P. 1
Principios de Las Comunicaciones

Principios de Las Comunicaciones

|Views: 1.049|Likes:

More info:

Published by: Allen Saavedra López on Aug 16, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/22/2013

pdf

text

original

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

Pares de Transformadas de Hilbert C.3. Características Generales de los Sistemas de Modulación de Ondas Continuas 536 6.5.1.1.5.5.1. Código ASCII o Alfabeto Internacional N 5 de la UIT-T B.2.5.3. Criterios de Comparación 531 6. La Transformada de Fourier Rápida (FFT) APENDICE B MISCELÁNEOS B. Cálculo Numérico de los Coeficientes de Fourier A. CATV) en UHF o B.2.6. CATV) y FM en VHF B.5. RESUMEN PROBLEMAS DE APLICACIÓN APENDICE A CALCULO NUMERICO DE LAS SERIES Y TRANSFORMADAS DE FOURIER A. Bandas de Televisión (NTSC.2.4. La Transformada de Fourier Discreta (DFT) A.5.6. El Espectro Electromagnético 567 567 568 569 570 570 570 570 571 568 B.2. Otros Teoremas de Interés 571 569 .4 Comparación entre los Sistemas de Banda Ancha 534 6.5. Intercambio “Ancho de Banda-Relación S/N” en Sistemas de Banda Ancha 532 6.4. Comparación entre los Sistemas de Modulación Angular 530 6.1.3.7. Pares de Transformadas de Fourier C.4. Bandas de Televisión (NTSC. 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. Código Baudot APENDICE C TRANSFORMADAS C.5. Comparación entre los Sistemas de Modulación Angular vs Modulación Lineal 532 6.3. Teoremas de la Transformada de Fourier C. 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.

xii APENDICE D FORMULAS MATEMÁTICAS D. Integrales Indefinidas D.3.2.1. La Función Error BIBLIOGRAFÍA 574 573 573 572 572 572 575 . Integrales Definidas D.4. Identidades Trigonométricas D.

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

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

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

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

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

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

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

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

puede decirse que solamente las señales aleatorias proporcionan verdaderamente información. desde el punto de vista del análisis. prueba y operación de sistemas. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. diseño. x(t ) = x(t + T) para todo t (1. conocidas como “señales determinísticas” y “señales aleatorias”. es decir.2. pero en los intervalos usuales de trabajo y para efectos de análisis. una señal aleatoria es aquella en la cual existe un mayor o menor grado de incertidumbre en cuanto a un valor instantáneo futuro. Señales Determinísticas y Aleatorias En los sistemas de comunicación se encuentran dos clases amplias de señales. En su definición más sencilla. Aunque el valor exacto en un instante dado no se conoce. podemos argumentar que una señal aparentemente periódica deje de serlo después de un tiempo lo suficientemente grande.1). Por ejemplo. por lo menos en lo que se refiere al destinatario. hay que considerar siempre una u otra representación. una señal no periódica es aquella para la cual no existe un T finito que satisfaga la expresión (1. Al intervalo de un período se le denomina también un “ciclo” de la señal. Las señales determinísticas tienen propiedades bien conocidas además de que son más fáciles de generar y utilizar. MODELOS DE LAS SEÑALES 1. una señal sinusoidal de la forma x(t) = Acos(2πfct) para todo t. 1. Esto es verdad desde un punto de vista muy amplio y. Desde un punto de vista práctico estos argumentos no producen ninguna dificultad. Señales Periódicas y no Periódicas Una señal periódica es aquella que se repite en una forma predecible cada T segundos.1. Son también señales determinísticas aquellas que no poseen una ecuación que las describa pero que están representadas mediante gráficos. es una señal determinística. Las señales determinísticas se pueden representar mediante expresiones matemáticas explícitas del tiempo. 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.1) T es una constante positiva y es el valor más pequeño que satisface la expresión (1. El punto a resaltar es que el valor exacto de una señal determinística se puede predecir o calcular por adelantado. En términos más formales. 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. donde T es el período de repetición de la señal. aunque la palabra “ciclo” se utiliza principalmente en señales sinusoidales. no solamente es deseable sino también necesario utilizar señales determinísticas para analizar el sistema y predecir su comportamiento.1). Igualmente. En el Capítulo III se presentan algunos fundamentos de las variables y procesos aleatorios. Sin embargo.2. por supuesto. puesto que las señales determinísticas pueden ser totalmente conocidas de antemano. Una señal no periódica o aperiódica se puede considerar como el límite de una señal periódica cuanto el período T tiende a infinito. Como veremos en Capítulo IV.2.5 I.2. . todas las señales procesadas en un sistema de comunicación son de naturaleza aleatoria.

Para simplificar la notación. asimismo.3. E es la energía normalizada para una resistencia de 1 Ohm. no es necesario tomar el límite y la integración se efectúa dentro de un período T. P= 1 T ∫ T/ 2 − T/ 2 x 2 (t )dt si x(t) es real (1. sin embargo. De las definiciones (1. la potencia promedio de la señal en el intervalo (-T/2. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. que es la más utilizada en la caracterización de señales reales de aplicación práctica.4) La potencia promedio de una señal x(t) en el dominio del tiempo se define como la energía por unidad de tiempo. ser compleja. Como x(t) puede. se mide en vatios (W).3) = x (t )x * (t ) . Este es un operador lineal. T − T/ 2 ∫ ∫ Algunas veces se define también la denominada “intensidad normalizada de una señal” como la potencia o la energía normalizadas. T/2) es P= E T = lim T →∞ ∫ T 1 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 .2.6) Esta es la potencia normalizada para una resistencia de 1 ohm. en general.6) se puede establecer lo siguiente: (a) Se dice que una señal x(t) es de energía si y sólo si . una definición más general de la energía es E = lim donde x(t ) 2 T →∞ − T / 2 ∫ T/ 2 x(t ) dt 2 (1. por lo tanto. daremos preferencia a la notación < x 2 (t ) > para representar la potencia promedio normalizada de una señal x(t). que corresponderá a la energía si la señal es de energía.2) a (1. es decir. En este texto representaremos la intensidad normalizada de una señal con la notación < x 2 (t ) > . < x ( t ) > representará el valor promedio (componente continua) de una señal x(t).6 I. 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. E= ∫ ∞ −∞ x 2 (t )dt (1.5) Si la señal es periódica. y se expresa en joules. la energía se puede definir en la forma siguiente.2) La señal x(t) puede ser un voltaje o una corriente. o a la potencia si la señal es de potencia. Si x(t) es real e independiente de T. según el caso.

1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 0< ∫ ∞ −∞ x 2 (t )dt < ∞ lim (1.2 A2 < ∞ .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.8) lo cual implica que la energía de una señal de potencia es infinita (E = ∞).5) a la señal de la Fig. pero como la curva se extiende hasta el infinito. En este tipo de señales hay que utilizar la ecuación (1. A x(t) 0 t Fig. de potencia o ninguna de las dos. por lo tanto no es una señal de energía. aplicando (1.3. La señal no es periódica pero puede ser de potencia. (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. aunque tales señales sean no periódicas o tengan un comportamiento de carácter aleatorio.7 I. Las señales de potencia finita tienen una energía infinita. En efecto. 1.5) para su definición. no es obvio si es o nó de energía. es de potencia o de energía. 1.3 t T →∞ lim 1 T ∫ T/ 2 A 2 dt = A2 2 W 0 . ♣ Ejemplo 1. 1. Por inspección. Se trata de determinar si la señal x(t ) = A exp(− a| t|) . donde A y a son constantes y a > 0. por lo tanto x(t ) = A exp(− a| t | ) es una señal de energía. no todas las señales de potencia son periódicas. 1.7) 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. todas las señales periódicas son necesariamente señales de potencia. hay muchas señales que tienen una potencia límite dada cuando T → ∞. 0 Fig.1. Sin embargo. x(t) no es periódica.2. a ♣ x(t) A Determinar si la señal x(t) de la Fig.3 es de energía. El área bajo la señal es infinita.4). Vamos a verificar esto aplicando la expresión (1.

4 (b) Función Triángulo t En consecuencia. Potencia de una Señal Sinusoidal Se verifica entonces que < x 2 (t ) >= Sea la señal sinusoidal x(t ) = A cos(2πf c t + φ ) . 1. donde A. x( t ) = AΛ ( ) . por lo que se ha definido la “función triángulo”. donde x( t ) = ⎨ ⎪0 para | t| > τ ⎩ Esta forma de señal es de uso muy frecuente.4. La energía de x(t) será: E = 2 τ ∫A τ 0 2 t 2 (1 − ) 2 dt = A 2 τ joules τ 3 ♣ . el período T de x(t) es T=1/fc. Fig. 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. 1. Energía de una Señal Triangular ⎧ | t| ⎪A (1 − ) para | t| ≤ τ τ Sea la señal triangular mostrada en la Fig.4(a). resultado ya obtenido en los cursos de Circuitos Eléctricos.8 I.3. De (1.4(b). fc A 2 ⎧ ⎨ < x (t ) >= f c A cos (2 πf c t + φ )dt = 2 ⎩ −1/ 2 fc 2 ∫ 1/ 2 fc 2 2 ∫ 1/ 2 fc −1/ 2 fc dt + ∫ ⎫ cos(4 πf c t + φ )dt ⎬ −1/ 2 f c ⎭ 1/ 2 f c La segunda integral de la derecha es cero pues la integración cubre dos períodos completos de la función por integrar. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A2 < ∞. 2 Podemos decir también que una señal continua de amplitud A para todo t es una señal de potencia cuya potencia es A2.9) donde A / 2 es el “valor eficaz” de la señal sinusoidal. fc y φ son constantes reales. Esto es válido para cualquiera señal. Por inspección. 1. x(t) es una señal de potencia. ♣ ♣ Ejemplo 1. La potencia promedio de una señal sinusoidal será entonces 2 A2 ⎡ A ⎤ < x (t ) >= =⎢ ⎥ 2 ⎣ 2⎦ 2 (1.6). sea o nó sinusoidal. Nótese que la información de fase (valor de φ) no interviene para nada en el cálculo de la potencia. ♣ ♣ Ejemplo 1. por lo tanto.

5(b). estas señales pueden simularse en el laboratorio con mucha facilidad y aproximación. Debido a que estas señales no tienen derivadas finitas de ningún orden. 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. el escalón unitario. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Potencia Promedio de una Señal Periódica Rectangular Sea la señal periódica rectangular mostrada en la Fig.5. . 1. ellas sirven para varios propósitos de gran utilidad en el análisis de señales y sistemas. Señales Singulares τ se la denomina “ciclo o relación de trabajo”. de modo que puede determinarse experimentalmente si un sistema se comporta en la forma predicha por un análisis matemático previo.5. Esta forma de señal también es de uso muy frecuente. 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. Las señales singulares más comunes en el análisis de señales y sistemas son la rampa. no por eso menos importante. Por último. Aunque este tipo de señales no son sino idealizaciones matemáticas y no ocurren naturalmente en un sistema físico. 1.4.2. Fig. habiéndose definido la “función rectángulo”. generalmente se las denomina “señales o funciones singulares”. muchas señales complicadas pueden representarse como combinaciones de estas señales elementales. 1. 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. En primer lugar. Además.9 I. T ♣ Hay una clase de señales elementales cuyos miembros tienen formas matemáticas muy simples pero que son discontinuas o tienen derivadas discontinuas. sirven como aproximación de señales que verdaderamente ocurren en los sistemas cuando se efectúan operaciones de tipo conmutativo. la señal signo y el impulso unitario Delta Dirac. En segundo lugar. representada por ⎧ 1 ⎪1 para |t| ≤ 2 Re ct (t ) = Π(t ) = ⎨ ⎪ 0 para |t|> 1 ⎩ 2 Por consiguiente.5(a).

8.8 y se define en la forma ⎧1 para 0 ≤ t u(t ) = ⎨ ⎩ 0 para t < 0 (1. En la Fig. La Rampa Unitaria.t o ) = u ( t − to a ) Puede observarse que la rampa es la integral del escalón unitario. por lo tanto.10 I.6.12) Esta expresión es válida para todo t. se muestra en la Fig. r(t). se muestra en la Fig. Para un cambio de escala en el eje t. En la Fig.10) Fig. Formas diferentes de la Rampa. br(t) es una rampa de pendiente b.13) dt De las definiciones de rampa y escalón unitario. 1. . 1. pero u(at . 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. En efecto. excepto t = 0. El Escalón Unitario. u ( at ) = u ( t ). Una forma matemática para cambiar la pendiente es mediante un cambio de escala en el eje t.7. como la pendiente de r(t) es la unidad. 1. Si se desea que la pendiente sea distinta de la unidad. en cuyo punto no existe una derivada. es decir. se puede decir que r (t ) = t u(t) . 1. 1. su valor debe ser la unidad siempre que su argumento sea la unidad. bastará multiplicar por una constante.7 se representa diferentes formas de la rampa. 1.11) Fig. br(t) y r(bt) representan rampas cuyas pendientes son iguales a b.9 se muestran diferentes representaciones del escalón unitario. r (t ) = u ( t ' ) dt ' −∞ ∫ t (1. es decir. por lo tanto.6 y se define en la forma siguiente: ⎧t r (t ) = ⎨ ⎩0 para para 0≤t t<0 (1. u(t). 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La Rampa Unitaria r(t) 1 0 1 t La rampa unitaria. d u(t ) = r (t ) (1.

