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

5.2.5. Pares de Transformadas de Hilbert C.1.4.1.5.4. Comparación entre los Sistemas de Modulación Angular 530 6.3.7.2. La Transformada de Fourier Discreta (DFT) A. Cálculo Numérico de los Coeficientes de Fourier A.1. COMPARACION ENTRE LOS SISTEMAS DE MODULACION DE SEÑALES CONTINUAS 531 6.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. 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.5. Características Generales de los Sistemas de Modulación de Ondas Continuas 536 6.5.4.6. Pares de Transformadas de Fourier C. Bandas de Televisión (NTSC. Código ASCII o Alfabeto Internacional N 5 de la UIT-T B. Bandas de Televisión (NTSC. La Transformada de Fourier Rápida (FFT) APENDICE B MISCELÁNEOS B.3.5. Teoremas de la Transformada de Fourier C. RESUMEN PROBLEMAS DE APLICACIÓN APENDICE A CALCULO NUMERICO DE LAS SERIES Y TRANSFORMADAS DE FOURIER A.2.3. El Espectro Electromagnético 567 567 568 569 570 570 570 570 571 568 B. CATV) en UHF o B. Comparación entre los Sistemas de Modulación Angular vs Modulación Lineal 532 6. Otros Teoremas de Interés 571 569 . Criterios de Comparación 531 6. Intercambio “Ancho de Banda-Relación S/N” en Sistemas de Banda Ancha 532 6.6.5.5.4 Comparación entre los Sistemas de Banda Ancha 534 6. Código Baudot APENDICE C TRANSFORMADAS C.2. CATV) y FM en VHF B.3.1.

Integrales Indefinidas D.4.3. Integrales Definidas D. Identidades Trigonométricas D.1.xii APENDICE D FORMULAS MATEMÁTICAS D.2. La Función Error BIBLIOGRAFÍA 574 573 573 572 572 572 575 .

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

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

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

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

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. sería interesante conocer algo de sus orígenes históricos y de los hombres que han sobresalido en su estudio y desarrollo. Como todos sabemos. frecuencia. INTRODUCCION El propósito de un sistema de comunicación es el de transmitir información. Morse emprendió la tarea de construir una línea con cable subterráneo. . etc. La transmisión de un programa de opinión por un medio de transmisión de masas también es comunicación. desde el punto de vista que nos ocupa. no pueden diferenciarse en el extremo receptor. y un receptor para recoger la información. Este es un error muy frecuente aún en personas técnicamente calificadas. como se indica en la Fig. se recibe en el extremo alejado del circuito un impulso de corriente mucho más largo. el código Morse de telegrafía consta de puntos y rayas cuyas combinaciones se asignan a los símbolos del alfabeto (letras y números). 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. estos puntos y rayas. puede suceder que se reciba una señal difícil de interpretar. una fibra óptica. 1. con su cable subterráneo. circuitos diferentes que conduzcan igualmente una corriente continua. cuando se transmite un corto impulso de corriente. Samuel Morse (1791-1877) logró la primera forma eficiente del telégrafo eléctrico. En efecto. 1. Hay un gran número de aplicaciones en las cuales la palabra “comunicación” se emplea indistintamente. un cable coaxial. que básicamente son impulsos. no son necesariamente adecuados para una comunicación eléctrica en donde las corrientes son esencialmente variables.1(b).CAPITULO I REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. corriente. Sin embargo. desde una estación remota hasta el puesto de control es comunicación. La palabra “comunicación” parece privativa del ingeniero de comunicaciones o de los medios de comunicación de masas. la transmisión de datos a través de un cable coaxial en un sistema de automatización industrial es también comunicación. En 1843. La transmisión de medidas de voltaje. siguen siendo todavía un problema importante. cuando se transmite una señal clara y distinta. Un sistema de comunicación comprende un transmisor. Asimismo.. Si se transmite puntos y rayas demasiado a prisa por cable subterráneo. y siendo la comunicación tan diversa y tan importante. muy disperso. pero encontró ciertas dificultades que más tarde afectaron a los cables submarinos aún más severamente. Como se indica en la Fig. Como estaremos hablando continuamente de comunicación. una guía de ondas o el espacio libre. En 1832.1. Las dificultades que Morse encontró.1(a). la palabra o palabras más apropiadas que describen el proceso son las de “transmisión de información”. El canal de transmisión puede ser un simple par de conductores. un canal sobre el cual la información se transmite.

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

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

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

es decir. Esto es verdad desde un punto de vista muy amplio y. Las señales determinísticas tienen propiedades bien conocidas además de que son más fáciles de generar y utilizar. conocidas como “señales determinísticas” y “señales aleatorias”. desde el punto de vista del análisis. Aunque el valor exacto en un instante dado no se conoce. Por ejemplo. diseño. una señal aleatoria es aquella en la cual existe un mayor o menor grado de incertidumbre en cuanto a un valor instantáneo futuro. Igualmente.5 I. por lo menos en lo que se refiere al destinatario.1) T es una constante positiva y es el valor más pequeño que satisface la expresión (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.2. es una señal determinística. .1). una señal no periódica es aquella para la cual no existe un T finito que satisfaga la expresión (1.2. Como veremos en Capítulo IV. Desde un punto de vista práctico estos argumentos no producen ninguna dificultad. En su definición más sencilla. 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. Son también señales determinísticas aquellas que no poseen una ecuación que las describa pero que están representadas mediante gráficos. El punto a resaltar es que el valor exacto de una señal determinística se puede predecir o calcular por adelantado. puede decirse que solamente las señales aleatorias proporcionan verdaderamente información. En términos más formales.2. Señales Periódicas y no Periódicas Una señal periódica es aquella que se repite en una forma predecible cada T segundos. Una señal no periódica o aperiódica se puede considerar como el límite de una señal periódica cuanto el período T tiende a infinito. no solamente es deseable sino también necesario utilizar señales determinísticas para analizar el sistema y predecir su comportamiento. donde T es el período de repetición de la señal. En el Capítulo III se presentan algunos fundamentos de las variables y procesos aleatorios. Sin embargo.1. 1. puesto que las señales determinísticas pueden ser totalmente conocidas de antemano. 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. por supuesto. Al intervalo de un período se le denomina también un “ciclo” de la señal.1). pero en los intervalos usuales de trabajo y para efectos de análisis. aunque la palabra “ciclo” se utiliza principalmente en señales sinusoidales. podemos argumentar que una señal aparentemente periódica deje de serlo después de un tiempo lo suficientemente grande.2. MODELOS DE LAS SEÑALES 1. x(t ) = x(t + T) para todo t (1. Las señales determinísticas se pueden representar mediante expresiones matemáticas explícitas del tiempo. prueba y operación de sistemas. todas las señales procesadas en un sistema de comunicación son de naturaleza aleatoria. una señal sinusoidal de la forma x(t) = Acos(2πfct) para todo t. Señales Determinísticas y Aleatorias En los sistemas de comunicación se encuentran dos clases amplias de señales. hay que considerar siempre una u otra representación.

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

En este tipo de señales hay que utilizar la ecuación (1. 1. Las señales de potencia finita tienen una energía infinita.2. aplicando (1.7 I.4). todas las señales periódicas son necesariamente señales de potencia. aunque tales señales sean no periódicas o tengan un comportamiento de carácter aleatorio. Vamos a verificar esto aplicando la expresión (1. por lo tanto no es una señal de energía. 1. hay muchas señales que tienen una potencia límite dada cuando T → ∞. a ♣ x(t) A Determinar si la señal x(t) de la Fig. La señal no es periódica pero puede ser de potencia.2 ∫ ∞ −∞ A exp(−2a| t|)dt = 2A 2 2 ∫ ∞ 0 A2 exp(−2at )dt = a joules Se verifica que E = ♣ Ejemplo 1. Evidentemente. En efecto. 1. El área bajo la señal es infinita. Se trata de determinar si la señal x(t ) = A exp(− a| t|) .3 t T →∞ lim 1 T ∫ T/ 2 A 2 dt = A2 2 W 0 . (b) Se dice que x(t) es una señal de potencia si y sólo si 0 < lim T →∞ ∫ T 1 T/ 2 −T/ 2 x( t ) dt < ∞ 2 (1.3. no es obvio si es o nó de energía.2 A2 < ∞ . por lo tanto x(t ) = A exp(− a| t | ) es una señal de energía. 0 Fig. de potencia o ninguna de las dos. no todas las señales de potencia son periódicas. En efecto.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. Fig. Por inspección. x(t) no es periódica.5) para su definición. Sin embargo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 0< ∫ ∞ −∞ x 2 (t )dt < ∞ lim (1. 1.3 es de energía. ♣ Ejemplo 1. es de potencia o de energía.5) a la señal de la Fig.8) lo cual implica que la energía de una señal de potencia es infinita (E = ∞). donde A y a son constantes y a > 0. pero como la curva se extiende hasta el infinito.1. A x(t) 0 t Fig. 1.

4 (b) Función Triángulo t En consecuencia. resultado ya obtenido en los cursos de Circuitos Eléctricos. fc y φ son constantes reales. ♣ ♣ Ejemplo 1. 2 Podemos decir también que una señal continua de amplitud A para todo t es una señal de potencia cuya potencia es A2. 1. fc A 2 ⎧ ⎨ < x (t ) >= f c A cos (2 πf c t + φ )dt = 2 ⎩ −1/ 2 fc 2 ∫ 1/ 2 fc 2 2 ∫ 1/ 2 fc −1/ 2 fc dt + ∫ ⎫ cos(4 πf c t + φ )dt ⎬ −1/ 2 f c ⎭ 1/ 2 f c La segunda integral de la derecha es cero pues la integración cubre dos períodos completos de la función por integrar. x(t) es una señal de potencia. por lo tanto. De (1. donde x( t ) = ⎨ ⎪0 para | t| > τ ⎩ Esta forma de señal es de uso muy frecuente.4(b). ♣ ♣ Ejemplo 1. Por inspección.3. Energía de una Señal Triangular ⎧ | t| ⎪A (1 − ) para | t| ≤ τ τ Sea la señal triangular mostrada en la Fig. x( t ) = AΛ ( ) . donde A. 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.4(a).4. 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.8 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A2 < ∞. 1. 1. La energía de x(t) será: E = 2 τ ∫A τ 0 2 t 2 (1 − ) 2 dt = A 2 τ joules τ 3 ♣ . sea o nó sinusoidal.6).9) donde A / 2 es el “valor eficaz” de la señal sinusoidal. Fig. La potencia promedio de una señal sinusoidal será entonces 2 A2 ⎡ A ⎤ < x (t ) >= =⎢ ⎥ 2 ⎣ 2⎦ 2 (1. Esto es válido para cualquiera señal. por lo que se ha definido la “función triángulo”. Potencia de una Señal Sinusoidal Se verifica entonces que < x 2 (t ) >= Sea la señal sinusoidal x(t ) = A cos(2πf c t + φ ) .

5(b).4.5(a). Las señales singulares más comunes en el análisis de señales y sistemas son la rampa. Potencia Promedio de una Señal Periódica Rectangular Sea la señal periódica rectangular mostrada en la Fig.2. Fig. la señal signo y el impulso unitario Delta Dirac. habiéndose definido la “función rectángulo”. estas señales pueden simularse en el laboratorio con mucha facilidad y aproximación. T ♣ Hay una clase de señales elementales cuyos miembros tienen formas matemáticas muy simples pero que son discontinuas o tienen derivadas discontinuas. Además. representada por ⎧ 1 ⎪1 para |t| ≤ 2 Re ct (t ) = Π(t ) = ⎨ ⎪ 0 para |t|> 1 ⎩ 2 Por consiguiente. generalmente se las denomina “señales o funciones singulares”. muchas señales complicadas pueden representarse como combinaciones de estas señales elementales.5. ellas sirven para varios propósitos de gran utilidad en el análisis de señales y sistemas.9 I. 1. Por último. de modo que puede determinarse experimentalmente si un sistema se comporta en la forma predicha por un análisis matemático previo. Debido a que estas señales no tienen derivadas finitas de ningún orden. Esta forma de señal también es de uso muy frecuente. 1. 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 primer lugar. Aunque este tipo de señales no son sino idealizaciones matemáticas y no ocurren naturalmente en un sistema físico. . no por eso menos importante. sirven como aproximación de señales que verdaderamente ocurren en los sistemas cuando se efectúan operaciones de tipo conmutativo. En segundo lugar. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Señales Singulares τ se la denomina “ciclo o relación de trabajo”. 1. 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. rectangular x(t) será < x 2 (t ) >= 2 T t x(t ) = AΠ( ) en T . su forma matemática más simple permite efectuar cuantitativamente el análisis de un sistema con mucha más facilidad que si se emplearan señales más complicadas. el escalón unitario.

u(t). se muestra en la Fig. Formas diferentes de la Rampa. 1. r (t ) = u ( t ' ) dt ' −∞ ∫ t (1. Para un cambio de escala en el eje t. . u ( at ) = u ( t ). 1.8. se muestra en la Fig. 1. como la pendiente de r(t) es la unidad.7. Si se desea que la pendiente sea distinta de la unidad.10) Fig. se puede decir que r (t ) = t u(t) . es decir. 1. Una forma matemática para cambiar la pendiente es mediante un cambio de escala en el eje t. su valor debe ser la unidad siempre que su argumento sea la unidad.8 y se define en la forma ⎧1 para 0 ≤ t u(t ) = ⎨ ⎩ 0 para t < 0 (1. r(t). 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. El Escalón Unitario u(t) 1 t 0 El escalón unitario. d u(t ) = r (t ) (1.13) dt De las definiciones de rampa y escalón unitario. es decir. En la Fig. por lo tanto. 1.7 se representa diferentes formas de la rampa. en cuyo punto no existe una derivada. por lo tanto. pero u(at . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La Rampa Unitaria r(t) 1 0 1 t La rampa unitaria. br(t) y r(bt) representan rampas cuyas pendientes son iguales a b.6. En efecto.6 y se define en la forma siguiente: ⎧t r (t ) = ⎨ ⎩0 para para 0≤t t<0 (1.9 se muestran diferentes representaciones del escalón unitario.12) Esta expresión es válida para todo t.11) Fig. excepto t = 0. 1. 1.10 I. bastará multiplicar por una constante. br(t) es una rampa de pendiente b.t o ) = u ( t − to a ) Puede observarse que la rampa es la integral del escalón unitario. En la Fig. La Rampa Unitaria. El Escalón Unitario.

10.15) En la Fig.10 y la vamos a definir en la forma siguiente: ⎧1 para 0 ≤ t sgn(t ) = ⎨ ⎩ -1 para t < 0 (1. se representa en la Fig. 1. El lector puede verificar que las señales x(t) y z(t) de la Fig. .12 se pueden representar en la forma x ( t ) = Π( t 1 ) = u(t + τ ) − u(t − τ ) = u(t + τ )u(− t + τ ) = [sgn(t + τ ) − sgn(t − τ )] 2τ 2 z (t ) = − r (t + 1) + 2r (t ) − r (t − 2) − u (t − 3) . sgn(at ) = sgn(t ). es aquella que cambia de signo cuando su argumento pasa por cero. 1. La Función Signo La función signo. 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. escalón y signo. pero sgn(at . Usando combinaciones de las funciones rampa. 1.11 se muestran algunas representaciones de la función signo. es posible representar otros tipos de señal.t o ) = sgn(t − La función signo es una función impar de t.u(-t) (1.11. 1. Formas del Escalón Unitario. − A sgn(t + t o ) = A sgn(− t − t o ) −t o 0 t sgn( t − t o ) 1 0 to -1 t 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) .9. sgn(t). to ).1. Función Signo Para un cambio de escala en el eje t.14) 1 0 sgn(t) t -1 Fig. Formas de la Función Signo.11 I. 1.

El Impulso Unitario Delta Dirac (1. 1. no es una función en el sentido matemático usual. En efecto. Por definición. Se pueden interpretar diciendo que δ(t . Quiere decir también que los coeficientes constantes que afecten el impulso unitario representan el “área” del mismo.17).13.12. Aún así es conveniente establecer algunas relaciones sin integrales como simplificaciones que pueden hacerse antes de la integración. Estas propiedades se han utilizado también para definir el impulso unitario.to) tiene área unitaria concentrada en el punto discreto to y área cero en cualquiera otra parte. Pertenece a una clase especial de funciones conocida como “funciones generalizadas” o “distribuciones”.17) La propiedad de muestreo del impulso unitario. el impulso unitario δ(t) no tiene ningún significado matemático o físico a menos que aparezca bajo el signo de integración.12 I. 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. se verifica que 1 δ( t ) t 0 ∫ ∞ −∞ x(t )δ(t − t o )dt = x (t o ) Fig. es de mucha aplicación en el análisis de señales y sistemas y la estaremos utilizando continuamente. representado en la forma δ(t). El impulso unitario Delta Dirac se define entonces mediante la integral ∫ ∞ −∞ x(t)δ (t)dt = x(t)|t =0 = x( 0) (1. expresión (1. y se define mediante un proceso o regla de asignación en vez de una ecuación. se puede demostrar la conocida “Propiedad de Muestreo o Cernido” del impulso unitario Delta Dirac.16).16) donde x(t) es una función cualquiera continua en t = 0. 1. ya que . Señales Compuestas. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t) 1 z(t) t -1 0 1 2 -1 3 1 t −τ 0 τ Fig. si x(t) es continua en t = to.13. Mediante un cambio de variables en la definición (1. 1. El Impulso Unitario Delta Dirac El Impulso Unitario Delta Dirac. El impulso unitario Delta Dirac se representa en la forma mostrada en la Fig.

11. A continuación damos. Aunque el impulso unitario no existe físicamente. Por ejemplo.19) y diferenciando ambos miembros de (2. Por ejemplo: t Π( ) = δ( t ) τ τ→0 τ lim ε → 0 πt 1 (1.20b) no son definiciones de δ(t) sino una consecuencia de la regla de asignación (1. estas expresiones establecen también que la derivada en una discontinuidad es un impulso unitario de área igual al valor absoluto de la discontinuidad. x( t )δ ( t ) = x( 0)δ ( t ).18) δ( at ) = to 1 | a| δ( t ) para a ≠ 0 ) a | a| En relación con la variable independiente t. la derivada de la función signo es d dt sgn(t ) = 2δ(t ) .16).21a) (1.20a) (1.20a) y (1. Cambio de escala en el eje t: pero δ( at − t o ) = 1 δ( t − (1. 4. por otro lado. 1. x( t )δ ( t − t o ) = x( t o )δ ( t − t o ) 2. algunas de esas relaciones.21b) (1. Pero.16).21c) lim ε sen( πt ε ) = δ( t ) 1 t lim exp[ −π ( ) 2 ] = δ(t ) ε ε→0 ε . δ(at) es un impulso unitario de área 1/|a|. ∫ δ(t ' )dt ' = u(t ) t −∞ (1.13 I. El caso especial cuando a = −1. d dt sgn( − t − t o ) = −2δ( t + t o ) Esta propiedad es particularmente útil en la diferenciación de señales discretas.19) δ( t ) = d dt u(t ) δ( t − t o ) = d dt u(t − t o ) (1. 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. de (1. Las expresiones (1. Se puede relacionar δ( t ) con el escalón unitario u(t). define la “propiedad de simetría par” del impulso unitario: δ( t ) = δ( − t ) 3. sin demostrarlas. y de la Fig.20b) y en general. el signo dependerá de si la discontinuidad es montante o bajante. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ellas son consistentes con lo que sucede después de la integración. 1. En efecto.

se puede utilizar para determinar la salida del sistema para cualquiera otra señal de entrada. Esta derivada. ∫ ∞ -∞ 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.22b) donde el asterisco indica “conjugado de”. Esto proviene del hecho de que la respuesta de un sistema lineal.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 . aunque en un sentido estricto la derivada no existe. Como se verá más adelante. en efecto. si ellas verifican la integral (llamada “producto interno”) ∫ t2 t1 x1 (t)x 2 (t)dt = 0 para x1 ( t ) ≠ x 2 ( t ) (1.21d) 5. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES B→∞ − B lim ∫ B exp(± j2πtf ) df = ∫ ∞ −∞ exp(± j2πtf ) df = δ( t ) (1. Señales Ortogonales Se dice que dos señales x1(t) y x2(t) son ortogonales en un intervalo (t1.5. porque permite relacionar la entrada con la salida. para dos señales x(t) e y(t). 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 ).22a) Si las señales x1(t) y x2(t) son complejas. se puede tratar δ(t) como una función ordinaria siempre que todas las conclusiones sean basadas en la regla de asignación (1. Esto lo veremos detalladamente más adelante.2.16). ∞ ∫ −∞ x ( t ) y( t )dt = 0 donde x ( t ) ≠ y( t ) (1. La ortogonalidad se puede extender a todo el eje t. además del empleo del impulso unitario en la representación de señales.14 I. 1. Derivada del Impulso Unitario Es posible definir una función que se puede interpretar como la “derivada” de un impulso. se puede definir axiomáticamente especificando un conjunto de condiciones las cuales debe satisfacer. él es de gran aplicación en el análisis de sistemas lineales. comúnmente denominada “doblete”. entonces la condición de ortogonalidad es ∫ t2 t1 ∗ x1 ( t ) x ∗ ( t )dt = ∫ x1 ( t ) x 2 ( t )dt = 0 2 t1 t2 (1. En consecuencia. la respuesta de un sistema a un impulso unitario se puede considerar como otro modelo matemático del sistema. t2). Si el doblete se designa como δ‘(t). cuando la entrada es un impulso unitario.

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

que veremos en el Capítulo VI.16 I. se muestra en la Fig.15. tiene muchas ventajas respecto al espectro unilateral y por ello lo utilizaremos exclusivamente. En este texto la tendencia será la de expresar los ángulos siempre en radianes. cos(θ) = x ( t ) = A cos(ω o t + φ ) = A 2 1 [exp( jθ) + exp( − jθ)] . Nótese que la Amplitud tiene simetría par. El espectro bilateral. 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. puesto que incluye frecuencias negativas. según la aplicación. respecto al eje real positivo del diagrama fasorial.25) que es la representación en “fasores conjugados” puesto que los dos términos de x(t) son conjugados entre sí. 1. 1. excepto en el caso particular al analizar los sistemas de modulación angular. Fig. (b) Los ángulos de fase se expresarán en radianes o en grados. 1. Esto es consecuencia directa de la representación en fasores conjugados. es decir. El espectro de líneas de la Fig. como se verá al avanzar en el texto. 1.15(b).14(b) está definido solamente para frecuencias positivas y por ello se le llama “espectro de líneas unilateral”.15(a). Las señales seno deberán convertirse en cosenos mediante la identidad sen(ωt ) = cos(ωt − π / 2 ) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Frecuencia y el otro de Fase vs Frecuencia. La representación correspondiente se muestra en la Fig. mientras que la Fase tiene simetría impar. . siendo ambos necesarios para representar sin ambigüedades en el dominio de la frecuencia un fasor definido en el dominio del tiempo. (b) Espectro de Líneas Bilateral El correspondiente espectro de líneas bilateral. 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. A partir de la ecuación de Euler. Pero esta representación se puede extender a todo el eje f de la manera siguiente.15(a): dos fasores de amplitud A/2 que giran en sentidos opuestos a velocidades de fo revoluciones por segundo. se puede escribir 2 exp( jφ ) exp( jω o t ) + A 2 exp(− jφ ) exp(− jω o t ) (1. 1.

sino también en qué proporción. 1. Esto lo justificaremos posteriormente. en este aspecto se puede considerar como una función de distribución en el dominio de la frecuencia. cuando aparezcan signos negativos. (d) En general. entonces x(t) = A. en el dominio de la frecuencia un filtro se puede representar mediante un gráfico Ganancia vs Frecuencia. es más importante que el “espectro de fase”. En efecto. 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). Esta es una descripción en el dominio de la frecuencia y por lo tanto se puede asociar con la noción de espectro.17 I.16 2 A3 A2 2 2 A1 2 A1 2 Ao A2 2 A3 2 A4 2 f4 f . éstos deberán ser absorbidos en la fase. El lector está familiarizado con el concepto de filtro. 1. Por ejemplo. cero. por definición. mientras que la fase será una función impar de f. Esto significa que cuando f → 0. que en lo sucesivo llamaremos “espectro de amplitudes”. En consecuencia. las líneas del espectro se acercan al origen. aunque podemos decir que el gráfico Amplitud vs Frecuencia. si f o = 0. el módulo del espectro de una señal x(t) será una función par y positiva de f. El espectro de amplitudes muestra el “contenido espectral o frecuencial” de una señal. como se muestra en la Fig. − A cos(ωt ) = A cos(ωt ± π ). formando una línea con el doble de amplitud. 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 “fase” de una componente continua será entonces. En efecto. Una componente continua puede describirse también en el dominio de la frecuencia. es indiferente que se tome el signo (+) o el signo (− ) . que es un dispositivo que deja pasar solamente aquellas señales cuyo contenido espectral está dentro de su banda de paso.16(a) para un filtro pasabajo de ganancia (o atenuación) k en la gama de frecuencias | f | ≤ B . pues el coseno es una función par. La cantidad B es la llamada “frecuencia de corte” o “ancho de banda” de este filtro ideal. El espectro de amplitudes no solamente muestra qué componentes de frecuencia están presentes. los gráficos de Amplitud y Fase son necesarios para describir completamente una señal sinusoidal. sea x ( t ) = A cos(ω o t ) . 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. 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. ¿cómo podría calcularse la potencia de salida del mismo filtro cuando se le aplica una señal periódica rectangular. Este es el objetivo del Análisis de Fourier. Entonces. SERIES Y ESPECTROS DE FOURIER Hemos visto cómo las señales sinusoidales puras se pueden representar en el dominio de la frecuencia. 1. 1. 1.4. Sin embargo. en muchos casos se tiene señales que. se puede calcular fácilmente su salida. en cualquier intervalo de duración T. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. la salida del filtro será y ( t ) = kA o + kA 1 cos(ω1 t ) + kA 2 cos(ω 2 t ) cuyo espectro se muestra en la Fig. tales como el seno o el coseno.16(c). en el caso donde f 2 <| B| < f 3 . 1. aunque periódicas.26) se sigue que para un entero k cualquiera (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. Pero.18 I.1) se dió la definición de señal periódica que repetiremos aquí con un ligero cambio en la notación. 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. así designado en honor del físico francés Jean Baptiste Fourier. 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. como se muestra en la Fig. son mucho más complicadas que las simples señales sinusoidales. en especial la potencia de salida.5 es una señal de este tipo. una señal periódica está definida mediante la expresión x T ( t) = x T ( t + T) donde T es el período de la señal.1. Definición En la expresión (1. Por ejemplo.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 ) . Las componentes fuera de banda son rechazadas.6 A la entrada del filtro de la Fig.4.16(b). 1. La señal x T (t ) puede considerarse como la repetición periódica de una señal x(t). como se muestra en la Fig. algunas veces llamada “señal generatriz o generadora” de x T ( t ). Cuando se aplican señales sinusoidales puras a un filtro cualquiera. para todo t real y para un T positivo. De (1. Por ejemplo. la señal periódica rectangular del Ejemplo 1.26) .17.

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

20 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

1.4.2. Series de Fourier

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

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

T/ 2

− T/ 2

| x T (t )| dt < ∞

(1.28)

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

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

x T (t ) = a o + 2

∑[ a
n =1

n

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

]

(1.29)

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

∫ T
1 1

T/ 2

− T/ 2 T/ 2

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

Componente Continua

(1.30) (1.31) (1.32)

∫ T

− T/ 2 T/ 2

∫ T
1

− T/ 2

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

21 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

x T (t ) = a o + 2


n =1

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

bn an

) bn

(1.33)

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

φ n = − arctg

∑| X
n =1

n |cos( 2 πnf o t

+ φn )

(1.35)

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

∑a
n =1

n

cos(2πnf o t )

(1.36)

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

x T (t ) = 2

∑b
n =1

n

sen( 2 πnf o t )

(1.38)

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

(1.39)

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

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

22 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

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

n =−∞

∑X
T/ 2

n

exp( j2πnf o t );

fo =

1 T

(1.41)

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

∫ T
1 1

− T/ 2

x T (t ) exp( − j2 πnf o t ) dt

(1.42)

Se puede desarrollar (1.42) en la forma Xn =

∫ T

T/ 2

− T/ 2

x T ( t ) cos( 2 πnf o t )dt − j

∫ T
1

T/ 2

− T/ 2

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

(1.43)

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

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

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

y de (1.43),

|Xn |= a 2 + b2 n n

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

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

∫ T
1

T/ 2

− T/ 2

x T (t ) dt = a o

es la componente continua

(1.45)

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

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

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

y

φ n = −φ − n

(1.46)

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

∑{| X |exp(− jφ
n n =1

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

}

23 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

de donde, o también,

x T (t ) = X o + 2

∑| X |cos(2πnf t + φ
n o n =1

n)

(1.47a) (1.47b)

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

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

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

x T (t )

A

-T -T/2 0

t T/2 T

Fig. 1.18. Señal Rectificada de Onda Completa.

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

Entonces,

x T ( t ) es par;
Xn =

φ n = 0. De (1.43),

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

Integrando y reemplazando valores numéricos

Xn = Xo =

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

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

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

24 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

1.4.3. El Espectro Discreto

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

| X5 |
-5 f o

|X 4 |

| X3 |

|X2 |

|X1|

|X2 | 2f o

| X3 | 3f o

|X4 | 4f o

| X5 |
5f o f

−4fo φ4 −4fo

−3fo −2fo

−f o

fo φn

φ5

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

φ2
−2fo

φ1 −f o
0

fo φ1

2f o

3f o φ3

4f o φ4

5f o f

-5 f o

φ2

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

φ5

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

25 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

x T (t ) = A

n =−∞

∑Π( t −τnT ) ;
Xn =

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

φ n = 0.

De (1.43),

∫ T
2

0

A cos( 2 πnf o t )dt =

Aτ sen(πnf o τ ) T πnf o τ

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

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

∫ T
1

T/ 2

− T/ 2

exp( ± j2 πft )dt =

∫ cos(2πft )dt = sinc(Tf ) T
2
T/ 2 0

(1.49) (1.50a)

−∞

sinc(ax )dx =

−∞

sinc 2 (ax )dx =
2

1 a

3.

n =−∞

∑sinc(an) = ∑sinc
n =−∞

( an ) =

1 a

(1.50b)

4. sinc(0) = 1;

sinc(m) = 0 para todo m entero ≠ 0

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

26 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

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

τ / T = 0,25

τ / T = 0,25

0

f

0

f

τ / T = 0,167
0 f 0

τ / T = 0,125
f

τ / T = 0,083
0 f 0

τ / T = 0,083
f

( b) T variable, τ fijo

(c) T fijo, τ variable

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

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

27 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

∫ T
1

T/ 2

− T/ 2

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

(1.52)

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

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

T/ 2

−T/ 2

x T ( t ) cos( 2πnf o t )dt =

2 T

∫x
0

T/ 2

T ( t ) cos( 2πnf o t ) dt

(1.54)

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

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

n =−∞

∑X

n

exp[ j2 πnf o ( t ± t o )] =

n =−∞

~ ∑X

n

exp( j2 πf o t )

(1.56)

28 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

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

T/2

−T/ 2

| x T ( t )|2 dt =

1 T

T/ 2

−T/ 2

x T ( t ) x ∗ ( t ) dt T

(1.58)

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

∑X

* n

exp( − j2πnf o t )

(1.59)

T/ 2

=

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

=

n =−∞

∑| X

n|

2

Entonces,

< x 2 ( t ) >= T

∫ T
1

T/ 2

− T/ 2

| x T ( t )|2 dt =

n =−∞

∑| X |
n

2

(1.60)

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

29 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

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

(1.61)

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

|Xn | =
2

220 2 (4 n 2 − 1)π

2

, de donde

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

30 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES

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

Distorsión Armónica % =

Potencia Espuria Potencia Util

∑| X |
n

2

100 =

n= 2

| X 1 |2

100

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

∑| X |
N n n=2

2

X2 o

100

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

El Factor de Rizado (FR %) será:

FR % =

∞) en términos de un continuo de señales exponenciales. A medida que T aumenta. 1. LA TRANSFORMADA DE FOURIER 1. 1. Como el período es T = 2. hay que utilizar otro tipo de descomposición para x(t). el intervalo de representación se hace más grande y cuando T es infinito la señal periódica se habrá convertido en aperiódica.1. pero exp( ± jπn ) = (−1) n .22. 1) será entonces x(t ) = n =−∞ ∑ ∞ ( −1) n senh(1) 1 + jπn exp( jπnt ) ♣ 1. Para desarrollar una representación de x(t). 1.5. 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. en el intervalo (-∞. de donde 2(1 + jπn ) ( −1) n ⎡ e − e −1 ⎤ ( −1) n senh(1) ⎢ ⎥= Xn = . Xn = e exp( jπn ) − e −1 exp( ± jπn ) . 1 + jπn ⎣ 2 ⎦ 1 + jπn El desarrollo de x(t) en el intervalo (-1. x(t) es la señal generatriz de x T ( t ) . es decir. La representación se efectúa entonces en términos de la llamada Transformada de Fourier que se considera a continuación. vamos a postular que x(t) define un ciclo de una señal periódica x T ( t ) . Fig.12 Considérese el desarrollo de la señal x ( t ) = exp(− t ) en el intervalo (-1. T →∞ lim x T ( t ) = x ( t ) (1. (b) Señal Periódica x T ( t ) es una señal periódica de período T y como tal podrá representarse mediante un desarrollo en serie de Fourier.22(a). es decir. x(t) x T (t ) ooo t ooo t -T 0 T 0 (a) Señal Generatriz Fig.22(b).62) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 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 ) . Introducción Si se desea extender la clase de funciones transformables a fin de incluir señales aperiódicas representadas para todo t. 1) mediante la serie exponencial de Fourier.5.31 I. como se muestra en la Fig.

y las correspondientes letras mayúsculas para sus transformadas. en x( t ) = y X( f ) = ∫ X(f ) exp( j2πtf )df ∞ −∞ ∞ (1.21d). y x T (t ) → x ( t ) . de (1. expresión (1. Por lo tanto. x(t ) = ∫ ∞ −∞ x (τ )δ(τ − t ) dτ = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ exp[ − j2 π (τ − t )f ]df ⎥dτ ⎦ −∞ ∞ . 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 )} (1.64) quedan en la forma lim x T ( t ) = lim T →∞ T →∞ n =−∞ ∑ X( f ∞ n ) exp( j2πf n t ) ∆f = x(t ) (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. en el límite. En general.65) y (1. Hay otro procedimiento para obtener el par de transformadas (1.67) (1.32 I. ∫ ∞ −∞ exp(− j2πtf ) df = δ( t ) y de la propiedad de muestreo del impulso unitario. nf o = f n entonces (1.68) reciben también el nombre de “Par de Trasformadas de Fourier”.63) y (1. respectivamente. Por esta razón.17). 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 → ∞ .67) y (1. X( f n ) → X( f ). de (1. f n = nf o → f . siendo x(t) su correspondiente transformada inversa. el límite de la sumatoria cuando la variable se hace continua es una integral.69) y simbólicamente mediante la correspondencia x ( t ) ⇔ X( f ) Las expresiones (1.67) y (1. se utilizarán letras minúsculas para las señales en el dominio del tiempo.64) .65) y X( f n ) = ∫ T/ 2 − T/ 2 x T (t ) exp( − j2 πf n t ) dt (1.68) en el cual se utilizan las propiedades del impulso unitario Delta Dirac.41). se sigue que: ∆f → df .66) Cuando T → ∞.66) se convierten.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. las expresiones (1.68) ∫ −∞ x ( t ) exp( − j2πft ) dt La cantidad X(f) se conoce como la “Transformada de Fourier de x(t)”. En efecto.

aunque nosotros utilizaremos siempre MATHCAD. . El espectro continuo X(f) de x(t) se puede interpretar como la distribución. La cantidad X(f) es entonces el “Espectro Continuo de x(t)”.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. cuya magnitud viene dada por X( f ) df . la suma de las cuales debe ser cero excepto en el intervalo de existencia de x(t). La cantidad X(f) hace el mismo papel que X n en la representación en Serie de Fourier. De todas maneras. Sin embargo. 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. Puede también utilizarse programas matemáticos como MATHCAD.67) se puede interpretar como una descomposición de x(t) en términos del continuo de funciones elementales { exp( j2πft )} . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Intercambiando el orden de integración. en amplitud y fase. son. El Espectro Continuo La expresión (1.2. MAPLE y otros.70) donde |X(f)| es el “Espectro Continuo de Amplitudes de x(t)” y φ(f) el “Espectro Continuo de Fase de x(t)”. 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 . 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). y con el cambio de variables τ = t. el creciente uso de métodos digitales como ayudas computacionales y para aplicaciones en el procesamiento digital de señales. enfoque que creemos es más significativo. salvo para algunas formas sencillas de x(t) y X(f).68). ha llevado a la definición de una versión discreta de la Transformada de Fourier. Las integrales (1.67) y (1.5. de todas las componentes de frecuencia que existen para −∞ < t < ∞ .33 I. 1. y X(f)df es el “coeficiente” asociado con la función básica elemental exp(j2πft). la demostración rigurosa de estas expresiones está fuera de los objetivos de este texto. de difícil resolución en forma analítica.68) (1. en la cual se considera a las Integrales de Fourier como el límite de la Serie de Fourier cuando el período tiende a infinito. queda x ( t ) exp(− j2πft ) dt (1. MATLAB. En general. en general.

Sin embargo. habrá sólo y solamente una función del tiempo correspondiente. la condición suficiente para que x(t) posea una transformada de Fourier es que x(t) sea de módulo integrable. 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 ) .68). ♣ Nótese que no todas las señales se pueden desarrollar en un continuo de exponenciales { exp( j2πft )} .23(a).72) Estas condiciones incluyen también todas las señales de energía.23(b) se muestra la forma de este espectro. En particular. en consecuencia. la expresión (1. entonces esta transformada y su inversa son unívocas. ∫ ∞ −∞ | x (t )| dt < ∞ (1. cuya energía no es finita (no es de cuadrado integrable) pero que posee una transformada de Fourier. . como la función escalón por ejemplo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Sin embargo. 2 πf t f AΠ( ) ⇔ Aτsinc (τf ) = Aτsinc( ) 1/ τ τ ∞ ∫ t x ( t ) = AΠ ( ). inversamente.71) En la Fig.13.72) Puesto que x(t) es una señal acotada. es decir. es decir. hay sólo y solamente una transformada de Fourier de esa función. 1. excepto que no es necesario que x(t) sea periódica. si una señal x(t) tiene una transformada de Fourier. 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) implica también que ∫ ∞ −∞ | x(t )|2 dt < ∞ (1. dada una transformada de Fourier. Transformada de un Impulso Rectangular Sea el impulso rectangular mostrado en la Fig. τ reemplazando x(t) en (1. En efecto.34 I. 1. 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. τ/2 0 ∫ (1. dada una función del tiempo. las señales de energía poseen una transformada de Fourier. hay un cierto número de señales de gran importancia.

68). Haciendo f = 0 en la expresión (1.67). o una descripción puede ser más intuitiva en un problema dado. por ejemplo volts/Hz. 2 3. Si x(t) es real. son de gran utilidad en ingeniería porque a menudo una descripción es más fácil de utilizar en una aplicación particular. una en el tiempo y la otra en la frecuencia. entonces X( − f ) = ∫ ∞ −∞ x( t ) exp( j2πft ) dt = X ∗ ( f ) X(f ) = X∗ (−f ) (1. si se sustituye t por -t en (1.76) 2. de donde x ( − t ) ⇔ X( − f ) (1. por lo cual el espectro de señales aperiódicas a veces se denomina “espectro de densidad de amplitudes”. se tiene X(0) = x (t )dt −∞ ∫ ∞ (1.75a) El espectro de amplitudes de una señal real x(t) es simétrico (par en f). correspondiente a una . Propiedades de la Transformada de Fourier de Señales Reales La Transformada de Fourier es. La Transformada de Fourier tiene las siguientes propiedades: 1.68).5. Nótese que las dimensiones de X(f) son las de x(t) por unidad de ancho de banda. entonces {x(− t )} = X(− f ) . Las dos descripciones.75b) Similarmente. Nótese también que si x(t) es compleja. Si x(t) es impar. una forma alterna y equivalente de representación de una señal x(t). La amplitud. mientras que el espectro de fase es antisimétrico (impar en f).79) La cantidad X(0) representa el área neta bajo la señal x(t). 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. es decir. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. como ya hemos señalado.77) X(f) será enteramente real y la fase será 0 ó ±π.35 I. puesto que las ordenadas representan la amplitud relativa de una determinada componente de frecuencia. si se sustituye f por -f en (1. entonces X( f ) = − j2 x( t ) sen(2 πft )dt 0 ∫ (1.74a) (1.3.74b) o también esto implica que X(f) tiene simetría hermítica. la transformada de su conjugado será entonces {x (t)} = X (−f ) * * (1. que | X( f )| =| X( − f )| =| X∗ (f)| y φ ( f ) = − φ( − f ) (1. en volts por ejemplo. entonces X(f ) = 2 x(t ) cos(2 πft )dt 0 ∞ ∫ ∞ (1.78) π En este caso X(f) será enteramente imaginario y la fase será ± .

1. ♣ Ejemplo 1. se obtiene finalmente X( f ) = Aτ sen 2 (πτf ) (πτf ) 2 = Aτsinc 2 ( τf ) .25(b) y (c).36 I. Transformada del Impulso Unitario Delta Dirac Considérese la función exp(− jωt ) a la cual se le aplica la propiedad de muestreo del impulso unitario. 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.4.24(a). pero Aδ( t ± t o ) ⇔ A exp(± j2πt o f ) Aδ(t ) ⇔ A ∫ ∞ -∞ exp(-jωt)δ(t ± t o )dt = {δ(t ± t o )} (1.15. como veremos en el Capítulo II. El impulso unitario tiene un espectro de amplitud constante para todo f y una variación de fase lineal en f.82) y para to = 0.14. como se muestra en la Fig. Estas propiedades del impulso unitario son de especial importancia en el análisis de sistemas lineales.24(b). de donde (1. ♣ Ejemplo 1. ⎧ | t| ⎪A(1 − ) para | t| ≤ τ t Del Ejemplo 1.17). 1. ∫ de donde ∞ −∞ exp(− jωt )δ(t ± t o )dt = exp(± jωt o ).81) (1. 1. 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. Transformada de una Señal Triangular Sea la señal triangular de la Fig. expresión (1.80) ♣ t f AΛ( ) ⇔ Aτsinc 2 (τf ) = Aτsinc 2 ( ) 1/ τ τ El espectro X(f) se muestra en la Fig. .

de donde Efectuando la integración. (1.26(a). 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. En efecto.17. De la Fig. considérese la función [ exp(− at )u (t ) − exp(at )u (− t )] . x( t ) = A exp( − at ) u( t ) ⇔ X( f ) = ♣ ∫ A exp(−at) u( t) exp(− j2πft)dt −∞ ∞ A X( f ) = .16. Transformada de un Impulso Exponencial Decreciente Sea el impulso exponencial decreciente de la Fig.25. ♣ Ejemplo 1. 1.27. 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 . a a 2 + 4π 2 f 2 que se muestran en la Fig. 1. 1. cuya transformada se calculó en el Ejemplo anterior. 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. Transformadas de la Señal x(t) = Aexp(-at)u(t) ♣ ♣ Ejemplo 1.83) |X(f)| A x(t) = Aexp(-at)u(t) A/a φ(f ) π 2 0 t 0 (a) (b) f 0 f − π 2 (c) Fig. 1.26.26(b) y (c). 1.37 I.27. 1. a + j2πf A A exp(−at )u ( t ) ⇔ a + j2πf A 2πf | X(f )| = y φ (f) = -arctg( ) También. Transformadas del Impulso Unitario Delta Dirac.

u ( t ) = [ 1 + sgn(t )] . DENSIDAD ESPECTRAL DE ENERGIA. {sgn(t )} = lim⎢ {sgn(t )} = lim de donde. 1. es la caracterización más apropiada para señales que poseen una transformada de Fourier.76). 2⎣ jπf ⎦ (1. de (1. más bien que el espectro de potencia.85) u(t) 1 |U(f)| 1/2 t 0 0 f Fig.18.15). Por consiguiente. y del Ejemplo 1. mientras que su potencia es cero. Transformada del Escalón Unitario 1 De (1. por lo tanto. La misma clase de resultado es de esperar en el caso de señales no periódicas representadas por sus transformadas de Fourier.27 ♣ Ejemplo 1. . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Del Ejemplo 1.28 se muestra el par de transformadas del escalón unitario.16 y de (1. E= ⎡ ∞ ⎤ X ( f )⎢ x * (t ) exp( j2 πft )dt ⎥df = ⎣ −∞ ⎦ −∞ ∞ ∫ ∫ ∞ −∞ X (f )X * ( f )df = ∫ | X(f )| ∞ −∞ 2 df .4). 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). a →0 ⎡ 1 jπf − j4 πf a →0⎣ a + − ⎤ ⎥ a − j2 πf ⎦ 1 = 1 jπf (1. el espectro de energía.28.38 I. E= ∫ ∫ ∞ −∞ | x ( t )|2 dt = ∫ ⎡ ∞ ⎤ x * (t )⎢ X ( f ) exp( j2πtf )df ⎥dt ⎣ −∞ ⎦ −∞ ∞ ∫ Intercambiando el orden de integración.17. ♣ 1. Au ( t ) ⇔ δ( f ) + 2 j2 πf ♣ {u(t )} = 1⎡ 1 ⎤ ⎢ δ( f ) + ⎥. Transformadas del Escalón Unitario. La energía de una señal x(t) es.6. En la Fig. la energía en el intervalo (−∞ < t < ∞) es finita. 1. 2 A A Entonces. Para señales de energía.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. 1.

88). 1. que conserva la norma. es decir. |X(f)|2. que es el que nos interesa directamente.87) E = ∫ G x (f )df = −∞ ∞ ∞ La energía total de x(t) será entonces. Sea G x ( f ) la densidad espectral de energía de x(t) G x (f ) =| X( f )|2 (1. Estrictamente hablando. este espectro se muestra en la Fig. La cantidad |X(f)|2 se denomina “Espectro de Energía” o “Densidad Espectral de Energía” de la señal x(t). t AΠ( ) ⇔ X(f ) = Aτsinc(τf ) τ La energía total del impulso rectangular se puede calcular con más facilidad en el dominio del tiempo. de (1. 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). Puesto que la energía es una magnitud positiva. 0 La energía contenida en el intervalo de frecuencias | f | ≤ . La energía es un invariante y es la misma así se tenga una representación temporal o una representación espectral de la señal. Las dimensiones de |X(f)|2 son joules/Hz.86) Este resultado se conoce con el nombre de “Teorema de Raleigh”. −∞ ∫ | X(f ) | 2 df (1.29.39 I. ♣ Ejemplo 1. la Transformación de Fourier es una transformación lineal isométrica.13.19. |X(f)|2df es la energía contenida en un ancho de banda infinitesimal df. ∞). El lóbulo principal se muestra sombreado.88) G x (f ) es la distribución de la energía de x(t) en el dominio de la frecuencia. entonces G x ( f ) es par en f y positiva para todo f [G x ( f ) > 0]. 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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E= ∫ ∞ −∞ | x (t )|2 dt = ∫ | X(f )| ∞ −∞ 2 df (1. es decir. Ex = 2 ∫ τ/2 A 2 dt = A 2 τ joules 1 τ es.86). también es conocido con el nombre de “Teorema de Plancherel”. el Teorema de Raleigh traduce el hecho de que la energía de una señal no depende del modo de representación de la señal. En el sentido físico. Del Ejemplo 1. el Teorema de Raleigh dice que en el espacio L2 de las funciones de módulo cuadrado integrable sobre (-∞. y de acuerdo con (1. En efecto.

el lector debe estar atento entonces a la forma como se define el ancho de banda de una señal o de un sistema. 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. 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. 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. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E B = 2A 2 τ 2 ∫ 1/ τ sinc 2 ( τf )df = 2 A 2 τ 2 πτf = x.68). se tendrá el 93%. Por ejemplo. pues permite encontrar algunas relaciones y visualizar algunos aspectos físicos de las señales y sistemas que no son percibidos a simple vista. pero a menudo es necesario pasar de un dominio a otro dominio y la resolución de las integrales (1. como veremos más adelante. En la Fig. la definición del ancho de banda de una señal es una cuestión de convención. Teorema de la Superposición o Linealidad Sea x 1 (t ) ⇔ X 1 (f ) y x 2 (t ) ⇔ X 2 (f ) entonces. para cualesquiera constantes a y b. ♣ 1.40 I.67) y (1.68) puede hacerse más fácil. Estas y muchas otras preguntas. uno puede preguntarse qué sucede en el dominio de la frecuencia cuando una señal pasa por un integrador. o cuál es el espectro resultante de una señal que ha sido multiplicada por una señal sinusoidal. entonces E B = 0. pero como E B = 0. Estos distintos valores de B corresponden a diferentes definiciones del ancho de banda de una señal. En general.903 x2 2 De donde. se verifica que ax 1 (t ) + bx 2 ( t ) ⇔ aX 1 ( f ) + bX 2 ( f ) (1.67) y (1. 1.26(b) se muestra la forma de onda de la salida.1.903E x La energía contenida en el lóbulo principal de la transformada de un impulso rectangular constituye el 90% de su energía total. y cada definición puede ser más apropiada para una determinada aplicación.5% de la energía a la entrada. a la salida del filtro se tendrá el 77. casi por inspección. 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. pueden responderse muy fácilmente mediante la aplicación de las propiedades de la Transformada de Fourier ya vistas. que demandarían laboriosas operaciones si se hicieran a través de las expresiones (1. y de los teoremas que se estudiarán en esta sección.89) .7. criterio que se utiliza en la transmisión de datos en donde se necesita detectar una “presencia” y no una “forma”. si se aplican algunas propiedades y teoremas que simplifican enormemente las operaciones matemáticas. 2. y si B = 3/2τ. a la salida del filtro se tendrá el 90% de la energía a su entrada.7. la salida es parecida a la entrada.903A 2 τ E x = A 2 τ.

pero sí lo hace experimentar un desfase de (-2πtof) radianes. Demostración: Por definición.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.to. entonces x(t ± t o ) ⇔ X(f ) exp(± j2πt o f ) (1. un desplazamiento en el dominio del tiempo corresponde a un desfase en el dominio de la frecuencia. ♣ Ejemplo 1.30(b).14.13 y 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La demostración de este teorema es directa pues la integración es una operación lineal. 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.30(a). Teorema de la Traslación o Desplazamiento en el Tiempo Si x(t ) ⇔ X(f ). t t x( t ) = AΠ( ) − 2AΛ ( ) τ τ/2 τf X( f ) = Aτsinc( τf ) − Aτsinc2 ( ) 2 Este espectro se muestra. en la Fig. {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 ). {x(t + t o )} = X(f ) exp( j2πt o f ) y de la misma forma. Solución: x(t) se puede expresar en la forma De los Ejemplos 1. 1.41 I. 1. En general. 1. .20 Calcular y dibujar la transformada de Fourier de la señal de la Fig. para Aτ = 1.7.2. 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). 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.

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). y X( )es una compresión de X(f)]. La voz se escucha muy aguda (expansión en frecuencia) pues la pieza se está tocando en menos tiempo (compresión en el tiempo).92b) ∫ ∞ −∞ X( f ) exp( j2πtf )df . La transformada de x(at) es x ( at ) ⇔ f X( ) | a| a 1 (1. 1. porque es ya un clásico). Una compresión en el dominio del tiempo a corresponde entonces a una expansión en el dominio de la frecuencia. y viceversa. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.91) {x(at )} = ∫ {x(at )} = ∞ −∞ x (at ) exp( − j2πft ) dt . Demostración: Supóngase que a > 0. entonces Si x(f) es par. En forma similar. de donde a a Este teorema.3. 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. se puede demostrar en forma similar que x ( at ) ⇔ f X( ) | a| a 1 {x(at )} = −1 f X( ) . cuantifica la relación “duración-ancho de banda” entre una función del tiempo y su correspondiente transformada. 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. Teorema del Cambio de Escala Sea x ( t ) ⇔ X(f ) . 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). 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. entonces para una constante real a. y viceversa. Teorema de la Dualidad o Simetría Sea x ( t ) ⇔ X(f ) . entonces x(at) es una f expansión de x(t). El factor de escala 1/|a| asegura que la energía no varía al comprimir o expandir las señales. pero seguimos manteniendo este ejemplo. Otro ejemplo se tiene en los grabadores de cinta magnética.7. algunas veces denominado “Propiedad Escalar de la Transformada de Fourier”. Demostración: Como x ( t ) = entonces X( t ) ⇔ x ( − f ) X( t ) ⇔ x ( f ) (1.4. entonces x(-t) = ∫ ∞ -∞ X(f' )exp(-j2 πtf' )df' .7.42 I.92a) (1. la invariancia de la energía debe mantenerse siempre. Si |a| >1. entonces x(at) es la señal x(t) con una escala de tiempo t f comprimida en un factor |a|.

22. es decir. entonces la expresión (1.81). finalmente queda x(t ) = 1 1+ t 2 ⇔ X(f ) = π exp(−2 π| f |) ♣ ♣ Ejemplo 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si se reemplaza t por f en la segunda integral.23(b). 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. Entonces. {A cos(2πf c t )} = 2 [ δ(f + f c ) + δ(f − f c )] A En consecuencia. x(− f ) = ∫ ∞ −∞ X( f ' ) exp(− j2πff ' ) df ' A fin de obtener una forma reconocible.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 . el dual de la expresión (1. es A exp(± j2πf c t ) ⇔ Aδ ( f ∓ f c ) Asimismo.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. En efecto. . se puede reemplazar f’ por t. Transformada de una Señal Sinusoidal El Teorema de Dualidad permite determinar en forma muy sencilla la transformada de Fourier de una señal sinusoidal. ♣ Ejemplo 1.43 I. o sea que X(t) ⇔ x(-f) Si x(f) es una función par. Ejemplo 1. es decir. 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. si x ( f ) = x ( − f ) . obtenido en el Problema de Aplicación 1.15. 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. Del teorema de dualidad o simetría. x(− f ) = ∫ ∞ −∞ X( t ) exp(− j2πft )dt .

⎧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. Estrictamente hablando.96) . 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. por razones de tipo práctico que veremos más adelante. Se tiene entonces que {x(t )A cos(2πf c t )} = y de (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A cos( 2 πf c t ) ⇔ y de la misma forma. pues generalmente f c >> f m . un desfase en el dominio del tiempo corresponde a un desplazamiento en el dominio de la frecuencia. En efecto. la frecuencia fc la “frecuencia de portadora” y el producto x ( t )A cos( 2πf c t ) la “señal modulada”. A 2 [ δ(f + f c ) + δ(f − f c )] A 2 (1. moduladora o modulatriz”. En este contexto. la señal x(t) se denomina “señal modulante. sin embargo. para una constante real fc x ( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) (1. debe cumplirse que f c ≥ f m .94).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 . si la señal x(t) tiene una frecuencia máxima f m y posee información a transmitir.95) Este resultado.94) Demostración: {x( t ) exp( ± j2πf c t )} = ∫ x( t ) exp( ± j2πf c t ) exp( − j2πft )dt −∞ ∞ = Por lo tanto. la sinusoide A cos( 2πf c t ) la “portadora”. 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. este teorema proporciona la base matemática para deducir el principio de la modulación de señales.5 Teorema de la Traslación o Desplazamiento en Frecuencia Si x ( t ) ⇔ X(f ) entonces. se conoce con el nombre de “Teorema de la Modulación”. el factor exp( j2πf c t ) no es real y por lo tanto no puede ocurrir en un sistema de comunicación. es decir. No obstante. ♣ 1. consideremos la multiplicación de una señal x(t) por una señal sinusoidal de la forma A cos( 2πf c t ) .44 I. Sin embargo. el teorema de la modulación es válido para cualquiera señal x(t) y cualquier valor de fc . de capital importancia en los sistemas de comunicación.93a) (1.7.

1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES El teorema de la modulación se ilustra en la Fig. es una señal cuyo espectro X(f) está concentrado alrededor del origen y cuya frecuencia máxima es f m .31(b). Energía de una Señal Modulada Sea x(t) una señal de energía.45 I. 1. . Fig. de frecuencia máxima f m . Fig. 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 .31.31(b).31 Teorema de la Modulación. En la práctica generalmente se cumple que f c >> f m o f c >> 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. El ancho de banda de esta señal es B = f m .86). Señales cuyo espectro tiene la forma de X c ( f ) . el cual está concentrado alrededor de las frecuencias ±f c . se denominan “señales pasabanda” y su ancho de banda es B = 2 f m . 1. En este caso x(t) es una “señal pasabajo”. es decir. ♣ Ejemplo 1. Esta clase de señales se tratará extensamente más adelante.23. La energía de la señal modulada será entonces Ec = A2 2 Ex ♣ donde E x es la energía de la señal modulante x(t). 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). 1. 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.

32(a). X(f ) = 1 πf f cos( )Π ( ) B 2B 2B Su correspondiente antitransformada será: x(t) = ∫ 1 πf 2 B πf cos( ) exp( j2πtf )df = ∫ cos( ) cos(2πtf )df 0 −B B 2B B 2B B . el espectro sería discreto con componentes de frecuencia en ±f c .21b). El impulso de RF. τ pero t AΠ ( ) ⇔ Aτ sin c( τf ) τ y por el teorema de la modulación. 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. Z(f ) = f + fc f − fc ⎤ Aτ ⎡ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ Este espectro se muestra en la Fig. 1. τ →∞ lim Z(f ) = lim En consecuencia. se puede describir en la forma t z ( t ) = AΠ ( ) cos(2πf c t ).32(b) (frecuencias positivas solamente). Transformadas de Impulsos Sinusoidales (a) Transformada de un Impulso de Radiofrecuencia Considérese el impulso sinusoidal de duración τ. (b) Antitransformada de un Espectro Cosenoidal Consideremos el espectro cosenoidal mostrado en la Fig. de gran utilización en sistemas de radar y en sistemas de transmisión de impulsos mediante portadora modulada. de (1. Obsérvese que si la sinusoide fuera de duración infinita ( τ → ∞). Fig. Fig. 1. 1.24.32(c).46 I.32(a). De la Fig.22. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. 1. En efecto.32(c). 1. conocido con el nombre de Impulso de Radiofrecuencia (RF).

97a) (1. En este caso se tiene que .97b) si X(0) = 0 X(0) ≠ 0 (1. obtenemos h(t) = 4 cos(2πBt) que se muestra en la Fig. entonces (1.47 I. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Resolviendo esta integral. 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.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 .7. las transformadas de las señales que son diferenciadas o integradas son importantes.32(d) π(1 − 16B2 t 2 ) Estas transformadas se utilizan para definir filtros de mucha aplicación en la práctica (Ver Ejemplo 2.98a) (1. 1. En esta aplicación particular. Si x(t ) ⇔ X(f ).20) ♣ 1.6. Teorema de la Diferenciación e Integración en el Tiempo La Transformada de Fourier se puede emplear para resolver ecuaciones diferenciales lineales.

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. Una condición. j2 πf Sin embargo. dt ( j2πf )G (f ) = X(f ). ∞ −∞ lo cual equivale a X(0) = 0. ∫ t x(t')dt' ⇔ 0 1 X( f ) . considérese una función g(t) definida por g (t ) = x (t ' )dt ' ⇔ G (f ) −∞ ∫ t d g (t ) = x(t ). que G(f) exista.48 I. que se pueda aproximar en una forma lineal por tramos. por diferenciación sucesiva. por supuesto. Este teorema permite determinar la transformada de Fourier de una señal cualquiera. 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. Si X(0) ≠ 0 . la señal x(t). para que g(t) tenga una transformada de Fourier G(f). Asimismo. como se ilustra en el siguiente ejemplo. de donde Es evidente que G( f ) = 1 X( f ) o ( j2πf ) y por el teorema de diferenciación en el tiempo. ∫ x(t )dt = 0. sobre todo de tipo gráfico. es decir. j2 πf 2 La diferenciación en el dominio del tiempo corresponde a multiplicación por (j2πf) en el dominio de la frecuencia. es que t →∞ lim g (t ) = 0. 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.72). integración en el dominio del tiempo corresponde a división por (j2πf) en el dominio de la frecuencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES dn dt n x(t ) ⇔ ( j2πf ) n X(f ) En cuanto a la integración en t. . entonces g(t) ya no es una señal de energía y la transformada de g(t) incluirá impulsos unitarios de Dirac. En efecto. ⎡ 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. Mediante diferenciaciones sucesivas se expresa la señal como suma de señales cuyas transformadas son fáciles de evaluar y luego se aplica el teorema. quizás algo más restrictiva que la integrabilidad absoluta. es necesario. expresión (1.

1. 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. mediante el teorema de diferenciación en el dominio del tiempo. En la Fig. 1. d df X( f ) = ∫ ∞ −∞ x ( t )(− j2 πt ) exp(− j2 πft ) dt . 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 ). Teorema de la Diferenciación e Integración en Frecuencia Si x ( t ) ⇔ X(f ).33(c).33. De la Fig.7.33(b) y (c) se muestran las dos primeras derivadas de la señal triangular de la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1.100) (1. resultado idéntico al del Ejemplo 1.25 Verificar la transformada de Fourier de la señal triangular del Ejemplo 1. ♣ 1. 1.33(a).7.49 I.14.99) t n x(t) ⇔ x (t ) t (-j2 π ) n df n X(f ) para t ≠ 0 (1.101) ⇔ − j2π ∫ f −∞ X( f ' ) df ' Demostración: X( f ) = ∫ ∞ −∞ x (t ) exp( − j2 πft ) dt . 1. entonces t x(t) ⇔ 1 d (-j2 π ) df 1 X( f ) dn (1.14.

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

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

sea x(t) la función generatriz de una señal periódica x T ( t ).104) Esta expresión es una forma de la llamada “Fórmula de la Suma de Poisson”. y(t) 2A A -2T -T τ A t T 2T −τ / 2 0 τ / 2 Fig.52 I.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).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. 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. La expresión (1. Sin embargo. para una señal periódica xT(t). 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. donde X(f) es la transformada de Fourier de la señal generatriz. 1. ♣ Ejemplo 1. La “envolvente” de la serie infinita de impulsos es igual a fo|X(f)|. La expresión (1.103) 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 .27 Calcular y dibujar el espectro de la señal de la Fig. En efecto. hay que verificar siempre que x(t) esté acotada en T. pues esta transformada puede ser obtenida con más facilidad pues se dispone de extensas tablas de transformadas de Fourier. 1. 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. En resumen.103) permite calcular los coeficientes de Fourier del espectro discreto de x T ( t ) a través de la transformada de Fourier de x(t).34 La señal y(t) se puede expresar en la forma y( t ) = x( t ) + x T ( t ) .34. donde .

. Transformada de un Tren de Impulsos Delta Dirac El tren de impulsos unitarios.35. y de ∞ (1. De (1.105). es una serie de gran aplicación en el análisis de señales y sistemas.36(a). ♣ ♣ Ejemplo 1.103): Xn = fo = 1 T pues X(nf o ) = 1 para todo n La transformada de Fourier del tren de impulsos de Dirac será. 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.53 I. 1.105). de (1. 1.36 (b) Transformada del Tren de Impulsos Unitarios.28. Fig. 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 ). 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.

Puesto que la potencia es una magnitud positiva. representada por S x (f ). 1.37(b). pero como x(t) no posee una transformada de Fourier X(f). ♣ 1. T/2). se denomina “señal truncada de x(t)”. < x 2 (t ) >= ∫ ∞ −∞ S x (f )df (1.37(b) (No confundir esta x T ( t ) con una señal periódica de período T). Muchas señales determinísticas y todas las señales aleatorias pertenecen a esta clase.5). Sin embargo. DENSIDAD ESPECTRAL DE POTENCIA 1. y si en el intervalo (− T / 2. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ∆ o (f ) = f o n =−∞ ∞ ∑ δ (f − nf n =−∞ ∞ o) = f o δ fo (f ) .9. la cual se muestra en la Fig.106a) También. entonces x T (t ) ⇔ X T (f ) . S x (f ) será una función par y positiva de f para todo f.36(b). Introducción De manera análoga al concepto de espectro de densidad de energía. mediante un enfoque determinístico. determinística o aleatoria. Definición El espectro de densidad de potencia de una señal x(t). tiene como transformada de Fourier otro tren de impulsos de Dirac de período fo y área fo . 1. T / 2) cumple con las condiciones de existencia de la Transformada de Fourier. La señal x T (t ) . ∞ Entonces. ∞ ⎡ ⎤ ⎢1 + 2 δ T (t ) = f o exp( j2 πnf o t ) = f o cos(2πnf o t )⎥ ⎢ ⎥ ⎣ ⎦ n =−∞ n =1 ∑ ∞ ∑ (1. de (1. como se muestra en la Fig.105).54 I.1. Fig. sea x(t) una señal de potencia y sea x T (t ) una parte de x(t) comprendida dentro de un intervalo (-T/2.9. El problema ahora es conseguir una expresión explícita que relacione x(t) con S x (f ). A la función δ T (t ) se la conoce también con el nombre de “función peine de Dirac”. . se puede definir un espectro de densidad de potencia para señales cuya energía no está definida. se puede definir partiendo de la premisa de que su integral debe ser la potencia promedio de x(t). es decir. S x ( f ) = S x (− f ) y Sx (f ) ≥ 0 para todo f. se puede utilizar el concepto conocido como el “criterio de la señal truncada”.106b) Un tren de impulsos de Dirac de período T y área unitaria. es decir. δ T (t ) = ∑ δ (t − nT) ⇔ ∆ (f ) = f ∑ δ (f − nf ) = f δ o o o n =−∞ o fo (f ) (1. que no poseen una transformada de Fourier y que fueron definidas mediante la expresión (1. no puede utilizarse una transformada para determinar S x (f ) . Esta transformada X T ( f ) se utilizará para relacionar x(t) con S x ( f ). En efecto. 1. es decir.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.

Las unidades de S x (f ) son W/Hz respecto a una resistencia R = 1 Ohm.109) La cantidad S x (f ) es entonces la “Densidad Espectral de Potencia” de una señal x(t). entonces se puede escribir < x 2 (t ) >= lim pero x T (t ) = T →∞ −∞ ∫ ∞ x T (t ) x ∗ (t )dt T entonces ∫ ∞ −∞ X T (f ) exp( j2πtf )df . < 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 . Obsérvese que el espectro de densidad de potencia de una señal retiene solamente la información de amplitud perdiéndose la información de fase. Por consiguiente. conocida x(t).5).37 (b) Señal Truncada La potencia promedio de x(t) es. < x 2 (t ) >= lim 1 T →∞ T ∫ ⎡ x ∗ (t )⎢ T ⎣ −∞ ∞ ∫ ⎤ X T (f ) exp( j2πtf )df ⎥dt ⎦ −∞ ∞ ⎤ ⎫ ⎪ x ∗ ( t ) exp( j2 πft )dt ⎥df ⎬ T −∞ ⎦ ⎪ ⎭ ∗ La integral dentro de los corchetes es igual a X T (f ) . de 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 )⎢ −∞ ⎣ ∞ ∫ ∞ ∫ ∫ (1.107).108) Comparando (1.108) con la definición de densidad espectral dada en (1. se concluye que S x (f ) = lim | X T (f )|2 T T →∞ siempre que el límite exista (1. para una señal dada existe un solo espectro de densidad de potencia S x (f ). .55 I. mientras que la misma densidad espectral S x ( f ) corresponde teóricamente a un número infinito de señales que difieren entre sí solamente en fase. de (1. 1. vamos a representar la relación entre la señal x(t) y su densidad espectral S x (f ) en la forma x(t) ⇒ Sx(f). 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. pudiera determinarse S x ( f ) pero no así lo contrario. T / 2). Para simplificar la notación. la cual simplemente expresa que x(t) posee una densidad espectral S x (f ) dada y que.

3). Teorema de la Modulación para Señales de Potencia Consideremos ahora una señal modulada determinar. 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 . que no poseen transformadas de Fourier y para las cuales el concepto de espectro de potencia sí es aplicable. 1. la densidad espectral S x (f ) se hace cero.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 ) .9. es decir. Más adelante.2. en consecuencia. para señales que poseen una transformada de Fourier. siendo x(t) una señal real pasabajo.109) si X T (f ) es independiente de T. de frecuencia máxima f m . volveremos sobre este tema. Sea entonces. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Obsérvese que en la formulación de la expresión (1. Esto ocurre debido a que. 1. en la práctica nos encontramos con una gran cantidad de señales.108) tiende a un valor límite. la integral de la expresión (1. Si x(t) es una señal de potencia. donde f c ≥ f m . el concepto de espectro de potencia no tiene significado cuando x(t) posee una transformada de Fourier específica. el cual. 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→∞ (1.110a) 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. Hagamos entonces x cT (t ) = x T (t )A cos(2πf c t ) cuya transformada es X cT (f ) = A [ X (f + fc ) + X T (f − fc )] 2 T La densidad espectral de potencia S xc ( f ) será. En resumen. x c (t ) ⇒ S xc (f ) Sea también x T (t ) la señal truncada de x(t). de (1. la potencia promedio es cero. cuando T → ∞. En la Fig. y sea la Fig. sobre todo de tipo aleatorio.109). entonces x c (t ) será también 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 ) . donde x T (t ) ⇔ X T ( f ) . es simplemente la energía de la señal. de acuerdo con (1.38 se puede observar que los productos cruzados se anulan pues sus términos ocupan bandas de frecuencia diferentes. al estudiar las funciones de correlación. Sin embargo. es decir. 1.56 I.

Sin embargo.110b) La densidad espectral de potencia de la señal modulada será.3. y de frecuencia máxima f m . que se estudiará en la Sección 1.109). si x(t) es una señal pasabanda aleatoria (ruido. pues los productos cruzados se anulan. o una señal aleatoria pasabanda de ancho de banda 2f m y centrada en ± f c .111) no será entonces válida para señales pasabanda. Si x(t) es una señal de potencia pasabanda. Sxc (f ) = lim A 2 ⎡ | X T (f + f c ) |2 | X T (f − f c ) |2 ⎤ + ⎢ ⎥ T →∞ 4 T T ⎣ ⎦ (1.111) La expresión (1. ilustrado en la Fig. con f c ≥ f m .111) se podrá aplicar entonces a este tipo de señales.39. se puede demostrar con más facilidad utilizando el Teorema de Wiener-Kintchine. 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.38 Por lo tanto. 1. 1. de (1. determinística o aleatoria. A2 S xc (f ) = [ S x (f + fc ) + S x (f − fc )] 4 (1.11. 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. mediante aplicación de las propiedades de las funciones de correlación.112) Este teorema.57 I. en el desarrollo de (1. 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). por ejemplo).110a) aparecerá un producto cruzado de la forma 2X T (f + f c )X T (f − f c ) que será distinto de cero. el producto cruzado será siempre cero debido a las propiedades de incoherencia de las señales aleatorias. y la expresión (1. . la expresión (1.111) es válida para cualquiera señal x(t) pasabajo de potencia. (1. Las propiedades de incoherencia de las señales aleatorias las veremos en el Capítulo III.

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

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

el correspondiente ancho de banda se define como el doble del ancho de banda en pasabajo.116) se obtiene el par de desigualdades de donde y en general. para el ancho de banda B. En el caso de señales pasabanda. ♣ Ejemplo 1. Ancho de Banda de un Impulso en Coseno Elevado Sea el impulso en coseno elevado mostrado en la Fig.117) (1.30. |x(t)| x(0) |X(f)| X(0) t f -B 0 (b) −τ / 2 0 τ / 2 (a) B Fig. 1. respectivamente.115) y (1.116) Estas definiciones se ilustran en la Fig. 2 BX(0) = ∫ ∞ −∞ | X( f )| df ≥ X(f )df = x ( 0) −∞ ∫ ∞ (1. 1.118) = x (0) 2 X( 0) Bτ ≥ 1 1 o B≥ 2 2τ La expresión (1. Esto lo justificaremos más adelante al estudiar el concepto de señal analítica.40 De (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 .115) Igualmente. . 1.41(a). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES τ x(0) = ∫ ∞ -∞ |x(t)|dt ≥ x(t)dt = X(0) -∞ ∫ ∞ (1.60 I.117) es la relación “duración-ancho de banda” para señales pasabajo. B≥ 1 2τ x(0) x( 0 ) 1 ≥ y 2B ≥ X(0) X( 0 ) τ (1.40 (a) y (b).

como veremos en el Capítulo V.41(b). Por ejemplo. surgidas de la teoría moderna de la información. Las funciones de correlación. 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( ) ⇔ ) . la cual se puede utilizar para detectar una señal repetitiva inmersa en ruido.117). X( f ) = Aτ sinc( τf ) 2 1− τ 2 f 2 De (1. y (2) en la “Intercorrelación”. una descripción completa de ellas se puede obtener mediante un análisis correlativo. 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. pero aplicado a un sistema (Filtros de Nyquist).61 I. y esto se puede lograr mediante las llamadas “Funciones de Correlación”. o para medir una banda particular de frecuencias de una señal. son muy útiles en el análisis de señales reales tanto determinísticas como aleatorias. Esta forma de análisis es muy importante en dos grandes áreas de aplicación: (1) en la “Autocorrelación”. Introducción En muchas aplicaciones en ingeniería no es suficiente decir que dos señales son similares. ♣ 1. . FUNCIONES DE CORRELACION 1.11. 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. En el Capítulo V se tratará este mismo ejercicio. en general uno desea saber cuán similares son esas señales. 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.1. τ 2 2 1/ τ Aτ 2 sinc(τf ) + Aτ ⎡ f + 1/ τ f − 1/ τ ⎤ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ X( f ) = X (f ) = Aτ sen(πτf ) Aτ ⎡ sen(πτf + π) sen(πτf − π) ⎤ + + 2 πτf 4 ⎢ πτf + π πτf − π ⎥ ⎣ ⎦ Desarrollando y simplificando se obtiene finalmente X(f) se muestra en la Fig.11. y del teorema de la modulación. 1.

semejanza o coherencia entre una señal dada y una réplica de ella desplazada en un tiempo τ variable. el proceso denominado “autocorrelación”. 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. es decir. para estimar la similaridad entre las señales x 1 ( t ) y x 2 (t ) . puede esperarse que la sumatoria resultante tenga valores cada vez más pequeños para valores crecientes del desplazamiento τ. Vamos a investigar el grado de similaridad que hay entre ellas. Ellas son idénticas en forma pero x 4 (t ) está desplazada en un tiempo τ1 respecto a x3(t).11. La función de autocorrelación es utilizada ampliamente en la detección y reconocimiento de señales que están inmersas en ruido. x 1 (t ) a1 a2 t x 2 (t ) b1 b2 t x 3 (t ) x 4 (t ) c1 τ1 d1 Fig. t t Un buen método para medir la similaridad entre dos señales es multiplicarlas entre sí. 1.42. Autocorrelación Consideremos el conjunto de señales mostrado en la Fig. ordenada por ordenada. Este es. Fig. en esencia. Un estudio más avanzado de las funciones de correlación está fuera de los objetivos del presente texto. y luego sumar los productos durante la duración de las señales. El valor de la sumatoria es entonces una medida o estimación de la similaridad o semejanza entre dos señales. a2 por b2 y así sucesivamente. 1.2.42. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. Si se tuviera que estimar la similaridad entre una señal x(t) y una versión desplazada de ella x(t+τ). 1. cuando las señales están superpuestas. 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. de manera que cada producto contribuye con un término positivo a la sumatoria y la suma será grande. se multiplican las ordenadas a1 por b1 . . Por ejemplo. Consideremos ahora las señales x 3 (t ) y x 4 ( t ) .42. En la Fig.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 ) . x 1 ( t ) y x 2 (t ) son idénticas.42. Pero si efectuamos el mismo proceso entre las señales x 1 ( t ) y x 3 ( t ) . 1. El valor máximo de la similaridad se tendrá cuando τ = 0. El proceso de autocorrelación proporciona una medida de la similitud.

la variable τ juega el papel de un parámetro de exploración o búsqueda. R x (τ ) τ (c) 0 (a) 0 (b) τ 0 La Fig.120) En general.121) En estas definiciones.122) Esta integral se conoce con el nombre de “Integral de Correlación de x(t)”. si x(t) es compleja. esta correlación no tiene sentido físico. 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. por ejemplo.43. . 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).43 se muestra la función de autocorrelación de tres señales de potencia diferentes. el ruido blanco que estudiaremos en el Capítulo II. R x ( τ) = 1 T ∫ T/ 2 −T/ 2 x( t ) x( t + τ) dt (1. En efecto. 1. 1. R x (τ ) = ∫ ∞ −∞ x (t ) x ( t + τ ) dt = x ( t − τ ) x ( t )dt −∞ ∫ ∞ (1. en cuyo caso.63 I. La función de autocorrelación se puede definir también para señales de energía.43(a) representa la función de autocorrelación típica de una señal. R x ( τ ) =< x ( t )x ∗ (t + τ ) >=< x ∗ ( t )x (t + τ ) > (1. En la Fig. La forma mostrada en (b) representa una señal que no tiene ninguna relación entre dos puntos infinitamente cercanos. para x(t) real. esta transformada estará relacionada en alguna medida con el contenido espectral de x(t). Esto nos induce a pensar que si la función de autocorrelación posee una transformada de Fourier. 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.119) Si x(t) es periódica de período T. y extendida en el dominio de τ si x(t) contiene solamente componentes de baja frecuencia. En (c) se muestra la función de autocorrelación de una señal constante en el tiempo. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Definición En términos más formales. R x (τ ) R x (τ ) τ Fig. 1.

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

129) |τ |→∞ lim R x ( τ ) = b 2 o cuando Las expresiones (1. Si R x ( τ ) =< x ( t )x (t + τ ) > y R x (τ ) =< x ( t ) x ( t + τ ) > . aún cuando | τ | → ∞. |τ |→∞ lim R xo ( τ ) = 0 . para altos valores de τ. R x ( τ ) → 0 cuando | τ | → ∞ . Problema de Aplicación 2. de acuerdo con la Propiedad 4.27) que R x (τ ) = R x (τ ) y R z ( τ ) = 2[ R x ( τ ) + jR x ( τ )] se puede demostrar (Ver (1.65 I. 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 . < x o (t ) >=< x o ( t + τ ) >= 0. |τ |→∞ lim R x ( τ ) = lim [ b 2 + R xo ( τ )] = b 2 + lim R xo ( τ ) o o |τ |→∞ |τ |→∞ pero.130) donde R z ( τ ) es la función de autocorrelación de z( t ) = x( t ) + jx( t ). entonces o o 2 R x (τ ) = b o + R xo (τ ) cuando < x ( t ) >= b o (1. Si < x ( t ) >= b o ≠ 0. Por lo tanto.128) Esto es así porque cuando | τ | → ∞ . R x (τ ) exhibirá un comportamiento periódico. de (1. En efecto. y R x ( τ ) es la transformada de Hilbert de R x ( τ ) .129) son válidas siempre que x(t) no contenga componentes periódicas. entonces R z ( τ ) / 2 es la señal analítica de R x ( τ ) . es decir.128) y (1.127). si < x ( t ) >= 0. R xo ( τ ) =< x o ( t ) x o (t + τ ) > . entonces. Todas estas propiedades se aplican tanto a señales determinísticas como aleatorias. Si x(t) contiene componentes periódicas. . Obsérvese que si z(t) es la señal analítica de x(t). las señales x ( t ) y x(t + τ ) son tan disímiles que ellas pierden toda relación y ya no hay correlación entre ellas. 6. de donde < x(t) >= b o ≠ 0 (1. y de la expresión (1. 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. entonces cuando | τ | → ∞.127) Esta expresión nos permite investigar el comportamiento de R x (τ ) cuando |τ|→ ∞. entonces |τ |→∞ lim R x ( τ ) = 0 cuando < x ( t ) >= 0 (1.128).

