: (a) Desplazamiento de frecuencias a un punto o banda dado. Sin embargo. pero resulta que la mayoría de los canales (incluyendo los dispositivos electrónicos) son de naturaleza pasabanda. Si el canal es el espacio libre. video. sobre un canal dado. Supondremos también que el ancho de banda de la señal mensaje es mucho menor que la frecuencia de la portadora. En radiodifusión en onda media.CAPITULO VI MODULACION Y TRANSMISION DE SEÑALES CONTINUAS 6. Aunque el requerimiento primario del proceso de modulación es el de traslación o conversión de frecuencias. sea que las señales sean digitales o analógicas. En altas . INTRODUCCION En el Capítulo V se hizo énfasis en los sistemas de comunicación digitales debido a su creciente importancia en la transmisión de información. pero las frecuencias de portadora van de 535 hasta 1605 kHz.. donde cada miembro del proceso corresponde a una forma de onda o señal mensaje. Muchas señales. se necesita antenas para irradiar y recibir las ondas electromagnéticas de las señales mensaje. contienen componentes de frecuencia inferiores a 1 kHz.1. por ejemplo. las señales analógicas podrían ser transmitidas directamente en banda de base. y en el Capítulo V