El lector puede verificar que las señales x(t) y z(t) de la Fig. 1.11.11 se muestran algunas representaciones de la función signo. es posible representar otros tipos de señal. es aquella que cambia de signo cuando su argumento pasa por cero.10. 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. 1. sgn(t). Función Signo Para un cambio de escala en el eje t. 1.t o ) = sgn(t − La función signo es una función impar de t. La Función Signo La función signo.10 y la vamos a definir en la forma siguiente: ⎧1 para 0 ≤ t sgn(t ) = ⎨ ⎩ -1 para t < 0 (1. Formas de la Función Signo.9. pero sgn(at . Usando combinaciones de las funciones rampa. 1. escalón y signo. to ). .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 ).15) En la Fig.u(-t) (1.14) 1 0 sgn(t) t -1 Fig. se representa en la Fig. 1. − A sgn(t + t o ) = A sgn(− t − t o ) −t o 0 t sgn( t − t o ) 1 0 to -1 t Fig. Formas del Escalón Unitario.11 I. 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) .1.

to) tiene área unitaria concentrada en el punto discreto to y área cero en cualquiera otra parte. 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. si x(t) es continua en t = to.16) donde x(t) es una función cualquiera continua en t = 0. se puede demostrar la conocida “Propiedad de Muestreo o Cernido” del impulso unitario Delta Dirac. no es una función en el sentido matemático usual.17). El Impulso Unitario Delta Dirac El Impulso Unitario Delta Dirac. Aún así es conveniente establecer algunas relaciones sin integrales como simplificaciones que pueden hacerse antes de la integración. 1.12 I. ya que . Pertenece a una clase especial de funciones conocida como “funciones generalizadas” o “distribuciones”. Por definición. El Impulso Unitario Delta Dirac (1.12.13. es de mucha aplicación en el análisis de señales y sistemas y la estaremos utilizando continuamente. representado en la forma δ(t). y se define mediante un proceso o regla de asignación en vez de una ecuación.17) La propiedad de muestreo del impulso unitario.16). Señales Compuestas. Quiere decir también que los coeficientes constantes que afecten el impulso unitario representan el “área” del mismo. se verifica que 1 δ( t ) t 0 ∫ ∞ −∞ x(t )δ(t − t o )dt = x (t o ) Fig. Mediante un cambio de variables en la definición (1. El impulso unitario Delta Dirac se representa en la forma mostrada en la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t) 1 z(t) t -1 0 1 2 -1 3 1 t −τ 0 τ Fig. el impulso unitario δ(t) no tiene ningún significado matemático o físico a menos que aparezca bajo el signo de integración.13. 1. El impulso unitario Delta Dirac se define entonces mediante la integral ∫ ∞ −∞ x(t)δ (t)dt = x(t)|t =0 = x( 0) (1. En efecto. Se pueden interpretar diciendo que δ(t . 1. Estas propiedades se han utilizado también para definir el impulso unitario. expresión (1.

la derivada de la función signo es d dt sgn(t ) = 2δ(t ) .21c) lim ε sen( πt ε ) = δ( t ) 1 t lim exp[ −π ( ) 2 ] = δ(t ) ε ε→0 ε . Por ejemplo: t Π( ) = δ( t ) τ τ→0 τ lim ε → 0 πt 1 (1. x( t )δ ( t − t o ) = x( t o )δ ( t − t o ) 2. d dt sgn( − t − t o ) = −2δ( t + t o ) Esta propiedad es particularmente útil en la diferenciación de señales discretas. Se puede relacionar δ( t ) con el escalón unitario u(t).21b) (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ellas son consistentes con lo que sucede después de la integración. ∫ δ(t ' )dt ' = u(t ) t −∞ (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. por otro lado. Por ejemplo.16). 4.11. sin demostrarlas. El caso especial cuando a = −1. Las expresiones (1. 1. 1. x( t )δ ( t ) = x( 0)δ ( t ). Aunque el impulso unitario no existe físicamente. En efecto. algunas de esas relaciones.16).20b) no son definiciones de δ(t) sino una consecuencia de la regla de asignación (1.18) δ( at ) = to 1 | a| δ( t ) para a ≠ 0 ) a | a| En relación con la variable independiente t. de (1. define la “propiedad de simetría par” del impulso unitario: δ( t ) = δ( − t ) 3.21a) (1. el signo dependerá de si la discontinuidad es montante o bajante. A continuación damos. δ(at) es un impulso unitario de área 1/|a|.19) y diferenciando ambos miembros de (2.19) δ( t ) = d dt u(t ) δ( t − t o ) = d dt u(t − t o ) (1. Cambio de escala en el eje t: pero δ( at − t o ) = 1 δ( t − (1.13 I. y de la Fig. estas expresiones establecen también que la derivada en una discontinuidad es un impulso unitario de área igual al valor absoluto de la discontinuidad. Pero.20a) (1.20b) y en general.20a) y (1.

se puede definir axiomáticamente especificando un conjunto de condiciones las cuales debe satisfacer. comúnmente denominada “doblete”.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 . 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 ). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES B→∞ − B lim ∫ B exp(± j2πtf ) df = ∫ ∞ −∞ exp(± j2πtf ) df = δ( t ) (1. porque permite relacionar la entrada con la salida. La ortogonalidad se puede extender a todo el eje t. para dos señales x(t) e y(t). además del empleo del impulso unitario en la representación de señales. Señales Ortogonales Se dice que dos señales x1(t) y x2(t) son ortogonales en un intervalo (t1. Como se verá más adelante. se puede utilizar para determinar la salida del sistema para cualquiera otra señal de entrada.2. él es de gran aplicación en el análisis de sistemas lineales. ∞ ∫ −∞ x ( t ) y( t )dt = 0 donde x ( t ) ≠ y( t ) (1. Derivada del Impulso Unitario Es posible definir una función que se puede interpretar como la “derivada” de un impulso.22b) donde el asterisco indica “conjugado de”. la respuesta de un sistema a un impulso unitario se puede considerar como otro modelo matemático del sistema.14 I. cuando la entrada es un impulso unitario. Esta derivada. En consecuencia.5. se puede tratar δ(t) como una función ordinaria siempre que todas las conclusiones sean basadas en la regla de asignación (1.21d) 5.22a) Si las señales x1(t) y x2(t) son complejas. 1. 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 efecto. Esto proviene del hecho de que la respuesta de un sistema lineal. si ellas verifican la integral (llamada “producto interno”) ∫ t2 t1 x1 (t)x 2 (t)dt = 0 para x1 ( t ) ≠ x 2 ( t ) (1. t2).16). Si el doblete se designa como δ‘(t). ∫ ∞ -∞ x(t)δ[n] ( t − t o ) dt = (−1) n x [ n ] (t o ) (d) x ( t )δ' (t − t o ) = − x ' ( t o )δ(t − t o ) + x ( t o )δ' ( t − t o ) En general. aunque en un sentido estricto la derivada no existe. Esto lo veremos detalladamente más adelante.

para f = f o .1. con ⎣ ⎦ m y n eneros distintos de cero. con una amplitud. generalmente señales sinusoidales.14(a). Asimismo. Por consiguiente. 1. El ángulo φ es la fase o desfase con respecto al eje real o con respecto a t = 0 en el eje t. m ≠ n y T= 1 . por ejemplo. 1. 1. fase y frecuencia dadas. denominado el “espectro” de la señal. que se denomina “espectro de líneas”. 2 ⎥ . consideremos la señal sinusoidal x ( t ) = A cos(2πf o t + φ ) . 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. En consecuencia. Fasor y Espectro de Líneas Unilateral. se puede asociar tanto la amplitud A como la fase φ con este valor particular de f en la forma mostrada en la Fig. Esto quiere decir que una señal temporal se puede considerar como constituida por un número de componentes de frecuencia. ωo = 2πf o es la velocidad angular en radianes por segundo.15 I. fo Estas señales las encontraremos más adelante al estudiar las Series de Fourier. 1. aunque una señal existe físicamente en el dominio del tiempo. la fase φ y la frecuencia rotacional o cíclica fo. Este espectro consta de dos gráficos: uno de Amplitud vs . como se muestra en la Fig. puede decirse que ella está formada por un conjunto de componentes en el dominio de la frecuencia.3.14. El fasor de longitud A gira en el sentido contrario a las agujas del reloj a una velocidad de fo revoluciones por segundo.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.3. Los tres parámetros necesarios para especificar un fasor son entonces la amplitud A. 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. 1. Amplitud A Imag A fo 0 (ω o t + φ ) 0 A cos(ω o t + φ ) (a) Fasor Real Fase fo φ f f fo 0 (b) Espectro de Líneas Unilateral Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ⎡ T T⎤ ⎢− 2 . 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. Representación Espectral Para introducir la noción de dominio de la frecuencia o espectro.14(b). En el dominio de la frecuencia el fasor está definido para un valor particular de la frecuencia.

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

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

Definición En la expresión (1. así designado en honor del físico francés Jean Baptiste Fourier. Por ejemplo. 1.18 I. 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.4.16(b). una señal periódica está definida mediante la expresión x T ( t) = x T ( t + T) donde T es el período de la señal. Cuando se aplican señales sinusoidales puras a un filtro cualquiera. 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. Las componentes fuera de banda son rechazadas. 1. Por ejemplo.26) .17. la señal periódica rectangular del Ejemplo 1. en el caso donde f 2 <| B| < f 3 . 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. Entonces. como se muestra en la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. para todo t real y para un T positivo.5 es una señal de este tipo. La señal x T (t ) puede considerarse como la repetición periódica de una señal x(t). en muchos casos se tiene señales que. tales como el seno o el coseno. en cualquier intervalo de duración T. ¿cómo podría calcularse la potencia de salida del mismo filtro cuando se le aplica una señal periódica rectangular. 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. son mucho más complicadas que las simples señales sinusoidales. Sin embargo. 1.6 A la entrada del filtro de la Fig. 1. aunque periódicas.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 ) . algunas veces llamada “señal generatriz o generadora” de x T ( t ). 1.4. se puede calcular fácilmente su salida. como se muestra en la Fig. 1. De (1.1. Este es el objetivo del Análisis de Fourier. 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. Pero. en especial la potencia de salida. SERIES Y ESPECTROS DE FOURIER Hemos visto cómo las señales sinusoidales puras se pueden representar en el dominio de la frecuencia.1) se dió la definición de señal periódica que repetiremos aquí con un ligero cambio en la notación.26) se sigue que para un entero k cualquiera (1.16(c).

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. ω1 ω2 = 10 10 + π ⇒ fracción irracional La fracción es irracional.19 I. x T (t ) ooo -T 0 T ooo t 0 x(t) t (a) Señal Periódica (b) Señal Generatriz Fig. Por ejemplo. n = 3 3 f2 = 24 π.27) Aún más. por lo tanto la señal y(t) no es periódica. si la señal x T (t ) = cos(ω1 t ) + cos(ω 2 t ) es periódica de período T. 3 4 ω1 4 = ⇒ ω2 3 m = 4.17 . si x T (t ) y g T (t ) tienen el mismo período T. en cuyo caso determinar el período. y T (t ) = ax T (t ) + bg T (t ) será también periódica de período T. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x T ( t ) = x T ( t + kT) = n =−∞ ∑ x( t − nT) ∞ (1. t t (a) y(t ) = cos( ) + cos( ) . f 1 = 1 / 6π . De aquí. la señal y(t) es periódica de período T = (b) y ( t ) = cos(10t ) + cos[(10 + π ) t ]. 1. si m > n.7 Verificar si las señales siguientes son periódicas. ♣ Ejemplo 1. entonces. Generación de una señal periódica En particular. con a y b dos constantes reales. El valor más pequeño de m o n determina el período T. entonces T = n / f2 . f 2 = 1 / 8π La fracción es racional. ♣ .