1. Entonces. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Nótese que la información de fase se pierde en la función de autocorrelación.1. Puesto que x(t) es periódica. donde φ es un desfase constante. Función de Autocorrelación de una Señal Periódica Rectangular Vamos a determinar la función de autocorrelación de la señal periódica de la Fig.31. R x ( τ ) = R x (− τ ).66 I. o también R x + ( τ ) = R x − (− τ ) R x (τ ) A2 / 2 ooo τ (a) Señal x(t) Fig. ♣ ♣ Ejemplo 1.44 (b) Función de Autocorrelación de x(t) Por consiguiente. Autocorrelación de una Señal Sinusoidal Sea x( t ) = A cos(ω c t + φ ) . . τ → − τ en R x − (τ ) . Entonces.32. R x (τ ) = 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 ) . 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. ∫ 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 ). y para 0 ≤ τ se hace para − T 2 < τ < 0. Entonces. combinando estos dos términos se obtiene la señal generatriz R gx (τ ) de R x ( τ ). Solamente se calcula R x− ( τ ) .44(a). R x − (τ ) = T 2 . Sea R x ( τ ) = R x − (τ ) para En consecuencia. 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 .

Consideremos entonces la densidad espectral de potencia de una señal de potencia. entonces.nT) = A2 2 n=-∞ ∑Λ⎡⎢⎣ τT-/nT ⎤⎥⎦ 2 ♣ la cual tendrá la forma mostrada en la Fig.131) En la expresión (1. 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. 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. es decir. 1 {S x ( f )} = Tlim T ∫ →∞ 1 ∞ −∞ X T ( f ) X ∗ ( f ) exp( j2πτf )df T Como x(t) es real. Intercambiando el orden de las operaciones. 1.44(b).131) se ha elegido una nueva variable τ pues la variable t está ya implícita en la definición de X T ( f ) . 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 . En efecto. la función de autocorrelación. Por transformada de Fourier inversa 1 {S x (f )} = ∫−∞ lim ∞ | X T ( f )|2 T T →∞ exp( j2πτf ) df (1. verifica la relación (de la Propiedad 1) R x ( 0) =< x 2 ( t ) >= ∫ ∞ −∞ S x ( f ) df Esta expresión nos dice que la potencia promedio de una señal de potencia. es igual al área de su densidad espectral de potencia. igual a Rx (0). X T (f ) = Rearreglando. 1. x ( t ) ⇒ S x (f ) = lim | X T ( f )|2 T T →∞ donde X T (f ) es el espectro de la señal truncada de x(t).11.67 I. además de ser una medida de la semejanza entre una señal x(t) y una réplica de ella desplazada en un tiempo τ . 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 .3.

Este teorema lo podemos demostrar también utilizando el Teorema de Wiener-Kintchine. T/2). donde . Teorema de la Modulación para Señales de Potencia En la Sección 1. y sea la señal modulada x c ( t ) = x ( t ) A cos(ω c t ) con f c ≥ B .9. igual a δ( t − t '+ τ ) . la densidad espectral de potencia de x(t).2 se demostró el Teorema de la Modulación para Señales de Potencia. Si las señales son de energía. de gran importancia en el análisis espectral de señales. entonces 1 T/ 2 1 {S ( f )} = lim x ( t )x (t + τ )dt =< x (t ) x ( t + τ ) >= R x ( τ ) . Esta equivalencia tiempo ⇔ frecuencia es aplicable tanto a señales determinísticas como aleatorias. de banda limitada B. 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.132a) Este resultado. Este teorema establece que la función de autocorrelación y la densidad espectral de potencia forman un par de transformadas de Fourier.4. es decir. Sea x(t) una señal pasabajo de potencia. se conoce con el nombre de “Teorema de Wiener-Kintchine” o “Relaciones de Wiener-Kintchine”. 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. 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. 1. R x (τ ) = ∫ ∞ −∞ S x ( f ) exp( j2 πτf )df ⇔ S x ( f ) = ∫ ∞ −∞ R x (τ ) exp(− j2 πfτ ) dτ (1. R x ( 0) = ∫ ∞ −∞ x 2 ( t ) dt = E x energía de x(t) (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La integral dentro de los corchetes es. de (1.21d). aplicando las técnicas del cálculo numérico de la transformada de Fourier que se dan en el APENDICE A. En efecto.11. se verifica que x( t ) ⇔ X( f ). 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.68 I. de donde x T→∞ T − T / 2 ∫ S x (f ) ⇔ R x (τ ) (1. es decir.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. primero se determina la función de autocorrelación R x ( τ ) de x(t). 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. 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.

se dice entonces que las señales son ortogonales. si R xy ( τ ) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt = 0 para todo τ (1. Intercorrelación La intercorrelación. permite la comparación entre dos señales diferentes pero coherentes. 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. entonces la función de intercorrelación existirá en un cierto rango de τ . En general.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 ) .2. es decir.112).5.136b) .135) Puede observarse que si entre las señales x(t) e y(t) existe algún grado de semejanza.69 I. < x ( t ) x ( t + τ ) cos[ω c ( 2 t + τ )] >= 0 . 1. proporcionando así una medida cuantitativa del grado de similitud o coherencia entre ellas. 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. es decir. y que es el Teorema de la Modulación para Señales de Potencia. La función de intercorrelación contiene información respecto a las frecuencias comunes a ambas señales y a la diferencia de fase entre ellas.5. Mediante el Teorema de Wiener-Kintchine. expresión (1. llamada también “correlación cruzada” o “correlación mutua”.11. la integral correspondiente es cero. Cuando las señales son tan disímiles que aún para τ = 0 la intercorrelación es cero.136a) entonces x(t) e y(t) son ortogonales y no habrá ninguna correlación entre ellas. de donde R xc (τ) = A2 R x (τ) cos(2πf c τ) 2 (1. como vimos en la Sección 1. la transformada de Fourier de R xc ( τ ) es S xc ( f ) = A2 4 [ S x (f + f c ) + S x (f − f c )] (1.134b) resultado ya obtenido anteriormente. 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.

se verifica que R xy (τ ) ⇔ S xy ( f ) = 2 fo n=-∞ ∑X ∞ g ( nf o ) Yg ( nf o )δ ( f − nf o ) (1. es decir. la función de intercorrelación será R xy ( τ ) = ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt (1.136b). La ortogonalidad es una condición mucho más estricta que la no correlación. como puede apreciarse en la expresión (1. pero no correlación no necesariamente implica ortogonalidad. entonces R xy ( τ ) = 0.137) Se puede demostrar que la función de intercorrelación resultante es también periódica de períodoT. (a) (1. entonces (1. es decir. entonces R xy ( τ ) = 0 si x(t) y y(t) son ortogonales (1. Si x(t) e y(t) son periódicas de período T=1/fo . Sin embargo. es decir. La función de intercorrelación no es conmutativa.139) R x ( 0) ⋅ R y ( 0) ≥| R xy ( τ )| 1 2 (1. la “densidad interespectral de potencia” o “densidad espectral mutua” o “densidad espectral cruzada” de dos señales.70 I. en general. ortogonalidad implica no correlación. y sus funciones generatrices son x g ( t ) ⇔ X g ( f ) e y g (t ) ⇔ Yg ( f ) . algunas propiedades de la función de intercorrelación.142) R xy ( τ ) =< x ( t )y (t + τ ) >=< x ( t ) > ⋅ < y ( t ) > pero si < x ( t ) > ó < y(t) > o ambos son cero.138) La densidad interespectral de potencia suministra. Propiedades de la Función de Intercorrelación A continuación damos. si x(t) e y(t) son ortogonales.141) (b) [R x ( 0) + R y ( 0) ] ≥| R xy ( τ )| 3.144) . se cumple que su función de intercorrelación es igual al producto de sus valores promedio.143) Nótese que si x(t) o y(t) no poseen una componente continua. entonces la ortogonalidad implica no correlación. En cuanto al dominio de la frecuencia. Asimismo. Si dos señales x(t) e y(t) no están correlacionadas y sus valores promedio son distintos de cero. 4. R xy ( τ ) = R yx (− τ ) 2. se define como la transformada de Fourier de su función de intercorrelación. sin demostrarlas. Si < x (t ) >≠ 0 y < y(t) > ≠ 0. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si x(t) e y(t) son periódicas de período T. 1.140) (1. en el dominio de la frecuencia. S xy ( f ) ⇔ R xy ( τ ) (1. la misma información acerca de las señales que la que suministra la función de intercorrelación.

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

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

según el caso. (l) u(t) ⋅ u(1. (n) δ(2t .45 (b) x T (t ) T = 2 ms t xT(t)=10exp(-10 < x 2 (t ) T 3 |t|) 0 Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES PROBLEMAS DE APLICACION 1. Grafique las siguientes señales de energía y verifique que sus energías son las dadas.3 A T r ( t ) Π( | t| T ) Π( ). (e) r(t) ⋅ u(t .2r(t . ( j) 3δ(t . τ t (i) x(t) = 1.2 W x T (t ) T = 1 ms < x 2 ( t ) >= 1 W T Fig. (a) x ( t ) = A exp( − (b) (c) 1. T T = 10 -3 seg < x 2 ( t ) >= 33. (b) x(t) = A| cos(ω c t )|.1) ⋅ δ(2t).8647A 2 T joules E= A2T 3 joules t −T/ 2 T ⎡ πt ⎤ t x ( t ) = A⎢1 + cos( ) ⎥Π( ). (a) 0 x T (t ) A t A = 10.46 (c) 0 T/2 -1 T/2 T +1 T/2 t >= 43.u(t).1). (d) u(2t . (c) r(t) . 1. 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( ).1). Clasifique cada una de las señales siguientes como señales de energía. de potencia o ninguna de las dos. (f ) r(t) .4.) u ( t ) τ t (f) x(t) = Aexp( ) cos(ωc t ) τ << τ t t (e) x(t) = Aexp(. (d) x ( t ) = Aτ τ + jt . Calcule la energía o la potencia.33 W T Fig.t). (h) exp(-at)δ(t . (b) r(-t .73 I. . ⎣ T ⎦ 2T E = 3A 2 T joules Demuestre que las potencias promedio de las siguientes señales son las correspondientes dadas. (a) x ( t ) = 2 cos( 6πt − π / 2 ).2) + 2u(t). 1.1).1).2. t (c) x(t) = Atexp(.47 1.u(t . E = 0. t 2T ). (k) δ(t .1). (m) r(t)cos(ω o t ). Grafique las siguientes señales: (a ) r(t + 2).1). 1.)Π ( ).2). (i) u(t) .2 π ) (g) exp(-at)u(t .1.

(t ) sgn(t)sen(ω o t ). Verifique las siguientes integrales (a ) (c) ( e) ( g) ( i) ∞ ∞ t (o ) δ( + 2 ). 1.5.7.3)]dt = -1. 1. Verifique si las señales siguientes son periódicas.t o )u ( t − t 1 ) = ⎨ (l ) u(τ . (a ) x(t) = cos(6πt) + cos(6 2 πt ). (u) 2 Π(2t + 1). δ(t .2t). 2 t t (q) Π( ) + Λ ( ). t π -∞ ∞ -∞ ∞ (t 3 + t 2 + t + 1)δ(t − 3) dt = 40. 1. π 4 ). (v) Λ (4 .1) dτ = r ( t − 1) -∞ -∞ ⎩ 0 para t o < t 1 1. 2 ∫ ∫ 1 1 δ (1. t ⋅ u(2 . en cuyo caso determine el período. (z) exp(-t) Π( ) + exp(t ) Π( ) 2 2 2 2 (p) δ(1. 8 4 t (r) Π( ) − Λ ( t ).2)cos[ π(t . Demuestre que el período de la señal periódica x( t ) = 10 cos2 ( t ) es igual a (k ) ∫ ∫ π.2) Π( 2 t+2 t−2 t+2 t−2 (y ) exp(t) Π( ) + exp(− t ) Π( ). (x) 10(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 = 20.9.8.2t). δ (t .74 I.u(t . Dibujar los fasores y los espectros uni y bilaterales de las señales (a ) x(t) = 5cos(6πt (b) x(t) = 2sen(10πt π 6 ) 1.2)]dt = 3 ⎧1 para t o ≥ t 1 t . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES t t (s) 2 Π( ) ⋅ Λ ( ) 2 2 t-2 2 ). ∞ (f) x(t) = cos(5πt) + sen(6πt).πt)cos( )dt = − . (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).6. (c) x(t) = cos(60πt) + cos(50πt).086 π2 2 -∞ ∞ ∫ ∫ -∞ ∞ ∫ -∞ (t 3 + 4)δ (1 − t )dt = 5 ∫ -∞ ∫ ∫ t (t 2 + 2)δ ( − 1) dt = 12 2 -∞ ∞ ∞ ∞ -∞ ∞ -∞ [δ(t) + u(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) ⋅ u(t)dt = 2. (t 3 + 3)δ (3t − 9) dt = 10.

Demuestre que si x ( t ) = x ( t + T ) .49 (b) Rectificación en Media Onda A t -2T -T 0 T 2T Xn = j A 2πn para todo n y n ≠ 0 Fig. Desarrolle también x T ( t ) en serie de Fourier con A = 8.75 I.10.50 (c) Diente de Sierra X o = A / 2. 1. 1. entonces ∫ a +T/ 2 a −T / 2 x (t ) dt = ∫ T/ 2 − T/ 2 x ( t ) dt = ∫ x(t )dt T 0 y ∫ T+t x(t)dt = x(t)dt 0 T ∫ t 1. En las señales periódicas siguientes verifique que el coeficiente de Fourier X n es el dado. Exprese x(t) en la forma polar x ( t ) = E ( t ) cos[ω c t + ψ( t )] y dibuje su diagrama fasorial.12. 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.48 (a) Xo = A 4 . (a ) x(t) = 6sen(50πt)cos(10πt) + 10cos(60πt)cos(20πt).11. 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. referencia f c = 20 (b ) x(t) = [ A c + A m cos(ω m t )] cos(ω c t ) con A c > A m y f c >> f m (c) x(t) = A c cos(ω c t ) − A m sen(ω m t ) ⋅ sen(ω c t ) con A c > A m y f c >> f m (d ) x(t) = A c cos(ω c t ) + n c ( t ) cos(ω c t ) − n s ( t ) sen(ω c t ) 1. 1. A Xn = t A n sinc 2 ( ) 4 4 -T -T/2 -T/4 0 T/4 T/2 T Fig.

12 se aplica a un filtro pasabajo de ganancia 2 y ancho de banda B = 2500 Hz. Si A = 100 V y f o = 60 Hz .76 I.13.006 cos(4 πx10 3 t − 85.5 3 Xn = X1 = 1 cos(α)sen (2α) − nsen (α ) cos(nα ) π n (n + 1)(n − 1) para todo n.73 W 1. 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 .975 cos( 2 πx10 3 t − 80. suponga que α = π / 4 .24%. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Exponenciales A A/e 0 (d) t T Xn = 0. 1.233 W (b) La salida del filtro es y ( t ) = 12 . Si A = 10 V y T = 1 ms. demuestre que el Factor de Rizado a la salida del filtro es del 48. La señal (d) del Problema 1.12 se aplica a un filtro pasabajo de ganancia unitaria y ancho de banda B = 400 Hz.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.45 o ) (c) La potencia de salida del filtro es de 169.14. 1. 1. X o = π [ sen(α ) − α ⋅ cos(α )] . φ n = 0 ⎢α − 2π ⎣ 2 ⎦ Para desarrollar xT(t) en Serie de Fourier. 1 . compruebe que (a) La potencia de entrada al filtro es de 43.6321A 1 + j2πn para todo n -T Fig.96 o ) +2 .52 (e) 0 Xo = A . .642 + 3. excepto n=± 1 y n=0 sen(2α ) ⎤ 1 ⎡ 1 ⎥. La salida rectificada de media onda del Problema 1. F ig .

3 (Tome seis componentes a cada lado del origen). 1.5sin c 2 ( ). nótese que p(t) tiene la forma de una señal rectificada de onda completa. determine las correspondientes potencias de salida del filtro. El voltaje aplicado al circuito eléctrico de la Fig. φn = 0. 1.15.55 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. Aplique el concepto de Transformada de Fourier de Señales Periódicas.55 es v(t) = Vo cos(2πf o t) y la corriente i(t) tiene la forma i(t) = Io n =−∞ ∑ ⎢Π ( T / 2 ) − Π ( ⎣ ∞ ⎡ t − nT t − nT − T / 2 ⎤ )⎥ T/2 ⎦ (a) Demuestre que la potencia instantánea p(t) = v(t) i(t) es igual a p(t) = Vo I o cos(2πt) con T = 1. 1.54 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. Sea la señal periódica de la Fig. .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 .67 mW. X o = 2.5 2 4 (b) Que si la señal se aplica a una resistencia de 1000 Ohm. de ancho de banda B = 1400 Hz y centrado en f c = 1500 Hz . la potencia disipada en la resistencia es de 266. Este problema hay trabajarlo en forma gráfica. T 1 T/2 -T/2 ∑ |V 2|⋅|I n n=1 n| cos(θ n − φ n ) 1. 1. 1.17. Demuestre: (a) Que el Coeficiente de Fourier Xn es Fig. Suponga que el circuito eléctrico de la Fig.77 I. (a) Dibuje el espectro de potencia | X n |2 vs nf o de las tres señales del Problema 1.54.18.16. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. (b) Si estas tres señales se aplican separadamente a un filtro pasabanda de ganancia unitaria. 1.

φ = π o n nπ 2 n −1 2 A x(t) T/4 T/4 T/2 t -A A y(t) Seno Fig. 1.56. (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 = . Sean las dos señales periódicas de la Fig. La señal v(t) = 110 2 cos(2πf o t) ...19. Si T = 0. 1. X = 0.. 3 Fig. Y1 =j 2A .57 -A t ⎧ (−1) ⎪ ⎪ Yn = ⎨− j2A π(n 2 − 1) para n impar ≠ ±1 ⎪ para n par ⎪0 ⎩ Yo = 0. φn = 0 (b) Demuestre que el desarrollo de i(t) en Serie de Fourier es i(t) = 0..99 Amp. 1.1 seg y A = 10. (a) Demuestre que sus correspondientes Coeficientes de Fourier son X n = j2A sen 2 ( nπ ) 4 . 1...57. Sea la señal periódica de la Fig. se aplica a un rectificador de media onda. para A = 10. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES (b) Demuestre que la potencia promedio de p(t) es < p 2 (t) >= 1 2 2 Vo Io 2 1.66cos(240πt) − 0. de ganancia unitaria y ancho de banda de 45 Hz.132cos(480πt) + 0.057 cos(720πt) − 0..99 + 0. 1. Io = 0. demuestre que la potencia de salida del filtro es de 25.20.56 (b) Demuestre que la potencia promedio de x(t).915 W. es < x 2 (t) >= 25.031cos(960πt) + . 3π θn = π 2 . con fo = 60 Hz. (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 .21.926 W (c) La señal x(t) se pasa por un filtro pasabajo.78 I. 1. El rectificador alimenta una carga de 50 Ohm...

.23.56 o ) + cos(5t − 78.69 o ) -.. 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. 1.. Demuestre que: (a ) v(t) 1 i(t) t R=1 Ohm L=1 H −π 0 _1 π (a) 2π Fig.58(a) se aplica al circuito RL serie mostrado en (b). (a ) x(t ..79 I.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 .⎥ ⎢ ⎦ π⎣ 2 3 10 5 26 1.58 v(t) (b) (b) El desarrollo en serie de Fourier de la corriente i(t) es i (t ) = ⎤ 4⎡ 1 1 1 cos(t − 45 o ) − cos( 3t − 71... Verifique los siguientes pares de Transformadas de Fourier. 1.22...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. El voltaje periódico de la Fig..

1) (c) Grafique X(f) para T = 1 ms. Demuestre que la transformada de Fourier de la salida es j2 πf Y( f ) = (1 + j2 πf ) 2 1. 1.80 I. 1.26 se aplica al circuito RL de la Fig. (b) Demuestre que X(f) = 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.08Tsinc(2Tf) + 0. Verifique que el primer cero de X(f) ocurre a f = 1 kHz. (c) Demuestre que la energía contenida dentro del primer cero de |X(f)| es el 90.26. 1.46Tsinc(2Tf + 1) + 0.46 cos( ) T x(t ) = ⎨ ⎪ 0 en el resto ⎩ para | t| ≤ T (a) Grafique x(t) para T = 1 seg. 1. La misma entrada del Problema 1. 160. La señal x(t) = exp(-t).54 + 0. utilizada en procesamiento de señales.3% de la energía total de la señal.61. (b) Grafique |X(f)| y verifique que el primer cero de |X(f)| está a una frecuencia de 1000 Hz. 1. y(t) .60. (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. Ventana de Ponderación de Hamming La “Ventana de Hamming”.24.46Tsinc(2Tf .61.59.25. Demuestre que 1 Y( f ) = (1 + j2πf ) 2 C=1F x(t) R = 1 Ohm Fig.27. 1. 1.59. y(t) L=1H x(t) R = 1 Ohm Fig. Sea la secuencia de impulsos de la Fig.u(t) se aplica al circuito RC de la Fig. está definida en la forma ⎧ πt ⎪ 0.

REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 1. Sea x ( t ) = 10 exp( −| t |) . 1. [ Respuesta: B = 0. A t 0 -A 2 x(t) A (a) Coseno t − π/ 2 0 π/ 2 Fig.63. x(t) (b) Fig. (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 . -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.15056 Hz ].66.62. Demuestre que las transformadas de Fourier X(f) de las señales x(t) siguientes son las dadas. 1. .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. 1.28.81 I. 165. Calcule el ancho de banda B dentro del cual está contenido el 80 % de la energía de la señal. 1.64.29. 0 (d) T/4 T/2 0 1 Fig.

68. 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. 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.15056K Hz ] 1. x(t ) = sen[2 π ( t − 2 )] sen 2 [ π ( t − 2)] − π (t − 2) π 2 (t − 2 ) 2 . Expresar B en función de K. 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. dada x(t) determine X(f). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. (b) |X(f) A φ(f ) −f o 0 −π / 2 π/2 fo f −f o Fig. La señal x(t) = t exp(-Kt) u(t) se pasa por un filtro pasabajo de ganancia unitaria y ancho de banda B.69. 1. Sea x(t) = sinc2(10t). [ Respuesta: B = 0. 1.30.32. es decir. 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.67. 1.82 I.31. En las figuras siguientes verifique la correspondencia x ( t ) ⇔ X(f) .

1. El filtro pasabajo tiene ganancia unitaria y un ancho de banda de 50 Hz.01 dB S2 . x 1 (t ) Filtro Pasabajo y(t) x 1 (t ) = exp(−0. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.33. donde x 1 ( t ) y x 2 (t ) son señales aleatorias.01t ) ⋅ cos(2 πx10 6 t ) ⋅ u(t ) x 2 (t ) = 10 cos(2πx10 6 t ) Demuestre que y(t ) ≈ 5 exp(−0.34. El filtro es pasabajo de ganancia de potencia 2. 1. 1. mientras que S2 es la potencia a la salida debida a x2 (t).35. demuestre que los coeficientes de Fourier X n de la siguientes señales periódicas son los correspondientes dados. donde S1 es la potencia a la salida debida a x1 (t). Mediante la transformada de Fourier de la señal generatriz. 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.01t ) ⋅ u (t ) x 2 (t ) Fig.73. fc = 100 kHz. 1. 1. Sea el sistema de la Fig. 1.83 I. (a) A 2A T ⎧ 2A ⎪ Xn = ⎨ n2π 2 t ⎪0 ⎩ Fig. 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.70. f + fc En la salida calcule la relación S1 / S2 . 1. S1 = 20 = 13. 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.72. 1. Demuestre que S1 = 40 W.71. S2 = 2 W . Sea el sistema de la Fig.73.70.

37. y z(t) una señal cuya densidad espectral de f potencia es S z ( f ) = S xc ( f )Π ( ) W / Hz.76. ⎡ f + 10 4 f − 10 4 ⎤ ⎢Λ( ) + Λ( )⎥ W / Hz 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. determinar x(t) (b) Dada x(t). es decir.75.76.36.84 I. (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. . Considere la función z(t ) = x(t ) + y (t ) . 1.74. < x(t ) ⋅ y (t ) >= 0 . donde x(t) e y(t) son ortogonales para todo t. Verificar las siguientes relaciones: (a) Dada X c (f ) en forma gráfica. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 1.38.1. 2 x10 3 Demuestre que la potencia promedio de z(t) es < z 2 ( t ) >= 8 µW (b) Sean x 1 ( t ) y x 2 ( t ) dos señales aleatorias cuyas densidades espectrales de potencia se muestran en la Fig. determinar Xc(f) cuya forma gráfica se da. (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 ) . 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 ) . 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. 0 fc f 1. X c (f ) 2A A 2B (a) −f c Fig.1. teniéndose entonces superposición de funciones de correlación así como superposición de energía y de potencia.

1. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 10sinc 2 (10 4 τ ) . (b) Demuestre que la potencia a la salida del filtro es de 20 W. verifique que las potencias respectivas son iguales a las obtenidas en la parte (b). A la entrada del filtro RL de la Fig. donde Tb = . y(t) L R Fig. A la entrada del detector coherente. 1. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 20sinc 2 (5x10 3 τ ) cos(2πx10 5 τ ) . 1. 1.39.7 W y < x 2 ( t ) >= 46.67 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.78.43. 2 cos(2πf c t ) y < y 2 (t ) >= 30 W x(t) Filtro Pasabajo Fig. Fig. la densidad espectral de potencia y la potencia a la salida del filtro. (a) Dibuje la forma de la densidad espectral de potencia a la entrada y salida del filtro. Determine la densidad espectral de potencia de la señal compleja x (t ) = A exp( j2πf o t ) utilizando el Teorema de Wiener-Kintchine. 1.85 I.40. entonces.41. se aplica ruido blanco cuya densidad espectral es η/ 2. Calcule la función de autocorrelación. de ganancia 2 y ancho de banda de 5 kHZ. y que y(t) es una señal digital ASK . A la entrada de un filtro pasabajo. 1.44. 1. y(t) = x(t) cos(2πf c t) ⇒ Sy (f ) Sy (f ) = S x (f ) . Demuestre que: (a) Si x(t) tiene una función de autocorrelación R x (τ) = entonces donde. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Demuestre que sus respectivas potencias promedio son 2 < x1 ( t ) >= 19. Demuestre que a la salida del filtro R y (τ ) = 20sinc(10 4 τ ) + 10sinc 2 (5x10 3 τ ) 1. 1. Demuestre que si x(t ) ⇒ y (t ) = x (t ) − x ( t − T) 1.42.78.77. S y (f ) = 4S x (f ) sen 2 (πTf ) 1 τ A2 [1 + Λ( )] . y mediante la Propiedad 1 de la Función de Autocorrelación.77.

Se tiene a Sx (f ) también una señal y(t) cuya densidad espectral de potencia es Sy (f ) = . entonces.86 I.45. ⎣ ⎦ 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) = . Se tiene una señal x(t) cuya función de autocorrelación es |τ| ) . es el período de la señal periódica rectangular. y la correspondiente potencia. 1. donde 1 + (2πbf ) 2 Sx(f) es la densidad espectral de potencia de x(t). 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 .32 se determinó la función de autocorrelación de una señal periódica rectangular.46. 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 ) . R x ( τ) = exp(− |τ| |τ| ⎤ ⎡ ⎢a exp(− a ) − b exp(− b ) ⎥ . Tb ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢sinc ( fb fb ⎦ ⎣ 1. En el Ejemplo 1.

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

♣ Ejemplo 2. Este principio implica. como veremos en su oportunidad.2. Sean también a 1 y a 2 dos constantes arbitrarias que pueden ser complejas. vemos que la linealidad implica también que cero entrada produce cero salida. 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 ) . Si hacemos x 1 ( t ) = x 2 ( t ) y a 1 = − a 2 . entonces {a 1x 1 (t ) + a 2 x 2 (t )} = a 12 x 12 (t ) + 2a 1a 2 x 1 (t )x 2 (t ) + a 2 x 2 (t ) 2 2 2 2 2 = a 1 y 1 (t ) + a 2 y 2 (t ) + 2 a 1 a 2 x 1 (t )x 2 (t ) ≠ a 1 y 1 (t ) + a 2 y 2 (t ) 2 por lo tanto. 2.2) 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. Sea x ( t ) = a 1 x 1 ( t ). el sistema no es lineal. Clasificación de Sistemas Basados en las propiedades de la relación funcional (2. En este texto se estudiará solamente sistemas lineales. Evidentemente. la respuesta sale al doble también.2.1 ) donde {⋅ ⋅} es un operador que actúa sobre x(t). los sistemas se pueden clasificar en “sistemas lineales” y “sistemas no lineales”. con su correspondiente descripción en el dominio de la frecuencia. un sistema en el cual el principio de superposición no es aplicable será un sistema no lineal.1). con algunas excepciones. por ejemplo. sean x 1 ( t ) y x 2 (t ) dos entradas arbitrarias con y 1 ( t ) e y 2 ( t ) sus correspondientes salidas. que si se dobla la entrada. En efecto. Este es el principio de la superposición. Se dice que un sistema es lineal si él cumple con el “principio de la superposición”. 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.88 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y (t ) = { x(t )} (2. la linealidad significa algo más que una línea recta: esta línea recta debe pasar también por el origen. ♣ . Por lo tanto.1 Determinar si el sistema definido por y (t ) = {x (t )} = x 2 (t ) es lineal. Este operador será real si una entrada real x(t) resulta en una salida real y(t). 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. En la mayoría de las aplicaciones en comunicaciones x(t) e y(t) son reales y representan voltajes o corrientes.

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 ) . de (2. 2. Aproximación de la Excitación x(t) . La excitación mediante un impulso unitario equivale a aplicar a la entrada del sistema un número infinito de frecuencias de la misma amplitud.2. τ ) = {⋅ ⋅} la respuesta impulsional es. La respuesta del sistema a una señal de prueba es una descripción característica o un modelo matemático del mismo. Esta situación se representa en la Fig. τ) es. x(t) δ(t − τ ) t x(t) S{δ (t − τ )} (b) Sistema Fig. 2. τ). 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. Las señales de prueba más comunes son el impulso unitario. (2. En este caso la salida se denomina “respuesta impulsional”.2. 2. 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. y la salida del sistema será la respuesta a todas y cada una de las infinitas frecuencias presentes en la entrada. consideremos la propiedad de muestreo del impulso unitario. 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.3) {δ( t − τ )} La respuesta impulsional h(t. como se muestra en la Fig.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.3. La respuesta del sistema lineal a una entrada arbitraria x(t) dada por (2.3. una función de t y τ. 2.2 y(t) y(t) h (t . Por lo tanto. el escalón unitario y las señales sinusoidales. 3.1). x (t) = ∫ ∞ −∞ x (τ)δ( t − τ)dτ (2.4) La expresión (2. “respuesta al impulso” o “respuesta impulsiva” del sistema” y se representa por h(t.89 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. en general. En efecto. en un sistema lineal caracterizado por la transformación h (t .

τ). τ ) . Sin embargo. τ ) es la respuesta a un impulso x (τ )δ(t − τ ) . y no de la diferencia (t -τ). −∞ de donde (2.5) son válidas en los puntos donde x(t) es discontinua. Estrictamente hablando. Más adelante volveremos sobre este tema. 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 (2.6) respuesta impulsional dependerá únicamente de la diferencia (t . En particular. Un sistema lineal variante en el tiempo será aquel cuya respuesta impulsional dependerá de τ y de t.7) Estas integrales son las conocidas “Integrales de Convolución”.5) y ( t ) = x (τ ) h ( t . Un sistema lineal es invariante en el tiempo si para cualquier desplazamiento τ se verifica que {δ( t − τ)} = h(t − τ) . Asimismo. en un “Sistema Lineal Invariante en el Tiempo (SLIT)” la h(t .6). a menudo sucede que y(t) es continuo a pesar de que x(t) no lo sea. La respuesta impulsional de un SLIT simplemente experimenta desplazamientos en el eje del tiempo que no afectan en nada su perfil.3). En este caso la expresión (2. la cual es válida para cualquier sistema lineal.4). ni la expresión (2.4) y (2.90 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y ( t ) = x (τ ) −∞ ∫ ∫ ∞ {δ(t − τ )}dτ pero.4) ni la (2. las dos expresiones se aplican a ambos lados de cualquiera discontinuidad. en general no tiene mucha importancia desde el punto de vista práctico. 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. como es el caso de los filtros reales en los cuales una entrada discreta produce una salida continua. Esto quiere decir que el perfil de h ( t . 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. para cualesquiera señal x(t) y desplazamiento τ . y como consecuencia. En (2. τ )dτ Esta es la llamada “Integral de Superposición”.5) y (2. {x( t − τ)} = y( t − τ) . ∞ {δ(t − τ )} = h (t . de (2. De (2. La respuesta de un SLIT es entonces el producto de convolución de la excitación con la respuesta impulsional del sistema. Esto se puede enunciar en la forma siguiente.5) no sean válidas en los puntos de discontinuidad. Por consiguiente. τ) = h(t − τ) para todo τ en un SLIT (2.5) es válida aún en los puntos de discontinuidad de x(t).5) puede considerarse como la superposición de las respuestas de un número infinito de impulsos donde x ( τ ) h ( t . la integral de superposición (2. 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 1 ) será diferente del (2.8) . es decir. El hecho de que (2.

τ 2 ) . la respuesta y(t) del sistema para cualquiera excitación x(t).8) y (2. La respuesta al escalón unitario se emplea mucho en el análisis de sistemas lineales donde se utiliza la Transformada de Laplace. y ( t ) ∗ h(t) = x(t) ∗ de donde.τ )dτ -∞ ∞ ∫ ∞ (2.12) . en este caso la respuesta y(t) vendrá dada por la expresión (2. la integral queda 0 ∫ y u ( t ) = − h ( t ' ) dt ' . En efecto. y u ( t ) = u ( t ) ∗ h(t) = u( τ )h(t . De donde.5). Conocida la respuesta al escalón unitario de un SLIT.11). 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).7) o (2. d y u (t) = dt ∫ d ⎡d ⎤ ⎢ dt u( t − τ) ⎥ ⋅h( τ)dτ. dt −∞ ∫ h (t ) = d dt y u (t ) (2.11) La respuesta impulsional de un SLIT es la derivada de la respuesta al escalón unitario del SLIT.8) se aplica sólo y solamente a sistemas lineales invariantes en el tiempo.9). la salida y(t) es. a partir de ella. porque es sobre y u (t ) que se evalúan los resultados de un servosistema desde el punto de vista del régimen transitorio.τ. t ∫ −∞ y u ( t ) = h (t ' ) dt ' −∞ ∫ t (2.91 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS perfil de h ( t . −∞ ⎣ ⎦ ∞ ∞ d y u (t ) = δ(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 ∫ (2.2. es posible obtener. En efecto.7). El desarrollo anterior permite determinar la respuesta impulsional de un SLIT si se conoce su respuesta al escalón unitario. ♣ Ejemplo 2.9) y u ( t ) = h ( t − τ ) dτ . de (2. tomando la derivada de la expresión (2. Nótese que el producto de convolución (2. De (2.10) La respuesta de un SLIT al escalón unitario es la integral de la respuesta impulsional del SLIT. y de la propiedad de muestreo del impulso unitario. Con el cambio de variables t’ = t . por una parte por el hecho de que es muy fácil simular en forma experimental esa respuesta y por otra parte. pero como dt u( t − τ) = δ ( t − τ ).

La no linealidad es directa. vemos que y 2 (t ) = y 1 (t − t o ) . ♣ Ejemplo 2. Veamos también si el sistema es lineal o no lineal.12).10) la respuesta al escalón unitario es y u ( t ) = [1 − exp( − t )]u ( t ) . 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. La correspondiente salida será (C) Comparando (C) con (D).7). 2.3 Vamos a verificar si el sistema representado por y(t ) = sen[ x(t )] es variante o invariante en el tiempo. 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. y ( t ) = ∫ ∞ −∞ exp( − τ ) u (τ ) ⋅ exp[− ( t − τ )]u ( t − τ ) dτ = t exp(− t )u ( t ) De (2.4 .4 Establecer las características del sistema de la Fig.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. Sea x ( t ) = exp( − t ) u ( t ) y supongamos que h ( t ) = exp( − t ) u ( t ) . τ ) y(t) Fig. De (2. lo que significa que el sistema es invariante en el tiempo. 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. 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. Veamos un ejemplo muy sencillo.7).4. Sea x1(t) la entrada. La respuesta y(t) del SLIT se puede determinar entonces mediante las integrales De (2. pero su resolución es más laboriosa que la dada por (2. 2. El interruptor I está cerrado 1 únicamente en el intervalo |t |≤ . ♣ ♣ Ejemplo 2. 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 .

τ ) para | τ| ≤ 2 ⎪ ⎬ = Π(τ )δ(t − τ ) h(t . 10 8 y(t) 0 1 t Fig. 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. La respuesta y(t) será entonces y(t ) = x (τ )Π(τ )δ(t − τ )dτ = x(t )Π (t ) −∞ ∫ ∞ ♣ ♣ Ejemplo 2. ♣ . 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 no de la diferencia (t . 2. Respuesta Impulsional Para x(t ) = δ(t − τ ) se tiene que y(t ) = h(t .5. y (t ) = a 1y 1 (t ) + a 2 y 2 (t ) . 2. ⎧ 1⎫ ⎪δ(t .5.5 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) . τ ) = ⎨ 1⎪ ⎪0 para | τ|> ⎩ 2⎭ El sistema es variante en el tiempo. pues su respuesta impulsional depende de t y τ. τ ) entonces. 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 .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). Vamos a determinar la respuesta y(t) del sistema.

Aplicando esta desigualdad a (2. se cumple que | z( x )| = ∫ p( x)q( x)dx ≤ ∫ | p( x)||q( x)| dx ≤ ∫ K| p( x)| dx < ∞ para todo x.18). R. Se ha demostrado [C.17) y(t ) = x (τ )h(t − τ )dτ para un SLIT causal 0 ∫ Estabilidad En cuanto a la estabilidad. es decir.7) y con ayuda de las condiciones (2. se obtiene .14) (2. 1960] que si existe una constante K tal que | q (x )| ≤ K < ∞ y |z(x)|< ∞ . Vamos a ver cuáles son las condiciones que el sistema debe cumplir a fin de asegurar la estabilidad.13) Un sistema no causal no cumple con (2.18) M y N son constantes reales y positivas. Si la entrada es acotada.16) (2. en tales casos el sistema puede no ser causal y aún así puede ser físicamente realizable. de modo que y(t ) = x (τ )h(t . se supone que la entrada es cero hasta determinado tiempo. En sistemas causales el límite superior de integración es t. Si | x (t )| ≤ M < ∞ y |y(t)| ≤ N < ∞ para todo t. que h( t . τ )dτ 0 t ∫ t para cualquier sistema lineal causal (2. 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 . hay muchas aplicaciones en las cuales la señal a ser procesada se encuentra almacenada. Sin embargo. el sistema es estable (2. x( t ) = 0 para t < 0 . para t = 0. por ejemplo. En este caso. Wylie. como. de donde y(t ) = x (τ )h(t . entonces | x (t )| ≤ M < +∞ para todo t Consideremos un SLIT. τ )dτ −∞ t ∫ t para cualquier sistema lineal causal para un SLIT causal (2.τ) = 0 para t < τ (2. se dice que un sistema lineal es estable cuando para una entrada acotada la respuesta también es acotada.15) y(t ) = x (τ )h(t − τ )dτ −∞ ∫ Finalmente.13) y además no puede realizarse físicamente. es decir.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.

2. Si éste es el caso. y es la caracterización de un sistema lineal invariante en el tiempo en el dominio de la frecuencia.7).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. se obtiene (2.22) tiene la forma de una integral de Fourier. es decir.20).4.τ )dτ -∞ ∫ ∞ Tomando la transformada de Fourier. De (2.19) De (2. en un SLIT se verifica que h(t ) ⇔ H (f ) Reemplazando (2. Nótese que (2. Entonces definimos H (f ) = { h(t )} = ∫ ∞ −∞ h (t ) exp(− j2πft )dt (2.23) en (2. la respuesta impulsional h(t) debe cumplir con la condición de integrabilidad absoluta. 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). { y(t )} = ∫ ∞ −∞ y(t ) exp(− j2πft )dt = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ h( t − τ ) exp(− j2πft )dt ⎥dτ ⎦ −∞ ∞ (2.23) La cantidad H(f) se denomina “Función de Transferencia”.24) ∞ { y(t )} = H (f )∫ −∞ x (τ ) exp(− j2πfτ )dτ pero la integral es la transformada de Fourier X(f) de x(t).22) La integral de la derecha en (2.21). donde x(t ) ⇔ X (f ).22) con la ayuda de (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. condición que vamos a utilizar en la siguiente sección. esto es. de donde .21) Mediante el cambio de variables t ' = t − τ . La función de transferencia H(f) y la respuesta impulsional h(t) forman entonces un par de transformadas de Fourier. h(t) debe satisfacer (2.20) es también condición suficiente para que h(t) tenga una transformada de Fourier.20) La respuesta es acotada y por lo tanto el sistema es estable.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.

⇔ X1 ( f ) X 2 ( f ) X 3 ( f ). la convolución de señales en el dominio del tiempo es equivalente a la multiplicación de sus espectros en el dominio de la frecuencia.29) algunas veces se las denomina “teoremas de la convolución”..29) En resumen.. igualmente.... x(t) ⇔ X(f)...5. (2. se verifica que ∫ ∞ −∞ X 1 (ν) X 2 ( f − ν)dν (2.. ⇔ X1 ( f ) ∗ X 2 ( f ) * X 3 ( f ) ∗ .. 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.26) a (2. A las expresiones (2...26) h(t ) ⇔ H (f ). podemos demostrar que x 1 (t ) x 2 (t ) ⇔ X1 (f ) ∗ X 2 (f ) = En general.. el tercer término dentro de los corchetes tiene la forma 10 2 2 = − .. por simetría o dualidad.96 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y (f ) = H (f )X (f ) (2. ♣ Ejemplo 2... por lo tanto.6 Vamos a repetir el Ejemplo 2..26) se puede establecer en la forma siguiente: y x 2 (t ) ⇔ X 2 (f ) . Las relaciones espectro-temporales correspondientes serán: y(t ) = h(t ) ∗ x(t) ⇔ Y(f) = H(f)X(f) donde (2. ⎥ 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.. la multiplicación de señales en el dominio del tiempo es equivalente a la convolución de sus espectros en el dominio de la frecuencia.28) (2.25) 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.. entonces. x1 ( t ) x 2 ( t ) x 3 ( t ). j2 πf (5 + j2 πf ) j2 πf 5 + j2 πf pero .. Si x1 (t ) ⇔ X 1 (f ) y(t) ⇔ Y(f) El dual de las expresiones (2.....27) x1 ( t ) ∗ x 2 ( t ) ∗ x 3 ( t ) ∗ . 5 Del Ejemplo 2..5 pero trabajando en el dominio de la frecuencia.

se puede expresar en la forma H ( f ) =| H ( f )|exp[ jβ(f )] (2. Puesto que H(f) es. La función de transferencia H(f) es el nexo que relaciona.13) y (2. 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. donde h(t) ⇔ H(f) =|H(f)|exp[jβ(f)] y ∫ ∞ -∞ |H(f)|2 df < ∞ (2.30) es condición necesaria y suficiente para que |H(f)| sea el módulo de la función de transferencia de un sistema físicamente realizable. el cual establece que si la integral I existe. es decir. es decir.31) Todo sistema físicamente realizable producirá siempre un desfase (o retardo). la función de transferencia H(f) tendrá una característica de fase β( f ) tal que h ( t ) = 0 para t < 0. si I= ∫ ∞ ln| H ( f )| 2 2 −∞ 1 + 4 π f df < ∞ (2. demostramos que . en general.20). con el llamado “Criterio de Paley-Wiener”. Propiedades de la Función de Transferencia 1. en el dominio de la frecuencia. Nótese que si H(f) se hace cero en un intervalo de frecuencias dado. En los sistemas de comunicación h(t) siempre es real.32) |H(f)| se denomina “Respuesta de Amplitud” o más comúnmente “Respuesta de Frecuencia del Sistema”. Esto quiere decir que si la integral existe (es menor que ∞ ). En efecto.5. la entrada y salida de un sistema lineal invariante en el tiempo. debe cumplir. Para que un sistema sea físicamente realizable.β(-f) 2. no cumplirá con el Criterio de Paley-Wiener y por lo tanto no es físicamente realizable. una magnitud compleja. | H ( f )| =| H ( − f )| =| H ∗ ( f )| y β(f) = . se dice que él es físicamente realizable.30) entonces (2. por lo tanto la función de transferencia tendrá simetría hermítica.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. ♣ Criterio de Paley-Wiener La estabilidad y posibilidad de realización física que tratamos en la sección anterior son nociones independientes. y β(f) es la “Respuesta de Fase”. además de las condiciones (2. pero si un sistema es a la vez estable y realizable.

En efecto. 4.35) < y 2 ( t ) >= ∫ −∞ S y ( f ) df = ∫ −∞ | H ( f )|2 S x ( f ) df (2. la salida será también sinusoidal de la misma frecuencia. Recíprocamente. y no poseerá una función de transferencia. de (1.34) Igualmente.37) (2.38) donde H ( f o ) =| H ( f o )|exp[ jβ(f o )] La expresión (2. 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 ) . 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. Se puede determinar el efecto de la función de transferencia H(f) sobre las densidades espectrales. no puede generar nuevas frecuencias: a la salida sólo estarán presentes las frecuencias que había a la entrada. si la entrada es una señal sinusoidal de frecuencia fo.37) significa que un SLIT cuya función de transferencia es H(f). entonces la densidad espectral de energía a la salida del sistema será. . En particular.109). Ey = (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.98 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y( f ) = H ( f ) X( f ) (2. lineal o no lineal. un sistema que cambie o genere nuevas frecuencias será: o no lineal o variante en el tiempo o ambos.87) y (1.36) donde Sx(f) viene dada por (1. Nótese que cualquier sistema. y ( t ) = AH ( f o ) exp( j2πf o t ) = H (f o ) x ( t ) (2. pero con una amplitud y fase en general diferentes. tendrá siempre una respuesta impulsional.25). si la entrada x(t) es una señal de potencia con una densidad espectral de potencia S x ( f ).25) 3.37). de la expresión (2.33) ∫ ∞ −∞ G y ( f ) df = ∫ ∞ −∞ | H ( f )|2 G x ( f ) df (2. pero solamente los sistemas lineales invariantes en el tiempo poseerán una función de transferencia. como bien lo expresa (2. estas componentes de frecuencia pueden estar atenuadas e incluso desaparecer. 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 ) . pero no podrá generarse nuevas frecuencias.88). 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.

2.24. la excitación x(t) con la respuesta y(t). 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. 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. De (1. 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.105). Por ejemplo.8. 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. La ecuación diferencial o íntegrodiferencial que representa a un sistema lineal invariante en el tiempo es otro modelo del sistema y por transformada de Fourier se puede determinar su función de transferencia H(f) y su correspondiente respuesta impulsional h(t).7.99 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. ♣ ♣Ejemplo 2. en el dominio del tiempo. 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. 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 . Respuesta de un SLIT a Entradas Periódicas La entrada a un SLIT es una señal x T ( t ) periódica de período T.68 del Problema de Aplicación 2.

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

es conveniente interpretar la convolución en forma gráfica. En efecto.39) En un problema particular.43) (d) Si x T (t ) es una señal periódica de período T. comúnmente. x(t ) = x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 (τ ) x 2 ( t − τ )dτ = ∫ ∞ −∞ X(f ) exp( j2πtf )df (2.44) ∞ y de (2. de acuerdo con la propiedad de muestreo del impulso unitario.9.τ )dτ = x(t) -∞ ∫ ∞ (2. se desea determinar la transformada de Fourier inversa de X(f). 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 =−∞ ∑ . La resolución de la integral de convolución es.101 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS situaciones como éstas.T) (b) x(t − t 1 ) ∗ δ(t . una operación complicada y muchas veces es preferible operar con las transformadas de Fourier. Convolución de una Señal con Impulsos Unitarios La convolución de una señal x(t) con un impulso unitario δ(t). En los siguientes ejemplos presentamos algunas aplicaciones y métodos para la resolución puramente analítica de la integral de convolución. y x(t) su correspondiente señal generatriz.T) = x(t . La extensión de este procedimiento para n funciones de f es directa. x(t ) ∗ δ(t) = x(τ )δ(t . entonces x T (t ) se puede representar en la forma x T (t ) = n =−∞ ∑ ∞ x (t − nT) = x (t ) ∗ n=-∞ ∑δ(t .28).42) (2.41) (2. 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.t 2 ) = x(t − t 1 − t 2 ) (c) δ(t − t 1 ) ∗ δ(t . puede demostrarse que: (a) x(t ) ∗ δ(t . Por ejemplo. ♣ Ejemplo 2.nT) ∑ (2. 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). esto lo veremos más adelante.40) En la misma forma. Como herramienta operacional. 1 {X(f )} = x(t ) = 1 {X1 (f )} ∗ 1 {X 2 (f )} Por lo tanto.t 2 ) = δ(t − t 1 − t 2 ) (2. 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. resulta en la misma señal x(t).

(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 . s s s ∞ De (2.41). y de (2. 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. ♣ ♣ Ejemplo 2. el espectro del producto es la repetición periódica del espectro de x(t) en las frecuencias nfs con un factor de escala fs. consideremos el producto de convolución z (x ) = y(x) ∗ BΠ( x ) 2x o (2. como veremos en los casos siguientes.47) ⎧0 para λ < -x o ⎫ u( λ + x o ) = ⎨ ⎬ ⎩1 para . (e) Sea el producto x(t) ⋅ ∑ δ(t-nTs ) = n=-∞ ∞ n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) = x (t) . X s ( f ) = X( f ) ∗ f s ∞ n =−∞ ∑δ(f − nf ) s s ∞ X s (f ) = fs n =−∞ ∑X(f − nf ) (2. por lo tanto.102 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resultado que ya habíamos obtenido por otros métodos.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. El límite superior de las integrales dependerá de la forma de y(x). Este resultado es de capital importancia en la Teoría del Muestreo.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. Para generalizar el procedimiento desde un punto vista puramente analítico. como veremos en el Capítulo V.10.105).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 ) .46). 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. expresión (1. que es la transformada de una señal periódica.27).

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. − x o ≤ x ≤ x o .6 se muestra la forma de z(x). mientras que la segunda lo es para Por consiguiente. Si(x). 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' . 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. 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.103 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La primera integral es válida para x o < x. las integrales se reducen a z( x ) = AB ⎧ ⎨ πa ⎩ ∫ ∫ −∞ λ' λ' dλ ' = π 2 dλ ' − ∫ ∫ πa ( x − x o ) sen( λ' ) −∞ λ' ⎫ dλ ' ⎬ ⎭ Como z( x ) = ∫ 0 sen(λ' ) −∞ . la cual está definida mediante la integral .

2... 2 x→±∞ 3. lim Si ( 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.. 2. es una función impar de x.. π 2.7.19.7 para |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 )]⎬ − ⎦ ⎭ . La Integral Seno se puede expresar también como una serie de potencias de la forma x3 x5 x7 x9 Si ( x ) = x − + − + −. 3 ⋅ 3! 5 ⋅ 5! 7 ⋅ 7 ! 9 ⋅ 9 ! y tiene las siguientes propiedades: 1.104 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si (x ) = ∫ x sen(y ) y dy 0 y que se muestra en la Fig.. 2.26(b) del Ejemplo 2.. obtenemos finalmente z( x) = AB Si{πa ( x + xo )} − Si{πa ( x − xo )} πa [ ] Una gráfica de esta expresión se muestra en la Fig. Desarrollando x Fig. La Integral Seno Si(x) en serie de potencias. 2 normalmente se encuentra tabulada en 20 12 40 4 12 20 la forma Si(x) vs x.. Si ( x ) = −Si ( − x ).. ella se puede aproximar tomando un número suficiente de términos... (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. Con ayuda de la Integral Seno en el problema que nos ocupa.

11. Cuando no se requiere valores exactos. tomando en cuenta los dominios de validez de estas rampas. 2. 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. 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.8. z(x) 2x1AB x -xo .x1 -xo + x1 0 xo . Convolución de Señales Periódicas Consideremos dos señales periódicas x T1 ( t ) y x T2 ( t ) con el mismo período T. 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. la resolución de la integral de convolución se puede efectuar en forma gráfica. aparentemente sencillos. ⎤ ⎡ ∞ 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 =−∞ ∑ ∞ ∫ .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. ♣ ♣ Ejemplo 2. 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.8. En estos ejemplos.48) Reemplazando x T2 ( t − τ ) por su desarrollo en serie de Fourier. 2. que veremos en la próxima sección.

50) ∑X ∞ n exp( j2 πnf o t ) ⇔ n =−∞ ∑X δ(f − nf n ∞ o) (2. En la Fig. es también periódica de período T.9(f). La gráfica de las áreas de intersección.9(f).9(d). Fig. Para encontrar los valores del producto de convolución x 1 ( t ) ∗ x 2 ( t ) se selecciona diferentes valores de t.49). 2. Como ejemplo de esto supongamos que x 1 ( t ) y x 2 (t ) son los impulsos rectangular y triangular mostrados en la Fig.51) La convolución de dos señales periódicas de período T. entonces se puede escribir X n1 X n 2 = X n =| X n |exp( jθ n ) Reemplazando (2. 2.50) en (2.52).2. con t = τ . Si en un sistema lineal sólo se conoce x(t) y h(t) en forma gráfica. Vamos a determinar gráficamente el producto de convolución x 1 ( t ) ∗ x 2 (t ) . 2.9(a).49) es una forma del teorema de convolución para señales periódicas. x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 ( τ ) x 2 ( t − τ ) dτ (2. 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. Por definición.3. Como el período T es el mismo para X n1 y X n2 . 2.9(b) se muestra x1 ( τ) y x2 ( −τ). La integral de convolución. Lo mismo para t = t 3 . expresadas como funciones de t. en la Fig. expresión (2. se desplaza la función x 2 ( −τ ) según esos valores y se calcula el área de intersección correspondiente. x T1 ( t ) ∗ x T2 ( t ) = n =−∞ donde |X n | =| X n1 || X n 2 | y θ n = θ n1 + θ n 2 (2.52) evaluada en t y representa el área bajo la curva producto de x 1 ( τ ) y x 2 ( t − τ ) . Estas áreas representan los valores del producto de convolución en los valores respectivos de t. dicha área es la región sombreada de la Fig. para t = − t 2 . . El término x 2 ( t − τ ) representa la función x 2 ( −τ ) desplazada t segundos a lo largo del eje τ. El valor de la integral de convolución para un t particular viene dado por la integral (2. Nótese que x 2 ( −τ ) se obtiene girando x 2 ( t ). 2. 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. Fig. 2. 2. alrededor del eje vertical que pasa por el origen.52) donde τ es la variable independiente y t el parámetro tiempo. Por ejemplo. ♣ 2. Nótese que si las señales periódicas son de diferente período.106 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero la integral dentro de los corchetes es igual a X n1. su convolución será cero. entonces la convolución grafica resulta muy útil. de su área de intersección. representa el producto de convolución x 1 ( t ) ∗ x 2 ( t ) .9(e). es decir.9(c) se muestra x 2 ( t − τ ) y x 1 ( τ ) y el sentido del desplazamiento. introduce el concepto de “función de ponderación (weighting function)” en la terminología del análisis de sistemas [Brown y Nilsson. 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.49) La expresión (2.

9(d) y (e). “presente” y “futuro”. En el gráfico de x 2 ( t − τ ) .9. se supone que x 2 ( t ) es la excitación del sistema. y visualizando la multiplicación de x1 ( τ ) por x 2 ( t − τ ) . . h ( t ) = u ( t ) caracterizaría un sistema de memoria perfecta. 2. el eje vertical representa el presente. Dicho de otra manera.10. Usando estas ideas. 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”. y el semiplano de la mano derecha el pasado. si la respuesta impulsional fuera un impulso muy angosto. 2. los valores pasados de x 2 (t ) son ponderados menos y menos a medida que pasa el tiempo. se puede ver que x 1 ( τ ) “pesa” o pondera la función x 2 ( t ) de acuerdo con valores presentes y pasados. Con referencia a la Fig. el sistema “recuerda” menos y menos acerca de los valores pasados de la entrada. el semiplano de la mano izquierda el futuro.107 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1962]. Fig. Fig.10. 2. 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. 2.5 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. éste sería un sistema con memoria perfecta. Por ejemplo. mientras que h ( t ) = δ ( t ) caracterizaría un sistema de memoria cero. Convolución Gráfica. En efecto. Para la función dada x1 ( τ ) . el sistema tendría poca memoria. 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). 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. Por otro lado.

4. 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). La función memoria indica. Y (f ) =| H (f )|exp[ jβ ( f )] ⋅ X ( f ) (2. Sea un sistema lineal invariante en el tiempo en el cual x ( t ) ⇔ X(f ). Concepto de pasado.31). pues. (b) La integral de convolución introduce la posibilidad de aproximar la señal de entrada como una secuencia de impulsos. 2. (d) Como herramienta analítica. y(t) ⇔ Y(f) De (2.10. 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. la integral de convolución proporciona los recursos para una resolución alterna de las Integrales de Fourier. DISTORSION EN SISTEMAS 2. pero no sus respectivas transformadas de Fourier.1. vamos a considerar esa respuesta en el caso de ciertos sistemas lineales ideales. vamos considerar primero el problema de la transmisión sin distorsión. 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. determinándose la respuesta total por superposición de las respuestas individuales de cada impulso. 2.108 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.4. 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.53) . h(t) ⇔ H(f).25) y (2. Transmisión sin Distorsión Sabiendo que la respuesta impulsional suministra información fundamental acerca del comportamiento general de un sistema. (c) La integral de convolución introduce el concepto de “función de ponderación” o “memoria del sistema”. Con el fin de introducir estas idealizaciones.

Aún más. Por transformada de Fourier. de tal manera que la condición de transmisión sin distorsión no cambia. 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 ) (2.58) es β(f ) = −2πt o f ± nπ para todo n entero (2. Por otra parte.. La característica de fase en transmisión sin distorsión es entonces una familia de líneas paralelas de pendiente −2πt o .55) queda en la forma Y( f ) = h o exp( − j2πt o f ) ⋅ X( f ) (2. Una expresión más general para la fase en (2. la transmisión no puede ser instantánea y la señal de salida tendrá un cierto retardo en relación con la señal de entrada. .58) Si X(f) es de banda limitada (pasabajo o pasabanda).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).2. exp(± jnπ ) = −1. se producirá distorsión de fase.. ± 1.13). que cortan al eje β(f ) en múltiplos enteros de π. puede suceder que. y al eje de frecuencia en las frecuencias f n = n / 2t o . si la atenuación es constante para todas las frecuencias. entonces aparecerá un término constante de distorsión de fase (ver Problema de Aplicación 2. ella no representa ningún problema pues la amplitud original puede restaurarse mediante amplificación.56) con (2. ± 2.109 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también y( t ) = | H ( f )| X( f ) exp[ jβ( f )]exp( − j2 πtf ) df −∞ ∫ ∞ (2. es suficiente que estas condiciones se cumplan dentro de su intervalo de existencia. se tiene que exp(± jnπ ) = 1. ésta no es una condición necesaria.55) donde ho es la “atenuación (o ganancia)” y to el “retardo de transmisión” de la señal a través del sistema. n = 0. Es evidente que si H(f) = 1. siendo t o el tiempo de propagación o retardo de las componentes a través del sistema. las dos formas de onda serían idénticas. Esto significa que todas las componentes de frecuencia de una señal llegan a la salida al mismo tiempo. pero si su prolongación no corta el eje β(f ) en cero o en múltiplos enteros de π.56) Comparando (2. como se puede apreciar en la Fig. mientras que si n es impar. (2. Nótese que si n no es entero. para n = 0.. Esta situación es común en la práctica. | H (f )| = h o y β (f) = -2πt o f (2.59) Si n es par. sin embargo. en alguna gama de frecuencias la característica de fase sea lineal.11(b). .57) (2. En cualquier sistema físico la señal siempre experimenta una cierta atenuación.53).

la transmisión sin distorsión requiere que la magnitud o módulo de la función de transferencia sea constante e independiente de la frecuencia...11. Sea entonces el modelo de un canal en transmisión multitrayecto. Transmisión Multitrayecto.τ N Fig.. x(t) Transmisor y(t) h o . mostrado en la Fig.τ 1 Receptor h N . En resumen. ♣ Ejemplo 2. 2.12.+ 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 )+..60) . 2.... y que la característica de fase sea una función lineal de la frecuencia. 2.. que es una perturbación muy común en los sistemas de transmisión por radio..τ o h 1 .12. 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 . como se muestra en la Fig. 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 )+. 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. Características de un Sistema para Transmisión sin Distorsión.+ 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...11.12.110 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.

cuando Ho H eq (f ) = (2. Como Y(f) es el espectro de la señal recibida.. utiliza una línea de retardos ∆ . En la práctica los valores de h i y τ i no son conocidos. del Ejemplo anterior.. como se muestra en la Fig. son cantidades aleatorias. donde H o es una constante.+α K y (t − K∆ ) cuya transformada de Fourier es Yeq (f ) = α o Y (f ) + α 1Y (f ) exp(− j2π∆f )+. Y(f) será Y (f ) = H c (f ) ⋅ X (f ) y el espectro de la señal ecualizada será Yeq (f ) = H eq (f ) ⋅ H c (f ) ⋅ X (f ) La señal ecualizada y eq (t ) no presentará distorsión si H eq (f ) ⋅ H c (f ) = H o . El filtro transversal. es decir.13. 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.. entonces. 2. 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. y eq (t ) = α o y (t ) + α 1y (t − ∆ ) + α 2 y (t − 2∆ )+..61) Estas son la función de transferencia y la respuesta impulsional del filtro transversal. en realidad.. Filtro Transversal o Ecualizador De la Fig. Entrada y(t) αo Retardo ∆ α1 Retard ∆ α2 Retardo ∆ αK H eq ( f ) Salida y eq ( t ) Fig.. ♣ ♣ Ejemplo 2.13. 2. el cual actúa sobre la señal recibida y(t) para compensar la distorsión producida por el fenómeno de multitrayecto..62) H c (f ) .. 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..13...13.+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 o Ecualizador Los efectos producidos por la transmisión multitrayecto se pueden contrarrestar mediante la utilización del llamado “Filtro Transversal o Ecualizador”. cuyas salidas se ponderan con ganancias α i que luego se suman para producir la salida ecualizada y eq ( t )..

Sistema de Fase Lineal.63) queda en la forma h max = ∫ ∞ −∞ | H (f )| df (2.64) donde h max representa el área neta bajo |H(f)|. ♣ Sistemas de Fase Lineal Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. 2.63) Sin necesidad de resolver la integral (2. 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. es decir.63) porque cos[2π (t − t o )f ] tiene su valor máximo en t = t o para todo f. es decir. Una primera aplicación de estos conceptos la veremos más adelante al tratar los filtros ideales. 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 ) .14(a). el valor máximo h max de h(t) se alcanza cuando t = t o . Cualquier otro valor de t lo que hace es disminuir el valor del integrando en (2. entonces h (t ) = ∫ ∞ −∞ | H (f )|cos[ 2π (t − t o )f ]df (2. 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 red ecualizadora se coloca a la entrada del receptor. además. la expresión (2. 2. para t = t o . podemos suponer que h( t ) ≈ 0 para t < 0 .14. que h(t) es causal. . con valor máximo h max en t = t o y distinta de cero para t < 0. El filtro ecualizador tiene múltiples aplicaciones en todas las ramas de la ingeniería eléctrica. 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. 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. En efecto.112 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En la práctica. Este es un sistema que no posee distorsión de fase. si el retardo t o es lo suficientemente grande.14(b): simétrica respecto a t = t o . La dispersión de h(t) alrededor de t = t o dependerá del ancho de banda de H(f). La respuesta impulsional h(t) de un sistema de fase lineal tiene entonces la forma general mostrada en la Fig. Asimismo.63).

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

para frecuencia negativa. con f → − f . 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. Esto se debe a que la fase es una función impar de la frecuencia. 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 .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. y su negativo. β( f ) = β ( f c ) + ( f − f c ) De (2. El retardo de envolvente o retardo de grupo es la forma de retardo más . como es el caso en sistemas pasabanda de banda angosta. Tanto t g ( f ) como t p ( f ) están evaluados a la frecuencia f c de la portadora.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. la fase β(f) se puede aproximar con los dos primeros términos de su desarrollo en serie de Taylor.114 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS una frecuencia central f c .66). H ( f ) = H − (f ) + H + ( f ) .65) y (2. Entonces.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 ) . 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. se aplica para frecuencia negativa. 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. es decir. mientras que la fase de la portadora está retardada en una cantidad igual al retardo de fase t p ( f ) .

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. ♣ Ejemplo 2. 1 π 1 = . . t o = Ganancias: 1. ganancia = 2.15. 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. 2.5 Hay distorsión de amplitud solamente: diferente.14 Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. pues representa el verdadero retardo de la señal. 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. f 2 = 25 Hz. 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.5 y 1 y 3 ( t ) = 1. f 2 = 6 Hz. ganancias: 2 y 1. t1 = 1 π = 1 100 Frecuencias presentes: f1 = 15 Hz. (a) Frecuencias presentes: f1 = 5 Hz. y 2 ( t ) = 2 cos[10π ( t − 1 80 )] + 1. 2. (b) .115 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS utilizada en la caracterización de un canal de comunicaciones. (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. (b) Característica de Fase Este sistema es excitado por las tres señales (a) x 1 ( t ) = cos(10πt ) + cos(12 πt ) . f 2 = 15 Hz. sobre todo si la señal está modulada.5 cos[30π (t − 1 80 )] to = 1 80 En el sistema hubo transmisión sin distorsión. (c) las componentes están amplificadas en forma 1 80 .15.

Esto es muy importante desde el punto de vista práctico... y(t) x(t) 0 Fig. 4fc .16 se muestra la característica de transferencia de un sistema no lineal sin memoria. entonces la salida contendrá.. x( t ) = cos(2πfc t ) + cos(2πfx t ). términos a las siguientes frecuencias: De Distorsión Armónica: 2fc . En la Fig. Aunque no se dispone de la función de transferencia. la característica de transferencia se puede considerar lineal. comúnmente denominada “característica o curva de transferencia”. Si la entrada al sistema es la suma de dos señales sinusoidales de diferentes frecuencias.69) La distorsión armónica asociada con la salida de un sistema se determina aplicando un tono sinusoidal puro a la entrada del sistema. a menudo exhiben características no lineales y no pueden ser descritos mediante una función de transferencia pues no poseen una.. junto con otros factores que veremos posteriormente. cross-modulation)”.. y los segundos. Los sistemas no lineales se describen entonces mediante una curva y ( t ) = g[ x ( t )]. En general. a la generación de una distorsión de las señales conocida como “interferencia intersímbolo”.. 3fc .. 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 ) +... Nótese que una señal real..15 consideramos este caso.116 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando hay distorsión de retardo las componentes de frecuencias más altas llegan primero a la salida. sobretodo en la transmisión de impulsos digitales.... El lector puede demostrar que los cuatro primeros términos de (2.68) La segunda y siguientes potencias de x(t) son los términos que producen distorsión. por ejemplo.16 (2. 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. En el Ejemplo 2. “términos de distorsión de intermodulación (en inglés. 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)]+. ♣ Distorsión no Lineal Los canales prácticos y dispositivos electrónicos como los amplificadores. sin importar su naturaleza. 2fx . términos a las frecuencias armónicas de las frecuencias de entrada. además de una componente continua. siempre poseerá un espectro. (2. 4fx → 6 frecuencias . Los primeros términos reciben el nombre de “términos de distorsión armónica”.68) contienen. como veremos en el Capítulo V.. 2. además de una componente continua. y a la suma y diferencia de las frecuencias de entrada y de las armónicas. cuando x(t) es pequeña. Las líneas a trazos representan la aproximación lineal por tramos de la curva de transferencia. En efecto. 2. 3fx . pues contribuye.

. El porcentaje de “distorsión armónica total”.. 2fx ± fc . ver Ejemplo 1. 2 En general.⎥ cos( 2 πf o t ) + ⎢ + +... ⎣ 2 ⎦ ⎣ ⎦ ⎣ 2 ⎦ 8 4 4 y(t) = Vo + V1 cos(2πf o t) + V2 cos[2π(2f o )t] + . viene dado por ∑V Distorsión Armónica Total. La distorsión no lineal aparece como armónica de la frecuencia de entrada.68) la salida y(t) tendrá la forma ⎡ a 2 3a 4 ⎤ ⎡ ⎤ ⎡a2 a4 ⎤ 3a 3 y(t ) = ⎢ + +. Dn % = n =2 ∞ 2 n V1 2 100 En particular.⎥ + ⎢ a 1 + +.. 3f x ± fc → 12 frecuencias Las frecuencias de distorsión armónica y de intermodulación caracterizan la interacción mutua entre dos frecuencias fc y fx... 2fc ± 2 f x . Esta forma de distorsión de intermodulación (conocida también como “cross-talk”) es de especial importancia. 2 4 = D2 % = 100 3a 3 V1 + .... entonces y(t) contendrá los términos x 1 ( 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 + + .. 2fc ± f x . 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 ).. 2 x 1 (t ) ⋅ x 2 ( t ) y así sucesivamente... si el sistema no lineal se utiliza como modulador o demodulador.. Esto lo veremos en el Capítulo VI. por ejemplo. 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 ).⎥ cos[2 π (2 f o ) t ]+.. FM y TV..... Sin embargo.117 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De Intermodulación: fc ± fx . 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.15. x 2 ( t ). los términos 2fc y (2fc ± fx) se utilizan en los cálculos de las interacciones entre estaciones de radiodifusión en AM.. a1 + 4 ♣ ... ♣ Ejemplo 2..... Introduciendo esta señal en (2.11. 3fc ± fx .. el término de intermodulación es el término útil o deseado. el espectro de [x 1 (t ) ⋅ x 2 (t )] puede solapar X 1 ( f ) o X 2 ( f ) o ambos.

produce interferencias a todas las frecuencias ocupadas por la señal deseada. 2.17(c). 2. 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.118 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. 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. dispuestos en la forma mostrada en la Fig. recuperar X(f) a partir de Y(f). Obsérvese que el término de distorsión ocupa un ancho de banda el doble del de la señal útil. 2. considerado como distorsión. mediante aplicación sucesiva del teorema de la convolución. (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. pero el segundo término. 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. habrá distorsión y será imposible.18. la amplitud de la señal se mantiene dentro del rango de operación lineal de la característica de transferencia. Esto se puede apreciar en la Fig. B).17. ♣ Compansión La característica de transferencia de la Fig. 2. Como ambos términos se superponen en el intervalo (-B. . 2.16 sugiere un método para disminuir la distorsión no lineal.18. La compansión se efectúa mediante dos dispositivos no lineales: un “compresor’ y un “expansor”.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 ). Entrada x(t) Compresor Canal no Lineal Expansor Salida y(t) Fig. Sistema de Compansión. Con este método. conocido con el nombre de “compansión (compresiónexpansión)”. Dibujar el espectro de la salida. en general.

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

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

si Bt o >> 1. ella puede aproximarse para que sea causal haciendo t o lo suficientemente grande. 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.70) (2. Filtro Ideal Pasabajo En la Fig. como un filtro “pasatodo”. el desplazamiento respecto al origen es el tiempo de retardo to . 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). los filtros ideales permiten. por su descripción matemática sencilla. Sin embargo. de donde H PB ( f ) = h o Π( f 2B ) exp( − j2πt o f ) (2. 2. transmisión y recepción de señales.20(b). y un estudio más completo de ellos está fuera de los objetivos de este texto. La respuesta impulsional contiene también toda la información sobre el filtro. Por lo tanto. Fig. Para simplificar la descripción de algunos de los filtros ideales. la cola que se extiende para t negativo es de amplitud muy pequeña y podría ser despreciada. 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. 2. aunque la característica pasabajo ideal nunca puede ser causal. se obtiene también el valor ho de |H(f)|.20(a). En efecto.121 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS de los filtros es un sujeto muy importante en la generación. Filtros Ideales Aunque no son físicamente realizables. Sin embargo. y como el valor máximo de la característica es 2Bho ..11. entender con menor dificultad sus efectos sobre las señales que se les aplican. Para caracterizar estos filtros ideales. procesamiento. . Los filtros ideales son sistemas de fase lineal cuyas características generales hemos visto ya.20(a) se muestran las características de amplitud y fase de un filtro ideal pasabajo.71) h PB ( t ) = 2 Bh o sinc[2 B( t − t o )] Obsérvese que la respuesta impulsional no es causal. 2. mostrado en la Fig. concepto que nos ayudará en la caracterización de algunos de los filtros ideales que veremos a continuación. 2.2.6. la distancia entre los dos ceros del lóbulo principal de la característica nos da el valor del ancho de banda B. De la Fig. pues hay una respuesta para t < 0: las colas de la función sinc(. Nótese que h(t) es máxima y simétrica en t = t o .) se extienden hasta -∞.

2. Fig.21(a). to y ho) se pueden deducir también de la respuesta impulsional. 2.73) 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. El filtro ideal pasaalto se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabajo.21 (a). H BB (f ) = h o [Π ( f + fo f − fo ) + Π( )]exp(− j2πt o f ) B B (2.72) (2. Obsérvese que la envolvente de la respuesta es parecida a la respuesta del filtro ideal pasabajo. Filtro Ideal Pasaalto En la Fig.21(b). 2.22(a) se muestran las características de amplitud y fase de este filtro. Nótese que todos los parámetros del filtro (fo . B. 2. la respuesta impulsional tiene la forma de una señal modulada de frecuencia fo. es decir.122 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Filtro Ideal Pasabanda Las características de amplitud y fase del filtro ideal pasabanda se muestran en la Fig. . la respuesta impulsional del filtro ideal pasabanda tampoco es causal. De la Fig.

entonces la respuesta de frecuencia se extenderá más allá de la banda de paso y contendrá rizados dentro de la misma banda. de la Fig.23(a).18. cuyas respuestas impulsionales contienen funciones sinc(.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. Filtro Ideal Eliminador de Banda Las características de amplitud y fase de este filtro se muestran en la Fig. En este caso vamos a investigar qué le sucede a su correspondiente función de transferencia..74) (2.71).22(b). ♣ Ejemplo 2. Ninguno de los filtros ideales considerados hasta ahora son causales debido a los bordes abruptos de las funciones de transferencia. Esto podemos apreciarlo en el siguiente ejemplo. Además. Consideremos la respuesta impulsional de un filtro ideal pasabajo que de alguna forma hemos limitado entre 0 y 2to para hacerla causal. estos filtros no pueden ser realizados físicamente pues su característica de amplitud |H(f)| viola el Criterio de Paley-Wiener. 2. 2.123 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 ) (2.76) (2. 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. ⎡ 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 ⎦ (2.23(a). 2. h c ( t ) = 2 Bh o sinc[2 B(t − t o )]Π( t − to 2t o ) ⇔ H c (f ) . 2. Este filtro se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabanda.23(b). En efecto. De (2.75) Esta respuesta se muestra en la Fig.) que se extienden para t < 0.

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. La correspondiente función de transferencia se puede obtener en la forma siguiente. 2. 2. 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.10(b).24(a). ⎧ 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. Obsérvese el rizado presente dentro de la banda de paso. Nótese también que H c (f ) ya no viola el Criterio de Paley-Wiener y por lo tanto es físicamente realizable. Sea h 1 ( t ) = sinc(2 Bt ) Π( Entonces. ♣ .124 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h c ( t ) se muestra en la Fig.24(b) se muestra las características de H c (f ). nótese que | H c ( f )| se extiende más allá 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.

si definimos el “tiempo de alzada” t r en la forma mostrada en la figura.125 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.19. y tomando el primer término del desarrollo en serie de potencias de la Integral Seno. de (2. En efecto. 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 ) . 2. Respuestas de un Filtro Pasabajo Ideal En este Ejemplo vamos a considerar las respuestas de un filtro pasabajo ideal cuando se le aplica un escalón unitario o un impulso rectangular. 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”. la pendiente de y(t) en t = t o será. Nótese que la pendiente de y ( t ) alrededor de t = t o depende del ancho de banda del filtro. de donde B≈ 1 2t r Obsérvese que cuanto mayor es el ancho de banda B.25 se grafica esta respuesta. Fig. 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. (a) Respuesta a un Escalón Unitario En el Ejemplo 2. Como un canal de transmisión se puede considerar como un filtro pasabajo. la salida del canal se parece más y más a la entrada (el tiempo de alzada tr es menor).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.25. 2. y( t ) = ho 2 + ho π Si{2πB(t − t o ) } En la Fig. d dt y( t )|t = t o ≈ ho tr Por consiguiente. .71). ho tr ≈ ho π 2πB.

la dispersión del impulso de salida es tal que puede interferir con impulsos adyacentes.7). Si se quiere disminuir el ancho de banda B a valores menores que 1/2T. T De (2. 2. en la práctica su valor es despreciable. es la salida típica de un sistema de fase lineal. Esto es lo que se conoce con el nombre de “interferencia intersímbolo”. si hacemos t o = En la Fig. De (2. .26 se muestra la respuesta y(t) para diferentes valores del producto BT. En efecto. y ( t ) = 2 Bh o h( t ) = 2 Bh o sinc[ 2 B( t − t o )]. Obsérvese que la salida es simétrica respecto a t = t o = T / 4 y existe para t < 0: la respuesta es no causal.71). 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. 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. como en los sistemas de transmisión digital en banda de base.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( ) . y(t ) = ho ⎡ ⎧ ⎧ T ⎫ T ⎫⎤ ⎢Si ⎨ 2 πB( t − t o + ) ⎬ − Si ⎨ 2 πB( t − t o − )⎬⎥ ⎩ π ⎣ ⎩ 2 ⎭ 2 ⎭⎦ T h ⎡ ⎧ T ⎫ 3T ⎫⎤ ⎧ . mejor es la fidelidad a la salida. Obsérvese también que la salida depende en forma apreciable del ancho de banda B del canal: cuanto mayor es el valor del producto BT. si el ancho de banda del canal es fijo. Por ejemplo. El efecto del ancho de banda B es entonces más crítico cuando se transmite secuencias de impulsos.