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 % =

vamos a postular que x(t) define un ciclo de una señal periódica x T ( t ) .22(a). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. es decir. pero exp( ± jπn ) = (−1) n . 1.5. 1) será entonces x(t ) = n =−∞ ∑ ∞ ( −1) n senh(1) 1 + jπn exp( jπnt ) ♣ 1.22. x(t) x T (t ) ooo t ooo t -T 0 T 0 (a) Señal Generatriz Fig. x(t) es la señal generatriz de x T ( t ) . Introducción Si se desea extender la clase de funciones transformables a fin de incluir señales aperiódicas representadas para todo t. (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. La representación se efectúa entonces en términos de la llamada Transformada de Fourier que se considera a continuación. el intervalo de representación se hace más grande y cuando T es infinito la señal periódica se habrá convertido en aperiódica. como se muestra en la Fig. de donde 2(1 + jπn ) ( −1) n ⎡ e − e −1 ⎤ ( −1) n senh(1) ⎢ ⎥= Xn = .31 I. es decir. hay que utilizar otro tipo de descomposición para x(t). 1 + jπn ⎣ 2 ⎦ 1 + jπn El desarrollo de x(t) en el intervalo (-1. Fig. 1. A medida que T aumenta. 1. 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. T →∞ lim x T ( t ) = x ( t ) (1. en el intervalo (-∞.1. 1) mediante la serie exponencial de Fourier.22(b). Como el período es T = 2.62) . Xn = e exp( jπn ) − e −1 exp( ± jπn ) . 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 ) .12 Considérese el desarrollo de la señal x ( t ) = exp(− t ) en el intervalo (-1. Para desarrollar una representación de x(t).5. LA TRANSFORMADA DE FOURIER 1. ∞) en términos de un continuo de señales exponenciales.

siendo x(t) su correspondiente transformada inversa.67) (1. respectivamente. 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 → ∞ .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. En general. x(t ) = ∫ ∞ −∞ x (τ )δ(τ − t ) dτ = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ exp[ − j2 π (τ − t )f ]df ⎥dτ ⎦ −∞ ∞ .41).68) reciben también el nombre de “Par de Trasformadas de Fourier”. en el límite. 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. las expresiones (1.21d). Hay otro procedimiento para obtener el par de transformadas (1. Por lo tanto.32 I. En efecto. de (1. y x T (t ) → x ( t ) .69) y simbólicamente mediante la correspondencia x ( t ) ⇔ X( f ) Las expresiones (1. se sigue que: ∆f → df . se utilizarán letras minúsculas para las señales en el dominio del tiempo. de (1.68) en el cual se utilizan las propiedades del impulso unitario Delta Dirac. en x( t ) = y X( f ) = ∫ X(f ) exp( j2πtf )df ∞ −∞ ∞ (1. X( f n ) → X( f ).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. nf o = f n entonces (1.65) y X( f n ) = ∫ T/ 2 − T/ 2 x T (t ) exp( − j2 πf n t ) dt (1.64) .66) se convierten. expresión (1. ∫ ∞ −∞ exp(− j2πtf ) df = δ( t ) y de la propiedad de muestreo del impulso unitario. el límite de la sumatoria cuando la variable se hace continua es una integral.63) y (1. y las correspondientes letras mayúsculas para sus transformadas.66) Cuando T → ∞.67) y (1.17). Por esta razón.68) ∫ −∞ x ( t ) exp( − j2πft ) dt La cantidad X(f) se conoce como la “Transformada de Fourier de x(t)”.65) y (1.67) y (1. f n = nf o → f .

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 )] (1.67) y (1.68). de todas las componentes de frecuencia que existen para −∞ < 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 . el creciente uso de métodos digitales como ayudas computacionales y para aplicaciones en el procesamiento digital de señales. La cantidad X(f) es entonces el “Espectro Continuo de x(t)”. El espectro continuo X(f) de x(t) se puede interpretar como la distribución. El Espectro Continuo La expresión (1. son. MATLAB. En general. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Intercambiando el orden de integración. .70) donde |X(f)| es el “Espectro Continuo de Amplitudes de x(t)” y φ(f) el “Espectro Continuo de Fase de x(t)”. en amplitud y fase. de difícil resolución en forma analítica. queda x ( t ) exp(− j2πft ) dt (1.2. en general. De todas maneras. 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). Sin embargo. en la cual se considera a las Integrales de Fourier como el límite de la Serie de Fourier cuando el período tiende a infinito. la demostración rigurosa de estas expresiones está fuera de los objetivos de este texto. MAPLE y otros. salvo para algunas formas sencillas de x(t) y X(f).5.67) −∞ x( t ) = ∫ X( f ) exp( j2πtf )df ∞ −∞ Esta segunda forma de deducción del par de Transformadas de Fourier nos parece más artificiosa que la primera forma. y X(f)df es el “coeficiente” asociado con la función básica elemental exp(j2πft). Puede también utilizarse programas matemáticos como MATHCAD. 1.67) se puede interpretar como una descomposición de x(t) en términos del continuo de funciones elementales { exp( j2πft )} .68) (1. enfoque que creemos es más significativo. la suma de las cuales debe ser cero excepto en el intervalo de existencia de x(t). y con el cambio de variables τ = t. ha llevado a la definición de una versión discreta de la Transformada de Fourier.33 I. Las integrales (1. cuya magnitud viene dada por X( f ) df . La cantidad X(f) hace el mismo papel que X n en la representación en Serie de Fourier. aunque nosotros utilizaremos siempre MATHCAD.

72) implica también que ∫ ∞ −∞ | x(t )|2 dt < ∞ (1. τ reemplazando x(t) en (1. Puede observarse que X( f ) = τ/2 t 2A sen( 2 πft ) AΠ ( ) exp(− j2 πft ) dt = 2A cos( 2 πft ) dt = −∞ 0 τ 2 πf τ sen(2 πf ) 2 X ( f ) = 2A = Aτsinc (τf ) . 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.23(a). En efecto. dada una transformada de Fourier. es decir.34 I. la expresión (1. 2 πf t f AΠ( ) ⇔ Aτsinc (τf ) = Aτsinc( ) 1/ τ τ ∞ ∫ t x ( t ) = AΠ ( ). habrá sólo y solamente una función del tiempo correspondiente. En particular. hay un cierto número de señales de gran importancia. excepto que no es necesario que x(t) sea periódica.72) Puesto que x(t) es una señal acotada. ∫ ∞ −∞ | x (t )| dt < ∞ (1. 1. entonces esta transformada y su inversa son unívocas. Las condiciones necesarias para la existencia de la Transformada de Fourier son las mismas que las dadas para la Serie de Fourier (Condiciones de Diritchlet).72) Estas condiciones incluyen también todas las señales de energía. 1. ♣ Nótese que no todas las señales se pueden desarrollar en un continuo de exponenciales { exp( j2πft )} .23(b) se muestra la forma de este espectro. las señales de energía poseen una transformada de Fourier. Transformada de un Impulso Rectangular Sea el impulso rectangular mostrado en la Fig. τ/2 0 ∫ (1. inversamente. Sin embargo. si una señal x(t) tiene una transformada de Fourier.13. es decir. como la función escalón por ejemplo. dada una función del tiempo. cuya energía no es finita (no es de cuadrado integrable) pero que posee una transformada de Fourier. . Sin embargo.68). hay sólo y solamente una transformada de Fourier de esa función. en consecuencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. la condición suficiente para que x(t) posea una transformada de Fourier es que x(t) sea de módulo integrable.71) En la Fig.

Nótese que las dimensiones de X(f) son las de x(t) por unidad de ancho de banda. entonces X( − f ) = ∫ ∞ −∞ x( t ) exp( j2πft ) dt = X ∗ ( f ) X(f ) = X∗ (−f ) (1. de donde x ( − t ) ⇔ X( − f ) (1. como ya hemos señalado.77) X(f) será enteramente real y la fase será 0 ó ±π.67).68). puesto que las ordenadas representan la amplitud relativa de una determinada componente de frecuencia. Si x(t) es real. se tiene X(0) = x (t )dt −∞ ∫ ∞ (1.35 I.78) π En este caso X(f) será enteramente imaginario y la fase será ± . una forma alterna y equivalente de representación de una señal x(t). si se sustituye t por -t en (1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.74b) o también esto implica que X(f) tiene simetría hermítica.76) 2. entonces {x(− t )} = X(− f ) .3. Si x(t) es impar.79) La cantidad X(0) representa el área neta bajo la señal x(t).68). es decir. entonces X(f ) = 2 x(t ) cos(2 πft )dt 0 ∞ ∫ ∞ (1.5. mientras que el espectro de fase es antisimétrico (impar en f). o una descripción puede ser más intuitiva en un problema dado.75a) El espectro de amplitudes de una señal real x(t) es simétrico (par en f). La Transformada de Fourier tiene las siguientes propiedades: 1. La amplitud. Haciendo f = 0 en la expresión (1. por ejemplo volts/Hz. 2 3. correspondiente a una . Las dos descripciones. que | X( f )| =| X( − f )| =| X∗ (f)| y φ ( f ) = − φ( − f ) (1. Propiedades de la Transformada de Fourier de Señales Reales La Transformada de Fourier es. si se sustituye f por -f en (1. Desarrollando X(f) en la forma X( f ) = ∫ ∞ −∞ x (t ) cos(2 πft )dt − j x (t ) sen(2πft )dt −∞ ∫ ∞ Si x(t) es par. la transformada de su conjugado será entonces {x (t)} = X (−f ) * * (1. una en el tiempo y la otra en la frecuencia.75b) Similarmente. Nótese también que si x(t) es compleja. entonces X( f ) = − j2 x( t ) sen(2 πft )dt 0 ∫ (1.74a) (1. son de gran utilidad en ingeniería porque a menudo una descripción es más fácil de utilizar en una aplicación particular. en volts por ejemplo. por lo cual el espectro de señales aperiódicas a veces se denomina “espectro de densidad de amplitudes”.

♣ Ejemplo 1. Estas propiedades del impulso unitario son de especial importancia en el análisis de sistemas lineales. 1. 1. Transformada de una Señal Triangular Sea la señal triangular de la Fig.82) y para to = 0.24(b). como se muestra en la Fig. expresión (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. de donde (1. como veremos en el Capítulo II. 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.14.15. pero Aδ( t ± t o ) ⇔ A exp(± j2πt o f ) Aδ(t ) ⇔ A ∫ ∞ -∞ exp(-jωt)δ(t ± t o )dt = {δ(t ± t o )} (1.80) ♣ t f AΛ( ) ⇔ Aτsinc 2 (τf ) = Aτsinc 2 ( ) 1/ τ τ El espectro X(f) se muestra en la Fig.24(a). 1. se obtiene finalmente X( f ) = Aτ sen 2 (πτf ) (πτf ) 2 = Aτsinc 2 ( τf ) .25(b) y (c). ∫ de donde ∞ −∞ exp(− jωt )δ(t ± t o )dt = exp(± jωt o ).36 I. ⎧ | t| ⎪A(1 − ) para | t| ≤ τ t Del Ejemplo 1.17).4. ♣ Ejemplo 1. El impulso unitario tiene un espectro de amplitud constante para todo f y una variación de fase lineal en f. . Transformada del Impulso Unitario Delta Dirac Considérese la función exp(− jωt ) a la cual se le aplica la propiedad de muestreo del impulso unitario.81) (1.

De la Fig. 1. cuya transformada se calculó en el Ejemplo anterior. 1. 1. Transformadas del Impulso Unitario Delta Dirac. ♣ Ejemplo 1. a + j2πf A A exp(−at )u ( t ) ⇔ a + j2πf A 2πf | X(f )| = y φ (f) = -arctg( ) También.25. 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 ) = .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. 1.37 I. Transformadas de la Señal x(t) = Aexp(-at)u(t) ♣ ♣ Ejemplo 1.27. En efecto.26(a).27. Transformada de un Impulso Exponencial Decreciente Sea el impulso exponencial decreciente de la Fig.17. 1. Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x ( t ) = Aδ ( t − t o ) φ(f ) A |X(f)| A 0 pendiente = −2πt o f 0 (a) to t f 0 (b) (c) Fig. (1. Transformada de la Función Signo Esta función no cumple con la condición de integrabilidad absoluta pero su transformada de Fourier se puede determinar mediante límites. 1.16. a→ 0 lim [ exp(− at )u (t ) − exp(at )u (− t )] = sgn(t ) {sgn(t )} = lim {exp(− at )u(t ) − exp(at )u(− t )} a →0 .26. de donde Efectuando la integración.26(b) y (c). a a 2 + 4π 2 f 2 que se muestran en la Fig.

Por consiguiente. más bien que el espectro de potencia.6. En la Fig. la energía en el intervalo (−∞ < t < ∞) es finita. Transformada del Escalón Unitario 1 De (1. E= ⎡ ∞ ⎤ X ( f )⎢ x * (t ) exp( j2 πft )dt ⎥df = ⎣ −∞ ⎦ −∞ ∞ ∫ ∫ ∞ −∞ X (f )X * ( f )df = ∫ | X(f )| ∞ −∞ 2 df . y del Ejemplo 1. 2 A A Entonces.16 y de (1. ♣ 1.18.4). 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). 2⎣ jπf ⎦ (1. DENSIDAD ESPECTRAL DE ENERGIA.38 I. a →0 ⎡ 1 jπf − j4 πf a →0⎣ a + − ⎤ ⎥ a − j2 πf ⎦ 1 = 1 jπf (1.76). mientras que su potencia es cero. 1. La misma clase de resultado es de esperar en el caso de señales no periódicas representadas por sus transformadas de Fourier. Para señales de energía. {sgn(t )} = lim⎢ {sgn(t )} = lim de donde.28.28 se muestra el par de transformadas del escalón unitario. u ( t ) = [ 1 + sgn(t )] .17. Transformadas del Escalón Unitario. La energía de una señal x(t) es. de (1. Au ( t ) ⇔ δ( f ) + 2 j2 πf ♣ {u(t )} = 1⎡ 1 ⎤ ⎢ δ( f ) + ⎥.27 ♣ Ejemplo 1. 1. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Del Ejemplo 1.84) -exp(at)u(-t) 1 exp(-at)u(t) t 0 -1 a 2 + 4π 2 f 2 A jπf A sgn( t ) ⇔ Fig. por lo tanto. . es la caracterización más apropiada para señales que poseen una transformada de Fourier. E= ∫ ∫ ∞ −∞ | x ( t )|2 dt = ∫ ⎡ ∞ ⎤ x * (t )⎢ X ( f ) exp( j2πtf )df ⎥dt ⎣ −∞ ⎦ −∞ ∞ ∫ Intercambiando el orden de integración.15). el espectro de energía.85) u(t) 1 |U(f)| 1/2 t 0 0 f Fig.

Puesto que la energía es una magnitud positiva. Del Ejemplo 1.86) Este resultado se conoce con el nombre de “Teorema de Raleigh”. entonces G x ( f ) es par en f y positiva para todo f [G x ( f ) > 0].88) G x (f ) es la distribución de la energía de x(t) en el dominio de la frecuencia. 0 La energía contenida en el intervalo de frecuencias | f | ≤ . 1. Estrictamente hablando. El lóbulo principal se muestra sombreado.88).13. y de acuerdo con (1. Las dimensiones de |X(f)|2 son joules/Hz. la Transformación de Fourier es una transformación lineal isométrica. que es el que nos interesa directamente.19. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E= ∫ ∞ −∞ | x (t )|2 dt = ∫ | X(f )| ∞ −∞ 2 df (1. es decir. que conserva la norma.86).29. de (1. t AΠ( ) ⇔ X(f ) = Aτsinc(τf ) τ La energía total del impulso rectangular se puede calcular con más facilidad en el dominio del tiempo. −∞ ∫ | X(f ) | 2 df (1. también es conocido con el nombre de “Teorema de Plancherel”. En el sentido físico. el Teorema de Raleigh traduce el hecho de que la energía de una señal no depende del modo de representación de la señal. 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.87) E = ∫ G x (f )df = −∞ ∞ ∞ La energía total de x(t) será entonces. |X(f)|2df es la energía contenida en un ancho de banda infinitesimal df. Sea G x ( f ) la densidad espectral de energía de x(t) G x (f ) =| X( f )|2 (1. este espectro se muestra en la Fig. el Teorema de Raleigh dice que en el espacio L2 de las funciones de módulo cuadrado integrable sobre (-∞. La cantidad |X(f)|2 se denomina “Espectro de Energía” o “Densidad Espectral de Energía” de la señal x(t).39 I. La energía es un invariante y es la misma así se tenga una representación temporal o una representación espectral de la señal. es decir. ♣ Ejemplo 1. Ex = 2 ∫ τ/2 A 2 dt = A 2 τ joules 1 τ es. 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). |X(f)|2. ∞). En efecto.

pues permite encontrar algunas relaciones y visualizar algunos aspectos físicos de las señales y sistemas que no son percibidos a simple vista. para cualesquiera constantes a y b. se verifica que ax 1 (t ) + bx 2 ( t ) ⇔ aX 1 ( f ) + bX 2 ( f ) (1. o cuál es el espectro resultante de una señal que ha sido multiplicada por una señal sinusoidal.903E x La energía contenida en el lóbulo principal de la transformada de un impulso rectangular constituye el 90% de su energía total.903 x2 2 De donde.5% de la energía a la entrada. En general. pero como E B = 0. y de los teoremas que se estudiarán en esta sección. Teorema de la Superposición o Linealidad Sea x 1 (t ) ⇔ X 1 (f ) y x 2 (t ) ⇔ X 2 (f ) entonces. la definición del ancho de banda de una señal es una cuestión de convención.7.68). 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. ♣ 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES E B = 2A 2 τ 2 ∫ 1/ τ sinc 2 ( τf )df = 2 A 2 τ 2 πτf = x.1. 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 = 0.89) . 2. 1. TEOREMAS DE LA TRANSFORMADA DE FOURIER El par de transformadas de Fourier permite la representación de señales tanto en el dominio del tiempo como en el dominio de la frecuencia. que demandarían laboriosas operaciones si se hicieran a través de las expresiones (1. y cada definición puede ser más apropiada para una determinada aplicación. entonces E B = 0.903A 2 τ E x = A 2 τ. pero a menudo es necesario pasar de un dominio a otro dominio y la resolución de las integrales (1.68) puede hacerse más fácil. se tendrá el 93%. a la salida del filtro se tendrá el 77. y si B = 3/2τ.67) y (1.40 I. En la Fig.67) y (1. Estos distintos valores de B corresponden a diferentes definiciones del ancho de banda de una señal. uno puede preguntarse qué sucede en el dominio de la frecuencia cuando una señal pasa por un integrador. como veremos más adelante. a la salida del filtro se tendrá el 90% de la energía a su entrada. si se aplican algunas propiedades y teoremas que simplifican enormemente las operaciones matemáticas. criterio que se utiliza en la transmisión de datos en donde se necesita detectar una “presencia” y no una “forma”. Estas y muchas otras preguntas.7. la salida es parecida a la entrada. pueden responderse muy fácilmente mediante la aplicación de las propiedades de la Transformada de Fourier ya vistas.26(b) se muestra la forma de onda de la salida. Por ejemplo. casi por inspección. En la práctica es de gran utilidad estudiar el efecto en un dominio causado por una operación en el otro. 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.

1.90) { 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. un desplazamiento en el dominio del tiempo corresponde a un desfase en el dominio de la frecuencia. En general. ♣ Ejemplo 1. 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. La señal x(t − t o ) es una versión de x(t) retardada en to segundos.13 y 1. y determinar la transformada total como la suma de las transformadas de las señales individuales. Demostración: Por definición. 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).7. Teorema de la Traslación o Desplazamiento en el Tiempo Si x(t ) ⇔ X(f ). Solución: x(t) se puede expresar en la forma De los Ejemplos 1. 1. t t x( t ) = AΠ( ) − 2AΛ ( ) τ τ/2 τf X( f ) = Aτsinc( τf ) − Aτsinc2 ( ) 2 Este espectro se muestra.20 Calcular y dibujar la transformada de Fourier de la señal de la Fig. entonces x(t ± t o ) ⇔ X(f ) exp(± j2πt o f ) (1. {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 ). en la Fig.41 I. .30(b).30(a).2.14. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La demostración de este teorema es directa pues la integración es una operación lineal. {x(t + t o )} = X(f ) exp( j2πt o f ) y de la misma forma. pero sí lo hace experimentar un desfase de (-2πtof) radianes. para Aτ = 1.

cuantifica la relación “duración-ancho de banda” entre una función del tiempo y su correspondiente transformada. se puede demostrar en forma similar que x ( at ) ⇔ f X( ) | a| a 1 {x(at )} = −1 f X( ) .91) {x(at )} = ∫ {x(at )} = ∞ −∞ x (at ) exp( − j2πft ) dt . La transformada de x(at) es x ( at ) ⇔ f X( ) | a| a 1 (1. y viceversa.4. y X( )es una compresión de X(f)]. entonces x(at) es una f expansión de x(t).7. de donde a a Este teorema. entonces Si x(f) es par. entonces x(-t) = ∫ ∞ -∞ X(f' )exp(-j2 πtf' )df' . porque es ya un clásico).3. Demostración: Como x ( t ) = entonces X( t ) ⇔ x ( − f ) X( t ) ⇔ x ( f ) (1. X( ) representa la función X(f) con una escala de a frecuencia f expandida o dilatada en un factor |a| [Nótese que si |a| < 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. Con el cambio de variables t’ = at ∞ ∫ a 1 −∞ x (t ' ) exp(− j2 π f a t ' ) dt ' = f X( ) a a 1 Si a < 0. algunas veces denominado “Propiedad Escalar de la Transformada de Fourier”. y viceversa. Un ejemplo muy elocuente de esta propiedad se observa cuando se toca un disco de 33 rpm en un tocadiscos de 45 rpm (las nuevas generaciones no saben lo que es un disco de 33 o 45 rpm. En forma similar. Una compresión en el dominio del tiempo a corresponde entonces a una expansión en el dominio de la frecuencia.42 I. Teorema de la Dualidad o Simetría Sea x ( t ) ⇔ X(f ) . Si |a| >1. la invariancia de la energía debe mantenerse siempre. entonces para una constante real a. El factor de escala 1/|a| asegura que la energía no varía al comprimir o expandir las señales. pero seguimos manteniendo este ejemplo. La voz se escucha muy aguda (expansión en frecuencia) pues la pieza se está tocando en menos tiempo (compresión en el tiempo). 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).7. Otro ejemplo se tiene en los grabadores de cinta magnética. Demostración: Supóngase que a > 0.92b) ∫ ∞ −∞ X( f ) exp( j2πtf )df . 1. Teorema del Cambio de Escala Sea x ( t ) ⇔ X(f ) .92a) (1. 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). entonces x(at) es la señal x(t) con una escala de tiempo t f comprimida en un factor |a|.

o sea que X(t) ⇔ x(-f) Si x(f) es una función par.15. se puede reemplazar f’ por t.43 I. Del teorema de dualidad o simetría.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. x(− f ) = ∫ ∞ −∞ X( f ' ) exp(− j2πff ' ) df ' A fin de obtener una forma reconocible. es A exp(± j2πf c t ) ⇔ Aδ ( f ∓ f c ) Asimismo. finalmente queda x(t ) = 1 1+ t 2 ⇔ X(f ) = π exp(−2 π| f |) ♣ ♣ Ejemplo 1.81). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si se reemplaza t por f en la segunda integral. obtenido en el Problema de Aplicación 1.22. 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. . {A cos(2πf c t )} = 2 [ δ(f + f c ) + δ(f − f c )] A En consecuencia. En efecto. 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. es decir. el dual de la expresión (1. x(− f ) = ∫ ∞ −∞ X( t ) exp(− j2πft )dt .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 . si x ( f ) = x ( − f ) .23(b). 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. es decir. entonces la expresión (1. ♣ Ejemplo 1. 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.

No obstante. de capital importancia en los sistemas de comunicación.95) Este resultado. ♣ 1. la sinusoide A cos( 2πf c t ) la “portadora”. 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. ∫ x(t) exp[− j2π(f ∓ f )t]dt = X(f ∓ f ) −∞ c c ∞ x( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) Teorema de la Modulación La multiplicación de una señal x(t) por el factor exp(j2πfct) equivale a desplazar su transformada de Fourier en la dirección positiva de f en una cantidad fc. A 2 [ δ(f + f c ) + δ(f − f c )] A 2 (1. se conoce con el nombre de “Teorema de la Modulación”. un desfase en el dominio del tiempo corresponde a un desplazamiento en el dominio de la frecuencia. la frecuencia fc la “frecuencia de portadora” y el producto x ( t )A cos( 2πf c t ) la “señal modulada”.96) . pues generalmente f c >> f m . moduladora o modulatriz”.93a) (1. Se tiene entonces que {x(t )A cos(2πf c t )} = y de (1.5 Teorema de la Traslación o Desplazamiento en Frecuencia Si x ( t ) ⇔ X(f ) entonces. En efecto. para una constante real fc x ( t ) exp( ± j2πf c t ) ⇔ X( f ∓ f c ) (1. sin embargo.7.94) Demostración: {x( t ) exp( ± j2πf c t )} = ∫ x( t ) exp( ± j2πf c t ) exp( − j2πft )dt −∞ ∞ = Por lo tanto. este teorema proporciona la base matemática para deducir el principio de la modulación de señales. ⎧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 [ ] (1.93b) 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 . es decir. por razones de tipo práctico que veremos más adelante. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES A cos( 2 πf c t ) ⇔ y de la misma forma. Sin embargo. el teorema de la modulación es válido para cualquiera señal x(t) y cualquier valor de fc . debe cumplirse que f c ≥ f m . En los sistemas de comunicación esta condición se cumple siempre. si la señal x(t) tiene una frecuencia máxima f m y posee información a transmitir.94). Estrictamente hablando.44 I. el factor exp( j2πf c t ) no es real y por lo tanto no puede ocurrir en un sistema de comunicación. la señal x(t) se denomina “señal modulante. En este contexto. consideremos la multiplicación de una señal x(t) por una señal sinusoidal de la forma A cos( 2πf c t ) .