78) H(f) |H(f)|max Bandas de Transición Fig.3. 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 . depende entonces del ancho de banda. 2. 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”. La banda de paso se extiende en este caso desde f = 0 hasta f = B 3dB . Nótese que el retardo to influye muy poco en la interferencia intersímbolo. 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. Si B es el ancho de banda del canal y T la duración de los impulsos.127 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS habrá un límite inferior sobre la duración permitida de los impulsos a transmitir.27. pues to es. En este caso. es decir. Esta convención se denomina “Ancho de Banda de Potencia Mitad” o “Ancho de Banda de 3 decibeles (3 dB)”. como se muestra en la Fig. . con i = 1. La interferencia intersímbolo la trataremos con más detalle en el Capítulo V. muy pequeño. las relaciones más utilizadas en la transmisión de impulsos son B = 1/T y B = 1/2T. en general.27 para un filtro pasabanda típico. ♣ 2.6. La selección de una u otra relación dependerá de la interferencia intersímbolo permitida. Si el filtro es pasabanda o eliminador de banda. 2. el ancho de banda del canal limitará la cantidad de impulsos que se pueden detectar por unidad de tiempo en la salida del canal. las cuales separan las “bandas de paso” de las “bandas de atenuación o rechazo”. como veremos en el Capítulo IV. se determinan las frecuencias f1 y f 2 (con f 2 > f1 ) para las cuales se verifica que | H ( f i )| =| H ( f )|max / 2 . Como ejemplo de esta convención. El ancho de banda de 3 dB vendrá dado entonces por B 3dB =| f 2 − f1 |. 2. Filtro Pasabanda Típico. la velocidad de modulación (impulsos por segundo) en el canal. 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.

H ( f ) = 1 ⎡ 1 f ⎤ f )⎥Π( ). transmisión y recepción de señales en banda de base se utilizan algunos filtros cuyas funciones de transferencia tienen envolventes sinusoidales. de donde cos( B3dB ) = 2 − 1 .117). (a) Filtro de Nyquist. expresión (1. Filtros Sinusoidales En el procesamiento. como se muestra en la Fig. |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 .20. Primera Forma. Más adelante se definirá otro ancho de banda denominado “Ancho de Banda Equivalente de Ruido”. como se muestra en la Fig. Para filtros pasabanda.28 en el caso de un filtro pasabajo. 2. 2. | H( f )| df 1 −∞ B= 2 | H( f )| max |H(f)| | H (f )|max f 0 ∫ ∞ (2. Vamos a definir tres de estos tipos de filtro. En este caso. Consideremos la primera forma del denominado “Filtro de Nyquist”. 2. ♣ Ejemplo 2. 2.79) -B B Fig.28 La expresión (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 . B 2 ⋅B 1 . el procedimiento es el mismo.29(a).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. que es un filtro con características en coseno elevado. el ancho de banda definido por la expresión (2. Vamos a determinar su ancho de banda de 3 dB.29(a).79) y su respuesta impulsional Supongamos que el retardo de transmisión es despreciable. De la Fig.

según la expresión (2.29(c). (b) Filtro de Nyquist. 2.) y rearreglando. De la Fig.364π . 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(.79): Obsérvese que Bc > B3dB Calculemos ahora su respuesta impulsional.129 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS π Resolviendo cos( B3dB ) = 2 − 1 = 0.29(c). obtenemos π B3dB = 0. 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. Segunda Forma La segunda forma del Filtro de Nyquist se muestra en la Fig. mostrada en la Fig. ∫ ∞ −∞ | H ( f )| df = ∫ 1 ⎡ πf ⎤ ⎢1 + cos( )⎥df = 1 − B 2B ⎣ B ⎦ B El ancho de banda del Filtro de Nyquist es. 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 . 4142 B de donde B 3dB = 0. 2.29(b) se muestra la forma de h(t).29(a).364 ⋅ B para B 3dB . Aplicando el dual del teorema de la modulación. B También.. 2. 2. se obtiene finalmente h (t ) = sinc(2 Bt ) 1 − ( 2 Bt ) 2 En la Fig. La función de transferencia H(f) de este filtro.5 ⋅ B 1 f Π ( ) ⇔ sin c(2Bt) .

de donde cos[ ]⎥ = ⎢1 + cos[ 2f d 2⎣ 2f d 2 ⎦ Resolviendo para B3dB. 4142 .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. ∞ −∞ ∫ 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. Bc = f o = B − f d . El ancho de banda de 3 dB se obtiene a partir de π(B3dB − f o + f d ) π(B3dB − f o + f d ) ⎤ 1 1⎡ ] = 2 − 1 = 0. 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.728f d + f o − f d = f o − 0. obtenemos: π(B3dB − f o + f d ) = 0.364π . de donde 2f d B3dB = 0.29(d). Veamos el ancho de banda de 3 dB. 2. 272f d H(f ) max = 1 y En cuanto al ancho de banda dado por (2.79). 272f d o también B3dB = B − 1. .

este filtro se convierte en la primera forma del Filtro de Nyquist.131 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando f1 = 0. El ancho de banda de 3 dB se obtiene a partir de πB πB 1 1 1 2 = . 2. como veremos en el Capítulo V. la segunda forma del Filtro de Nyquist se convierte en un filtro rectangular de f la forma H(f ) = Π ( ) . de donde cos( 3dB ) = cos( 3dB ) = B 2B 2B 2 2B 2 Resolviendo para B3dB.5B . 2. Veamos el ancho de banda de 3 dB. obtenemos: πB3dB 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. (c) Filtro de Respuesta Parcial En la transmisión en banda de base se emplean las “técnicas de respuesta parcial” en los llamados sistemas duobinarios. La respuesta impulsional de este filtro es h(t) = 2∫ h(t) = B 1 πf 4[1 − 2 cos 2 (πBt)] cos( ) cos(2πtf )df = 2B π[(4Bt) 2 − 1] 0 B 4 cos(2πBt) π (4Bt) 2 − 1 Esta respuesta se muestra en la Fig. mientras que si fd = 0.29(f). de donde 2B 4 B3dB = 0. . 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.29(e).

30(a). ∫ π 1 ∞ x (τ ) −τ −∞ t dτ = ∫ π 1 ∞ x(t − τ ) τ −∞ dτ (2. H h ( f ) = − j sgn(f ) (2. De (2. Esto quiere decir que si x ( t ) ⇔ X(f ) . La Transformada de Hilbert En la Sección 2.82).83) En consecuencia. 2 B = 0. en general. “Filtro de Hilbert” o “Filtro de Cuadratura”. Fig. ∞ H(f ) max = 1 y B −∞ ∫ | H(f ) | df = 2∫ Bc = B 1 πf 4 cos( )df = 2B π 0 B de donde.79) es mayor que el ancho de banda de 3 dB.80). que representaremos con X( f ). ♣ 2.132 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En cuanto al ancho de banda dado por (2. es decir. 637B π Nótese que.30(b).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 ).80) (2. Este sistema se conoce con el nombre de “Transformador de Hilbert” . Ahora vamos a considerar un sistema sin distorsión de amplitud pero con una distorsión de fase tal que produce un desfase de π/2 a todas las señales de entrada. entonces H h ( f ) será la función de transferencia del sistema. el ancho de banda dado por la expresión (2. la respuesta impulsional del transformador de Hilbert es 1 { H h (f )} = h h (t ) = πt 1 x(t ) = h h (t ) ∗ x(t ) = (2.1 se consideró un sistema con distorsión de amplitud pero con fase lineal y se dedujo algunas propiedades muy interesantes acerca de su respuesta impulsional. de (2.1. SEÑALES Y SISTEMAS PASABANDA 2.79).7. entonces el espectro de salida del sistema. 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.84) .7. 2. para todo f. X( f ) = − jX( f ) u ( f ) + jX( f ) u ( − f ) = jX( f )[u (− f ) − u ( f )] (2.4. 2.82) que se representa en la Fig.

entonces x ( t ) = − A cos(ωc t + θ) . . y viceversa. La transformación (2. H h (f ) = H h (f ) exp[ jφh (f )]. 2. • x ( t ) y su transformada de Hilbert x ( t ) son ortogonales.80).27 se deducen algunas relaciones muy interesantes aplicando la Transformada de Hilbert. ∫ x(t)x(t)dt = 0. | X(f )| =| X(f )| π (2. φh (f ) = φx (f ) ± Otras propiedades de la Transformada de Hilbert. H h (f ) = 1. son: • • [x(t)] = -x(t) Si x ( t ) es par. En el Problema de Aplicación 2.86) demuestra que x ( t ) y x(t) tienen la misma densidad espectral de energía o la misma densidad espectral de potencia (en el límite). 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. 1 {X( f )} = x( t ) = j( ∫ ∞ −∞ x( t ) −1 dτ = π t−τ ∫ ∞ −∞ x( t − τ ) dτ τ (2.87) explican el cambio de fase en ± . x ( t ) = A cos(ωc t + θ) . entonces x ( t ) es impar.30. 2 entonces x ( t ) = A sen(ωc t + θ) . pero si x(t) = sen(ωc t + θ) .81). mientras que las expresiones π (2.84) generalmente se representa en la forma x(t ) = {x(t )} -1 −1 ) ∗ x(t) = π jπt De (2.86) y en virtud de (2. que si por ejemplo.87) 2 La expresión (2. −∞ ∞ • x ( t ) y su transformada de Hilbert x ( t ) tienen la misma función de autocorrelación (La función de autocorrelación la trataremos más adelante). es decir.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. es decir.85) (2. cuyos principios básicos veremos más adelante. que no demostraremos aquí.

las discontinuidades de una señal producirán cuernos en su transformada de Hilbert correspondiente. X( f ) = AΠ( f Por transformada de Fourier inversa. 2.84). A los lugares donde x ( t ) se hace infinito algunas veces se les denomina “cuernos”. En general.31. por ejemplo.21 Determinar la transformada de Hilbert de un impulso rectangular x ( t ) = AΠ( Solución De (2. x ( t ) = jA[ Bsinc(Bt ) exp( − jπBt ) − Bsinc(Bt ) exp( jπBt )] x ( t ) = 2 ABsinc( Bt ) sen( πBt ) = 2 A sen 2 ( πBt ) πt ♣ .22 x (t ) t 0 Fig.30(c). ♣ Ejemplo 2. De (2.31 ♣ Determinar la transformada de Hilbert de la señal pasabajo x ( t ) = 2 ABsinc( 2 Bt ).80) o según el procedimiento gráfico mostrado 2B en la Fig. estos cuernos pueden causar problemas en sistemas de comunicación que utilizan transformadas de Hilbert. Solución ) . 2. x(t ) = − A π x(t ) = ln| τ − t |T = 0 1− T / 2 T ). 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. ∫ 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. en sistemas telefónicos que son sistemas donde se aplica el concepto de banda lateral única. 2.134 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.

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

En la mayoría de las señales pasabanda empleadas en las comunicaciones. su espectro X(f) tendrá simetría hermítica. La Señal Analítica Consideremos ahora el concepto de señal analítica. como se muestra en la Fig.32. X(f) 2B 1 Z x (f ) 2 2B −fc 0 fc Fig. es igual al producto de la señal pasabajo por la transformada de Hilbert de la señal pasaalto (o pasabanda). estas señales no tienen espectros simétricos respecto a ± f c . en este caso se dice que estas señales son “señales de banda angosta”. Este resultado también es importante en el análisis de señales y sistemas pasabanda. la transformada de Fourier de z x (t ) es Z x ( f ) = X(f ) + j[ − j sgn( f ) X( f )] = [ 1 + sgn( f )] X( f ) (2. de ancho de banda 2B. pues siendo x(t) real. 2. Nótese que.136 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero como M(v)C(u) es diferente de cero solamente para | v| < W y |u|> W. 2. Sea x(t) una señal real pasabanda cuyo espectro X(f). En efecto. es decir. pero sí respecto al origen. La señal analítica es muy útil en el análisis de señales y sistemas pasabanda.2. como lo veremos de inmediato. está concentrado alrededor de las frecuencias ±fc .32(a). f c >> B. el ancho de banda 2B es pequeño en comparación con f c . sgn( u + v ) = sgn( u ) y las integrales se pueden separar en la forma siguiente: x(t ) = pero entonces ∫ ∞ ∫ ∞ −∞ M ( v ) exp( j2 πtv )dv ⋅ − j sgn(u )C ( u ) exp( j2 πtu )du −∞ ∫ ∞ −∞ M (v ) exp( j2 πtv )dv = m( t ) x ( t ) = m( t ) ⋅ c ( t ) y ∫ -jsgn(u)C(u)exp(j2πtu)du = c(t) ∞ -∞ entonces (2. que no se solapan en frecuencia. una pasabajo y la otra pasaalto (o pasabanda).88) La transformada de Hilbert del producto de dos señales. se puede formar la siguiente señal compleja (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)”. 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. en general. ♣ 2. Si x (t ) = {x(t )}.90a) .7.

es decir.92a).94) donde x c (t ) y x s ( t ) son dos señales cuyas características determinaremos a continuación. Obsérvese que el concepto de señal analítica o preenvolvente se aplica a cualquiera señal que posea un espectro. respectivamente.89). la señal x(t) y su transformada de Hilbert x ( t ) son unívocas.137 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también Z x (f ) = 2 X(f )u (f ) (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 ) . es también unívoca.89) y (2.93) 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 ) . . donde f c >> B . 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). de donde E z ( t ) = 2AB| sinc( 2 Bt )| 2. z x ( t ) = ~x ( t ) exp( j2πf c t ) = x ( t ) + jx (t ) z (2. como se muestra en la Fig. 2. la envolvente y la fase de la señal del Ejemplo 2.3. ella puede expresarse en la forma z x ( t ) =| z x ( t )|exp[φ z ( t )] Por consiguiente.53. Como z x (t ) es compleja. ♣ Ejemplo 2. no necesariamente las señales tienen que ser de banda angosta.92a) (2.25 Calcular la preenvolvente.53 y con f c ≥ B. z De (2.94). sin embargo.95) (2. es suficiente que se cumpla que f c ≥ B. y de acuerdo con las expresiones (2. 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)”. la representación de x(t) en la forma (2. Del Ejemplo 2. x ( t ) = Re{ z x (t )} =| z x (t )|cos[φ z ( t )] (2. Como a una señal x(t) corresponde de manera unívoca la señal analítica z x ( t ) . La envolvente Ez(t) se aproximará bastante a la salida de un detector de envolvente físico para señales de banda angosta. x ( t ) = 2ABsinc(2 Bt ) cos(2πf c t ) De (2.91) (2.93).32(b).7.92b) x(t) x(t) (2.90b) El espectro de la señal analítica de x(t) es idénticamente nulo para f < 0. Nosotros hemos dado preferencia a señales pasabanda de banda angosta. pues estas señales son de gran utilización en comunicaciones.

Nótese que el espectro Z x ( f ) no es simétrico respecto al origen.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. 2. podemos ver que. y puesto que z x (t) es compleja.99) Zx (f ) = Zx (f + f c ) . En efecto. ~ De (2. Figs. (2. x . x x X c ( f ) y X s (f ) se pueden expresar entonces en función de Z x (f ) y Z* (−f ) . Xc(f) y Xs(f) Vamos a demostrar que si x(t) es una señal real pasabanda. X (f ) = ~ Z x (− f ) = Z x (− f − f c ) (2.97) (2. 2. se verifica que TF{z* (t)} = Z* (−f ) = X c (f ) − jX s (f ) . para f c ≥ B. Fig.33. x ~ Z x (f ) ~ Z* (− f ) x f -B 1 0 (b) B 1 1 1 2 X(f) Z x (− f ) 0 1/2 1 2 B f f -B 0 (a) B −f c X s (f ) 2 Z x (f ) (c) fc j ~* Z x (− f ) 2 f X c (f ) 1 ~* Z x (− f ) 2 j/2 1~ Z x (f ) 2 f -B 0 (d) B −j Zx(f) 2 -B (e) 0 B -j/2 Fig.33.32 y 2.96) (2.33(b).100) (2. entonces xc (t) y xs (t) serán señales reales pasabajo de banda limitada B. Z x ( f ) = X c ( f ) + jX s ( f ) . Formación de X(f).101) 1 ~ 1 ~ (2. 2.33(a). como tampoco lo es su conjugado Z* (−f ) . 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.138 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En consecuencia. 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 ).94).98) (2.

33(c). se muestra la formación de X(f) a partir de Z x (f ) y Zx (−f ) . x c ( t ) es la “componente en fase”. Las señales pasabajo x c (t ) y x s ( t ) se denominan “componentes ortogonales de x(t)”. En la Fig.108) es una generalización del teorema de la modulación que vimos anteriormente.96) y (2. cada una de banda limitada B.7. se puede expresar en términos de dos señales pasabajo x c ( t ) y x s ( t ) reales.108) [ ] (2. La expresión (2. Así que z ~ ~ ~ ~ Z x (f ) = Z x ( − f ).104). mediante la expresión x ( t ) = x c ( t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) con fc ≥ B (2. Z* (−f ) lo será también. como se desprende de la expresión (2. ~x ( t ) = x c (t ). Nótese que las asimetrías del expectro X(f) en relación con la frecuencia f c son . Vemos también que X c ( f ) y X s ( f ) están relacionadas con las partes de X(f) que son simétricas y antisimétricas. Los mismos argumentos se aplican a la transformada de Hilbert de x(t).105) ⎧− j[ X( f + f ) − X( f − f )] ⎪ c c X s (f ) = ⎨ ⎪0 ⎩ para | f| ≤ B para B <| f| (2. Z x (− f − f c ) = Z x ( f + f c ) (2. entonces Z x ( f ) será simétrica respecto al origen y no tendrá componente antisimétrica [ ~x (t ) será real].107c) La expresión (2. ~ Nótese que si X(f) es también simétrica respecto a la frecuencia central f c . en relación con la frecuencia central fc . x c ( t ) x y x s ( t ) serán también señales pasabajo. En resumen. de (2. respectivamente.99). Esta expresión es básica en todos los sistemas de modulación lineal.107a) 1 ~ ~ Z x (f + f c ) + Z x f − f c ) . mientras que x s (t ) es la “componente en cuadratura”. ⎧[ X( f + f ) + X( f − f )] para |f|≤ B ⎪ c c X c (f ) = ⎨ ⎪0 para B <|f| ⎩ (2. De aquí resulta que. En particular. como veremos en los próximos capítulos. x X c ( f ) y X s ( f ) son las componentes simétricas y antisimétricas. (d) y (e). en el sentido visto en la Sección 1.106) x c ( t ) y x s ( t ) son señales reales Con esto demostramos finalmente que las señales pasabajo de banda limitada B. respectivamente.103) (2. X s (f) = 0 2 x s ( t ) = 0.97). x(t) = x c ( t ) cos( 2πf c t ) z X( f ) = que es el caso de las señales moduladas. una señal real pasabanda x(t) con un ancho de banda 2B y centrada en la frecuencia f c .103) y (2. y de (2.108) se conoce también con el nombre de “forma canónica de x(t)”.5. y X c ( f ) y X s ( f ) a partir de Z x (f ) y Z* (−f ) .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. 2.104) ~ Como Z x (f ) es una señal pasabajo. del ~ espectro Z x ( f ) de la envolvente compleja.107b) (2.

108) se puede escribir en la forma polar x ( t ) = E ( t ) cos[2 πf c t + ψ( t )] donde y E (t ) = x 2 (t ) + x 2 (t ) c s ψ(t ) = arctg x s (t ) x c (t ) (2. la frecuencia instantánea de x(t) es. de (2.111) es la “envolvente natural” de x(t) es la “fase natural” de x(t) pero. que son las que poseen la información. en efecto. Estos conceptos son de gran aplicación en comunicaciones. será una señal real pasabanda con un espectro X(f) asimétrico respecto a fc . .113) 2 π dt El concepto de frecuencia instantánea es de gran aplicación en los sistemas de modulación angular. 1 d f i (t) = [2πf c t + ψ ( t )] 2 π dt 1 d ψ(t) f i (t) = f c + (2. diremos sin demostrarlo. en los cuales generalmente f c >> B.140 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS producidas por la componente en cuadratura x s ( t ) .109).114) o (2. 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. Por otra parte.110) (2. mientras que la envolvente compleja ~x (t ) es una señal compleja pasabajo cuyos valores son independientes z de la frecuencia fc. Los resultados anteriores se pueden resumir en los dos esquemas de la Fig. por definición. es decir.114) donde x c ( t ) y x s ( t ) son señales reales de banda limitada B. las bandas de frecuencia sobre y bajo la frecuencia fc.112) La envolvente natural de una señal pasabanda real x(t) viene dada por el módulo de su correspondiente envolvente compleja ~x (t ) . Entonces. x s (t) = 0 . mediante una técnica conocida como “detección sincrónica o coherente”. con f c ≥ B. La señal x(t) dada por (2. Esto lo trataremos más adelante. de (2. la envolvente natural E(t) es siempre una señal pasabajo que en los sistemas de comunicación contiene la información a transmitir. pues.94). es decir.109) (2. que veremos en el Capítulo VI. siendo θ un ángulo o desfase arbitrario y x c (t ) ≠ x s (t ) . se puede extraer de x(t) su envolvente natural E(t) portadora de información. En general. si el espectro X(f) es simétrico respecto a f c . de ancho de banda 2B y centrado en la frecuencia fc . juntas o separadamente.34. La preenvolvente z x (t ) de una señal real pasabanda x(t) es una señal compleja pasabanda cuyo valor depende de la frecuencia fc . cualquiera señal que se pueda representar en la forma canónica x(t) = x c (t) cos(2πf c t + θ) ± x s (t)sen(2πf c t + θ) (2. se puede aislar o extraer. la correspondiente señal x(t) pasabanda no poseerá una componente en cuadratura.108). z Algunas veces es conveniente definir la “frecuencia instantánea” de la señal pasabanda x(t). Los diferentes tipos de modulación lineal que se estudiarán en los Capítulos V y VI son casos particulares de la expresión (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. como veremos en los Capítulos V y VI. 2. 2. Los filtros pasabajo son idénticos y de ancho de banda B. 2. 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. ♣ Ejemplo 2.34(b).34(a).34 Filtro x s ( t ) Pasabajo Las señales pasabajo x c (t ) y x s ( t ) se pueden deducir mediante el diagrama de bloques de la Fig.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. que es consecuencia directa de las expresiones (2. 2.35(a). Fig.34 son básicos en el análisis de todos los sistemas de modulación lineal.106). que es una realización término a término de la expresión (2.26 Calcular las componentes ortogonales del espectro X(f) de la Fig.35 (c) Espectro de x s (t ) El espectro X(f) se puede expresar en la forma. ⎡ ⎛ 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 ⎠ . Los dos esquemas de la Fig. 2. 2.105) y (2.108).35(a).

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. 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). Determinar sus componentes ortogonales xc(t). 2. Xc(f). ♣ ♣ Ejemplo 2. 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⎜ ⎟ . respectivamente.34(a) Solución (a) Sea x(t) ⇔ X(f ) Desarrollando.27 Sea la señal pasabanda x(t) = A [1 + 2sen(2πf a t) ] cos(2πf c 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. 2.142 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⎜ ⎟ . x(t) contiene una componente en cuadratura x s ( t ) . Como X(f) es asimétrica respecto a fc .

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

entonces representará al espectro de una señal real modulada y tendrá la forma de la Fig.144 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. 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.95).37(c). que es el Teorema de la Modulación. de gran importancia en los sistemas de comunicación.7. Si M(f) no tiene simetría hermítica [m(t) no es real]. Nótese que el espectro M(f) aparece ahora centrado en las frecuencias ±f c . 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. z x (t ) será la función analítica de x(t). Hagamos el producto x ( t ) = m( t ) cos( 2 πf c t ) ⇔ X( f ) = Si f c ≥ B . entonces Z x ( − f ) ≠ M ( f + f c ) y el espectro de x ( t ) = m( t ) cos(2πf c t ) tampoco tendrá simetría hermítica. conviene en este punto conocer el significado de “Banda Lateral Doble” y “Banda Lateral Unica”. Como en el espectro X(f) de la señal modulada x(t) aparecen ambas bandas laterales. Sea m( t ) ⇔ M (f ) una señal real pasabajo de banda limitada B que contiene alguna información a transmitir: m(t) es un mensaje. y Z x (f ) será simétrico respecto a f c . mientras que la banda de frecuencias en el intervalo [ f c − B] <| f | < f c se denomina “Banda Lateral Inferior”.115) (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. Se sombrea una de las bandas de M(f) para mostrar su ubicación al ser modulada. Aunque la aplicación práctica de estos conceptos no la veremos sino en los Capítulos V y VI. se dice entonces que x(t) es una señal modulada de “Doble Banda Lateral”. La banda de frecuencias de X(f) o de Z x ( f ) en el intervalo de frecuencias f c <| f | < [ f c + B] se denomina “Banda Lateral Superior”. 2.4. 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. Z x ( f ) y X(f). La banda lateral inferior y la banda lateral superior son imágenes especulares respecto a f c . . Por lo tanto. Pero si M(f) tiene simetría hermítica. 2.37 se muestra M(f). siendo x(t) una señal real pasabanda. expresión (1. En la Fig. M(f) será simétrico respecto al origen.

con f c >> B y que contienen información. 2. Sin embargo. Dispongamos la Fig. Obsérvese que la señal m(t). QAM)”.38. de banda limitada B. si se aplica las propiedades de la forma canónica de una señal pasabanda. . 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. “extraer” o “detectar” a partir de x(t) formando el producto (Ver Problema de Aplicación 2. Modulación QAM. ♣ Ejemplo 2. que es la envolvente natural de x(t). donde x 1 ( t ) y x 2 (t ) son dos señales pasabajo diferentes. 2. puede enviarse simultáneamente dos señales diferentes por el mismo canal. como se muestra en la Fig. Esta operación. 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. 2. y cualquiera otra señal que aparezca dentro de ese ancho de banda constituirá una distorsión o interferencia.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.38. En la práctica este tipo de modulación se denomina “Modulación Ortogonal o en Cuadratura (Quadrature Amplitude Modulation. denominada “detección sincrónica o coherente” y está representada en la rama superior de la Fig.34(a). Esto significa que la envolvente natural de x(t) es simplemente el mensaje a transmitir y la fase natural es cero. los filtros son pasabajo de ancho de banda B. Este es un sistema de modulación muy utilizado en la práctica.38.28) 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 ). 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. la señal modulada ocupa una gama de frecuencias de ancho 2B centrada en la frecuencia f c de la portadora. se puede determinar.28. 2.

z s (t ) = s( t ) + js (t ) . Este tipo de modulación es muy utilizado en la transmisión de impulsos y señales continuas. donde z m ( t ) = m( t ) + jm(t ) entonces. Z m ( f ) = [1 + sgn( f )]M ( f ) ⇔ z m (t). el espectro de x t ( t ) estará centrado en ±f c pero será asimétrico. es decir. sus dos bandas laterales tendrán perfiles diferentes. como veremos en los Capítulos V y VI. de modo que la salida del detector coherente será y 1 (t ) = A c x 1 (t ) Igualmente. por lo tanto. s( t ) = Re{ z s ( t )} = Re{[ m( t ) + jm( t )] exp( j2πf c t )}. ♣ Modulación en Banda Lateral Unica Sea z m ( t ) la señal analítica de m(t). Z m ( f ) tendrá la forma mostrada en la Fig. es decir. es decir. Con la modulación QAM el rendimiento del canal aumenta al doble. expresión (2.117) Veamos ahora qué forma tiene el espectro S(f) de s(t). supongamos que x r ( t ) = x t ( t ) . 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. . 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. 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).39(a). Para simplificar el análisis. de donde s( t ) = m( t ) cos( 2πf c t ) − m( t ) sen( 2πf c t ) con fc ≥ B (2.146 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Puesto que x 1 ( t ) y x 2 (t ) son diferentes. 2.117).

Sin embargo. se puede utilizar la señal modulada x ( t ) = m(t ) cos( 2πf c t ) de doble banda lateral. el espectro S(f) contendrá solamente las bandas laterales inferiores.117) es positivo.147 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De las Figs.120) De (2.117). Esto tiene una gran importancia de tipo práctico pues. .121b). 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 ).121a) y (2.119). mientras que la señal x(t) de doble banda lateral necesita solamente la envolvente. 2. el ancho de banda de transmisión se reduce a la mitad y el rendimiento del canal aumenta al doble. que en este caso es el mensaje m(t).118) y (2. como veremos en su oportunidad.119) Asimismo.118) (2. los sistemas prácticos de modulación de doble banda lateral y los de banda lateral única no son completamente compatibles. como veremos en el Capítulo VI.39(c). en lo que se refiere a la transmisión de una señal mensaje m(t). En este caso se dice que s(t). Por esta razón. pues solamente aparecen las bandas laterales superiores. Expresando (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. como podemos ver en (2.37(b) y 2.117) en forma polar s( t ) = A ( t ) cos[ 2πf c t + θ( t )] donde A (t ) = m 2 (t ) + m 2 (t ) y θ(t) = arctg m(t) m(t) (2. la señal s(t) de banda lateral única posee envolvente y fase. siendo las dos necesarias para la recuperación de m(t).121a) (2. podemos escribir Z s (f ) = 2M (f − f c )u (f − f c ) Z s (− f ) = 2 M ( f + f c ) u (− f − f c ) (2.117). 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 . S(f ) = Este espectro tiene la forma mostrada en la Fig.f c ) = 2 u ( f − f c ). Los sistemas telefónicos. son sistemas de banda lateral única.39(b). La recuperación de m(t) a partir de s(t) se puede efectuar también mediante detección coherente (Ver Problema de Aplicación 2. Se puede demostrar que si el signo de la componente en cuadratura de la expresión (2.28). es una señal modulada en “Banda Lateral Unica”. o la señal de banda lateral única s(t ) = m(t ) cos(2 πf c t ) + m(t ) sen(2 πf c t ) . 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. por transformada de Fourier de (2. como veremos en el Capítulo VI. dada por la expresión (2. 2.121b) En resumen.

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. lo cual está de acuerdo con el teorema de la modulación para señales de potencia. 2. La naturaleza aleatoria del ruido tiende a distribuir la potencia entre sus dos componentes ortogonales y esto es en contraste directo con las señales . x s (t ) ⇒ S xs (f ) donde S x ( f ). S xc ( f ) y S xs ( f ) tendrán la forma indicada en la Fig. que son señales que no poseen una transformada de Fourier. respectivamente. el ruido.40(b).123) para B <| f| ⎩0 La deducción de S xs ( f ) es similar verificándose que S xc ( f ) = S xs ( f ) . Densidades Espectrales en Señales Pasabanda Como el área bajo S x ( f ) es igual al área bajo S xc ( f ) o S xs ( f ) . Con la notación que hemos establecido para las señales de potencia. hagamos x(t ) ⇒ S x (f ). como es el caso de las señales aleatorias. S xc (f ) y S xs ( f ) son las densidades espectrales de potencia de x( t ). Estos resultados son muy importantes y se aplican sobre todo en señales pasabanda aleatorias como. 2.7. Con referencia a la Fig. 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.40. por consiguiente. x c ( t ) y x s ( t ) . utilizaremos las correspondientes densidades espectrales de potencia.34(a) y del teorema de modulación para señales de potencia.5.124) Las potencias contenidas en cada una de las componentes ortogonales son iguales entre sí e iguales a la potencia total de la señal pasabanda. Señales Pasabanda de Potencia Consideremos el caso de señales de potencia. por ejemplo. 2.148 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.122) Al pasar z c (t ) por el filtro pasabajo se eliminan las componentes de alta frecuencia. 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. x c (t ) ⇒ S xc (f ) . ⎧[ S (f + f ) + S (f − f )] para | f| ≤ B x c x c S xc (f ) = ⎨ (2. 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.

2. h z ( t ) = h ( t ) + jh ( t ). x z ( t ) = x( t ) + jx( t ). cuya función de transferencia es H(f). 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. 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 [ ] . z z c c s ~ ~ ( t ).6. será entonces 1 1 (2. de acuerdo con las expresiones (2. La entrada al filtro es una señal pasabanda real x ( t ) ⇔ X(f ). respectivamente. 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. es decir. Fig.108) y (2. 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.7.124). La potencia promedio de una señal aleatoria pasabanda. Se supone que h(t) es real. como lo demostraremos a continuación. respuesta xz yz z impulsional h(t) y salida y(t). que H(f) tiene simetría hermítica.41. (d) Sea entonces. el ancho de banda del filtro es igual o mayor que el ancho de banda de la señal x(t). 2.125) < 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. h (t ) y ~ ( t ) son las envolventes complejas de la entrada x(t). 2. Consideremos el filtro pasabanda de la Fig. ~ ( 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.41(c).41(a).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. 2.

127) las envolventes complejas por sus respectivas componentes. se reemplaza por un análisis equivalente en pasabajo que retiene por completo toda la esencia del proceso de filtrado. entonces ~ ~ ~ H z (f ) y X z ( f ) serán simétricos respecto al origen [ h z ( t ) y ~ z ( t ) serán reales]. x x ( t ) = 0.150 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. Este modelo equivalente proporciona una base práctica para la simulación del filtrado pasabanda o de un canal de comunicaciones en una computadora digital. mostrado en la Fig. se puede trabajar con las envolventes complejas pasabajo ~ z ( t ). con un factor de escala de 1/2.128) Desarrollando esta expresión. el análisis de un sistema pasabanda. En este caso. la envolvente compleja de la señal filtrada y(t) viene dada por el producto de convolución de la envolvente compleja de la señal de entrada x(t) por la envolvente compleja de la respuesta impulsional h(t) del filtro. 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 ) . y s (t ) = [ h s (t ) ∗ x c (t )] + 2 [ h c (t ) ∗ x s (t )] 2 1 1 (2. se tiene ~ ( t ) = y (t ) + jy ( t ) = 1 h ( t ) + jh ( t ) ∗ x (t ) + jx ( t ) yz c s c s c s 2 [ ] [ ] (2.129) Estas expresiones permiten establecer el modelo equivalente pasabajo de un filtro pasabanda. Por x y consiguiente. ~ ( t ) = x ( t ). La importancia de este resultado estriba en el hecho de que al tratar con señales y sistemas ~ pasabanda. x(t) = x ( t ) cos( 2 πf t ) x (2.42.127) Por lo tanto. 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 ) . 2. Reemplazando en (2.130a) s z c c c .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.

♣ Ejemplo 2.42. De (2. Respuesta de un Filtro Pasabanda a un Impulso de Radiofrecuencia Consideremos un filtro ideal pasabanda de ancho de banda 2B. Vamos a determinar la respuesta y(t) del filtro. ⎡ ⎛ 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 )] .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.43(a) se muestra la forma del impulso de radiofrecuencia. 2.73). Equivalente Pasabajo del Filtrado Pasabanda. centrado en la frecuencia f c . donde fc >> 1 / T y f c >> B . y s ( t ) = 0.151 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 ) . y c (t) = [ h c ( t ) ∗ x c ( t )] . 2.72) y (2. 1 2 h(t) = h c ( t ) cos( 2 πf c t ) (2. Esta es la situación que se presenta a la entrada del filtro de radiofrecuencia en los receptores de radio. En la Fig. de señales digitales y de radar.28.130b) y respecto a la salida. y(t) = y c ( t ) cos( 2 πf c t ) (2.

T = 4to . 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. Fig. Sea entonces x (t ) ⇒ S x (f ) ⇔ R x (τ ) . ~ z ( t ) será también real. 2.248).1. 2.8.8. para T = 1. 2. y(t ) ⇒ S y (f ) ⇔ R y (τ ) h(t ) ⇔ H (f ) . entonces. Autocorrelación Entrada/Salida Consideremos las funciones de correlación en un sistema lineal invariante en el tiempo (SLIT).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. 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 2.43(b) se muestra la forma de esta salida. B = 2/T y fc = 6.44.152 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎛ f ⎞ ~ H z ( f ) = 2 h o Π⎜ ⎟ exp( − j2 πt o f ) ⎝ 2B ⎠ ~ ~ h z ( t ) = 4 Bh o sinc[ 2 B( t − t o )] = h c ( t ) pues h z ( t ) es real ⎛ f + fc ⎞ ⎛ f − f c ⎞⎤ ⎛t⎞ A⎡ x( t ) = AΠ⎜ ⎟ cos( 2 πf c t ) ⇔ X( f ) = ⎢ sinc⎜ ⎟ + sinc⎜ ⎟⎥ ⎝T⎠ ⎝ 1/ T ⎠ ⎝ 1 / T ⎠⎦ 2⎣ ⎛ f ⎞ ~ t ~ ⎟ ⇔ x z ( t ) = 2 AΠ( ) = x c ( t ) pues ~ z ( t ) es real X z ( f ) = ATsinc⎜ x ⎝1 / T ⎠ T ~ Puesto que ~ z ( t ) y h z ( t ) son reales. 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. S xy ( f ) ⇔ R xy ( τ ) . FUNCIONES DE CORRELACION EN SISTEMAS LINEALES 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.

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.153 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Por definición. R y (τ ) = lim T →∞ ∫ ⎡⎣⎢ ∫ T 1 T/ 2 − T/ 2 ∞ ∞ ⎤ h ( u ) x ( t − u ) du h ( v ) x ( t + τ − v ) dv ⎥dt ⎦ −∞ −∞ ∞ ∫ Intercambiando el orden de integración. es decir. pero. Del teorema de convolución. G h ( f ) ⎡ h ( u )⎢ ⎣ −∞ ∞ | H ( f )|2 . 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.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. 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)”. de acuerdo con (2. 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 . 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. de la definición de transformada de Fourier. g h (z ) = ∫ ∞ −∞ ∞ h ( u ) h ( u + z ) du donde g h (z ) ⇔ G h (f ) (2. debe ser igual a G h (f ) = ∞ ∞ S y (f ) = S x ( f ) ⋅ G h ( f ) . En efecto.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. la integral dentro de los corchetes se hace igual a R x (τ + u − v ).v)dv -∞ ∫ ∞ Reemplazando estas expresiones en R y (τ ).35). 2. y(t + τ ) = h(v)x(t + τ . ∫ ⎡⎢⎣ ∫ h(u)h(u + τ)du⎤⎥⎦ exp(− j2πfτ)dτ = ∫ −∞ −∞ ∫ ⎤ h ( u + τ ) exp(− j2πfτ ) dτ ⎥du ⎦ −∞ ∞ .

τ ) En cuanto a la potencia de salida < y2(t) >. −∞ ∞ 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).133) que es la forma más utilizada para representar la función de autocorrelación de la salida de un SLIT. por lo tanto. 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. 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. ella vendrá dada por (2. expresión (2. R y (τ ) = R x (τ ) ∗ h(τ ) ∗ h(. Intercorrelación Entrada/Salida Por definición. S y (f ) =| H (f )| 2 ⋅S x (f ) resultado ya obtenido anteriormente. 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 . ∞⎡ 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 . tenemos .154 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Con el cambio de variables τ ' = u + τ .8.2.35). 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.

134) R xy (τ ) = R x (τ ) ∗ h(τ ) La función de intercorrelación entrada-salida R xy (τ ) de un SLIT.135). 2. pero de (2. Estimador de la Respuesta Impulsional de un SLIT. entonces.29. entonces 1 pero como R xy (τ ) ⇔ S xy (f ). 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. ♣ .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). donde x(t) es una señal aleatoria cuya densidad espectral de potencia es constante e igual a K. 2. El “Sistema en Prueba” es un SLIT cuya respuesta impulsional se desea estimar. Estimación de la Respuesta Impulsional de un SLIT mediante Correlación Sea el diagrama de bloques mostrado en la Fig. 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. S xy ( f ) = H ( f )S x ( f ) = K ⋅ H (f ) . Sea x( t ) ⇒ S x ( f ) = K.45. Este es un tipo especial de ruido (ruido blanco) que se caracterizará más adelante. R xy ( τ ) = ∫ ∞ −∞ R x (u ) h ( τ − u )du .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. 2. este montaje es relativamente fácil de instrumentar físicamente o simular en una computadora digital.45. 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. Un análisis más avanzado de estas técnicas está fuera de los objetivos de este texto. La salida del correlador es proporcional a la respuesta impulsional del SLIT en prueba. de donde (2. S xy (f ) = S x (f ) ⋅ H (f ) (2. El montaje de la Fig. ♣ Ejemplo 2. Del teorema de la convolución.

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

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

L y C). 2.46(b) se muestra el correspondiente “circuito equivalente de Norton”. todos a la misma temperatura. R1 = 1 kΩ. V1 = 4 kTR 1 B .140) se reduce a < v 2 (t ) >= v 2 = 4 kTR eq B n ef o también. También.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(a). 2. como se muestra en la Fig.30 Vamos a calcular el voltaje eficaz de ruido térmico de la red mostrada en la Fig. En la Fig. V2 = 4 kTR 2 B y V3 = 4 kTR 3 B . ♣ Ejemplo 2.46. la cual expresa que la potencia promedio de ruido producida en los terminales de un dipolo que contenga elementos pasivos ( R. la utilización de los circuitos equivalentes hace que los cálculos sean muy largos y engorrosos. 2. a + R(Sin ruido) ~ v = 4 kTRB ef a i ef = 4 kTGB b G= 1/R (Sin ruido) b (a) Equivalente de Thévenin (b) Equivalente de Norton Fig. que es el “circuito equivalente de Thévenin”.47(a). Cuando se calculan los efectos del ruido térmico en redes que contienen muchas resistencias. 2. donde B = 100 kHz . la expresión (2.158 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Circuitos Equivalentes del Ruido Una resistencia ruidosa se puede representar mediante un circuito equivalente que consiste en una resistencia sin ruido en serie con una fuente de ruido con un voltaje eficaz v ef . (2. Si la red contiene solamente elementos resistivos y dentro de un ancho de banda arbitrario B. Si las resistencias están a temperaturas diferentes. viene dada por la integral < v 2 ( t ) >= v 2 = 2 kT n ef ∫ B −B R ( f )df (2.142) v ef = 4 kTR eq B donde R eq es la resistencia equivalente del dipolo y v ef el correspondiente voltaje eficaz de ruido. Estos cálculos se pueden simplificar mediante la llamada “Fórmula de Nyquist”. R2 = 2 kΩ y R3 = 3 kΩ.141) (2. hay que utilizar los circuitos equivalentes. Circuitos Equivalentes del Ruido Térmico. T = 290 kelvins.

38x10 −23 x 290x10 5 = 2 . 2. se obtiene R3 2 v 1ef = V1 = 1000 ⋅ kTB .141). En este caso se dice que la carga está acoplada a la fuente. y la potencia que produce la fuente se divide por igual entre su .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. De acuerdo con el “teorema de la máxima transferencia de potencia”. La potencia disponible es la potencia máxima que se puede entregar a una carga desde una fuente con una resistencia interna constante. sea 2 v 2 = v1ef + v 2 ef + v 2ef . ♣ Potencia de Ruido Disponible Algunas veces es deseable describir el ruido térmico mediante el concepto de “potencia disponible”. b (c) Equivalente de Thévenin El circuito equivalente de ruido de la red se muestra en (b).142).55x10 −6 V Como se trata de un red puramente resistiva. En efecto. se puede aplicar la fórmula de Nyquist (2. 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 (2.401x10 −12 ef El voltaje eficaz de ruido a la salida de la red será v ef = 1.38x10 −23 x 290x1500x10 5 = 1. v 1ef = 1000( kTB ) R1 + R 2 + R 3 R3 v 2 ef = V2 = 2000 ⋅ kTB . de donde ef 2 3 2 v ef = v1ef + v 2 ef + v 2ef 2 3 De la Fig.55x10 −6 V resultado idéntico al obtenido más arriba pero con un mínimo de cálculos. 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 . el voltaje eficaz de ruido a la salida de la red es v ef = 4 x1. v 2 = 2000(kTB) 2ef R1 + R 2 + R 3 R1 + R 2 = 3000 ⋅ kTB . 2. v 2 = 3000(kTB) v 3ef = V3 3ef R1 + R 2 + R 3 v 2 = 6000(kTB) = 6x10 3 x1. por superposición. La potencia promedio de ruido a la salida es igual a la suma de las potencias de salida contribuidas por cada fuente.47.47(b).

46(a).160 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resistencia interna R i y la resistencia de carga R L . Las dimensiones de η son W/Hz y su valor depende del tipo de fuente de ruido y de la densidad espectral disponible. de valor promedio cero y que tienen una densidad espectral de potencia que es constante dentro de una extensa gama de frecuencias. Aunque muchas fuentes de ruido físicas se pueden modelar como fuentes de ruido blanco. hay otros tipos de fuentes de ruido que son gaussianas. Con referencia a la Fig.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. en condiciones de acoplamiento la fuente ve una resistencia de 2R y la densidad espectral será S n ( f ) / 2 R . si H(f) es la función de transferencia de un filtro dado al cual se le aplica ruido blanco. por analogía con la luz blanca la cual contiene iguales cantidades de todas las frecuencias que pertenecen al espectro visible de la radiación electromagnética.146) . S nd (f )". 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. una vez que el ruido ha sido filtrado (por ejemplo. Por esta razón.145). 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. la densidad espectral del ruido blanco gaussiano se representa en la forma S n (f ) = η 2 para todo f (2.3. Ruido que tenga una densidad espectral de este tipo se denomina “Ruido Blanco”. S nd ( f ) = S n (f ) 4R = kT 2 W / Hz (2. la densidad espectral correspondiente a la potencia entregada a la carga será la mitad. En general. Este ruido se denomina comúnmente “ruido coloreado”. pero son proporcionales al ancho de banda B. la potencia que se entrega a la carga es la potencia disponible. uno de los objetivos en el diseño de sistemas de comunicación es el de minimizar u optimizar el ancho de banda B. ya no tendrá una densidad espectral de amplitud constante sino que tomará la forma espectral del filtro. es decir. En efecto. S n ( f ) / 4 R . 2. Ruido Blanco Además de las fuentes de ruido térmico. N i =< v 2 ( t ) >= ηB = 4kTRB n (2. 2. mediante un ecualizador en un receptor digital).144) Nótese que en una resistencia ruidosa R la densidad espectral disponible y la potencia promedio disponible son independientes de R. de (2. Esta es entonces la máxima densidad espectral de potencia que se puede extraer de la fuente v ef . más alta será la potencia de ruido presente en el mismo. esta densidad se denomina “densidad espectral disponible.9.138) y (2. y la otra mitad con las frecuencias negativas. debido a esto. Entonces.

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

2. la densidad espectral de potencia y la potencia de ruido a la salida del filtro.162 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. la señal que lleva la información. < y2 ( t ) >= R no ( 0) = η 4 RC S no ( f ) y R no ( τ ) se muestran en la Fig. 2.49 Nótese la rapidez de caída de la función de autocorrelación. ♣ 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.31 A la entrada de un filtro pasabajo RC. Para valores de τ superiores a RCln(100). si se desprecian aquellas componentes con amplitudes menores del 1% del valor máximo.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 ) . Se trata de determinar la función de autocorrelación.50.5844 / RC. En la Fig. La función de transferencia de este filtro es bien conocida. por cuanto la densidad espectral es más o menos constante dentro de la banda de paso. De particular importancia es el ruido presente en un sistema de recepción de señales moduladas. El receptor se modela mediante un filtro pasabanda de entrada seguido de un detector que extrae de la señal compuesta [ x( t ) + n( t )]. la función de autocorrelación cae a menos del 1% de su valor máximo y podemos despreciarla. por lo tanto. El tipo de detector depende del .49(a). entonces S no ( f ) es despreciable para frecuencias f ≥ 1. También. En cuanto a la densidad espectral de potencia de la salida. 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 ). H (f ) = 1 1 + j2 πRCf = 1 1 RC 1 + j2 πf RC | τ| RC . H(f) R S no ( f ) η/ 2 Entrada x(t) S n (f ) C Salida y(t) S no ( f ) 0 f R no ( τ ) η / 4RC 0 τ (a) Filtro Pasabajo RC (b) Densidad Espectral (c) Función de Autocorrelación Fig. 2. como se muestra en la Fig. Fig. Esto significa que dos muestras de la señal de salida que estén separadas en más de RCln(100) segundos no estarán correlacionadas. 2. situación que es muy común en los sistemas de comunicación. respectivamente. se aplica ruido blanco gaussiano cuya densidad espectral de potencia es η / 2 .49(b) y (c). 2.

163 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS sistema de modulación empleado. el ruido a la salida del filtro comúnmente se denomina “ruido blanco pasabanda de banda angosta”. a la entrada del detector. 2. la forma canónica del ruido será. salvo por algún factor de escala. n ( t ) = n c ( t ) cos( 2 πf c t ) − n s ( t ) sen(2 πf c t ) (2.50.51. Como en general se cumple que f c >> B .149) . 2. En el dominio del tiempo. La situación es distinta respecto al ruido. deja pasar solamente aquellas componentes dentro de su banda pasante. como se puede observar en la Fig. apareciendo esta señal.51 se muestran las características del Ruido Blanco Pasabanda.51(a). En efecto. 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 ) . cuya densidad espectral tiene la forma dada en la Fig. de (2. 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. el filtro pasabanda. como se muestra en la Fig.51(b). 2. En la Fig. 2. 2.51(c). En estas condiciones. el ruido blanco filtrado se parece a una señal modulada en la cual la frecuencia varía alrededor de una frecuencia promedio f c . Fig. 2. en este caso se dice que el canal y el filtro son “transparentes” para x( t ) .108).

153) ∫ ∞ −∞ S n ( f )df = ∫ ∞ −∞ S nc ( f )df = ∫ ∞ −∞ S ns ( f )df (2. Por definición. 2. diremos sin demostrarlo que n c ( t ) y n s ( t ) serán también gaussianas de valor promedio cero e independientes entre sí.52(a) (frecuencias positivas solamente). que es la misma expresión (2.152) y n(t) se puede representar en forma fasorial como se muestra en la Fig.51(d). Como se considera que el ruido pasabanda n(t) es una señal gaussiana aleatoria de valor promedio cero. ⎧ 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 (2.149). 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).164 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n c ( t ) y n s ( t ) son las componentes ortogonales del ruido. Como n c ( t ) y n s ( t ) son señales aleatorias.154) Consideremos ahora la función de autocorrelación del ruido blanco pasabanda.124).151) son la envolvente y fase naturales del ruido. 2. R n (τ ) =< n (t ) n ( t + τ ) > (2. entonces n c ( t ) ⇒ S nc ( f ) y n s ( t ) ⇒ S ns ( f ) . 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. En efecto. . Estos conceptos se aplicarán para analizar el efecto del ruido en sistemas de comunicación.123) y (2. Se desea determinar la forma y la potencia de las componentes ortogonales del ruido.150) (2. respectivamente. entonces desarrollando (2. expresión (2.155) con ayuda de (2. y de acuerdo con (2.155) Si R nc (τ ) ⇔ S nc (f ) y R ns (τ ) ⇔ S ns ( f ) .32 Consideremos la densidad espectral de ruido pasabanda mostrada en la Fig. Por consiguiente.149) se obtiene la función de autocorrelación del ruido pasabanda n(t).125) obtenida anteriormente. 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. Las componentes ortogonales del ruido serán n c ( t ) = R(t)cos[θ(t)] y n s ( t ) = R ( t ) sen[θ(t )] (2. ♣ Ejemplo 2.

9. la forma mostrada en la Fig.52 De acuerdo con los datos de la Fig. la potencia promedio de ruido a la salida viene dada por (2. por inspección. 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. Fig. las densidades S nc ( f ) o S ns (f ) tendrán la forma mostrada en la Fig. 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 .52(b) para | f | ≤ B . La potencia de ruido a su salida será 2 < n 2 (t ) >= ηB N | H ( f )|max o (2. 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. Ancho de Banda Equivalente del Ruido Algunas veces es conveniente definir el “ancho de banda equivalente del ruido” de un sistema pasabanda. 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.153).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 ) . 2.165 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De la expresión (2.36).52(a). 2. En estas condiciones.53(b).4. 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. es decir.52(b). < 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 . en efecto. 2.156) .

por definición. en este caso. 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. de | H (B 3dB )| = 1 2 | H ( 0)| o |H(B 3dB )|2 = 1 2 | H ( 0)|2 = 50. el “ancho de banda equivalente del ruido” y vendrá dado por BN = 1 2| H ( f )|2 max ∫ ∞ −∞ | H ( f )|2 df (2. 2. es decir. 2.53. |H(0)|2 = 100 ∫ ∞ −∞ | H ( f )|2 df = ∫ ∞ 10 8 + 4π f 2 2 4 −∞ 10 6 df = 5x10 4 y de (2. |H(0)|= 10.157) Estas definiciones se ilustran en la Fig.53.33 El ancho de banda equivalente del ruido a menudo se relaciona con el ancho de banda de 3 dB de un sistema. el ancho de banda de ruido de un filtro ideal es el ancho de banda de un filtro real.157). ♣ Ejemplo 2. Definición del Ancho de Banda Equivalente del Ruido. Esto se ilustra en la Fig. 2. es decir. | H (f )|2 max | H ( f )|2 | H (f )|2 max Areas Iguales BN 0 f c (b) fc 0 (a) Fig. Las expresiones (2. . H (f ) = 3 10 + j2 πf BN = 1 2| H (0)| 2 ∫ ∞ −∞ | H ( f )|2 df 10 4 Pero | H ( f )| = 10 + 4 π f 6 2 2 . El ancho de banda equivalente del ruido es. Consideremos el filtro pasabajo cuya función de transferencia es 10 4 . BN = 5x10 200 = 250 Hz El ancho de banda de 3 dB se puede obtener a partir de su definición.157) se aplican también a sistemas pasabajo.53(a) y (b).156) y (2.166 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si estas potencias son iguales. entonces B N será.

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

denominada “Relación Señal/Ruido de Predetección” será. .159) (2.54. < x 2 ( t ) >= S i = 1 2 A 2 < m2 (t) > c (2. z( t ) = x ( t ) + n ( t ) x( t ) + Ruido Blanco Canal Filtro de RF Si Ni v(t) Filtro Pasabajo So N o Salida y o (t ) DETECTOR COHERENTE RECEPTOR 2 cos(2 πf c t ) Fig. Si Ni = 2 Ac 4ηB < m 2 (t ) > (2. mientras que la señal mensaje m(t) aparece completa. De (2. La relación S/N a la entrada del detector.113). Si el ancho de banda del filtro de RF es 2B.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 ) (2.159).158) donde < m 2 (t ) > es la potencia promedio de la señal mensaje m(t). 2.161) Solamente la componente en fase del ruido aparece en la salida. Receptor con Detector Coherente.158) y (2. la potencia de ruido a la entrada del detector es < n 2 ( t ) >= N i = 2ηB La potencia de la señal modulada será.168 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n(t) es ruido blanco pasabanda de banda angosta representado por su forma canónica n ( t ) = n c ( t ) cos( 2 πf c t ) − n s (t ) sen(2 πf c t ) y cuya densidad espectral es constante e igual a η / 2. La detección coherente o sincrónica elimina entonces la componente en cuadratura del ruido. de (1. de (2.

entonces pero de (2. 2. de modo que su potencia debe ser determinada con cualquiera de los métodos vistos en el dominio del tiempo. So No = 2 Ac 2ηB < m 2 (t ) >= 2 Si Ni (2. lo que hace que las componentes que no estén en fase se pierdan.34 Sea el receptor mostrado en la Fig. Si la señal útil portadora de información es pasabanda.54.154) y (2. o lo que es lo mismo.164) Vemos que en el caso de detección coherente en doble banda lateral. no se le puede aplicar el teorema.158). De (2. Aunque la detección o demodulación no es nada más que un desplazamiento de las bandas laterales hacia el origen. 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. denominada “Relación Señal/Ruido de Postdetección”. la ganancia de conversión es igual a 2. ♣ Ejemplo 2.163) La ganancia de conversión se utiliza como una cifra de mérito en la comparación entre diferentes sistemas de modulación. la relación S/N de la salida es el doble que la de la entrada. 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. Esta es la causa del incremento de 3 dB en las relaciones S/N.162). Se dice entonces que las señales útiles se suman coherentemente. será So No 2 = Ac < m 2 (t ) > 2 < n c (t ) > 2 < n c (t ) >=< n 2 (t ) >= 2ηB. mientras que el ruido se suma como potencia.169 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La relación S/N a la salida del detector. 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 . Sin embargo. En los Capítulos V y VI utilizaremos estos conceptos para caracterizar el comportamiento en presencia de ruido de diferentes sistemas de modulación prácticos. La potencia de la señal útil aumenta al doble. mientras que la potencia de ruido se mantiene igual. las componentes de la señal mensaje se suman como amplitudes.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. mientras que el ruido se suma en forma incoherente. hay que tener en cuenta que el teorema se aplica a cualquiera señal pasabajo y a señales pasabanda aleatorias.

2. cuya porción alrededor del origen es S no ( f ) .170 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Igualmente. La potencia correspondiente será N o = 10x10 3 x10 −6 = 10 −2 W = N i . se obtiene el espectro mostrado en la Fig. de la Fig. 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.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. 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 = 43.98 dBm = 2S i Nótese que la potencia útil de salida es el doble de la potencia útil de entrada. 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. quedando a la salida y o ( t ) = 10 cos(104 πt ) So = 100 2 cuya potencia es = 50 W = 46. N i = 10x10 3 x10 −6 = 10 −2 W = 10 dBm Aplicando el teorema de la modulación para señales de potencia. 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 ) .55(a). 2.55(a). La correspondiente potencia de ruido a la entrada del detector será. El filtro pasabajo de salida tiene también ganancia unitaria y un ancho de banda de 5 kHz.55(b). 2. es decir.

Por supuesto. 2.171 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. Esta situación se puede cuantificar mediante la llamada “Cifra o Factor de Ruido del Sistema. 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. La cifra de ruido es también otro factor de calidad o de mérito en la comparación entre.55. entonces N o = N io + N so . 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.166) .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. 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 ”. 10kHz MHz Nótese que las potencias de ruido de entrada y salida del detector son iguales. y segundo por el ruido introducido durante el proceso. esta distorsión es causada. Como ya lo hemos señalado. F= No N io para T = To = 290 kelvins (2. amplificadores de señales de muy bajo nivel. 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. F”. Por lo tanto. por ejemplo. de donde F= N io + N so N io = 1+ N so N io (2. primero por las características de amplitud y fase del sistema. este ruido compuesto deteriora la relación S/N a la salida comparada con la relación S/N a la entrada.

165) y con ayuda de (2. las expresiones (2. Asimismo.171) (2.169) Hay que tener cuidado de no confundir. (2. de (2.170) = Gp En el sistema se genera una cierta cantidad de ruido térmico.163) y (2. por ejemplo).169).148).173) Ti es la temperatura neta de entrada y representa la temperatura total efectiva de entrada. el ruido generado internamente es menor. siendo B el ancho de banda del sistema. Entonces.168) (2. pues la relación (2. Supongamos que se aplica al sistema una señal útil s(t) más un ruido térmico n(t) a una temperatura efectiva Ts .163). es decir. En efecto. de donde (2. mejor será el sistema. So = SiG p donde G p es la ganancia de potencia del sistema. . que es la ganancia de conversión.169) es un número o cifra de mérito que se aplica a sistemas lineales invariantes en el tiempo (filtros. la cifra de ruido puede simplificarse aún más. La potencia de ruido disponible a la entrada es.172) (2.) para cuantificar el ruido interno generado. ella se puede despreciar. N i = kTs B También So Si So = Si G p. Entonces. 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. de (2. De la definición de la cifra de ruido es evidente que F será siempre mayor que la unidad. Esta contribución está incluida en N so . Sin embargo. Si representamos este ruido mediante su temperatura equivalente referida a la entrada. La cifra de ruido se puede expresar en función de las relaciones S/N de entrada y salida del sistema. cuanto más cercana a la unidad sea la cifra de ruido. respectivamente.167).167) N io = N i G p Reemplazando (2. amplificadores. sea S i y S o las potencias útiles a la entrada y salida del sistema. mientras que la relación (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.172 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que la impedancia de carga también contribuye al ruido en la salida.172). etc. Cuando en el sistema existe solamente ruido térmico. se aplica a sistemas lineales variantes en el tiempo (moduladores y detectores. dado su parecido. como generalmente es muy pequeña comparada con el ruido de los elementos activos del sistema. Desde el punto de vista del ruido.168) en (2.

de donde ) (2. la cifra de ruido será F = 1+ Te To (2.176). sus efectos a menudo se incluyen en una temperatura Te obtenida experimentalmente. G p = 40 dB = 10 4 . y de (2. La resistencia de entrada puede representar. 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.173 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N o = G p (1 + Te Ts ) kTs B . una antena y su correspondiente línea de transmisión.175) y (2. al efectuar cálculos en los que interviene la cifra de ruido de un sistema.175). por ejemplo. En resumen. Se tiene entonces. To = 290 kelvins . ♣ Ejemplo 2. N o = G p (1 + No Ni Te Ts Te Ts )N i .169).176) Estos resultados son bien sencillos y fáciles de aplicar.176).031 dB.35 Un amplificador tiene una cifra de ruido de 9. En su deducción hemos utilizado la temperatura física Ts de la fuente. F = 9. expresión (2. (2.176). El valor de la temperatura Te .174) = G p (1 + De (2. mientras que la parte de la cifra de ruido de un sistema producida por el ruido interno es (F-1). 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. pues aunque no todas las fuentes de ruido son térmicas.174) y referida a la temperatura de referencia Ts = To = 290 kelvins.175) La temperatura equivalente o efectiva será entonces Te = (F − 1)To (2. calculado a partir de la cifra de ruido. una ganancia de potencia de 40 dB y un ancho de banda equivalente de ruido de 10 kHz. y la temperatura efectiva Te del sistema puede calcularse entonces a partir de (2.301 dB = 8. Ts = 2900 kelvins. expresión (2.171). (2. 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. estará referido entonces a la temperatura de referencia To = 290 kelvins . Hay que tener cuidado al utilizar las ecuaciones (2. la cual puede ser muy diferente de To .170). se considera que esta cifra de ruido está referida a To .

56. cada una de las cuales tiene su propia temperatura y cifra de ruido.38x10 −23 (2900 + 2030)x10 4 = 6. como se muestra en la Fig. la temperatura efectiva del ruido de entrada es Ts .178b) G p = G p1G p 2 G p 3 Te es la temperatura efectiva de ruido. de (2.178a) (2.176) han sido deducidas para un sistema individual.177) + Te 3 G p1G p 2 (2. Para no hacer tediosa la demostración. Amplificadores en Cascada. Se supone que los amplificadores están acoplados y que su ancho de banda efectivo es B. pero se pueden extender para sistemas en cascada. referida a la entrada. 2.170).175) y (2. 2. como es el caso de un amplificador de varias etapas. .56.176). de (2. De (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 .56 se tiene n amplificadores en cascada y se desea determinar la temperatura y la cifra de ruido del sistema compuesto. Te = (F − 1)To = (8 − 1)290 = 2030 kelvins N o = G p k (Ts + Te )B = 10 4 x1. La potencia de ruido a la entrada es. vamos a considerar solamente tres amplificadores.8x10 −12 W N o = −51. N i = kTs B También. 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. 2.172). del amplificador compuesto. 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. G p es la ganancia total de potencia.174 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De (2.67 dBµ (dB respecto a un µW) ♣ Cifra de Ruido en Sistemas en Cascada Las expresiones (2.172). Gp Te F En la Fig.

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.. 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. Por ejemplo..... Siguiendo el mismo procedimiento efectuado para tres etapas.. G p ( n−1) Fn − 1 G p1 G p 2 G p 3 . en general L>1 (2.181) (2...182) G p = G p1 ⋅ G p 2 ⋅ G p 3 ⋅ ⋅ ⋅ ⋅ ⋅ G pn Nótese que los términos individuales de las sumas se hacen cada vez más pequeños (suponiendo que las ganancias de potencia son mayores que la unidad) a medida que aumenta el número de etapas.. En efecto.... L= Pdi Pdo .179) + F3 − 1 G p1G p 2 Estos resultados se pueden extender para n etapas.176) en (2. Una red que satisfaga estas condiciones se denomina “Red Acoplada Pasiva”. Los ejemplos más comunes de redes acopladas pasivas son las líneas de transmisión (en RF) y los atenuadores acoplados. 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. podemos demostrar que Te = Te1 + Te 2 G p1 + Te 3 G p1G p 2 F3 − 1 G p1 G p 2 +.. es decir.175 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Se puede determinar ahora la cifra de ruido del amplificador compuesto...+ (2. que su ganancia de potencia sea menor que la unidad.... 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... A este efecto podemos definir una red que cumpla con los siguientes requisitos: (a) que sus impedancias (de entrada y salida) estén acopladas.180) la llamada “Fórmula de Friis”. y (c) que parte de la potencia de entrada sea absorbida en la red.. (b) que solamente contenga elementos pasivos y resistivos (la única fuente de energía en la red es la producida por efectos térmicos)... L”. 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”. 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.183) . F = F1 + y F2 − 1 G p1 + +.+ Ten G p1G p 2 G p 3 . G p ( n −1) (2. reemplazando (2...178). es decir. (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..

185) Reemplazando (2. una antena cuya temperatura efectiva es el resultado de diferentes contribuciones.191) . Esto significa que cuanto mayor es la atenuación. Aplicando principios de la termodinámica se ha demostrado [Schwartz. la cifra de ruido de la red acoplada pasiva se obtiene reemplazando (2.178). por ejemplo. 1980] que α 1 + α 2 = 1. de acuerdo con la definición del factor de atenuación L. No = No = donde kTs B L 1 L + (1 − 1 L ) kTp B = 1 L k Ts + ( L − 1)Tp B [ ] (2. mayor será la cifra de ruido. N i = kTs B donde B es el ancho de banda efectivo del sistema.190) (2.187) (2. Tp es la temperatura física de la red acoplada pasiva.188) k ( Ts + TeL ) B = G pL k ( Ts + TeL ) B 1 L y TeL = ( L − 1) Tp G pL = Las expresiones (2.188) indican que una red acoplada pasiva se puede tratar en la misma forma que un amplificador mediante la definición de su temperatura efectiva TeL .57. se puede decir que α1 = 1 L y α 2 = (1 − 1 L ) (2. mayor será la temperatura efectiva de ruido de la red acoplada pasiva y. por supuesto.184). 1980] Ts Red No Carga Acoplada Acoplada Pasiva Tp Fig.148). 2. 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. Entonces.184) donde α 1 y α 2 son factores de ponderación relativos de las dos potencias disponibles definidas en (2. 2.176 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Consideremos la red acoplada pasiva mostrada en la Fig.185) en (2.187) y (2. Nótese que TeL aumenta linealmente en función de L. de (2.176) en (2.57. la cifra y temperatura de ruido se reducen a FL = L TeL = ( L − 1) To (2.189) En el caso especial cuando Tp = To . FL = 1 + ( L − 1) Tp To (2. La potencia de ruido disponible a la entrada de la red es. El ruido de entrada se caracteriza por su temperatura efectiva Ts y puede representar.184). En efecto.186) (2.

longitud 900 MHz 2 MHz 100 kelvins 10-9 W 60 metros . las pérdidas típicas de un cable coaxial de 75 Ohm.177 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Cuando en una línea de transmisión no se conoce exactamente su temperatura física Tp . peor será el valor de la cifra de ruido total.58. 2. F = FL + Fa − 1 G pL . Consideremos un atenuador (que puede ser una línea de transmisión) cuya pérdida de inserción es L. Un caso muy frecuente en la práctica es la conexión en cascada de una red atenuadora seguida de un amplificador. Consideremos las dos configuraciones de un sistema de recepción mostradas en la Fig.36 se muestran dos casos de considerable interés práctico (Sugerimos al lector estudiar este ejemplo con mucha atención). seguido de un amplificador con una cifra de ruido Fa . en general. ♣ Ejemplo 2. y puesto que. En efecto. por lo tanto. en la teoría de las líneas de transmisión se suele expresar la atenuación L en la forma L = exp(2αx). FL = exp(2αx) y TeL = [exp(2αx) − 1]To . Antena Antena Amplificador A1 Coaxial Coaxial Amplificador A1 Si Amplificador Al N i Detector A2 Si Amplificador Al A2 Detector N i Fig. En el Ejemplo 2. Tp no es muy distinta de la temperatura de referencia To = 290 kelvins. 2 dB a 85 MHz. pues L es un parámetro que se puede determinar fácilmente a partir de las características técnicas o especificaciones de la línea de transmisión. Por ejemplo.192) F = Fa ⋅ L Este resultado demuestra la gran deterioración en la cifra de ruido total.36. 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. La cifra de ruido total F de la combinación atenuador-amplificador viene dada por (2. donde α es la constante de atenuación en nepers por unidad de longitud y x la longitud de la línea. Vamos a determinar las relaciones S/N de predetección en ambas configuraciones. son: 1 dB a 25 MHz. las expresiones (2.181). pero como FL = L y G pL = 1 L . Sa: Cable coaxial de 75 Ohm. 4 dB a 300 MHz. Estos valores los dan los fabricantes en sus respectivos catálogos. 8 dB a 900 MHz y 10 dB a 1200 MHz. Cuanto más alto es el factor de atenuación L. expresadas en dB por cada 30 metros. entonces (2. (a) Configuración A (b) Configuración B Estos dos montajes son muy utilizados en la práctica.190) y (2.191) permiten aproximar los valores de la cifra de ruido y temperatura de ruido. 2.58.

512 x10 7 x1.512 x10 −2 TeL = (L − 1)Tp = (39.56 dBm y la potencia de la señal.512x10 -2 W = 14 dBm La relación de predetección S i / N i para la Configuración A será entonces .512 x10 −2 x105 Te = 19993.45 kelvins F = 1+ Te 19993. Te2 = (F2 − 1)To = (3.778 dB To 290 (c) Cálculos para el Amplificador A2 G p 2 = 40 dB = 10 4 . F1 = 1 + Te1 200 = 1+ = 1.45)2 x10 6 N i = 1. L = 16 dB = 39.189).188).178 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Temperatura física de la línea de transmisión.69 = 2. De (2. G p2 : Cifra de ruido del amplificador A2. G pL = 1 L = 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.981 − 1)290 = 864.94 = 18.45 = 1+ = 69. De donde De (2.32 kelvins F L = 1 + ( L − 1) Tp To = 1 + (39.32 + + −2 G pL G pL G p1 2. Te1: Ganancia de potencia del amplificador A2.51 + = 12031.811. F2 = 6 dB = 3.512 x10 7 x10 −9 = 2. S i = G p ⋅ S a = 2.51 kelvins (d) Cálculo de la relación de predetección S i / N i para la Configuración A Te = TeL + Te1 Te2 200 864.487 = 16. Entonces.393x10 −5 W = −18. Tp : Ganancia de potencia del amplificador A1.38x10 −23 (100 + 19993.811 − 1)310 = 12031.981. Te1 = 200 kelvins.28 dB (b) Cálculos para el Amplificador A1 G p1 = 50 dB = 10 5 . G p1 310 kelvins 50 dB 200 kelvins 40 dB 6 dB Temperatura efectiva de ruido del amplificador A1.512 x10 2.447 dB To 290 La potencia de ruido a la entrada del detector (salida de A1) será N i = G p k (Ta + Te ) B = 2.81 − 1) 310 290 = 42.

46 kelvins F = 1+ Te 200. La medida del ruido de un sistema se define en la forma M= F−1 1 1− Gp con M > 0 (2.81 dB ⎣ N i ⎦ dB Puede observarse que esta relación de predetección es 18. como veremos en los Capítulos V y VI.69 = 2. lo que significa que la medida del ruido M no se aplica en redes atenuadoras. M” para caracterizar el efecto del ruido en un sistema lineal invariante en el tiempo.512 x10 7 x1.512 x10 −2 = = 1803. N i 1.46)2 x10 6 N i = 2. en aplicaciones en que las señales recibidas son de muy bajo nivel.512 x10 −2 Te = 200. Sin embargo. generalmente parabólica.282 dB To 290 N i = 2. La relación de postdetección S o / N o dependerá del tipo de modulación empleado en el sistema. se utiliza a menudo la denominada “Medida del Ruido. sobre todo de los países europeos. La condición M > 0 implica que G p > 1.38x10 −23 (100 + 200.46 = 1+ = 1.179 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si 2.083x10 −7 W S i = 2. Es evidente que la Configuración B es preferible a la Configuración A. ♣ Medida del Ruido En la literatura técnica.393x10 −5 ⎡ Si ⎤ ⎢ ⎥ = 32. se coloca un preamplificador de muy bajo ruido (low noise amplifier.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. LNA) directamente acoplado a la antena.252 dB más alta que la relación de predetección de la Configuración A. aunque no siempre es práctica la instalación de un preamplificador acoplado directamente a la antena.51 + = 200 + + 5 5 G p1 G p1G pL 10 10 x2.3.512 x10 −2 W La relación de predetección S i / N i para la Configuración B será Si = 120588.32 864. como es el caso en comunicaciones vía satélite y en radioastronomía.193) donde F es la cifra de ruido del sistema y G p su correspondiente ganancia de potencia. . Ni ⎡ Si ⎤ ⎢ ⎥ = 50. para mejorar la relación S i / N i a la entrada del detector.

y de la definición de la medida del ruido.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. en cuyo caso no se necesita la medida del ruido M puesto que F ≈ Fa . cifras de ruido F1 y F2 . 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.. 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) + + +.. respectivamente.... las etapas atenúan y la medida del ruido M no tiene sentido. es decir.... la medida del ruido es bastante alta y F ≈ M . entonces M ≈ Fa − 1.. F2 − 1 F1 − 1 F12 = F1 + < F21 = F2 + G p1 G p2 Restando la unidad a cada miembro de la desigualdad y rearreglando. después A1). ♣ Ejemplo 2.. y ganancias de potencia G p1 y G p2 .194) con (2.194) permite determinar la cifra de ruido total F mucho más rápido que si se utilizara la expresión (2.. vemos que M = N so / N io ..181) hacemos F1 = F2 =... se obtiene ( F1 − 1) ⋅ (1 − 1 / G p 2 ) < ( F2 − 1) ⋅ (1 − 1 / G p1 ) . 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. y F21 la cascada A2-A1 (primero A2. De (2. se tiene que 1 + 1 Gp + Fa G2 p − Fa G3 p G2 p − 1 G3 p +.. Si G p > 1 pero cercano a la unidad. Por ejemplo. en consecuencia.166).37 Se puede demostrar otra propiedad muy interesante de la medida del ruido M si se consideran dos amplificadores diferentes que hay que conectar en cascada y cuyas medidas de ruido son M 1 y M 2 . y que la relación N so / N io se puede cuantificar mediante la expresión (2. de donde F1 − 1 1 − 1 / G p1 < F2 − 1 1 − 1 / G p2 . . si comparamos (2. si G p es lo suficientemente grande.181).181). Finalmente...+ 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 . la expresión (2. Se desea saber la relación entre las temperaturas efectivas y ganancias de potencia de los amplificadores A1 y A2. Si G p < 1..194) Cuando la cantidad de etapas es grande..... expresión (2.. = Fn = Fa y F = Fa + Fa Gp − G p1 = G p 2 =.193).. = G pn = G p . si en (2.. que F12 < F21 .. después A2)... (2. es decir. Aún más...193).

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

1. 2. entonces (d) Si x ( t ) = Au ( t ) . entonces y(t ) = A 1 + 4π 2 [ cos(2 πt ) + 2π sen(2πt )] (f) Si x ( t ) = A exp( − t ) u ( t ) . Demuestre que el sistema caracterizado mediante la ecuación diferencial y (t ) = t 2 d2 dt 2 x (t ) + t d dt x ( t ) . | Yn | y φ yn tendrán los valores dados. 2. 2.182 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS PROBLEMAS DE APLICACION 2. entonces y ( t ) = A exp[ − ( t − t o )]u ( t − t o ) t t A y( t ) = 2A senh( ) ⋅ exp(− ) ⋅ u ( t ) + 2 2 2 (e) Si x ( t ) = A cos( 2πt ) .59.2. entonces y( t ) = At exp(− t )u ( t ) (g) Si x ( t ) = n =−∞ ∑ AΛ ( tT−/nT ) . es un sistema lineal variante en el tiempo.3. 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 ) . La relación entrada-salida de un SLIT se puede representar mediante la ecuación diferencial x(t ) = (a) d dt y ( t ) + y ( t ) .59 (c) Si x ( t ) = Aδ(t − t o ) . 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.

Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = exp(t ) u ( − t ) . Demuestre: (a) Que éste es un sistema lineal variante en el tiempo. entonces (c) Si x ( t ) = 4 cos2 ( 2 t ) . 2. (b) Que su respuesta impulsional y salida son.6.7. La entrada x(t) y la salida y(t) de un SLIT vienen dadas por x ( t ) = exp[− ( t − π )]u ( t − π ). con τo < To y(t ) = x(t ) ⋅ 2.183 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si x ( t ) = exp(−2 t ) u ( t ) . La respuesta impulsional de un SLIT es h (t ) = δ(t ) + 2 exp(−3t )u (t ) . 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 − 11.60. entonces y(t ) = 3 y(t ) = 10 3 +2 41 25 cos(4 t − 14.4.88 o ) 2. Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = 3 cos( 2 t ) .47 o ) t 2 t 2 (d) Si x ( t ) = Π ( ) . 2. y viceversa. 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 ). El cursor oscila a una velocidad constante entre los puntos A y B.5. Sea el sistema mostrado en la Fig. siendo To el tiempo de ir de A a B. τ) = Λ ( τo ) δ ( t − τ) To Fig. 2. respectivamente h ( t .60 x(t) R = 1 Ohm B A h(t) y(t) para τ = 2nTo ± τo . donde δ' ( t ) es un doblete. 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. La respuesta impulsional de un SLIT es h ( t ) = [ 3 exp( −2 t ) − 1] u ( t ) .

(c) x ( t ) = 10u ( t ).11. (a) Demuestre que esta red produce un término de distorsión de fase.50) . ⎣ 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. (a) x ( t ) = 5Π( t −5 10 ). Demuestre que la corriente es exp( − i (t ) = R t ) − exp(− t ) L u ( t ) . Suponga que la corriente i(0-) = 0. y verifique la respuesta mediante convolución gráfica. h(t) = 10Π( y ( t ) = 50(20t − t 2 )Π( y ( t ) = 400Λ ( t−4 4 ) t-3 4 2. h(t) = -2δ(t + 30) + 4δ(t .t)Π( ). mediante convolución puramente analítica. t -5 10 ).4n) . la salida y(t) para los x(t) y h(t) dados.13. ¿ Qué sucede cuando β( 0) ≠ 0 ? 2. Demuestre. respectivamente. ∞ 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 .10 20 ).61 y v( t ) = exp( − t ) u ( t ) . 2. ).184 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎡ 1 ⎤ 2. (d) x ( t ) = 10u (t ).62 se muestra las características de amplitud y fase de una red dada. En la Fig.8. Sea el circuito de la Fig. (e) x ( t ) = 10Π( t −1 4 h(t) = 5 n=-∞ ∑δ(t . |L – R| > 0 L−R R v(t) i(t) L Fig. 2.9.12.61 2. y( t ) = −10Π ( t + 25 t − 55 ) + 20Π ( ) 10 10 (b) x ( t ) = 10Λ (t ). Demuestre que en una red de transmisión sin distorsión el retardo de fase y el retardo de envolvente son iguales cuando β(0) = 0. 2. (b) Demuestre que el retardo de fase y el retardo de grupo son.10. Dibuje el espectro de las siguientes señales: (a) x s (t ) = 10sinc ( 2 t 2T )⋅ n =−∞ ∑δ(t − nT) ∞ ∞ ⎡ n ⎤ ⎢ 2sinc ( 2 t ) ⋅ (b) x s (t ) = δ( t − )⎥ ∗ 4 Π(4t) 3 ⎥ ⎢ ⎣ ⎦ n =−∞ ∑ 2. t . . La función de transferencia de un SLIT es H ( f ) = 10⎢1 − ⎥ ⋅ exp( − j4 πf ) .

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. 2.63 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. Determine la salida y(t) del filtro para cada una de las señales siguientes. 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. 2. y especifique el tipo de distorsión producido.15. 2. 2. β( f ) |H(f)| 2 -10 f -1 0 1 π/2 10 MHz f (a) MHz −π / 2 (b) Fig. t g (f ) = 1 60 β( f ) π/3 10 -10 f 0 f |H(f)| ho −π / 3 (b) 0 (a) Fig.64 (a) x ( t ) = 4sinc ( 2 x105 t ) ⋅ cos( 2πx106 t ) (b) x ( t ) = 4sinc (2 x106 t ) ⋅ cos(2πx107 t ) .62 (c) Grafique t p (f ) y explique el comportamiento de la red cuando la frecuencia varía desde f = 0 hasta f → ∞. 2. 63. 2.64 se muestra las características de amplitud y fase de un filtro dado.14.185 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS t p (f ) = 1 60 + 1 6f . En la Fig.

(a) Demuestre que cuando R 1C 1 = R 2 C 2 la red se comporta como una red sin distorsión con retardo cero.186 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS (c) x( t ) = 16sinc (8x105 t ) ⋅ cos( 28πx106 t ) + 2sinc (106 t ) ⋅ cos(107 πt ) 2.18. Demuestre que la potencia promedio de la salida deseada es < y 2 (t ) >= 400 W (b) Sea x ( t ) = 10 cos(100πt ).65 . a 3 = 0 Determine Y(f) y dibuje su espectro |Y(f)|. ¿ Qué tipo de filtro es? (c) Grafique | H ( f )| y β (f) para b 1 = 0.17. ¿ Qué tipo de filtro es? (d) Determine y grafique el retardo de envolvente cuando b 1 = 0 y a o = 1. a 3 = 4 Determine los términos de distorsión armónica y los de intermodulación. (c) Sea x( t ) = 2 x10 3 sinc ( 2 x10 3 t ). a 1 = 11. ¿ Cómo es el comportamiento de esta red para frecuencias de entrada superiores a 1 kHz? 2. 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 . (a) Sea x ( t ) = cos(10πt ) + cos(100πt ).16. a 1 = 10.65 es un sistema muy utilizado en instrumentos de medición. a 2 = −10 −2 . 2. a 2 = 6. β (f) = arc tg( 2πb 1f bo ) − arc tg( 2πf ao ) h( t ) = [ b o − a o b1 ]exp( − a o t )u( t ) + b1δ( t ) (b) Grafique | H (f )| y β (f) para b o = 0. a 2 = 10 −2 . La red mostrada en la Fig. 2. (b) Si R 1 = 2 R 2 = 1000 Ohm y grafique las C 1 = C 2 = 10 µF. características de amplitud y fase de H(f). a 1 = 2. 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. 2. a 3 = 10 −3 Calcule el porcentaje de distorsión de tercera armónica.

en cada caso. .66 se muestra las características ideales de un filtro conocido con el nombre de “filtro de ranura (notch filter)”. 2. demuestre que su salida es y (t ) = Ah o Λ ( ).187 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Sea los filtros reales mostrados en la Fig.21.67.19. L R C C R C R R L C (a) (b) Fig.67. y observe y compare sus correspondientes anchos de banda. determine el retardo de envolvente y el ancho de banda de acuerdo con la definición dada en la expresión (2. ¿Qué puede decirse del espectro de x n ( t ) ? (Utilice el teorema de la convolución).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. Si se le t − to t aplica la señal x (t ) = AΠ ( ) . En general.79). τ τ 2. 2. 2. (c) (d) (a) Determine y grafique las correspondientes características de amplitud y fase. (b) Determine los anchos de banda de 3 dB. |H(f)| ho 2B f Fig. En la Fig. 2. (d) Para los filtros (a) y (b). determine su frecuencia máxima.22.20. Sea una señal x(t) de banda limitada f m . 1 8f c Sea un filtro cuya función de transferencia es H (f ) = h o sinc(τf ) exp(− j2πt o f ) . Este filtro se utiliza para eliminar frecuencias indeseables. (c) Determine las ecuaciones diferenciales o íntegrodiferenciales que los caracterizan. el espectro del cuadrado de las siguientes señales. (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. Determine y dibuje. ¿Es x 2 ( t ) también de banda limitada? Si lo es.

su ancho de banda de 3 dB es de 102. H 2 (f ) y H 3 (f ) en cascada. 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). Demuestre que (a) Si x(t ) = 2 Af m sinc(2 f m 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. (e) Demuestre.188 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Transformada de Hilbert. 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 ) . (c) Salida de H 3 (f ) solamente.68.431 kHz. que ∫ ∞ −∞ x (t ) ⋅ x(t ) dt = 0. es decir. ∫ ∞ -∞ x c (t ) ⋅ x s (t ) dt = 0 . (a) Determine sus características de amplitud y de fase. (b) Salida de H 2 (f ) solamente. 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( ). dada en la Sección 2. (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. (d) Salida de la combinación H 1 (f ) y H 2 (f ) en cascada.68. dibuje la señal de salida y(t) en los siguientes casos: (a) Salida de H 1 (f ) solamente. y H 3 (f ) pasaalto de frecuencia de corte de 500 Hz. entonces. (b) Demuestre que si R = 1 MΩ y C =1 pF. x s (t )] son ortogonales. Todos los filtros tienen ganancia unitaria. (e) Salida de la combinación H 1 (f ) y H 3 (f ) en cascada. con un valor máximo de 15 V y mínimo de 5 V. para las partes (a) y (b). Se tiene una señal x(t) diente de sierra creciente cuyo período es de 1 ms. H 2 (f ) pasabajo de ancho de banda de 1500 Hz. (g) Salida de la combinación H 1 (f ). 2. 2.25. Se dispone también de tres filtros ideales: H 1 (f ) pasabajo de ancho de banda de 500 Hz.5). x(t)] y [ x c (t ). Sea el circuito mostrado en la Fig. (f) Salida de la combinación H 2 (f ) y H 3 (f ) en cascada. que las duplas [ x(t ). Si la entrada es x(t). (c) Demuestre que su respuesta impulsional es h(t ) = t x(t) R C Fig. R C y(t) t )u (t ) RC (RC) t −T/ 2 ) .23.24. 2.

R x (τ) =< x(t)x(t + τ). Sea entonces m(t) una señal mensaje pasabajo portadora de información. La razón es que. R xx (τ) = R x (τ) = − R xx (τ) ˆ ˆ ˆ ˆ ˆ R (τ) = 2[R (τ) + jR (τ)]. mientras que el voltaje eficaz por unidad de ancho de banda es proporcional a R.189 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Si R x (τ) =< x(t)x(t + τ) >. Sea m1 (t ) = ABsinc 2 (Bt ) y m 2 (t ) = 2 ABsinc(2 Bt ). 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. para B→∞ v ef = kT C Obsérvese que el voltaje eficaz de ruido resulta ser independiente de la resistencia R. Sea el “detector sincrónico o coherente” mostrado en el Problema de Aplicación 1.27. R C Fig. (b) x(t ) = m1 (t ) cos(2πf c t ) + m 2 (t ) sen(2πf c t ) ˆ ˆ ˆ 2. R xx (τ) =< x(t)x(t + τ) . entonces. 2. . 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.28. Si f c = 5B .40. 2. entonces debe verificarse siempre que f c ≥ B ≥ f m . 34(a). generalmente f c >> f m .26. dibuje el espectro de las señales 2 (a) x( t ) = m1 ( t ) cos(2 πf c t ) − m1 (t ) sen(2πf c t ) .69.29. 2. El filtro es ideal y de ganancia unitaria. ˆ ˆ ˆ R xx (τ) =< x(t)x(t + τ) > y ˆ ˆ z(t)=x(t) +jx(t) . f c >> B y B ≥ f m . (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. En la práctica. R (0) = 0 z x x x ˆ donde R x (τ) es la Transformada de Hilbert de R x (τ) . demuestre que ˆ R x (τ) = R x (τ). para no perder la información contenida en la señal mensaje m(t). Considere la combinación RC mostrada en la Fig.69 Z(f) Demuestre que el voltaje eficaz de ruido térmico en sus terminales es. 2. 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. 2.

31. [Respuesta: v oef = h o 4 kTRB ] R Red sin Ruido H(f) voef Fig.70 a cuya entrada se conecta una resistencia ruidosa R. 2. Determinar el voltaje eficaz de ruido cuando (a) las resistencias están en serie y (b) cuando están en paralelo. [Respuesta: B N = ] B 2 2 f B (c) H(f)=h o sin c( ). 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.33.190 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Determine el ancho de banda equivalente BN del ruido de las redes cuyas funciones de transferencia son: |f | B ).70 (b) Un filtro pasabanda ideal de ganancia ho . El ancho de banda en ambos casos es de 100 kHz. Sea la red sin ruido de la Fig. Demuestre que el valor eficaz de la corriente de ruido en un circuido RL serie es i ef = kT / L 2. Dos resistencias. [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. 2.34. están a una temperatura de 300 y 400 kelvins. respectivamente. [Respuesta: BN = ] B 2 2 f π B (b) H(f)=h o exp(− 2 ). ancho de banda 2B y centrado en la frecuencia fc . 2.30. 2. [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 ] .32. donde fc > B. Demuestre que la densidad espectral de potencia de la tensión de ruido en un circuito RL paralelo es S n (f ) = 2 kTR . de 1000 Ohm cada una.

72.36. 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. 4 2. Ts = 10To y Ts = 100To . G p = 10 dB Detector Al Fig.196 dBm . 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.585 dB. (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. Repetir cuando T Ts = o . 2. Sea el sistema de la Fig. 2. y que la potencia disponible de ruido a su salida es N i = −16.35 dB.191 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS | f + fc | |f − fc | ⎤ ⎡ (e) H (f ) = h o ⎢ exp(− ) + exp(− ) B B ⎥ ⎦ ⎣ 2. 2.37. fc >> B [Respuesta: BN = B ] Un amplificador de alta ganancia tiene una cifra de ruido de 9. (b) Que la contribución del ruido a la salida debida al ruido propio del amplificador es de 7. 2.204x10-15 W. En la Fig.72 (a) Que la relación S s / N s a la entrada del amplificador es de 23. Demuestre: Ss / N s Amplificador Si / N i de RF F = 10. . una ganancia de potencia de 50 dB y un ancho de banda equivalente del ruido de 10 kHz.35. 2.71 se muestra la etapa de entrada (amplificador de RF) de un receptor. (c) Que la relación de predetección S i / N i es de 22.71 Ts = To = 290 kelvins Demuestre que la temperatura neta Ti de entrada al amplificador es de 2900 kelvins. de ancho de banda de 20 kHz y centrado en fc = 1 MHz.031 dB. La cifra de ruido del amplificador es de 10 dB y ganancia de potencia de 80 dB.

Compare estos resultados con los ya obtenidos.75 (a) Suponiendo que el ruido individual de los amplificadores es despreciable frente al ruido de entrada. 2.39. 2.192 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.01 dB . [Respuesta: Ni = 8.315 dBm.5 kelvins. Demuestre también que la temperatura total efectiva de ruido es ahora 420.74. Sea una cadena de tres amplificadores cuyas características se muestran en la Fig.45 .4x10 −14 W . En antena. Si = 12 . 2. 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 = 1.506x10-9 W ] 2. la potencia de señal es de W y la potencia de ruido de 2. y que la cifra de ruido total Ni de los dos amplificadores se ha reducido a F12 = 2. Repita la parte (b) si F1 = 13.38. La línea de transmisión tiene un factor de atenuación L = 2 dB y una temperatura física de 310 kelvins.73 (b) Demuestre que para la configuración (b) . 2. Sean los dos sistemas representados en la Fig. (a) Demuestre que para la configuración (a). 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. Demuestre: (a) Que la potencia de ruido Ni a la entrada del detector es de -60.305 dB . El ancho de banda es de 6 MHz.01 dB F2 = 10 dB Al Detector (a) Conexión sin Preamplificador (b) Conexión con Preamplificador Fig.40. ¿Qué se puede decir al respecto? 2. 2.5 G p2 = 40 dB N i Al F2 = 2 Detector B = 2 MHz Fig.2 dB . demuestre que .73. 10 Si = 6. 2. (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. 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. La temperatura efectiva de la antena es de 100 kelvins.75.

99 dBm . Definiendo v 2 = Pdi y v 2 = Pdo .193 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N 1 = −83. definición del factor de atenuación L. demuestre que N1 = −83. (c) Si las temperaturas efectivas de los amplificadores son Te 2 = 400 kelvins y Te3 = 500 kelvins .113 dBm y N 3 = −23. se tiene que vemos que el valor de L aumenta al aumentar la longitud de la línea.41. 2. referida al amplificador compuesto? 2. = 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. ¿Por qué no puede determinarse la temperatura efectiva de ruido.899.76. referida a la entrada del sistema línea-receptor es Te. es Te = 260. N 2 = −30. es decir. demuestre que la cifra de ruido total del sistema es F = 1. entonces se verifica que v oef = v ief exp(−α x) . Suponga que una línea de transmisión de pérdidas L y temperatura física TpL se agrega a la entrada del receptor.979 dBm y N 3 = −23. Un cierto receptor tiene una temperatura efectiva de ruido Te1 . 2. se puede escribir entonces v 2 = v 2 exp(−2α x) . y de acuerdo con la oef ief ief oef L = exp(2α x) . Demuestre que la nueva temperatura de ruido.66 kelvins (b) Usando el resultado de la parte (a). En términos de potencia (normalizadas respecto a R = 1 Ohm).123 dBm. (c) Verifique la cifra de ruido total calculada en (b) individuales y combinando sus efectos. 2. aquella con la mínima cifra de ruido total.172 dBm. donde α es la constante de atenuación y x la longitud de la línea. En este caso.76 (a) Demuestre que la temperatura efectiva de ruido. expresión (2. referida a la entrada del sistema de tres etapas.183).99 dBm. determinando las cifras de ruido Se le sugiere al lector repetir este problema intercambiando las diferentes etapas a fin de conseguir una configuración óptima. 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. la nueva temperatura de ruido a la entrada del sistema línea-receptor es Te' = Te1 exp(2αx) + [exp(2αx) − 1]TpL . Etapa 1 Etapa 2 Etapa 3 Te1 = 300 kelvins . Sea el sistema de tres etapas mostrado en la Fig. N 2 = −30.42.

TeL Antena Línea de Transmisión B Preamplificador Señal Util Amplificador B Fig. La cifra de ruido total es F = 1.77. la temperatura efectiva de ruido del sistema aumenta aproximadamente en 10 kelvins.Ta T'e Te1 S r Te GpL.1 dB en la atenuación L de la línea de transmisión. Sr = 10-8 W G pL = 1 .448 kelvins (b) Demuestre que la temperatura efectiva de ruido Te. y el incremento ∆L de la atenuación L de la línea de transmisión. a la entrada del primer amplificador es Te’ = 150.591 dB Ni . Datos: L = 2 dB = 1. y TPL la temperatura física de la línea de transmisión que interconecta la antena con el receptor.004 kelvins Si = 3. Gp1 = 40 dB = 104 . 2. TeL = (L − 1)TpL L A1 S1.585. (a) Demuestre que la temperatura efectiva de ruido Te referida a la entrada de la línea de transmisión es Te = 407. Sea el sistema de comunicaciones de la Fig. demuestre que por cada incremento de 0. Te1 = 150 kelvins. 2. (a) Demuestre que el incremento ∆Te en la temperatura efectiva Te . TpL = To. B = 105 Hz.194 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. Te2 = 300 kelvins. están relacionados mediante la ecuación ∆Te = Te1 + TPL ∆L (d) Si Te1 = 150 kelvins y TPL = 290 kelvins . Gp2 = 20 dB = 100. La temperatura equivalente total del sistema es Te = 200. 1. Sea Te1 la temperatura efectiva de ruido de un receptor. referida a la entrada de la línea de transmisión.43. Ta = 100 kelvins Ga = 50 dB = 105. Verifique este resultado para valores arbitrarios de la atenuación L. TpL S e .69 3.44. To = 290 kelvins.623x107 = 75. Ne Gp1 Ga. La relación Si/Ni de predetección es Tn = 100 kelvins.03 kelvins (c) Suponga que la temperatura de ruido de entrada a la antena es Demuestre que 2. Na L.77. 2. N1 Ruido Blanco A2 Gp2 Te2 Si/Ni Al Detector Nn Sa.

éstas son las señales aleatorias. la probabilidad de que el suceso A ocurra. INTRODUCCION En el presente texto se estudian varios tipos de señal. el ruido. 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. cuyo comportamiento se puede predecir a partir de algunas de sus propiedades probabilísticas o estadísticas. por cuanto ellas varían en forma muy compleja.1. no se profundizará demasiado en consideraciones teóricas avanzadas. acerca de las cuales sólo conocemos algunos parámetros. tanto periódicas como no periódicas. Definición Empírica de la Probabilidad En un experimento repetido N veces. En consecuencia. por ejemplo. pero sí se mostrarán aquellos aspectos de aplicación inmediata en el análisis y diseño de sistemas de comunicación prácticos. 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. entonces P(A). en efecto. Pero también hay otras clases de señales como. si el suceso A ocurre m veces. la idea de “suerte” está ligada con la de “probabilidad” o “posibilidad”. Como es normal en un texto introductorio de comunicaciones. El resultado de un experimento cualquiera. 3. en cada canal de comunicación siempre habrá señales de ruido que contaminan las señales mensaje portadoras de información. cuyos valores son conocidos en todo instante ya sea en forma gráfica ya sea en forma analítica.1.2.2. En la Teoría de la Comunicación las señales y procesos aleatorios desempeñan un papel muy importante. Por ejemplo.1) . se define en la forma P (A ) = lim m N N →∞ (3. En la Teoría Estadística de la Comunicación tanto las señales mensaje como el ruido se tratan como variables aleatorias.CAPITULO III VARIABLES Y PROCESOS ALEATORIOS 3. Estos tipos de señal se denominan señales determinísticas. por ejemplo. cuando lanzamos un dado o una moneda. depende de la combinación de muchos factores completamente impredecibles. NOCIONES DE LA PROBABILIDAD 3. De la Teoría de la Probabilidad y de las Variables y Procesos Aleatorios hay una inmensa bibliografía que el lector interesado puede consultar. es posible predecir en cierta manera el comportamiento promedio de un número grande de experimentos. cuando lanzamos una moneda podemos decir que las probabilidades de que caiga cara o sello son “igualmente posibles” o “igualmente probables”. Sin embargo. 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.

El punto de vista axiomático de la probabilidad se puede resumir en la forma siguiente. A 2 . Se sigue entonces que si N sucesos A n son disjuntos y exhaustivos.. entonces el suceso {A 1 + A 2 +. por lo tanto. si la ocurrencia de cualquier suceso impide la ocurrencia simultánea de cualquier otro suceso del conjunto.. A 3 ... pero los axiomas que se postulen deben estar de acuerdo con el punto de vista de la frecuencia relativa. Nótese que al definir P(A) como en (3.1). A 2 . (A + B).. que simbolizaremos con S. A n son disjuntos y exhaustivos..2) Sucesos Mutuamente Excluyentes o Disjuntos Se dice que en un conjunto de sucesos los sucesos son mutuamente excluyentes. se supone implícitamente que el límite N → ∞ existe. y si m1 y m 2 son los resultados favorables a A y B. que la probabilidad es siempre una magnitud positiva y menor o igual que la unidad. Por ejemplo. Es evidente también....+ A n ) = P (A1 ) + P ( A 2 ) + P (A 3 ) +. es porque el suceso A o el suceso B o ambos han ocurrido. respectivamente... . La probabilidad se puede definir desde un punto de vista axiomático..196 III. A n son sucesos disjuntos...3) Si A y B no son disjuntos. Cuando el suceso (A + B) ocurre.+A n } es el suceso cierto. entonces esos N elementos se denominan “sucesos exhaustivos”. . entonces ∑ P (A n =1 N n)=1 (3. disjuntos o incompatibles. si A 1 . P (S) = P (suceso cierto) = 1 Definición Axiomática de la Probabilidad (3..7) La definición de frecuencia relativa tiene la ventaja de ser muy intuitiva pero no es suficiente desde el punto de vista matemático... de la definición. es decir.. A n solamente. Este suceso será la unión de los sucesos A y B..+ P ( A n ) (3.. A 2 . es decir. entonces P (A1 + A 2 + A 3 +.. consideremos dos sucesos A y B... y un suceso que puede considerarse como resultado de uno cualquiera de los sucesos A y B.6) Puesto que A 1 .... VARIABLES Y PROCESOS ALEATORIOS Esta definición de la probabilidad se conoce con el nombre de “definición empírica de la probabilidad”.5) Si un experimento tiene N resultados A 1 ..4) donde P(AB) es la probabilidad conjunta de la ocurrencia simultánea de los sucesos A y B.. por cuanto define la probabilidad como la frecuencia relativa de ocurrencia del suceso. Si el experimento se lleva a cabo N veces. en efecto.. Se conoce también como “la definición de la frecuencia relativa”. es decir..... 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. 0 ≤ P (A ) ≤ 1 (3. con aquellas relaciones que se observan en el mundo físico. entonces P (A + B) = P (A ) + P (B) − P ( AB) (3. Estos resultados se pueden extender para un número cualquiera de sucesos....

+ A n +.9) (3.2.14).. Por definición. 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) ≠ 0.8) (3... donde P(AB) es la probabilidad conjunta de los sucesos A y B. Probabilidad Conjunta. Si un experimento se repite N veces.. Probabilidad Condicional.. Independencia Probabilidad Conjunta Si en un experimento hay dos conjuntos de sucesos o resultados. Esta es la probabilidad condicional...197 III. .. son disjuntos. A n . la “probabilidad del suceso A (3..+ P ( A n ) +. entonces la probabilidad de observar un resultado particular A de un conjunto y un resultado B de otro conjunto. 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. P (B| A ) = P ( B) P (A ) P ( A | B) P ( A | B) = P (B| A ) si P(B) ≠ 0 (3.. ) = P ( A 1 ) + P ( A 2 ) +. AXIOMA III: P (A + B) = P ( A ) + P ( B) La extensión para un número infinito de sucesos no se sigue de (3... si P(A) ≠ 0. y si NAB es el número de veces que A y B ocurren simultáneamente.13) y (3. Combinando (3. es decir. se denomina la “probabilidad conjunta del suceso AB”.2..15b) si P(A) ≠ 0 .. la probabilidad de un suceso A depende de si el suceso B ha o no ocurrido.13) (3. . 3..11) si A 1 .. A 2 ..... (3... VARIABLES Y PROCESOS ALEATORIOS La probabilidad P(A) de un suceso A es un número que se asigna a dicho suceso.15a) (3.10) AXIOMA II: P (S) = 1 donde S es el suceso cierto formado por todos los sucesos disjuntos y exhaustivos.10) sino que es un nuevo axioma: AXIOMA IIIa: P ( A 1 + A 2 + A 3 +..12) Probabilidad Condicional A menudo se presenta la situación donde la probabilidad de un suceso es influenciada por otro suceso. donde AB ≠ 0 es la intersección de los sucesos A y B. .. entonces la probabilidad del suceso AB se define en la forma P (AB) = lim N AB N N →∞ (3.14) O también.

.. segunda de 50} = P(A)P(B|A) = = 0.19) . segunda de 50} = P(B)P(B|B) = = 0. ♣ Ejemplo 3.. (a) La probabilidad de que las dos resistencias sean de 100 Ω (b) La probabilidad de que la primera fue de 100 Ω y la segunda de 50 Ω (c) La probabilidad de que las dos resistencias son de 50 Ω Sean los sucesos A = {sacar una resistencia de 100 Ω} B = {sacar una resistencia de 50 Ω} A|A = {sacar una de 100 Ω habiendo sacado previamente una de 100 Ω} B|B = {sacar una de 50 Ω habiendo sacado previamente una de 50 Ω} 5 4 (a) P{sacar primero de 100. esto es. (3. B. Vamos a determinar las siguientes probabilidades.1 Una caja contiene 5 resistencias de 100 Ω y 7 resistencias de 50 Ω..17) (3.32 12 11 Independencia Estadística ♣ El concepto de independencia es básico. En efecto.27 12 11 7 6 (c) P{sacar primero de 50. la probabilidad de ocurrencia conjunta es P(ABCD. entonces la ocurrencia del suceso A no influencia en absoluto la ocurrencia del suceso B... entonces.. entonces P ( A | B) = P ( A ) P(AB) = 0 y P(B|A) = P(B) (3.. para A y B independientes y disjuntos La noción de independencia se puede extender a más de dos sucesos.18) Nótese que si A y B son independientes y disjuntos. son estadísticamente independientes..198 III.) = P(A) P(B) P(C) P(D) . si los sucesos A. segunda de 100} = P(A)P(A|A) = = 0.. C. si A y B son independientes.. Definición Se dice que dos sucesos A y B son estadísticamente independientes si y sólo si P (AB) = P ( A )P ( B) (3.15b) son conocidas con el nombre de “Ecuaciones de Bayes” o “Regla de Bayes”.. por definición.... VARIABLES Y PROCESOS ALEATORIOS Las expresiones (3.. De la caja se extrae una resistencia y después otra sin reponer la primera...16) Esto quiere decir que si A y B son independientes... 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. Si esto es cierto.. D.15 12 11 5 7 (b) P{sacar primero de 100. entonces la probabilidad condicional P(A|B) es simplemente la probabilidad P(A).. y viceversa.15a) y (3.

Se tiene un conjunto de n sucesos disjuntos y exhaustivos A 1 .. expresiones (3.+ P (BA n ) (3... donde Ai será definida a continuación. de donde P (A i | B) = P (A i ) P (B| A i ) P ( B) P(B | A i )P(A i ) (3.. P (B) = P ( BA 1 ) + P ( BA 2 )+. VARIABLES Y PROCESOS ALEATORIOS Nótese que si los sucesos son independientes por pares.22) Este es el teorema sobre la probabilidad total. BA n Como estos elementos son todos disjuntos.... B = BS = B( A 1 + A 2 +. se tiene P (A i B) = P (A i | B)P (B) = P (B| A i )P (A i ) . pero sí debe cumplirse que B ⊂ {A 1 + A 2 +..13) y (3..+ A n ) A1 B An A2 A3 Fig. . A n no sean exhaustibles....... y sea B un suceso cualquiera contenido en S.1.. es decir. A 2 .. 3. B ⊂ S.... P (BA i ) = P ( B| A i ) P ( A i ) Entonces. de las expresiones (3.14).. .1. i y con independientes. 3. ... si P(Ai Aj) = P(Ai)P(Aj) para todo j.. Probabilidad Total j ≠ i ... .1 S De donde B = BA 1 + BA 2 +.199 III.24) Este es el llamado “Teorema de Bayes”. Hay que hacer notar que este teorema es válido aún cuando los n sucesos A 1 . 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).22). Fig.21) Pero de la probabilidad condicional. se obtiene P(A i | B) = ∑ P(B | A )P(A ) j=1 j j n (5.. A n cuya suma es igual al suceso cierto S.13) o (3. Entonces. A 2 . no se sigue que los sucesos sean todos Vamos ahora a obtener una expresión conocida con el nombre de “Teorema de la Probabilidad Total”. de la Fig. 3..+ P ( B| A n ) P ( A n ) P ( B) = ∑P(B| A )P(A ) i i i =1 n (3. ... En efecto.14)...23) Reemplazando P(B) de (3. P (B) = P ( B| A 1 ) P (A 1 ) + P ( B| A 2 ) P (A 2 ) +. es decir.+ 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 ).20) (3....

13). de acuerdo con el símbolo r j recibido. de la expresión (3. Estas probabilidades son las probabilidades “a priori” de los mensajes. como se muestra en la Fig.2(b). hay que hacer notar que en un sistema de comunicación real generalmente no se conocen las probabilidades de transición. M = 2. queremos decir que la probabilidad de una decisión correcta P( ) es máxima. P (m i . 3. con 0 ≤ i ≤ M − 1. Para valores pequeños de MJ es conveniente hacer un diagrama de estas probabilidades.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 } .2(a).200 III. Cuando decimos “óptimo”. Nuestro problema es especificar un receptor que. J = 3 r2 Canal rj mj {r j } {m j } Receptor (b) Sistema de Comunicación Fig. y J posibles símbolos de salida r j .25) P (m i | r j ) = P (m i . 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 . 3. por ejemplo. 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. { } 0 ≤ j ≤ J − 1. sin embargo. r j ) P (r j ) (3. Este modelo describe un sistema de comunicación como el mostrado en la Fig. el modelo del canal se puede describir completamente [Wozencraft y Jacobs. 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. r j ) = P (m i )P (r j | m i ) También. es decir. (3. formule una decisión óptima en relación a qué mensaje m i fue transmitido. En lo que concierne a este ejemplo. 3. r j ) y cuyas probabilidades son. el filtro acoplado que se verá en el Capítulo V es un receptor óptimo. ocurren los mensajes {m i } . las probabilidades antes de la recepción. 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.

la probabilidad de que m i fue transmitido es P (m i | r j ) . expresión (3. sea m k el mensaje cuya probabilidad “a posteriori” es la máxima.29) . es decir. 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. la probabilidad (m1 . r j ) está representada por su correspondiente área. r1) (m1 . r1 ) P (ro | m1 ) P (r1 | m1 ) Antes de la transmisión. para un r j Fig. Después de la transmisión.3 dado recibido. 3. r2 ) P (r2 | m1 ) P (r2 |mo ) (mo . La especificación de un receptor es simplemente la especificación de una transformación desde el conjunto o espacio de salida del canal r j .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.26).201 III. Del teorema de la probabilidad total. En efecto. ro ) (m1 . determina el receptor óptimo. entonces. Esta “regla o algoritmo de decisión”. La probabilidad de cada par (m i . 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”. la cual es la probabilidad “a posteriori”. la elección de la máxima probabilidad “a posteriori”. aplicada independientemente a cada símbolo recibido r j . 3. es decir. una probabilidad condicional. VARIABLES Y PROCESOS ALEATORIOS En la Fig. cada símbolo recibido r j debe ser {} atribuido a una y sólo una de las posibles entradas m i . Podemos escribir entonces P( | r j ) = P (m( j)| r j ) (3. entonces rj puede ser asignado a cualquiera de los mi correspondientes sin pérdida de optimalidad. Sea m( j) una entrada dada en el conjunto r j . por lo tanto. la suma sobre j es maximizada sólo y solamente si cada uno de los términos P( |rj) es máximo. Entonces la probabilidad condicional P( |rj) de una decisión correcta para un r j recibido. La suma de todas estas áreas es la unidad M J S P (ro |mo ) P (r1| mo ) (mo . de la expresión (3. ro ) (mo .22).3 se muestra la distribución de las probabilidades en un sistema típico con M = 2 y J = 3. r2 ) “a priori” de que un mensaje m i sea transmitido P (m1 ) P (m o ) es P (m i ) . y por lo tanto la regla de decisión es la óptima. es justamente la probabilidad de que el mensaje m( j) fue en efecto transmitido. {m( j)} P (m k | r j ) ≥ P ( m i | r j ) para todo i ≠ k (3.28) Las cantidades positivas P(rj) son independientes de la regla de asignación. No es necesario calcular la probabilidad P(rj) a fin de determinar la transformación óptima y la probabilidad de error resultante. Si varios mi tienen la misma (máxima) probabilidad “a posteriori”.

6 1 Las probabilidades de entrada o probabilidades “a priori” son: P(a) = 0..202 III.7. la probabilidad de error.2 0.31) recibido. b} y dos símbolos de salida {0.27) y (3. a 0. 1}. P(1 | b) = 0.7 = 0.4 b 0.48 P(b.0) y P(a.P( ) = 1 . como se muestra en la Fig. (3.48 0. se ha determinado a partir de la expresión (3.2 = 0.6 x 0. la probabilidad de una decisión correcta P( ) se puede calcular a partir de las expresiones (3.1) > P(b.3 = 0.1) 0 0 1 (b.1) = P(a) P(1 | a) = 0.8 S (a.3 (b.28 + 0.30) Una vez que el conjunto {m( j)}. la probabilidad de una decisión falsa es P( ) = 1 − P ( ) ♣ Ejemplo 3. (3. 1..1) = 0.3 1 0 1 0.1.24 Los puntos o áreas correspondientes al error se muestran marcados en la Fig.0) = P(b) P(0 | b) = 0.28 P(b.0) 0.7 0.76 = 0.4.6 x 0.4.0) > P(a. con j = 0.30). P( )= ∑P(m( j). J .31). y de la expresión (3.8. es decir. 2.2.32) donde P (m( j).1) Por consiguiente.8 0.6 0.3 ♣ .26).0.4 x 0..2 Consideremos un canal binario con dos símbolos de entrada {a.12 0 0. r ) j j= 0 J −1 (3. P(1 | a) = 0. r j ) representa la probabilidad de que m( j) fue transmitido y r j Finalmente.12 (a) Fig. P(0 | b) = 0.4 Las probabilidades de transición del canal son: P(0 | a) = 0. 3. P(a. es decir.76 P( ) = 1 . m(0) = b y m(1) = a .1) 0.1) = P(b) P(1 | b) = 0.6 y P(b) = 0.12 P(a.0) (a.4 (b) 0. P( ) = P(b.28 0. Entonces.8 = 0.0) = P(a) P(0 | a) = 0.0) + P(a. VARIABLES Y PROCESOS ALEATORIOS de donde m( j) = m k si y solamente si P (m k )P (r j | m k ) ≥ P (m i )P (r j | m i ) para todo i ≠ k (3..48 = 0. 3.28).4 x 0. 3..12 Vemos que P(b.

Por ejemplo. Esto nos lleva al concepto de “función de distribución de probabilidad de X”.3. 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.1.203 III.. VARIABLES ALEATORIAS. Por lo tanto. una “variable aleatoria X”. PX (x i ) es la probabilidad del resultado o suceso al cual fue asignado el valor x i . x 2 . . A menudo es conveniente describir en forma gráfica las probabilidades asignadas en relación con los valores de la VA asignados. el espacio consiste de seis elementos: las seis caras del dado. El subíndice es esencial para indicar la asociación de las funciones de probabilidad con una VA dada. En general. de acuerdo con la expresión (5. . se verifica que ∑P i =1 n X (x i ) =1 (3. x n (Nota: la variable aleatoria (VA) se representará con letras mayúsculas. la cual puede tomar cualquiera de los n valores discretos x 1 ...6). . En otras palabras. Variables Aleatorias Discretas Un experimento dado puede tener un cierto número de resultados. en este caso. Por consiguiente. En esta notación el subíndice se refiere a la VA X y el argumento es el valor particular de la VA. mientras que x i representa los valores posibles asignados. VARIABLES Y PROCESOS ALEATORIOS 3. En realidad. FUNCIONES DE PROBABILIDAD 3. x n a estos resultados.. entonces. X es la representación general de los valores observados. la “función de distribución acumulativa de una VA X”.33) Una VA discreta se puede describir entonces mediante la llamada “función de frecuencia” PX (x i ) = P (X = x i ) (3. y se aplica tanto en procesos discretos como en procesos continuos. uno a cada uno. El resultado de un experimento aleatorio es.35) Nótese que la función de distribución FX(x) depende tanto de la VA X como del valor del argumento. se asigna un número real a cada resultado o punto de muestra del experimento. La función FX(x) es simplemente la probabilidad de que un valor observado sea igual o menor que cierta cantidad x. Los elementos individuales o puntos del espacio de las muestras se denominan “puntos de muestra”. 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..3. cada subíndice identifica la función o VA dada. En este caso la palabra “espacio” se usa como sinónimo de la palabra “conjunto”. y los valores particulares que dicha variable tome se representarán con letras minúsculas). por ejemplo. una VA es una función en el sentido convencional. . cada punto de muestra corresponde a un resultado distinto del experimento. Se asigna también una probabilidad a cada valor de la VA X. similarmente. en el ejemplo del lanzamiento de un dado.. sobre todo cuando se trabaja con varias VA. x 2 .. entonces. y cada uno de ellos se puede considerar como un elemento de un conjunto o espacio. se define en la forma FX (x ) = P (X ≤ x ) (3. . una función f(t) asigna valores a t de acuerdo con una cierta regla.34) donde x i son los valores que X puede tomar y P (X = x i ) su probabilidad correspondiente. x 3 . se asigna los números reales x 1 . Esto es muy importante. Si hay n resultados. En efecto. Nótese que si en el experimento hay un total de n resultados x i disjuntos y exhaustivos. una VA X asigna valores numéricos (números reales) a cada punto de muestra.

que daremos sin demostrarlas: 1.39) Para una VA X discreta con probabilidades PX (x i ) .8 0. La “función de frecuencia” de una VA X discreta . Entre discontinuidades el valor de FX(xi) es constante.2 0.2 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 (+∞) = 1 si x 1 < x 2 (3. pero para efectos del presente ejemplo vamos a suponer que las probabilidades PX(xi) asignadas a cada cara xi son diferentes. 0 ≤ FX (x ) ≤ 1 2.41) ♣ Ejemplo 3.15 0. FX (x 1 ) ≤ FX (x 2 ) 3.3 0. y en los puntos de discontinuidad se supone continuidad hacia la derecha. Cara xi 1 2 3 4 5 6 PX(xi) 0.80 0.4 0.3 El experimento es el tiro de un dado. VARIABLES Y PROCESOS ALEATORIOS Como FX(x) está basada directamente en el concepto de probabilidad.36) (3.50 0.38) (3.00 0.5 ♣ .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 .15 0. 3.37) (3. FX (−∞) = 0 4.35 0.2 0.3 0.0 0.204 III.6 0. ella tiene las siguientes propiedades. vendrá dada entonces por n d pX (x) = FX ( x ) = ∑ PX ( x i )δ( x − x i ) dx i =1 (3. es una función en escalera donde la altura de cada escalón es PX (xi). la función FX(x) se puede expresar en la forma FX (x) = ∑P i =1 n X (x i ) ⋅ u (x − xi ) (3.1 FX(xi) 0.2 0. En la Fig. que en adelante se denominará “densidad de probabilidad”.1 0.90 1. 3.5 se dan los datos del experimento y se grafican las funciones de probabilidad pX(x) y FX(x).

6). Esta probabilidad es simplemente el área encerrada por la curva p X ( x ) en el respectivo intervalo. 3.6. En este caso. se tiene FX ( x ) = x ∫ −∞ p X ( x ' )dx ' = P( X ≤ x ) (3. expresión (3. definida en este espacio. En el caso más general. como se muestra en la Fig.44) La probabilidad de observar X en cualquier intervalo (x1 . sea T la temperatura de una sala. 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. Un espacio de muestras continuo contiene infinitos puntos (no contables) y es evidente que la probabilidad de observar un punto dado es cero. x2). La “función de densidad de probabilidad. lo cual no tiene significado.205 III. 3. y es el equivalente. Por ejemplo. sobre todo en el mundo físico.6. esta temperatura puede tomar cualquier valor dentro de la gama de infinitas temperaturas comprendidas dentro de un intervalo (T1 . 3. en el caso de un espacio de muestras continuo. la probabilidad de observar una temperatura dada es cero. por lo tanto.42). 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. x + dx ) es igual a p X ( x )∆x cuando ∆x → 0. la probabilidad de que la VA X tome un cierto valor es cero. T2). x2) viene dada por el x2 x1 Fig. en el caso continuo. Si el espacio de las muestras es continuo.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. y. De otra manera. Como se está igualando una área con probabilidad. Sin embargo. Densidad de Probabilidad 0 x x área bajo dicho intervalo. es evidente que la gama de valores puede extenderse desde . Una VA continua puede tomar valores en el intervalo continuo (-x1 . el concepto de función de distribución es aún válido.34). p X ( x )” de una VA X se define en la forma p X (x) = d dx FX ( x ) (3. el problema de asignación de probabilidades a la correspondiente VA se hace más complicado. como puede observarse en la Fig.42) La probabilidad de observar la VA X en el intervalo (x. entonces la respectiva VA.3. la función en cuestión se denomina “función de densidad de probabilidad”. VARIABLES Y PROCESOS ALEATORIOS 3.∞ a + ∞. lo cual estaría en contradicción con la condición (3.6. pero es más conveniente definir una función cuya “área” sea la probabilidad de ocurrencia dentro de una gama dada. la suma de todas las probabilidades sería infinita. de la función de frecuencia P(X = xi) del caso discreto. si se asignara una probabilidad a un punto dado. 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. Integrando (3. Pero hay muchos casos.2. será una variable aleatoria continua. Como ya lo hemos observado. .

entonces. VARIABLES Y PROCESOS ALEATORIOS ∞ Puesto que FX(+∞) = 1.7. como se La correspondiente función de densidad es. de (3. lo cual es una certitud. 3. en este caso se dice que la VA X está distribuida uniformemente en ese intervalo. 6).33) en el caso discreto. podemos ver que P (X ≤ 3) = 1 4 .206 III. equivalente a la (3. ♣ Ejemplo 3. ella debe cumplir con la condición (3.7(b). Como la probabilidad es una magnitud positiva (AXIOMA I). la densidad de probabilidad deberá ser siempre positiva. 1 FX ( x ) x 1/4 p X ( x) x 0 2 4 6 0 2 4 6 (a) Función de Distribución Fig.4 Sea una VA X cuya función de distribución es F X ( x ) = muestra en la Fig. Esta situación la podemos considerar en el siguiente ejemplo. es evidente por el hecho de que la integral (3.45) Esta expresión. ∫ −∞ p X ( x )dx = 1 (3. 3. de la Fig.46) Nótese que el hecho de que la probabilidad de observar X a cierto valor x es cero. es decir.41) y (1.7 se muestra FX (x ) y p X ( x ) . d dx 1 4 1 4 x−4 4 1 4 [ r (x − 2) − r (x − 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. Nótese también que para que una función de x se pueda considerar como una densidad de probabilidad. Por ejemplo. la probabilidad de que la temperatura T de la sala tome un cierto valor T0 es cero. P(3 < X ≤ 5) = 1 2 ♣ Se tiene también la situación donde la función de probabilidad es mixta.45). 3. pero eso no significa que la temperatura de la sala nunca podrá ser T0 . (b) Densidad de Probabilidad Por ejemplo. 3. 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. no necesariamente significa que la VA X no tomará jamás ese valor particular.45) representa la probabilidad de observar X en el intervalo (-∞. . +∞). que pX (x) es continua pero contiene impulsos. En la Fig.7(a).

3. en la Fig.8 x -B 0 A (c) x La Fig.8(b). 3. respectivamente.8(a). 3. Si esta señal se pasa por un limitador que recorta el voltaje en cierto valor +A. de donde FX (−A) = 1 − FX (A) Entonces el impulso en − B = − A tendrá un área k1 = FX (− A) = 1 − FX (A) = k 2 Por consiguiente.5.8(b). VARIABLES Y PROCESOS ALEATORIOS Ejemplo 3. entonces p X (A) = p X (− A) y FX (A) = 1 − FX (−A) . ∞ ) como en la Fig. el área de los impulsos es la misma. ♣ . 3. y si B = A. 3. 3. Consideremos el caso de una VA X cuya densidad de probabilidad se muestra en la Fig. 3. 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. en el intervalo (−∞ < x < A ) como en la Fig. De lo anterior se desprende que la probabilidad de observar un voltaje dado es cero en la región donde pX(x) es continuo. la nueva densidad de probabilidad aparecerá en la forma mostrada en la Fig. Sin embargo.8(c).3. y en el intervalo − B < x < A) como en la Fig.8(b) la probabilidad de observar el voltaje de amplitud A es k.8(c) es para el caso cuando el limitador recorta el voltaje dentro de los valores –B y +A. y en la Fig. 3.8(a). Tal es el caso para los intervalos (−∞.8(c) la probabilidad de observar los voltajes de amplitud –B y A es k1 y k2.207 III. 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.

. se pueden obtener a partir de pXY(x.51) (3. Por ejemplo.3. En efecto. y)dy y p Y (y) = ∫ ∞ −∞ p XY ( x . p XY (x . y) = p X ( x ) ⋅ p Y ( y ) (3. La posición de cada disparo es un punto aleatorio que se puede describir mediante dos números en un sistema de coordenadas apropiado. Por lo tanto. las densidades de probabilidad individuales pX(x) y pY(y). p X n ( x n ) FX1X2 . .. para n VA independientes.. Y ≤ y) = ∫∫ y x -∞ -∞ p XY ( x ' .... . y) debe ser siempre la unidad..Xn ( x 1 .. FXn ( x n ) ♣ Ejemplo 3. Cada punto de muestra se describirá entonces mediante la dupla (x.. 1965] que las densidades marginales son p X (x) = ∫ ∞ −∞ p XY ( x . cada punto de muestra se puede describir mediante una dupla de números.X n ( x 1 .. y). y) = FX (x ) ⋅ FY ( y ) y p XY ( x . . x n ) = FX1 ( x 1 ) ⋅ FX2 ( x 2 ).52b) y en general..52a) (3.6 Vamos a definir la función de densidad conjunta de dos VA X e Y en la forma p XY (x . y) ≥ 0 para todo x e y. x 2 ..49). y) = ∂2 ∂x∂y FXY ( x ...47) La correspondiente ”función de densidad de probabilidad conjunta. o sea que ∫ ∫ ∞ ∞ −∞ −∞ p XY ( x ... y) (3. +∞) y de observar Y en el mismo intervalo. consideremos el experimento aleatorio del tiro al blanco.50) y si las VA X e Y son independientes. y que la VA Y sea la coordenada y de cada disparo.48) El suceso de observar X en el intervalo (-∞. Distribuciones Conjuntas Un experimento aleatorio puede tener dos resultados. . llamadas “densidades marginales”.3.. x n ) = p X1 (x 1 ) ⋅ p X 2 (x 2 ).49) El volumen total dentro de la curva de la densidad de probabilidad conjunta pXY(x. p X1X 2 . y) ”.. entonces FXY ( x .. Cuando se trabaja con probabilidades conjuntas de dos VA X e Y. y' )dx' dy' (3. y) sea verdaderamente una función de densidad de probabilidad conjunta. y)dx (3. y)” se define en la forma F XY ( x . x 2 . y) = Kexp[-(x + y)] ⋅ u(x) ⋅ u(y) Primero vamos a determinar el valor de K para que pXY(x.. De (3. . FXY(x. es p XY ( x .. se demuestra [Papoulis. Los puntos de muestra de tal experimento tienen dos atributos o grados de libertad. y) = P(X ≤ x. Podemos asociar entonces dos VA continuas en este espacio y hacer que la VA X sea la coordenada x. y)dxdy = 1 (3. evidentemente es una certitud.. Debe cumplirse también que p XY (x .. VARIABLES Y PROCESOS ALEATORIOS 3. y).. La “función de distribución conjunta de dos VA X e Y.208 III.

exp(-y)]u(y) y las densidades de probabilidad marginales. se tiene FX|Y ( x| Y = y ) = ∫ x −∞ p XY ( x ' . expresión (3. de (3. y) = FX ( x ) ⋅ FY ( y ) ♣ Distribución Condicional El concepto de probabilidad condicional de un suceso A dado un suceso B. puesto que las VA X e Y son independientes. y ) F Y (y) para FY ( y ) ≠ 0 (3. p X (x) = ∫ ∞ −∞ exp[ − ( x + y )]u ( x ) u (y )dy = exp(− x ) u ( x ) exp(− y ) dy 0 ∫ ∞ p X ( x ) = exp( − x ) u (x ).54) respecto a x. 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. 1968]. p Y ( y ) = exp( − y ) u (y ) y de la misma forma.13). y) = [1 . y) = exp[-(x + y)] ⋅ u(x) ⋅ u(y) La función de distribución conjunta es. y) = p X ( x ) ⋅ p Y ( y ) . que FXY ( x .53) Si la condición es que Y = y en vez de Y ≤ y . Sean dos variables aleatorias X e Y. y ) dx ' p Y (y) (3.54) Mediante diferenciación de (3. de donde K=1 y p XY (x . p XY (x . FXY (x . se obtiene . se puede extender a la función de distribución y densidad de probabilidad [Lathi. por lo tanto las VA X e Y son Nótese que se cumple que independientes.50).exp(-x)]u(x) ⋅ [1 .209 III. de (3.∞ -∞ exp[-(x' +y' )]u(x' )u(y' )dx' dy' = ∫ exp(-x' )dx' ∫ exp(-y' )dy' x y 0 0 FXY ( x . Se puede definir la función de distribución condicional de X dada Y ≤ y en la forma FX|Y ( x| y ) = F XY ( x . y) = ∫∫ y x .47). También. 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 ) = ⎨1 para 1 ≤ x.57a) (3. y ) = xy 1 1 ( x + y ) ⋅ Π( x − ) ⋅ Π( y − ) + u ( x − 1) ⋅ u (y − 1) 2 2 2 De (3.56) y en forma similar.50). y ) = ( x + y ) ⋅ Π( x − ) ⋅ Π(y − ) 2 2 Vamos a determinar todas las funciones de distribución y densidades de probabilidad asociadas. 0 ≤ y ≤ 1 Efectuando la integración obtenemos ⎧ xy ⎪ (x + y ) para 0 ≤ x ≤ 1. y ) = y ∫ ∫ y x −∞ −∞ (x '+ y ' ) Π(x '−1 / 2 ) Π(y '−1 / 2 ) dx ' dy ' FXY ( x . y ) p Y (y) (3.210 III.57b) ♣ Ejemplo 3. y < 0 ⎪0 ⎩ FXY ( x . 0 ≤ y ≤ 1 ⎪2 FXY ( x . y ) p X (x ) (3.56) obtenemos la Regla de Bayes para señales aleatorias continuas. VARIABLES Y PROCESOS ALEATORIOS p X|Y ( x| Y = y ) = p XY ( x . 1 ≤ y ⎪ para x < 0. y ) se puede escribir en una forma más compacta: FXY ( x . p X (x ) = ∫ ∞ −∞ (x + y )Π(x − 1 / 2 ) Π(y − 1 / 2 )dy 1 ⎡ y2 ⎤ 1 p X ( x ) = (x + y )dy = ⎢ xy + ⎥ = (x + ) para 0 ≤ x ≤ 1 0 2 ⎦ 2 ⎣ 0 ∫ 1 1 1 p X ( x ) = ( x + ) ⋅ Π( x − ) 2 2 . F 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) (3.7 La densidad de probabilidad conjunta de dos VA X e Y viene dada por 1 1 p XY (x . De (3. p Y|X ( y| X = x ) = Combinando (3. y) = ∫ 0 ∫ x 0 ( x ' + y' )dx ' dy' para 0 ≤ x ≤ 1.55) p XY ( x .55) y (3.47).

56). sin demostrarlos. 1 x2 (3.60) . Distribución Normal o Gaussiana Se dice que una VA X está distribuida normalmente o en forma gaussiana.4.59) −∞ 2 2 2σ σ 2π 2σ ∫ donde σ es la desviación de la VA X. 3. En la Fig.9 se muestran las formas típicas centradas de pX(x) y FX(x). vamos a examinar algunas de estas funciones especiales y daremos. La función erf(x) se define en el Apéndice D. p X (x) = ⎡ (x − x ) 2 ⎤ x − xo ⎤ 1⎡ o exp⎢ − ⎥ .1.58) p X (x) = exp( − 2 ) σ 2π 2σ x 1 1 x x '2 1 También. mientras que σ2 en la “varianza” o valor eficaz de la VA X. 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. De (3. FX ( x ) = ⎢1 + erf ( )⎥ 2 2⎣ σ 2π 2σ 2σ ⎦ ⎣ ⎦ 1 (3. 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. si su función de densidad de probabilidad es la curva de Gauss [Korn y Korn.4. En las distribuciones no centradas pX(x) y FX(x) están desplazadas a lo largo del eje x en una cantidad xo. 1 1 p Y ( y ) = ( y + ) ⋅ Π( y − ) 2 2 p XY (x. VARIABLES Y PROCESOS ALEATORIOS y de la misma manera. FX ( x ) = ) exp(− 2 )dx ' = + erf ( (3. Por considerarlo de importancia.211 III. es decir. 1968].4. En este caso σ se conoce con el nombre de “desviación normal”. en este caso.55). 3. algunos de sus parámetros. p X|Y (x | Y = y) = De (3.

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

.65) k! entonces se dice que la VA X tiene una “distribución de Poisson”.n y α > 0. ♣ Ejemplo 3. en donde se considera conocidas las probabilidades de transición.. 1.64) Nótese que este enfoque es más realista que el enfoque tratado en el Ejemplo 3.9. Pe = A2 1 1 ) erfc(K ) = erfc( 8ηB 2 2 (3..4. De (3. 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. cosa que en la práctica no es posible. FX (x) = 1⎡ 1050 − 1000 900 − 1000 ⎤ ) − erf ( ) ⎥ = 0. 1.63) Con el cambio de variables u = forma x−A A2 . cuyo parámetro es la constante positiva α. 3. Determine la probabi- Si una VA X es de tipo discreto y toma valores en los puntos k = 0..11 se muestra pX(x) y FX(x) de la distribución de Poisson.. (3.4..62).. 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. 3.213 III.2.2. La probabilidad de error Pe será entonces. A⎫ 1 ⎧ Pe = P ⎨X < ⎬ = 2⎭ π 2η B ⎩ ∫ A/2 −∞ ⎡ ( x − A) 2 ⎤ exp ⎢− ⎥dx 2η B ⎦ ⎣ (3..66) En la Fig. 3.. 2. VARIABLES Y PROCESOS ALEATORIOS en el receptor es simplemente la probabilidad de que la variable aleatoria X sea menor que A/2. con xo = 1000 y lidad de que X esté entre 900 y 1050. 2.n con probabilidades (ατ ) k Pk (τ ) = exp(−ατ ) para k = 0. Sea una VA X gaussiana no centrada.819 ⎢ erf ( 2⎣ 50 2 50 2 ⎦ ♣ 3... con x2 = 1050 y x1 = 900.. Distribución de Poisson α = 50 . .

por definición. 3. entonces PX (τ ) es máxima para k =|α τ| ..13(b). Si ατ > 1. 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.4.69) x 2 − x1 x 2 − x1 donde x o = ( x 2 + x1 ) / 2 ..4. 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. entonces PX ( τ ) tiene dos puntos máximos para k = α τ y k = α τ -1. 3. 3. Distribución de Poisson Si ατ < 1. .12.3.. Distribución Binomial donde. 1. se dice entonces que la VA X está distribuida uniformemente en el intervalo (x 1 .67) ⎝k ⎠ se dice que tiene una “Distribución Binomial”. . Distribución Binomial Si una VA X es de tipo discreto y toma valores en los puntos k = 0.214 III.. 3.13(a). 3. Fig.12. 2.11. entonces Pk (τ ) es máxima para k = 0. Si α τ es un número entero. 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. La densidad de probabilidad de la distribución binomial es una secuencia de impulsos. pero no es un número entero. x 2 ) con x2 > x1 . 3.68) ⎛n ⎞ n! ⎜ ⎟= ⎝ k ⎠ k !⋅ (n − k )! Fig. como se muestra 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.n con probabilidades definidas mediante la expresión ⎛n ⎞ Pk (x k ) = ⎜ ⎟ ⋅ p k ⋅ q n − k (3.4.

215 III. FX (x) = 1 1 exp(αx )u (− x) + [1 − exp(− αx)]u(x) 2 2 (3.71a) donde α es el parámetro de la distribución. aplicando la función rampa r(x).13(b). 3.71b) En la Fig. 3. la cual se muestra en la Fig. 3.70) 3.15(a).6. Fig. Distribución de Laplace La función de densidad de probabilidad de Laplace de una VA X es.14(a). . Distribución de Cauchy La función de densidad de Cauchy es p X (x ) = α 1 2 π α + x2 (3. La correspondiente función de distribución es (ver Problema 3. 3. p X (x ) = α exp(−α| x|) 2 (3.72) donde α es el parámetro de la distribución. FX (x ) = 1 r (x − x 1 ) − r (x − x 2 ) x 2 − x1 [ ] (3. 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.5.27).14(b) se muestra esta función.13. Distribución Uniforme 0 x1 xo x2 x1 x2 Por inspección de la Fig.4.4.

Distribución de Raleigh La función de densidad de Raleigh de una VA X es. FX (x ) = 1 1 x + arctg( ) 2 π α En la Fig. p X (x) = x α2 exp( − x2 2α 2 )u(x) (3. VARIABLES Y PROCESOS ALEATORIOS La correspondiente función de distribución es (ver Problema 3.16(b) se muestra esta función.4.73b) En la Fig. 3. Fig.216 III. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3. 3.25). .15(b) se muestra esta función.28) ⎡ x2 ⎤ FX (x) = ⎢1 + exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ (3.7. 3.73a) El valor máximo de p X ( x ) ocurre cuando x = α .16(a). 3.

75) Sea. 3. pero con la condición de que g(x) no sea igual a una constante en ningún intervalo..8. 3. pY(y) la densidad de probabilidad de la VA Y.17(a). VARIABLES Y PROCESOS ALEATORIOS 3. FUNCIONES DE VARIABLES ALEATORIAS Muy a menudo nos interesa conocer las funciones de probabilidad de una VA después que ella ha experimentado alguna transformación... por ejemplo. Esto significa que para un valor y dado.5.17(b) se muestra esta función. x 2 . Fig. El siguiente teorema [Papoulis..74a) El valor máximo de p X ( x ) ocurre cuando x = α 2 .29)... un número contable de raíces x 1 . la función de densidad de probabilidad de una VA X es pX(x).217 III.. quisiéramos ahora determinar la función de densidad de probabilidad de una VA Y relacionada con X mediante la ecuación Y = g(X) (3. 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. Si.74b) En la Fig. entonces. 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 . cuando más.4. 3. la ecuación y = g(x) tiene. Distribución de Maxwell La función de densidad de Maxwell de una VA X es. . p X (x) = 2/ π 2 x2 x exp(− 2 )u(x) 2α α3 (3. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3. Vamos a suponer que X es continua y que g(x) lo es también. x n .

1965]. y i ) p UV ( u . y i ) ∑ donde x i e y i son las soluciones simultáneas o raíces de las ecuaciones (5. La densidad de probabilidad conjunta p UV (u . = g ( x n ) (3. y) = exp[-(x + y)]u(x)u(y) y queremos determinar la función de densidad conjunta p UV (u . En forma similar al caso anterior.. Y) (3.10 La función de densidad conjunta de dos VA X e Y es p XY (x . y) es el Jacobiano de la transformación (3. y) ⎥ ⎥ ∂y ⎦ ∂ (3. v) = (3.. y= 2u . se resuelven simultáneamente las ecuaciones (3.. y) de dos VA X e Y. ⎡1 J =⎢ ⎣2 2⎤ ⎥ = [1 − 4 ] = −3 1⎦ y |J|= 3 2v − u 3 . se obtiene y el Jacobiano.62) en términos de x e y.80) i=1 J ( x i ... y J(x... 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. ♣ Ejemplo 3.78) En muchas aplicaciones es necesario determinar la función de probabilidad conjunta de transformaciones de variables aleatorias conjuntamente distribuidas.61). n p XY ( x i . v) de las VA U y V.v 3 .. v) de las VA U y V viene dada por [Papoulis. se resuelve la ecuación y = g ( x ) en términos de y. y sea U y V otras dos VA relacionadas con X e Y mediante las ecuaciones U = g(X. y) ∂x J ( x .77) y g ' (x ) = d dx g (x ) = dy dx n p X (x i ) i n Entonces. p Y (y) = ∑ | g' (x )| ∑ p = i =1 i =1 X (x i ) dx i dy (3. Y) y V = h(X.218 III.76) (3.81) La extensión de este método para más de dos VA es directa.80) definido mediante el determinante ⎡∂ ⎢ g ( x . si y = g ( x 1 ) = g ( x 2 ) =.. y) ⎢ ⎣ ∂x ⎤ g ( x .. En este caso consideremos la función de densidad de probabilidad conjunta pXY(x. es decir. x 2 .. y) ⎥ ∂y ⎥ ∂ h ( x . y) = ⎢ ∂ ⎢ h ( x .. VARIABLES Y PROCESOS ALEATORIOS Teorema Fundamental Para encontrar la función de densidad pY(y) para un valor dado de y. Si x1 ..79) Se trata ahora de determinar la función de densidad conjunta p UV (u . x n son todas sus raíces reales .

x n con probabilidades PX ( x i ) con i = 1.. .1). 2.. Un proceso aleatorio se caracteriza por su “regularidad estadística”. .. 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. .82) En el límite.. entonces 2u ≥ v ≥ u 2 u 2 ♣ 3.1.+ mn N xn (3.n. respectivamente.. expresión (3. Por ejemplo.219 III. Entonces.. Consideremos una VA X que puede tomar los valores x 1 .. ... representa una forma de promedio. 1 ⎡ 2v − u 2u − v ⎤ exp[ − ( x + y)]|x =( 2 v − u )/ 3. x 2 . la relación m i / N tiende a PX(xi) de acuerdo con la definición empírica de la probabilidad. y=(2u-v)/3 = exp ⎢ − ( + ) ⎥ = exp[ − ( u + v)] 3 3 ⎦ 3 ⎣ Suponiendo que u ≥ 0.u 3 2u . la definición empírica de la probabilidad. VARIABLES Y PROCESOS ALEATORIOS También. PROMEDIOS ESTADISTICOS 3. m n los números de pruebas favorables a los resultados x 1 . entonces su valor promedio es X= ∫ ∞ −∞ xp X ( x ) dx = E {X} para variables aleatorias continuas (3.6. m 2 .. Repitamos el experimento (representado por X) N veces (N → ∞) y sea m1 . cuando N → ∞.84) donde E{X} es otra forma de representación del valor promedio de X.+ m n x n ) = m1 N x1 + m2 N x 2 +. entonces y ≥ 0... 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 +... .. lo cual quiere decir que el proceso no puede predecirse en detalle sino en base de “promedios”. x n . v) de las VA U y V será entonces ⎧1 ⎤ ⎡ 1 ⎪ exp⎢ − ( u + v )⎥ para ⎦ ⎣ 3 p UV (u . . .. x 2 .6. 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.v 3 ≥0 y v≥ u 2 ≥ 0 y 2u ≥ v La densidad de probabilidad conjunta p UV (u ... se tiene: si si de donde x ≥ 0... Definición 2v .83) Si la VA X es continua. .

6.+ g n (X) .220 III. y)p XY ( x .+ 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.. entonces (3. y) utilizando el “teorema de la esperanza” o “teorema del valor esperado” [Lathi...2.. entonces. “esperanza matemática” o “promedio estadístico”.. por (3. 1968].Y). 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).86) Generalizando. Es decir... Y = E {Y} = ∫ ∞ −∞ yp Y ( y ) dy Se demuestra [Papoulis. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ g ( x .Y). 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.. 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.. podemos ver que si g ( X) = g 1 (X) + g 2 ( X) +.. y lo representaremos indistintamente con la notación X o E {X} . E {aX + b} = aE {X} + b.85) Si la VA X es de tipo discreto..87) E{g 1 ( X) + g 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 {Y} = E{g (X)} = ∑ g(x )p i i =1 n X (x i ) (3... y)dxdy (3. En particular. entonces E{Y} = E{g (X)} = ∫ ∞ −∞ yp Y (y )dy = ∫ ∞ −∞ g ( x ) p X (x )dx (3.89) y para variables aleatorias discretas . VARIABLES Y PROCESOS ALEATORIOS El valor promedio de una VA X se conoce también con los nombres de “valor esperado”.+ g n (X)} = E {g 1 (X)} + E {g 2 ( X)}+. el cual establece que si Z = g(X.88) Si g ( X) = g 1 ( x ) + jg 2 ( X). pues E {b} = b E {g(X)} = E{g 1 ( X)} + jE {g 2 (X)} Z = g(X. 3.

X 2 . x n ) dx 1dx 2 . por definición. x n ) ..... 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...221 III. Entonces.3... . se tiene que E{Z} = E {X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n } = E {X 1 } ⋅ E{X 2 } ⋅ ⋅ ⋅ ⋅E {X n } (3. 3. y )P i j i j XY ( x i .... yj) (3. .6. X n son estadísticamente independientes.... x 2 .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”. E Xn = E Xn = { } ∑ x n p X (x i ) i si la VA X es discreta si la VA X es continua (3. E{Z} = E {g 1 ( X1 ) ⋅ g 2 ( X 2 ) ⋅ ⋅ ⋅ ⋅g n ( X n )} Como X1 ..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. VARIABLES Y PROCESOS ALEATORIOS E{Z} = ∑∑g (x ..Xn ( x 1 . x 2 .. Momentos El momento n-ésimo de una VA X se define como el valor esperado de la potencia n-ésima de X.. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ .. x n )p X1X2 ..90) Generalizando.91) es aún válida ya que la distribución discreta se considera como el caso límite de una distribución continua mediante la utilización de impulsos Delta Dirac. x 2 .. la expresión (3. el segundo momento será E X2 = { } ∫−∞ x 2 p X (x)dx ∞ (3.91) Si algunas de las n variables son discretas.95) { } ∫−∞ x n p X (x)dx i ∞ Nótese que el primer momento (n = 1) es igual al valor esperado de la VA X.. caso continuo... Valor Promedio de Variables Aleatorias Estadísticamente Independientes Consideremos el producto de n variables aleatorias estadísticamente independientes Z = X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n Puesto que las Xi son estadísticamente independientes.. si Z = g (x 1 . Para n = 2. se verifica que E{Z} = E {g 1 ( X1 )} ⋅ E{g 2 (X 2 )} ⋅ ⋅ ⋅ ⋅E {g n ( X n )} (3..94) (3. Asimismo. .. dx n (3... ∫ ∞ −∞ g ( x 1 .

11. mientras que E X 2 es la potencia promedio. entonces 2 E{X} = x o . podemos decir que E {X} es el valor promedio de la VA X. su densidad de probabilidad es. y E{X 2 }=σ 2 (b) Si la VA X está desplazada en una cantidad xo. Demostrar que (a) E{X} = 0. 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. entonces E (S + N ) 2 = E S 2 + E N 2 { { } { } { } { } (3. En términos prácticos. por ejemplo. 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. su valor es cero.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. Por lo tanto. para n = 1. la suma X = S + N.222 III.95). 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. si y solamente si las variables aleatorias son estadísticamente independientes y por lo menos una tiene valor promedio cero. 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 }. E{X} = −∞ ∫ xp X (x)dx = 1 ∞ σ 2π −∞ ∫ x exp(− x2 )dx 2σ 2 El integrando es una función impar de x. Sea una variable aleatoria gaussiana. Sea. ♣ Ejemplo 3. donde S y N son dos señales aleatorias estadísticamente independientes. En la práctica se presenta con mucha frecuencia el problema de la determinación del valor promedio cuadrático de una suma de variables aleatorias. y como la integración se hace para todo t. E{X} = 0 . Más adelante relacionaremos estos parámetros con la componente continua y la potencia promedio de una señal x(t). E{X 2 } = σ 2 + x o . Var{X}=σ 2 Solución Como la VA X es gaussiana.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. de (3. De (3. Momentos de una variable aleatoria gaussiana.97) } { } { } (3. como veremos a continuación.

−∞ ∫ x 2 p X (x)dx = 1 σ 2π −∞ ∫ x 2 exp(− x2 )dx 2σ 2 E{X 2 } = σ 2 (b) De (3. X por definición.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. ∞ De (3.96). y se define en la forma E (X − X ) n = { Nótese que el primer momento central (n = 1) es E{X − X} = 0 .100). entonces 1 (x − x o ) 2 E {X} = ∫ x exp[− 2σ2 ]dx σ 2π −∞ Integrando obtenemos 2 ∞ E{X} = x o ∞ 1 (x − x o ) 2 2 De (3. El segundo momento central respecto al valor esperado X se conoce con el nombre de “varianza” o “dispersión” de la VA X. Entonces. 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 .100). Desarrollando (3. VARIABLES Y PROCESOS ALEATORIOS ∞ ∞ De (3. se conoce con el nombre de “desviación estándar” o “desviación típica”.100) (3. La raíz cuadrada positiva de la varianza.95) y como la VA X está centrada. y se representa usualmente con la notación σ2 . Var ( X) = σ2 = E ( X − X ) 2 = X Var ( X) = σ2 = X } ∫−∞ (x − X ) n p X (x)dx ∞ (3. Momentos Centrales −∞ 2 ∫ (x − x o ) exp(− (x − x o ) 2 )dx 2σ 2 ♣ Var{X} = σ 2 El momento central n-ésimo de una VA X es el momento respecto al valor esperado X de X.96). E{X 2 } = Integrando. Var{X} = Resolviendo la integral. es decir σX . .99) { } ∫−∞ (x − X ) 2 p X (x)dx ∞ si la VA X es continua (3.

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)

por definición. x( t + τ)} Var {x( t )} (3.146) Si el proceso es ergódico. x( t + τ)} = R x ( τ) − [< x( t ) >]2 y ρx = Cov{x( t ). Densidad Espectral de Potencia En relación con la densidad espectral de potencia. R XX ( t 1 .143b) (3.119). 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 . Para la clase restringida de procesos aleatorios débilmente estacionarios. En efecto.144) es igual a la expresión (1. y entonces hay que buscar otra forma para la representación en el dominio de la frecuencia de un proceso aleatorio. R XX (τ ) = R x (τ ) =< x (t ) ⋅ x (t + τ ) > S x (f ) = y S X ( f ) = S x (f ) . de donde ∫ ∞ −∞ R x (τ ) exp(− j2πfτ )dτ ⇔ R x (τ ) = ∫ ∞ −∞ S x (f ) exp( j2πτf )df (3.147) . se puede extender este concepto a los procesos estocásticos. de aquí la razón de la notación R x (τ ) que utilizamos en los Capítulos I y II para señales determinísticas. entonces la función de autocorrelación y la densidad espectral de potencia se pueden determinar a partir de una señal de muestra x(t). Podemos decir entonces que las relaciones para las señales determinísticas son casos particulares de las relaciones desarrolladas para procesos aleatorios débilmente estacionarios o ergódicos. Desafortunadamente. VARIABLES Y PROCESOS ALEATORIOS ρ X1X2 = R XX ( t 1 .145a) (3. Entonces. en un proceso ergódico se verifica que Cov{x( t ). En este caso. Si el proceso X(t) es estacionario.142) El término “autocorrelación” ya lo utilizamos en los Capítulos I y II. es decir. t 2 ) − E{X( t 1 )} ⋅ E{X( t 2 )} Var[ X( t 1 )] ⋅ Var[ X( t 2 )] (3.143a) Si además el proceso es ergódico.144) ∫ T 1 T/ 2 − T/ 2 x ( t ) ⋅ x (t + τ )dt Asimismo. la densidad espectral de potencia SX(f) de un proceso aleatorio X(t) débilmente estacionario es S X (f ) = {R XX (τ )} = ∫−∞ R XX (τ ) exp(− j2πfτ )dτ ∞ (3. es posible definir una magnitud denominada “densidad espectral de potencia” como la transformada de Fourier de la función de autocorrelación.145b) La expresión (3.235 III. | t 2 − t 1 | = τ . es decir. 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 ) ]. más adelante justificaremos el uso de ese término. t 2 ) = R XX ( t 2 − t 1 ) = R XX (τ ) = E{X(t ) ⋅ X(t + τ )} (5. R XX (τ ) = E {X( t ) ⋅ X(t + τ )} =< x ( t ) ⋅ x ( t + τ ) >= R x (τ ) donde R x (τ ) = lim T →∞ (3. la transformada de Fourier de una señal de muestra puede no existir.

procesamiento y transmisión de señales digitales es el “Proceso Aleatorio Discreto M-ario”. para la transmisión de señales a través de sistemas lineales se aplican también para procesos ergódicos. (b) SX (f ) = Sx (f ) ≥ 0 .8.11. . en especial su función de autocorrelación y su densidad espectral de potencia. 1990]. las cuales tienen las siguientes características: (a) E{X 2 } =< x 2 ( t ) >= R x (0) = ∫ ∞ −∞ Sx (f )df .132). 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 ) . (d) SX (0) = ∫ ∞ −∞ R X ( τ ) dτ = S x ( 0 ) = ∫ ∞ −∞ R x ( τ)dτ . 3. 1965. PROCESOS ALEATORIOS DISCRETOS 3. en el cual las señales de muestra tienen amplitudes discretas con m valores de amplitud de probabilidad Pi. 3.19(b) se tiene una señal de muestra de este tipo de proceso. particularmente [Papoulis. 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. 3.2 y 2. Lathi. etc. es igual al área de su función de autocorrelación.. el valor de la densidad espectral en el origen (f = 0).11. Davenport y Root. la densidad espectral es una función par de f.9. Estos métodos son de gran importancia en la Teoría Estadística de la Comunicación y en el Análisis Espectral de Procesos Estocásticos.. 3. Couch..19(a) se ilustra una señal de muestra de este proceso. Si las señales de muestra sólo toman dos valores de amplitud o estados que se suceden a intervalos Tb con probabilidades P1 y P2 .8.. 1958.236 III. expresión (1. El lector interesado en profundizar este tema puede consultar la bibliografía especializada.M. es la potencia promedio de la señal x(t). normalizada para una resistencia de 1 Ohm. la densidad espectral es siempre positiva (o no negativa). con i = 1.1.1. VARIABLES Y PROCESOS ALEATORIOS resultado ya obtenido en forma determinística en el Capítulo I. 2. (c) SX (f ) = SX ( −f ) = Sx (f ) = S x ( −f ) .. señal que vamos a denominar ”secuencia aleatoria binaria”. en el caso de señales aleatorias las relaciones entrada/salida son (ver Secciones 1. se dice que éste es un “Proceso Aleatorio Binario”. que corresponde al Teorema de Wiener-Kintchine. Parzen. 1962. 1968. En la Fig. (e) En un sistema lineal invariante en el tiempo (SLIT) de respuesta impulsional h(t) y función de transferencia H(f). En la Fig.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 1.9.2 y 2. Secuencias Aleatorias Discretas Un proceso aleatorio de mucha importancia en el análisis.

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

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 } . entonces podemos escribir R X (t 1 .157) . 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 . independiente de A n y cuya densidad de probabilidad es p T (T ) = 1 T − Tb / 2 Π( ) Tb Tb -A Fig. la secuencia X( t ) = x(t) A n =−∞ ∑A ∞ T n ⋅ p ( t − nTb − T) (3.154) y (3.152) y (3. 3. 3.155) con (3.156) Tb 0 t donde T es una variable aleatoria distribuida uniformemente en el intervalo (0. vemos que X(t) es un proceso cicloestacionario. t 2 ) = k =−∞ ∑ ∞ E{A n ⋅ A n + k } ⋅ Puede observarse que tanto E{X( t )} como R X (t 1 . 1975]: (a) E{Y( t 1 + T)} = E{Y( t 1 )} (b) R Y ( t 1 + T . Secuencia Aleatoria Binaria con Retardo T (3. t 2 + T) = R Y ( t 1 . por lo tanto. Tb). Consideremos entonces.153). 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.20. t 2 ) (3. como se muestra en la Fig. t 2 ) dependen del origen del tiempo. Consideremos ahora los procesos “cicloestacionarios”. Se dice que un proceso Y(t) es “cicloestacionario” o “periódicamente estacionario” si él satisface las siguientes condiciones [Franks.238 III. 3. Fig.20.154) (3.146).153) Cuando comparamos las expresiones (3.155) n =−∞ ∑ p(t ∞ 1 − nTb ) ⋅ p[t 2 − (n + k ) Tb ] (3. 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. VARIABLES Y PROCESOS ALEATORIOS ∞ ⎧ ∞ ⎫ ⎪ ⎪ ⎨ R X ( t 1 . X(t) no es estacionario y su densidad espectral de potencia no se podrá definir mediante la expresión (3. Hay que buscar alguna otra forma para determinar la densidad espectral de potencia de estos procesos. donde m = n + k. En efecto.20.

obtenemos E{p( t − nTb − T )} = pero podemos hacer Entonces. ∞ ⎧ ∞ ⎫ ⎪ ⎪ R X ( t 1 . t 2 ) = E{X(t 1 ) ⋅ X( t 2 )} = E ⎨ A n ⋅ p ( t 1 − nTb − T) ⋅ A m ⋅ p (t 2 − mTb − T) ⎬ ⎪ n=−∞ ⎪ ⎩ ⎭ m =−∞ ∑ ∑ = n =−∞ m =−∞ ∑ ∑E{A ∞ n k = −∞ ∞ ∞ n ⋅ A m }E{p ( t 1 − nTb − T) ⋅ p ( t 2 − mTb − T)} ∞ R X (t 1 . t 2 ) = R X (τ ) = 1 Tb k =−∞ ∑ E{A n A n+ k } ⋅ R p (τ − kTb ) (3.159) .239 III. − 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. 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 . Finalmente. 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. Veamos ahora la función de autocorrelación. la función de autocorrelación de X(t) resulta en R X (t 1 .158) E{X( t )} = ηa K constante El valor esperado de X(t) es ahora constante e independiente del tiempo. 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 .

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. Para determinar la densidad espectral de X(t) vamos a simplificar la expresión (5. entonces el proceso X(t) es por lo menos débilmente estacionario y su densidad espectral podrá determinarse mediante la expresión (3. VARIABLES Y PROCESOS ALEATORIOS donde R p ( τ ) es la integral de correlación de p(t).164) ∑ Pero del dual de la expresión (1.159) se puede escribir ahora en la forma R X (τ ) = R X ( τ) = donde 1 Tb (σ2 a + η2 ) R p ( τ ) + a η2 a Tb k =−∞ ∑R (τ − kT ) p b ∞ con k ≠ 0 2 σa η2 R p ( τ) + a Tb Tb k = −∞ ∑R ∞ p (τ − kTb ) para todo k (3. t 2 ) = R X (τ ) . a (3. de acuerdo con la expresión (3. 146). E{A n A n } = E A n = σa + η 2 a varianza σ2 . entonces.240 III. 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. 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 ) (3.104). ∞ ∞ 1 n exp(− j2πkTb f ) = δ(f − ) . para k = 0.163) La expresión (3.161) La expresión (3.146).159) para darle una forma cuya transformada de Fourier se pueda determinar con facilidad. Entonces.165) . P(f) = {p(t )} (3.160) { } y para k ≠ 0. (3.162) nos permite determinar la densidad espectral de X(t).162) R p (τ ) = ∫ ∞ −∞ p (t ) p ( t + τ ) dt ⇔ S p ( f ) =| P ( f )|2 . Nótese que ahora la función de autocorrelación depende solamente de la diferencia τ = t 2 − t 1. En efecto. Puesto que E{X( t )} es constante y R X ( t 1 . Tb Tb n=−∞ k =−∞ ∑ ∑ ⎡ η2 ⎢ σ2 + a S X (f ) = | P (f )| a Tb Tb ⎢ ⎣ 1 2 n ⎤ δ(f − )⎥ Tb ⎥ ⎦ n =−∞ ∑ ∞ (3.

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.

En general.33. 3. aunque no todas las combinaciones de “tomas” producen la máxima longitud. 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. el estado 0 0 0 0.252 III. Esta expresión determina la máxima longitud posible de la secuencia.32.0 es una combinación prohibida.. de hecho. y a cada impulso de reloj a la salida van apareciendo los “chips” que forman la secuencia. la secuencia recurrente a la salida Q4 será (la flecha indica el sentido del flujo de dígitos): 001101011110001 (3. 3. 1980]. La secuencia en C n satisface la ecuación de recurrencia Cn = ∑a k =1 r k ⋅ C n− k Módulo 2. . 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. En la Fig. mostrado en la Fig. 3.0 no se utiliza como estado inicial porque produciría una salida de puros CEROS.. el estado 0 0 0 . 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. en los registros prácticos se hace a 1 = a 2 = ⋅⋅⋅ = a r = 1 . si su estado inicial es 0 0 0 1..33 se muestra un generador PN de longitud máxima de cuatro etapas. denominados “tomas” o “taps”. 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. 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.187) Normalmente el registro se inicializa con el estado inicial 0 0 0 1. para un total de N = 2 r − 1 “chips”.. es fácil determinar el número de CEROS y UNOS de la secuencia recurrente. ar = 1 (3.186) El ciclo periódico de los estados depende del estado inicial del registro y de los coeficientes a k ..