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

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 .46 I. El impulso de RF. 1. 1.21b).32(a).32(b) (frecuencias positivas solamente). 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 1.22. (b) Antitransformada de un Espectro Cosenoidal Consideremos el espectro cosenoidal mostrado en la Fig. En efecto. conocido con el nombre de Impulso de Radiofrecuencia (RF). Transformadas de Impulsos Sinusoidales (a) Transformada de un Impulso de Radiofrecuencia Considérese el impulso sinusoidal de duración τ. τ pero t AΠ ( ) ⇔ Aτ sin c( τf ) τ y por el teorema de la modulación. de (1.32(a).32(c). Fig. Obsérvese que si la sinusoide fuera de duración infinita ( τ → ∞). se puede describir en la forma t z ( t ) = AΠ ( ) cos(2πf c t ). de gran utilización en sistemas de radar y en sistemas de transmisión de impulsos mediante portadora modulada. τ →∞ lim Z(f ) = lim En consecuencia. 1.32(c). el espectro sería discreto con componentes de frecuencia en ±f c . De la Fig. Z(f ) = f + fc f − fc ⎤ Aτ ⎡ ) + sinc( )⎥ ⎢ sinc( 2 ⎣ 1/ τ 1/ τ ⎦ Este espectro se muestra en la Fig. Fig. 1.24. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. 1.

obtenemos h(t) = 4 cos(2πBt) que se muestra en la Fig.7.47 I. d x (t ) = dt ∫ ∞ −∞ X(f )( j2 πf ) exp( j2 πtf )df lo cual implica que d x (t ) ⇔ ( j2πf )X(f ) dt Este resultado se puede extender para la derivada n-ésima mediante diferenciaciones sucesivas dentro del signo integral. En este caso se tiene que . En esta aplicación particular. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Resolviendo esta integral.97a) (1.98b) 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 .98a) (1.32(d) π(1 − 16B2 t 2 ) Estas transformadas se utilizan para definir filtros de mucha aplicación en la práctica (Ver Ejemplo 2.20) ♣ 1. 1. Teorema de la Diferenciación e Integración en el Tiempo La Transformada de Fourier se puede emplear para resolver ecuaciones diferenciales lineales.97b) si X(0) = 0 X(0) ≠ 0 (1. entonces (1.6. las transformadas de las señales que son diferenciadas o integradas son importantes. Si x(t ) ⇔ X(f ).

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

mediante el teorema de diferenciación en el dominio del tiempo.7.49 I.33.33(a). entonces t x(t) ⇔ 1 d (-j2 π ) df 1 X( f ) dn (1. 1. De la Fig. En la Fig.33(c).33(b) y (c) se muestran las dos primeras derivadas de la señal triangular de la Fig.101) ⇔ − j2π ∫ f −∞ X( f ' ) df ' Demostración: X( f ) = ∫ ∞ −∞ x (t ) exp( − j2 πft ) dt . 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. Teorema de la Diferenciación e Integración en Frecuencia Si x ( t ) ⇔ X(f ). 1.100) (1.99) t n x(t) ⇔ x (t ) t (-j2 π ) n df n X(f ) para t ≠ 0 (1.25 Verificar la transformada de Fourier de la señal triangular del Ejemplo 1.7. 1. resultado idéntico al del Ejemplo 1. d df X( f ) = ∫ ∞ −∞ x ( t )(− j2 πt ) exp(− j2 πft ) dt .14. 1. ♣ 1. d2 dt 2 x (t ) = A τ [ δ(t + τ ) + δ(t − τ )] − 2 A τ τ A τ δ( t ) Tomando la transformada de ambos miembros ( j2 πf ) 2 X( f ) = ( j2 πf ) 2 X( f ) = de donde X( f ) = Aτsinc 2 (τf ).14. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1.

⎤ 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 . determinar x(t). ♣ Ejemplo 1. se obtiene t x(t) ⇔ n 1 d [n] (-j2π ) n df [ n ] X( f ) En cuanto a la integración en frecuencia. ⎦ 2 dt ⎣ x( 2t − 4 ⎡ 2( t − 2 ) ⎤ ) = x⎢ = x( t − 2) = 2sinc[2( t − 2)] 2 ⎣ 2 ⎥ ⎦ Y ( f ) = ( j2 πf ) 2 { x(t − 2) exp( j8πt )} = ( j2πf ) 2 { x(t − 2 )} f → f − 4 Y ( f ) = −4 π 2 f 2 X( f − 4 ) exp[ − j4 π ( f − 4 )] X(f . se puede aplicar el teorema de dualidad a la expresión (1. de donde o x ( t ) = ABsinc 2 [ B( t − t o )] exp[ − j2πf c ( t − t o )] .50 I. Aplicaciones de los Teoremas de la Transformada de Fourier En los siguientes ejemplos se utilizan las Tablas de Transformadas del APENDICE C. d 2 ⎡ 2t − 4 ⎤ (a) Dada y ( t ) = 2 ⎢ x ( ) exp( j8πt ) ⎥ determinar Y(f) cuando x ( t ) = 2 sinc( 2 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. ⎧ −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 ). d df X( f ) = ( − j2π ) { t x(t)} . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Por lo tanto.26.98a). de donde t x(t) ⇔ 1 d (-j2 π ) df X( f ) Por diferenciación sucesiva dentro del signo integral. También. ⇔ ( − j2π ) ∫ f −∞ X( f ' ) df ' para t ≠ 0. obteniéndose x(t ) j2πt x(t ) t ⇔ − X(− f ' ) df ' −∞ ∫ −f y mediante un cambio de variables en la integral.

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

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.27 Calcular y dibujar el espectro de la señal de la Fig. 1. En efecto. Entonces X n se puede escribir en la siguiente forma Xn = o también ∫ T 1 ∞ −∞ x ( t ) exp(− j2 πnf o t )dt = 1 1 T X(nf o ) (1. hay que verificar siempre que x(t) esté acotada en T. Sin embargo.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 . donde X(f) es la transformada de Fourier de la señal generatriz. para una señal periódica xT(t). pues esta transformada puede ser obtenida con más facilidad pues se dispone de extensas tablas de transformadas de Fourier.34 La señal y(t) se puede expresar en la forma y( t ) = x( t ) + x T ( t ) .103) permite calcular los coeficientes de Fourier del espectro discreto de x T ( t ) a través de la transformada de Fourier de x(t). La “envolvente” de la serie infinita de impulsos es igual a fo|X(f)|. La expresión (1. 1. En resumen.34.102) puede escribirse ahora en la forma x T (t ) = ∞ ∞ n =−∞ ∑ ∞ x(t − nT ) = 1 T ∑ X( T ) exp( j2πn T ) n t n =∞ (1. La expresión (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. sea x(t) la función generatriz de una señal periódica x T ( t ). x T (t ) = n =−∞ ∑ 1 x(t − nT ) = T n =−∞ ∑ ∞ n t X ( ) exp( j2πn ) ⇔ X T (f ) = f o T T n =−∞ ∑ X(nf ∞ o )δ (f − nf o ) (1.105) 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). ♣ Ejemplo 1. donde .52 I.

105).36(a). 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.105).28.35. 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x ( t ) = AΠ ( ) ⇔ X(f ) = Aτsinc (τf ) y x T ( t ) = τ t n =−∞ ∑ AΠ( ∞ t − nT ) ⇔ XT (f ) τ Y (f ) = X (f ) + X T (f ). y de ∞ (1. es una serie de gran aplicación en el análisis de señales y sistemas.103): Xn = fo = 1 T pues X(nf o ) = 1 para todo n La transformada de Fourier del tren de impulsos de Dirac será. Transformada de un Tren de Impulsos Delta Dirac El tren de impulsos unitarios. Fig.53 I. 1. de (1. 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. . ♣ ♣ Ejemplo 1. De (1.36 (b) Transformada del Tren de Impulsos Unitarios.

REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ∆ o (f ) = f o n =−∞ ∞ ∑ δ (f − nf n =−∞ ∞ o) = f o δ fo (f ) .9. T/2). y si en el intervalo (− T / 2. La señal x T (t ) . Puesto que la potencia es una magnitud positiva.37(b).106b) Un tren de impulsos de Dirac de período T y área unitaria.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.36(b). es decir. S x (f ) será una función par y positiva de f para todo f. es decir. Muchas señales determinísticas y todas las señales aleatorias pertenecen a esta clase. entonces x T (t ) ⇔ X T (f ) . T / 2) cumple con las condiciones de existencia de la Transformada de Fourier. de (1. es decir.9. pero como x(t) no posee una transformada de Fourier X(f).5). no puede utilizarse una transformada para determinar S x (f ) . < x 2 (t ) >= ∫ ∞ −∞ S x (f )df (1. S x ( f ) = S x (− f ) y Sx (f ) ≥ 0 para todo f. tiene como transformada de Fourier otro tren de impulsos de Dirac de período fo y área fo . Fig.1. ∞ Entonces. . representada por S x (f ). ♣ 1.106a) También. En efecto. Esta transformada X T ( f ) se utilizará para relacionar x(t) con S x ( f ). se puede utilizar el concepto conocido como el “criterio de la señal truncada”. se puede definir partiendo de la premisa de que su integral debe ser la potencia promedio de x(t). 1. δ T (t ) = ∑ δ (t − nT) ⇔ ∆ (f ) = f ∑ δ (f − nf ) = f δ o o o n =−∞ o fo (f ) (1. Sin embargo. Introducción De manera análoga al concepto de espectro de densidad de energía. ∞ ⎡ ⎤ ⎢1 + 2 δ T (t ) = f o exp( j2 πnf o t ) = f o cos(2πnf o t )⎥ ⎢ ⎥ ⎣ ⎦ n =−∞ n =1 ∑ ∞ ∑ (1. A la función δ T (t ) se la conoce también con el nombre de “función peine de Dirac”.105). mediante un enfoque determinístico. El problema ahora es conseguir una expresión explícita que relacione x(t) con S x (f ). como se muestra en la Fig. se denomina “señal truncada de x(t)”. Definición El espectro de densidad de potencia de una señal x(t). se puede definir un espectro de densidad de potencia para señales cuya energía no está definida. sea x(t) una señal de potencia y sea x T (t ) una parte de x(t) comprendida dentro de un intervalo (-T/2. que no poseen una transformada de Fourier y que fueron definidas mediante la expresión (1. la cual se muestra en la Fig. determinística o aleatoria.54 I.37(b) (No confundir esta x T ( t ) con una señal periódica de período T). 1. 1. DENSIDAD ESPECTRAL DE POTENCIA 1.

55 I.5). < x 2 (t ) >= lim 1 T →∞ T ∫ T/ 2 − T/ 2 | x (t )|2 dt = lim 1 T/ 2 x(t ) x∗ (t)dt T →∞ T − T / 2 ∫ Como x T (t ) = x(t ) en el intervalo (− T / 2 . 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. conocida x(t). mientras que la misma densidad espectral S x ( f ) corresponde teóricamente a un número infinito de señales que difieren entre sí solamente en fase. T / 2). . pudiera determinarse S x ( f ) pero no así lo contrario. Obsérvese que el espectro de densidad de potencia de una señal retiene solamente la información de amplitud perdiéndose la información de fase.109) La cantidad S x (f ) es entonces la “Densidad Espectral de Potencia” de una señal x(t).107).37 (b) Señal Truncada La potencia promedio de x(t) es. 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 . Las unidades de S x (f ) son W/Hz respecto a una resistencia R = 1 Ohm. 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). de (1. se concluye que S x (f ) = lim | X T (f )|2 T T →∞ siempre que el límite exista (1. 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. para una señal dada existe un solo espectro de densidad de potencia S x (f ). < x 2 (t ) >= lim 1 T →∞ T ∫ ⎡ x ∗ (t )⎢ T ⎣ −∞ ∞ ∫ ⎤ X T (f ) exp( j2πtf )df ⎥dt ⎦ −∞ ∞ ⎤ ⎫ ⎪ x ∗ ( t ) exp( j2 πft )dt ⎥df ⎬ T −∞ ⎦ ⎪ ⎭ ∗ La integral dentro de los corchetes es igual a X T (f ) .108) con la definición de densidad espectral dada en (1. la cual simplemente expresa que x(t) posee una densidad espectral S x (f ) dada y que. Para simplificar la notación. Por consiguiente.108) Comparando (1.

Esto ocurre debido a que. la densidad espectral S x (f ) se hace cero. para señales que poseen una transformada de Fourier. el cual.38 se puede observar que los productos cruzados se anulan pues sus términos ocupan bandas de frecuencia diferentes. Sin embargo. siendo x(t) una señal real pasabajo. donde x T (t ) ⇔ X T ( f ) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Obsérvese que en la formulación de la expresión (1. x c (t ) ⇒ S xc (f ) Sea también x T (t ) la señal truncada de x(t). es decir. el concepto de espectro de potencia no tiene significado cuando x(t) posee una transformada de Fourier específica. de acuerdo con (1. la integral de la expresión (1.109). 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 ) . es decir. En resumen.2.110a) 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.56 I. Teorema de la Modulación para Señales de Potencia Consideremos ahora una señal modulada determinar. Más adelante. que no poseen transformadas de Fourier y para las cuales el concepto de espectro de potencia sí es aplicable. 1. la potencia promedio es cero. X T (f + f c )X T (− f + f c ) = X T (f − f c )X T (− f − f c ) = 0 de donde X T (f + f c )X T (− f − f c ) =| X T (f + f c )|2 y X T (f − f c )X T (− f + f c ) =| X T (f − f c )|2 .3). al estudiar las funciones de correlación. Sea entonces. de (1.9. Si x(t) es una señal de potencia. en consecuencia. En la Fig. donde f c ≥ f m . de frecuencia máxima f m .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 ) .108) tiende a un valor límite. sobre todo de tipo aleatorio. cuando T → ∞. 1. volveremos sobre este tema. es simplemente la energía de la señal. 1. y sea la Fig. 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→∞ (1.109) si X T (f ) es independiente de T. 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. entonces x c (t ) será también una señal de potencia. en la práctica nos encontramos con una gran cantidad de señales.

11.112) Este teorema.57 I.109).111) no será entonces válida para señales pasabanda. (1. o una señal aleatoria pasabanda de ancho de banda 2f m y centrada en ± f c . el producto cruzado será siempre cero debido a las propiedades de incoherencia de las señales aleatorias.110a) aparecerá un producto cruzado de la forma 2X T (f + f c )X T (f − f c ) que será distinto de cero. determinística o aleatoria. 1. que se estudiará en la Sección 1. con f c ≥ f m .111) es válida para cualquiera señal x(t) pasabajo de potencia.39.111) se podrá aplicar entonces a este tipo de señales. se puede demostrar con más facilidad utilizando el Teorema de Wiener-Kintchine. A2 S xc (f ) = [ S x (f + fc ) + S x (f − fc )] 4 (1.3. Las propiedades de incoherencia de las señales aleatorias las veremos en el Capítulo III. si x(t) es una señal pasabanda aleatoria (ruido.110b) La densidad espectral de potencia de la señal modulada será. Sin embargo. 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). la expresión (1. Si x(t) es una señal de potencia pasabanda. ilustrado en la Fig. 1. 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.38 Por lo tanto. por ejemplo). y la expresión (1. pues los productos cruzados se anulan. de (1. en el desarrollo de (1. mediante aplicación de las propiedades de las funciones de correlación. y de frecuencia máxima f m . Sxc (f ) = lim A 2 ⎡ | X T (f + f c ) |2 | X T (f − f c ) |2 ⎤ + ⎢ ⎥ T →∞ 4 T T ⎣ ⎦ (1. .111) La expresión (1. 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.

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

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

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

y esto se puede lograr mediante las llamadas “Funciones de Correlación”. en general uno desea saber cuán similares son esas señales. son muy útiles en el análisis de señales reales tanto determinísticas como aleatorias.1. y (2) en la “Intercorrelación”. Por ejemplo.61 I. FUNCIONES DE CORRELACION 1. Introducción En muchas aplicaciones en ingeniería no es suficiente decir que dos señales son similares.11. 1. ♣ 1.117). 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. 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. pero aplicado a un sistema (Filtros de Nyquist). surgidas de la teoría moderna de la información. si un proceso físico produce diferentes señales del tiempo. o para medir una banda particular de frecuencias de una señal.11. Esta forma de análisis es muy importante en dos grandes áreas de aplicación: (1) en la “Autocorrelación”. 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( ) ⇔ ) . 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. 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. como veremos en el Capítulo V. X( f ) = Aτ sinc( τf ) 2 1− τ 2 f 2 De (1. la cual se puede utilizar para detectar una señal repetitiva inmersa en ruido. . y del teorema de la modulación. una descripción completa de ellas se puede obtener mediante un análisis correlativo.41(b).

En la Fig.42.42. 1. es decir. Autocorrelación Consideremos el conjunto de señales mostrado en la Fig. para estimar la similaridad entre las señales x 1 ( t ) y x 2 (t ) . x 1 (t ) a1 a2 t x 2 (t ) b1 b2 t x 3 (t ) x 4 (t ) c1 τ1 d1 Fig. El proceso de autocorrelación proporciona una medida de la similitud. Consideremos ahora las señales x 3 (t ) y x 4 ( t ) . Por ejemplo.11. 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. cuando las señales están superpuestas. 1. 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. y luego sumar los productos durante la duración de las señales. en esencia. . t t Un buen método para medir la similaridad entre dos señales es multiplicarlas entre sí.62 I. Pero si efectuamos el mismo proceso entre las señales x 1 ( t ) y x 3 ( t ) . El valor de la sumatoria es entonces una medida o estimación de la similaridad o semejanza entre dos señales. Este es.2. Un estudio más avanzado de las funciones de correlación está fuera de los objetivos del presente texto. 1. a2 por b2 y así sucesivamente. de manera que cada producto contribuye con un término positivo a la sumatoria y la suma será grande. Fig. 1. semejanza o coherencia entre una señal dada y una réplica de ella desplazada en un tiempo τ variable. ordenada por ordenada. El valor máximo de la similaridad se tendrá cuando τ = 0. La función de autocorrelación es utilizada ampliamente en la detección y reconocimiento de señales que están inmersas en ruido. el proceso denominado “autocorrelación”.42. puede esperarse que la sumatoria resultante tenga valores cada vez más pequeños para valores crecientes del desplazamiento τ.42. Ellas son idénticas en forma pero x 4 (t ) está desplazada en un tiempo τ1 respecto a x3(t). Vamos a investigar el grado de similaridad que hay entre ellas. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 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 ) . Si se tuviera que estimar la similaridad entre una señal x(t) y una versión desplazada de ella x(t+τ). x 1 ( t ) y x 2 (t ) son idénticas. se multiplican las ordenadas a1 por b1 .

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

124) 3. Propiedades de la Función de Autocorrelación 1. entonces x ( t ) = x ( t + T) = x (t + nT) donde n es un entero ≥ 1 R x ( τ ) =< x ( t )x (t + τ ) >=< x ( t + T )x (t + T + τ ) >=< x ( t + nT )x (t + nT + τ ) > . entonces se puede escribir x(t) en la forma x ( t ) = b o + x o ( t ) .126) 5. se calculan algunas funciones de autocorrelación que se utilizan en la caracterización de algunas de las señales digitales que veremos en el Capítulo V. En el Capítulo III. si x(t) es periódica de período T. La potencia promedio de x(t) es igual a R x (0) . dividiendo por T y tomando el límite T→ ∞. En efecto. T/2). de donde R x ( 0) ≥ R x (τ ) (1. Esto se sigue a partir de la desigualdad [válida para x(t) real]. 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.123) El valor de la función de autocorrelación en el origen es igual a la potencia promedio de la señal x(t). R x ( 0) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x 2 ( t ) dt =< x 2 ( t ) > (1.64 I. La función de autocorrelación es máxima en el origen. La función de autocorrelación de x(t) será . de donde R x ( τ ) = R x ( τ + T) = R x (τ + nT) (1. Si el valor promedio (componente continua) de x(t) es distinto de cero. para τ = 0. En efecto. En efecto. entonces R x ( τ ) será también periódica con el mismo período. 0 ≤ [ x ( t ) ± x(t + τ )] = x 2 (t ) ± 2x(t)x(t + τ ) + x 2 ( t + τ ) .125) 4. donde b o =< x (t ) > es la componente continua de x(t). En efecto. y < x o ( t ) >= 0. entonces R x ( τ ) poseerá una componente continua de valor igual al cuadrado del valor promedio de x(t). 2 de donde ± 2x(t)x(t + τ ) ≤ x 2 ( t ) + x 2 (t + τ ) Integrando ambos miembros en un intervalo (-T/2. Si x(t) es periódica de período T. si < x (t ) >≠ 0. sino en la densidad espectral de potencia S x ( f ) de x(t). La función de autocorrelación es una función par de τ. se sigue que R x (τ ) = R x (− τ ) (1. ± lim T →∞ ∫ T 1 T/ 2 − T/ 2 2 x (t ) x ( t + τ ) dt ≤ lim 1⎡ ⎢ T →∞ T ⎣ ∫ T/ 2 − T/ 2 x 2 ( t ) dt + ∫ ⎤ x 2 ( t + τ ) dt ⎥ ⎦ − T/ 2 T/ 2 ± 2R x ( τ ) ≤ 2 R x ( 0). 2. 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.

128) y (1. aún cuando | τ | → ∞. R x (τ ) exhibirá un comportamiento periódico.128) Esto es así porque cuando | τ | → ∞ . de (1. y de la expresión (1. Si x(t) contiene componentes periódicas.127) Esta expresión nos permite investigar el comportamiento de R x (τ ) cuando |τ|→ ∞. 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 . R x ( τ ) → 0 cuando | τ | → ∞ . las señales x ( t ) y x(t + τ ) son tan disímiles que ellas pierden toda relación y ya no hay correlación entre ellas. entonces |τ |→∞ lim R x ( τ ) = 0 cuando < x ( t ) >= 0 (1.27) que R x (τ ) = R x (τ ) y R z ( τ ) = 2[ R x ( τ ) + jR x ( τ )] se puede demostrar (Ver (1. entonces o o 2 R x (τ ) = b o + R xo (τ ) cuando < x ( t ) >= b o (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 < 0.129) son válidas siempre que x(t) no contenga componentes periódicas. En efecto. < x o (t ) >=< x o ( t + τ ) >= 0. de acuerdo con la Propiedad 4. .65 I. es decir. para altos valores de τ. Por lo tanto. |τ |→∞ lim R x ( τ ) = lim [ b 2 + R xo ( τ )] = b 2 + lim R xo ( τ ) o o |τ |→∞ |τ |→∞ pero. Si R x ( τ ) =< x ( t )x (t + τ ) > y R x (τ ) =< x ( t ) x ( t + τ ) > . entonces cuando | τ | → ∞. 6.129) |τ |→∞ lim R x ( τ ) = b 2 o cuando Las expresiones (1. Problema de Aplicación 2. Obsérvese que si z(t) es la señal analítica de x(t). y R x ( τ ) es la transformada de Hilbert de R x ( τ ) . si < x ( t ) >= 0. de donde < x(t) >= b o ≠ 0 (1. |τ |→∞ lim R xo ( τ ) = 0 .130) donde R z ( τ ) es la función de autocorrelación de z( t ) = x( t ) + jx( t ).128). Todas estas propiedades se aplican tanto a señales determinísticas como aleatorias. Si < x ( t ) >= b o ≠ 0.127). entonces. R xo ( τ ) =< x o ( t ) x o (t + τ ) > . entonces R z ( τ ) / 2 es la señal analítica de R x ( τ ) .

donde φ es un desfase constante. 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. R x − (τ ) = T 2 . combinando estos dos términos se obtiene la señal generatriz R gx (τ ) de R x ( τ ). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES ♣ Ejemplo 1. Puesto que x(t) es periódica. Entonces. Autocorrelación de una Señal Sinusoidal Sea x( t ) = A cos(ω c t + φ ) . ∫ 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 ). R x ( τ ) = R x (− τ ). Entonces. Entonces.44(a).1. 1.66 I. y para 0 ≤ τ se hace para − T 2 < τ < 0. 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 .32. τ → − τ en R x − (τ ) . Nótese que la información de fase se pierde en la función de autocorrelación.44 (b) Función de Autocorrelación de x(t) Por consiguiente. Solamente se calcula R x− ( τ ) . R x (τ ) = R x− (τ ) + R x− (− τ ) . o también R x + ( τ ) = R x − (− τ ) R x (τ ) A2 / 2 ooo τ (a) Señal x(t) Fig. . Sea R x ( τ ) = R x − (τ ) para En consecuencia. ♣ ♣ Ejemplo 1. R x (τ ) = cos(ω c τ ) = A2 cos(2πf c τ) 2 El resultado sería el mismo para x ( t ) = A sen(ω c t + φ ) .31. Función de Autocorrelación de una Señal Periódica Rectangular Vamos a determinar la función de autocorrelación de la señal periódica de la Fig.

131) se ha elegido una nueva variable τ pues la variable t está ya implícita en la definición de X T ( f ) . Teorema de Wiener-Kintchine Hemos visto que las señales de potencia se pueden caracterizar mediante la densidad espectral de potencia y sería muy conveniente averiguar si hay alguna operación que utilizando las funciones de correlación permita relacionarlas con la densidad espectral de potencia. 1. 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. entonces. además de ser una medida de la semejanza entre una señal x(t) y una réplica de ella desplazada en un tiempo τ .11. Por transformada de Fourier inversa 1 {S x (f )} = ∫−∞ lim ∞ | X T ( f )|2 T T →∞ exp( j2πτf ) df (1. 1 {S x ( f )} = Tlim T ∫ →∞ 1 ∞ −∞ X T ( f ) X ∗ ( f ) exp( j2πτf )df T Como x(t) es real.44(b).131) En la expresión (1. Intercambiando el orden de las operaciones. la función de autocorrelación. En efecto. 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 . 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). Consideremos entonces la densidad espectral de potencia de una señal de potencia. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES R gx (τ ) = A2 ⎡ | τ| ⎤ A 2 τ 1− Λ( ) ⎢ ⎥= 2 ⎣ T / 2⎦ 2 T/ 2 ∞ ∞ La función de autocorrelación de la señal periódica rectangular x(t) será también periódica: R x ( τ ) = R gx ( τ ) ∗ n=-∞ ∑δ(τ . X T (f ) = Rearreglando. 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.67 I. es igual al área de su densidad espectral de potencia. 1. igual a Rx (0). es decir.3.nT) = A2 2 n=-∞ ∑Λ⎡⎢⎣ τT-/nT ⎤⎥⎦ 2 ♣ la cual tendrá la forma mostrada en la Fig.