El lector puede verificar que estos valores se cumplen en la secuencia recurrente (3. 2.1= 15 “chips”. Para más información sobre las secuencias aleatorias y sus aplicaciones en los sistemas de espectro disperso. ki >. ellas exhiben ciertas regularidades que se pueden describir en términos probabilísticos o como promedios estadísticos. Sea entonces r el número de etapas del registro. 3. Generador PN de Longitud Máxima de 4 Etapas. se tiene: r = 4. Otros registros de aplicación práctica son el Registro <13.188) (3. el proceso aleatorio se puede emplear para desarrollar descripciones de señales aleatorias en el dominio de la frecuencia. el lector puede consultar el ARRL SPREAD SPECTRUM SOURCEBOOK. para el generador PN de la Fig. el Registro < 7. junto con la “toma” r. el generador mostrado en la Fig.189) (3. N = 24 . 1> y el Registro <19. 1>.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. 4. contenidos en la secuencia recurrente. VARIABLES Y PROCESOS ALEATORIOS Reloj 1 Q1 0 2 Q2 0 3 Q3 0 4 Q4 1 Salida 001101011110001 Fig.10 RESUMEN En este capítulo se han desarrollado algunos modelos para las señales mensaje de carácter aleatorio presentes en los sistemas de comunicación. 5. . De acuerdo con esta convención. edición de 1991. 3. 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.33. 1 >. Por ejemplo.33. cuya secuencia de salida tiene la forma de la Fig. la entrada a la primera etapa.187). se denominan “proceso aleatorio o estocástico”. Estos modelos. El proceso aleatorio se puede utilizar para estimar. La convención establecida para representar los registros de longitud máxima tiene la forma Registro < r. 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. N (1) Por ejemplo. 3. en la forma de una descripción probabilística de un conjunto de señales del tiempo. N el número de dígitos o “chips” de la secuencia recurrente y N ( 0) y N (1) los números de CEROS y UNOS. 3. Entonces. Número de “chips” de la secuencia = N = 2 r − 1 Número de UNOS en la secuencia = N (1) = 2r = 2 r −1 2 (3. Las señales aleatorias no pueden ser descritas mediante expresiones explícitas del tiempo. la probabilidad de que la amplitud de una señal aleatoria esté dentro de cierto rango en un determinado instante.1>. cuando se examinan durante un largo período.253 III. son utilizados en el Servicio de Radioaficionados. que junto con el Registro <7. = 2 3 = 8 UNOS.27. sin embargo.33 es entonces un Registro < 4. 3. 3. En particular. N ( 0) = 8 − 1 = 7 CEROS. por ejemplo. respectivamente.

2. el cual tiene la propiedad de que los promedios conjunto son iguales a los promedios tiempo. negro y verde. Demuestre que la probabilidad de recibir un UNO en un intervalo cualquiera es de 0.000 receptores distribuidos en la forma siguiente. 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. en especial su función de autocorrelación y su densidad espectral de potencia. Demuestre que P(A + B + C) = P(A) + P(B) +P(C) -P(AB) -P(AC) -P(BC) + P(A B C) 3. 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.4. (a) Demuestre que la probabilidad de obtener 8 puntos es de 5/36. En el depósito de la compañía hay 10. 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. 8 y 10 transistores. y todas las estadísticas del proceso se pueden determinar a partir de una simple señal de muestra. . En los modernos sistemas de comunicación se está aplicando el concepto de dispersión del espectro. Sea una secuencia binaria de 1428 UNOS y 2668 CEROS. y en particular las secuencias aleatorias binarias. y es muy importante conocer sus estadísticas. La dispersión del espectro se produce cuando una secuencia binaria portadora de información modula una secuencia seudoaleatoria.3.254 III. 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. entonces se dice que el proceso es estacionario en el sentido amplio. Todas las señales PCM y los diferentes códigos de transmisión digital son secuencias aleatorias binarias. Para complementar el tema. Para este tipo de señal se determina la función de autocorrelación y la densidad espectral de potencia. En la dispersión del espectro juegan un papel muy importante las denominadas secuencias seudoaleatorias.3486. 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. Si el valor promedio y la función de autocorrelación de un proceso son invariantes en el tiempo. Estos receptores vienen en gabinetes de color marfil. El proceso aleatorio se ha definido en términos de sus estadísticas que son simplemente relaciones de probabilidad o promedios estadísticos. que son secuencias infinitas formadas por una subsecuencia aleatoria de duración T que se repite periódicamente.1. La teoría de la probabilidad trata la noción de probabilidad de sucesos aleatorios y el concepto de variable aleatoria. Una compañía construye receptores de radio de 6. En el Capítulo V se aplican estas nociones en algunos sistemas de transmisión digital. Una subclase especial de los procesos estacionarios es el llamado proceso ergódico. como consecuencia. Basado en estas ideas se define la noción de proceso aleatorio. 3. (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. Estas secuencias se tratan con cierto detalle. 3. en cuyo caso se puede definir la existencia de una densidad espectral de potencia que muestra la distribución de la potencia en el dominio de la frecuencia. PROBLEMAS DE APLICACION 3. El experimento es el lanzamiento de dos dados. De gran importancia en el análisis de sistemas digitales son los procesos aleatorios discretos.

615.7.Verifique si las siguientes funciones satisfacen las condiciones para ser una función de densidad de probabilidad. Se tiene también otras dos cajas C3 y C4 con 1000 transistores cada una y con un 10% defectuoso. A A 1 x−8 (8 − x )Π ( ) 6 8 3. 3. De esta caja se sacan 3 bolas. Sea la función de densidad de probabilidad p X (x) = (a) Demuestre que la probabilidad P( − A A < X ≤ ) = 0. (a) p X (x) = 1 1 ( ).1625. Una segunda caja C2 contiene 500 transistores. 2 (c) p X (x ) = 1 x Λ( ) .14 P{tomar un radio verde de 10 transistores} = 0 P{tomar un radio negro de 6 transistores} = 0.4375 . . Demuestre que la probabilidad de que fue sacado de la caja C2 es de 0.5. 3.3 3.11.6.10. Demuestre que la probabilidad de que estas bolas sean todas blancas es de 3/34. Una caja contiene 10 bolas blancas. Demuestre las siguientes probabilidades: P{tomar un receptor verde} = 0.8 Una caja C1 contiene 2000 transistores. 3. de los cuales el 5% está defectuoso. 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 ( ) . VARIABLES Y PROCESOS ALEATORIOS No.9. de los cuales el 40% está defectuoso. 4 4 (b) Determine y dibuje la correspondiente función de distribución FX (x). Una caja contiene 2 bolas blancas. 3.255 III. 4 negras y 3 rojas. 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. 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. De esta caja se sacan 4 bolas. 1 negra y 4 rojas. El experimento es el lanzamiento de cinco monedas. Demuestre las siguientes probabilidades: P{aparecen tres caras} = 5/16 P{aparece una sola cara} = 5/32 P{aparecen cinco caras} = 1/32 3. En el Problema anterior se examina el transistor y vemos que está defectuoso.3 P{tomar un radio de 10 transistores} = 0.

3. Demuestre que la probabilidad de que el valor de la resistencia esté entre 950 y 1050 Ohm es de 0. (a) Demuestre que K = α.20. x 3. 3.exp(-2z)] u(z). La densidad de probabilidad de una VA X es p X ( x ) = Demuestre que E{X} = 1 .18.16.14. 3. Demuestre que pZ (z) = 2[exp(-z) . donde K y α son dos constantes positivas.106) deduzca FX (x) a partir de pX (x). Sea la función de densidad de probabilidad pX (x) = K exp(-αx)u(x). (b) Demuestre que la correspondiente función de distribución es FX (x) = [1 .13. (a) Demuestre que P(X ≤ 1) = 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. Sea Y = X2 . E{X2 } = 5/3 . Se tiene dos VA X e Y independientes cuyas densidades de probabilidad son pX (x) = exp(-x)u(x) y pY (y) = 2 exp(-2y)u(y) Sea también una nueva VA Z = X + Y.12. En la expresión (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).21. 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. de valor promedio cero y varianza σ2 .105). Sea una función de densidad conjunta de dos VA X e Y de la forma p XY (x . 3.952 3.15. 2 2 σ 2 = 2 / 3. Demuestre las expresiones (3.5.256 III. donde la VA X es gaussiana de valor promedio E{X} = m y varianza σ2 . 3.6. 1 x −1 Λ( ). R es entonces una VA con distribución uniforme entre 900 y 1100 Ohm.exp(-αx)]u(x).3084 x 10-11 (b) Demuestre que P(X ≤ 6) = 0. Sea una VA X cuya distribución es gaussiana de valor promedio E{X} = 5 y σ = 0.19.17. Si la densidad de probabilidad de X es gaussiana. demuestre que la densidad de probabilidad a la salida del sistema es . 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). 2) = 1/12 3. Se saca una resistencia de la caja. VARIABLES Y PROCESOS ALEATORIOS 3.

d).. ⎡ ⎤ 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. de valor promedio cero y varianza σ2 .22. En el caso de un rectificador de onda completa la entrada X y la salida Y están relacionadas mediante la ecuación Y = |X|. 20). 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 ⎧ 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. VARIABLES Y PROCESOS ALEATORIOS p Y (y) = y 1 1 δ (y) + exp(− )u(y) 2 2σ 2πy 2σ 2 3. donde c > 0.257 III. . En el caso de un detector cuadrático la entrada X y la salida Y están relacionadas mediante la expresión Y = aX2 con a > 0. 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. 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.23.) es la función rampa.

3. 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 . Sea una VA X y sea el proceso lineal Y = aX + b. 3. x2). su densidad de probabilidad tiene la forma p X (x ) = K exp(−α | x| ) .25.26.5. α ) es igual a 0. demuestre que p Y ( y) = y−b y−b 1 1 pX ( ) y FY ( y) = FX ( ) |a| a |a| a para todo y (b) Si la VA X está distribuida uniformemente en el intervalo (x1. Una VA X está distribuida según la distribución de Cauchy. es decir. 3.24. donde a y b son dos constantes. α + x2 1 α (a) Demuestre que K = α/π . 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. FX (x ) = E{X2 } = 2/α2. donde K p X (x ) = 2 . ∫ (b) Si la VA X está distribuida según Cauchy. 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.258 III.27. donde a es una constante. Una VA X está distribuida en forma laplaciana. Sea una VA X y un proceso hiperbólico de la forma Y = a . 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. VARIABLES Y PROCESOS ALEATORIOS 3. (a) Si pX(x) y Fx(x) son las funciones de probabilidad de X. ax 2 + b) . 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. (b) Demuestre que (c) Demuestre que (c) Demuestre que K = α/2 E{X} = 0.

259 III. Fig. Se tiene una distribución de la forma f (x) = Kx exp(− x2 )u(x) 2α 2 1 . . 42759 . Fig. No dibuje impulsos.25(a). Fig. E{X 2 } = 2α 2 . VARIABLES Y PROCESOS ALEATORIOS 3. (e) En un solo gráfico dibuje las cuatro densidades espectrales anteriores y compare sus anchos de banda.24(a) (d) Una secuencia aleatoria bipolar MANCHESTER de amplitudes ± A .30. 3. 3.2.9. σ = 2α 2 ⎡ x2 ⎤ (c) Demuestre que FX (x) = ⎢1 − exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ 3.28. (a) Una secuencia aleatoria unipolar RZ de amplitud A. 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. 3.29. Fig.23(a) (c) Una secuencia aleatoria bipolar AMI RZ de amplitudes ± A . determine la función de autocorrelación y la densidad espectral de las siguientes secuencias aleatorias. Siguiendo el procedimiento mostrado en la Sección 3. La α2 (a) Demuestre que si f(x) es una distribución de Raleigh. 3. 3. Una VA X sigue la distribución de Maxwell.22(a) (b) Una secuencia aleatoria bipolar NRZ de amplitudes ± A . 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 .

VARIABLES Y PROCESOS ALEATORIOS .260 III.

Igualmente. En otras palabras. Diagrama de Bloques de un Sistema de Comunicación . Sistema de Transmisión Fuente de Información Transductor de Entrada Transmisor Ruido Canal Receptor Transductor de Salida Destino Fig.1. en la comunicación entre máquinas esta “codificación” natural no existe. en una comunicación entre máquinas o dispositivos. la transmisión de las variaciones de temperatura. Los sistemas de comunicación pueden considerarse entonces como una prolongación de nuestros sentidos. Por consiguiente. con el mínimo de pérdidas o perturbaciones. En todo caso. 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. hace posible la conversación entre dos personas alejadas entre sí como si ellas estuvieran frente a frente. Por ejemplo. 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. la fuente de información se adapta a las condiciones del canal de comunicación disponible. Se sabe que cuando hay mucho ruido en un ambiente ruidoso. en un proceso de automatización. cuyos límites dependerán del empleo que se haga de la información. las perturbaciones en la mayoría de los sistemas de comunicación se parecen a las perturbaciones a las cuales nuestros sentidos están adaptados.1. La mayor parte de los sistemas de comunicación actuales se caracteriza por la presencia de personas en los extremos del sistema. El teléfono. en el proceso de transmisión la información experimentará siempre una cierta degradación. 4.2. 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. denominado “fuente de información”.CAPITULO IV PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. en una conversación telefónica la “fidelidad” necesaria es menor que la requerida en radiodifusión o televisión. por ejemplo. entonces se habla más fuerte. pero desde un punto de vista práctico es suficiente que la reproducción sea hecha con una aproximación o fidelidad que depende del fin perseguido. se debe efectuar con la precisión requerida por los demás elementos del sistema. y por ello los sistemas clásicos de comunicación dan resultados satisfactorios aún con un equipo terminal reducido o de muy baja resolución. hasta otro punto denominado “destino de la información”.1. 4. 4. Sin embargo. se pronuncian las palabras lentamente y con más claridad empleándose un vocabulario más limitado y con las palabras más usuales. Es evidente que una reproducción perfecta de un mensaje no es posible. Por otro lado. la fidelidad requerida dependerá del objetivo de la transmisión.

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

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

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

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

. en el sentido de la teoría de la información. Es mas bien un grado de orden... el “número efectivo” de mensajes disponible es más cercano a 2 que a 3.... CARACTERIZACION DE LA INFORMACION 4. sean tres mensajes A.... Por ejemplo. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la “información”. i ≠ j.. el conjunto discreto de N símbolos o mensajes producidos por la fuente se puede considerar como un proceso aleatorio discreto. I t = LP1 I 1 + LP2 I 2 + LP3 I 3 +. x2. .. La caracterización matemática de un sistema de comunicación generalizado ha producido un cierto número de aspectos importantes.1. donde L >> 1. que se puede medir y ser tratado matemáticamente en la misma forma como lo son la masa. La velocidad a la cual una fuente produce la información. P2 .xN} con probabilidades {P1 . Por consiguiente. la energía o cualquiera otra cantidad física. 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. De la definición de la probabilidad. P2. Consideremos una fuente discreta que produce N símbolos o mensajes {x1. debe cumplirse que ∑P n =1 N n =1 (4. La codificación de los mensajes para optimizar los tres aspectos anteriores. . con probabilidades de ocurrencia correspondientes {P1. aproximadamente. xN} distintos e independientes. PN}. La capacidad de un canal para manejar o transportar esa información 4.11) De acuerdo con la ecuación (4. Entropía La cantidad de información definida en la ecuación (4.8) es inadecuada excepto en las circunstancias más simples. o de no aleatoriedad. donde Pi ≠ Pj . . La información promedio contenida en un mensaje dado. Supongamos que se transmite una larga secuencia de L mensajes o símbolos.... B y C posibles. es entonces un conjunto de N variables aleatorias. 3. Es decir. no tiene nada que ver con el significado o sentido inherente en un mensaje.4..12) .. En este contexto.. En esta secuencia. x3. la información asociada es Ij = log2(1/Pj) bits. si los dos primeros fueran utilizados en promedio 10 veces por hora. 4. es mejor describir la fuente en términos de la “información promedio” producida. x2. cuando el flujo instantáneo de información producido por una fuente es aleatorio. LPN I N = L ∑ Pj log 2 P1j bits j=1 N (4. cada una de las cuales toma valores en el conjunto {x1. La información total contenida en la secuencia será.266 IV. el símbolo j-ésimo ocurrirá aproximadamente LPj veces y la información asociada será LPjIj bits. P3. la cantidad de información definida en (4.8) ha sido obtenida para un solo mensaje y no es apropiada para describir una fuente que produce un conjunto de diferentes mensajes. 2.8). PN}. y si el tercer mensaje se usara solamente una vez a la semana.4. Estos aspectos los trataremos brevemente en el presente capítulo... entonces la cantidad de información asociada con los mensajes sería más cercana a log2 2 bits que a log2 3 bits. Desde un punto de vista probabilístico.. x3. entre los cuales se tiene: 1... cuando se transmite un mensaje cualquiera x j .

Las probabilidades de los símbolos son p y (1 − p) . 1949].25. como la denominó Shannon.13) que hemos presentado es. 0. 0.75 bits/símbolo Si los símbolos fueran equiprobables. Esta información promedio normalmente se representa con la letra H.14) En consecuencia.5 log 2 2 + 0. = PN = 1/N. entonces H = 1 bit. C y D cuyas probabilidades son..13) Esta es la “Entropía de la Fuente”.25 log 2 4 + 2x 0.2.2 se grafica H vs p Nótese que si p = ½. si L es grande. respectivamente. La entropía de la fuente será H = 0. respectivamente.125 y 0.. En este caso.5. o información promedio asociada con la fuente. valor que corresponde al pico de la curva.. realizada por Shannon.. 0 ≤ H ≤ HMAX = log2 N (4. ♣ ♣ Ejemplo 1. 1976] que H es máxima cuando las probabilidades de ocurrencia de los símbolos son iguales.2.5 1 H(bits) 1 p 4. será entonces la información total de la secuencia dividida por el número de símbolos de la misma. Entropía de una Fuente Binaria. significa que aunque no se pueda decir con certeza qué mensaje se va a producir.15 log 2 8 = 1. la información promedio asociada con la fuente es máxima.267 IV. Por consiguiente. se puede encontrar en la Bibliografía [Shannon. Nótese que cuando los símbolos o mensajes son equiprobables. La entropía de la fuente.125. 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.. la entropía está acotada por log2 N (4. es decir. si p = ¼. empírica. de (4. 4. Una fuente produce cuatro símbolos A. la deducción rigurosa. 1 1 H = p log 2 ( ) + (1 − p) log 2 ( ) p 1− p En la Fig. ♣ Ejemplo 4. entonces 0 0. hasta cierto punto. La deducción de la ecuación (4.12). PRINCIPIOS DE LA TRANSMISION DE INFORMACION La información promedio. o LH bits en una secuencia de L mensajes.15) donde N es el número de símbolos o mensajes producidos por la fuente. B. en bits por símbolo (bits/símb). H= It = L ∑Pj log 2 P1j j=1 N bits/símbolo (4. En efecto. se espera obtener en promedio H bits de información por mensaje. cuando P1 = P2 = P3 = . Por otro lado. Se puede demostrar [Ziemer y otros .1. esto es. Entropía de una Fuente Binaria H = log 2 4 = 2 bits/símbolo . 0. Sea una fuente binaria (N = 2).

Por ejemplo. ♣ Ejemplo 4.17) y si los símbolos son equiprobables. ♣ ♣ Ejemplo 4. Velocidad de Información En los sistemas de comunicación es de especial importancia conocer la cantidad de información que se produce o se transfiere por unidad de tiempo.18) . la fuente produce 27 símbolos. Sea una fuente que produce N símbolos distintos e independientes a una velocidad de Vs símbolos por segundo. en promedio. Solución Sea p la probabilidad de sacar un UNO o un SEIS. Si suponemos que los símbolos tienen todos la misma duración T. entonces Vs = 1 símbolos/segundo T (4. que p+p+ H=2 1 2 p+ 1 2 p+ 1 2 p+ 1 2 p = 1.755 bits/letra.3 bits. 4. 5 letras y un contenido de información de 9. Vi = Vs log 2 N = 1 T log 2 N bps (4. Si todos los símbolos tuvieran la misma probabilidad. una palabra tiene. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la entropía H es máxima cuando los símbolos son equiprobables. en otras palabras.11). 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 letra E es la que ocurre con más frecuencia. Asimismo. Se ha determinado experimentalmente que la información promedio asociada con una letra es de aproximadamente 4. de donde p = ¼ 1 log 2 4 + 4 log 2 8 = 2 . Esta es la máxima información que la máquina de escribir puede generar.5 bits/cara 8 4 1 H = log2 6 = 2.16) La velocidad de información será entonces Vi = Vs H = 1 T ∑ P log j j=1 N 2 1 Pj bits/seg (bps) (4.2 bits.4.4. la velocidad de la información. Vamos a determinar la entropía asociada con el dado.268 IV. Pero en el idioma español las letras tienen diferentes probabilidades de ocurrencia en un texto. ♣ Consideremos la información producida por una máquina de escribir de 26 letras y el espacio entre letras.59 bits/cara ♣ Si el dado fuera correcto.2. HMAX = log2 27 = 4. es decir. Debe verificarse. de acuerdo con (4.3.

2 se producen a una velocidad de 1000 símbolos por segundo. Fig. Como se considera que el codificador no tiene memoria. Es necesario. Otros tipos de codificación binaria de canal son los Códigos Baudot y ASCII. que veremos más adelante. Las secuencias aleatorias binarias en los sistemas de modulación de impulsos y los códigos de línea. Nosotros emplearemos los términos “velocidad de información” o “velocidad de transmisión” indistintamente. en este contexto. Los símbolos se codifican. a una velocidad Vs = 1/T símbolos/segundo. La velocidad de información de la fuente será a) Si los símbolos tienen diferentes probabilidades Vi = Vs H = 1000 x 1. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunos autores llaman a la velocidad de información “rata o tasa de información” (del inglés “rate”). “convertidor” o “codificador”.4. una fuente discreta sin memoria que produce N símbolos distintos e independientes. 4. Una clase muy importante de conversor es aquella que convierte los símbolos producidos por la fuente en secuencias de impulsos discretos. efectuar una conversión o adaptación de los símbolos en formas compatibles con el medio de transmisión. el lector puede consultar la bibliografía especializada.3(a). de gran interés en los sistemas de procesamiento y transmisión digital de señales. ♣ Ejemplo 4. se utilizan secuencias binarias (m = 2) que contienen 8 impulsos (n = 8).3. la palabra “rata” en español significa “porcentaje” o “parte proporcional”. vamos a suponer un sistema mediante el cual cada símbolo o mensaje se transforma en una secuencia particular de n impulsos con m amplitudes. Esta secuencia binaria de 8 impulsos se denomina comúnmente “byte” u “octeto” (En la práctica 1 Kbyte = 1024 bytes. los símbolos tal como salen de la fuente pueden no ser apropiados para ser transmitidos por un canal dado. en general.269 IV. sin perder generalidad. . Esta transformación se denomina comúnmente “conversión” o “codificación” y el dispositivo que la efectúa. Sea entonces. que se verán en el Capítulo V. denominada también “codificación de fuente”. en secuencias de n impulsos con m amplitudes. que podemos suponer equiprobables.3(b).75 = 1750 bps b) Si los símbolos son equiprobables.5. como se muestra en la Fig. 4. cada uno. 4. En sistemas de procesamiento y transmisión de señales digitales. secuencia que denominaremos “muestra codificada o palabra codificada” y el conjunto de palabras codificadas forman una secuencia aleatoria binaria. en el sentido visto en la Sección 3. En la práctica hay muchos códigos que emplean secuencias multinivel o m-arias y esquemas para la detección y corrección de errores. ésta es la codificación de canal. son formas de codificación de canal. como máximo. la duración de la muestra codificada debe ser. para diferenciarlo de 1 kbyte = 1000 bytes).9 del Capítulo III. como veremos en los Capítulos V y VI. Codificación de Canal Hemos dicho que. igual a la duración de cada símbolo a fin de no perder información. Vi = Vs log2 4 = 2000 bps Nótese nuevamente que la velocidad de información es máxima cuando los símbolos son ♣ equiprobables. Los símbolos de la fuente del Ejemplo 4. Para más detalles sobre estos códigos. Hay muchos métodos de codificación digital de canal. pues. sin embargo. pero.

Vi = Vif = Vic de modo que. que suponemos independientes y equiprobables. lo que significa que la relación entre m. vamos a determinar la velocidad de información y los valores posibles de m y n. (4. Una fuente de información produce 256 símbolos.21). es de gran utilización en los sistemas digitales de transmisión de información. Nótese que la relación (4. es decir. Vif = 1 T log 2 N (4.19) Asimismo. 4. N = mn m y n enteros (4.21) Como se supone que el sistema no tiene memoria (elementos de almacenamiento). ♣ Ejemplo 4. 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). I = n log 2 m = log 2 m n n log 2 m T 1 T bits (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION n Impulsos de Información Fuente de Información m Niveles o Amplitudes Reloj Codificador 1 2 3 4 5 n t (a) Salida Codificada τ (b) T M uestra Codificada Fig. pues relaciona los parámetros m y n del codificador con el número N de símbolos producidos por la fuente. Codificación en Secuencias de Impulsos A la salida de la fuente de información la velocidad de transmisión es.270 IV. la velocidad de información será la misma en todos los puntos a lo largo del sistema.6. Si cada símbolo se codifica en secuencias de n impulsos con m amplitudes.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”.3.19). y para cualquiera velocidad de información.22) Esta expresión. . de la expresión (4. a una velocidad de 100 símbolos por segundo. es decir. n y N es válida para cualquier sistema con o sin memoria.18).22) es independiente de T.20) y (4. de (4.

25 ms. en honor del ingeniero francés Emile Baudot. la reconversión de las secuencias de impulsos codificados en símbolos de significación para el usuario final de la información. Vs = 100 símb/seg = a) n = 8. de modo que los impulsos tienen todos la misma duración τ. Velocidad de Modulación m=4 y n=4 ♣ En general. los codificadores son dispositivos comandados por un reloj.24) Vb = Vb es el número de impulsos por segundo.22). Este resultado es válido si la codificación se ha efectuado en la forma mostrada en la Fig. esto es. Redundancia Agregada En el sistema mostrado en la Fig.4. es decir.4. De la Fig. 4. sin redundancia agregada.4. τ1 = b) n = 4. es decir. son m = 2 y n = 8 (caso binario).3 se supone que en el extremo receptor se sabe cuándo comienza y cuándo termina cada secuencia de impulsos.7.23) queda en la forma V i = Vb (4. T = nτ y la expresión (4. También puede agregarse otros impulsos para . Sin embargo.21) queda en la forma siguiente Vi = donde 1 τ log 2 m = Vb log 2 m bps 1 τ (4. ♣ Ejemplo 4.5. m = 2 y la expresión (4.271 IV. Se puede ahora calcular la velocidad de modulación de las muestras codificadas del Ejemplo 4. y se expresa en baudios.23) (4. T = 10 ms T Vb1 = 1 = 800 baudios τ1 1 = 400 baudios τ2 T = 1. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Solución La velocidad de información es Vi = 100 log 2 256 = 800 bps.5 ms.25) Esto significa que en un sistema binario la velocidad de información y la velocidad de modulación son numéricamente iguales. se conoce con el nombre de “velocidad de modulación” o “velocidad de señalización”.6. como veremos después del siguiente ejemplo. 8 T = 2. En un sistema binario. 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. 1 . Las combinaciones de m y n que satisfacen la expresión (4.4. En efecto.4. 4. 4. 4. 256 = m n . 4 τ2 = Vb2 = ♣ 4.

amplitud y duración de los impulsos de arranque y pare son arbitrarias pero fijas. Esta situación se muestra en la Fig.27) n Impulsos de Información m Niveles o Amplitudes Pare n 1 2 3 4 5 6 τ.26) Puesto que la velocidad de información no ha variado. mostrado en la Fig. m = 2. PRINCIPIOS DE LA TRANSMISION DE INFORMACION control y detección de errores. pτ. que tampoco llevan información útil. De la Fig. p y q son. de donde Vi = KVb (4. la polaridad. Sea entonces una muestra codificada a la cual se le han agregado dos impulsos de duración pτ‘ y qτ‘. 4. extracción de la temporización. T Fig.13(a)). que llamaremos impulsos de “arranque” y “pare”. En el caso binario. 4. Todos estos impulsos adicionales se denominan “impulsos redundantes” o “redundancia agregada”.. . lo cual impone restricciones más severas sobre el canal.29) o también Vi < Vb La velocidad de información ya no es igual a la velocidad de modulación debido a los impulsos redundantes.4. como veremos más adelante. 4. la velocidad de modulación ha aumentado. respectivamente. El valor de K (como un porcentaje K%) es una medida del rendimiento o eficiencia de la codificación (Ver Problema de Aplicación 4. etc. 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). T = (n + p + q)τ‘.28) <1 es la “relación entre el número de impulsos de información y el n+p+q número total de impulsos de la muestra codificada”. τ' < τ y ' Vb > Vb (4.4. Muestra Codificada Con Impulsos Redundantes Considerando entonces los impulsos redundantes agregados. Arranque qτ. números enteros pues suponemos que el codificador está controlado por un reloj.4. con algunas excepciones (por ejemplo. Sin embargo.33). el Código Baudot. la velocidad de información vendrá dada (eliminando el índice de Vb ' ) por Vi = KVb log 2 m donde K= n (4.272 IV. de donde Vi = n log 2 m (n + p + q )τ ' = n n+p+q ' Vb log 2 m bps (4.

Por ejemplo. 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. Desde el punto de vista eléctrico. es decir. ver también la Fig. un impulso de paridad (para gestión o control de error) y un impulso de pare de duración variable (hasta 2τ) siempre a UNO.273 IV. Letra U codificada en ASCII con bit de paridad. Vs = 10 caracteres/seg. la velocidad de modulación se define respecto al impulso de menor duración presente en la muestra codificada.5.. ♣ Ejemplo 4. A este efecto. los caracteres ASCII fluyen a una velocidad de 10 caracteres por segundo.5: un impulso de arranque siempre a CERO. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En general. CARACTERIZACION DEL CANAL 4.5. m = 2. τ 0 a 1 0 1 0 b T a: Impulso de Arranque (siempre a "0"). en la Fig. definida como el inverso de la duración del intervalo unitario o del impulso de menor duración. Entonces. 1 0 1 0 c 1 d 1 En transmisión por teletipo. 4. por ejemplo. d: Impulsos de Pare (siempre a "1") Fig. En el Apéndice B-5 se especifica este código en detalle. Ancho de Banda del Canal N = 2 7 = 128 caracteres ♣ La velocidad de modulación. cuando los impulsos (de información o redundantes) tienen diferente duración. 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. Vamos a considerar un canal ideal. n = 7. K=7/11. un canal que no introduce ninguna atenuación o distorsión.5 se muestra la letra U en ASCII.13(b).5. el canal se puede considerar como un filtro que deja pasar solamente aquellas componentes de señal que están comprendidas dentro de su banda de paso o ancho de banda. siete impulsos de información. 4. Supongamos que el ancho de banda del canal se puede variar y que a su . es un parámetro de naturaleza eléctrica de gran importancia en la caracterización de sistemas de transmisión de señales digitales. b: Impulsos de Información c: Impulso de Paridad (detector de error). 4.1. 4. T = 1/10 = 100 ms = 11τ.8.

y la salida será parecida a la entrada. pero en la práctica se utiliza k = 1. la expresión (4. es decir.274 IV. el canal dejará pasar el 90% de la energía contenida en el impulso de entrada.30) τ donde k depende de la fidelidad requerida a la salida. que si B = 1/τ . el valor de k deberá ser mucho mayor que la unidad.31) Demostramos en el Ejemplo 1. 4. Para que la Salida 2 tenga la forma aproximada de la Entrada 2. Para que la Salida 3 vuelva a la forma aproximada de la Entrada 3. Capítulo I.5 (definido en el Ejemplo 2. PRINCIPIOS DE LA TRANSMISION DE INFORMACION entrada se aplican impulsos de duración decreciente. hay que aumentar el ancho de banda del canal a un valor B2 > B1 . la forma dada en la Fig. aquí suponemos que la relación entre τ y B es una relación inversa. Debido a esto.35 ó 0.19. la Salida 2 saldrá deformada como se muestra en la figura. obteniéndose. por ejemplo. Para un ancho de banda B1 y un impulso de entrada de duración τ1 . .19). que tomaremos como referencia. es decir.35. Ahora se aplica un impulso de duración τ2 < τ1 . por ejemplo. dependiendo de la definición de tr . usaremos k = 0.31) es de gran utilización en la caracterización de sistemas de transmisión de impulsos y la emplearemos con bastante frecuencia. Nuevamente se aplica un impulso de duración τ3 < τ2 < τ1 . Es evidente que si se desea una gran fidelidad. Cuando es necesario preservar la forma de la señal transmitida.5. cuando se utilice el tiempo de alzada. El valor mínimo teórico de k es 0. la Salida 3. B≥ 1 τ (4. En este texto. Puede observarse que la “fidelidad” de la salida depende tanto de τ como de B.31a) donde k es igual a 0. hay que aumentar el ancho de banda del canal a un valor B3 > B2 > B1. 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. 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. donde τ es la duración del impulso de entrada. la Salida 1 tendrá.6. 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.

-1. (4. Es evidente que si Vb < B. si Vb > B. n = 5. Nótese que si se Tt = 3600 seg . no habrá problemas en la recuperación de la información.7: cinco impulsos cuaternarios con impulsos de arranque y pare.6x10 7 bits. 1 = 1000 símbolos por segundo T 1 Velocidad de Información: Vi = 10 4 log 2 4 = 10 4 bps 2 Ancho de Banda Mínimo del canal: Bn = Vb = 10 kHz Arranque 3 1 0 -2 -3 -1 Información Pare 2 τ T 3τ 2τ Fig. K% = 50%. La información producida por esta fuente en un tiempo Tt es: It = Vi Tt .24) y (4.32) ♣ Ejemplo 4. La velocidad de modulación es de 10 kbaudios.31b) Puede observarse que las expresiones (4.31) tienen la misma forma.7.9. Hay 4 niveles de información: -3. como veremos en la sección siguiente. en una hora se producirán . En general.275 IV. se perderá información y habría que buscar otros medios para evitar esa pérdida. m = 4 y N = 4 5 = 1024 símbolos. Información asociada a la fuente: I = log 2 1024 = 10 bits/símbolo K = 5/10 = 0. Velocidad de la Fuente: Vs = 1 10 . = Vb = 10 4 = τ T T = 10 −3 seg. Sin embargo. 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 . debe verificarse que B ≥ Vb para no perder información. puede transmitirse sin perder información por un canal ideal con un ancho de banda mínimo Bn numéricamente igual a Vb. 1 y 3. entonces. donde B es el ancho de banda real del canal. los cuales se han codificado en la forma mostrada en la Fig.5 . T = 10τ . PRINCIPIOS DE LA TRANSMISION DE INFORMACION B≈ 1 2t r (4. Sea una fuente que produce N símbolos independientes y equiprobables. 4. si por ejemplo I t = 10 4 x3600 = 3. 4.

Como Vb > 5000. si 0 < Vi ≤ C se puede transmitir sin error. la velocidad de modulación no cambia pero la velocidad de información aumenta. entonces existe una técnica de codificación que permite la transmisión sobre el canal con una frecuencia de errores arbitrariamente pequeña. ♣ ♣ Ejemplo 4.34) Si se define Vp como la velocidad promedio a la cual se pierde información.9 se transmite por un canal de 5 kHz. en bits. La capacidad C se expresa en bits por segundo (bps). un canal de ancho de banda B puede soportar una velocidad de información máxima dada por Vi' = KB log 2 m bps (4. no obstante la presencia de ruido. de modo que puede decirse que la información perdida en el proceso. Shannon introdujo el concepto de “capacidad de un canal”. La capacidad del canal es entonces la máxima velocidad a la cual el canal puede transportar información confiable hasta el destinatario.34). viene dada por I p = I f − I t = (Vi − Vi' ) Tt y de (4.2. Ip Vp = = K( Vb − B) log 2 m bits perdidos por segundo para Vb > B (4. 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.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 [ ] ♣ 4.32). Estimación de la Pérdida de Información en un Canal La señal codificada del Ejemplo 4.10. es evidente que habrá pérdida de información. El lector puede calcular este nuevo valor.33).5. que comúnmente se representa con la letra C. Capacidad del Canal Definición Para definir una medida de la eficacia con la cual un canal transmite información y para determinar su límite superior. Vp = Vb − B bits perdidos por segundo para Vb > B (4. m = 2 y K = 1. De acuerdo con (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION disminuye a la mitad la duración de los impulsos de arranque y pare. I p = [ K( Vb − B) log 2 m] Tt bits para Vb > B (4.33) La información transmitida por el canal en un tiempo Tt será I t = Vi' Tt bits. (4.276 IV.35) Tt Si el sistema es binario y no tiene impulsos redundantes.28) y (4. se tendrá de (4. pero si Vi > C entonces no es posible transmitir sin error.37) . Es decir. Vamos a cuantificar esta pérdida de información. en bits perdidos por segundo.28) y (4. Pero en el mismo tiempo Tt la fuente ha producido I f = Vi Tt bits.

ηB ηB = Vi B ηB se expresa en bps/Hz (4. la capacidad mínima del canal será 1 C = log 2 N = Vs log 2 N bps (4.44) Vb por B. Vb es también.43) T La capacidad C del canal se puede expresar también en términos de los parámetros del codificador y del mismo canal. C= 1 T log 2 m n = n T log 2 m = KVb log 2 m bps (4. de acuerdo con (4. el ancho de banda real del canal. Para más información sobre estos tipos de codificación de canal.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. ηc ηc = ó ηc % = 100 Vi C (4.45) C = KB log 2 m bps Como el ancho de banda B del canal generalmente es fijo. ρc ρc = Rc V = 1− i C C Vi C (4.39) • Rendimiento del Canal. En efecto. la velocidad de modulación disminuye y la exigencia sobre el canal disminuye también.40) También.21) y (4.38) • Redundancia Relativa. La cantidad de información máxima de la fuente es log 2 N bits y si cada símbolo tiene una duración T.41) • Rendimiento del Canal respecto al Ancho de Banda.32). ver la bibliografía especializada. el ancho de banda mínimo necesario para transmitir los impulsos sin distorsión excesiva. Rc R c = C − Vi Rc ≥ 0 (4. Podemos entonces reemplazar en (4. ηc = 1 − ρc donde ηc ≤ 1 (4. . Como el número de símbolos N es constante. como bien lo expresa el Teorema Fundamental de Shannon. Son las técnicas de codificación apropiadas las que en definitiva permiten aumentar la capacidad del canal. 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. numéricamente.28). entonces de (4. si los símbolos han sido codificados en secuencias de n impulsos de m amplitudes.44) Sin embargo.277 IV. un aumento en m implica una disminución en el número de impulsos de información.45) se puede aumentar incrementando el número de niveles m de los impulsos o mediante una codificación equivalente. con lo cual obtenemos finalmente que (4. Como consecuencia.

1949]. la potencia promedio de la señal útil y la potencia promedio de la señal perturbadora. PRINCIPIOS DE LA TRANSMISION DE INFORMACION De (4.42) y (4. Shannon. Esto quiere decir que si una codificación dada tiene una probabilidad de error Pe operando sobre un canal gaussiano. Además. Con técnicas más sofisticadas de codificación. pero en la práctica se llega normalmente a 9600 bps. (4. Sin embargo. modulación y acondicionamiento del canal.2 kHz. Si el canal tiene un ancho de banda B. B ≥ Vb (4. 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.45). 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. y que la potencia del ruido gaussiano dentro de un ancho de banda dado es también la más alta de todos los ruidos posibles. con lo cual reafirmamos la expresión (4.46) En consecuencia. en reconocimiento al trabajo pionero de Hartley y a la deducción rigurosa hecha por Shannon [Teorema N° 2. y la potencia promedio del ruido en el canal es N. el rendimiento máximo de un canal viene dado entonces por . 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.47). 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. se ha llegado a 14400 bps con una velocidad de modulación máxima de 2400 baudios. Aunque la ecuación ha sido deducida para un canal gaussiano.45) deben ser aplicadas con cautela. ella es de gran importancia en los sistemas de comunicación porque muchos canales prácticos se pueden modelar como un canal gaussiano. Por ejemplo. Canal con Ruido La capacidad de un canal disminuye como consecuencia de los errores incurridos en la transmisión causados por señales perturbadoras o ruido. un canal telefónico tiene un ancho de banda efectivo de 3. Shannon ha demostrado que el ruido gaussiano es el peor ruido entre todos los ruidos posibles.28). cuando opera sobre un canal no gaussiano la probabilidad de error será menor que Pe. velocidades superiores solamente se obtienen mediante control de error y compresión de datos.47) A este resultado se le llama la “Ecuación de Hartley-Shannon”. 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. y como consecuencia se produce una pérdida de información.278 IV.37) y (4. No hay que olvidar que ellas se aplican fundamentalmente a un canal ideal sin ruido lo cual está muy lejos de la realidad.43) a (4. la potencia promedio de la señal transmitida es S. como lo vamos a ver más adelante. Cuando el ancho de banda de un canal está limitado.45). Por otro lado.31). La ecuación de Hartley-Shannon proporciona el límite superior para la transmisión de información confiable por un canal ruidoso. con una codificación adecuada se podría aumentar indefinidamente la capacidad del canal. Las expresiones (4.43) a (4. De las expresiones (4. de acuerdo con (4.

de (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION η Bmax = C S = log 2 (1 + ) bps/Hz B N (4. 667x10−8 seg 5 Vimg N el 30x5x10 8 Iel 6 = bps −8 = 120x10 T 6. ♣ Ejemplo 4.667x10 Capacidad mínima del Canal: C = Vi = 120x106 bps Si el ancho de banda del canal fuera de 6 MHz. 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.10 dB N .8 La cámara a color requiere 5x105 elementos de imagen con 16 niveles de brillantez y 16 matices de color por cada nivel. 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 = = 6.11. pero sí establece que para transmitir sin error los símbolos o muestras codificadas deben poseer una cierta redundancia.48) La teoría de Shannon no especifica cuál es el mejor esquema de codificación que permite alcanzar este rendimiento máximo. 4. la relación S/N mínima sería. los parámetros son: Iel = 4 bits/elemento. V1 = C = 60x103 bps S = 1023 = 30. CAMARA DE TV A COLOR CANAL Fig.049x106 = 60. de donde N N El lector puede demostrar.6667x10−8 seg. en la misma forma. La velocidad de transmisión de las imágenes es de 30 por segundo. Información contenida en una Imagen de Televisión. Vamos a calcular los diferentes parámetros del sistema. T = 6.47).21 dB ) .279 IV. que en el caso de TV en blanco y negro (solamente 16 niveles de brillantez).. 120x106 = 6x106 log2 (1 + S S = 1.

de (4. como veremos posteriormente. con B T ≥ B m . 4. La salida del receptor ideal será la señal mensaje de ancho de banda Bm y algún ruido introducido en el canal. 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. . Sin embargo. Como su ancho de banda efectivo es de 3. o viceversa. a la entrada del receptor ideal. y con los métodos de codificación y modulación se trata de alcanzar este máximo teórico.47) está considerada como el Teorema Central de la Teoría de la Información. se verifica entonces que. que el ancho de banda y la potencia de la señal se pueden intercambiar. Por ejemplo. Es evidente. Nótese que la capacidad del canal representa la máxima cantidad de información que se puede transferir en un segundo. Como la velocidad de información es la misma en todos los puntos del sistema.6. EL SISTEMA IDEAL DE TRANSMISION DE INFORMACIÓN 4. en un canal telefónico la relación S/N para una buena recepción es de aproximadamente 30 dB. El Receptor Ideal La ecuación de Hartley-Shannon nos permite deducir la ley para el intercambio entre el ancho de banda y la relación S/N en un sistema de transmisión ideal.9.6. 4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Obsérvese que para la misma potencia de ruido y ancho de banda.1 dB) mayor que en TV blanco y negro.1. mientras que la velocidad de información llega ya a 56 kbps (con el Módem V. la señal de TV a color necesita una potencia 1000 veces (30. a partir de este teorema.2 kHz no debe sobrepasar los 2400 baudios. 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 . por ejemplo. Señal Transmitida Origen Canal BT Si/Ni Receptor Ideal Bm So/No Ruido Fig. es decir. respectivamente.47).280 IV. La máxima velocidad de modulación sobre un canal telefónico de 3. 4. los sistemas reales no pueden alcanzar el potencial inherente en el ancho de banda y potencia que utilizan.90). la capacidad teórica del canal es del orden de los 32 kbps. como se muestra en la Fig. Los procesos de codificación y modulación son los medios utilizados para efectuar este intercambio “Ancho de Banda-Relación Señal/Ruido”. y So y No las correspondientes potencias de salida.2 kHz. Nótese que se puede aumentar aún más la velocidad de información utilizando diferentes métodos. Sea entonces Si y Ni las potencias de señal y de ruido.2. pero no así la velocidad de modulación. Consideremos. Introducción La expresión (4. Esta señal se transmite y es recibida en un receptor ideal.6.9. ♣ 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).

. Por otra parte. este intercambio o compromiso “Ancho de BandaRelación Señal/Ruido (S/N)” está limitado físicamente en los sistemas reales. se puede reducir considerablemente la potencia de la señal transmitida. La capacidad del canal ideal es. En un sistema ideal la relación Señal/Ruido a la salida aumenta exponencialmente con la relación BT/Bm. Esto quiere decir que para un pequeño aumento en el ancho de banda BT. lo cual es más razonable pues no es necesario aumentar la potencia transmitida. 4.50b) para diferentes valores de la relación βm = BT/Bm.49) En la práctica. Sin embargo. También se puede mantener Si/Ni constante y aumentar BT. de (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. entonces se puede escribir C = β m B m log 2 (1 + S i / N i ) . C = B T log 2 (1 + Si ) bps Ni (4.51) Si β m = B T / B m es la relación o factor de expansión del ancho de banda.10(a) se grafica (4. como veremos en los Capítulos V y VI. So No ⎡ S i ⎤ Bm = ⎢1 + −1 ⎥ ⎣ Ni ⎦ (4. ⎡ So ⎤ BT ⎡ S i ⎤ ⎢ ⎥ ≈ ⎢ ⎥ ⎣ N o ⎦ dB B m ⎣ N i ⎦ dB BT (4.49) representa el límite teórico máximo y la utilizaremos como referencia para comparar el comportamiento de los diferentes sistemas prácticos de codificación y modulación que veremos en los Capítulos V y VI. es necesario incrementar considerablemente la potencia de la señal transmitida. en la práctica. PRINCIPIOS DE LA TRANSMISION DE INFORMACION B T log 2 (1 + Si S ) = B m log 2 (1 + o ) Ni No BT de donde. pero esto implica aumentar la potencia transmitida (si las condiciones de ruido no cambian). Los sistemas de banda ancha. 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.10(b) se grafica este rendimiento para diferentes valores de β m . para una pequeña reducción en el ancho de banda BT. que veremos en los Capítulos V y VI. denominada “Relación o Factor de Expansión del Ancho de Banda”. En la Fig. de modo que S o ⎡ S i ⎤ Bm ≈⎢ ⎥ No ⎣ Ni ⎦ y en dB.52) En la Fig. 4.47). Relación de Expansión del Ancho de Banda La expresión (4. So/No y Si/Ni >> 1.50b) Nótese que se puede aumentar So/No si se aumenta Si/Ni y se mantiene BT constante.50a) (4. Por lo tanto.281 IV. se caracterizan por un alto valor de la relación BT/Bm.

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

la velocidad de modulación y el ancho de banda mínimo para transmitir un impulso. El tratamiento de los temas ha sido necesariamente muy breve y sencillo.009 0.124 0.072 0.096 0.037 E F G H 0. 4. de los cuales 16 ocurren con una probabilidad de 1/32. y se deduce algunas expresiones que introducen la noción de Sistema Ideal de Transmisión de Información. B. De la definición básica de la cantidad de información. F. se han deducido algunos parámetros tales como la velocidad de información.032 0. concepto que se utilizará para comparar los diferentes sistemas de comunicación prácticos que se estudiarán en los Capítulos V y VI. E. Un alfabeto consta de las siguientes letras: A.7. y se ha introducido la noción de codificación digital de la información. asimismo. Demuestre que la velocidad de información promedio de la fuente es de 640. 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. (d) Sea el juego siguiente: se trata de adivinar una palabra y se da como pista la primera letra de la palabra.001 0.079 0. Demuestre que la entropía de este alfabeto es de 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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION destino.020 0.016 0.316 bits/letra.072 0.060 0. Introduce. ¿En español. 4. Se discute en forma cualitativa el Teorema Fundamental de Shannon y la Ecuación de Hartley-Shannon. con algunos ejemplos como el Código ASCII y el Código Baudot.066 0.3. la letra E o la letra Z? 4. H y O. Sea un alfabeto en el cual la probabilidad de ocurrencia de las diferentes letras se da en la tabla siguiente: A B C D 0.031 V W X Y Z 0. de gran aplicación práctica.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).040 M N O P 0.023 Q R S T U 0. el concepto de codificación.283 IV. mediante el cual se puede utilizar los canales con el máximo rendimiento.2.019 0. C. Esta letras se codifican en binario puro con un impulso de arranque y uno de . D. La fuente produce 100 símbolos por segundo. Un aspecto de considerable importancia es el concepto de capacidad de un canal.081 0.1. cuál letra es más útil en el juego. La teoría de los códigos es. cuya aparición suponemos equiprobable.002 0.002 0.016 0. y los 112 restantes con una probabilidad 1/224.072 0. PROBLEMAS DE APLICACION 4.4 bps. 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. La teoría de la información es una disciplina muy vasta y compleja. un sujeto muy importante en la teoría general de la información.051 I J K L 0.005 0.023 0. Una fuente de información produce 128 símbolos independientes. en sí misma.

284 IV. 4.5x105 bits 4.2. Utilizando las suposiciones de los dos problemas anteriores. (b) Repita la parte (a) pero en este caso no sabemos si la moneda falsa pesa más o menos que las monedas buenas. 0. demuestre que la información promedio. 4. todos igualmente probables. demuestre que el tamaño que deberá tener la imagen (cuadrada) para que la información contenida en ella sea igual a la de 1000 palabras.9.25. (c) Si las probabilidades de las 8 letras son. 0. es de 11.1. se codifican en binario para transmitirlos por un canal telefónico de 4 kHz.008.15. 4. El refrán dice que “una imagen vale mil palabras”. 4. y un símbolo con una probabilidad de 0. determine el número mínimo de pesadas necesarias para descubrir cuál es la moneda falsa.5 bps. cada uno.7. Demuestre que los símbolos sí pueden transmitirse por el canal telefónico y que la velocidad de información y de modulación son.4. (a) Demuestre que la palabra FACHADA se puede transmitir en 8.512. tres símbolos con una probabilidad. la resolución de la imagen es de 5 puntos por mm. Suponga que el impulso de arranque está siempre a CERO y el impulso de pare siempre a UNO. de 0. (a) Si sabemos que la moneda falsa pesa menos que las buenas. y se desea escribir una página de 280 caracteres. 0. (b) Asigne a cada letra una muestra codificada y muestre la forma de la palabra CAFE a la salida del codificador. de 2166 bps y 3000 baudios.5.15.128.05.14 mm . es de 2. 0. Con los datos del Ejemplo 1. cada uno.3.14 mm x 11. por letra.766 bits. La imagen está compuesta por puntos con 8 niveles de gris. Una persona escribe a una velocidad de 2 bps.8. PRINCIPIOS DE LA TRANSMISION DE INFORMACION pare. Una fuente produce ocho símbolos distintos e independientes cuyas probabilidades de aparición son: un símbolo con una probabilidad de 0. Nota: En las partes (a) y (b) hay que calcular no solamente el número de pesadas sino mostrar también el procedimiento para efectuarlas. Demuestre que la persona puede escribir una página en 11 minutos y 40 segundos. Se escucha un partido de fútbol y el narrador habla a una velocidad de 300 palabras por minuto.032. 4. El alfabeto de una máquina de escribir consta de 32 caracteres alfanuméricos que suponemos equiprobables. de 0. 0. respectivamente. todos los impulsos tienen la misma duración. respectivamente. tres símbolos con una probabilidad. Se tiene 64 monedas de las cuales sabemos que una es falsa. Disponemos también de una balanza de precisión con la cual podemos pesar las monedas.05 y 0. El canal de transmisión tiene un ancho de banda de 4 kHz. Demuestre que la cantidad de información contenida en una fotografía de 10 cm x 10 cm es I = 7.05. 0.75 mseg y con una velo cidad de información de 2400 bps. Los símbolos se producen a una velocidad de 1000 símbolos por segundo. Vamos a determinar la información contenida en una fotografía en blanco y negro.6. 0. demuestre que el locutor transmite a una velocidad de 46.

0. 4. 4.2 y 0.11.909 dB. Demuestre que para que no haya pérdida de información.3. la potencia promedio mínima de la señal debe ser de 4. (b) En el canal hay ruido. todos de igual duración. demuestre que la información promedio contenida en una página es de 16820 bits. 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”). (a) Si no hay ruido en el canal. Una fuente de información produce 16 símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. (a) Demuestre que la computadora puede transferir 650 páginas de texto en 5 minutos. 8.4.12. de 11. Una fuente produce símbolos los cuales se codifican en secuencias de 7 impulsos cuaternarios más 1 impulso de sincronización. La información o texto se considera formada por “páginas” de 30 líneas de 80 columnas con 7 bits por carácter. la relación S/N en el canal deberá ser.7609 dB. 4. 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. El ancho de banda del canal es de 10 kHz y la relación S/N correspondiente es de 30 dB. La velocidad de modulación a la salida del codificador es de 80 kbaudios y se transmite un total de 1000 secuencias.285 IV.3. respectivamente. como mínimo. Una computadora trabaja en dos modalidades: Modo Texto y Modo Gráficos. Una página tiene una superficie útil de 50 cm x 60 cm. El intercambio de información entre una computadora y su unidad de disco se efectúa a una velocidad de 36400 bps. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. 0. Los símbolos se codifican en binario más un impulso de sincronización.123 dBm. (b) En Modo Gráficos: 45 kbytes. Con los datos del Ejemplo 4. Demuestre que: (a) La velocidad de modulación en el canal es de 5000 baudios. (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. 4.095 W o 36. los cuales se transmiten por un canal con un ancho de banda de 1 kHz. los tipos tienen dimensiones de 3 mm x 3 mm. (b) Para que no haya pérdida de información. Contenido de Información de Textos Escritos.10. todos de igual duración. demuestre que la cantidad de información que llegó a destino es de 12925 bits. . el espaciado entre palabras es de 3 mm y la separación entre líneas es de 6 mm. (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. (b) Vamos a estimar la información promedio contenida en una página de un periódico.1. Los cuatro niveles de cada impulso tienen probabilidades 0. por lo menos. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N en.13.14.

(c) Demuestre que si la información se codifica en impulsos cuaternarios. 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. 4. La señal codificada se transmite por un canal de ancho de banda de 10 kHz y con una relación S/N de 11. ¿Qué pasaría si la codificación fuese en binario? . PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. demuestre que una imagen se transmite en 93. el terminal de datos debe generar los caracteres a una velocidad igual o menor de 5000 caracteres por segundo. por página. entonces m = 4 y n = 4. Demuestre que: (a) Para que no haya pérdida de información.16. demuestre que la potencia de señal es de 1 W y que se puede transmitir por un canal de ancho de banda de 5. demuestre que el ancho de banda mínimo necesario del canal es de 157.286 IV.18.534 MHz. cada una. La imagen de un televisor a color está formada por 525 líneas que contienen. (a) Demuestre que la información contenida en una imagen es de 9x106 bits. Si la relación S/N en el canal es de 60 dB y la potencia de ruido es de 1 µW.25x106 elementos de imagen (esto equivale a 1500 líneas en cada dimensión). todos de igual duración. (b) Se puede transmitir 5. (a) Demuestre que la velocidad de la información producida por la imagen de televisión es de 110. La información se codifica en binario para ser transmitida por un canal de 4 kHz de ancho de banda. Demuestre que: (a) La fuente está produciendo los símbolos a una velocidad de 3000 símbolos por segundo.7609 dB.135x107 bits en una hora.75 minutos. 4.13(b). 4. Una fuente de información produce 27 símbolos distintos y equiprobables. 2. todos de igual duración. En el sistema no hay pérdida de información. La velocidad de modulación a la salida del codificador es de 10 kbaudios. Fig. y para una buena reproducción se requiere 16 niveles de brillantez. (b) Si la velocidad de modulación máxima es 3/4 de la velocidad de información máxima. el tiempo de transmisión se reduce a la mitad. (c) Para los mismos datos. los cuales se codifican en impulsos ternarios. El codificador produce bloques que contienen 9 impulsos de información más un impulso de sincronización.15. demuestre que la potencia mínima de la señal para que no haya pérdida de información.13(b)) para su transmisión por un canal digital. (b) Demuestre que una imagen se puede transmitir en 37. debe ser de 0. 4. 4. (d) Si la información se codifica en ASCII sin bit de paridad. (d) Si la potencia de ruido en el canal calculado en la parte (c) es de 1 µW.17.5 MHz. Si cada punto luminoso se codifica en ASCII sin bit de paridad (Fig. 1000 puntos luminosos.5 minutos. (c) Transmisión Digital. Cada punto luminoso tiene 8 niveles de brillantez y 16 matices de color. La velocidad de las imágenes es de 30 por segundo.3 Mbps.625 µW. (b) Transmisión Analógica. En un sistema de transmisión de facsímil de alta resolución se necesita.

Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N.5 veces la duración de un impulso de información. 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. 4.3045 dB. (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. Una fuente de información produce 1024 símbolos distintos y equiprobables a una velocidad de 1250 símbolos por segundo. 128 líneas con 128 puntos por línea. (b) Si el ancho de banda del canal de transmisión es de 5 kHz y se transmiten 105 muestras codificadas. (c) La señal de salida de la celda fotoeléctrica se codifica en binario y se almacena 100 imágenes en la memoria de una computadora. ambos de duración el doble de la de los impulsos de información. Demuestre que si se quiere transmitir las 100 imágenes en 400 segundos.20. (b) Si la señal de salida de la celda fotoeléctrica se transmite directamente por un canal. Televisión de Barrido Lento (SSTV). La celda se mueve a una velocidad de 4 cm por segundo. (d) Las imágenes almacenadas en la computadora se van a transmitir por un canal dado. 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. (a) Demuestre que la información contenida en una imagen es de 8 Kbytes. demuestre que el ancho de banda mínimo del canal es de 2 kHz.5 kbps. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. 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. En estas condiciones hay pérdida de información. La entrada al convertidor es una secuencia de impulsos de amplitud variable cuya frecuencia es de 2. 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. por imagen. La fotografía mide 10 cm x 15 cm.19. Demuestre que: (a) Las velocidades de modulación y de información son de 10 kbaudios y 12. la relación S/N mínima en el canal para que no haya pérdida de información es de 8. el ancho de banda del canal debe ser de 32. Un codificador produce impulsos binarios cuya velocidad de modulación es de 8 kbaudios. se pierden 5x105 bits de información.23.25x105 impulsos por minuto. Demuestre que la velocidad de modulación a la salida del convertidor es de 7.287 IV.878 dB.7609 dB. en 12. que convierte información de un sistema de codificación a otro sistema.768 kHz. respectivamente. con una capacidad de 15x103 bps. .22. 4. 4. pero a cada muestra se le agrega un impulso de arranque y uno de pare. como mínimo. Sea un sistema de telefotografía. 4.21. 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. Se tiene un convertidor automático. Los símbolos se codifican en impulsos cuaternarios más un impulso de arranque y uno de pare. 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.5 kbaudios y que los impulsos son cuaternarios. y su resolución es de 5 puntos por milímetro.

siendo Si/Ni y So/No las Receptor So/No Destino Origen Bc Br relaciones señal-ruido a la entrada y salida del receptor. Demuestre que la relación S/N mínima. Si la potencia de ruido en el canal es de 1 pW. la relación Si/Ni es de 14.08 dB. 4. 4.288 IV. Una señal s(t) es transmitida por un canal perturbado por un Si/Ni Señal s(t) Canal ruido n(t).11.13 Mbps y que el ancho mínimo del canal debe ser de 18. (a) Demuestre que el ancho de banda mínimo del canal para transmitir las secuencias binarias en ausencia de ruido. Demuestre que la velocidad de información en el canal es de 13. en la cual se almacena 10 fotografías. 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.75 MHz. demuestre que la potencia de la señal para que no haya pérdida de información es de 3 pW.24.9136 dB y el ancho de banda Br del receptor es de 8 kHz. (d) Si la información se transmite en código BAUDOT. Demuestre que la relación señal/ruido a la salida del receptor es de 30. Fig. demuestre que el tiempo que tarda en vaciarse la memoria es Tt = 34.11 en la Fig. 4.773 minutos .25 Mbits. y que la velocidad de modulación a la salida del codificador es de 1400 baudios. 4. (c) La información contenida en la memoria se va a transmitir por un canal en ASCII sin bit de paridad. (d) La salida de la celda fotoeléctrica se transmite directamente por un canal cuyo rendimiento es de 2 bps/Hz. 4. la relación S/N en el canal es de 10 dB. (b) Las señales producidas por la celda se codifican en binario y se guardan en la memoria de una computadora. teniendo cada secuencia una duración de 100 µseg. La transmisión de las 10 fotografías que estaban en la memoria se efectúa en 2 segundos.26. Esta señal se pasa por un convertidor que la convierte en secuencias de 8 impulsos binarios.13(a). 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.25. Una señal tiene un ancho de banda de 4 kHz. El ancho de banda Bc del canal es de 16 kHz. En el sistema no hay pérdida de información.098 dB. en dB. como se muestra Fig. 4. El terminal de datos produce caracteres alfanuméricos en ASCII sin bit de paridad y en su memoria hay almacenados 8000 bits de información. Demuestre que el sector de la memoria donde se guardó la información debe tener una capacidad de 26. para transmitir las secuencias sin error es de 3. Ruido n(t) respectivamente. es Bn = 80 kHz (b) El canal tiene un ancho de banda de 50 kHz. (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 = 30.48 seg.

se transmite por un canal. 4. 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. Demuestre que la velocidad de modulación en el canal es de 96 kbaudios. 4. no hay pérdida de información en el canal. Vb = 10 kbaudios y Vi = 7 kbps. En el Código ASCII los caracteres fluyen a una velocidad de 100 caracteres por segundo. 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. La secuencia. sin pérdida de información. 4. así codificada.28. El terminal de datos solamente acepta secuencias codificadas en ASCII sin bit de paridad. respectivamente. Códigos Binarios BAUDOT y ASCII (Alfabeto Internacional N° 5 de la UIT-T) En la Fig. Sea el sistema mostrado en la Fig. Para el Código BAUDOT tomar las duraciones dadas en la figura.29. Ver APENDICE B.6. (a) Determine N.27.289 IV. ambos de la misma duración que los de información. binarios también. . los valores apropiados de m y n para el codificador 1. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4.5 y B. (a) En un codificador (denominado 4B/3T) se transforma grupos de 4 dígitos binarios en grupos de 3 dígitos ternarios. El codificador 1 agrega a cada muestra un impulso de arranque y uno de pare. Una fuente de información digital produce dígitos a una velocidad de 128 kbps. 4. La fuente produce N símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. No hay pérdida de información en el sistema. (Nota: en ambos códigos el bit o dígito binario 1 es el de menor peso). Fuente Codificador 1 Canal Codificador ASCII Terminal de Datos Fig.12.12. (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.13 se muestran los formatos de los Códigos BAUDOT y ASCII (sin bit de paridad).

4.30. teóricamente. Consideremos el receptor ideal de la Fig. la relación So/No a la salida aumenta exponencialmente con γ. Demuestre que si el ancho de banda del canal tiende a infinito (BT → ∞) .31. en condiciones ideales cuando el ancho de banda de transmisión BT tiende a infinito. N es entonces la potencia de ruido contenida en el ancho de banda B. Formatos de los CODIGOS BAUDOT y ASCII. (b) ¿Qué significa la siguiente información codificada en ASCII? 011001011101111001110110010111 (c) ¿Cómo se codificaría la misma información de (b) pero en BAUDOT? 4. Considere la ecuación de Hartley-Shannon.290 IV.54) Nótese que γ = Si ηo Bm representa la relación entre la potencia de la señal (transmitida) en el canal respecto a la potencia de ruido dentro de la banda de la señal misma (Bm). 4. 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.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. La potencia de ruido N se expresa en la forma N = ηB . como es el caso de los sistemas de comunicación espacial o por satélites. entonces ⎡ So ⎤ Si ) = exp( γ ) ⎢ ⎥ ≈ exp( ηB m ⎣ No ⎦ cuando So No >> 1 (4. (a) Determine las velocidades de modulación y de información para cada uno de estos códigos. Por consiguiente. Límite de Shannon.9 . 4. 443 ⎢ ⎥ = ViMAX ⎣η⎦ ⎣η⎦ (4. donde η tiene dimensiones de vatios por unidad de ancho de banda (W/Hz) y es la “densidad espectral de potencia de ruido”.13. demuestre que B→∞ ⎡S⎤ ⎡S⎤ lim C = ⎢ ⎥ log 2 e = 1. . Si el ancho de banda B aumenta sin límites (B→∞).

B ηB se expresa en bps/Hz (4.5% y R co % = 1. En la expresión (4. Código ASCII. Rco” en la forma R co = 1 − ηco = Vb − Vi r = Vb n+r (4. demuestre que si el sistema es binario y Vi = C.4). Vb ≥ Vi . 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. 4. (b) Transmisión Sincrónica.291 IV. Nótese que la codificación binaria es la menos eficiente. paridad y pare.56) donde n es el número de impulsos de información. 4. y r el número de impulsos redundantes (ver ecuación (4. y tanto ηco como Rco se pueden expresar en forma porcentual (ηco% y Rco%).55) Grafique también ηB vs Eb/ηo Sugerencia: utilice escalas log-log. entonces η B = log 2 (1 + η B Eb ηo ) Vi . 4. a continuación 256 caracteres de información y se termina el bloque con un carácter ETX.13(a)). solamente los impulsos de información. ASCII con bit de paridad (Fig.28) y Fig. Ni los caracteres SYN y ETX. Demuestre que en Transmisión Sincrónica ηco % = 98. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 1. (a) Determine el rendimiento de los Códigos Baudot (Fig. ni los caracteres de información contienen los impulsos de arranque. Los caracteres SYN y ETX están definidos en la Tabla B. pero es la más utilizada por su facilidad de instrumentación.5). Los bloques de datos se estructuran en la forma siguiente: se colocan tres caracteres SYN (de sincronización) al inicio de cada bloque.5 en el Apéndice B.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.9. Eb” en la forma Eb = Sτ. Si se define la “Energía por Dígito Binario.33. En los sistemas binarios (m = 2) se suele definir también la “redundancia de codificación.32. Rendimiento y Redundancia de Codificación. para 1≤ Eb ηo ≤ 100 4.5% . y del codificador del Ejemplo 4.57) En este caso. Rendimiento del Canal en el Sistema Ideal de Transmisión.

4. y se sabe que para la transmisión del grupo 0 0 se transmite un solo ciclo de la frecuencia f1 . Demuestre que en Transmisión Asincrónica η co = 63.292 IV.34. f3 = 1. (a) Si la computadora reconoce 256 caracteres alfanuméricos y cada carácter se almacena en una columna de la tarjeta. f2 = 1 kHz . 4. Se desea introducir información a una computadora mediante tarjetas perforadas tipo IBM. Sea el sistema de la Fig. (c) Si la capacidad de la memoria de la computadora es de 600 Kbytes. El codificador opera en la Fig.5 W y la de ruido 2 mW. demuestre que el lector está entregando información a la computadora a una velocidad de 6400 bps.36. incluidos los de las Fuentes 1 y . 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.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. este último dura 1. 0 1 → f2 . 4.6% y R co = 36.31 dB y que el ancho de banda del canal es de 375 Hz.5 kHz y f4 = 2 kHz. Estas tarjetas tienen 80 columnas por F filas. todos de igual duración.14 forma siguiente: primero toma un símbolo de la Fuente 1 y lo codifica en ASCII sin bit de paridad. Código ASCII. Cierta fuente de información transmite cada milisegundo un número octal (base 8). 4. Demuestre que la velocidad de información en el sistema es de 1000 bps y que el valor de las frecuencias es f1 = 500 Hz. Toma a continuación un símbolo de la Fuente 2 y lo codifica en binario agregándole un impulso de arranque y uno de pare. 1 0 → f3 .5 veces más que los demás. Las fuentes producen. demuestre que en este caso cada columna tendrá 8 filas. En el canal la potencia promedio de la señal es de 0. toma un símbolo de la Fuente 3 y lo codifica en binario agregándole un impulso de arranque y uno de pare. PRINCIPIOS DE LA TRANSMISION DE INFORMACION (c) Transmisión Asincrónica. f2 = 2f1 . f3 = 3f1 y f4 = 4f1.35. (b) Si el lector de tarjetas lee 10 tarjetas por segundo.14. Se transmite bloques de 256 caracteres ASCII incluyendo todos los impulsos redundantes (Fig. 4. demuestre que puede almacenar el contenido de 7680 tarjetas.37. Por último. ¿Cuál es la relación entre sus respectivas velocidades de información? 4. 1 1 → f4 La velocidad de modulación a la entrada del sintetizador es de 1000 baudios. 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 . Si a la salida del receptor el ancho de banda es de 100 Hz. demuestre que la relación So/No a la salida es de 90. 4.5).

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. 4.7%. . cada uno de los cuales transmite impulsos con dos valores posibles: 0V y 5V.293 IV.13(b)) para transmisión por un cable bifilar. Mediante una “interfaz” se convierte las 7 salidas de la computadora en una secuencia serie ASCII sin bit de paridad (Fig. (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. demuestre que el ancho de banda mínimo del canal es de 397. de 280 bps y 400 baudios.8 Hz. la duración de cada impulso es de 25 ms. (b) Si el rendimiento del canal respecto al ancho de banda es de 3 bps/Hz. respectivamente. (c) Si la relación S/N en el canal es de 15 dB. 4. Demuestre que a la salida de la interfaz las velocidades de información y de modulación son.38.451 dB. demuestre que la relación S/N en el canal es de 8. La salida de cierta computadora está formada por 7 conductores. El codificador vuelve a la Fuente 1 y se repite el proceso. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 2.

294 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION .

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

1949] “Una señal x(t) pasabajo cuya frecuencia máxima es f m . ± 1.296 V. . “Intervalo de Nyquist”. La frecuencia mínima de muestreo. 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. su habilidad para representar una señal continua mediante una serie de muestras instantáneas. se puede especificar unívocamente por sus valores o muestras x(nTs ) . 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. Sin embargo. donde cada fotografía representa escenas fijas espaciadas cada 1/24 segundos. haciendo referencia principalmente a las Recomendaciones pertinentes de la UIT-T. La teoría del muestreo se puede resumir en cuatro teoremas. ligeros.2. pero fue Shannon quien en 1949 lo introdujo en el dominio de la teoría de la comunicación. fáciles de programar y adquirir. TEORIA DEL MUESTREO UNIFORME DE SEÑALES 5. . 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 . monovalentes y limitadas en frecuencia o en el tiempo. solamente se considera señales reales continuas. de las escenas continuas originales. proporciona un mecanismo para representar señales continuas mediante señales discretas. completa y exacta.. lo cual es otra forma de enunciar este teorema. donde f s ≥ 2f m “. En este contexto. llamados “instantes o puntos de muestra”. Teorema del Muestreo de Shannon [Shannon..2. aunque no todos los autores la presentan en esta forma. 5. nosotros percibimos una representación móvil. H. circuitos y aplicaciones de sistemas prácticos. Teorema No 1. como lo veremos en su oportunidad. para la cual se verifica que f s = 2 f m .. La respuesta es que no es necesario. f s es la frecuencia de muestreo o “Frecuencia de Shannon” y Ts el “Intervalo de Muestreo”. Introducción Bajo ciertas condiciones una señal continua en el tiempo puede especificarse completamente y recuperarse a partir del conocimiento de sus valores instantáneos o muestras tomadas a intervalos de tiempo uniformes.2. separados cada Ts = 1/ f s segundos. Formas más o menos complicadas de este teorema se conocían en la literatura matemática. Cuando estas fotografías se proyectan a esa misma velocidad (24 fotografías por segundo). se denomina “Frecuencia de Nyquist”. ± 2. según el caso.1.2. Un ejemplo muy ilustrativo de lo que esto significa lo constituye las series de fotografías de una cinta cinematográfica.. Como la discusión estará limitada a sistemas físicos. En muchas aplicaciones el procesamiento de señales discretas es más fácil y flexible debido a la creciente disponibilidad de dispositivos digitales baratos. con n = 0. 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. 5. 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. MODULACION Y TRANSMISION DE IMPULSOS momento se dará ejemplos. y el intervalo Ts correspondiente. tomados en una serie de instantes discretos. Estos conceptos son la base del procesamiento y transmisión digital de señales.

el espectro X s ( f ) de x s ( t ) es X s (f ) = f s ∞ n =−∞ ∑ X(f − nf ) s (5. y con un factor de escala f s . x s (t ) = x(t ) ⋅ ∑ n =∞ ∞ δ(t − nTs ) = n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) s s ∞ (5.1(f). como se muestra en la Fig. La recuperación de x(t) la consideraremos en el siguiente teorema.2) Vemos que X s (f ) representa un espectro periódico formado por el desplazamiento de X(f) a las frecuencias ± nf s . 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 . 5. cuya transformada de Fourier o espectro es X(f).45). denominado “señal muestradora”. 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. pero sí haremos una demostración que introduce el concepto de muestreo a partir de nociones sencillas ya conocidas. los espectros se solaparán y se producirá distorsión en la recuperación de x(t).1. 3. lo que se verifica si f s ≥ 2 f m . Shannon. es decir. 1949)] está fuera de los objetivos de este texto. Muestreo Instantáneo en el Dominio del Tiempo. Sea entonces x(t) una señal continua pasabajo de banda limitada f m .1) Este tipo de muestreo se conoce con el nombre de “Muestreo Ideal o Muestreo Instantáneo”. Del Ejemplo 2.297 V. Nótese que para valores de f s < 2 f m . .9. 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. expresión (2. MODULACION Y TRANSMISION DE IMPULSOS La demostración rigurosa del teorema de Shannon [Teorema 1.

4) Esta expresión indica que hay que tomar cada muestra y multiplicarla por una función sinc(. MODULACION Y TRANSMISION DE IMPULSOS Teorema No 2.3) en el cual debe cumplirse que f m ≤ B ≤ f s − f m .).5) Esta expresión se ha utilizado para demostrar el Teorema del Muestreo de Shannon. “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. en cuyo caso x r ( t ) = x( t ) . pero nosotros vamos a verificarlo para demostrar algunas relaciones importantes.. 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 ). 5. 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 .298 V.. entonces ∞ De (5. se tiene la “Ecuación de Interpolación de Shannon”. 5. x r (t ) toma los valores de x(t) en los puntos de muestra.1(f).2 se puede observar fs este proceso de interpolación para B = > f m .). 2 Nótese en la Fig. Sea x r (t ) la salida recobrada en el filtro. Se efectúa entonces una interpolación y por esa razón la expresión (5. 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. 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 )] (5.1(f).2 que cada muestra produce una señal sinc(.3).4) recibe el nombre de “Ecuación de Interpolación”. . Por consiguiente. Para la recuperación de x(t).. la cual es cero en los otros puntos de muestra excepto en el propio. 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 ”. 2BTs = 1 y t o = 0 . 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. El proceso de recuperación de x(t) es fácil de visualizar en la Fig.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(. 5. 5. y las muestras se presentan en forma de impulsos cuya área es proporcional a la amplitud de la muestra en un instante dado. Pero la interpolación dada por (5.) centrada en el instante de ocurrencia de la muestra y sumar los términos resultantes. En la Fig.1) y (5. Fig. de modo que con 2 BTs = 1 y t o = 0.

donde m es un entero pues k y n son enteros . podemos demostrar que si B = f s / 2.n..3. . Ts = 2f m número mínimo de muestras necesarias para una buena reconstrucción de la señal x(t) será . Si se muestrea periódicamente una señal x(t) durante un tiempo T = NTs .6) En el instante kTs .3. ± 2.). x r (t ) y x(t) serán iguales pero solamente en los instantes de muestreo. De las propiedades de la función sinc(. Si se viola la restricción sobre el ancho de banda de x(t).). obtenemos x r (t ) = n =−∞ ∑x(nT )sinc( s ∞ t − nTs Ts ) (5. En efecto. 5. entonces la señal reconstruida xr(t) será exactamente igual a x(t). A medida que disminuye la frecuencia f m de x(t). entonces x r (t ) no será igual a x(t).299 V. y x r (t ) aparece como una señal de menor frecuencia que x(t). la expresión (5. Sin embargo. donde k es un entero.. n =−∞ ∑sinc(m) = ⎨0 para ⎩ ∞ ⎧1 para m = 0 ó k = n m≠0 ó k ≠n Por consiguiente. MODULACION Y TRANSMISION DE IMPULSOS Ts x(t) sinc( t − nTs ) Ts t Fig. las curvas se superponen en una sola y x r (t ) = x (t ) para todo t. Vemos entonces que si f s > 2 f m y B = f s / 2 .. Nótese que x r (t ) y x(t) son iguales solamente en los instantes de muestreo. x (t ) x r (t ) t −2Ts −Ts 0 Ts 2Ts 3Ts Fig. se tendrá N 1 y el valores o muestras de la señal. x r ( t ) y x(t) tendrán la forma aproximada mostrada en la Fig. entonces para cualquier valor de Ts y f m .Interpolación Lineal mediante la Señal Sinc(.. 5. de acuerdo con el teorema de Shannon. 5. x r ( t ) = x (kTs ) para k = 0. ± 1. entonces..2. si reemplazamos B = f s / 2 = 1 / 2 Ts y t o = 0 en (5.6) queda en la forma x r ( kTs ) = n =−∞ ∑x(kT )sinc(k − n) = x(kT )∑sinc(k − n) s s n =∞ ∞ ∞ Sea m = k .4).

estudiada por Nyquist. se puede utilizar para determinar una forma del Teorema de Parseval en el caso de señales muestreadas. sin embargo. profundas implicaciones en el diseño y prestaciones de todos los tipos de sistemas de comunicación. < x 2 ( t ) >= Ex 1 = Ts Ts ∫ ∞ −∞ x 2 ( t )dt (5.5). expresión (5.300 V. expresión (1.). MODULACION Y TRANSMISION DE IMPULSOS N = 2f m T (5. 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.4) con 2 BTs = 1 y t o = 0 en (5.8) Reemplazando (5. 1 2B ∫ B −B exp[− j2 π (t − nTs )f ]df = sinc[2 B(t − nTs )] . una vez codificados digitalmente. por ejemplo.8).7) Esta expresión. 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). podemos aproximar la potencia promedio de x(t) dividiendo Ex por Ts . 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(. Los valores de muestra..49). es conocida también con el nombre de “dimensionalidad o teorema de la dimensionalidad”. Este sencillo enunciado tiene. Esto es de gran importancia en los sistemas de procesamiento y transmisión de señales digitales. Teorema de Parseval para Señales Muestreadas La ecuación de interpolación de Shannon. 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. como veremos posteriormente. pero sí deben ser independientes. En efecto. En rigor. de donde . El teorema de la dimensionalidad simplemente establece que la información contenida en una señal de banda limitada es proporcional al producto tiempo-ancho de banda. las muestras no necesariamente deben ser periódicas de período Ts.

10). es decir. B =| f 2 − f1 | . Por consiguiente. en la cual la frecuencia de muestreo puede tomar los valores [Hoffmann. la integral de la expresión anterior representa a x(t) en los instantes discretos nTs . . 5. y sea f1 y f2 los bordes de la banda de paso de X(f).9) La expresión (5.4 se muestra el espectro X s (f ) de x s (t ) en el cual. entonces 2 < x 2 (t ) >=< x r (t ) >= n =−∞ ∑x ∞ 2 (nTs ) (5. no se produce solapamiento entre los espectros. donde m es la parte entera de la relación f 2 / B”. x(t) = x r (t ).10) o que sean mayores que 2 f 2 . 2 2 f2 ≤ fs ≤ f m m−1 1 para m entero y m > 1 (5.10) 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 ). se puede muestrear a una frecuencia mínima f s = 2 f 2 / m . Muestreo de Señales Pasabanda “Una señal x(t) pasabanda de ancho de banda B y cuya frecuencia más alta es f2 . De (5. la integral es igual a x( nTs ) .301 V. Sea X s (f ) el espectro de la señal muestreada x s (t ) a una frecuencia de muestreo fs . es decir. Teorema No 3. Los valores permitidos de fs se pueden representar en forma gráfica a partir del siguiente desarrollo. aunque f s < 2 f 2 . < x 2 ( t ) >= 1 2f m Ts n = −∞ ∑x ∞ 2 ( nTs ) Como X(f) es de banda limitada f m = B . Valores de frecuencia superiores no son B necesariamente utilizables a menos que ellos cumplan con la condición (5.9) es una forma o aplicación del Teorema de Parseval para señales muestreadas. En la Fig. 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 . y para 2BTs = 2 fm Ts = 1 . 1975]. Para señales pasabanda existe entonces una relación más general que la condición de Shannon. Esta expresión la aplicaremos más adelante. siendo B=|f 2 − f1 | .

como se muestra en las líneas a trazos en la Fig.12) Graficando fs vs f2 en unidades de ancho de banda B. 5. 5. casi 4B muestras por segundo. si la gama de frecuencias se hubiese extendido desde f1 = 4. Para especificar esta señal sin ninguna distorsión. entonces B = 5 kHz. Por consiguiente. entonces la frecuencia de muestreo mínima tiende a 2B. ♣ Ejemplo 5. y del Teorema No 3 la frecuencia mínima de muestreo será de 104 muestras por segundo. fs 3B 2B B B 2B 3B 4B 5B 6B f Frecuencia Máxima de la Señal. donde B es el ancho de banda de la señal. Vemos que las frecuencias de muestreo siguen siendo iguales.999 kHz hasta f 2 = 9.302 V. 4B Frecuencia Mínima de Muestreo. 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 . asimismo. que son los límites de la frecuencia mínima de muestreo y que están ilustrados en la Fig.5. la frecuencia de muestreo debe ser como mínimo igual a 2B. Sin embargo.11) Si consideramos fs como la frecuencia mínima de muestreo (convirtiendo la desigualdad (5.5.1 Consideremos una señal de audio que ha sido pasada por un filtro pasabajo ideal de ancho de banda B = 5 kHz. ♣ . La frecuencia de muestreo mínima permitida depende entonces de la relación f 2 / B . su valor máximo será 4B.5. Si f 2 >> B . 5. es decir. es decir. la frecuencia mínima de muestreo de señales pasabanda estará siempre entre 2B y 4B. se obtiene el gráfico de la Fig. En el primer caso se emplea una frecuencia de muestreo que es dos veces el ancho de banda de la señal. MODULACION Y TRANSMISION DE IMPULSOS fs ≥ 2f 2 m (5. m = 2. 104 muestras por segundo. f 2 Fig. 4. se obtiene la relación 2 f s = ( )f 2 m (5. se puede utilizar un filtro pasabanda. m = 1 y la frecuencia mínima de muestreo será de 19998 muestras por segundo. mientras que en el segundo caso se obtuvo una frecuencia de muestreo de aproximadamente cuatro veces el ancho de banda. entonces B = 5 kHz.999 kHz .11) en una igualdad). Frecuencia Mínima de Muestreo Pasabanda En cuanto a la reconstrucción de la señal original a partir de su forma muestreada. 5.

como se muestra en la Fig.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.2). ~ (t ) = x (t ) ∗ p(t) = 1 x fo n =−∞ ∑ x(t − fn ) o ∞ (5. la señal x(t) (y por supuesto. y ~ X(f ) el espectro muestreado de X(f).14) siendo fo el intervalo de muestreo en frecuencia. 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. x Si x(t) es limitada en el tiempo de la forma x ( t ) = 0 para |t|> Tm entonces. La expresión (5. 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.6 (b) y (f). Teorema No 4 “Si X(f) es el espectro de frecuencias de una señal x(t) limitada en el intervalo (− Tm . 5. Sin embargo. consideremos el dual en el dominio de la frecuencia de las expresiones (5.6.14) es el dual de la expresión (5. entonces X(f) se puede determinar unívocamente especificando sus valores en una serie de puntos 1 separados cada Hz”. 5. Fig. ~ consistirá de réplicas periódicas de x(t) fo x(t) separadas en múltiplos de To = 1 / f o . Tm ) . con 1 (5.3).16) . vamos a presentar el dual del Teorema No 1. En este caso v (t ) = fo Π( t 1 / fo ) y x(t) = ~ ⋅ v(t) x(t) (5. 2Tm Para verificar este enunciado.2) y x(t) es la señal generatriz de una señal periódica ~ (t ) .303 V. su transformada X(f)) se puede recuperar mediante el empleo de lo que se denomina “ventana temporal de ponderación. A este efecto.15) > 2 Tm . en el cual una señal limitada en el tiempo se puede representar y reconstruir a partir de sus muestras en el dominio de la frecuencia. En este caso. Sea entonces X(f) el espectro de una señal x(t) limitada en el tiempo. 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. v(t)” que es el dual del filtro pasabajo definido en (5. ~ (5.1) y (5. En el dominio de la frecuencia.

El principio del Osciloscopio de Muestreo.18) es el dual de (5. la recuperación de x(t) utilizando la ventana temporal se puede interpretar como una interpolación en el dominio de la frecuencia. consiste en muestrear la señal rápida x(t) una vez cada período pero en diferentes puntos en los períodos . En efecto.16). Muestreo en el Dominio de la Frecuencia > 2 Tm no se cumple. 5. 5. 2. como lo era para muestras en el dominio del tiempo de una señal limitada en frecuencia.7.6. ~ X(f ) = X(f ) ∗ V(f) (5. Sin embargo. n =−∞ ∑X(nf o ∞ o )δ(f − nf o ) y V(f) = sinc( f ) fo (5.. En particular. entonces las réplicas de x(t) se solaparán y x(t) fo x no podrá recuperarse a partir de ~ ( t ) . cuyo principio de funcionamiento veremos a continuación. Si la desigualdad Mediante analogía con la interpolación en el dominio del tiempo.304 V. como se muestra en la Fig.17) donde ~ X( f ) = ∞ 1 por consiguiente. El desarrollo anterior se ha efectuado para señales limitadas en el tiempo centradas en el origen. 5. 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.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.) permite la interpolación exacta entre muestras en el dominio de la frecuencia para una señal limitada en el tiempo. el resultado deseado se puede obtener indirectamente utilizando el Osciloscopio de Muestreo. de (5.6(f). 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. si la señal es periódica.5). pero los resultados se pueden aplicar para cualquiera señal que exista en cualquier intervalo finito de duración 2Tm . ♣ Ejemplo 5. la función sinc(. como puede observarse en la Fig.

pero en la práctica este valor es mucho mayor. es decir. debe ser un intervalo elegido apropiadamente según el ancho de banda de x(t).7. pero como Ty = aTs . 5x103 Vamos a determinar X s (f ) cuando el muestreo se efectúa a la frecuencia de Nyquist. MODULACION Y TRANSMISION DE IMPULSOS sucesivos. ♣ ♣ Ejemplo 5. y(t) será proporcional a x( ) cuando a >> 1. entonces fs = 1 1 . es decir. entonces la frecuencia de muestreo del osciloscopio será f s = 1/ ( T + ∆t ). con ∆t tal que T = a∆t. si T es el período de x(t). pero ella nos proporciona los valores de Ty y Ts . ∆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 ). su salida y(t) será proporcional a la señal rápida original x(t) pero expandida en el t tiempo. De la Fig. cada período de x(t) a tiene el mismo perfil que el de y(t).3 Sea el sistema de la Fig. 5.7. T >> ∆t . Por ejemplo. Se desea calcular la salida y(t) del filtro pasabajo. de donde fm = 5x103 Hz. El incremento ∆t . 5. Si el tren de impulsos resultantes y s (t ) se pasa por un filtro interpolador pasabajo apropiado. 5.7.7. Fig. Esto nos permite obtener a = Ty / Ts y ∆t = Ts / (1 + a ) .8(a) donde la señal periódica p(t) tiene la forma mostrada en (b). podemos conocer también el período de la señal desconocida x(t) puesto que T = a∆t . de modo que. una vez determinados los valores de a y ∆t . 5. pero se diferencia en el factor de expansión a. Las señales y(t ) y x(t) tienen el mismo perfil. La señal y(t) se obtiene pasando y s ( t ) por un filtro pasabajo interpolador de ancho de banda B = f s / 2 . a = 6. 5.305 V. como se muestra en la Fig. Para efectos ilustrativos en la Fig. La frecuencia de muestreo de Nyquist es f s = 2 f m = 10 4 Hz = 10 kHz . f Sea x(t ) = 5 ⋅ sinc 2 (5x103 t ) ⇔ X(f) = 10-3 Λ ( ).

la señal original podrá recuperarse a partir de su versión muestreada solamente si la señal muestreadora contiene una componente continua. T = 5x10 -5 seg. 5. ∞ ⎧ f . ∑ Obsérvese que P(f) no contiene una componente en el origen (cero componente continua) y por lo tanto p(t) no podrá utilizarse para el muestreo de señales pasabajo.8(c).104 n Λ( ) para n impar y n ≠ 0 20 ⎪ X s (f ) = X (f ) ∗ P(f) = ⎨ n = . En efecto. la función generatriz g(t) de p(t) es g(t ) = δ(t ) − δ(t − T) ⇔ G(f) = 1.8(b).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.∞ 5x103 ⎪0 para n par ⎩ ∑ El espectro X s ( f ) tiene la forma mostrada en la Fig. ♣ .306 V. 5. en general. Nótese que. 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. X s (f ) será entonces.28. De (1. También. 5. La salida del filtro pasabajo es cero. T 2T 2T 2T ⎧1 ∞ ⎫ n δ(f − ) para n impar y n ≠ 0⎪ ⎪ P(f ) = ⎨ T n = −∞ 2T ⎬ ⎪0 ⎪ para n par ⎩ ⎭ Entonces. 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.103).8 5 10 15 25 kHz 30 35 f De la Fig.

MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. .9(b).9(a). de fácil realización física. se pueden distinguir dos casos de muestreo práctico: el “muestreo natural” y el “muestreo con retención”. los cuales consideraremos a continuación.2. Dependiendo del uso que se hace de la señal muestreada. 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. f2 = 5. f 2 = 55 kHz.4 Sea x ( t ) = 10sinc 2 (5x10 3 t ) cos(10 5 πt ) . de donde B = 10 kHz.307 V. 5. La distorsión producida por los circuitos reales de muestreo la trataremos en la próxima sección. x ( t ) ⇔ X(f) = 10 -3 ⎢ Λ ( ) + Λ( )⎥ 5x10 3 5x10 3 ⎦ ⎣ El espectro X(f) se muestra en la Fig. como se muestra en la Fig. Por otro lado.3. 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. 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. una señal que vamos a muestrear y recuperar. 5. ♣ 5. X(f) (a) -55 -50 -45 0 10 − 3 Filtro kHz f X s (f ) 45 50 55 -38 -33 -28 -22 -16 -11 0 -6 -1 1 f 6 11 16 22 28 33 38 44 50 55 (b) Fig. Un mejor conocimiento físico e intuitivo de los mecanismos y teoremas del muestreo se puede obtener si se considera circuitos reales.9 kHz 60 ⎡ f + 5x10 4 f − 5x10 4 ⎤ Del teorema de la modulación. 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 → 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 .

S( f ) = τ s f s n =−∞ ∑sinc(nτ f )δ(f − nf ) s s s n =−∞ ∞ (5. a las frecuencias ±nf s. de (1. la cual deja pasar la señal cuando la señal muestreadora está en “ALTO” e impide el paso cuando está en “BAJO”. como se muestra en la Fig.10(f). 5. 5. El muestreo natural equivale a multiplicar la señal original por una señal muestreadora periódica rectangular de amplitud unitaria. Muestreo Natural de Señales Pasabajo La señal muestreada. como se muestra en la Fig. del espectro X(f) de la señal original. Esta “multiplicación” generalmente se instrumenta con una compuerta analógica (por ejemplo.20) Del teorema de convolución. los espectros están .10.19) donde s(t) es una señal periódica rectangular. 5. Fig. Fig.71) y (1. El espectro X s (f ) de la señal muestreada x s ( t ) es la repetición periódica.308 V. el muestreo debe ser realizado necesariamente con impulsos de amplitud finita y duración distinta de cero. un MOSFET cualquiera). tiene la forma x s (t ) = x (t ) ⋅ s(t ) (5. período igual al intervalo de Shannon y valor promedio distinto de cero.10(a). ∞ 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. cuya transformada de Fourier es. 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. 5.10(e).10(b).105). 5.21) ponderados por un factor de escala decreciente con nfs que es [ τ s f s sinc(nτ s f s )] . MODULACION Y TRANSMISION DE IMPULSOS Muestreo Natural En la práctica. pero a diferencia del muestreo ideal.

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. es Ts. Consideremos entonces una señal periódica g Ts ( t ) cuya señal generatriz g(t) tiene cualquier perfil. de (1.5. 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 . 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. Esto es más cierto por cuanto los circuitos eléctrónicos de conmutación no producen impulsos perfectamente rectangulares. ♣ Ejemplo 5. En este caso. entonces. siempre que Ts cumpla con el teorema de Shannon.21) pero el factor de ponderación es f sG (nf s ) . Nótese también que pese a que el muestreo no es instantáneo. La señal muestreada será x s ( t ) = x ( t ) ⋅ g Ts (t) ⇔ X s (f ) = X(f ) ∗ G Ts (f ) donde g Ts (t ) = n =−∞ ∑g(t − nT ) s ∞ y g(t) ⇔ G(f) G Ts (f ) = f s n =−∞ ∑ G (nf )δ(f − nf ) s s ∞ y X s (f ) = f s n =−∞ ∑G (nf )X(f − nf ) s s ∞ Esta expresión para Xs(f) tiene la misma forma que (5. y (b) que la señal periódica contenga una componente continua (Ver Ejemplo 5. MODULACION Y TRANSMISION DE IMPULSOS Ts 1 = es un número entero. ella puede desarrollarse en serie de Fourier. entonces a las frecuencias nfs múltiplos de τ sfs τ s 1 / τ s las correspondientes componentes de Xs(f) serán cero. 5. < 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 [ ] . el cual se puede determinar fácilmente si g(t) es conocida gráfica o analíticamente.19) donde s(t) es una señal periódica rectangular de amplitud unitaria y ciclo de trabajo τ/Ts . Nótese que la ganancia del filtro interpolador en el caso de muestreo ideal. 5. Puesto que s(t) es periódica. Nótese que si La forma del espectro de la señal muestreada de la 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.3).47). 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 . por definición. Fig. τ s < Ts ). Potencia de una Señal Muestreada Natural Consideremos la señal muestreada xs(t) dada por (5.309 V. no se produce distorsión: x(t) se puede recuperar de xs(t) independientemente del valor de τ s (pues. Para recuperar x(t). expresión (5.3).10(b).

♣ 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. por ejemplo). Esta situación se resuelve manteniendo o reteniendo los valores instantáneos x(nTs) durante un tiempo apropiado. del Teorema de Parseval. x(t) x s (t ) t 0 τ h = Ts Ts (b) Señal Muestreada NRZ X(f) 1 x s (t ) (e) C f t 0 τh (a) Señal Muestreada RZ Ts x(t) x s (t ) x(t) (c) p(t) x i (t ) h(t) X s (f ) (d) p(t) −f m 0 fm (e) τ h f s sinc( τ h f ) 1/ τh 2f s fs −f s −f m 0 f m 3f s Ts = 3τ h (f) Espectro de la Señal Muestreada para Fig. Esta operación se denomina “Muestreo con Retención (Sample and Hold)” o “Muestreo de Topes Planos”. MODULACION Y TRANSMISION DE IMPULSOS Pero la cantidad dentro de los corchetes es. por ejemplo un codificador. En la Fig. Con el muestreo natural la amplitud de las muestras varía en el intervalo τs y el sistema.310 V.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)”. la potencia promedio de la señal periódica s(t). sin demostrarlo. no sabría cuál es el valor exacto de x(nTs). que la expresión (5. < 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 (5.22) Diremos.11.22) es válida también cuando x(t) es una señal aleatoria pasabajo (ruido. Muestreo con Retención 4f s f . 5. 5. entonces.

si se trata de codificar una muestra x(kTs). Las réplicas de X(f) tendrán distorsión de amplitud: simétrica en el origen y asimétrica en las frecuencias nfs. 5.1) y (5.24). 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). como se muestra en la Fig. MODULACION Y TRANSMISION DE IMPULSOS Para propósito de análisis. El tiempo de conversión generalmente es un parámetro dado por los fabricantes de los codificadores. La duración de τ h depende de la utilización que se haga de la señal muestreada.25) En el caso de muestreo con retorno a cero (RZ). por ejemplo. debe verificarse entonces que t c ≤ τ h . Por otra parte.23) (5. En la próxima sección veremos esto con más detalle. entonces.27) En la Fig. el tiempo τ h deberá ser lo suficientemente largo para que se pueda efectuar la codificación. . τ h se denomina “tiempo de retención”. τ h < Ts .311 V.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 2.11(f) se muestra Xs(f) cuando τ h = Ts / 3. Esta distorsión se conoce con el nombre de “efecto de apertura” y es una distorsión de tipo lineal. Si t c es el tiempo de conversión del codificador. X s (f ) = τ h f s sinc(τ h f ) exp(− jπτ h f ) n =−∞ ∑ X(f − nf ) s (5. 5.26) cuya transformada de Fourier es. s n = −∞ ∞ n = −∞ ∑ x ( nTs )δ( t − nTs ) ⇔ X i (f ) = X (f ) * P(f ) = f s ∑ X(f − nf ) s ∞ (5.23). simplemente se reemplaza τ h por Ts .11(c). Nótese que si f s < 2 f m se produce solapamiento. El efecto de apertura se puede disminuir haciendo τ h más pequeño y puede ser eliminado mediante una red ecualizadora. x s (t ) = ⎢ τh ⎢ n =−∞ ⎥ ⎣ ⎦ ∑ x s (t ) = n =−∞ ∑ x(nT ) ⋅ Π( s ∞ t − τ h / 2 − nTs ) τh ∞ (5.17 y para el cual h(t) = Π( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) ⋅ exp(− jπτh f ) τh (5. ⎡ ∞ ⎤ t -τh / 2 x(nTs ) ⋅ δ (t − nTs )⎥ ∗ Π ( ) De (5. Si el muestreo es sin retorno a cero (NRZ). de (5. Esta distorsión en el espectro muestreado hace que la interpolación o recuperación exacta de x(t) no sea posible con un filtro pasabajo. el efecto del tiempo de retención τ h se refleja en H(f) produciendo ceros a las frecuencias k / τ h . Puesto que p( t ) = x i ( t ) = x ( t ) ⋅ p( t ) = ∞ n = −∞ ∑ ∞ δ( t − nTs ) ⇔ P(f ) = f s n = −∞ ∑ δ(f − nf ) .

312 V. El capacitor se carga cuando s(t) está en “ALTO” y mantiene ese valor cuando s(t) está en “BAJO”. lo que hace que el voltaje en el capacitor no alcance exactamente el valor x(nTs). MODULACION Y TRANSMISION DE IMPULSOS El muestreo con retención se realiza en la práctica agregando un capacitor a la salida de una compuerta analógica. cuando la compuerta abre. _ _ + C x(t) x s (t ) x(t) (b) R1 R2 C _ + + x s (t ) (a) s(t) s(t) Fig. 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 )] . En particular. 5. En la Fig. 5. pues. sobretodo si la salida es sin retorno a cero (NRZ). como se muestra en la Fig. el capacitor tratará de descargarse sobre la impedancia de salida. La situación se simplifica un poco si la salida es con retorno a cero (RZ). 5. Señal Muestreada 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 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. Fig. por un lado disminuye la distorsión por efecto de apertura. Fig. . 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 .6. 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. Entonces. (n − 1) Ts nTs (n + 1) Ts Fig. la corriente de carga del capacitor está limitada por la resistencia combinada de la compuerta y de la impedancia de salida de la fuente. 5. Esta señal muestreada. la cual debe ser lo más alta posible. Muestreadores con Retención.13. Los circuitos muestreadores prácticos difieren de los ideales en que mientras la compuerta permanece cerrada. ♣ Ejemplo 5.12 se muestra algunos muestreadores con retención usados en nuestro laboratorio. Asimismo. < x(t ) >= 0 . 5.13. duración τ y período Ts .13.11(d). pero por otro lado el circuito se complica porque hay que agregar una compuerta adicional que descarga a cero al capacitor. 5.12. para no hablar del aumento en el ancho de banda.

19) y (5. igual que el muestreo natural. 5.9). período Ts y duración τs .7 < x 2 (t ) >= s [ ] Consideremos el muestreador con retención de la Fig. 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. ♣ ♣ Ejemplo 5. entonces n=-∞ ∑ x(nT ) = 0. la potencia de la señal muestreada tiende en promedio a la potencia de la señal sin muestrear. 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. Puesto que < x(t ) >= 0.313 V. 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 ) > (5.21). 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. puesto que τ < Ts.28) Ts Ts Ts τ < x 2 (t ) >= < x 2 (t ) > y si A = 0.11(c) donde p(t) es un tren de impulsos rectangulares de amplitud unitaria. Si el muestreo es NRZ. reduce la potencia de la señal de entrada en un factor τ/Ts. El muestreo con retención.29) s Ts La potencia de la señal muestreada con retención es igual a τ/Ts veces la potencia de la señal original.

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

Pero los filtros prácticos no poseen esas características y una cierta cantidad de la energía de los espectros adyacentes puede pasar a la salida. como se muestra en la Fig. La eliminación de las componentes en la parte alta de la gama de la señal degrada la fidelidad de la transmisión hasta cierto punto. este efecto de inversión se puede utilizar acentuándolo para efectuar la inversión completa del espectro. Las componentes de frecuencia que se reflejan o invierten hacia las bajas frecuencias se denominan “frecuencias de solapamiento (folding frequencies)”. 5. en la telefonía digital las señales de voz se filtran a 3200 Hz antes de ser muestreadas a 8000 muestras por segundo.315 V. Para eliminar el efecto de las frecuencias de solapamiento.15. 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. En el Problema de Aplicación 5. método utilizado para preservar la privacidad de las conversaciones telefónicas. y ellas afectan seriamente la inteligibilidad de las señales de voz en los sistemas telefónicos.16. pero el efecto de la pérdida de inteligibilidad es mucho menor que si se permitiera el solapamiento. la práctica usual es la de filtrar previamente la señal a una frecuencia del 35% al 40% de la frecuencia de muestreo a fin de asegurarse que no hay componentes significativas más allá de fs/2. . Esto se muestra en la Fig. 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. si una señal sinusoidal de 60 Hz se muestrea a 100 muestras por segundo. Como ejemplo. 5. 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 . Sin embargo. Distorsión de Interpolación Para la recuperación de la señal original siempre hemos supuesto filtros ideales con bordes abruptos en las frecuencias de corte.10 se cuantifica el efecto de la distorsión de solapamiento. Por ejemplo.

17. H e (f ) = 1 para |f| ≤ B H (f ) 1 H e (f ) = para |f| ≤ B τh sin c(τh f ) (5. 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.17. ecualizador cuando τ h ≤ 4 . La distorsión de interpolación se puede eliminar mediante un diseño apropiado de los filtros. Nótese que si el tiempo de retención τ h es lo suficientemente pequeño. Como éste es un tipo de distorsión lineal.14. tales como los filtros Butterworth de tercer o cuarto orden.11 y 5. 5. o también.30) donde B es el ancho de banda del filtro de interpolación H I (f ) . 5. sucede que mientras Ts 4 f máxima diferencia entre la salida ideal X(f) y la -B 0 B salida Xs(f) para | f | ≤ B = f m es menor del 3%.18. Filtro Compensador del En la práctica se puede omitir entonces el filtro Efecto de Apertura. 5. Compensación del Efecto de Apertura. Fig. 5. Esta distorsión es producida por el producto de los espectros desplazados por la función de transferencia H (f ) = τ h sinc(τ h f ) .12 se cuantifica el efecto de la distorsión de interpolación. H e (f ) debe tener la forma aproximada mostrada en la Fig. las colas del filtro permiten el paso de componentes de frecuencia de espectros adyacentes. como se puede apreciar en las Figs. Entonces. Este proceso se muestra en la Fig. tanto xs(t) como la salida del filtro de interpolación se pueden procesar en un filtro ecualizador He(f) que cancele el efecto de H(f).316 V. En el Problema de Aplicación 5. 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. 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. la efecto. En 1/ τ h τh 1 ≤ . Ts ó Ts ≥ 4τ h . 5. 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.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.

3. SISTEMAS DE MODULACION ANALOGICA DE IMPULSOS 5. PAM)”. por ejemplo.1. respecto a un punto de referencia. Nótese que cada impulso dispone. puede transmitirse y en el destino se le puede extraer la información contenida en ella. La “Modulación de Posición de Impulsos (Pulse-Position Modulation. 5. La “Modulación de Amplitud de Impulsos (Pulse-Amplitude Modulation. Si en alguna forma se imprimiera sobre alguno de estos parámetros una variación proporcional a alguna otra señal. para su transmisión. PPM)”. Hay varias formas de modulación analógica de impulsos. se tendría lo que se conoce como “Modulación Analógica de Impulsos”. Un tren de impulsos está caracterizado por su amplitud. su período y la duración de cada impulso. PDM o PWM)”. en la cual la posición de cada impulso varía. (a) Ts m(t) t (b) PAM t (c) PDM t (d) PPM Fig. El período y la amplitud de los impulsos no cambian. El período y la duración de los impulsos no cambian. un tren de impulsos periódicos. de todo el ancho de banda del canal pero sólo lo ocupa durante parte de un intervalo Ts. La “Modulación de Duración o Anchura de Impulsos (Pulse-Duration (Width) Modulation. en función del valor de muestra de la señal mensaje. La amplitud y la duración de los impulsos no cambian. y que esta operación fuera reversible. pero tres son las más conocidas y utilizadas: 1. 3. no contiene ninguna clase de información. Un mensaje adecuadamente descrito por sus valores de muestra se puede transmitir mediante la modulación analógica de un tren de impulsos. 5.317 V. en la cual la altura o amplitud de cada impulso varía en función del valor de muestra de la señal mensaje.19. t .19 se muestra una señal mensaje típica m(t) y las tres formas de modulación analógica de impulsos correspondientes. Formas Básicas de la Modulación Analógica de Impulsos. Introducción De acuerdo con la definición de información que vimos en el Capítulo IV.3. 2. En la modulación analógica de impulsos cada valor de muestra hace variar proporcionalmente uno de los parámetros de cada impulso. MODULACION Y TRANSMISION DE IMPULSOS 5. en la cual la duración de cada impulso varía en función del valor de muestra de la señal mensaje. el tren de impulsos. En la Fig. así modulado.

este tipo de transmisión se denomina “Transmisión en Banda de Base”. 5. Una señal x PAM (t ) unipolar con retorno a cero tiene entonces la forma. anchos de banda muy grandes no son necesarios. Nótese que en ausencia de modulación [ m( t ) = 0] . se sigue que sus espectros serán iguales (salvo por un impulso en el origen).32b) Nótese que β m = B / f m es “la relación o factor de expansión del ancho de banda” definida en el Capítulo IV. entonces τ f s 2f m B ≥ 2k fm B ≥ 2 kf m y β m = (5. En general. MODULACION Y TRANSMISION DE IMPULSOS 5. para efectos de sincronización.32a) Ts 1 1 = k . por lo tanto. En PAM. y como estos valores se mantienen aún cuando B = . Entonces. Ts es el intervalo de Shannon.318 V. y Ts = = . La recuperación o demodulación se efectúa mediante filtros interpoladores y ecualizadores.3. la amplitud de cada impulso varía proporcionalmente con cada valor de muestra de la señal mensaje m(t).31) tiene la misma forma que la expresión (5.31) donde A > |min m(t)| es una constante que se agrega a m(t) para evitar. excepto por la constante A. Como la señal PAM es interpolada en base a sus valores de 1 amplitud en los instantes de muestreo. Modulación de Amplitud de Impulsos (PAM) En la modulación PAM.19(b). Si B≥ 1 τ (5. Como la expresión (5. de (5. sin ningún otro tipo de modulación. entonces se tendrá que . una señal PAM no es otra cosa que una señal muestreada con retención. se τ puede tomar este valor como el mínimo ancho de banda B. Se supone también que < m(t) >= 0 . la transmisión sería analógica continua y el proceso de muestreo no tendría sentido. donde k > 1. Si el ancho de banda del canal fuera igual a fm . Anchos de banda ligeramente mayores que fm producirían solapamiento en el tiempo (time crosstalk) lo que introduce distorsión. como la señal PAM mostrada en la Fig. el cual se denomina “Ancho de Banda de la Banda de Base”. que los impulsos modulados puedan ser de amplitud cero o negativa. x PAM (t ) = n =−∞ ∑ [ A + m(nT )] ⋅ Π( s ∞ t − nTs ) τ (5. Como k > 1 y puede variar según la aplicación. la expresión (5. él se comportaría como un interpolador. como se describió en la sección anterior.26). que representa la portadora sin modular. período Ts y duración τ . vimos. τ la duración de los impulsos y |min m(t)| es el valor de la máxima excursión negativa de m(t).26). pues las señales se transmiten tal como se generan.2. 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. Por otro lado.31) se convierte en un tren de impulsos periódicos de amplitud A.

Este muestreo. un muestreo de tipo natural. la señal recibida es v (t ) = x PAM (t ) + n(t ) donde n(t) es ruido blanco de densidad espectral η / 2 . se hace a la misma frecuencia que el muestreo del mensaje en la emisión.36) Ts 2 ) es la ganancia de potencia del filtro interpolador. 5. que veremos en detalle más adelante. 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.6. el receptor está abierto cuando no hay presencia de impulsos y cerrado cuando éstos están presentes.35) (5. Del Ejemplo 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. A la entrada del receptor PAM.34) A la entrada del filtro interpolador la potencia de la señal útil será Si = y a la salida. que Ts >> τ . Este funcionamiento intermitente constituye.33) < x 2 (t ) >= PAM τ A 2 + < m 2 (t ) > Ts [ ] (5. la potencia promedio de xPAM(t) es (5. 5. Se supone que el filtro τ ecualizador no es necesario. 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. Para permitir el funcionamiento en multiplex.20.20.319 V. apareciendo ésta a la entrada del filtro interpolador. En cuanto a las relaciones S/N en PAM. Fig.20. MODULACION Y TRANSMISION DE IMPULSOS β m >> 1. . para las perturbaciones presentes en la entrada. tanto el filtro de entrada como el sincronizador serán transparentes para la señal PAM. el muestreo en el receptor no afecta a la señal útil pero sí al ruido presente a la entrada. Como consecuencia. como veremos más adelante. consideremos el receptor PAM de la Fig. gracias a los dispositivos de sincronización del receptor. expresión (5.28). donde Gp = ( τ < m 2 (t ) > Ts So = G p T τ < m 2 (t ) >= s < m 2 (t ) > τ Ts (5. es decir. 5.

42) (5.32). En efecto.22).320 V. (5.39) A la salida del filtro interpolador de ancho de banda fm y ganancia de potencia Gp .21.41) So < m 2 (t ) > = No ηf m y la correspondiente ganancia de conversión. la densidad espectral a la salida del filtro de entrada tendrá la forma de la Fig. de (5.43) La ganancia de conversión en PAM es igual a la relación de expansión del ancho de banda. Esto nos permite expresar la ganancia de conversión en otra forma. La potencia de ruido a la entrada del muestreador será N 'i = ηB e y a la entrada del filtro interpolador. So / N o B = = β m en PAM Si / N i fm (5.21. Si < m 2 (t ) > = ηB Ni (5. Ni = ( τ τ ' )N i = ( )ηB e . 5. la potencia de ruido será entonces No = Gp ( T τ )ηf m = s ηf m Ts τ (5. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. de (5.40) Las relaciones S/N entrada-salida serán. 5. con B e = B .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. 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 (5.44) . B e >> f m Ts Ts S 'ni ( f ) (5.37) Podemos demostrar que la densidad espectral de ruido a la salida del muestreador es S ni (f ) = ( τ 2 η ) 2 Ts n =−∞ ∑ ∞ sinc 2 (n f − nf s τ ) ⋅ Π( ) (5.

Una señal PDM tiene entonces la forma x PDM ( t ) = ∞ n = −∞ ∑ AΠ ⎢ τ(nT ) ⎥ ⎦ ⎣ s ⎡ t − nTs ⎤ (5.3.164). de la relación de bloqueo del receptor. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PAM depende también de la relación (Ts/τ). 5. y (5. lo que se puede apreciar haciendo τ = Ts en (5. vemos que ⎡ So ⎤ T ⎡S ⎤ =2 s⎢ o⎥ ⎢ ⎥ τ ⎣ N o ⎦ DSB ⎣ N o ⎦ PAM (5. de (2.162) con Ac = 1.44) y comparando con (2. es decir. 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. esto hace que el comportamiento de este sistema de modulación de impulsos sea superior.164). En efecto.42). las ganancias de conversión serían iguales. y viceversa. Si Ts es el período o intervalo de Shannon. 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.45) Aunque el receptor no estuviera bloqueado. en cuyo caso τ = Ts . 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. 5. mientras que el valor más negativo corresponde al impulso más angosto. el sistema PDM debe ser cuidadosamente diseñado de acuerdo con los niveles de señal máximos y mínimos esperados.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 la práctica. por ejemplo. τo es la duración de τo los impulsos no modulados. que veremos posteriormente. ver Fig.22. como se muestra en la Fig.46) (5. la modulación PAM no se utiliza para transmisión directa de información sino como un paso previo de procesamiento.321 V.3. Obsérvese que el valor más positivo de m(t) corresponde al impulso más ancho. 5.48) (5.19(c).49) . sin embargo. Como la información está contenida en la variación de la amplitud de los impulsos. A este efecto. la relación [So/No]PAM es superior en 3 dB a la relación [So/No]DSB . sobre todo en los sistemas de modulación de impulsos codificados (PCM). 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. los valores de τo y τ1 se eligen de tal manera que se cumplan las siguientes condiciones. Como es evidente. los sistemas PAM son muy sensibles al ruido aditivo. Nótese que el bloqueo del receptor permite aumentar la ganancia de conversión aunque a expensas de un aumento en el ancho de banda. al del sistema de doble banda lateral (DSB) de acuerdo con la expresión (2. hay entonces un intercambio o compromiso entre el ancho de banda y la relación S/N. B el ancho de banda de transmisión y < m(t) >= 0 .

es decir. Nótese que la expresión (5. Para demostrarlo. Demodulación PDM La señal PDM se puede demodular con un simple filtro pasabajo. En la misma figura se muestra el algoritmo de decisión del comparador y las relaciones entre los diferentes parámetros. En la Fig. lo cual es difícil de efectuar en el caso general.22. MODULACION Y TRANSMISION DE IMPULSOS |max m(t)| y |min m(t)| son los valores de las máximas excursiones positiva y negativa. lo cual no parece tan obvio cuando se observa la forma de la señal. m( t ) = sen(ω m t ) . 5.49) implica que m t | min m(t)| < 1 o también que τ o > τ 1 | min m(t)| . Una forma de generación de una señal PDM se ilustra en la Fig. la señal PDM queda en la forma .22 se observa que la variación de la duración del impulso se efectúa simétricamente alrededor del instante de muestra nTs. la tarea se simplifica y el resultado se puede extender para el caso general.23. entonces τ = τ (t ) = [τ o + τ 1 sen(ω m t )] . lo cual nos asegura que el ancho mínimo del impulso nunca será cero o negativo. respectivamente. 5. 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 . de m(t). 5. pero también se puede mantener fijo un borde del impulso mientras que el otro borde es el que se desplaza.322 V. primero hay que determinar el espectro de la señal PDM. 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 . Un tren de impulsos sin modular. Relaciones de Duración en PDM. Ts τ(nTs ) τ min t 1 1 nTs (n + )Ts (n − )Ts τo 2 2 Fig. si se supone el caso de modulación sinusoidal o modulación con un simple tono. Sin embargo. Definiendo también α n = nπτ o f s y β n = nπτ1f s . x(t).

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 . 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.23.50b) Esta integral no puede resolverse en forma analítica. pero puede reconocerse como el Coeficiente de Bessel de primera clase. 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.18).323 V.β n sen(x))] ⋅ dx (5. (Ver Problema 5.5Vu < Vp < 2Vu. se obtiene Zk = 1 2π ∫ π −π exp[-j(kx . orden k y argumento β n . 0 Señal PDM t (b) (c) Fig. hacer 1. En efecto. 5. Esta función generalmente se . 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.

53) Nótese que aunque la modulación es sinusoidal con un tono único de frecuencia fm. aunque en general es suficiente un filtro pasabajo de ancho de banda f m . (n =2 y k = -3). 5. La situación mejora si el muestreo se hace a una frecuencia mayor que la frecuencia de Nyquist.3. Ancho de Banda en Sistemas PDM En los sistemas PDM la información está contenida en la duración de los impulsos y por lo tanto la modulación está representada como diferencias de energía en los impulsos sucesivos de diferente duración. es decir. 3. Sin embargo. si f s = 2 f m . el espectro de x PDM (t ) contiene entonces una componente continua. una componente a la frecuencia fm y componentes a las frecuencias f nk = nf s + kf m para n = 1. constituyendo componentes de distorsión.24. antiguamente a la modulación PDM se la conocía con el nombre de Amplificación Clase D. ±1. 2. MODULACION Y TRANSMISION DE IMPULSOS denota en la forma J k (β n ) y se encuentra extensamente tabulada (En el Capítulo VI.. en general. hay que transmitir impulsos y el ancho de banda del canal dependerá de la duración del impulso más angosto. Algunas de estas frecuencias son iguales a fm . El ancho de banda de la banda de base en PDM será entonces. sino también en el control de motores eléctricos..54) τ min donde τ min viene dado por (5.49). Como dato histórico. La modulación PDM o PWM se aplica actualmente no solamente en aplicaciones en comunicaciones y procesamiento de señales.. hace muy pequeña en comparación con la señal deseada y puede ser despreciada. Fundamentalmente. como se muestra en la Fig.y k = 0. etc. En particular. ±2. entonces f nk = (2n + k )f m y habrá componentes de distorsión para (n = 1 y k = -1). 5.55) B PDM > B PAM .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.. 1 B≥ en PDM (5..52) x PDM ( t ) = y finalmente. Entonces.24. se muestra una Tabla de Coeficientes de Bessel para algunos valores de k y β n ). . más pequeño que el τ en PAM. Sección 6... para n ≥ 1 o ( β n > 1). la amplitud de las componentes de distorsión se Señal PDM Filtro Pasabajo K m(t) B = fm Fig.51) k =−∞ ∑J ∞ k (β n ) exp( j2πkf m t ) (5.324 V. de modo que se puede decir que (5. del τ min del sistema. Z k = J k (β n ) de donde exp[ jβ n sen(ω m t )] = (5.. Demodulación de Señales PDM. Nótese que el τ min en PDM es.

4. a tal punto que la modulación PPM se puede obtener directamente a partir de la modulación PDM en la forma mostrada en la Fig. o por la posición del punto. sería muy conveniente. si el ancho de banda del canal lo permite. Las modulaciones PPM y PDM están íntimamente relacionadas. Modulación por Posición de Impulsos (PPM) En la modulación PPM la posición de los impulsos. transmitir impulsos muy angostos modulados en PPM. como veremos más adelante. Una señal PPM se puede expresar en la forma x PPM (t ) = ∞ n =−∞ ∑ AΠ⎢⎣ ⎡ t − nTs − ∆ (nTs ) ⎤ ⎥ τ ⎦ (5. y como la potencia es proporcional a la duración de los impulsos. la información posicional es también transmitida por la posición del borde frontal del impulso. Señal PDM Señal PPM Señal PDM Multivibrador Monoestable 0 t El Multivibrador se dispara en los bordes traseros de la Señal PDM (a) Ts t Señal PPM 0 (b) Fig.325 V. como puede observarse en la Fig. como se muestra en la Fig. por donde cruza el borde frontal. MODULACION Y TRANSMISION DE IMPULSOS La relación exacta entre BPDM y BPAM dependerá de los valores de τ .19(d).25. en el eje del tiempo.56) donde ∆(t ) = m t m(t ) es el desplazamiento instantáneo del impulso respecto al instante de referencia t = nTs . En un sistema PPM la información está contenida en los desplazamientos de los impulsos de un tren de impulsos. Debido a la compatibilidad que existe entre los sistemas PDM y PPM. 5. varía proporcionalmente de acuerdo con los valores de muestra de la señal mensaje.25. τ o . τ 1 y m(t). la portadora. .3.26. 5. Generación de Señales PPM a partir de Señales PDM. Como la información reside en la posición temporal de los bordes del impulso y no en el impulso mismo. con referencia a un punto dado. 5. 5. La potencia requerida para PPM será entonces inferior a la requerida para PDM y ésta ya es una ventaja muy importante que se refleja en las correspondientes relaciones S/N. Como la amplitud y la duración de los impulsos se mantienen constantes. 5. sus relaciones S/N serán tratadas simultáneamente en la próxima sección.

0 < mt ≤ 1 lo cual nos asegura que los impulsos serán siempre positivos. D(t ) = nTs + ∆ (t ) .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. es difícil de calcular en el caso general. 5. el desplazamiento (5. . pero que se puede estimar en el caso de modulación sinusoidal. Demodulación PPM Para determinar el proceso de demodulación de una señal PPM es necesario conocer su espectro. de donde D(t ) = nTs + ∆ ( t ) ⎧ t ⎡ t − D(nTs ) ⎤ ⎪ = A ⎨Π ( ) ∗ x PPM (t ) = AΠ ⎢ ⎥ τ ⎣ ⎦ ⎪ τ n =−∞ ⎩ ∑ ∞ ⎫ ⎪ δ[t . de (1. el ancho del impulso puede hacerse tan pequeño que se puede aproximar mediante t impulsos unitarios.D(nTs )]⎬ ⎪ n=.326 V. igual que en PDM. Modulación PPM. Sea entonces. 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). Entonces. entonces (5. es decir.58) Pero como la información está contenida en el desplazamiento D(t) del impulso y nó en el impulso mismo. el cual.106).∞ ⎭ ∑ ∞ (5.26. MODULACION Y TRANSMISION DE IMPULSOS Ts A ∆( nTs ) τ t 1 (n − )Ts 2 nTs Fig. ⎧ ⎪ x PPM (t ) = A ⎨δ (t ) ∗ ⎪ ⎩ ∞ ⎫ ⎪ δ[t .D(nTs )]⎬ = A δ[t − D(nTs )] ⎪ n=-∞ n =−∞ ⎭ ∑ ∞ ∑ Se ha demostrado [Greg. que Π( ) ≈ δ (t ) [no tomando en cuenta su efecto sobre el ancho de τ banda]. 1977) que si δ[t − D(nTs )] = |1 − ∆ ' (t )|⋅δ[t − nTs − ∆ (t )] donde ∆ ' ( t ) es la derivada de ∆( t ) Por consiguiente. Entonces.57) donde |m(t)|max es el valor máximo de m(t) y mt el índice de modulación PPM.

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 ) . Muchas de estas componentes. 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. podemos demostrar que exp[− jβ n sen(ω m t )] = k =−∞ ∑J ∞ k (β n ) exp(− jkω m t ) . es necesario efectuar una integración para restaurar la componente de la señal útil a su perfil original. igual que en PDM. Además del filtrado pasabajo. s n x PPM (t ) = Af s [1 − m t m' (t )] pero. de (1. pero aún así la distorsión de la señal es más pronunciada que en PDM.60) podemos observar lo siguiente: aunque la modulación es sinusoidal con un simple tono de frecuencia fm. igual que en el caso PDM.106b). La demodulación directa de señales PPM se puede efectuar entonces en la forma indicada en la Fig. 5. pero este tipo de modulación no se emplea en la práctica. ∞ ∞ ⎧ ⎫ ⎪ ⎪ 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. 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 (5.27(a). la señal PPM.60) Desarrollando (5. constituyen términos de distorsión de muy baja amplitud que pueden ser despreciados.327 V. 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. 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 . .52) mediante los coeficientes de Bessel.

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

El valor tr se puede relacionar con B en la forma dada en el Capítulo II.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. Impulso con Ruido Impulso sin Ruido n(t) A A/2 t ∆τ Umbral de Detección tr τ Fig. Por consiguiente.62) Veamos ahora la influencia del ruido en PPM. 5. ∆τ n (t ) = tr A (5. En la Fig.19(a).65) A A donde Ni es la potencia de ruido a la entrada del demodulador en el receptor.63) Si n(t) varía. dentro de la banda de transmisión B se verifica que t t N τ = ( r ) 2 ηB = ( r ) 2 N i (5. Impulsos Recibidos. . Si la señal recibida se ha contaminado con ruido. Influencia del Ruido en PPM. éste causará un error en la posición de los impulsos. si el ruido es blanco y tiene una densidad espectral η / 2 . es decir. entonces. Vemos también que si ∆τ es proporcional a n(t). es decir. su potencia promedio será proporcional a la potencia promedio de n(t). Ejemplo 2. 5. 5.64) Sea entonces N τ la potencia promedio de ∆τ . Como los impulsos se transmiten por canales de ancho de banda finito.329 V. MODULACION Y TRANSMISION DE IMPULSOS La relación entre los anchos de banda de la banda de base en PAM.29. tr De la geometría de la Fig. de tal manera que estos se pueden considerar como impulsos trapezoidales. se produce dispersión en los bordes de los impulsos recibidos. 5.29.29. como se muestra en la Fig. PDM y PPM será B PPM > B PDM > B PAM (5. t r ≈ 1 / 2 B . 1 Nτ = Ni 4A 2 B 2 Como la salida es proporcional a la entrada con una constante k de proporcionalidad o de demodulación. < ∆τ 2 >= ( tr 2 ) < n 2 (t ) > A (5. entonces ∆τ variará proporcionalmente.

para τ >> 2t r .67) Reemplazando en (5.67) el valor de A2 dado por (5. La potencia de entrada de la señal PPM. Desviación Sinusoidal de la Posición de los Impulsos en PPM.69) se reduce a So / N o 1 3 = βm Si / N i 16 en PPM (5.69) Si β m >> 2 .68) = 4 s B 2 < m 2 (t ) > en PPM τ Si / N i La expresión (5. 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. es. la expresión (5. 5. MODULACION Y TRANSMISION DE IMPULSOS No = k2Nτ = k2 4A 2 B 2 Ni s o ( t ) = k m( t ) y S o =< s 2 ( t ) >= k 2 < m 2 ( t ) > o En cuanto a la señal.70) . Si la modulación es sinusoidal y a máxima modulación (con mt = 1).66) (5. de la Fig.30. como se muestra en la Fig. 5. nTs τ 1 (Ts − τ ) 2 8 Si el muestreo se ha efectuado a la frecuencia de Nyquist (Ts = 1 / 2f m ) y haciendo la aproximación B = 1/τ.66). su efecto es el de producir un desplazamiento ∆(t ) de la forma 1 ∆(t) = m(t) = (Ts − τ) ⋅ cos(ωm t).29. la ganancia de conversión será So / N o T (5. 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.30.330 V. τ 2 Si = A Ts La relación de postdetección So/No será entonces So 4 A 2 B 2 < m 2 (t ) > = No Ni (5.68) puede expresarse en otra forma.

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

es decir. 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 .5. So / N o 1 2 = βm Si / N i 4 en PDM βm − 1) 2 2 3 ( β m + 2) 2 ( en PDM (5.82) .76) 1 (Ts − 2 t r ) ⋅ cos(ω m t ) . 5.3. MODULACION Y TRANSMISION DE IMPULSOS So / N o 24Ts B 3 = < m 2 (t ) > Si / N i 3BTs + 2 en PDM (5.78) La ganancia de conversión en PDM es proporcional al cuadrado del factor de expansión del ancho de banda β m . la ganancia de conversión será So / N o = 8B 2 < m 2 (t ) > Si / N i en PDM (5. PPM y PDM. (5. En todos los casos se ha tomado la potencia de ruido a la entrada igual a ηB. En función de la relación de expansión del ancho de banda β m = B/fm .80) Si β m >> 2.77) (5.75) con Ts = 1 / 2f m y 8 B = 1 / 2t r . 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 .79) (5.75) Si B >> 2f m . donde B es el ancho de banda de la banda de base.81) En PDM: β ( m − 1) 2 So / N o 3 = βm 2 3 Si / N i 2 ( β m + 2) 2 (5. Reemplazando en (5. si BTs >> 1 . cuya 2 Con modulación sinusoidal y modulación máxima. Comparación entre las Ganancias de Conversión en Sistemas PAM. El sistema de modulación PDM es un sistema de banda ancha que permite intercambiar ancho de banda por potencia.332 V.

79) y (5. De (5.62).80).82). El sistema PPM es superior a PAM para β m > 6 . ⎡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. 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. los cuales tienen una cierta probabilidad de ocurrencia cuando el ruido es gaussiano.85) Para β m = 24 .32. MODULACION Y TRANSMISION DE IMPULSOS Si β m >> 2.79) y (5. .86) El mejoramiento de la ganancia de conversión en PPM. situación que puede presentarse en sistemas con multiplex. En relación con los anchos de ban-da.8 dB superior a PAM. En efecto.8 dB. el mejoramiento de la ganancia de conversión en PPM es 14.82). es de 8 dB superior a PDM. para β m = 24 . el mejoramiento de la ganancia de conversión en PDM sobre PAM es de 6.333 V. ⎡So / N o ⎤ ⎡S / No ⎤ 1 3 = ( β m + 2)⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 6 2 ⎣ S i / N i ⎦ PDM (5.80) y (5. de (5. En general.83) Si el ruido y el ancho de banda son los mismos en los tres sistemas. El sistema PDM es superior a PAM para β m > 8 . en donde se muestra la variación de las ganancias de conversión en función del factor de expansión del ancho de banda βm . B PPM > B PDM > B PAM (5. El sistema PPM es superior a PDM para β m > 3 .84) Por ejemplo.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. para las ganancias de conversión y con β m > 8 se cumple que ⎡So / N o ⎤ ⎡S / N o ⎤ > ⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM ⎣ S i / N i ⎦ PDM ⎡S / N o ⎤ > ⎢ o ⎥ ⎣ S i / N i ⎦ PAM (5. De (5. se puede comparar PPM con PAM. So / N o β 2 = m 4 Si / N i (5. 5.87) Estas consideraciones se pueden apreciar mejor en la Fig. si β m = 24 . Veamos ahora la comparación entre PPM y PDM. de la expresión (5. Comparemos ahora PDM con PAM.

2.4. Modulación de Impulsos Codificados (PCM) En 1926. Los tres sistemas básicos de modulación digital de impulsos son: • La Modulación de Impulsos Codificados (Pulse-Code Modulation. donde la palabra “digital” significa “amplitud y duración discreta”. PCM) • La Modulación Diferencial de Impulsos Codificados (Differential Pulse-Code Modulation. duración y posición) varían en forma continua de acuerdo con la señal mensaje. MODULACION Y TRANSMISION DE IMPULSOS Cuando el ancho de banda aumenta. PDM y PPM solamente el tiempo se expresa en forma discreta. mientras que los respectivos parámetros de modulación (amplitud. Rainey. de los Estados Unidos. como podremos constatarlo a medida que avancemos en el texto. Las condiciones prácticas del medio establecerán el nivel umbral y los valores apropiados correspondientes de la relación S i / N i .1. este umbral es uno de los factores limitativos de los sistemas de banda ancha. se llega entonces a una “región umbral” no importa si se aumenta el valor A de la amplitud de la portadora a fin de mantener una relación S i / N i fija. pues los componentes electrónicos existentes para la época no eran apropiados para la codificación digital de señales. DPCM) • La Modulación Delta Lineal (Delta Modulation.4.4. Los sistemas prácticos de modulación digital de impulsos. el correspondiente aumento en la potencia de ruido produce una cantidad suficiente de falsos impulsos que impiden aumentar el ancho de banda. A. cuando introducimos el concepto de codificación binaria y m-aria. . patentó un sistema para la transmisión de voz basado en el método de Rainey. 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. Durante más de 20 años el concepto PCM se consideró como una simple curiosidad científica. En la modulación digital de impulsos el mensaje es representado por secuencias de impulsos digitales. SISTEMAS DE MODULACION DIGITAL DE IMPULSOS 5. Posteriormente. M. en 1936. son esencialmente sistemas binarios. Este sistema se conoce desde entonces con el nombre de Modulación de Impulsos Codificados (PCM). Reeves. P. 5. Introducción En los sistemas PAM. desarrolló un método para transmitir una representación de una señal continua mediante una sucesión de valores discretos de la misma señal. La transmisión de información se lleva a cabo entonces en forma analógica en tiempos o instantes discretos.334 V. entonces ingeniero de la ITT en Francia. por cuestiones de tipo tecnológico. y fueron los dispositivos de estado sólido los que iniciaron el gigantesco desarrollo que estamos presenciando. DM) 5. H.

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

2 2 Los niveles de comparación estarán a ∆Q / 2 sobre o bajo x qk (mTs ).33. Principio de la Cuantificación de Señales en Modulación PCM. Consideremos el proceso de cuantificación uniforme bipolar mostrado en la Fig. N = 2 n el número de niveles de cuantificación y n el número de impulsos de las secuencias codificadas. 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. 5. respectivamente.336 V. 3. 5. Vqmax y n generalmente son los datos o parámetros del cuantificador. 2. donde Vqmax = | x q (mTs )|max y Vmax = | x (mTs )|max son los valores máximos o pico de la señal cuantificada y de la señal muestreada PAM. ∆Q es el paso de cuantificación.34(b).⋅⋅⋅⋅. 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.91) .34. 5. La señal cuantificada x q (mTs ) está acotada por | x q (mTs )| ≤ (N − 1) ∆Q ∆Q = (2 n − 1) = Vqmax 2 2 (5.89) y sus valores particulares vendrán dados por ∆Q N x qk (mTs ) = ± (2 k − 1) para k = 1.90) (5. También | x (mTs )| ≤ N ∆Q = 2 n −1 ∆Q 2 (5.

34(c). ∆Q Vqmax Vmax e max = | e q (mTs )|max = = = (5. debe cumplirse también que | m(t )|max ≤ Vqmax + ∆Q = Vmax 2 De (5.337 V. Rq”.99) (5. ∆Q / 2 . ∆Q Vqmax Vmax = = 2 N−1 N (5. dependiendo del número de niveles de cuantificación elegidos.94) (5. el “error de cuantificación. como el intervalo mínimo que el cuantificador puede discernir.91).89) o (5.93) En la literatura se suele definir también la “resolución del cuantificador. e q ( mTs ) ”. 5. Fig.97b) Nótese que la resolución es la medida del error máximo en el cuantificador. 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. 5. Vmax = Vqmax + ∆Q 2 (5. 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”. pero el error máximo es.96) Obsérvese que para algunos valores específicos de m(t) el error es cero. En efecto. La existencia . de la Fig. la cual es inherente al sistema pero que podemos controlar y hacer tan pequeña como queramos.98) (5. MODULACION Y TRANSMISION DE IMPULSOS Por consiguiente. como consecuencia. por lo tanto. la cuantificación transforma un conjunto infinito de amplitudes en un conjunto finito de N amplitudes. se define en la forma e q (mTs ) = x q (mTs ) − x(mTs ) (5. e max % = 100 ⋅ e max (5. Algunas veces se prefiere normalizar los parámetros. Resolución R q = y en por ciento.100) En general.92) Para que no haya saturación en el cuantificador. es decir.95) R q % = 100 ⋅ R q Asimismo. En este caso se supone que el rango normalizado de la señal cuantificada es −1 ≤ x q ( mTs ) ≤ 1 . el paso de cuantificación es ∆Q = 2Vqmax N−1 = 2 Vmax N (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 = (5.97a) 2 N −1 N y en por ciento.34(c). para lo cual debe verificarse que | x q (mTs )|max = Vqmax = 1. el proceso de cuantificación introduce una cantidad inicial de distorsión.

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

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

. como tal. Como ejemplo de los requerimientos de ancho de banda en PCM. 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. 5. el cual es mucho mayor que el ancho de banda nominal de 4 kHz del canal de voz. 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. Puesto que β m >> 2 . 5. es decir. 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. de 64 kHz. el espaciado entre impulsos es uniforme a fin de ocupar el mínimo ancho de banda. 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. la señal de voz se filtra primero en un filtro pasabajo de 3. para 1 Ts ≤ se tiene: 2f m 1 ⎧ ⎪Ts = nτ. consideremos la transmisión digital de la voz en sistemas telefónicos.102) donde RT es el ciclo de trabajo.340 V.37. como se muestra en la Fig. B PCM ≥ = = log 2 N Secuencias RZ: τ Tn RT RT y βm = 2 log 2 N RT (5. fm la frecuencia máxima de la señal mensaje m(t). R T = . hay que considerar si las secuencias PCM son sin o con retorno a cero (NRZ o RZ).35(a). está relacionada con la exactitud con la cual se puede recobrar la señal.2 kHz y luego se muestrea a una frecuencia de 8000 muestras por segundo. de acuerdo con (5. y.101). A este respecto. Como norma en los sistemas telefónicos. Aunque la voz contiene frecuencias superiores a los 10 kHz. 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. 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 .101) (5. 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. Esta es la razón por la cual no se puede transmitir voz digitalizada en PCM por los canales telefónicos. en consecuencia.

la relación S/N a la salida está limitada únicamente por el ruido de cuantificación. Sobre la región umbral. la expresión (5. < s 2 (t ) >= S o = o (∆Q) 2 2 n (2 − 1) 12 (5. n = . mientras que el ruido de cuantificación se genera únicamente en el transmisor y es llevado hasta la salida del receptor. 1977] que las potencias promedio de la señal PCM y del ruido de cuantificación a la salida del descodificador. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. no hay un camino continuo de transmisión para el ruido como lo hay en los sistemas de modulación analógica ya vistos. Cuando n ≥ 4. como veremos más adelante. Se ha demostrado [Gregg. sin embargo. Sin embargo. β m = 2n . Aparte de estos errores ocasionales. Como en el caso de los sistemas PAM. El ruido de transmisión se puede introducir en cualquiera parte entre el transmisor y el receptor. y el otro el ruido de cuantificación. 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. el ruido de transmisión se hará muy pequeño en comparación con el ruido de cuantificación (caso de alta relación S/N).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. PDM y PPM.341 V. en PCM binario. distorsionan la señal m(t) recuperada. 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. ya mencionados. Cuando se opera con relaciones S/N de entrada muy por encima de la región umbral. Asimismo. denominado también “ruido de descodificación”. puede causar errores de decisión en el detector. esto es.101). son. De (5. que son de interés: uno es el ruido de transmisión. por supuesto.106) B β = m . si consideramos que la señal es regenerada en cada estación repetidora.105) es válida. respectivamente. Estos grupos erróneos son interpretados en el descodificador como amplitudes falsas que. de donde 2f m 2 Consideremos secuencias PCM NRZ. en los sistemas PCM hay dos tipos de ruido.105) Para altas relaciones S i / N i en el canal (10 dB o más). generalmente el ruido de transmisión no aparece a la salida. para relaciones S i / N i menores. se puede caer dentro de la región umbral y los resultados de dicha expresión ya no serían válidos. y normalmente el ruido de transmisión no se toma en cuenta en el diseño original del sistema. el ruido de transmisión. Como ya lo hemos señalado.103) (5. con el resultado que éste emite la correspondiente secuencia de impulsos regenerados pero erróneos. entonces 2 2n >> 1 y So = 2 2 n = N 2 para n ≥ 4 No (5.

etc.38(a) se grafica la relación S o / N o en dB para diferentes valores de n. 1966. 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.110) donde Pe . 1979].107) y en dB. Bennet y Stein. Cuando se compara PCM con PAM. depende del tipo de modulación utilizado y de la relación de predetección S i / N i a la entrada del receptor. 1987. pues. La relación de postdetección S o / N o en PCM. (5. Si el ruido de descodificación no puede ser despreciado.112) En la Fig. de (5. la potencia total de ruido a la salida será entonces 2 2 N o =< n q (t ) > + < n d (t ) > (5.104).111) ⎡ So ⎤ 2 ( n +1) ⋅ Pe ⎢ ⎥ = 6. 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.109) donde < n 2 (t ) > es la potencia del ruido de descodificación y < n 2 (t ) > viene dada por (5. la probabilidad de error. . Puede observarse el efecto del umbral para valores altos de Pe (baja relación S i / N i ).108) La relación señal/ruido de cuantificación crece exponencialmente en función de la relación de expansión del ancho de banda. Se demuestra [Shanmugan. cuando se toma en cuenta el ruido de descodificación es.103). 5.02 ⋅ n − 10 log 10 1 + 2 ⎣ N o ⎦ dB [ ] en PCM (5. véase también [Schwartz. para valores bajos de Pe (alta relación S i / N i ). la relación S o / N o es prácticamente constante.104) y (5. un sistema de banda ancha.02 ⋅ n ⎣ N o ⎦ dB en PCM NRZ (5. ⎡ So ⎤ ⎢ ⎥ = 3. 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 (5.342 V. se observa que el intercambio “ancho de banda-relación S/N” es mucho más favorable en PCM que en los otros sistemas. El sistema PCM es. Biglieri y Castellani. 1979].]).01⋅ β m = 20 ⋅ log 10 N = 6.110). Benedetto. se calcula la probabilidad de error Pe para diferentes esquemas de modulación PCM. (En la referencia citada más arriba [Shanmugan. que la potencia promedio del ruido de descodificación es 2 < n d (t ) >= (∆Q) 2 2 n 2 ⋅ Pe 3 (5. PDM o PPM. MODULACION Y TRANSMISION DE IMPULSOS So = 2 β m = N 2 en PCM NRZ No (5.

113) ⎛ ⎡ S ⎤ ⎞ 6. que es la misma expresión (5. Puesto que la probabilidad de error Pe depende del esquema de modulación empleado y de la relación de predetección a la entrada del receptor. si la probabilidad de error es una función de 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 . 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”.473x10 −2 2 2n para n entero (5. ⎜ N ⎟ Ni ⎝ ⎣ i ⎦ min ⎠ para n entero. 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. En efecto. Peopt ” a partir de la expresión (5.113) En la Fig.112).113). 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 . de la definición de umbral se obtiene Peopt = 6. entonces Peopt = f ⎜ ⎢ i ⎥ ⎟ y de la expresión (5.38(b) se grafica Peopt vs n. En efecto. y por cuanto Peopt corresponde a la mínima relación S i / N i .343 V. es decir. 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.473x10 −2 Peopt = f ⎜ ⎢ i ⎥ ⎟ = ⎜ N ⎟ 2 2n ⎝ ⎣ i ⎦ min ⎠ . 5.113). Se puede definir entonces la “probabilidad de error óptima. Si Pe = g ( ⎛⎡ S ⎤ ⎞ Si ) . La expresión (5.

Algunas de estas funciones g(. la salida cuantificada correspondiente a una entrada de -10 V tiene el valor -9. De (5. aumentos en la relación de predetección no se traducen en aumentos en la relación S/N de postdetección.4. al estudiar algunos esquemas de modulación de impulsos mediante portadora modulada. Más adelante volveremos sobre este tema.) las veremos más adelante. Vqmax = (N − 1) −14. Cálculo de otros parámetros: Ancho de banda de la banda de base: B = 2 nf m = 2 x5x5x10 3 = 50 kHz.. Vamos a calcular todos los parámetros asociados. la relación de postdetección S o / N o alcanza el valor de 6. que es independiente de la relación de predetección S i / N i .32 x10 −5 . Ts = Se quiere que e max = 1 2f m ∆Q 2n = 0. (m(t) = -10 V). β m = 10 Relación S/N de postdetección: Probabilidad de error óptima: So = N 2 = 1024 = 30. La función g(.531 V . Vmax = | m(t )|max = 15 V.844 V.02n dB. De acuerdo con la expresión (5.781 V (k = 12). El valor límite de S o / N o dependerá solamente del número n de impulsos de las secuencias PCM.313. de donde.05 ∆Q . De acuerdo con los datos.) depende del esquema de modulación utilizado. El valor máximo de la relación S/N de postdetección será 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. De (5.114). En resumen..113) permite determinar la relación de predetección mínima S i / N i para un valor determinado de n.89).7. el valor mínimo de m(t). En consecuencia.02n dB. en la Sección 5. sobre el umbral.344 V.531 V ≤ x q (mTs ) ≤ 14.90).93).1 dB No Peopt = 6. MODULACION Y TRANSMISION DE IMPULSOS La expresión (5.938 V entre niveles. 2 2 pues n es un número entero. siendo el nivel de comparación igual a -10. ♣ Ejemplo 5.938 V N 32 ∆Q = 14.531 V 2 de donde 2 n = 20 → n = 5. el cuantificador tendrá 32 niveles con una separación de 0. cuando se aumenta la potencia de la señal de entrada. N = 2 n = 32 niveles. También. ∆Q = 2 Vmax 30 = = 0. por lo tanto.844 V (k = 11) y -10. está entre -9. Se desea que la resolución o error máximo esté dentro del ± 5% del valor pico de la señal mensaje.05 ⋅ Vmax = 0. mientras que el correspondiente valor mínimo de la relación S/N de predetección se puede determinar a partir de la expresión (5.

9 De (4.39(a). Vamos a determinar todos los parámetros asociados y las formas de las secuencias PAMq RZ y PCM NRZ.39. Se tiene entonces. 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. Vmax = Vqmax + ∆Q ∆Q = (2 N − 1) .345 V. Fig.114) 0 ≤ m(t ) ≤ Vmax . a partir de la Fig. la velocidad de modulación es de 50 kbaudios. 5. la cual queremos codificar en PCM NRZ.18).34. ♣ ♣ Ejemplo 5. 5. Como el sistema es Ts binario y no se especifica impulsos redundantes. 5. La amplitud de m(t) varía entre 0 V y 7 V con un error máximo tolerable de 0. Vqmax = (N − 1)∆Q = (2 n − 1)∆Q .39(a). e max = 2 . se tiene. 5. MODULACION Y TRANSMISION DE IMPULSOS log 2 N = 50 kbps . 2 2 N e max = y n son siempre números enteros (5. 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. ∆Q = Rq 2 Para que el cuantificador no se sature o recorte la señal. Para un cuantificador uniforme unipolar.5 V. La frecuencia máxima de la señal es de 500 Hz. Este es un caso de cuantificación uniforme unipolar y las ecuaciones que caracterizan al cuantificador son ligeramente diferentes de las determinadas para cuantificación bipolar. la velocidad de información es Vi = Sea una señal m(t) como la mostrada en la Fig.

los valores de la señal PAM cuantificada x q (mTs ) en los instantes 0. su velocidad de información. que corresponden a las secuencias binarias (de tres dígitos cada una) 011.3. 6 V. música o video se muestrea a frecuencias ligeramente superiores a la frecuencia de Nyquist. se codifica y transmite la diferencia entre dos muestras adyacentes. esto es. B = = 3 kHz 3 τ En el presente ejemplo. es decir.40(a).39(a).01x10− 3 . En el transmisor. 101 y 010. τ = s .115) (5. (5. Ts = 1 ms. 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. Vi = n = 3 kbps Ts De la Fig. La eliminación de esta redundancia permite aumentar el rendimiento del sistema.39(b) se muestra la forma de la señal PCM NRZ. 5 V y 2 V.346 V. 5. siguiendo la práctica usual. DPCM”. En la Fig. Cuando estas muestras son codificadas en PCM convencional. respectivamente. pero. En la Fig. Fig. se observa que la variación de amplitud entre muestras adyacentes presenta una alta correlación.4.5 ⋅ V ∴ ∆Q = 1 V 2 ∆Q | m(t )|max = 7 = Vmax = (2 N − 1) ∴ N =8 y n=3 2 T 1 También. 5. que en promedio la señal no varía demasiado entre una muestra y la siguiente.40 se muestra el diagrama de bloques funcional de un sistema (transmisor y receptor) DPCM. La información está contenida en esta diferencia. 5. f s = 2 f m = 1 kHz. 5.116) . las muestras codificadas contienen información redundante que no es absolutamente esencial para la transmisión de la información. 3 V. el bit de menor peso (LSB) se transmite de primero. comparado con el sistema PCM convencional. 2Ts y 3Ts son. en la cual. MODULACION Y TRANSMISION DE IMPULSOS ∆Q = 0. ♣ 5. El mecanismo para disminuir la redundancia es el siguiente: en vez de codificar y transmitir cada muestra por separado. Ts . 110. mientras que el bit de mayor peso (MSB) se transmite de último. respectivamente. e max = Peopt = 1. el número de dígitos de los grupos de codificación será menor. Este esquema de modulación de impulsos se denomina “Modulación Diferencial de Impulsos Codificados. Modulación Diferencial de Impulsos Codificados (DPCM) Cuando una señal de voz.

Sistema de Modulación DPCM. por lo menos. ~ m q (mTs ) = m(mTs ) + e q (mTs ) (5. 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. Por ejemplo. N = 256 = 28 (código de 8 dígitos) para tener una calidad comparable.117) ~ La señal m q (mTs ) es entonces la versión cuantificada de la señal de entrada muestreada ~ m(mTs ) .115).115) es la diferencia entre dos muestras consecutivas que una vez cuantificada y codificada dará origen a la señal DPCM. entonces m(mTs ) representa la versión cuantificada de m(t) en el intervalo Ts anterior. ya que es la cantidad mediante la cual el filtro de predicción falla en la predicción exacta de la entrada. En la Recomendación G.116). x q ( mTs ) = m( mTs ) − m q [( m − 1)Ts ] valores discretos en el intervalo ∆Q ∆Q . En este caso particular. 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. pues si se conoce el comportamiento anterior de una señal hasta un cierto punto en el tiempo. ~ La señal cuantificada será. ≤| x q ( mTs )| ≤ ( N − 1) 2 2 { }q y tendrá Puede verse que si N > 2. y la señal x (mTs ) es el “error de predicción”. la instrumentación en DPCM es tan compleja como en PCM convencional. es posible hacer una cierta inferencia acerca de sus valores futuros.722 de la UIT-T se establece una frecuencia de muestreo de 16 . ADPCM”. de (5. La señal x ( mTs ) dada por (5. y como m(mTs ) = m q [(m − 1)Ts ] . mientras que en PCM convencional se necesitaría. La señal m( mTs ) es entonces una “predicción de m(mTs ) ”. 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.347 V.40. En este caso el sistema se denomina “Modulación Diferencial Adaptativa de Impulsos Codificados. el ancho de banda de la banda de base se reduce en 3/8. 5. un sistema DPCM con N = 8 = 23 (código de 3 dígitos) es aceptable para transmitir una señal de video. La red de retardo en el lazo de retroalimentación del transmisor se puede reemplazar por un filtro predictor.

5. Esto permite.4. puede ser importante y corresponder a un gran número de niveles de cuantificación. comúnmente denominado “limitador estricto (hard limiter)”. e(t ) = [m(t ) − m(t )] = ± ∆ Entrada Filtro m(t) Analógica Pasabajo m(t ) + _ Generador de Impulsos Bipolares fs Señal DM x ∆ (t ) (a) Transmisor DM x ∆ (t ) + Ruido Comparador Integrador Filtro Pasabajo m(t ) + Ruido Integrador km(t) (b) Receptor DM Fig. la señal m(t) se compara con una aproximación en escalera de ella misma. Como consecuencia. lograr aumentar el ancho de banda de la banda de base hasta 7 kHz para transmisión de voz de alta calidad. utilizando ADPCM. Sistema de Modulación Delta Lineal. Asimismo. la información a transmitir de cada muestra se puede representar en forma binaria como el sentido de la variación respecto a la muestra precedente. m(t ) . 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. la diferencia de amplitud entre dos muestras adyacentes se cuantifica en dos niveles +∆ ó -∆. el sumador y el operador signo se pueden instrumentar mediante un comparador. un “operador signo” mucho más sencillo de instrumentar que un cuantificador multiniveles convencional. como el paso de cuantificación es constante y de valor ∆. dependiendo del .41. En el transmisor.40. con el cuantificador reemplazado por un operador signo. Modulación Delta Lineal (DM) En el esquema de modulación DPCM la diferencia de amplitud entre dos muestras adyacentes. 5.41.348 V. MODULACION Y TRANSMISION DE IMPULSOS kHz con 14 dígitos binarios por muestra. cuando se muestrea a frecuencias normales ( f s ≥ 2f m ). 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 . 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.41(a). Fig. es decir. El cuantificador es. 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 .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. La salida del comparador serán niveles de amplitud ± ∆ . Nótese la simplicidad en la instrumentación. duración τ y amplitud ±A. se dice entonces que éste es un sistema de modulación delta lineal. 5. El diagrama de bloques funcional de un sistema de modulación delta lineal es idéntico al del sistema DPCM mostrado en la Fig. pues. se tiene el sistema de modulación delta lineal mostrado en la Fig. 5. y cuya salida es una señal en escalera que representa una versión cuantificada de la señal de entrada.

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

Ruido Granular y de Sobrependiente en Modulación Delta Lineal. y se produce cuando la pendiente de m(t) es superior a la pendiente máxima de m(t ) . El error o ruido granular se puede reducir aumentando la frecuencia de muestreo y/o disminuyendo la amplitud del paso de cuantificación ∆.120) Ts La amplitud máxima de m(t) a partir de la cual se produce sobrependiente será. se produce un incremento ∆ en m(t ) . Cuando la diferencia es mayor que ∆. 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. Vamos a determinar las condiciones necesarias para prevenir la sobrependiente. 5. Arranque m(t) Ruido de Sobrependiente Ruido Granular ∆ Ts m(t ) Fig. m(t ) ya no puede seguir a m(t) produciéndose el fenómeno de “sobrecarga o sobrependiente”.43. de ahí el nombre de “sobrependiente”. m(t ) la sigue en forma escalonada mientras las muestras sucesivas de m(t) no sean mayores que ∆. de (5.350 V. Este tipo de sobrecarga no está determinado por la amplitud de m(t) sino más bien por su pendiente. Cuando este impulso se retroalimenta a través del integrador.43. de modo que una condición suficiente para evitar la sobrependiente es que ∆ 2πf m A m ≤ = ∆ ⋅ fs (5. El fenómeno de sobrependiente es una limitación básica en la modulación delta lineal.43. Supongamos que inicialmente m(t ) < m(t ) . de manera que el primer impulso de salida sea positivo. . como se muestra en la Fig.119) La pendiente máxima de m(t ) es ∆ / Ts . Este proceso continúa durante el “intervalo de arranque” hasta que m(t ) excede a m(t) y se produce un impulso negativo. Cuando m(t) cambia. como se muestra en la Fig. 5. 5. La pendiente (5. 5. 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 ) .120). 43. m(t ) exhibe un comportamiento de rastreo sobre m(t) lo que da origen al “error o ruido granular”. Si m(t) permanece constante.

para una calidad comparable. en la transmisión de voz en PCM con f s = 8000 y n = 8 . Sea entonces A min = ∆ . Para más información sobre las técnicas adaptativas. 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. pero por otro lado. El problema de la sobrependiente se puede reducir entonces disminuyendo f m mediante filtrado de m(t). el rango dinámico de amplitud se puede definir en la forma Am A 1 fs RA = = m = ( ) (5. la resolución de la señal será muy pobre y la distorsión aumentará. el ancho de banda es mayor. si definimos = . denominación adoptada para distinguirla de la Modulación Delta Lineal. m(t ) será una señal periódica rectangular de amplitud pico a pico igual a ∆. 5.123) τ Ts 2 El ancho de banda de la banda de base es bastante grande. o aumentando el valor del paso de cuantificación ∆ o la frecuencia de muestreo f s .42. Si se disminuye f m o se aumenta ∆. ver la bibliografía. Los métodos de control de ganancia han dado origen a diferentes técnicas de la modulación delta.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 . MODULACION Y TRANSMISION DE IMPULSOS Am = ∆ fs ( ) 2π f m (5. su ancho de banda será 1 1 τ B DM ≥ . por ejemplo. como veremos más adelante. Aunque en este caso la distorsión de salida es muy severa. Fig.351 V. 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 . si se aumenta la frecuencia de muestreo se aumentan los requerimientos de ancho de banda de la banda de base. asimismo. mientras que en la modulación delta. controla la ganancia. se puede establecer un límite superior del rango de amplitudes tomando precisamente este valor como el de la mínima entrada reconocible por el codificador. 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. Estas tres son formas de la Modulación Delta Adaptativa. en la Modulación Delta Controlada Digitalmente (DCD) se utiliza un comparador digital que. y permanecerá en este estado mientras la variación de la señal de entrada no sobrepase el valor ∆. entonces B DM ≥ 2f s (5.121) Cuando la variación de m(t) es menor que ∆. en la Modulación Delta de Pendiente Continuamente Variable (CVSD) el valor de la ganancia se ajusta sobre un rango continuo. operando sobre una secuencia de error. en la Modulación Delta de Pendiente Variable (VSD) la ganancia se ajusta sobre una base discreta. el ancho de banda es del orden de 64 kHz. el rango de amplitud no puede ser muy alto porque ello implicaría altos anchos de banda de la banda de base. Por ejemplo. .