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/2.132b) La deducción rigurosa del Teorema de Wiener-Kintchine está fuera de los límites que nos hemos impuesto. es decir. se conoce con el nombre de “Teorema de Wiener-Kintchine” o “Relaciones de Wiener-Kintchine”. primero se determina la función de autocorrelación R x ( τ ) de x(t). es decir. se verifica que x( t ) ⇔ X( f ).4. de gran importancia en el análisis espectral de señales. de (1. igual a δ( t − t '+ τ ) . entonces 1 T/ 2 1 {S ( f )} = lim x ( t )x (t + τ )dt =< x (t ) x ( t + τ ) >= R x ( τ ) .11.132a) Este resultado. Este teorema establece que la función de autocorrelación y la densidad espectral de potencia forman un par de transformadas de Fourier. donde . 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. Si las señales son de energía. Esta equivalencia tiempo ⇔ frecuencia es aplicable tanto a señales determinísticas como aleatorias. En efecto. 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. Teorema de la Modulación para Señales de Potencia En la Sección 1. 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.68 I. aplicando las técnicas del cálculo numérico de la transformada de Fourier que se dan en el APENDICE A. la densidad espectral de potencia de x(t).21d). de donde x T→∞ T − T / 2 ∫ S x (f ) ⇔ R x (τ ) (1. 1. y por transformación de Fourier de R x ( τ ) se obtiene S x ( f ) .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. 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. de banda limitada B. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES La integral dentro de los corchetes es. y sea la señal modulada x c ( t ) = x ( t ) A cos(ω c t ) con f c ≥ B .9. Este teorema lo podemos demostrar también utilizando el Teorema de Wiener-Kintchine.2 se demostró el Teorema de la Modulación para Señales de Potencia. Sea x(t) una señal pasabajo de potencia. R x (τ ) = ∫ ∞ −∞ S x ( f ) exp( j2 πτf )df ⇔ S x ( f ) = ∫ ∞ −∞ R x (τ ) exp(− j2 πfτ ) dτ (1. T/2). R x ( 0) = ∫ ∞ −∞ x 2 ( t ) dt = E x energía de x(t) (1.

2.134b) resultado ya obtenido anteriormente.136a) entonces x(t) e y(t) son ortogonales y no habrá ninguna correlación entre ellas. llamada también “correlación cruzada” o “correlación mutua”. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES x(t ) ⇒ S x (f ) ⇔ R x (τ ) y x c ( t ) ⇒ S xc (f ) ⇔ R xc (τ ) R xc ( τ ) =< x c ( t )x c ( t + τ ) >= A 2 < x (t ) cos(ω c t ) ⋅ x (t + τ ) cos[ω c ( t + τ )] > R xc ( τ ) = R xc (τ) = A2 2 < x ( t ) x (t + τ )[ cos[ωc ( 2 t + τ )] + cos(ωc τ )] > A2 A2 cos(ωc τ) < x ( t ) x ( t + τ) > + < x ( t ) x ( t + τ) cos[ωc (2 t + τ)] > 2 2 Debido a la periodicidad del segundo término.135) Puede observarse que si entre las señales x(t) e y(t) existe algún grado de semejanza. expresión (1. proporcionando así una medida cuantitativa del grado de similitud o coherencia entre ellas. En general. 1.112). entonces la función de intercorrelación existirá en un cierto rango de τ . la integral correspondiente es cero. < x ( t ) x ( t + τ ) cos[ω c ( 2 t + τ )] >= 0 . permite la comparación entre dos señales diferentes pero coherentes. 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 ) > (1.11. es decir. es decir.69 I. Cuando las señales son tan disímiles que aún para τ = 0 la intercorrelación es cero. 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. como vimos en la Sección 1. si R xy ( τ ) = lim T →∞ ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt = 0 para todo τ (1. 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. 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. Intercorrelación La intercorrelación. de donde R xc (τ) = A2 R x (τ) cos(2πf c τ) 2 (1.134a) donde R x ( τ ) =< x( t ) x( t + τ ) > es la función de autocorrelación de x(t) y R x (τ) ⇔ S x (f ) .5. se dice entonces que las señales son ortogonales.5. Mediante el Teorema de Wiener-Kintchine.136b) .

entonces R xy ( τ ) = 0.140) (1. es decir. 1. en general. algunas propiedades de la función de intercorrelación.144) . R xy ( τ ) = R yx (− τ ) 2. si x(t) e y(t) son ortogonales. (a) (1.138) La densidad interespectral de potencia suministra. se define como la transformada de Fourier de su función de intercorrelación.137) Se puede demostrar que la función de intercorrelación resultante es también periódica de períodoT. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Si x(t) e y(t) son periódicas de período T. Si < x (t ) >≠ 0 y < y(t) > ≠ 0. 4.139) R x ( 0) ⋅ R y ( 0) ≥| R xy ( τ )| 1 2 (1.143) Nótese que si x(t) o y(t) no poseen una componente continua. en el dominio de la frecuencia. entonces la ortogonalidad implica no correlación. ortogonalidad implica no correlación. se verifica que R xy (τ ) ⇔ S xy ( f ) = 2 fo n=-∞ ∑X ∞ g ( nf o ) Yg ( nf o )δ ( f − nf o ) (1. pero no correlación no necesariamente implica ortogonalidad. Asimismo. se cumple que su función de intercorrelación es igual al producto de sus valores promedio.142) R xy ( τ ) =< x ( t )y (t + τ ) >=< x ( t ) > ⋅ < y ( t ) > pero si < x ( t ) > ó < y(t) > o ambos son cero. entonces R xy ( τ ) = 0 si x(t) y y(t) son ortogonales (1. y sus funciones generatrices son x g ( t ) ⇔ X g ( f ) e y g (t ) ⇔ Yg ( f ) . es decir. la “densidad interespectral de potencia” o “densidad espectral mutua” o “densidad espectral cruzada” de dos señales. S xy ( f ) ⇔ R xy ( τ ) (1. La función de intercorrelación no es conmutativa. Si x(t) e y(t) son periódicas de período T=1/fo . La ortogonalidad es una condición mucho más estricta que la no correlación. la función de intercorrelación será R xy ( τ ) = ∫ T 1 T/ 2 − T/ 2 x ( t )y (t + τ )dt (1. En cuanto al dominio de la frecuencia. entonces (1.141) (b) [R x ( 0) + R y ( 0) ] ≥| R xy ( τ )| 3.136b). como puede apreciarse en la expresión (1. es decir. Propiedades de la Función de Intercorrelación A continuación damos. la misma información acerca de las señales que la que suministra la función de intercorrelación. Si dos señales x(t) e y(t) no están correlacionadas y sus valores promedio son distintos de cero. sin demostrarlas.70 I. Sin embargo.

en especial señales contaminadas con ruido. 1. 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.128). es decir. En general. Finalmente. En estos casos las técnicas de correlación tienen una gran importancia. 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. 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. . Su habilidad para medir cuantitativamente el grado de semejanza o coherencia entre dos señales. en el estudio de vibraciones y en muchas otras aplicaciones del Análisis Espectral de Señales. Sea una señal x(t) que contiene una componente periódica de período T más una señal aleatoria (ruido) que enmascara completamente la componente periódica. 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. si la función de autocorrelación de una señal x(t) cualquiera muestra un comportamiento periódico de período T. |τ|→∞ lim R x ( τ ) = R p ( τ + kT) (1. Entonces. Detección de una Señal Periódica en presencia de Ruido En muchas ocasiones es necesario detectar periodicidades escondidas dentro de otras señales. en la transmisión de señales digitales. y suponemos que sus valores promedio son cero. como < n( t ) >= 0. como. < p (t ) >=< n ( t ) >= 0. pero aquí sólo trataremos la detección de una componente periódica en presencia de ruido. es porque la señal x(t) contiene una componente periódica con el mismo período. R pn ( τ ) = R np ( τ ) = 0 puesto que < p(t) >=< n(t) >= 0 .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). en la detección de señales de radar o de periodicidades en encefalogramas. entonces lim R n ( τ ) = 0 . por lo tanto |τ|→∞ lim R x ( τ) = R p ( τ + kT) + lim R n ( τ ) |τ|→∞ |τ |→∞ pero de (1.71 I. permite visualizar con más profundidad los fenómenos investigados que si se analizara cada señal por separado.11. No hay correlación entre p(t) y n(t).6. Entonces. su función de autocorrelación también será periódica de período T para todo τ . por ejemplo.

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

(k) δ(t .33 W T Fig. Grafique las siguientes señales: (a ) r(t + 2). (d) u(2t . 1.1).t). (l) u(t) ⋅ u(1. (n) δ(2t . 1. Calcule la energía o la potencia.1).1). (f ) r(t) .2.2 π ) (g) exp(-at)u(t .1).2r(t .46 (c) 0 T/2 -1 T/2 T +1 T/2 t >= 43.u(t).) u ( t ) τ t (f) x(t) = Aexp( ) cos(ωc t ) τ << τ t t (e) x(t) = Aexp(. T T = 10 -3 seg < x 2 ( t ) >= 33.2). E = 0. Clasifique cada una de las señales siguientes como señales de energía.47 1.2) + 2u(t).8647A 2 T joules E= A2T 3 joules t −T/ 2 T ⎡ πt ⎤ t x ( t ) = A⎢1 + cos( ) ⎥Π( ). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES PROBLEMAS DE APLICACION 1.45 (b) x T (t ) T = 2 ms t xT(t)=10exp(-10 < x 2 (t ) T 3 |t|) 0 Fig. τ t (i) x(t) = 1. (i) u(t) .4.u(t .1).1. 1. (h) exp(-at)δ(t . (b) x(t) = A| cos(ω c t )|.3 A T r ( t ) Π( | t| T ) Π( ). (a) x ( t ) = 2 cos( 6πt − π / 2 ). de potencia o ninguna de las dos. (d) x ( t ) = Aτ τ + jt . ( j) 3δ(t .)Π ( ). Grafique las siguientes señales de energía y verifique que sus energías son las dadas. (m) r(t)cos(ω o t ). t (c) x(t) = Atexp(. ⎣ T ⎦ 2T E = 3A 2 T joules Demuestre que las potencias promedio de las siguientes señales son las correspondientes dadas.2 W x T (t ) T = 1 ms < x 2 ( t ) >= 1 W T Fig. t 2T ). (e) r(t) ⋅ u(t .73 I.1) ⋅ δ(2t). (a) x ( t ) = A exp( − (b) (c) 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( ). (a) 0 x T (t ) A t A = 10. . (b) r(-t .1). (c) r(t) . según el caso.

(u) 2 Π(2t + 1). Demuestre que el período de la señal periódica x( t ) = 10 cos2 ( t ) es igual a (k ) ∫ ∫ π.2)cos[ π(t .u(t .8.3)]dt = -1. Verifique si las señales siguientes son periódicas.5.πt)cos( )dt = − . Dibujar los fasores y los espectros uni y bilaterales de las señales (a ) x(t) = 5cos(6πt (b) x(t) = 2sen(10πt π 6 ) 1. t π -∞ ∞ -∞ ∞ (t 3 + t 2 + t + 1)δ(t − 3) dt = 40. (a ) x(t) = cos(6πt) + cos(6 2 πt ).1) dτ = r ( t − 1) -∞ -∞ ⎩ 0 para t o < t 1 1. π 4 ).2t).74 I. (t ) sgn(t)sen(ω o t ). (t 3 + 3)δ (3t − 9) dt = 10. (c) x(t) = cos(60πt) + cos(50πt). 1.t) ⋅ u(t)dt = 2. 1. (v) Λ (4 . 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 )] . en cuyo caso determine el período. ∫ (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. (z) exp(-t) Π( ) + exp(t ) Π( ) 2 2 2 2 (p) δ(1. δ (t .2t). 1. (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).2) Π( 2 t+2 t−2 t+2 t−2 (y ) exp(t) Π( ) + exp(− t ) Π( ).t o )u ( t − t 1 ) = ⎨ (l ) u(τ . t ⋅ u(2 .2)]dt = 3 ⎧1 para t o ≥ t 1 t . Verifique las siguientes integrales (a ) (c) ( e) ( g) ( i) ∞ ∞ t (o ) δ( + 2 ). 8 4 t (r) Π( ) − Λ ( t ). δ(t . ∞ (f) x(t) = cos(5πt) + sen(6πt). (x) 10(t .7.9.086 π2 2 -∞ ∞ ∫ ∫ -∞ ∞ ∫ -∞ (t 3 + 4)δ (1 − t )dt = 5 ∫ -∞ ∫ ∫ t (t 2 + 2)δ ( − 1) dt = 12 2 -∞ ∞ ∞ ∞ -∞ ∞ -∞ [δ(t) + u(t) .6. 2 ∫ ∫ 1 1 δ (1. 2 t t (q) Π( ) + Λ ( ). REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES t t (s) 2 Π( ) ⋅ Λ ( ) 2 2 t-2 2 ).