126) En cuanto a las potencias de ruido. 1 ⎧ ⎪ 5/ 2 2 ⎡ ∆ ⋅F ⎤ S o ⎪ 1. La relación de postdetección So/No se puede expresar en términos de ∆ r y Fs . en dB.127b) Generalmente se define el “Escalón o Paso Relativo.122).352 V. MODULACION Y TRANSMISION DE IMPULSOS Veamos ahora la influencia del ruido en modulación delta lineal. es decir. ∆ r ” y la “Frecuencia de Muestreo Normalizada. Fs ” en la forma ∆r = f ∆ ∆ = y Fs = s A m | m(t) |max fm (5.127a) ⎡ ∆ ⋅ fs ⎤ A2 >= m 1.44(a) se grafica la relación de postdetección So/No .128) Nótese que.8 ⋅ ⎢1 − ⎥ 2 ⎣ 2πf m A m ⎦ (5. en función del escalón relativo ∆ r para diferentes valores de la frecuencia de muestreo normalizada Fs . 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 ). donde ∆ rop es el “escalón relativo óptimo” correspondiente. Nótese que la relación So/No es máxima cuando ∆ rop ⋅ Fs = 2π .129) para ∆ r ⋅ Fs > 2π En la Fig. 1990].125) Para simplificar el cálculo de la potencia promedio de la señal.8 ⋅ ⎢1 − r s ⎥ + ∆2 ⎪ r =⎨ 2π ⎦ 3 ⎣ No ⎪ 3 ⎪ ⎪ 2∆2 ⎩ r para ∆ r ⋅ Fs ≤ 2π (5. que N oq =< n 2 (t ) >= q y N os =< 2 n s (t ) ∆2 3 5/ 2 (5.124) (5. se demuestra [Schwartz. consideremos el peor caso en la modulación delta lineal donde toda la potencia está concentrada en la parte superior de la banda de base. En efecto. 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. El valor máximo de la relación So/No será entonces . 5. de (5. ∆ r es el inverso del rango dinámico RA . que s o (t ) = A m sen(2πf m t ) cuya potencia promedio es S o =< s 2 (t ) >= o A2 m 2 (5.

el comportamiento en PCM es superior al de DM.44(b) se relacionan los parámetros Fs y ∆ rop de tal manera que. Para asegurar que la comparación se efectúa en idénticas condiciones. sobre el umbral. que 2 f s = 2nf m o Fs = n . la frecuencia de muestreo normalizada en DM es Fs = 8 . Para valores altos. 5. el mejor compromiso en modulación delta lineal es entonces el de aumentar la frecuencia de muestreo f s (o Fs ).44(a) se puede notar el angosto rango de valores del escalón relativo en el cual la relación de postdetección es máxima. el ruido de cuantificación se reduce pero el ruido de sobrependiente aumenta rápidamente. Nótese que la relación So/No mejora aumentando la frecuencia de muestreo f s (para f m constante). el valor del otro para máxima relación de postdetección So/No.130) En la Fig. a partir de la gráfica.38(a) en PCM y la curva para Fs = 8 de la Fig. para un mismo ancho de banda de la banda de base. de (5. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 3 = ⎢ ⎥ 2 ⎣ N o ⎦ max 2∆ rop (5. La comparación se puede efectuar observando la curva para n = 8 de la Fig. Nótese que. se puede estimar rápidamente. vamos a suponer que ambos sistemas utilizan aproximadamente el mismo ancho de banda para transmitir una señal analógica cuya frecuencia máxima es f m . a su vez.44(a) en DM. Por consiguiente. 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. 5. Para valores pequeños del escalón ∆r. 5.353 V.128) y (5. conocido un parámetro. el sistema PCM está por encima del valor óptimo del sistema DM en más de 43 dB. Esto. mientras que a la izquierda domina el ruido de sobrependiente. el ruido de sobrependiente desaparece pero el ruido de cuantificación o granular aumenta. . si consideramos un sistema PCM de 8 dígitos binarios (n = 8) para transmitir una señal de f m = 4 kHz de ancho de banda. Si el ancho de banda del canal lo permite. Se puede comparar el comportamiento de los sistemas PCM y DM en términos de la señal y de la complejidad de instrumentación. En la Fig. Esto implica. 5.101). puesto que si se aumenta f s se reduce el paso o escalón ∆ requerido para mantener un nivel específico de ruido de sobrependiente. reduce el ruido de cuantificación. Por ejemplo. donde Fs es la frecuencia de muestreo normalizada en modulación delta y n el número de dígitos por grupo de codificación en modulación PCM.

∆ rop = 2π|m(t)|max 2π ∆ = = 0. De la forma de m(t). los correspondientes parámetros serían: .8V . En primer lugar hay que determinar la frecuencia de muestreo normalizada Fs y el escalón relativo ∆ rop óptimo correspondiente.10 Se desea transmitir en DM una señal de audio de la forma m(t ) = 4 cos(8x10 3 πt ) . Por ejemplo.130). así como para otros distintos usos en muchas áreas afines. el C.9 dB ⎢ ⎥ ⎣ N o ⎦ max 2∆ rop De (5.I. El valor máximo de la relación de postdetección se puede calcular a partir de (5. ⎡ So ⎤ 3 = 2 = 38. ya mencionado. para una relación S/N de 15 o más dB. en transmisión de voz el sistema CVSD. industriales y espaciales. se puede tomar Fs = 32. ♣ Ejemplo 5. Esta simplicidad. el sistema de modulación delta es mucho más sencillo que en PCM.196 y ∆ = = 0. De la Fig. el ancho de banda de la banda de base es B = 2 f s = 256 kHz . En resumen. A m =| m( t )| max = 4 y f m = 4 kHz .907 = 15.9 dB No B = 256 kHz f s = 2 f m = 8 kHz Nótese que si la transmisión fuera en PCM. de donde f s = 32 f m = 128 kHz . y aún más ahora que se consiguen circuitos integrados para la modulación delta adaptativa. MC3418 que es un modulador/demodulador delta de pendiente continuamente variable que permite operar entre 9600 bps y 64 kbps.8 V So = 15. por ejemplo. combinada con una buena calidad de voz.123).785 ≈ 0.8V Fs | m(t )|max Fs La amplitud | m(t )|max = 4 se cubrirá con 5 escalones de amplitud ∆ ≈ 0. La relación de postdetección So/No es máxima cuando Fs = 2π / ∆ rop . 5. y cuya relación S/N de postdetección es del mismo orden que 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. MODULACION Y TRANSMISION DE IMPULSOS El comportamiento del sistema DM se puede mejorar considerablemente utilizando las técnicas de la Modulación Delta Adaptativa.44(a). Vamos a determinar los parámetros necesarios para su transmisión con una relación de postdetección superior a los 15 dB.354 V. En efecto. de comunicaciones militares. entonces. necesita un ancho de banda de 32 kHz que es la mitad de lo requerido en PCM. En cuanto a la complejidad del equipo. como. ha generado un considerable interés en el uso de las técnicas de la modulación delta en sistemas de telefonía comercial.

la relación So/No en PCM es 32. entre otros la interferencia intercanal. Esto lo haremos más adelante.5. Hay otros factores que intervienen también en menor grado en la degradación de la señal. Introducción ♣ En general. la información digital (secuencias de impulsos) se transmite tal como se genera. . Transmisión Binaria en Banda de Base. que son los que pueden transmitir señales desde CC en adelante. 5.45. en general.1.3 dB superior a la de DM. La señal de banda de base será. consideremos el modelo de un sistema de transmisión binario en banda de base mostrado en la Fig. pero solamente consideraremos la interferencia intersímbolo y el efecto del ruido. MODULACION Y TRANSMISION DE IMPULSOS Número de impulsos por grupo: Relación S/N de postdetección: n = 8 (típico) So = 2 2 n = 65536 = 48. 45.165 dB No Ancho de banda de la banda de base: B = 2 nfm = 64 kHz Para este caso particular. 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 ) . una secuencia de impulsos PCM (RZ o NRZ) que se transmite por conductores metálicos u ópticos. El filtro H ( f ) de entrada al receptor debe ser diseñado entonces tomando en cuenta todos esos factores. TRANSMISION DE IMPULSOS EN BANDA DE BASE 5. El canal está modelado mediante un sistema lineal invariante en el tiempo de función de transferencia H c (f ) y una fuente de ruido aditivo n(t) que podemos suponer gaussiano. efecto conocido con el nombre de “interferencia intersímbolo”. 5. (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 densidad espectral S n ( f ) e independiente de la señal v(t). de valor promedio cero.5. y (2) la degradación producida por el ruido n(t). sin ningún otro tipo de procesamiento o codificación que no sea digital. Para generalizar el enfoque.355 V. 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. un sistema digital de banda de base es aquel que transmite información digital generalmente a bajas frecuencias y por canales pasabajo. 5. la fluctuación de fase (“jitter”) y el desvanecimiento selectivo.

se muestrean en forma secuencial mediante un interruptor rotatorio o “conmutador”. 5. combinar en el transmisor los mensajes de varias fuentes de información.356 V. “multiplex” o “multiplaje”. en el tiempo y sin solapamiento. mediante modulación y sin solapamiento. Consideremos el transmisor. El conmutador efectúa f s revoluciones por segundo y extrae una muestra de cada entrada durante una revolución. Este tipo de multicanalización lo estudiaremos con más detalle en el Capítulo VI. Como solamente se necesita un transmisor y un receptor. La “Multiplicidad por División de Tiempo (Time-Division Multiplex. El sistema TDM combina. Esto se efectúa muestreando todas las señales y entrelazándolas. La “Multiplicidad por División de Frecuencia (Frequency-Division Multiplex.2. La banda de frecuencias o intervalo de tiempo asignado a cada mensaje individual se denomina comúnmente “canal”. Esta señal PAM/TDM puede ahora modularse en cualquiera de los sistemas de modulación de impulsos vistos en las secciones anteriores. El proceso de operación multicanal permite. aunque mucho más complicados. La separación de las señales individuales en el receptor se efectúa mediante circuitos de sincronización apropiados. con la diferencia de que cada grupo de codificación corresponde a un mensaje diferente. los espectros de las señales mensaje individuales y formar así un espectro compuesto o señal de banda de base compuesta que se transmite.46(c). el tiempo es compartido por las señales individuales. La señal PCM/TDM tendrá una configuración como la mostrada en la Fig. transmitirlos como un solo bloque y luego separarlos en el receptor. como se muestra en la Fig. 5. costo. Hay dos formas de multicanalización que son de interés: 1.5. pudiéndose aprovechar el intervalo entre muestras para transmitir las muestras de otras señales mensaje. TDM)” 2. por supuesto.46(a). las señales se transmiten simultáneamente pero ellas se reparten el ancho de banda disponible del canal de transmisión. 5. MODULACION Y TRANSMISION DE IMPULSOS 5. 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. La forma más común es la modulación PCM. limitadas a una banda f m por los filtros pasabajo (FPB) de entrada. como se muestra en la Fig. FDM)” El sistema FDM. 5. Pero en la práctica es necesario enviar simultáneamente una gran cantidad de mensajes diferentes por un medio de transmisión dado. La transmisión de cada muestra ocupa todo el ancho de banda del canal pero sólo una parte del tiempo. las cuales disponen para su transmisión de todo el ancho de banda del canal. Fig. 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. En esta sección haremos énfasis en la transmisión en banda de base. codificados o no.46 para cuatro señales diferentes. mediante las técnicas llamadas de “multiplicidad”. . en esencia consiste en colocar lado a lado. 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. una ventaja de la operación multicanal es la disminución de equipo y. el cual es directamente aplicable a señales continuas. en cuyo caso se tendrá un sistema PCM/TDM.35(a). los valores de muestra. Cuatro señales diferentes. de los mensajes individuales.

Entonces. Fig. 5.46.357 V. 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.47. 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. 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.46(b). También puede lograrse la sincronización mediante métodos que veremos más adelante. 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. lo cual permite un control exacto de la sincronización. incluidos en la misma señal de banda de base o por canales separados. y los parámetros de interés. 5. El período de base Ts corresponde al intervalo de Shannon y el conjunto de impulsos en él incluidos se denomina “trama”. 5.47 se muestra el entrelazamiento de M canales en PCM/TDM y PAM/TDM. En la Fig. T 1 5. τ= TM T 1 = s = n nM 2nMf m . Sistema Multiplex por División de Tiempo (TDM). de la Fig. TM = s = = τ + τg M 2 Mf m y en PCM / TDM. en algunos sistemas se transmite impulsos especiales de sincronización. Para lograr esta sincronización. En el receptor. 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.

si f MAX es la frecuencia más alta del conjunto de señales de entrada. Interferencia Intersímbolo Un aspecto de considerable importancia en la transmisión de impulsos en banda de base es el ancho de banda requerido para el canal de transmisión. El producto Bτ = 1. 5. es decir.12. Entrelazamiento de las Muestras en Multicanalización TDM La frecuencia f m es la frecuencia máxima de las señales de entrada. esta frecuencia está limitada por los filtros pasabajo de entrada.3. B= 1 τ (5.47. veremos algunas aplicaciones de estos conceptos.11 y 5.358 V. Sin embargo. A expensas de una pérdida de resolución entre impulsos adyacentes se puede disminuir el ancho de banda para tener el producto Bτ = 1/2. Por ejemplo. . Si B es el ancho de banda del canal y τ la duración de los impulsos a transmitir. 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. especialmente en transmisión de señales PCM/TDM NRZ. 5. B= 1 2τ (5. En los Ejemplos 5. se suelen aplicar dos criterios para la selección del ancho de banda B: 1. la frecuencia de muestreo f s dependerá de la mayor frecuencia presente. si las frecuencias máximas de las señales de entrada fueran diferentes.5. generalmente no hay problemas en la transmisión de impulsos en banda de base. entonces el intervalo de muestreo Ts = 1 / 2f MAX . pero este sobremuestreo no representa ningún problema. es decir.131b) Si Bτ > 1. Las señales cuyas frecuencias máximas son menores que f MAX resultarán sobremuestreadas.131a) 2.

los impulsos recibidos tendrán la forma mostrada en la Fig. en cuyo caso se tiene la relación duración-ancho de banda dada por (5. Cuando el ancho de banda aumenta al doble. y τ es la duración de los impulsos. para que no se produzca interferencia intersímbolo: (a) que los ceros del impulso .48(a).131b) o en cualquiera otra forma... como sabemos. en este caso la situación ha mejorado pero ésta seguiría siendo la salida de un filtro pasabajo ideal que. 5. se puede transmitir teóricamente 2B símbolos por segundo. presentarán una gran dispersión cuando llegan al receptor y se solaparán con los impulsos adyacentes. no es físicamente realizable.131b) marca el límite teórico del ancho de banda y está de acuerdo con la frecuencia de Nyquist.48(b). es decir. La cantidad de interferencia depende del ancho de banda del canal. 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. algunas veces llamadas “ecos”. 5. Esto significa que si se dispone de un ancho de banda B. pero más importante es el efecto de la amplitud de las colas. establecidas por Nyquist.131b). resultaría en distorsión de intermodulación. Nótese lo cercanos que están los impulsos en la Fig. B = 1/τ.48(a). En estos casos no se produce interferencia intersímbolo. la expresión (5. ±2.. Esta dispersión se denomina “interferencia intersímbolo” y es de particular importancia en sistemas PCM/TDM NRZ. se obtiene utilizando impulsos unitarios en el transmisor y considerando el canal como un filtro pasabajo de ancho de banda B = 1 / 2τ . mostrado en la Fig.131a) o (5. si el ancho de banda del canal es demasiado pequeño.. como se muestra en la Fig. 5.359 V. 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. 5.48(a) o (b) para una secuencia binaria NRZ 1 1 0 1 1. Los filtros reales deben aproximarse a esta característica ideal pero deben poseer las siguientes propiedades. dependerá de la dispersión permisible de un impulso sobre los impulsos adyacentes. ±1. efecto que puede introducir una cierta incertidumbre respecto al instante de muestreo y producir distorsión a pesar de no existir interferencia intersímbolo. pues resulta en distorsión cruzada o de intermodulación. a esto hay que agregar otros factores como el perfil del impulso y el método de detección en el receptor.. en efecto. MODULACION Y TRANSMISION DE IMPULSOS La cuestión de si el ancho de banda debe ser calculado de acuerdo con (5. persistan durante varios intervalos. aunque las colas de los impulsos. No obstante. donde a n = 0 ó 1. Esto resulta así cuando los impulsos recibidos tienen la forma a n sinc[(t − nτ ) / τ ] . n = 0. Este perfil.. los impulsos que pueden estar bien separados en el punto de origen.

entonces los impulsos recibidos tendrán la forma mostrada en la Fig. 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 . (b) que la amplitud de las colas o lóbulos laterales sea muy pequeña.45. se muestra la forma de H(f). 5. pero sin las indeseables colas de los impulsos. En resumen. y si B = 1/ τ .131a). Capítulo II. por ejemplo. Nótese. En este caso es necesario colocar redes ecualizadoras en los dos extremos del canal. cuyas características.48(a). . 5. donde B = 1/τ . que corresponde a la expresión (5.360 V.48(a) o (b) decrecen solamente con 1/t. y si el canal tiene un ancho de banda B.49 se muestra la secuencia de impulsos NRZ 1 1 0 1 1 recibida cuando se aplica el criterio de Nyquist. sin embargo.20. La incertidumbre respecto a los instantes de muestreo es menor y no se produce interferencia intersímbolo. mientras que las colas de la Fig. 2. H c ( f ) y H ( f ) deben ser diseñados conjuntamente de acuerdo con el esquema de modulación utilizado y las normas técnicas aplicables. que los sistemas H T ( f ). Nótese que la forma de la salida del filtro de Nyquist tiene características similares a las de la salida ideal mostrada en la Fig. que en la práctica las características de los canales son muy variadas y por lo general no pueden ser modificadas. El costo que hay que pagar es que se podrá transmitir solamente B símbolos por segundo. donde τ es su duración. son: para la primera forma del Filtro de Nyquist. el primer cero de h(t) estará en t = 1/B y la amplitud de las colas prácticamente es despreciable. 5. En la Fig. determinadas en el Ejemplo 2. y (c) que el ancho de banda máximo del impulso sea B ≤ 1/ τ .49 y no se producirá interferencia intersímbolo. Esto significa. Un sistema que cumple con estas características es el Filtro de Nyquist. donde H (f ) = 0 para | f | > B . H (f ) = 1 ⎡ f πf ⎤ sinc(2Bt) ⎢1 + cos( B )⎥ ⋅ Π ( 2B ) ⇔ h(t) = 2B ⎣ ⎦ 1 − (2 Bt ) 2 En la Fig. MODULACION Y TRANSMISION DE IMPULSOS recibido pasen por los instantes de muestreo adyacentes. Igual razonamiento se aplica para la segunda forma del Filtro de Nyquist. en relación con la Fig. Esto es así porque las colas en el filtro de Nyquist decrecen con 1/t3. 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. 5. 5.29(a).

50 se muestra algunos de los códigos de línea utilizados en la práctica. Códigos de Línea Hasta ahora hemos supuesto que las señales PCM transmitidas estaban codificadas en binario natural con o sin retorno a cero.2. hay que tomar en cuenta el aspecto económico. 6.9. Sección 3. esto es. Que las señales de temporización puedan ser fácilmente extraídas de la señal recibida. En el Capítulo III. En el Capítulo III. ninguna “palabra” del “alfabeto” utilizado debe ser la primera parte de otra palabra. denominadas “Códigos de Línea”. se determina la densidad espectral de algunos códigos de línea. lo cual produce una elevada tasa de errores. Por otro lado. los cuales complican los circuitos de control automático de ganancia en el receptor. De esta manera se asegura una mayor confiabilidad. En general. MODULACION Y TRANSMISION DE IMPULSOS 5.2. La componente continua. 2. Mientras algunos sistemas pueden transmitir directamente en binario natural. . con las siguientes condiciones: 1. El código debe ser eficiente para aprovechar al máximo la capacidad del canal y ser inmune a las interferencias y ruido. Es muy difícil que un solo código pueda satisfacer todas las condiciones anteriores. La señal codificada debe poseer muchas transiciones o cruces por cero. se calculan las densidades espectrales de potencia de algunos de estos códigos. requerimientos de ancho de banda. En la Fig. 5. Que el contenido espectral sea el más adecuado según las características del medio de transmisión. deberá ser cero en los bordes de la banda y máximo en el centro de la misma. y otros factores. y la selección de un determinado código va a depender de su aplicación. además de demandar potencia adicional.5.361 V. los códigos de línea deben cumplir. También es deseable que la descodificación pueda realizarse inmediatamente luego de recibida la secuencia. El espectro deberá estar contenido dentro de una banda restringida.4. Es deseable que el código sea fácil de generar y detectar a fin de reducir la complejidad y costo del sistema. Que la señal codificada pueda ser descodificada unívocamente para permitir la recuperación fiel de la secuencia original. es decir. produce “derivas” en la línea de base de la señal. Estas formas tienen algunas ventajas en términos de facilidad de procesamiento y sincronización. Sección 3. el código de línea debe satisfacer la “condición del prefijo”. Además de los aspectos puramente técnicos.9. la presencia de componentes continuas produce impulsos unitarios periódicos en el espectro. Para ello. 3. aunque la señal original contenga largas secuencias de UNOS o CEROS. Que la amplitud de la componente continua sea lo más pequeña posible. 5. 4. entre otras. otros convierten las secuencias binarias originales en nuevas secuencias binarias.

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

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

52(A). . La duración de la trama es de 125 µseg y la de cada dígito de 0. denominado también CEPT-1 PCM-30 (es el Nivel 1 de la Jerarquía Europea. La duración de cada trama es de 125 microsegundos. formada por 16 tramas. Además. En consecuencia.5 mseg. está formado por 32 canales. MODULACION Y TRANSMISION DE IMPULSOS inmunidad al ruido y a medida que avanzaba la tecnología de los circuitos integrados. 3. siendo 488 nanosegundos la duración de cada dígito. tiene una duración de 2 ms. el primer cero del espectro está a una frecuencia de 1544 kHz y el valor máximo está a 772 kHz. el período de cada ranura es de 3906 nanosegundos. 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 0.733 de la UIT-T. La trama contiene 32 ranuras de tiempo RT de las cuales dos son para señalización y alineación. En el Sistema T1 básico se multiplexan 24 señales de voz que forman la llamada Trama T1. Como la frecuencia de muestreo es de 8000 muestras por segundo. 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. En la Fig. de acuerdo con la Recomendación G. los costos de los equipos digitales se hicieron cada vez más bajos que los analógicos. Fig. con 8 dígitos por canal para un total de 256 dígitos por trama. 5. Formato de la TRAMA T1 µseg El Sistema Troncal E1 El sistema E1.364 V. TRAMA T1: 193 dígitos. 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. y treinta para los canales de Voz/Datos. se utiliza el Código de Línea HDB3 RZ.6477 µseg. La señal de banda de base en T1 es una secuencia AMI RZ de valores ± 3V sobre una resistencia de 100 Ohm.24(b). la señal T1 no contiene una componente continua y su espectro tiene la forma mostrada en la Fig. 5. 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.52(B)). la duración de la multitrama es de 1. aunque en la práctica se dice 1544 kbps.647 (*) Dígito de Sincronización de Canal (cada sexta trama) Fig.52(A) se muestra la configuración de la Trama T1. la multitrama. La velocidad de señalización para cada uno de los 24 canales será entonces de 1333 bps. En el Sistema T1 se agrupan las tramas para formar multitramas de 12 tramas cada una. 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 velocidad de la trama E1 es de 2048 kbps. 5. La trama contiene entonces 193 dígitos y la frecuencia de señalización es de 1544 kHz.

en las ranuras RT0 y RT1.711. 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. 3 y 18. Esta señal se utiliza para permitir que cada trama sea reconocida en el receptor. G.……. en este caso las velocidades de transmisión son de 1. respectivamente. llevan en la correspondiente ranura la información de señalización de los canales 2 y 17.732 de la UIT-T establecen todos los requerimientos para un comportamiento satisfactorio del sistema. sin embargo. 5. 256 dígitos. .…….712 y G. Formato de la TRAMA E1. En el formato CEPT-1. las informaciones de alineación y de señalización van en las dos primeras tramas. además de una indicación de alarma. 4 y 19.52(B). MODULACION Y TRANSMISION DE IMPULSOS Una Trama. T3. T15. algunas veces se pueden utilizar para transmitir información adicional. La palabra de alineación de trama tiene la forma 0011011 y va en la ranura de tiempo RT0 de las tramas pares. Las Recomendaciones G. respectivamente. Las tramas impares llevan información de Señalización Nacional e Internacional.365 V. 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. Un dígito de la misma ranura contiene el Dígito Internacional I.. Cuando los dígitos I y N no se utilizan. Las tramas siguientes T2. La señalización para los canales 1 y 16 va en la ranura RT16 de la trama T1.5 kbps y 28 kbps con los dígitos I y N. se suele ponerlos a UNO. 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.15 y 30.

la verdadera situación es mucho más complicada. si se ha recibido el estado “CERO” o el estado “UNO”. Receptor Binario en Banda de Base. Sin embargo. la operación de detección consiste esencialmente en una toma de decisión en los instantes de muestreo t n . como veremos en su oportunidad. Este problema de sincronización de temporización lo trataremos más adelante. El impulso transmitido puede ser en coseno elevado y el canal un filtro pasabajo. un muestreador de retención y un elemento de decisión o detector que decide. En general. 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. . 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. aumentar la relación S/N a la salida del filtro receptor.6. La influencia del ruido introduce errores en las decisiones tomadas. un buen diseño de los filtros es esencial. 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. pero en vez de definirse una relación S/N que tenga en cuenta la influencia de los errores sobre la señal transmitida. sino que aporta también una cantidad de ruido aditivo de densidad espectral S n (f ) . lo que es lo mismo. probabilidad que caracterizará en mayor o menor grado la calidad de la señal.53 se muestra el modelo de un receptor binario en banda de base. En realidad. en los instantes de muestreo t n .6. 5. RECEPCION DE IMPULSOS EN BANDA DE BASE 5. Esta decisión se basa en un criterio más o menos elaborado. muestra a muestra y de acuerdo con algún algoritmo preestablecido. alternativamente. 5. pues el canal contribuye no solamente a modificar el perfil de la señal recibida. Para la generación de los instantes de muestreo t n en el receptor. El receptor digital consta básicamente de un filtro lineal o filtro receptor. Introducción Las características de la señal recibida dependen tanto del perfil de la señal transmitida como de las características físicas del canal.1. que corresponden a los dos estados de la señal binaria v(t).53.366 V. se necesita una señal de reloj que esté sincronizada con la señal de reloj en el transmisor. se prefiere más bien definir la probabilidad de errores en la decisión. MODULACION Y TRANSMISION DE IMPULSOS 5. 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. El mecanismo de recepción en un receptor binario consiste fundamentalmente en procesar en alguna forma la señal recibida y decidir. En relación con los efectos del ruido. relativa al estado (“CERO” o “UNO”) del impulso binario recibido en esos instantes. qué estado fue transmitido. En la Fig.

S.6. donde S n (f ) es su densidad espectral de potencia. 1988]. sino más bien el reconocimiento de una “presencia”: el estado “CERO” o el estado “UNO”.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. Este reconocimiento puede efectuarse con gran precisión. 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 ..133) (5.132) 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. donde V(f) es la transformada de Fourier de v(t) y H(f) la función de transferencia del filtro receptor.2.367 V. que forma un tren de impulsos de período τ. MODULACION Y TRANSMISION DE IMPULSOS La demodulación binaria ya no es entonces el reconocimiento de una “forma” (amplitud. pues para relaciones S/N de entrada razonables. Para maximizar ρ. En efecto.53. cuando la señal de entrada z(t) al filtro receptor es la suma de una señal v(t) más un ruido aditivo n(t). el segundo término es el ruido no(to) cuya potencia es < n 2 ( t o ) >= o ∫ ∞ −∞ S n ( f )| H ( f )|2 df . 5. entonces ∫ 2 f (x)g(x )dx ≤ ∫ | f (x)| 2 dx ⋅ | g (x )|2 dx f (x) = k ⋅ g * (x) ∫ (5.134) verificándose la igualdad si y solamente si donde k es una constante cualquiera y g ∗ ( x) es el conjugado de g(x). 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. se aplica la “desigualdad de Schwartz”. el numerador de la expresión (5. Para maximizar ρ. En este caso el filtro receptor pasará a denominarse “filtro acoplado”. se obtiene . Una propiedad muy importante del filtro acoplado es que maximiza la relación S/N a su salida. la cual establece que si f(x) y g(x) son dos funciones complejas. posición o duración del impulso) más o menos alterada por el ruido. El Filtro Acoplado El filtro acoplado es una técnica para el procesamiento de una señal digital en presencia de ruido. Nótese que la señal v(t) es un impulso de cualquier perfil y de duración τ. Reemplazando esta expresión en (5. Fig.132) y con ayuda de la desigualdad de Schwartz. 5. Una demostración muy sencilla de la desigualdad de Schwartz se encuentra en [ Roden M. la probabilidad de error es muy pequeña.

con un valor máximo . H (f ) = 2k V(− f ) exp(− j2πt o f ) η (5. vo(t). 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. que es la convolución de v(t) y h(t).136) donde Eb es la energía del impulso v(t). k = η/2.368 V. h(t ) = v( τ − t ) ⇔ H(f) = V(-f)exp(-j2 πτf) (5.138) 2 Eb η si el ruido es blanco Este valor máximo se obtiene a partir de la condición (5. se tiene H (f ) = k ⋅ V(− f ) exp(− j2πt o f ) S n (f ) (5. 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. y con la ayuda del Teorema de Raleigh.139) Esta es la función de transferencia del filtro acoplado. entonces 2k 2k h(t ) = v( τ − t ) ⇔ H(f) = V( − f ) exp( − j2 πτf ) (5.141b) En esta forma.136) es válida únicamente si el ruido es blanco.137) (5. es decir. En consecuencia. El lector puede verificar fácilmente que la respuesta impulsional del filtro acoplado es h(t ) = (2 k / η) v( t o − t ) . tendrá una duración de 2τ segundos. El valor máximo de ρ será entonces ρmax = ρmax = | V(f )|2 df −∞ Sn (f ) ∞ ∫ (5.135) Si el ruido es blanco de densidad espectral η/2. Nótese que (5. es decir.134). se toma este valor para to. tanto v(t) como h(t) tendrán una duración de τ segundos. ρ ≤ ∫ ∞ −∞ | V( f )|2 df = 2 η ∫ ∞ −∞ | v( t )|2 dt = 2 Eb η (5. pero como v(t) es un impulso de duración τ. Si suponemos que el ruido es blanco de densidad espectral η/2.141a) η η Para simplificar (5. Por consiguiente.140) Nótese que esta función de transferencia puede no ser físicamente realizable.141a) se puede hacer (2k/η) = 1.

5. 5.142a) pero como v(t) y n(t) no están correlacionados. Si se trata de un tren de impulsos. MODULACION Y TRANSMISION DE IMPULSOS en t = τ y simétrica respecto a t = τ. 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. la salida total del filtro acoplado se puede determinar mediante convolución. En forma similar. que veremos más adelante. 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. la salida del impulso anterior termina y es cero cuando t = τ.54. en los instantes de muestreo t n no ocurre interferencia intersímbolo. de donde 0 τ ∫ τ 0 v 2 (t )dt = E b (5. 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. de donde z o (t ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t '+ τ − t )dt ' −∞ ∞ Puesto que t = τ en el instante de decisión. 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). La probabilidad de una decisión correcta es entonces la óptima y por esta razón a los filtros acoplados se les denomina también “filtros óptimos”. es decir.136).142a) se puede instrumentar entonces en la forma mostrada en la Fig.142b) expresión que está de acuerdo con (5. entonces z o (τ ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t ' )dt ' −∞ ∞ La suma [v(t) + n(t)] se inicia en t = 0. En efecto. Por lo tanto. . el impulso de salida siguiente se inicia y tiene un valor cero en t = τ.369 V.53. El filtro acoplado se puede considerar también como una forma de correlador. entonces z o (τ ) = ∫ v( t) n( t)dt = 0 . y v(t) = 0 para t > τ. 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 ) . que es equivalente a la Fig. La expresión (5.

55(c). 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. 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. 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. 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 ) .13 t−τ/2 ) . 5. Nótese que v o ( t ) es máxima para t = τ. está asociado con la presencia de un filtro acoplado colocado antes del elemento de decisión. v(t) y h(t) tienen el mismo perfil. mostrada en la Fig. El impulso de entrada a un filtro óptimo tiene la forma v ( t ) = AΠ ( La respuesta impulsional h(t) se muestra en la Fig. la salida del filtro tendrá la forma mostrada en la Fig. El comportamiento de los sistemas de modulación digital en presencia de ruido dependerá del método de detección empleado. Esto. t−τ/2 ) .55(e). ♣ Ejemplo 5. Por ejemplo. para la secuencia de entrada AMI NRZ 1011. . 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. Receptor Digital Correlador. se supone que k = η/2. De acuerdo con (5.136).55(b). 5..55(a). 5. Nótese que en este caso en particular. 5. 5.55(d). de (5. La relación S/N máxima a la salida del filtro acoplado será. en la que se indica también los instantes de muestreo de la señal. como se τ muestra en la Fig.370 V. 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. a su vez.141b). 5.54.

microondas.7. (e) Secuencia de Salida del Filtro Optimo ♣ 5. en efecto. 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. pero en un enlace de microondas la frecuencia de portadora puede alcanzar la gama de los Gigahertz. fibras ópticas. así como las señales de datos de terminales digitales y dispositivos afines. 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. etc. 5. los impulsos modulan una portadora sinusoidal cuya frecuencia es compatible con el medio de transmisión utilizado. Por ejemplo.56 se muestra los modelos para la transmisión y recepción de señales binarias mediante portadora modulada y en la Fig.). la frecuencia de portadora está entre 1 y 2 kHz.7. generalmente no se transmiten a gran distancia en la forma de señal de banda de base. las magnitudes moduladas tomarán también dos valores. 5. En la Fig. 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. de ahí que a estos procesos se les denomina también “técnicas de modulación binaria”.57 la forma de las señales binarias moduladas. Introducción Los impulsos digitales producidos por los diferentes sistemas vistos en este capítulo. Si la transmisión se efectúa por un canal telefónico de 4 kHz de ancho de banda. en un enlace de HF la frecuencia de portadora puede ser de unos cuantos Megahertz. Como la señal PCM es una secuencia de impulsos binarios (2 estados). . sino en forma de una señal modulada en forma analógica.55. El “canal” puede ser un canal telefónico. rayos infrarrojos o láser. TRANSMISION Y RECEPCION DE SEÑALES BINARIAS MEDIANTE PORTADORA MODULADA 5.371 V. 5. la portadora. conductores metálicos (cable coaxial o par trenzado). la frecuencia o la fase de una señal sinusoidal.1. este tipo de transmisión se denomina “transmisión binaria mediante portadora modulada”. un canal de radio (HF.

. FSK) 3.57. ASK) 2. Transmisión y Recepción Binaria mediante Portadora Modulada En la Fig. FSK y PSK (DPSK). 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. 5.56. 5. PSK Fuente Modulador "1" Digital "0" tn Reloj TRANSMISOR CANAL (a) Transmisión Binaria v(t) z(t) Filtro de Entrada ASK. FSK. La Modulación Binaria Diferencial de Fase (Differential PSK. La forma de la señal DPSK básicamente es idéntica a la de PSK. Señales Binarias Moduladas ASK. Hay otros métodos más avanzados de modulación pero no los trataremos aquí. MODULACION Y TRANSMISION DE IMPULSOS Las formas básicas de la modulación binaria mediante portadora modulada son: 1.372 V. PSK) 4. (a) Secuencia Binaria (b) ASK (OOK) (c) FSK (d) PSK (DPSK) "1" "0" "1" "1" "0" "0" "0" "1" t Tb t t Fig.57 se muestra la forma de las señales moduladas ASK. La Modulación Binaria de Frecuencia (Frequency-Shift Keying. La Modulación Binaria de Fase (Phase-Shift Keying. FSK. La Modulación Binaria de Amplitud (Amplitude-Shift Keying. 5. DPSK) (PCM) ASK. FSK y PSK para la secuencia binaria dada.

Para evitar esta atenuación de la señal. La “Demodulación Sincrónica o Coherente” 2. 5. pero el sincronismo de fase es más difícil de alcanzar. la frecuencia y la fase de la portadora local deben ser idénticas a las de la portadora de transmisión. 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. es decir.7. Métodos de Demodulación o Detección de Señales Moduladas Sea. particularmente en transmisión a grandes distancias. hay esencialmente dos métodos comunes de demodulación o detección de señales moduladas con portadora sinusoidal: 1. Demodulación y Sincronización de Señales Binarias Moduladas Métodos de Demodulación Como mencionamos brevemente en el Capítulo II. Hay que hacer notar que con osciladores de gran precisión puede mantenerse la igualdad entre las frecuencias. La información de fase se puede obtener a partir de una portadora piloto superpuesta a la señal modulada que.373 V. MODULACION Y TRANSMISION DE IMPULSOS Como la señal digital se convierte en una señal analógica (por efecto de la multiplicación por una señal sinusoidal).2. por ejemplo.28. Como veremos más adelante. 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. si la portadora generada localmente fuera de la forma 2 cos[2π(f c + ∆f ) t + φ o ] . La “Detección de Envolvente” La demodulación o detección sincrónica o coherente consiste simplemente en multiplicar la señal modulada recibida por la portadora.58 . generada localmente. 5.58(a) y ya lo aplicamos en el Capítulo II. Sin embargo. Problema de Aplicación 2. una vez recuperada mediante filtrado. Los dispositivos de sincronización en el receptor deben lograr la coherencia entre las dos portadoras. sin embargo. Este proceso se muestra en la Fig. cos(2πf c t + φ ) la portadora transmitida. la modulación digital no es un proceso ni puramente digital ni puramente analógico. la demodulación sincrónica o coherente se utiliza pues es . y mediante filtrado pasabajo se obtiene la señal original portadora de información. 3. puede utilizarse para sincronizar el oscilador local. puede utilizarse circuitos especiales para lograr la sincronización a partir de la señal recibida. Esta situación encarece y complica el sistema. sino que posee atributos comunes a ambas áreas. que ∆f = 0 y φ o = φ . 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.

como veremos posteriormente. Con la detección de envolvente se evitan los problemas de sincronización de fase y de frecuencia de la detección coherente. Al finalizar la fase de adquisición los osciladores quedan “enganchados” en fase y en frecuencia. la detección de envolvente no se puede aplicar en sistemas de modulación de fase. en el receptor no sólo se efectúa la sincronización de fase y de frecuencia. 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.374 V. En estos casos los modems están desfasados y necesitan un período inicial. sin embargo. La localización típica de los sincronizadores de portadora y temporización en un receptor se muestra en la Fig. .59(a). consideremos un sistema PCM/TDM/PSK. porque el proceso de detección de envolvente elimina la fase de la señal. MODULACION Y TRANSMISION DE IMPULSOS superior. La constante de tiempo RC debe ser lo suficientemente grande para seguir los picos de la señal modulada de entrada. Como su nombre lo indica. pero lo suficientemente pequeña comparada con un período Tb de la señal binaria.58(b). esta operación se conoce como la “fase de seguimiento o de rastreo”. que veremos en el Capítulo VI. 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. 5. a la detección no coherente o de envolvente. en presencia de ruido. Este período se conoce con el nombre de “tiempo o fase de adquisición”. antes de transmitir información. el desfase entre los osciladores del transmisor y del receptor puede ser grande. en cambio. En un sistema de transmisión digital a menudo se necesita diferentes niveles de sincronización. Como ejemplo. 5. Sincronización de Portadora y de Temporización La demodulación coherente de las señales ASK. y (2) un dispositivo sintonizado de banda angosta (típicamente un filtro sintonizado o un enganchador de fase (phaselocked loop. La demodulación por detección de envolvente se efectúa con el sencillo circuito mostrado en la Fig. los cuales se muestran en la Fig. y la transmisión de información puede comenzar. En efecto. según la polaridad del diodo). 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. PLL)) que filtra y regenera las señales de portadora y/o reloj. En consecuencia. El receptor debe poseer entonces dispositivos de sincronización tanto de portadora como de temporización. FSK y PSK requiere el conocimiento de la frecuencia y la fase exactas de la portadora. sincronización de dígito y sincronización de portadora. Durante la transmisión es necesario mantener el desfase entre los osciladores dentro de ciertos límites específicos. la salida del detector representa la envolvente positiva (o negativa. sincronización de canal. en este caso son necesarios cuatro niveles de sincronización: sincronización de trama. 5.59(b). sino también la sincronización de señalización o temporización. Por lo tanto. sobre todo cuando los modems inician una transmisión. La frecuencia puede aproximarse tanto como se quiera pues con osciladores a cristal de gran precisión se puede mantener la frecuencia con una gran estabilidad. Los métodos de demodulación coherente y por detección de envolvente los utilizaremos también en los sistemas de modulación de ondas continuas. para sincronizar sus osciladores.

que veremos en el Capítulo VI. fase φ c Portadora 4 (a) Niveles de Sincronización (b) Localización de los Sincronizadores de Portadora y Temporización Fig. En general. 5. Estos circuitos de sintonización de portadora no solamente se utilizan en los sistemas digitales sino también en los sistemas de modulación de ondas continuas. causada por interferencia intersímbolo y ruido en el sistema. En muchas aplicaciones esta componente de auto-ruido es mucho más pronunciada que el . Entrada Modulada Entrada Modulada Salida Demodulada Detector Coherente fc . φ c Sincro Portadora tn Sincro Temporización Salida Binaria frecuencia f c. 5. el proceso de extracción de la temporización se efectúa operando sobre la señal demodulada.60.375 V. la señal de reloj está afectada por fluctuación de fase (jitter). En cuanto a la temporización. Sincronización de Portadora y Temporización.59. φ π/2 VCO Filtro Pasabajo Filtro Pasabajo Filtro Pasabajo Canal Canal Salida Demodulada Detector Coherente fc . llamada también “auto-ruido”. 5.60 se muestran dos circuitos de sincronización de portadora muy utilizados en la práctica: el sincronizador cuadrático y el denominado Lazo de Costas. MODULACION Y TRANSMISION DE IMPULSOS Trama M Canales 1 m M 1 Canal Canal N Dígitos 1 n Dígito 3 N 2 Detector Coherente Filtro Receptor Filtro Pasabajo Muestreador Elemento de Decisión "1" "0" fc . Circuitos de Sincronización de Portadora. 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. 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. En la Fig.

la amplitud de la portadora sinusoidal se conmuta entre dos valores en respuesta al código PCM.57(b) para la secuencia binaria dada. 1993. como se muestra en la Fig. y “Espacios” que representan el estado “0”. 5.143) donde si se transmite un "1" si se transmite un "0" A y fc son la amplitud y frecuencia de la portadora. 1980].3. La señal ASK resultante consiste en impulsos modulados. Tb es el intervalo de 1 . El análisis detallado de los circuitos de sincronización anteriores. Por ejemplo. muy importante para el desempeño global del sistema. Este tipo de modulación se conoce también con el nombre de “modulación OOK (On-Off Keying)”. la cual es igual a la velocidad de modulación Vb. 5. que representan el estado “1”. En general. donde señalización y φc un desfase inicial constante. En la Fig. . 5.61 se muestra un circuito de sincronización de temporización.61. Modulación Binaria de Amplitud (ASK) En la modulación binaria de amplitud ASK. el diseño óptimo de los circuitos de sincronización es. 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.376 V. se verifica que f c >> f b = Tb f b es la frecuencia de señalización.7. 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. mientras que el estado “1” se transmite como una señal sinusoidal de amplitud fija A volts. se puede hallar en cualquier texto de electrónica [Miller. como veremos más adelante. Gardner y Lindsey. por lo tanto. incluidos los PLL. MODULACION Y TRANSMISION DE IMPULSOS mismo ruido gaussiano. respectivamente. llamados “Marcas”. 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. Esta decisión reposa sobre un criterio más o menos elaborado. Sincronización de Temporización. el estado “0” se puede transmitir como una amplitud de cero volts. 5.

respectivamente. sea B el ancho de banda que comprende el lóbulo principal de S ASK (f ) . 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. x ASK (t ) = A (t ) ⋅ cos(2πf c t ) donde A (t ) = A (5.144) (5. B = 2f b = 2 Tb (5.171). 5. la densidad espectral S ASK (f ) de x ASK (t ) será S ASK (f ) = 1 [S A (f + f c ) + S A (f − f c )] 4 S ASK (f ) = A2T ⎡ f+f f−f ⎤ A2 [δ (f + f c ) + δ (f − f c )] + 16 b ⎢sinc 2 ( f c ) + sinc 2 ( f c )⎥ 16 b b ⎦ ⎣ (5.145) n =−∞ ∑ b ⋅ Π( i ∞ t − nTb ) Tb es una secuencia aleatoria binaria unipolar NRZ de amplitud A.146) Para calcular la potencia de ruido es necesario conocer las características espectrales de la señal ASK. Sección 3. En el Capítulo III.148) . demostramos que la función de autocorrelación y la densidad espectral de una secuencia aleatoria binaria unipolar NRZ de amplitud A eran.62 (frecuencias positivas solamente). expresiones (3.147) y tendrá la forma mostrada en la Fig. En cuanto al ancho de banda en ASK.113).170) y (3. Fig.2. la potencia promedio de la señal x ASK (t ) es 1 A2 < A 2 (t ) >. Pero como < A 2 (t ) >= R A (τ )|τ = 0 = . 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 (5.62.9. De acuerdo con el teorema de la modulación para señales de potencia.377 V. Por consiguiente. 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).

la potencia promedio de ruido a la entrada del detector será. Se puede demostrar. N i = Bη = 2η = 2 ηf b Tb (5. y que la mitad de la potencia de la señal ASK se consume en la transmisión de la portadora. ver Problema de Aplicación 5.41. en cuyo caso la relación de predetección es (S i / N i ) = (A 2 Tb / 12η) . por eso el lector debe verificar cómo se ha definido el ancho de banda al hablar de relación S/N a la entrada. entonces la potencia promedio de la señal se puede expresar en la forma S = E b / Tb = E b Vi . que la potencia contenida dentro del ancho de banda B es el 95% de la potencia total de la señal ASK. Si Eb es la energía requerida para transmitir un dígito binario. Si el ruido en el canal es blanco de densidad espectral η / 2 . En efecto. 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. la potencia promedio de ruido será N = ηB. Nótese que Eb es diferente para cada esquema de modulación. En la literatura se suele hacer η = N o . pero . por supuesto. Rendimiento de Transmisión Desde un punto de vista más general.146). si B es el ancho de banda del sistema y η/2 la densidad espectral de ruido. Por otro lado. donde fb es la frecuencia de señalización. Este valor de B será utilizado en los cálculos de la Relación Señal/Ruido (S/N). en un sistema binario la velocidad de información es Vi = 1 / Tb = f b bps. la relación S/N en un sistema se puede definir a partir de parámetros comunes para cualquier sistema de modulación. de (2.150) Algunas veces el ancho de banda se define en la forma B = 3fb .378 V.149) y la relación S/N de predetección Si A 2 Tb A2 = = 8η N i 4Bη en ASK (5. dependiendo del perfil de los impulsos. nosotros utilizaremos siempre 2fb. el ancho de banda mínimo del canal de transmisión. Esto puede prestarse a confusión. el ancho de banda efectivo de una señal ASK estará entre 2fb y 3fb. MODULACION Y TRANSMISION DE IMPULSOS Este será entonces el ancho de banda del filtro pasabanda a la entrada del receptor y. En general.

fb y η son parámetros comunes a todos los sistemas en consideración. A la entrada del detector coherente se tiene la señal ASK más ruido blanco pasabanda de banda angosta y densidad espectral η/2. En la Fig.02 dB (5.153b) Demodulación Coherente de Señales ASK La razón principal de la modulación digital ASK es su simplicidad. γ” [Schwartz y otros.42). Sin embargo. MODULACION Y TRANSMISION DE IMPULSOS este valor No lo usaremos muy poco para no confundirlo con una potencia de ruido No. (5. Específicamente. La relación ηB = Vi/B es el rendimiento de trtansmisión del canal respecto al ancho de banda B. expresión (4.152) donde A. Con el fin de comparar el comportamiento de los diferentes sistemas de modulación binaria sobre una referencia común. 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. 1966] en la forma A 2 Tb A2 γ= = 2η 2ηf b (5. y es una medida del ancho de banda requerido para una velocidad de información dada. Eb depende del tipo de modulación empleado. Estos conceptos los utilizaremos posteriormente.153a) ⎡S ⎤ +⎢ i ⎥ ⎣ N i ⎦ ASK( dB) [ γ ]ASK(dB) = 6. Como veremos más adelante.151) Esta expresión muestra que la relación señal/ruido es el producto de dos cantidades muy significativas. vamos a investigar el comportamiento de la demodulación coherente más que todo para propósitos de comparación y fijación de conceptos. Este valor de γ lo utilizaremos como referencia para comparar las probabilidades de error de los diferentes sistemas de modulación binaria.379 V.63 se muestra el diagrama de bloques de un receptor ASK con demodulación coherente. La relación S/N en ASK se puede escribir entonces en la forma ⎡ Si ⎤ γ = ⎢ ⎥ ⎣ N i ⎦ ASK 4 y en dB. 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. . 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. se define la “Relación Señal/Ruido Normalizada. es decir.

380 V. Recepción Coherente en ASK. 5.) es la “función error complementaria” definida en el Apéndice D.4. 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.154) donde erfc(. 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.155) .. 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 . El criterio de decisión será: ⎧v d ( t n ) ≥ Vs Si en el instante t = t n .63. Si un “0” ha sido transmitido. φ c "1" ó "0" a t = tn Sincro Temporización Umbral de Referencia Fig. 1966] que la probabilidad de error en sistemas ASK con umbral de referencia optimizado es Pe = ⎛ A2T ⎞ 1 b ⎟ erfc⎜ ⎜ 2 8η ⎟ ⎝ ⎠ (5. se puede presentar errores en la decisión tomada. Estas dos señales estarán presentes durante los intervalos en que un “1” ha sido transmitido. En relación con la Fig. ⎨ ⎩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. el umbral óptimo normalizado será b on = A 2 Tb 4η (5. solamente estará presente el ruido n(t).63. En los instantes de decisión t n se compara vd(t) respecto a un umbral de referencia Vs. Asimismo.

Si el umbral se mantiene constante. de la expresión (5. ⎡S ⎤ γ = 4⎢ i ⎥ ⎣ N i ⎦ ASK y en dB. la probabilidad de error decrecerá en función de γ hasta un cierto valor y se mantendrá constante no importa cuánto se aumente γ. junto con las correspondientes a los otros sistemas de modulación binaria para efectos de comparación. sino porque el ruido excede él solo el umbral.381 V.158). Nótese que en el umbral óptimo los errores ocurren predominantemente no porque la suma [señal + ruido] excede el umbral. de la densidad espectral de ruido y de la potencia de la portadora. Cuanto mayor es γ. 5.150). la probabilidad de error será ahora Pe = γ 1 erfc( ) 2 4 b on = (5. como ya lo hemos demostrado. entonces γ = 2Eb /No y Pe = Eb 1 erfc( ) 2 2N o (5. su energía será Eb = A2Tb/4. 5. ⎡S ⎤ [γ ] dB = 6. para B = 2/Tb .64 se muestra el efecto del umbral sobre la probabilidad de error.157) γ 2 En la Fig. En la Fig. El lector puede demostrar fácilmente que. mayor es el umbral. En la literatura se suele expresar la probabilidad de error con la expresión (3. Esta es una de las principales desventajas de los sistemas ASK.158) donde Eb es la energía requerida para transmitir un dígito binario y No = η. para cada valor de γ hay un nivel de umbral normalizado b on que produce la mínima proba bilidad de error. pues implica circuitos de ajuste del umbral en función de la relación S/N a la entrada (circuitos de control automático de ganancia).78 se muestra la probabilidad de error Pe con el umbral óptimo normalizado. y el umbral optimizado. Entonces.159a) (3. pues esta última relación depende del ancho de banda. que es una densidad espectral. MODULACION Y TRANSMISION DE IMPULSOS De (5.02 dB + ⎢ i ⎥ ⎣ N i ⎦ ASK ( dB) (5. pero la igualdad No = η la utilizaremos muy poco para no confundir este No. con el No que representa una potencia de ruido de salida.152).156) (5.159b) . Nótese que no hay que confundir γ con la relación S i / N i de predetección. siendo la potencia promedio en ASK igual a A2/4.

aunque sí de temporización. La relación S/N de predetección es de 6. 5.160) (5. la frecuencia de señalización (Hz) y la velocidad de modulación (baudios) son iguales numéricamente.64 con las mismas desventajas debidas al ajuste del umbral. las potencias individuales de portadora y de ruido.160) se reduce a El gráfico de Pe vs γ tiene la misma forma general de la Fig.65. En cuanto a la probabilidad de error. 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. 5. y la probabilidad de error. entonces .161). donde b on = 2 + γ 2 Pe ≈ E γ 1 1 exp(− ) = exp(− b ) 2 4 2 4N o (5. 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 . (a) El ancho de banda útil del canal es B = 3 kHz.161) la expresión (5. 5. para una probabilidad de error Pe dada. 5. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS Esta última expresión nos permite leer directamente en la Fig.58(b).14 Por un canal telefónico cuyo ancho de banda útil es de 3 kHz se transmite datos binarios. 5. El criterio de decisión es similar al caso de detección coherente. se demuestra [Schwartz y otros. (b) repetir si la velocidad de información es de 300 bps.65 se muestra el diagrama de bloques de un receptor ASK no coherente. x ASK (t ) + Ruido Blanco Canal S i / N i Detector v d ( t ) Organo de Filtro de Pasabanda Decisión Envolvente tn "1" ó "0" a t = tn Sincronización de Temporización Fig. En la detección no coherente de señales ASK no se requiere circuitos para sincronización de portadora.78 la relación [S i / N i ] ASK ( dB) conociendo [γ]dB y viceversa.78 se grafica (5. Las expresiones (5. 5. El detector de envolvente se muestra en la Fig. Demodulación no Coherente de Señales ASK En la Fig.159a) y (5. Recepción no Coherente de Señales ASK. Recuérdese que en un sistema binario la velocidad de información (bps).382 V.15b) se aplican también en ASK no coherente. ♣ Ejemplo 5.

Por otra parte. γ = 4 i = 16 Ni Ni B = 3000 = 2 f b .160). al final de cada intervalo de señalización a fin de reducir la interferencia intersímbolo.150).4 x10 −7 W = -36.21 dBm 4 1 En ASK coherente: Pe = erfc(4.157) y (5.03x10 −9 2 ♣ Para las mismas amplitud de portadora y densidad espectral de ruido.22 dBm 1 En ASK coherente: Pe = erfc(2 ) = 2 . entonces f b = 300 Hz. . En general.383 V.372 x10 −3 2 1 En ASK no coherente: Pe = exp(−4 ) = 9 .4x10-7 W = -36. el comportamiento en ASK coherente es superior al de ASK no coherente.2 dBm 4 N i = Bη = 3000x2 x10−11 = 6x10−8 W = -42. el valor del umbral debe ser ajustado para cada valor de γ de acuerdo con las expresiones (5. 6x10−7 . Vi = 1500 bps.158x10 −3 2 (b) Si la velocidad de información es de 300 bps. 1 Tb = y B = 2f b = 600 Hz 300 Si A 2 Tb γ 9 . S Si = 6. f b = 1500 Hz. Si la rapidez de descarga es grande. = = 20 = 13 dB −11 2η Ni 4 2 x300x2 x10 A2 = 2 . Si = Para obtener el comportamiento óptimo. él actúa como tal entre los intervalos de descarga.02 dB = 4. y de (3. el receptor no coherente es mucho más simple y por eso este tipo de demodulación fue en su época el más utilizado.158a). sin embargo. Si = Si A2 =4= .472 ) = 1.2x10 −8 W = -49. N i = Bη = 600x2x10 −11 = 1. estos filtros son filtros óptimos y pueden utilizarse también en FSK y PSK/DPSK.6x10 −7 γ= = = 80.2 dBm . Tb = De (5.27x10 −10 2 1 En ASK no coherente: Pe = exp(−20) = 1. mediante circuitos auxiliares.8x10-4 Ni 8x1500x2x10−11 A2 = 2. 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. Aunque el circuito resultante ya no es un filtro lineal invariante en el tiempo. el ancho de banda del filtro ya no es tan crítico respecto a la interferencia intersímbolo. A 2 = 9. los filtros utilizados en el receptor deben ser descargados. A=9. MODULACION Y TRANSMISION DE IMPULSOS 1 .

5. los Módems normalizados UIT-T V. Nótese que los espectros para los UNOS y para los CEROS no ocurren simultáneamente.21.67 y 5. 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. 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. Sin embargo.68. amplitud constante y fase continua (“fase continua” significa que en la señal modulada no se producen discontinuidades cuando cambia la frecuencia). 5. Si 2f d es la separación entre las dos frecuencias de transmisión. Evidentemente. 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. las frecuencias de operación son fo = 1070 Hz y f1 = 1270 Hz (fc = 1170 Hz y fd = 100 Hz). en general.4. 5. En la Fig. Fig. en el Módem Bell 103A para la misma velocidad de modulación.21 y Bell 103A son equivalentes pero no son compatibles. f d la desviación de frecuencia respecto a f c . Este enfoque permite considerar al receptor FSK como la combinación de dos receptores ASK.66. En este caso. Benedetto y otros.384 V.62.7. El ancho de banda mínimo total Bc de la señal FSK se puede estimar a partir de la Fig. respectivamente. Entonces. 5. En la Fig. respectivamente. f c = f1 + f d = f o − f d y B c = ∆f + 2f b = 2(f d + f b ) . 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. podemos definir | f o − f1 | = ∆f = 2 f d . El sistema FSK más sencillo es aquel con modulación rectangular de frecuencia. 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 utilizadas son f1 = 980 Hz y f o = 1180 Hz (fc = 1080 Hz y fd = 100 Hz).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. 1968. arbitraria.66 se muestran las densidades espectrales correspondientes (frecuencias positivas solamente) y se define algunos parámetros. f1 y f o las frecuencias de transmisión de un “1” o un “0”. podemos simplificar el problema si consideramos que la señal FSK está formada fundamentalmente por dos señales ASK de frecuencias f o y f1 . MODULACION Y TRANSMISION DE IMPULSOS 5. Por ejemplo. donde f c es la frecuencia de la portadora sin modular. en efecto. Sin embargo. 1987] y no trataremos de reproducirla aquí. 5.57(c) se muestra la forma de una señal FSK. entonces la frecuencia instantánea en un intervalo Tb será f1 = f c − f d o f o = f c + f d . y cuyos espectros ya conocemos. 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. como se muestra en las Figs.

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

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 . Como ya lo observamos. En este caso el ancho de banda mínimo del canal será Bc = 3fb. se tiene fd = m fb f f f . 2 2 Puede observarse. Como ∆f = 2f d . La ortogonalidad permite estimar la máxima velocidad de transmisión por un canal de un ancho de banda dado sin efectos interferentes entre las señales. 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. f1 = ( n − m ) b . 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. . Esto también se puede interpretar diciendo que. la mínima separación entre las frecuencias se verifica para m = 1.67. m n y 2f1 + ∆f = . f 0 = ( n + m) b 2 2 2 2 En este caso se dice que la separación entre las frecuencias es ortogonal. 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. donde m y n son enteros Tb Tb f n = nf b distintos de cero y n > m. entonces f d = m b . 5. entonces f c = n b . En la misma forma podemos demostrar que 2 fb fb f1 = ( n − m) y f 0 = (n + m) .386 V. Asimismo. bajo las condiciones de ortogonalidad. 2f1 + 2f d = 2 Tb f y como f c = f1 + f d . el principio de ortogonalidad en FSK binario establece entonces que: Para dos enteros n y m tal que n > m ≥ 1 . el ancho de banda Bc del canal será Bc = 2fb + mfb = (m + 2)fb. 5.67. Fig. f c = n b . En condiciones de ortogonalidad. asimismo. que ∆f = Para una velocidad de transmisión Vb bps o frecuencia de señalización fb Hz.

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

obtenemos la relación S/N de predetección: Cuando k < 1. ⎡ Si ⎤ A2 2 = = γ ⎢ ⎥ ⎣ N1 ⎦ FSK 3f b η 3 ⎡ S1 ⎤ A 2Tb γ A2 = = ⎢ ⎥ = 4η 2 ⎣ N1 ⎦ FSK 4ηf b (5. para un mejor comportamiento del sistema. Como una señal FSK se puede considerar como la superposición de dos sistemas ASK en donde la amplitud de las portadoras es A.167c) En lo posible.68 se muestra el diagrama de bloques de un receptor FSK coherente. esta es una ventaja muy significativa a favor del sistema FSK. MODULACION Y TRANSMISION DE IMPULSOS ⎧3 ⎪ fb B = ⎨2 ⎪2f b ⎩ cuando m = 1 cuando m > 1 (5. ASK. se debe mantener la ortogonalidad. Nótese que la potencia recibida en FSK FSK es 3 dB mayor que en ASK.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. ===> un "1" ha sido transmitido ===> un "0" ha sido transmitido . (5.166) Si hay ortogonalidad. ⎡ Si ⎤ A2 γ = = ⎢ ⎥ ⎣ N i ⎦ FSK 2(k + 1)f b η k + 1 ⎡ Si ⎤ A2 A2 γ = = ⎢ ⎥ = ⎣ N i ⎦ FSK 2(2f b )η 4ηf b 2 (5. Relaciones S/N en FSK Consideremos ahora la relación S/N en FSK.167b) Nótese que para k ≥ 1 o m > 1 . Procediendo como en el caso ASK. Demodulación Coherente de Señales FSK En la Fig.388 V.165) Cuando k ≥ 1. ⎡S ⎤ γ = 2⎢ i ⎥ ⎣ N i ⎦ FSK o también [ γ ](dB) = 3. entonces la potencia promedio de la señal FSK será de dos veces la potencia promedio de la señal 2 < x 2 (t ) >= 2 < x ASK (t ) >= A 2 / 2 . 5. es decir. Para m = 1.167a) (5. 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. 01 dB+ ⎢ ⎡ Si ⎤ ⎥ ⎣ N i ⎦ FSK (dB) (5.

69 se muestra el diagrama de bloques de un receptor FSK no coherente. El criterio de decisión es el mismo que en el caso de detección coherente. expresión (5. 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 . vemos que si las condiciones de amplitud de portadora.169) Nótese que si se compara este valor con el correspondiente en ASK no coherente. pero en FSK no se necesita un umbral de detección. En cuanto a la probabilidad de error.161). Por ejemplo.50). ancho de banda y densidad espectral de ruido son las mismas. 1966] que la probabilidad de error es Pe = Eb γ 1 1 erfc( ) = erfc( ) 2 2 2 2N o (5. Nótese que v d1 (t ) y v do (t ) son las envolventes de las señales filtradas y como tales serán afectadas por el ruido aditivo. entonces la relación [S i / N i ] FSK es 3 dB mayor que la relación [S i / N i ] ASK . 1966].168) Si se compara este resultado con el correspondiente en ASK coherente. resulta que las relaciones [S i / N i ] en ASK coherente y en FSK coherente son iguales. 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. Recepción Coherente en FSK. Si esta desigualdad se invierte. Demodulación no Coherente de Señales FSK En la Fig. φ1 fo . más confiable será la decisión. pero las probabilidades de error son muy distintas. si las probabilidades de error son las mismas en ambos sistemas. 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. si se ha transmitido un “1”. Organo de Decisión Se demuestra [Schwartz y otros. se demuestra [Schwartz y otros. 5.44 y 5. Sin embargo. Esto se logra cuando los filtros pasabanda de los canales “0” ó “1” son filtros óptimos.389 V. entonces se producirá un error. Esta ya es otra ventaja del sistema FSK sobre el sistema ASK. En general. 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 desventaja más significativa del sistema ASK no . 5.68. que Pe = E γ 1 1 exp(− ) = exp(− b ) 2 2 2 2N o (5. la decisión será correcta si v d1 ( t n ) ≥ v do ( t n ) . El lector puede verificar fácilmente estos resultados (Ver Problemas de Aplicación 5. El lógico suponer entonces que cuanto mayor sea la relación S/N a la entrada de los detectores de envolvente.

El ancho de banda útil del canal es de 3 kHz. Se utiliza un módem que trabaja a una velocidad de modulación de 300 baudios.70 2100 f Si = 6. el ancho de banda de los filtros de canal.69. 5. la potencia "1" fb "0" 2fd de entrada y la probabilidad de error tanto en coherente como en no coherente. B = 2fb = 2x300 = 600 Hz ⎡ Si ⎤ =8 γ = 2⎢ ⎥ ⎣ Ni ⎦ FSK .169) se grafica en la Fig. Ni η = 2 x10 −8 W/Hz De la Fig.021 dB y la densidad espectral de potencia de ruido es igual a 10-8 W/Hz. fd = (2100-1500)/2 = 300 Hz fc = 1500 + 300 = 1800 Hz Filtro de entrada.021 dB = 4 . Recepción no Coherente en FSK. Solución: Bc = 3 kHz. 5. B fb B 0 1500 fc Bc Fig. las frecuencias de transmisión son f1 = 1500 Hz y f0 = 2100 Hz. 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 . f1 = 1500 Hz.70. Filtro de canal. 5. f0 = 2100 Hz. mientras que este problema no existe en FSK. 5. Bc = 2(fb + fd) = 1200 Hz. 5.78 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. ♣ Ejemplo 5. fb = 300 Hz. como se muestra en la Fig. La relación S/N en el canal es de 6. En FSK. Verificar también si la separación entre las frecuencias cumple con las condiciones de ortogonalidad.70.16 Sobre un canal telefónico se transmite datos binarios en FSK. La expresión (5. Vamos a determinar la desviación de frecuencia. el ancho de banda del filtro de entrada.390 V. la frecuencia de portadora.

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

con una velocidad de modulación de 1200 baudios.16 mW 2 2 1 γ Probabilidad de error: En Coherente.2x10 -8 W = -44.496x10 −5 2 De (5. de (5. En este caso.392 V.33 veces.23 es de 1 mV y se reduce a la mitad en el Módem V. f d = 400 y k = = 1200 1200 3 El ancho de banda mínimo del canal de transmisión es.625 = 11. Transmisión de Datos con Módems UIT-T Sobre un canal telefónico. Pe = exp( − ) = 9. f b = 1200 Hz. . La amplitud de la portadora en el Módem V.152).2 kHz.18. η / 2 = 10-11 W / Hz. Pe = erfc( ) = 2. MODULACION Y TRANSMISION DE IMPULSOS A 2 (17. Tb = 1 400 1 . de (5.339x10−3 2 2 1 γ En No Coherente. Nótese que las probabilidades de error no han variado.505x10 −6 En FSK coherente: 2 1 En FSK no coherente: Pe = exp(− γ / 2 ) = 1.95 dBm de donde Si 5x10 −7 = = 15.9x10−3 ) 2 = = 0.23 transmite y recibe a las frecuencias f1 = 1300 Hz y f o = 2100 Hz . Con A 2 = 10 −6 V.163a).164b) el ancho de banda de los canales “1” ó “0” es B = f b + f d = 1200 + 400 = 1600 Hz .23 El Módem V. se tiene Si = A2 = 5x10 −7 W = -33.833 2η 2x1200x 2x10 −11 1 Pe = erfc ( γ / 2 ) = 2 . ∆f = 2100 -1300 = 800 Hz.01 dBm 2 N i = Bη = 1600x2 x10 −11 = 3.2 x10 −8 γ= A 2 Tb 10 −6 = = 20. cuyo ancho de banda útil es de 3. pues el ancho de banda de transmisión necesario es igual al ancho de banda útil del canal disponible. ♣ ♣ Ejemplo 5.21.21. La densidad espectral de ruido en el sistema es de 10-11 W/Hz. se desea transmitir datos binarios utilizando los Módems UIT-T FSK V. 1 Bc = 2 ( + 1) ⋅ 1200 = 3200 Hz 3 Se puede efectuar la transmisión.23 y V. Vamos a determinar todos los parámetros asociados tanto en FSK coherente como en FSK no coherente.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. (a) Transmisión con el Módem UIT-T V. Puesto que k < 1.938 dB N i 3.

Distribución de Anchos de Banda en el Módem UIT-T V. Para los filtros de banda: B BI = B BS = 670 Hz . Entonces. Para el filtro de línea o ancho de banda total: frecuencia f c = 1415 Hz.21 El Módem UIT-T V. Si = 18.21. En la banda inferior las frecuencias de portadora son f1 = 980 Hz y f o = 1180 Hz .25x10 −7 W = -39. es decir. Entonces.03 dBm 2 N i = Bη = 335x 2x10 −11 = 6. Tb = . se tiene los siguientes anchos de banda: Para los filtros de canal: B I1 = B I0 = B S1 = B S0 = 335 Hz . mientras que en la banda superior f1 = 1650 Hz y f o = 1850 Hz .833 2 2 ηf b 4x 2x300x 2 x10 −11 Si = A2 = 1. f S1 = 1583 Hz. que estarán centrados en las frecuencias f I1 = 912.66 = 12. f d = 100 Hz.21. ∆f = 200 Hz. B c = 1340 Hz . 5. fS0 = 1918 Hz .74 dBm .393 V. 5.5 Hz. De la Fig. 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. B = 335 Hz. k = 300 3 En el presente ejemplo no vamos a utilizar fórmulas para determinar el ancho de banda de los filtros y canales.71 dB Ni Las probabilidades de error son las mismas que en el caso (a). 5. sino que distribuiremos uniformemente los diferentes anchos de banda de acuerdo con las frecuencias de portadora del Módem V. MODULACION Y TRANSMISION DE IMPULSOS (b) Transmisión con el Módem UIT-T V. 1 1 f b = 300 Hz. Se obtiene así una configuración como la mostrada en la Fig. 10 −3 10 −6 A2 A= V. que estarán centrados en las frecuencias f BI = 1080 Hz.71 El lector puede tomar el ancho de banda de los filtros de canal en forma diferente.71. f BS = 1750 Hz . f I0 = 1248 Hz. que estará centrado en la El ancho de banda para el cálculo de la potencia de ruido es el ancho de banda de los filtros de canal.21 tiene dos bandas: por una recibe y por la otra transmite.71. .7 x10 −9 W = -51. La velocidad de modulación es de 300 baudios.

5. 1966] Pe = Eb 1 1 erfc( γ ) = erfc( ) 2 2 No (5. ⎨ ⎩v d ( t n ) < 0 Habrá error en el caso contrario. La señal PSK tiene la forma x PSK ( t ) = A ⎧0 φi = ⎨ ⎩π ∞ n =−∞ ∑ cos(2πf t − φ ) ⋅ Π( c i t − nTb ) Tb (5.5. en general. Demodulación de Señales PSK La demodulación de señales PSK es esencialmente coherente. El primer tipo es la modulación binaria de fase propiamente dicha (PSK).170) donde si se ha transmitido un "1" si se ha transmitido un "0" En la Fig. En la Fig.63.7. 5. MODULACION Y TRANSMISION DE IMPULSOS El Módem V. esto no quiere decir que la demodulación pueda efectuarse con detección de envolvente. . 5. Existen dos tipos principales de modulación binaria de fase que dependen de si la demodulación es o no coherente. Modulación Binaria de Fase (PSK) En la modulación binaria PSK.78.21 es un módem que puede simultáneamente transmitir por una banda y recibir por la otra. pues el detector de envolvente elimina toda la información de fase. La probabilidad de error es [Schwartz y otros. 5. Fig.72 se muestra el diagrama de bloques de un receptor PSK. el intercambio neto de datos en el Módem V. Nótese que cuando se dice que la demodulación DPSK no es coherente.171) ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Esta expresión se grafica en la Fig. por lo tanto es el más utilizado.21 es realmente de 600 bps. las discontinuidades son alisadas por los filtros utilizados. 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.57(d) se muestra la forma de las señales PSK. la fase de la portadora sinusoidal se conmuta entre dos valores de acuerdo con el código PCM. 5. que en DPSK es justamente el soporte de la información. Puesto que por cada banda se puede transmitir datos a 300 bps. mientras que el segundo tipo es la “Modulación Binaria Diferencial de Fase (DPSK)”. Un desfase de 180o es una selección muy conveniente porque simplifica los circuitos de modulación y demodulación. Nótese la semejanza con el receptor coherente ASK. Las inversiones de fase pueden producir transientes indeseables pero.394 V. El criterio de decisión adoptado es el siguiente: ⎧v d ( t n ) ≥ 0 Si en el instante t = t n .

0o de desfase desde el intervalo anterior puede designar un ”1”. la relación [S i / N i ] PSK es 3 dB menor que la relación [S i / N i ] ASK . En la Fig. vemos que para la misma probabilidad de error. 5. o lo que es lo mismo.73 se muestra el diagrama de bloques de un modulador DPSK. Por ejemplo. entonces la fase se puede codificar. Esto es de particular importancia en sistemas en donde la potencia es el factor limitativo como. 0o para un “1” y 180o para un “0”. 5.395 V. Comparando estos valores respecto a ASK coherente. por ejemplo. mientras que un desfase de 180o puede designar un “0”. en estaciones remotas o en satélites de telecomunicación. φ c Organo de Decisión Filtro Pasabanda Sincro Portadora + _ "1" ó "0" a t = tn Sincro Temporización tn Fig. la referencia de fase para la demodulación se deriva a partir de la fase de la portadora en el intervalo de señalización anterior. 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. sino más bien por codificación diferencial en términos del cambio de fase entre intervalos sucesivos.72. y el receptor descodifica la información digital basada en esa diferencia de fase. el cual es la combinación de un codificador diferencial y un modulador PSK. la potencia necesaria para transmitir una señal ASK coherente es el doble que la necesaria para transmitir la misma información en PSK. no con respecto a un valor absoluto. por ejemplo. . en transmisión por microondas. MODULACION Y TRANSMISION DE IMPULSOS x PSK (t ) + Ruido Blanco Canal Si / N i Detector Coherente Filtro v d ( t ) Pasabajo fc . Recepción Coherente en PSK. Modulación Binaria Diferencial de Fase (DPSK) En los sistemas de modulación binaria de fase.

Como ya lo hemos señalado.74 suponemos que la frecuencia de portadora es igual a la frecuencia de señalización. .74 se muestra las formas de onda de las señales moduladas PSK y DPSK para la secuencia de entrada dada.74. en sí misma. En la siguiente Tabla se muestra el mecanismo de codificación y descodificación diferencial tanto en el transmisor como en el receptor. 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. 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. Para facilitar el dibujo de las formas de onda. 5. en la Fig. Formas de las Señales Moduladas PSK y DPSK Nótese que el número de transiciones en DPSK ha disminuido en relación con el número de transiciones en PSK.396 V. en efecto. f c = f b . se puede utilizar en cualquier sistema digital y no es privativa del sistema DPSK. 5. 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. Nótese que la codificación diferencial. 5. MODULACION Y TRANSMISION DE IMPULSOS En la Fig.

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

es un esquema de modulación no lineal. es decir. como veremos en el Capítulo VI. debido al retardo fijo Tb en el receptor. esta desventaja se compensa con creces por el hecho de que DPSK no requiere detección coherente. Nótese que la densidad espectral de potencia de la señal PSK (y DPSK) tiene la misma forma que la correspondiente en ASK. . 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. lo que impide la transmisión de datos en forma asincrónica. Otro problema menor en DPSK es que los errores tienden a propagarse.62. con un período de repetición Tb. En el Capítulo III. La probabilidad de error en modulación DPSK es [Schwartz y otros. en el caso general. con la diferencia de que la densidad espectral PSK no contiene un impulso a la frecuencia de portadora. el criterio de decisión será entonces igual al del caso PSK. Los requerimientos de ancho de banda son los mismos que en ASK. sin embargo.176) En la Fig. Fig. B = 2 f b = 2 / Tb . 5. 5.173) Como | ∆φ| = 0 o o π . expresión (3. 1966]. Si se compara DPSK con PSK. S PSK (f ) = A 2 Tb 4 ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢ sinc ( fb fb ⎦ ⎣ (5. Ancho de Banda y Relaciones S/N en Sistemas PSK y DPSK Para efectos del cálculo de la densidad espectral y de la potencia.398 V. la modulación PSK (y DPSK) se puede considerar como una modulación ASK donde la secuencia binaria de entrada es una señal aleatoria bipolar NRZ. Pe = E 1 1 exp(− γ ) = exp(− b ) 2 2 No (5. MODULACION Y TRANSMISION DE IMPULSOS v d (t n ) = A2 A2 cos(φ n − φ n−1 ) = cos(∆φ ) 2 2 (5. por lo menos a los intervalos adyacentes. mientras que el sistema PSK.174) Esta expresión se grafica en la Fig. el sistema DPSK está “enganchado” a una frecuencia de señalización específica.76 se muestra esta densidad espectral (frecuencias positivas solamente). En este caso la señal PSK se puede escribir en la forma x PSK (t ) = A (t ) cos(2πf c t ) (5. se observa que el sistema DPSK requiere un poco más de potencia que el sistema PSK.175) donde A(t) es una secuencia aleatoria binaria bipolar NRZ de amplitud ±A .175). no hay que confundir similaridad con igualdad: el sistema ASK es un esquema de modulación lineal. Sin embargo. 5. es suficiente verificar el signo de vd(t).78. debido a la correlación entre las señales de temporización y el ruido sobre dichos intervalos. Por otra parte.

Consideremos ahora las relaciones S/N de postdetección. pero como < A 2 (t ) >= R A (0) = A 2 .111). vamos a determinar las relaciones [S o / N o ] vs [S i / N i ] tanto en PSK como en DPSK. So 2 2n = N o 1 + 2 2( n +1) Pe y γ =2 S1 Ni .01 dB + ⎢ i ⎥ ⎣ N i ⎦ PSK(dB) (5.1 determinamos la relación S o / N o vs Pe en un sistema PCM. la relación S/N de predetección es igual que en el caso FSK. En la Sección 5. Como B = 2 f b = 2 / Tb y la potencia de portadora es A2/2. y como entre una señal PSK y una DPSK no hay diferencia desde el punto de vista espectral.178b) Estas expresiones son válidas también en DPSK.178a) (5.111) y (5. la potencia en DPSK es la misma que la de PSK. En efecto. de (5. Utilizando esos resultados y los de la presente sección.178a).175). MODULACION Y TRANSMISION DE IMPULSOS La potencia de la señal PSK se puede calcular en la misma forma que en el caso ASK.399 V. a diferencia de ASK en la cual la mitad de la potencia se pierde en la transmisión de la portadora (impulso en fc). ⎡ Si ⎤ A 2 Tb γ A2 = = = ⎢ ⎥ 4η 2 ⎣ N i ⎦ PSK 2 Bη y en dB. < x 2 (t ) >= < A 2 (t ) > .177) es toda potencia útil. En 1 efecto. ⎡S ⎤ [γ ] dB = 3.4. de (5. PSK 2 2 A < x 2 (t ) >= (5. La potencia dada por (5. expresión (5. es decir. entonces.177) PSK 2 Esta es la potencia de portadora en PSK.

02 ⋅ n − 10 ⋅ log10 [1 + 2 erfc( 2 )] Ni ⎣ N o ⎦ dB So = No 2 2n 1+ 2 2 n +1 (5. Pe = Pe = S 1 erfc( 2 i ) 2 Ni S 1 exp(−2 i ) 2 Ni Las relaciones S/N de postdetección correspondientes serán En PSK.77 se grafican estas expresiones. de (5. . MODULACION Y TRANSMISION DE IMPULSOS donde.473x10 −2 ⎛⎡ S ⎤ ⎞ 1 f ⎜ ⎢ i ⎥ ⎟ = exp⎜ −2⎢ i ⎥ ⎟ = para n entero ⎟ ⎟ ⎜ ⎜ N 2 2n ⎝ ⎣ N i ⎦ min ⎠ ⎝ ⎣ i ⎦ min ⎠ 2 Resolviendo esta ecuación. la relación [S i / N i ] min en PSK es aproximadamente 1 dB menor que la relación [S i / N i ] min en DPSK.400 V.179a) y en dB.693 ⋅ n ⎢ ⎥ ⎣ N i ⎦ min Debe verificarse que ⎢ en DPSK (5. que es mucho más fácil de calcular. S exp(−2 i ) Ni dB (5.77. el valor de [S i / N i ] min en DPSK se puede obtener a partir de la expresión (5. En efecto. 5.113). en PSK. el efecto del umbral tanto en PSK como en DPSK.174).022 + 0.179b) En DPSK.180b) En la Fig. el valor de [S i / N i ] min será ⎡ Si ⎤ = 1. So = No 22n 1+ 2 2 n +1 S erfc( 2 i ) Ni dB (5.02 ⋅ n − 10 ⋅ log10 [1 + 2 exp(−2 )] Ni ⎣ N o ⎦ dB (5. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. Un examen más atento de las figuras muestra que el umbral en PSK está por debajo del umbral en DPSK en aproximadamente 1 dB.181) ⎡ Si ⎤ ⎡ Si ⎤ ⎥ ≥ ⎢ ⎥ para no caer dentro de la región umbral.113): ⎛ ⎡ S ⎤ ⎞ 6. lo cual nos permite aproximar el valor de la relación [S i / N i ] min en PSK conocida la correspondiente en DPSK. ⎣ N i ⎦ ⎣ N i ⎦ min El valor de la probabilidad de error óptima viene dada por (5. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. en la Fig. y en DPSK. Nótese.171).180a) y en dB. en dB. 5. de (5. para diferentes valores de n. por lo tanto.

la densidad espectral de potencia del ruido es de 10-10 W/Hz y la amplitud de la portadora es de 10 milivolts. las relaciones S/N de pre y postdetección y constatar si el sistema está trabajando sobre o bajo el umbral.165 dB ⎢N ⎥ Si ⎣ o ⎦ 1 + 217 exp(−2 ) Ni y la relación So/No mínima.01 dBm 2η 2 −6 N i = Bη = 4x10 W = -23. η = 2x10-12 W/Hz .567 = 8. de (5. (a) En DPSK A2 A 2Tb = 25. f b = 106 Hz.554 x104 = 48. Vamos a determinar. ⎡ Si ⎤ = 6.01 V El ancho de banda para el cálculo de la potencia de ruido es B = 2f b = 2 MHz. A = 0.19 Por un canal de microondas cuyo ancho de banda es de 3 MHz se transmite datos binarios a una velocidad de 1 Mbps. Si = = 5x10− 5 W = −13. entonces la relación S/N mínima de predetección es.401 V. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5.181).174 dB ⎢ ⎥ ⎣ N i ⎦ min La relación S/N de postdetección es. n = 8. Bc = 3 MHz. Las palabras binarias contienen 8 dígitos binarios.97 dB Ni γ = Como n = 8. Tb = 10−6 . ⎡ So ⎤ 216 = = 6.5 = 10. para n = 8. en DPSK y en PSK.98 dBm Si La relación S/N de predeteccion será = 12. .

1 S La probabilidad de error es Pe = exp(− i ) = 6. donde γ = A 2 Tb / 2η es la relación S/N normalizada.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. S 1 La probabilidad de error es Pe = erfc( 2[ i ]) = 7. obtenemos ⎡ Si ⎤ ⎢ ⎥ = 7.653 . en la práctica la selección de un esquema de modulación depende más bien de la aplicación correspondiente. Sin embargo. son las mismas que en el caso (a). la probabilidad de error Pe y las condiciones de ruido son las mismas.78 en la cual se muestra Pe vs γ . se puede utilizar las fórmulas dadas para el cálculo de la probabilidad de error Pe y la Fig 5. 687x10−13 2 Ni 5. El eje de las abscisas debe entenderse entonces como una función de la potencia pico recibida (o transmitida) A2 . . De donde. Nosotros vamos a comparar los sistemas en base a la potencia.7. a este efecto.158 dB 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] . γ y n. Puesto que [So/No] > [So/No]min . el sistema está trabajando sobre el umbral. 203x104 = 47.5231 dB = 5. y de los requerimientos de potencia. el rendimiento de transmisión ηB . Comparación entre los Sistemas de Modulación Binaria ♣ En cualquier sistema de modulación digital la meta de un buen diseño es la de lograr el mejor compromiso entre la probabilidad de error Pe. Para hacer una comparación respecto a la potencia requerida.944x10−12 2 Ni (b) En PSK Las relaciones Si/Ni . ⎡ So ⎤ ⎢ ⎥= ⎣ No ⎦ 22n ⎡ S ⎤ 1 + 22n +1 ⎢erfc( 2[ i ]) ⎥ Ni ⎦ ⎣ = 6. siendo el valor pico A2 es el mismo para todos los sistemas. vamos a suponer que la frecuencia de señalización fb .402 V. la relación S/N normalizada γ y la complejidad del equipo. Recuérdese que la potencia promedio en ASK es A2/4. de los equipos existentes. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 216 = = 5.6. el sistema está trabajando sobre el umbral.554x104 = 48. ⎣ N i ⎦ min ⎡ So ⎤ ⎢ ⎥ = ⎣ N o ⎦ min 22n 1+ 2 2n +1 ⎡ ⎤ Si ⎢erfc( 2[ ]min ) ⎥ Ni ⎣ ⎦ = 47.

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

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

es decir.405 V.. La expresión (5. Modulación M-PSK . Si A es constante. 5.. En los sistemas M-arios el mecanismo de modulación es similar. El convertidor Serie/Paralelo forma bloques de L dígitos los cuales son aplicados a un codificador cuyas salidas son X m y Ym . el modulador M-ario procesa. 5. y Ym A fc φm A sen(φ m ) x Xm Entrada Binaria Xm Convertidor L Dígitos Codificador Serie/ Paralelo Ym cos(2πfc t ) sen(2πfc t ) sm (t ) 0 A cos(φ m ) fbL fs (a) Fasor M-PSK (b) Modulador M-PSK Fig. 1.80 para algunos valores de M y L. frecuencia f c pero con un ángulo o desfase φ m = 2πm / M . En efecto. 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. pero se habrá introducido algunas restricciones sobre la potencia y el ancho de banda de la señal transmitida. como se muestra en la Fig 5.⋅⋅⋅⋅. 5.182a) Como el ángulo φ m se mantiene constante durante cada intervalo Ts . ahora es Vis = L ⋅ Vi bps. el modulador procesa cada dígito binario de duración Tb asignándole una cualquiera de dos señales diferentes. como veremos a continuación.182c) Estas expresiones nos permiten expresar la señal s m (t ) en forma fasorial. factores que dependerán del esquema de modulación utilizado. 2. 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. (M .2. 1. bloques de L dígitos binarios asignándole a cada bloque distinto una cualquiera de M señales diferentes posibles. (M-1) (5. el cual. La velocidad de transmisión ha aumentado L veces.79(b). . Las salidas X m y Ym son variables analógicas cuyos valores dependen del valor del ángulo φ m asignado. 5.. siendo la velocidad de transmisión Vi = 1 / Tb bps. MODULACION Y TRANSMISION DE IMPULSOS En los sistemas binarios. 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. como se muestra en la Fig. la señal s m (t ) se puede escribir en la forma siguiente: s m (t ) = X m cos(2πf c t ) + Ym sen(2πf c t ) Y 2 y en forma polar. 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. en el mismo tiempo Tb .182b) tiene una forma canónica que nos permite utilizar un esquema de generación de señales M-PSK de la forma mostrada en la Fig.79. depende de la secuencia particular de L dígitos a transmitir. a su vez. de acuerdo con la relación M = 2 L .8.182b) (5.1) . hemos visto. 2.. donde M = 2 L . para m = 0.79(a).

lo cual se verifica en la mayoría de los casos prácticos. cualquiera que sea el valor de L. es muy utilizado en la práctica. 5. el patrón de fase del Módem UIT-T V. 5. es decir. esta expresión se puede escribir en la misma forma que (5. La asignación mostrada es arbitraria. el canal “verá” siempre una señal sinusoidal de frecuencia f c con cambios de fase cada Ts segundos. por ejemplo. los ángulos φ m se tornan muy pequeños lo que induce a errores en la recepción. denominado modulación M-QAM.183). De acuerdo con los criterios ya aplicados en relación con el ancho de banda. 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. y en la Fig.183) La información va en la secuencia de fases aleatorias {φm } También. el ancho de banda de la señal PSK M-aria es del orden de 2f s a 3f s . Como f s = f bL / L . “patrones de fase” o “constelaciones”.176) calculada para PSK binario y es válida para f c ≥ 2f s . es decir. 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. MODULACION Y TRANSMISION DE IMPULSOS Cuando M > 8.406 V. dos fasores distintos pueden tener el mismo ángulo φ m pero las amplitudes son diferentes.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. Desarrollando (5.81 unas asignaciones de L dígitos a las M fases de señales sinusoidales representadas en forma fasorial. Ts = LTbL o f s = f bL / L pues los bloques tienen L dígitos de duración TbL cada uno. . se puede asignar bloques de L dígitos a combinaciones de amplitud y fase. En estos casos. Este tipo de esquema. En la Fig.80 se muestra el mecanismo de modulación M-aria. entonces la señal PSK M-aria permite una reducción del ancho de banda en un factor L. Nótese que fbL es la frecuencia de señalización a la entrada del modulador y f s la correspondiente a la salida. 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 . Esto equivale a decir que la velocidad de modulación en el canal es siempre la misma. 5. pero en la UIT-T estos patrones de fase han sido normalizados. el canal “verá” siempre la misma velocidad de modulación compatible con su ancho de banda. y aumentar L veces la velocidad de información por el mismo canal en el caso binario.81(d).184) tiene la misma forma que la (5. . sin embargo. Estos tipos de diagrama se denominan “diagramas de Fresnel”. es decir.184) La expresión (5.32 tiene la forma mostrada en la Fig.

En general. 5. respectivamente. M = 16. 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 .407 V. Asignación de Fases en PSK M-aria Puesto que f bL = Lf s . se puede definir la “relación S/N normalizada M-aria. M = 2.094 π ) M L ⋅ sen 2 ( ⋅ PB (5. M = 4. si B B .152). φm = 2πm / M (c) PSK 8-aria.186) (5. En efecto. Fig. 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. 5. PB .81. podemos demostrar (Problema de Aplicación 5. L = 3 x (b) Modulación PSK M-aria. M = 8.54) que para una probabilidad de error de 10-4. BM = PM = BB L 1. (d) QAM 16-aria. para un sistema PSK M-ario la probabilidad de error Pe [Shanmugam. 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. L = 4 Fig.185) Sería de interés comparar el sistema PSK M-ario con el sistema PSK binario para una misma probabilidad de error.80. 1979] es ⎡ π ⎤ Pe = erfc ⎢ γ s sen2 ( ) ⎥ M ⎥ ⎢ ⎣ ⎦ (5. Mecanismo de la Modulación PSK Binaria y M-aria. 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 .187) . B M y PM son los anchos de banda y potencias en binario y M-ario.

Para M > 8. 5.39 dB) en la potencia. se utiliza bastante en la práctica. Por esta razón el sistema PSK 4-ario.2 y pueden ser representados con las mismas expresiones y gráficos.8.408 V. La selección final queda a juicio del diseñador del sistema y según la aplicación deseada. 5.82 se grafica la probabilidad de error Pe vs γ s para algunos valores de M. que transmite a 9600 bps por un canal telefónico.188) En la Fig.78 PB PM / P B en dB 0. En la Fig. 5. 5.57 dB 13. 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. MODULACION Y TRANSMISION DE IMPULSOS En la Fig.8.094 PB 2. pues el ancho de banda se reduce a la mitad con un aumento de sólo el 9. por ejemplo.39 dB 3.81(d) se muestra el diagrama de Fresnel del Modem UIT-T QAM V. 1968] que en el sistema DPSK M-ario Pe = erfc( 2 γ s sen2 ( π )) 2M (5. En cuanto a la probabilidad de error. pues la diferencia básica entre PSK y DPSK es que este último ha experimentado un proceso previo de codificación diferencial. que es un esquema de modulación compuesta Amplitud-Fase. . 5.4% (0.49 PB 7.57 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. denominado también QPSK (“Q” de “quadrature” u ortogonal).186 PB 22. los requerimientos de potencia se hacen excesivos y la modulación PSK M-aria no se emplea.84 se grafica esta probabilidad en función de γ s para algunos valores de M. 5.32. en la Fig. la mejor selección es aquella para M = 4. se ha demostrado [Lucky y otros. Evidentemente.3. En este caso se utiliza el esquema M-QAM.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 10-4.96 dB 8. M 4 8 16 32 BM BB / 2 BB / 3 BB / 4 BB / 5 PM 1. Modulación DPSK M-aria Fig.83.

55). Ni = ηB c = 3x10 3 x 2 x10 −11 = 6 x10 −8 W 2 2 Si = 8. 5. se verifica que para altos valores de M el sistema DPSK M-ario requiere un aumento de potencia de aproximadamente 3 dB. L = 2. para M = 4 (QDPSK) este aumento es de 2. ¿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.32 dB. en la práctica se utilizan ambos sistemas de modulación. M = 4.21). MODULACION Y TRANSMISION DE IMPULSOS Cuando se compara la proba-bilidad de error en DPSK con la de PSK. (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. Específicamente. pero este aumento es compensado con la simplicidad de instrumentación del sistema QDPSK. η = 2x10-11 W/Hz En DPSK M-ario. La secuencia binaria de entrada al modulador tiene una velocidad de transmisión de 2400 bps.3333 = 9. A = 10-3 V. el cual se transmite de primero) Suponga que fc = 1800 Hz.20 Un sistema DPSK 4-ario está caracterizado por el diagrama de Fresnel de la figura. un aumento del 71% solamente (Ver Problema de Aplicación 5. la amplitud de la portadora es de 1 mV y la densidad espectral de ruido es de 10-11 W/Hz. por ejemplo. PSK y DPSK.409 V.79 a 5. ♣ Ejemplo 5.208 dB Ni . Solución: (a) Vi = 2400 bps.22) y poseen además un canal en FSK binario para trabajar a 300 bps (UIT-T V. Las Figs. Bc = 3 kHz. a 1200 bps en QDPSK (UIT-T V. donde γ s = 2M 2η Si = A 2 10 −6 = W. El ancho de banda del canal es de 3 kHz. y 01 00 x 11 10 Diagrama de Fresnel Pe = erfc( 2 γ s sen 2 ( A 2 Ts π ) ). algunos módems comerciales transmiten a 2400 bps en QPSK (UIT-T V. Sin embargo.81 se aplican también en DPSK M-aria.22bis).

y se supone que la señal de entrada 1 0 1 1 0 1 0 0 está ya codificada diferencialmente.5 Tc La señal M-DPSK tiene la forma s m ( t ) = a cos(2πf c t − φ m ). s 3 ( t ) = A cos(ωc t − 135 o ) “ (dibit): 0 0 → φ4 = +45o .23 – 9.8333x sen 2 ( ) = 2. Esto equivale a un aumento de potencia de 4 veces. Ts = 8. fs = fb/L = 2400/2 = 1200 Hz ó 1200 bps. los dígitos o bits se toman de dos en dos. s1 ( t ) = A cos(ωc t + 45 o ) “ “ “ “ “ “ “ “ (dibit): 1 1 → φ 2 = −135 o . la codificación para la señal modulada de salida será: Para la dupla (dibit): 1 0 → φ1 = −45o .410 V. 2 x 2 x10 −11 x1200 Pe = erfc(2. MODULACION Y TRANSMISION DE IMPULSOS fb = 2400 Hz. La velocidad de modulación en el canal es también de 1200 baudios.812 x10 −12 8 γs = El aumento en la relación Si/Ni es de 15.8333. s 2 ( t ) = A cos(ωc t + 135 o ) (dibit): 0 1 → φ 3 = +135 o . 4 x10 −6 = 83. γs = 10 −6 = 20.02 dB. (c) fs = 1200 Hz. De acuerdo con el diagrama de Fresnel.33 . s 4 (t) = A cos(ωc t − 45o ) La señal modulada DPSK 4-aria tendrá la forma siguiente ♣ .208 = 6.3333xsen 2 ( ) ) = 2.77x10-4 2 γ s sen 2 ( π π ) = 2 x 20.556x10-4 seg. fc = 1800 Hz Tc = 5.47) = 4.333x10-4 seg. Ts = 1. 2 x 2 x10 −11 x1200 π Pe = erfc( 2 x83. Para su codificación DPSK y como L = 2.47 2M 8 (b) A = 2x10-3.

de la señal FSK M-aria. Modulación FSK M-aria de Banda Ancha En la modulación FSK M-aria. Si la separación mínima entre dos frecuencias adyacentes se hace igual a la frecuencia de señalización en el canal.189) para i = 1.. M. 4. 2.86 la distribución o asignación de las frecuencias de portadora para algunos valores de M y L. si 2fd = fs (separación ortogonal). 3. es decir..4.191) L donde fb es la velocidad de señalización o de modulación a la entrada del modulador FSK M-ario. para j = 2. f La frecuencia mínima f1 vendrá dada por f1 = fc − ( M − 1) fd = fc − ( M − 1) b y cual2L fb quiera frecuencia de orden j será f j = f1 + ( j − 1) .. para i = 1.M. donde fc es la frecuencia de la portadora sin modular [Benedetto y otros. 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.. En la Fig.190) donde f M y f1 son las frecuencias máxima y mínima. donde f s = 1/ Ts = f b / L es la frecuencia de señalización a la salida del modulador. 1987]. con M = 2L. siendo fb la frecuencia de señalización a la entrada del modulador.. entonces el ancho de banda mínimo en el canal será Mfb Bmin = Mfs = (5. 3. de modo que se puede tomar f f1 = kfs = k b para k entero y k ≥ 1 (5.. 5. MODULACION Y TRANSMISION DE IMPULSOS 5.. 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 ). Si 2fd es la separación entre dos frecuencias adyacentes.. entonces la frecuencia instantánea en un intervalo Ts es f i = f c + (2i − 1 − M )f d .193) . La duración de cada muestra de señal s i ( t ) es también de Ts segundos. La frecuencia míniL ma f1 deberá ser igual o mayor que fs . respectivamente...411 V. 2.85 se muestra el mecanismo de modulación FSK M-aria y en la Fig..192) L En este caso la frecuencia de portadora será fc = (2 k + M − 1) fb 2L (5... 3..8..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. 5.

L = 3 f8 (b) Modulación FSK M-aria.. M = 2. La ortogonalidad exige también que la separación entre frecuencias adyacentes sea tal que 2fd = fs . 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. la separación mínima entre dos frecuencias adyacentes será igual . fs = = 800 Hz 3 2 2L 6 2400 2400 f c = (2 + 8 − 1) = 3600 Hz. M es ortogonal.412 V. 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. Bc ≥ M fb = Mfs L Fig.5. L = 3. 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..86. Por lo tanto.. fb = 2400 bps y k = 1. 5. 2.194) Las señales s i (t ) son ortogonales en el intervalo Ts . 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. 3. tienen duración Ts y todas tienen la misma energía Es.85. es decir. Asignación de Frecuencias en FSK M-aria Por ejemplo. M = 8. Mecanismo de la Modulación FSK Binaria y M-aria. f1 = = 800 Hz. fs f 2400 2400 = b = = 400 Hz. Fig.. si M = 8. 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 = 4. 2fd = 800 Hz.

Probabilidad de Error Pe vs γ s en FSK M-aria.88. pero el ancho de banda aumenta también en forma exponencial con L. El receptor óptimo coherente para el conjunto ortogonal de señales consiste en una batería de M filtros óptimos. 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. asimismo. 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. en PSK o DPSK M-aria. y FSK M-aria cuando la potencia es el factor limitativo (como en las comunicaciones espaciales o por satélites).87. que ya hemos encontrado también en PPM. en FSK M-aria la potencia transmitida es prácticamente independiente de L. es decir.413 V.6 dB −5 10 -1 -5 0 5 γ s . la modulación M-aria proporciona los medios para intercambiar ancho de banda por relación S/N. 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. expresión (5. podemos mantener fijo el ancho de banda de transmisión pero la potencia transmitida aumenta en forma exponencial con L . En general. 5. en dB 10 15 sM (t ) FiltroM Optimo v dM (t ) Sincro Fig. Una desventaja adicional es la creciente complejidad de los equipos de transmisión y recepción tanto en recepción coherente como no coherente. 1987]. pero la ecuación de Pe es una ecuación integral de muy difícil resolución. . Receptor Optimo FSK M-ario Coherente. Se demuestra [Lucky y otros. Por consiguiente. La probabilidad de error Pe en FSK M-aria ha sido calculada [Lucky y otros. 5. Este compromiso. 5. se puede utilizar PSK M-aria o DPSK M-aria cuando el ancho de banda es limitado (como en los canales telefónicos). Por ejemplo.88.87 se muestra la forma aproximada de la Probabilidad de Error vs γ s para algunos valores de M.191). mientras que en un sistema FSK binario el ancho de banda mínimo es 3fb . 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. Sin embargo. el precio que hay que pagar es el aumento en el ancho de banda. aunque la recepción coherente casi no se utiliza. En efecto. nos permite disponer de una gran flexibilidad de intercambio entre diferentes parámetros para adecuar una fuente de información dada a un canal determinado. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS a fs = f b / L . Benedetto y otros. 1968. en un sistema FSK M-ario el ancho de banda mínimo es Mf b / L . 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. Fig. En consecuencia. 5. condición que hemos tomado para estimar el ancho de banda mínimo de la señal FSK M-aria. como se muestra en la Fig.

Sección 5. E y F . una estación utiliza todo el ancho de banda del repetidor o “transpondedor” del satélite para enviar una trama que contiene la información a transmitir. En el sistema TDMA. Las técnicas TDMA se utilizan actualmente en los satélites INTELSAT VI y VSAT. Los sistemas TDMA trabajan generalmente en QPSK y a velocidades hasta 120 Mbps. E y F. D. 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. una cualquiera de estas estaciones puede actuar como estación de referencia. que llega al satélite contiene las tramas de todas las estaciones que están transmitiendo. C. parte (a). mientras que la técnica FDMA la estudiaremos en detalle en el Capítulo VI. respectivamente. Durante ese intervalo. 5. 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.5. MODULACION Y TRANSMISION DE IMPULSOS 5. se emplean en la transmisión de video digital. esta asignación la efectúa una estación terrena de referencia que controla la temporización y la sincronización de las estaciones presentes en el sistema. Acceso Múltiple por División de Frecuencia (Frequency-Division Multiple Access. En la parte (b) se muestra la estructura de la trama transmitida por la Estación C.414 V. La técnica CDMA la veremos más adelante. En este caso se dice que el sistema es radiante o difusor (“broadcast”).8.89. y en telefonía celular. Acceso Múltiple por División de Tiempo (TDMA) En algunos sistemas de comunicación muchos usuarios comparten un medio de transmisión común y el acceso a ese medio debe arbitrarse en alguna forma. . Acceso Múltiple por División de Tiempo (Time-Division Multiple Access.9. parte (c). Esta trama consta de dos partes: un preámbulo. y un campo donde va la dirección o identificación de la estación llamante y las direcciones de las estaciones llamadas. televisión de alta definición y en la transmisión de cientos de miles de canales de voz de 64 kbps. El preámbulo.2. En la práctica a estas frecuencias se las denomina “frecuencias de subida” y “frecuencias de bajada”. En el ejemplo de la Fig. a cada estación terrena se le asigna un intervalo o ranura de tiempo para que ella transmita información. CDMA) 3. TDMA) 2. 5. Para acceder al satélite se utilizan tres técnicas denominadas “métodos de acceso múltiple”: 1. incluye un intervalo de guarda. y los varios campos que contienen la información para las diferentes estaciones de destino. FDMA). Consideremos entonces un sistema satelital formado por un satélite y seis estaciones terrenas A. La multitrama TDMA. un campo que contiene caracteres para activar los circuitos de sincronización de portadora y señalización. Acceso Múltiple por División de Código (Code-División Multiple Access. Cada estación escucha toda la multitrama pero solamente copia la información a ella dirigida. parte (a). la estación C está enviando información a las estaciones A.89. B. En el satélite se recibe una multitrama TDMA que contiene las tramas de todas las estaciones terrenas. La multitrama TDMA tiene la forma mostrada en la Fig. basado en los principios TDM.

9.89. FHSS). Los sistemas SS de más aplicación en la práctica son: 1. Estos objetivos se pueden optimizar aplicando las técnicas del espectro disperso (spread spectrum. Existen también otras técnicas híbridas que incluyen tanto DS como FH. Sección 3. cuyos principios y mecanismo de generación se dieron en el Capítulo III. el sistema debe satisfacer los criterios siguientes: 1. SS). 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.1. . Formato TDMA Típico 5. 2. independiente de m(t). 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. Una señal dispersora que permite cumplir con estos dos criterios es justamente la señal seudoaleatoria o secuencia PN.3. aspectos que son de gran importancia en las aplicaciones militares y que ahora se han llevado a aplicaciones en el dominio civil. Que el ancho de banda de la señal transmitida sea mucho mayor que el ancho de banda de la señal mensaje m(t). Para ser considerado como un sistema SS. Sistemas SS mediante Conmutación de Frecuencias (Frequency Hopping Spread Spectrum. Sistemas SS de Secuencia Directa (Direct Sequence Spread Spectrum. Que la dispersión del ancho de banda de la señal transmitida sea producida por una señal s(t). denominada “señal dispersora”.9. en algunas aplicaciones hay que considerar aspectos tales como la capacidad o robustez contra interferencias (espontáneas o maliciosas). 5. TRANSMISION DE SEÑALES DIGITALES MEDIANTE DISPERSION DEL ESPECTRO (SPREAD SPECTRUM) 5.415 V. DSSS).9. pero no las trataremos aquí. 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. Sin embargo. 2. Existen varias técnicas de dispersión del espectro. capacidad para acceso múltiple a un medio y baja probabilidad de intercepción.

5. La señal m(t) es una secuencia PCM en banda de base que suponemos bipolar. 5. De la Fig. x sp ( t ) = m(t ) ⋅ s(t ) m(t ) ⇒ S m ( f ) = sinc 2 ( f ) fb x d (t ) Filtro Pasabajo donde. (5. 3. 3.31 y cuyo ancho de banda es B ≈ Nf b . Sistemas SS de Secuencia Directa En los sistemas de espectro disperso de secuencia directa (DSSS).23 y cuya densidad espectral viene dada por (3. En el extremo receptor se llevan a cabo las operaciones inversas correspondientes para la recuperación de la señal mensaje m(t). que se transmite.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. será una señal PSK de frecuencia de portadora fc. 5. la señal resultante x t (t ) .27 y cuya densidad espectral viene dada por (3. la señal s(t) es una secuencia seudoaleatoria de la forma mostrada en la Fig.416 V. Durante la transmisión por el canal. 3. cuya densidad espectral se muestra en la Fig. de (3.175) con A 2 Tb = 1 . 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. Si la señal x sp (t ) se multiplica por cos(ω c t ) .90. 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 ) . la señal transmitida PSK/DSSS es perturbada por una señal interferente v j (t ) centrada en la frecuencia de portadora. Consideremos entonces el modelo de un sistema PSK/DSSS mostrado en la Fig. NRZ y de amplitudes ±A .175). por lo tanto. Entonces. de la forma mostrada en la Fig. La señal dispersada modula en PSK a una portadora de frecuencia fc y luego se transmite. Supondremos también que la potencia de ruido en el canal es despreciable en relación con la potencia de la señal interferente. 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 ) .2. MODULACION Y TRANSMISION DE IMPULSOS 5.9. el espectro de la señal mensaje original PCM m(t) se dispersa mediante la utilización de una secuencia PN s(t).183).90. 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).

que es el ancho de banda del filtro.195).196) donde n =−∞ ∑' ∞ indica que la sumatoria no incluye el valor n = 0. 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 . 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 . De (3. 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. así como todas las componentes frecuenciales del producto s( t ) ⋅ v j ( t ) superiores a fb . MODULACION Y TRANSMISION DE IMPULSOS A esta señal se le aplica la operación de dispersión. 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.196). (5.197) . El término de alta frecuencia centrado en ±2f c es eliminado.177) y (5.417 V. 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. 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. y que representa la interferencia a la salida. De (5. S oj (f ) = S jd (f ) ⋅ Π ( f ) 2f b Entonces.195) Para cuantificar el efecto de la interferencia.

72 dB (470 veces) por debajo de la señal útil. ⎢ 2 + 2 sen ( )⎥ ≈ y ηj = N π N ⎦ N N ⎣ En la Fig.7. En la práctica. (La señal S oj ( f ) ha sido multiplicada por 100 para poderla observar en el gráfico). Esta característica del sistema DSSS ha sido muy utilizada en los sistemas de comunicación militares contra las interferencias maliciosas (jamming).4. Dentro de la banda de paso. cuando N = 1000. La probabilidad de error en este sistema es la misma considerada en la modulación binaria de fase. lo cual es prácticamente imposible por lo costoso que sería. Esto significa que para que la fuente interferente pudiera tener alguna influencia en la recepción. el factor [A/Aj]2 es muy grande (>10 ). fb = 9600 Hz y A j = 1. Se puede determinar la ganancia “Potencia Util/Potencia Interferente” para demostrar la robustez del sistema DSSS contra las interferencias espontáneas o maliciosas. Por ejemplo. su potencia debería aumentarse por lo menos en 470 veces. es decir.4513( ) 2 Pj A j fb fb N La ganancia es directamente proporcional a N. la Ganancia DS será (5.171). la probabilidad de error en el sistema PSK/DSSS viene dada por (5. Como hemos supuesto que el ruido interferente es mucho mayor que el ruido en el canal ( η j >> η) .91 se grafica Sm(f) y S oj (f ) para N = 1000. 2A 2 ⎡ 1 N +1 2 π ⎤ 1 j Nótese que para N >> 1. Sección 5.72 dB 4 Puede observarse que en este caso la señal interferente está a 26. f b = 9600 Hz y (A/Aj) = 100.198) 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. G DS = 26. N >> 1. 5. Ps = 0. la probabilidad de error será .90253A 2 y Pj = 2A 2 j G DS = Ps A N = 0.418 V. MODULACION Y TRANSMISION DE IMPULSOS es la amplitud de la densidad espectral de la señal interferente a la salida.

Probabilidad Pe vs N en PSK/DSSS .199).419 V. MODULACION Y TRANSMISION DE IMPULSOS Pe = A2 1 ) erfc( 2η jf b 2 (5. en la Fig.200) ⎜ 4 2 1 ⎟ N +1 2 2 π A j [ 2 + 2 sen ( )]f b ⎟ ⎜ N ⎝ ⎠ N π Puesto que Ps = 0.92 se muestra la variación de la probabilidad Pe vs N para diferentes valores del margen de interferencia. La expresión (5. donde Pi es la potencia de la fuente N N entonces. la probabilidad de error será alta también. j f b Pi = .05 Pis = -10 dB 0 1 N 10 Fig.1 Pis = 0 dB Pis = -0. En efecto. Por ejemplo.92 demuestran la efectividad del sistema DSSS en la supresión de interferencias tanto espontáneas como maliciosas. 5. 5. la probabilidad de error en PSK/DSSS es ⎛ ⎞ ⎜ ⎟ 2 1 1 A ⎟ Pe = erfc⎜ (5. como se puede observar en la Fig. para N >> 1. 5.90253A 2 y Pj = 2A 2 j interferente. pero esta probabilidad de error se puede disminuir aumentando la ganancia de procesamiento N.201) y la Fig. para ( Pi / Ps ) = 10 . 0. Es lógico que si la relación Pi/Ps es alta. en efecto.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.97 dB Pis = Pi/Ps Pis = -1. la probabilidad de error Pe en PSK/DSSS se puede reducir a la forma más sencilla 1 0. Pi = 2f b A 2 .15 Probabilidad Pe 0. La expresión (5. reemplazando (5.92. es decir. En efecto. vemos que la probabilidad de error dependerá también de N. más alta es la severidad de la interferencia y más alta la probabilidad de error. valores de N superiores a 164 mantendrán la probabilidad de error por debajo de 10-5. cuanto más alta es esta relación. 5.199) Como η j depende de la ganancia de procesamiento N.544 N Pe = erfc( ) para N >> 1 2 Pi / Ps (5.198) en (5.92.201) nos permite observar el efecto de la ganancia de procesamiento N sobre la probabilidad de error para diferentes valores del margen de interferencia.55 dB 0.

. mientras que el segundo término se puede considerar como ruido. El esquema de transmisión es el mismo de la Fig. 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 ) . 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 (5.5. por ejemplo.420 V. Como suponemos que las secuencias PN están sincronizadas aunque no son las mismas.La señal x r ( t ) de entrada en un receptor dado será la correspondiente a (M − 1) transmisores. 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 . entonces..202) El primer término de x ok ( t ) es la señal deseada. y como = (±1) 2 = 1 . s 'i (t ) . MODULACION Y TRANSMISION DE IMPULSOS Acceso Múltiple por División de Código (CDMA) Una de las principales aplicaciones del sistema DSSS en las comunicaciones. entonces la potencia total interferente será . Si Pi = Ps es la potencia de cada señal interferente.88. x s ( t ) = x r ( t ) ⋅ 2 cos(2πf c t ) = ∑ 2 ⋅ m (t ) ⋅ s (t ) ⋅ cos (2πf t ) i i 2 c Esta señal aparece en la entrada del multiplicador de la secuencia PN de todos los receptores.. La potencia de las señales m i (t ) es la misma para todas.. 2. Esta es la forma de acceso múltiple denominada “Acceso Múltiple por División de Código (CDMA)” que mencionamos en la Sección 5. y aunque todos los usuarios transmiten simultáneamente por la misma banda de frecuencias. 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 ) .8. a una frecuencia de portadora fc común y con una secuencia PN particular s i ( t ) con i = 1.. un usuario particular puede extraer de la señal compuesta transmitida la señal a él dirigida utilizando la secuencia PN apropiada. 5. La potencia del término interferente es simplemente la suma de las potencias interferentes producidas por las otras (M-2) señales transmitidas. 3. es la posibilidad de utilización de la misma banda de frecuencias para múltiples usuarios que están transmitiendo simultáneamente. 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 ) . entonces el producto s i (t ) ⋅ s k (t ) es otra secuencia PN. M. Supongamos que hay M usuarios que transmiten en un sistema PSK/DSSS/CDMA. La idea clave en el sistema CDMA es la de que a cada usuario se le asigna una secuencia PN diferente. cada usuario transmite una señal m i ( t ) .

pues el comportamiento del sistema experimentará solamente una degradación de acuerdo con la expresión (5. Probabilidad de Error en CDMA Sería interesante comparar el sistema CDMA en relación con el sistema TDMA. la probabilidad de error en el receptor k es Pe.1 0 0 200 400 M 600 Fig. en sistemas PCS (Personal Communication Systems) y en redes de área local inalámbricas. cuanto mayor es el número de usuarios. donde se muestra la variación de la probabilidad de error en función de M para N = 256.k < 10 −5 el número de usuarios debe ser M < 120. 5. k = ⎡ ⎡ N ⎤ P ⎤ 1 1 erfc⎢ 0. en sistemas móviles por satélite. Esto se puede observar en la Fig. El lector puede verificar este fenómeno haciendo los ajustes necesarios en las expresiones (5.554 s ⎥ = erfc⎢ 0.93. Una vez que todas las ranuras de tiempo han sido asignadas. 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. un aumento en el número de usuarios sólo se puede lograr rediseñando el sistema. En efecto.2 0. Por ejemplo. 5. mayor será la probabilidad de error. . se produce una degradación en la calidad de la transmisión.204).203) De (5. En la práctica.204). para una ganancia de procesamiento N = 1000. la calidad de la señal en todas las estaciones se degrada rápidamente. 0.554 ⎥ M−2⎥ Ptj ⎥ 2 2 ⎢ ⎢ ⎣ ⎦ ⎣ ⎦ (5. El sistema CDMA se aplica en telefonía celular.203) y (5.421 V. en sistemas de localización (global positional systems. En el sistema TDMA el número de usuarios está restringido por el número de ranuras disponibles en el sistema. 512.93. 1024 y 2048.204) La probabilidad de error en CDMA depende entonces del número de usuarios M en el sistema.201). Se puede aumentar el número de usuarios pero a costas de un aumento en la probabilidad de error.3 Probabilidad Pe N = 256 N = 512 N = 1024 N = 2048 0. En CDMA este problema no se presenta. MODULACION Y TRANSMISION DE IMPULSOS Ptj = (M − 2) ⋅ Pj = (M − 2) ⋅ Pi P = ( M − 2) s N N (5. se puede agregar los usuarios que se quiera. ya estudiado. se verifica que para que Pe . En efecto. es decir. si una o más estaciones transmiten con altas potencias. GPS).

Como resultado. 3. 5. Para simplificar el análisis.. Por esta razón. de modo que se puede escribir s h ( t . . . la portadora “salta” aleatoriamente a otras de las frecuencias no conocidas por el ente interferente y como consecuencia la interferencia se reduce. y sistemas FHSS Rápidos cuando T < Tb . como se muestra en la Fig. M (5.. pues en el caso de existir una. en la práctica el valor de k es igual al número de etapas r del generador de las secuencias PN. Las frecuencias de portadora se generan en un sintetizador de frecuencia que es controlado por k “chips” tomados de una secuencia PN. Por ejemplo. i) = n =−∞ ∑ 2 cos(2πf t) ⋅ Π( i ∞ t − nT ) T para i = 1. habrá 256 frecuencias de portadora diferentes que serán moduladas por la señal FSK o DPSK. Vamos a suponer también que la frecuencia inferior de dispersión es mucho mayor que fc . vuelve a modular una portadora cuya frecuencia cambia constantemente de acuerdo con una secuencia PN. a esta técnica se le suele llamar también “Dispersión de Espectro por Salto de Frecuencias”. es decir.94 se muestran los “saltos” aleatorios de frecuencia y en la en la Fig. La cantidad de frecuencias es igual a M = 2 k . ella tendría efecto solamente en uno de los M intervalos de tiempo.3 Dispersión del Espectro mediante Conmutación de Frecuencias (FHSS) En los sistemas FHSS la señal digital a transmitir. y en el intervalo siguiente se cambia o “salta” en forma aleatoria a cualquiera otra de las M . generalmente FSK o DPSK. 5.. 205) Dependiendo de la relación entre T y Tb .. vamos a considerar el caso cuando T = Tb . esto quiere decir que durante un intervalo de tiempo T se utiliza una de las M frecuencias. que f1 >> f c .422 V.95. En la Fig 5..1 frecuencias.95 se muestra el modelo de un sistema FSK/FHSS con demodulación no coherente. donde k es el número de “chips” tomados de la secuencia PN. si k = 8. la interferencia se reduce. 2.9. Durante los M − 1 intervalos de tiempo restantes. MODULACION Y TRANSMISION DE IMPULSOS 5. que es una forma de FHSS Lento. Estas frecuencias cambian cada T segundos. los sistemas FHSS se clasifican en sistemas FHSS Lentos cuando T ≥ Tb ..

.7. Sección 5. igual que en el caso DSSS.95. 5. de (5. suponemos que es mucho mayor que la potencia de ruido (η j >> η) . i) x t ( t .206) Esta es la señal FSK/FHSS que se transmite. es decir.207) . i) = n =−∞ ∞ n =−∞ ∑ 2A cos(2πf t) ⋅ cos[2π( f i c + b a f d ) t ] ⋅ Π( ∑ A{cos[2π(f ∞ c c + b a f d + f i ) t ] + cos[2 π ( f c + b a f d − f i ) t ]} ⋅ Π ( El filtro pasabanda A está centrado en [ fc + ba fd + fi ] . i) x r ( t . que ya discutimos anteriormente. i ) Sintetizador de Frecuencia 1 2 3 Generador PN k Reloj Reloj Convertidor Serie / Paralelo T = Tb s h ( t . para T = Tb . de modo que su salida es x t ( t . es. analizaremos separadamente los efectos de la señal útil y los de la interferencia. x fh ( t . i) = x fh ( t . Modelo de un Sistema de Transmisión de Espectro Disperso mediante Conmutación de Frecuencias. ∞ x fh ( t .423 V. i) = x FSK ( t ) ⋅ s h ( t . i) . i) v j (t ) Sintetizador de Frecuencia 1 2 3 k Generador PN Convertidor T = Tb Serie / Paralelo TRANSMISOR CANAL RECEPTOR Fig. 2. . f i − f i −1 = f b . 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 . 5..162). entonces el ancho de banda es B ≈ N ⋅ fb en FSK/FHSS (5.4. Vamos a estimar ahora el valor aproximado del ancho de banda ocupado. M Tb (5. el ancho de banda de la señal FSK/FHSS es B ≈ (M − 1) ⋅ f b . Por razones de ortogonalidad. cuya potencia. De la Fig. Por lo tanto. i) xrh ( t . i) = n =−∞ ∑ A cos[2π(f + b a f d + f i ) t ] ⋅ Π( t − nTb ) para i = 1. x FSK ( t ) = n =−∞ ∑ A cos[2π(f ∞ + b a ⋅ f d ) t ] ⋅ Π( t − nTb ) Tb t − nTb ) Tb t − nTb ) Tb Entonces. MODULACION Y TRANSMISION DE IMPULSOS x FSK (t ) x fh ( t . pero como M = 2 k y N = 2 k − 1... c donde x FSK (t ) . la separación entre dos frecuencias adyacentes debe ser como mínimo igual a fb .95. Asimismo. 3.. En el canal aparece una señal interferente v j ( t ) .

que está centrado en [ f c + b a f d ] . 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. Estrictamente hablando.424 V. i) = x t ( t . él siempre permanece fijo y su ancho de banda generalmente es f b . MODULACION Y TRANSMISION DE IMPULSOS que es el mismo ancho de banda de la señal PSK/DSSS. 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 cual al demodularse producirá la señal mensaje original m(t).208) Hemos recuperado la señal FSK. de modo que x r ( t . i) = ∞ n =−∞ ∑ {n jc ( t )[cos[ 2 π ( f c + b a f d + 2 f i ) t ] + cos[2 π ( f c + b a f d ) t ]] − − n js ( t )[sen[2π( f c + b a f d + 2f i )t ] + sen[2π( f c + b a f d )t ]} ⋅ Π( será n jf ( t ) = } t − nTb ) Tb A la salida del filtro pasabanda C. el espectro de la señal no se ensancha. i) obteniéndose n jh ( t . Esta señal se multiplica por una réplica idéntica y sincronizada de s h ( t . i) resultando en x rh ( t . el ruido a la salida del filtro se puede expresar en la forma canónica n j ( t . podemos decir entonces que . 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 ] . i) se transmite y en el receptor pasa por el filtro pasabanda 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. 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 . La señal x t ( t . o lo que es lo mismo. el cual tiene las mismas características que el filtro A. 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 . Este mismo análisis se puede efectuar para una señal DPSK. Nótese que la demodulación es no coherente para evitar los problemas de sincronización de los sintetizadores de frecuencia. 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) = x rh ( t . i) . 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.

la sincronización de las secuencias PN es mucho más complicada pues requiere circuitos especiales de adquisición y rastreo. Para más información sobre estos sistemas. para Ps / Pj > 13.9.211) exp( − ) 2 2 Pj donde Ps/Pj es la ganancia de potencia o relación entre la potencia útil y la potencia interferente. 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. 1989]. ésta es la denominada operación de “seguimiento o rastreo”.209) (5. 5.4. Proakis. aunque en algunos sistemas el transmisor envía secuencias especiales para mantener la sincronización.2 0 20 10 0 10 g En la discusión de los diferentes tipos Fig. Ps/Pj 20 dB . En particular. 1 γ Pe = exp( − ) 2 2 pero.4 Pe g)0. alta. La probabilidad de error es. en general. 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.164b).210) La probabilidad de error en el sistema FSK/FHSS será entonces 1 1 Ps (5. en la segunda etapa el receptor intenta mantener alineada la secuencia PN local lo más cerca posible de la secuencia PN del transmisor. 5. de (5. Nótese que esta ganancia no depende de N. MODULACION Y TRANSMISION DE IMPULSOS 2 donde Bi es el ancho de banda de un canal individual en FSK. Alcanzada la sincronización. Esto completa la primera etapa. 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. Pero en la práctica la situación es muy diferente. la probabilidad de error Pe < 10 −5 . de (5.96 se muestra la variación de la probabilidad de error en función de la relación Ps/Pj. En la Fig.30 ( 3 FSK / FHSS 0. expresión (5. Consideraciones Finales 0.35 dB .169). Este sistema se utiliza en telefonía celular GSM (Global System for Mobile Communications) de procedencia europea.6 Pe 0.96. A continuación se realiza una sincronización “fina” que sincroniza las dos secuencias.425 V. 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.152). ver [Pickholts y otros. 1982. Pe = La relación Ps/Pj es. en este caso en particular.

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

La señal muestreada se pasa por un filtro ideal pasabajo. La señal x (t ) = 5 cos(2πx10 3 t ) cos(600πt ) se muestrea a una frecuencia de 2100 muestras por segundo.2. Dibuje su espectro Y(f). 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. No obstante. Sea el sistema de la Fig. MODULACION Y TRANSMISION DE IMPULSOS Dada la característica introductoria de este capítulo.3. PROBLEMAS DE APLICACION 5. 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. La señal x (t ) = 10 cos(2πt ) + 4 cos(5πt ) + 2 cos(7πt ) se muestrea en forma instantánea a una frecuencia de 4 Hz. 150 Hz).1.2. demuestre que y (t ) = 5 cos(600πt )[cos(200πt ) + 5. 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. de período igual al intervalo de Nyquist y relación de trabajo igual a 0. Determine la amplitud máxima del espectro centrado en la frecuencia de 100 Hz. 5. La señal x (t ) = 50sinc 2 (10t ) se muestrea mediante una señal periódica rectangular. 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. .97. 2π (b) Determine el diagrama de bloques de un sistema para recuperar x(t) a partir de y(t). donde x (t ) = sinc(t ). 5.427 V. Grafique el espectro de la señal muestreada en el intervalo de frecuencias (-10 Hz. La señal muestreada se pasa por un filtro ideal pasabajo de ganancia unitaria y ancho de banda de 4 Hz.4.97. (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. 5. de ganancia igual a 2 y ancho de banda de 1600 Hz. (a) Demuestre que y (t ) = 1 sinc(t ) cos(2πt ) . El muestreo se efectúa mediante una señal periódica rectangular de amplitud unitaria y ciclo de trabajo igual 0.

.7. MODULACION Y TRANSMISION DE IMPULSOS 5. Demuestre que la frecuencia de muestreo necesaria es f s = 3f m + B g . El valor B es el ancho de banda del filtro de acuerdo con la expresión (2. 5.99.. Se desea muestrear la señal x ( t ) = 15 exp(−103 | t |) . [Sugerencia: utilice la expresión (1. la salida es y( t ) = 2B2sinc(2Bt ) .86 Hz cuando el ancho de banda de la señal es el de 3 dB. (a) Demuestre que el espectro P(f) de p(t) viene dado por p(t) . 5. entonces la frecuencia de muestreo será f s = 2f m + B g . (b) f s = 500 Hz cuando el ancho de banda de la señal se calcula según la expresión (1..115).428 V.98. donde 5.79). f s = 1/ Ts .99. Demuestre que el límite inferior de la frecuencia de muestreo es: (a) f s = 204 ..8. 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 . 5.9 x10 5 πt ) es de 20 kHz. Esta señal se muestrea en forma instantánea y se pasa por un filtro cuya función de transferencia es H (f ) = Π (f / 2 B). Se tiene una señal x(t) pasabajo de banda limitada f m . la salida es y( t ) = 2B2sinc 2 (Bt ) . En la Fig. 5. Suponga que (1/RC)=2πfm . Demuestre que si el muestreo se ha efectuado a una frecuencia de B muestras por segundo.105)]. 5.6. .98 se muestra el espectro de una señal dada. Sea la señal periódica de la Fig. -2B -B X(f) 1 f 2B 0 B Fig. 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. 5. 5. Demuestre también que si el ancho de banda del filtro es el de 3 dB.9. pero si el muestreo se ha efectuado a 2B muestras por segundo. 1 0 . Demuestre que la frecuencia de muestreo mínima necesaria para muestrear la señal x (t ) = 20 cos(10 4 πt ) cos(3.5... Esta señal se va a emplear para muestrear la señal x (t ) = 2 x10 −3 sinc 2 (500t ). Dibuje el espectro de la señal muestreada entre n = −5 y n = 5.

determine el factor FB % para las siguientes señales: 1. x ( t ) = 8sinc 2 (8x103 t ). 5. El área rayada representa entonces la pérdida de señal producida por la limitación de banda debida al filtro.11.100. el factor de solapamiento es del 7. 5.403%. donde X(f) es el espectro de la señal de información x(t). De acuerdo con esta definición. entonces ∫ F %= ∫ s 3f2 / 2 fs / 2 fs / 2 | X(f )|2 df 100 (5.213) 2 0 | X(f )| df Si x(t) está caracterizada mediante su densidad espectral de potencia Sx(f). En general.15. demuestre que el Factor de Solapamiento debido a los espectros adyacentes se puede expresar en la forma Factor de Solapamiento.214) (b) Si B = 5 kHz. Consideremos el espectro de la Fig. Utilizando (5. (a) Demuestre que el “Factor de Distorsión por Limitación de Banda” viene dado por Filtro Pasabajo X(f) -B 0 B f FB % = ∫ ∫ ∞ B ∞ 0 | X(f )|2 df 100 | X(f )| df 2 Fig. de modo que teóricamente cuando ellas se filtran para limitarlas en banda se produce distorsión.212) 2 2 0 | H (f )| | X(f )| df Si la ganancia del filtro es constante en la gama | f | ≤ f s / 2 . Consideremos la distorsión de solapamiento mostrada en la Fig.10. entonces Sx(f) reemplaza a |X(f)|2 en las expresiones anteriores. 2. 5. (5. con f s = 500 Hz. MODULACION Y TRANSMISION DE IMPULSOS 5. ∫ F %= ∫ s 3f s / 2 fs / 2 fs / 2 | H (f )|2 | X(f )|2 df 100 (5.213) demuestre que cuando se muestrea la señal x (t ) = 15 exp(−10 3 | t |) . x(t) = 10exp(-104 t ) . las señales de información prácticas no son estrictamente limitadas en banda.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”. 5.429 V.

5. (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. demuestre. donde Ts = = y X(f) = Π ( ) . sin embargo. Sea la señal x (t ) = 8sinc 2 ( t 1.102.215) 0 Si x ( t ) = 2f m sin c(2f m t ) .101.16.12.101. por ejemplo. donde f m = 1 / 2πRC y f s = 3f m . 5.11. (a) Si h (t ) = cos( T f πt 1 1 ) para | t| ≤ s .25x10 −4 ) cos(1. 140 kHz) 5. 1 1 (b) Repita cuando h ( t ) = Λ ( 2f m t ). donde x(t) es una señal pasabajo de banda limitada fm. 5. MODULACION Y TRANSMISION DE IMPULSOS 5. calcule y Ts 2 f s 4f m 2f m dibuje X s (f ) en la forma mostrada en la Fig. x(t) f s es la frecuencia de Nyquist de x(t). Dibuje el espectro Y(f) x (t ) = 2 f m sinc(2f m t ) 5.14.842%.13. donde x(t) es una señal pasabajo de banda limitada fm . (a) Demuestre que la frecuencia mínima de muestreo es de 35 kHz y diga las características del filtro necesario para recobrar la señal. con Ts = = f s 3f m 5. h(t) puede tener cualquier perfil. 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. 5. Sea el sistema de la Fig. se puede cuantificar la Distorsión de Interpolación.94x10 5 πt ) .15. f s = 1 / Ts = 2f m . En el muestreo con retención se utiliza un filtro de orden cero dado por (5. Si se considera solamente la energía de los espectros adyacentes que pasa a la salida.16.25). donde δ Ts (t ) Fig. a partir de la Fig. Sea el sistema mostrado en la Fig.102. 5. (b) Calcule el espectro de la señal muestreada y dibújelo en el intervalo (-140 kHz. (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 ]. 5. 5. demuestre que el factor de distorsión de interpolación producido por un filtro pasabajo RC es del 27. Igualmente que en los dos problemas anteriores.430 V.

18 dB al que utiliza impulsos trapezoidales. podemos ver que el comportamiento del sistema PPM que utiliza impulsos en coseno elevado es superior en 8.30. 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 . Vp y Vu . La señal m(t ) = 10 cos 2 (5x10 3 πt ) se va a modular en PAM.4 se calculó la ganancia de conversión en PPM suponiendo que los impulsos tenían forma trapezoidal. (b) Considerando la geometría de la señal vd (t).3. 5. Note también que [min sinc(t)] ≈ -0.431 V.217) Comparando este resultado con (5. Vp = βm [Vu + | min m(t)|-A] βm − 2 donde β m > 2 . Utilizando el mismo procedimiento.2. PDM y PPM. A. 5. . Fig. grafique el espectro de xi (t). es el factor de expansión del ancho de banda. 5. y su ganancia es unitaria.425 seg (a) Determine los valores apropiados de los parámetros Ts . 5. En un sistema PDM se observa que el ancho de los impulsos viene dado por la expresión τ (t ) = 10 −3 [1 + 0. demuestre que cuando los impulsos tienen la forma de ⎧ A⎡ 2πt ⎤ t ⎫ coseno elevado ⎨p(t ) = ⎢1 + cos( ) Π ( )⎬ . 5.23. 5. Determine las relaciones de expansión del ancho de banda y las ganancias de conversión correspondientes.2172 para t = 1.216) (5.70).17. 5. Suponga que |min m(t)|= A / 2 .29 y 5. entonces So / N o π 2 B 3 π 2 3 = ( ) = βm 24 f m 24 Si / N i (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 ) . La señal m( t ) = 10sinc(10 4 t ) se va a modular en PDM en la forma mostrada en la Fig.19. 3 Demuestre que el ancho de banda mínimo para transmitir la señal PDM es de 2 kHz. demuestre que B MIN ≈ 2 f m Vp Vp + A − | min m(t)|-Vu = β m f m .70). En la Sección 5.20.69) y (5. (c) Si la banda de paso del filtro está entre 3f m y 5f m .18.23. y expresiones (5. Fig. La relación de trabajo del tren de impulsos sin modular es de 0. y que su período es Ts = 3 ms .5 cos( 10 3 πt )] . MODULACION Y TRANSMISION DE IMPULSOS (b) Si x (t ) = sinc 2 (f m t ) .

37 mV y que la relación de postdetección S o / N o = 48. por lo tanto.23. Esto quiere decir que si m' (t ) ≠ 0 . ambos NRZ. a partir de la expresión (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. convertir en PCM binario y almacenar en la memoria de una computadora. de (5. (c) Demuestre que en PAM se cumple que As = 2A sen(πτf s ) π (5.61.432 V. la información de temporización no puede extraerse de x PPM (t ) .218) Obsérvese que la amplitud As varía en el tiempo en función de la derivada de la señal mensaje. Nótese que el ancho de banda en PCM es 5 veces mayor que el ancho de banda en PAM.16 dB . 5. Si el voltaje máximo de salida del cuantificador es de ± 8V . demuestre que la resolución del cuantificador es de 31.220) Se aplican las mismas observaciones que en la parte (b). Demuestre que el ancho de banda del sistema PCM es de 40 kHz.21. . Esto se puede efectuar mediante un filtro pasabanda muy angosto centrado en fs . como mínimo. As = 2A J o (πτ 1 f s ) sen(πτ o f s ) π (5. Una señal de audio tiene una frecuencia máxima de 3. o con el circuito de la Fig. (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. (c) Repita la parte (b) cuando el cuantificador tiene 256 niveles. de 60 kbytes. MODULACION Y TRANSMISION DE IMPULSOS 5. (a) Demuestre. (b) Si cada muestra se ha codificado en 8 impulsos PCM binarios. demuestre que la capacidad de la memoria para almacenar la señal PCM debe ser. 5. (b) En el sistema PCM los impulsos PAM se cuantifican con un cuantificador bipolar de 32 niveles. Como consecuencia. La señal se va a muestrear. 5.60).219) Obsérvese que ahora A s es constante. Su contenido espectral va desde CC hasta 500 Hz.53).22. en el sistema PPM hay que transmitir también la información de temporización. (a) Demuestre que el ancho de banda mínimo del sistema PAM es de 8 kHz. Esta señal se muestrea a 8000 muestras por segundo y los impulsos resultantes se transmiten tanto en PAM como en PCM. Una señal analógica tiene una duración de 1 minuto.2 kHz. (b) Demuestre en la misma forma en PDM que la amplitud de la componente a la frecuencia de portadora f s es. la componente a la frecuencia fs se puede extraer de x PDM (t ) .

Por consiguiente. M señales pasabajo.5 V. 5.: B = 2Mfm/RT] (c) Haga un diagrama de bloques del receptor para recuperar las M señales individuales. A un modulador Delta se le aplica la señal m(t ) = sen(2πx10 3 t ) . y calcule su ancho de banda.42. Determine también la ganancia de conversión en el receptor. el ancho de banda en DM es 32. con escalones de 10 mV de amplitud. Se desea comparar los anchos de banda de transmisión requeridos en PCM y DM en el caso de modulación sinusoidal. y ⎡ So ⎤ vs ⎢ ⎥ ⎢ ⎥ ⎣ N q ⎦ DM ( dB) βm . 5. todas de banda limitada f m se muestrean instantáneamente y se multiplexan en TDM. Si la relación Señal / Ruido de Cuantificación es de 30.25.47(b).27.17f m .761 dB. ⎡S ⎤ Grafique ⎢ o ⎥ ⎢ ⎥ ⎣ N q ⎦ PCM ( dB) Discuta los resultados. (b) Dibuje con cuidado la señal PAM entre 0 ≤ t ≤ 130 µseg. siendo la frecuencia de muestreo igual a 64 kHz. 5. MODULACION Y TRANSMISION DE IMPULSOS 5. 5. (b) Repita (a) si las M señales se multiplexan en la forma mostrada en la Fig. 5. (b) Demuestre que la relación So/No máxima es de 21. Se quiere comparar los sistemas PCM y DM mediante el factor de expansión del ancho de banda β m = B / f m . y determine los valores de x PAM (t ) para t = Ts y t = 2Ts . La señal multiplexada compuesta se pasa por un filtro pasabajo ideal antes de la transmisión. (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.29.8 veces el ancho de banda en PCM.92 dB. m(t) y x ∆ ( t ) en la forma mostrada en la Fig. (a) Dibuje cuidadosamente las señales m(t ). siendo RT el ciclo de trabajo de la señal PAM/TDM [Resp. la cual es producida por una frecuencia de muestreo de 314.09817 y que la correspondiente relación So/No es de 21.099 dB en ambos sistemas. La señal m(t ) = 5 + 20 cos 2 (10 4 πt ) se quiere modular en PAM (RZ) con una relación de trabajo de 0.16 Hz.28. demuestre que BPCM = 10f m y BDM = 328.433 V.05 ⋅ [1 − cos(10πt )] se aplica a un modulador Delta cuya frecuencia de muestreo es de 100 Hz. 5. 5.26. Demuestre que el valor óptimo teórico de la amplitud del escalón ∆r es de 0. (a) Demuestre que el factor de expansión del ancho de banda es igual a 20. El muestreo se efectúa al doble de la frecuencia de Nyquist.24.2. dibuje la señal PCM entre 0 y 75 µseg . entre t = 0 y t = 100 ms. en las condiciones dadas. (c) Si la señal PAM se codifica (forma unipolar) en PCM de 32 niveles y resolución 0. La señal m(t ) = 0.

Demuestre que en este caso la velocidad de modulación es Vb = 20Mf m baudios. cuya salida ABCD se muestra en la Tabla inserta. Este multiplexor se puede instrumentar en la práctica con circuitos integrados 4016. En la Fig. MODULACION Y TRANSMISION DE IMPULSOS (d) La señal PAM/TDM compuesta se codifica en ASCII sin bit de paridad.37(a). Las compuertas analógicas 4016 conducen cuando son activadas en secuencia mediante un contador cíclico. 5. El impulso de arranque tiene la misma duración que los impulsos PCM NRZ. m 3 (t ) = A ⎢ Λ ( τ/2 τ τ/4 τ/4 ⎥ ⎦ ⎣ . N y n . Fig. la cual se transforma en serie mediante un registro de desplazamiento.434 V. (b) En el registro de desplazamiento se agrega un impulso de arranque (siempre a “CERO”) y uno de pare (siempre a “UNO”). La señal m(t ) = 10[1 + cos(10 4 πt )] se va a codificar en PCM NRZ mediante un convertidor analógico-digital de salida paralela. 5. El error máximo tolerable en la codificación es del 0.103. Al multiplexor entran las siguientes señales: m1 (t ) = AΛ ( t−τ/2 t−τ/2 t − 3τ / 4 ⎤ ⎡ t−τ/4 ) + Λ( ) . ).1957% del valor máximo de m(t).31.9. m1 ( t ) ∆Q. En este caso determine la frecuencia de reloj del registro de desplazamiento y el ancho de banda mínimo de la señal transmitida. 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. m 2 (t ) = AΠ ( ). 5.30. 5. (c) Grafique la forma de las secuencias PCM NRZ correspondientes a t = 0 y t = Ts.103 se muestra un sistema TDM básico para cuatro señales. Suponga que el muestreo de m(t) se ha efectuado al doble de la frecuencia de Nyquist. 5. (a) Determine las características del convertidor analógico-digital: Sugerencia: utilice los resultados del Ejemplo 5. Vqmax . mientras que en los impulsos de pare la duración es el doble.

4. m 3 (t ) = 10sinc 2 (10 4 t ) y m 4 (t ) = 20 cos(10 πt ) cos(2x10 πt ) . dibuje la forma de la señal PCM / TDM NRZ a la salida del codificador PCM desde t = 0 hasta t = 2Ts .8 seg y que la frecuencia f s es τ 2 τ de 10 Hz. mientras que las señales m3(t) y m4(t) tienen un ancho de banda de 1 kHz. (f) ¿Cuál es el valor de la frecuencia f pcm ? 5.100 del problema anterior. m3(t) y m4(t). dibuje la forma de la señal PAM / TDM NRZ a la entrada del codificador PCM desde t = 0 hasta t = 4 Ts . Las señales m1 (t ) = 5 cos(10 4 πt ) . MODULACION Y TRANSMISION DE IMPULSOS 2πt A t−τ/2 [1 + cos( )] ⋅ Π ( ). (b) Demuestre que el sistema de dos etapas puede procesar hasta 8 señales de 80 Hz sin variar las frecuencias de muestreo. m2(t). (a) Demuestre que el ancho de banda mínimo del canal para transmitir la señal PCM es de 800 kHz. Suponga que τ = 0.33. m 4 (t ) = (a) Describa el funcionamiento del circuito completo. 4 3 m 2 (t ) = 10sinc(10 4 t ) . En un sistema de telemetría PAM / TDM se multiplexan cuatro señales pasabajo m1(t).14(b)).435 V. y a continuación la señal PAM / TDM se codifica en PCM. y un multiplexaje final de m12(t).36x107 bits. se multiplexan en TDM en la forma mostrada en la Fig. (b) Demuestre que la cantidad de información que el sistema puede transmitir en 1 minuto es de 3. (c) Diseñe un sistema de recepción para la recuperación de las diferentes señales. 5. (a) Demuestre que la frecuencia de muestreo para el proceso previo de m1(t) y m2(t) es de 300 Hz. La frecuencia de muestreo para m3(t) y m4(t) es de 2400 Hz. Las señales m1(t) y m2(t) tienen un ancho de banda de 80 Hz. ¿Es diferente del ancho de banda de cuando se transmite sólo 2 señales de 80 Hz más las dos señales de 1 kHz? Explique. código ASCII sin bit de paridad (Fig. Suponga que las otras frecuencias de muestreo se pueden obtener mediante división por potencias de 2 a partir de 2400 Hz. 5. (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. m3(t) y m4(t).32. (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. (e) Calcule el ancho de banda mínimo del canal para transmitir la señal PCM / TDM NRZ. . (b) Si A = 1. Diseñe un sistema PAM / TDM que efectúe un multiplexaje preliminar de m1(t) y m2(t) en una señal compuesta m12(t).

35. T donde k es la constante de la expresión (5. una red donde la entrada sea x ( t ) = AΠ ( ) y la salida tenga la forma τ A t 2πt y (t ) = [1 + cos( )] ⋅ Π ( ) . MODULACION Y TRANSMISION DE IMPULSOS 5.105 se aplica a un filtro acoplado. El impulso coseno elevado de la Fig. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78.104. η = 10-6 W/Hz. La señal de entrada a un filtro acoplado tiene la forma mostrada en la Fig. 5.134).105. T (b) Si A = 10. Se desea construir una red lineal que convierta impulsos rectangulares en impulsos coseno t elevado. El ruido de entrada tiene una densidad espectral de potencia S n (f ) . (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.239 dB . 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 ⎣ ⎦ ⎣ ⎦ . (b) Si A = 10. El ruido de entrada es blanco de densidad espectral η/2 y k = η/2.37. 5.104. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. es decir. el ruido es blanco con η = 10-6 W/Hz y k = η/2. La t −T/2 señal de entrada es un impulso de la forma v( t ) = AΠ ( ) . el ruido es blanco de T densidad espectral η/2 y k = η/2. 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 5.34. T = 1 seg. Vamos a comparar el comportamiento entre un filtro pasabajo RC y un filtro acoplado. 5.36. 5.436 V.751 dB . (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. 5. T = 1 seg.

39. (b) Demuestre que el 50% de la potencia total de la señal ASK se va en transmitir la componente continua o portadora. es z max = 83.147) y Fig.0206 dB. (b) Demuestre que si la velocidad de información se reduce a 300 bps.0306x10-10 .01 dB .672 x10 −7 Pe = 1. (a) Demuestre que la velocidad de información máxima en el canal es de 1500 bps y que la probabilidad de error es de 2. centrado en f c .8 Mbps y se utiliza modulación ASK. 5. se da la densidad espectral de potencia de una señal ASK para una secuencia binaria unipolar NRZ. 5.437 V. (a) Demuestre que la potencia contenida dentro del ancho de banda B = 2 f b . Sugerencia: utilice el mismo procedimiento del Ejemplo 1.59 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. Se considera ASK Coherente. 5.19. MODULACION Y TRANSMISION DE IMPULSOS (b) Demuestre que la potencia de ruido a la salida del filtro es < n 2 (t ) >= o η 4RC (c) Si T = 1 seg. RC = 10 y η = 10-6 W/Hz. demuestre que la relación S/N máxima a la salida del filtro RC es z max = | v o ( T ) |2 = 75. la probabilidad de error será de 1. de la relación S/N en la antena es de 10. La velocidad de información es de 4. en dB. (a) Demuestre que las probabilidades de error son: En ASK Coherente: En ASK no Coherente: Pe = 1. 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. Se transmite datos binarios por un canal de RF.62. Nótese la superioridad del filtro acoplado: en las mismas condiciones que el filtro RC. para los mismos valores de la parte (c).40. A = 10.38.1068x10−6 (b) Demuestre que el valor.42 dB. En la expresión (5. es el 95% de la potencia total de la señal ASK. La relación S/N máxima en el canal es de 6.339x10-3 .969 dB. Sobre un canal telefónico de 3 kHz de ancho de banda se transmite datos binarios. su relación S/N máxima de salida es superior en 7. El ancho de banda útil del canal es de 10 MHz. . 5.

Repita para este Módem Bell los cálculos efectuados en el Ejemplo 5.41. y en la banda superior. la velocidad de transmisión de 1200 bps y la densidad espectral de 10-10 W/Hz. de amplitud de portadora A y frecuencia de señalización fb. El ancho de banda útil del canal es de 3 kHz. Un canal ideal tiene un ancho de banda útil de 3 kHz. fd = 300 Hz Pe = 2. parte (b). 5. Se utiliza un modem que trabaja a una velocidad de modulación de 300 baudios.339x10-3 Pe = 9. 5. El Módem Bell 102/113 transmite a 300 bps. demuestre que las probabilidades de error son: En FSK Coherente: En PSK Coherente: Pe = 2.43. pero sus frecuencias de operación son: en la banda inferior. Sea los sistemas ASK.18. Probabilidad de error en FSK Coherente: Probabilidad de error en FSK no Coherente: desviación de frecuencia. La amplitud de la portadora es 0. Demuestre que la velocidad de información máxima que el canal puede soportar es de 1500 bps. FSK y PSK Coherentes. MODULACION Y TRANSMISION DE IMPULSOS 5. Sobre un canal se transmite datos binarios en FSK.438 V. fc = 1800 Hz. Demuestre los siguientes resultados: frecuencia de portadora. ⎡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. La relación S/N en el canal es de 6.158x10-3 Ancho de banda del filtro de entrada.5 mV y la densidad espectral de ruido en el sistema es de 10-11 W/Hz. 5.21.44. La potencia de ruido en los tres sistemas es la misma. igual que el Módem UIT-T V. Compare los resultados. determine la amplitud de la portadora y la probabilidad de error en ASK. (c) Para la velocidad de información calculada en (b).. B = 1200 Hz. f1 = 2025 Hz y fo = 2225 Hz. (b) Se utiliza las técnicas FSK y PSK. Las frecuencias de transmisión son f1 = 1500 Hz y fo = 2100 Hz. 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. FSK y PSK.42. f1 = 1070 Hz y fo = 1270 Hz. (a) Demuestre que para una misma probabilidad de error Pe y en modulación coherente. (a) Demuestre que la capacidad teórica máxima del canal es C = 9667 bps.229x10-5 Pe = 3.0206 dB.882x10-9 .

275x10-2. En la Fig.106. (a) Utilizando los mismos datos del problema anterior. fo = 2500 Hz (b) Demuestre que la amplitud de la portadora es de 0. (c) Demuestre que las probabilidades de error en FSK Coherente y no Coherente son: Coherente: Pe = 2.45.47. 5.106. x PSK (t ) Filtro Pasabanda Elevador al Cuadrado Filtro Pasabanda Divisor de Frecuencia Filtro Pasabajo v d (t ) tn Vu Sincronizador de Portadora "1" "0" 2f c ÷2 Fig. 5. f1 = 1100 Hz. Se dispone de un canal cuya respuesta de frecuencia se muestra en la Fig.107 se muestra otra forma de codificador diferencial.767x10-2 (d) Demuestre que la capacidad teórica máxima de este canal es C = 3170 bps. Hz (a) Demuestre que los valores apropiados de la frecuencia de portadora y de las frecuencias fo y f1 son: fc = 1800 Hz. 5. . 5. 5. No se muestra el sincronizador de temporización. En la Fig. No Coherente: Pe = 6. 5.107.108 se muestra el diagrama de bloques de un receptor PSK binario.439 V. Al codificador diferencial de la Fig. y por el cual se va a transmitir información binaria a 300 baudios en FSK.98 mV. 5.73 se le aplica una secuencia binaria de la forma 1101000110. La relación S/N en el canal es igual a 3. 5.01 dB y la densidad espectral de potencia del ruido de 2x10-10 W/Hz.108. (b) Repita (a) si el primer dígito es un “1” y la fase es 0o. H(f) 1 f -2800 -800 0 800 2800 Fig.48.75. Determine la secuencia de salida (mensaje codificado) del codificador y las fases de la señal modulada DPSK. Suponga que el primer dígito es un “0” y que la fase correspondiente es 0o . Q A B fb clk FF D C Entrada Salida C = A⋅ B+ A B Fig. MODULACION Y TRANSMISION DE IMPULSOS 5. 5. construya una Tabla de valores como la mostrada en la Fig. 5. 5.46.

079x10-8 W .038x10-8? El ancho de banda del canal es el calculado en (d) y la detección es no coherente [Resp. cuando se opera sobre un canal de 3 kHz de ancho de banda. En el Capítulo VI estudiaremos este concepto con más detalle. “ “ “ “ “0” . Si/Ni = 12. Bc = 208 kHz (e) La densidad espectral de ruido en el canal es de 10-14 W/Hz.309 dB] 5. viene dado A3 por v d (t) = cos( φ i ) 4 (b) Establezca un algoritmo de decisión apropiado para el comparador. Los filtros FI 1 y FI 0 son pasabanda.: A2 = 7. MODULACION Y TRANSMISION DE IMPULSOS Suponga que x PSK ( t ) = A cos(2 πfc t − φ i ) . PSK. (d) Si la transmisión se hace en FSK binaria con una desviación de frecuencia de 40 kHz y una frecuencia de portadora de 1. (a) Demuestre que el voltaje de entrada al comparador. con una densidad espectral de ruido de 2x10-10 W/Hz y una probabilidad de error de 3. En la Fig. Demuestre que el ancho de banda mínimo del canal es de 128 kHz.504x109 Hz. ¿Cuál será la potencia pico de la señal recibida FSK y la relación S/N correspondiente si la probabilidad de error es de 2.5 GHz. f0 = 1. centrados en las frecuencias fI1 y fI0 . respectivamente. (b) Si las secuencias son PCM NRZ demuestre que el ancho de banda de base es de 64 kHz. a una velocidad de 1000 bps. FSK. Calcule las potencias pico y promedio de la señal. en un intervalo Tb dado. como veremos en el Capítulo VI.216x10-5 . y las frecuencias de transmisión son: f1 = 1300 Hz. La señal de entrada vc (t) se puede escribir en la forma v c (t ) = A c cos[2π (f c ± f d )t ] . Una señal de voz se va a transmitir en PCM por microondas. en ASK. cuando se transmite un “1” fo = 1700 Hz. Tabule y compare los resultados.109 se muestra un receptor FSK. así como las correspondientes relaciones S/N. 5. 5.496x109 Hz. Un receptor de este tipo se denomina “receptor heterodino”. donde fI0 > fI1 . tanto coherente como no coherente. todos de igual duración.51.50. Demuestre que las frecuencias de operación y el ancho de banda de transmisión son: f1 = 1. (a) Demuestre que la velocidad de información de las secuencias PCM es de 56 kbps. 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. 5. y DPSK.440 V. (c) Para la transmisión se utiliza modulación PSK binaria. 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.49.

53.52.751 5. Relaciones entre PSK M-ario y PSK Binario. Demuestre que PM = π [log 2 M]sen 2 ( ) M 1. Que f I 0 + f I1 = f c . Relaciones entre PSK M-ario y DPSK M-ario.6297 para erfc(x2 ) = 10-4 → x2 ≈ 2. Que 2. Sea PMPSK la potencia de señal en PSK M-ario y PMDPSK la correspondiente en DPSK Mario . demuestre que PMDPSK = 1 sen 2 (π / M ) PMPSK 2 sen 2 (π / 2M ) (b) Verifique que si M >> 1.fI1 ) < 2 kHz 5. 5. Analice el sistema y determine los valores apropiados de las frecuencias fI1 . 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. fI0 y fo . entonces PMDPSK → 2 ⋅ PMPSK . donde fc es la frecuencia de portadora 2 1 kHz < (fI0 . (a) Sea BB el ancho de banda en binario y BM el correspondiente en M-ario.094 ⋅ PB cuando Pe = 10-4 Nota: para erfc(x1 ) = 2x10-4 → x1 ≈ 2. el sistema DPSK M-ario requiere un aumento de 3 dB de potencia sobre el requerido para PSK M-ario. es decir. 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. sujeto a las condiciones siguientes: 1. . (a) Para una probabilidad de error Pe cualquiera. 109.441 V.

En ⎣ N ⎦ PSK ⎣ N ⎦ FSK PSK hacer B c = 2 f s y en FSK. El modulador toma bloques de L = log2 4 = 2 dígitos binarios y le asigna a cada dupla de dígitos. 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. . 3. ángulos de desfase en la forma siguiente: 00 → φ 1 = 0 o . 5. siendo fb la frecuencia de señalización a la entrada del modulador. (b) Demuestre que la amplitud de la portadora es de 4. (b) Demuestre que la relación S/N en el canal es de 9. 01 → φ 2 = 90 o . 5.893 mV y que la probabilidad de error es Pe = 9. donde f s = f b / log 2 M . 110 → φ 7 = −135 o .56. la relación S/N de 13 dB y la densidad espectral de ruido de 10-10 W/Hz.041x10-23 y que la relación S/N ha aumentado en 6. (a) Dibuje el Diagrama de Fresnel correspondiente. 001 → φ 2 = 0 o . (c) Si la amplitud de la portadora aumenta al doble. La probabilidad de error debe ser de 10-5. la amplitud de la portadora de 1 mV y la densidad espectral de ruido de 10-11 W/Hz.57. ∆f = 1. 101 → φ 6 = −45 o . 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.55.. está trabajando.795x10-7. el ancho de banda del canal es de 3 kHz. el sistema que mejor se adapte a la situación en la cual Ud. separadas en ∆f.021 dB.. 2. Haga el dibujo con cuidado para poder distinguir los cambios de fase. (b) Dibuje la señal PSK 8-aria de salida cuando la secuencia de entrada al modulador es de la forma 001010111100. 111 → φ 8 = 180 o La frecuencia de portadora es de 1600 Hz.208 dB y que la probabilidad de error es Pe = 7. el ancho de banda del canal de 3 kHz. La velocidad de información de la secuencia binaria de entrada a un modulador PSK 8-ario es de 4800 bps...294x10-4 . demuestre que la nueva probabilidad de error es Pe = 5. (a) Dibuje el Diagrama de Fresnel correspondiente. Si se considera la señal FSK M-aria como si estuviera formada por M señales de frecuencia fi . . utilice los valores aproximados de la Fig. Elija Ud. 11 → φ 3 = 180 o . Haga el dibujo con cuidado para distinguir los cambios de fase.86. para i = 1. 010 → φ 3 = 90 o . 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 .5f s . 10 → φ 4 = 270 o La frecuencia de portadora es de 1800 Hz.442 V. 5. 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 . ⎡S⎤ ⎡S⎤ Determine las relaciones ⎢ ⎥ y ⎢ ⎥ y los correspondientes anchos de banda. MODULACION Y TRANSMISION DE IMPULSOS 5.54. 011 → φ 4 = 135 o 100 → φ 5 = −90 o . M. La secuencia binaria de entrada a un modulador DPSK 4-ario tiene una velocidad de modulación de 1200 baudios.

En un sistema CDMA se desea una probabilidad máxima de 1.443 V. la potencia de la señal interferente debe estar.5 dB por arriba de la potencia de la señal útil.081x10-6.081x10-6. Demuestre que para ser efectiva. Nótese entonces que para que la interferencia pueda causar algún daño se necesitan grandes potencias de transmisión.4. 5. En particular. demuestre que con una ganancia de procesamiento de 2048 el sistema puede atender hasta 184 usuarios. Utilice la Tabla del Apéndice D. como mínimo. Haga una gráfica del número de usuarios M vs N. MODULACION Y TRANSMISION DE IMPULSOS 5. Se desea que la probabilidad de error esté por debajo de 1. . donde N es la ganancia de procesamiento.59.58. a 19. En un sistema PSK/DSSS la ganancia de procesamiento es de 1000.

444 V. MODULACION Y TRANSMISION DE IMPULSOS .

pero resulta que la mayoría de los canales (incluyendo los dispositivos electrónicos) son de naturaleza pasabanda. sea que las señales sean digitales o analógicas. Si el canal es el espacio libre. música. y utilizaremos extensamente los principios teóricos de las señales y sistemas pasabanda desarrollados en los Capítulos I y II. y en el Capítulo V dedicamos una parte substancial a la transmisión de señales digitales mediante portadora modulada. para su transmisión a distancia tienen que ser moduladas. 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. En altas . (b) Aumento de la frecuencia para facilidad de irradiación. por ejemplo. Esta colección de mensajes o de formas de onda se puede modelar como un proceso continuo de señales aleatorias.CAPITULO VI MODULACION Y TRANSMISION DE SEÑALES CONTINUAS 6. por ejemplo. incluyendo las señales de audio. pertenecen a un conjunto numerablemente infinito de posibles mensajes cuyas formas de onda no conocemos. de una señal mensaje m(t) pasabajo. pero las frecuencias de portadora van de 535 hasta 1605 kHz. contienen componentes de frecuencia inferiores a 1 kHz. en contraste con las señales digitales estudiadas en el Capítulo V. la altura de las antenas e