(a ) x(t) = 6sen(50πt)cos(10πt) + 10cos(60πt)cos(20πt). Exprese x(t) en la forma polar x ( t ) = E ( t ) cos[ω c t + ψ( t )] y dibuje su diagrama fasorial.50 (c) Diente de Sierra X o = A / 2. En las señales periódicas siguientes verifique que el coeficiente de Fourier X n es el dado. 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. 1. φn = π / 2 . 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.11.10. 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 ) 1.75 I.48 (a) Xo = A 4 . A Xn = t A n sinc 2 ( ) 4 4 -T -T/2 -T/4 0 T/4 T/2 T Fig. 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. Desarrolle también x T ( t ) en serie de Fourier con A = 8. 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.12.

14.006 cos(4 πx10 3 t − 85. Si A = 100 V y f o = 60 Hz . X o = π [ sen(α ) − α ⋅ cos(α )] .76 I. 1. 1 .73 W 1.51 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. demuestre que el Factor de Rizado a la salida del filtro es del 48. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Exponenciales A A/e 0 (d) t T Xn = 0. Si A = 10 V y T = 1 ms. compruebe que (a) La potencia de entrada al filtro es de 43.233 W (b) La salida del filtro es y ( t ) = 12 .5 3 Xn = X1 = 1 cos(α)sen (2α) − nsen (α ) cos(nα ) π n (n + 1)(n − 1) para todo n.6321A 1 + j2πn para todo n -T Fig. La salida rectificada de media onda del Problema 1.45 o ) (c) La potencia de salida del filtro es de 169. suponga que α = π / 4 . φ n = 0 ⎢α − 2π ⎣ 2 ⎦ Para desarrollar xT(t) en Serie de Fourier. excepto n=± 1 y n=0 sen(2α ) ⎤ 1 ⎡ 1 ⎥.975 cos( 2 πx10 3 t − 80. La señal (d) del Problema 1.12 se aplica a un filtro pasabajo de ganancia 2 y ancho de banda B = 2500 Hz.52 (e) 0 Xo = A .13. 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 .12 se aplica a un filtro pasabajo de ganancia unitaria y ancho de banda B = 400 Hz. 1.642 + 3.24%. 1.96 o ) +2 . . F ig .

Suponga que el circuito eléctrico de la Fig.67 mW. nótese que p(t) tiene la forma de una señal rectificada de onda completa. de ancho de banda B = 1400 Hz y centrado en f c = 1500 Hz . 1. φn = 0.77 I. 1. (b) Si estas tres señales se aplican separadamente a un filtro pasabanda de ganancia unitaria.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. 1.55 tiene un voltaje aplicado v(t) de la forma v ( t ) = Vo + ∑|V | cos(2πnf t + θ n o n=1 ∞ n |cos( 2πnf o t ∞ n) i(t) v(t) Circuito Eléctrico Fig. la potencia disipada en la resistencia es de 266.5sin c 2 ( ).15. 1.16.55 La corriente i(t) correspondiente vendrá dada por i (t ) = I o + ∑|I n=1 + φn ) Si se define la potencia promedio de entrada al circuito en la forma demuestre que la potencia de entrada se puede expresar en la forma P = Vo I o + ∞ P= ∫ v(t) ⋅ i(t)dt .54. 1. (a) Dibuje el espectro de potencia | X n |2 vs nf o de las tres señales del Problema 1.3 (Tome seis componentes a cada lado del origen). 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. El voltaje aplicado al circuito eléctrico de la Fig.17. T 1 T/2 -T/2 ∑ |V 2|⋅|I n n=1 n| cos(θ n − φ n ) 1. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. Sea la señal periódica de la Fig. X o = 2.5 2 4 (b) Que si la señal se aplica a una resistencia de 1000 Ohm. Este problema hay trabajarlo en forma gráfica. 1. determine las correspondientes potencias de salida del filtro. Demuestre: (a) Que el Coeficiente de Fourier Xn es Fig.18. .

Sea la señal periódica de la Fig. para A = 10.99 Amp.031cos(960πt) + .1 seg y A = 10.915 W. 3 Fig. La señal v(t) = 110 2 cos(2πf o t) .. φn = 0 (b) Demuestre que el desarrollo de i(t) en Serie de Fourier es i(t) = 0.. (a) Demuestre que el Coeficiente de Fourier de x(t) es para n impar y n ≠ 0 para n par φn = 0 -T x(t) A ⎧ 8A ⎪ X n = ⎨ 3π2 n 2 ⎪0 ⎩ -T/2 0 -A/3 T/2 T t A Xo = . demuestre que la potencia de salida del filtro es de 25. 3π θn = π 2 .132cos(480πt) + 0.56 (b) Demuestre que la potencia promedio de x(t). con fo = 60 Hz..57 -A t ⎧ (−1) ⎪ ⎪ Yn = ⎨− j2A π(n 2 − 1) para n impar ≠ ±1 ⎪ para n par ⎪0 ⎩ Yo = 0. 1. de ganancia unitaria y ancho de banda de 45 Hz.78 I.21.99 + 0.20.57. 1..66cos(240πt) − 0. 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.. 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.057 cos(720πt) − 0. (a) Demuestre que el Coeficiente de Fourier de la corriente i(t) que circula por la carga es n+2 ⎧ 2 ⎪110 2(−1) ⎪ 2 I n = ⎨ 50π(n − 1) ⎪ ⎪0 ⎩ para n par para n impar . 1. Io = 0. Sean las dos señales periódicas de la Fig.56.. (a) Demuestre que sus correspondientes Coeficientes de Fourier son X n = j2A sen 2 ( nπ ) 4 . Y1 =j 2A .. El rectificador alimenta una carga de 50 Ohm. es < x 2 (t) >= 25. Si T = 0..19.. 1. 1.926 W (c) La señal x(t) se pasa por un filtro pasabajo. X = 0. se aplica a un rectificador de media onda. 1.

..⎥ ⎢ ⎦ π⎣ 2 3 10 5 26 1.exp(-at)] u ( t ) ⇔ X(f) = (d ) x(t) = A ⋅ t ⋅ exp(-at) u(t) ⇔ X(f) = A 2 δ( f ) + A aA j2 πf ( a + j2 πf ) 2 (a + j2 πf) ( a − 4 π f ) + j4 πaf ⎤ A⎡ 1 1 (e) x(t) = A ⋅ exp(-at)u(t) ⋅ cos(2πf c t ) ⇔ X(f) = ⎢ + ⎥ 2 ⎣ a + j2π(f + f c ) a + j2π(f − f c ) ⎦ 2 2 2 = A (f ) x(t)=A ⋅ exp(-a|t|) ⋅ cos(2πf c t) ⇔ X(f)= (g) x(t) = A ⋅ exp(- aA aA + 2 2 2 a + 4π (f + f c ) a + 4π2 (f − f c ) 2 2 t2 ) ⇔ X(f) = A 2πa 2 ⋅ exp(-2π 2a 2 f 2 ) Impulso Gaussiano 2 2a .79 I. 1.69 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... (a ) x(t ..23...22. Verifique los siguientes pares de Transformadas de Fourier..56 o ) + cos(5t − 78.58 v(t) (b) (b) El desarrollo en serie de Fourier de la corriente i(t) es i (t ) = ⎤ 4⎡ 1 1 1 cos(t − 45 o ) − cos( 3t − 71. 1.. El voltaje periódico de la Fig.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. 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).

61. 1. Verifique que el primer cero de X(f) ocurre a f = 1 kHz. La misma entrada del Problema 1. Sea la secuencia de impulsos de la Fig. Demuestre que 1 Y( f ) = (1 + j2πf ) 2 C=1F x(t) R = 1 Ohm Fig. Demuestre que la transformada de Fourier de la salida es j2 πf Y( f ) = (1 + j2 πf ) 2 1. 1. (c) Demuestre que la energía contenida dentro del primer cero de |X(f)| es el 90.80 I.46 cos( ) T x(t ) = ⎨ ⎪ 0 en el resto ⎩ para | t| ≤ T (a) Grafique x(t) para T = 1 seg. utilizada en procesamiento de señales. 1.61. 160.59.08Tsinc(2Tf) + 0. está definida en la forma ⎧ πt ⎪ 0. 1. 1. La señal x(t) = exp(-t).46Tsinc(2Tf . (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. (b) Demuestre que X(f) = 1.60. 1.24.59.25.1) (c) Grafique X(f) para T = 1 ms.26 se aplica al circuito RL de la Fig. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.46Tsinc(2Tf + 1) + 0. 1. (b) Grafique |X(f)| y verifique que el primer cero de |X(f)| está a una frecuencia de 1000 Hz.27.54 + 0. y(t) .3% de la energía total de la señal. Ventana de Ponderación de Hamming La “Ventana de Hamming”.26.u(t) se aplica al circuito RC de la Fig. y(t) L=1H x(t) R = 1 Ohm Fig.

1.66. Calcule el ancho de banda B dentro del cual está contenido el 80 % de la energía de la señal. 1.64. (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 . [ Respuesta: B = 0. -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.29. .63. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.62. 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. x(t) (b) Fig. Demuestre que las transformadas de Fourier X(f) de las señales x(t) siguientes son las dadas. 0 (d) T/4 T/2 0 1 Fig.15056 Hz ]. 165. 1. A t 0 -A 2 x(t) A (a) Coseno t − π/ 2 0 π/ 2 Fig. 1.28.81 I. Sea x ( t ) = 10 exp( −| t |) .

68. En las figuras siguientes verifique la correspondencia x ( t ) ⇔ X(f) .15056K Hz ] 1.32. 1. La señal x(t) = t exp(-Kt) u(t) se pasa por un filtro pasabajo de ganancia unitaria y ancho de banda B. es decir. [ Respuesta: B = 0. 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. Calcule el ancho de banda B del filtro a fin de que la energía de salida del filtro sea el 80% de la energía a la entrada.31. Expresar B en función de K. 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. (b) |X(f) A φ(f ) −f o 0 −π / 2 π/2 fo f −f o Fig. 1.69. Sea x(t) = sinc2(10t). dada x(t) determine X(f).82 I.67. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 0 fo 4B 2 f x ( t ) = 4AB sin c [ 2B( t − 1 1 )] ⋅ cos[2πf o ( t − )] 4f o 4f o (c) |X(f)| 1 -1 f -1 0 1 φ(f ) 4π −4π 0 1 f Fig.30. 1. x(t ) = sen[2 π ( t − 2 )] sen 2 [ π ( t − 2)] − π (t − 2) π 2 (t − 2 ) 2 .

1. S2 = 2 W .01t ) ⋅ cos(2 πx10 6 t ) ⋅ u(t ) x 2 (t ) = 10 cos(2πx10 6 t ) Demuestre que y(t ) ≈ 5 exp(−0. 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.73.70. Mediante la transformada de Fourier de la señal generatriz. mientras que S2 es la potencia a la salida debida a x2 (t). demuestre que los coeficientes de Fourier X n de la siguientes señales periódicas son los correspondientes dados. El filtro pasabajo tiene ganancia unitaria y un ancho de banda de 50 Hz. REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1. 1.35. 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. El filtro es pasabajo de ganancia de potencia 2. f + fc En la salida calcule la relación S1 / S2 .01 dB S2 . 1. 1.71. (a) A 2A T ⎧ 2A ⎪ Xn = ⎨ n2π 2 t ⎪0 ⎩ Fig. x 1 (t ) Filtro Pasabajo y(t) x 1 (t ) = exp(−0. 1. 1. S1 = 20 = 13.34. 1. donde S1 es la potencia a la salida debida a x1 (t). Sea el sistema de la Fig.33.01t ) ⋅ u (t ) x 2 (t ) Fig. 1. donde x 1 ( t ) y x 2 (t ) son señales aleatorias.72. 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.83 I.70.73. Sea el sistema de la Fig. Demuestre que S1 = 40 W. fc = 100 kHz.

Verificar las siguientes relaciones: (a) Dada X c (f ) en forma gráfica. (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 ) .76.74.38. X c (f ) 2A A 2B (a) −f c Fig. 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. 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. 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. teniéndose entonces superposición de funciones de correlación así como superposición de energía y de potencia. determinar Xc(f) cuya forma gráfica se da. donde x(t) e y(t) son ortogonales para todo t. (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.36. < x(t ) ⋅ y (t ) >= 0 . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES 1.75. 1. 1. es decir. .1. ⎡ f + 10 4 f − 10 4 ⎤ ⎢Λ( ) + Λ( )⎥ W / Hz 1. 0 fc f 1. En las figuras siguientes se muestra el espectro de señales moduladas de la forma x c ( t ) = x ( t ) A cos( 2πf c t ) ⇔ X c (f ) . Considere la función z(t ) = x(t ) + y (t ) .76.1. determinar x(t) (b) Dada x(t). y z(t) una señal cuya densidad espectral de f potencia es S z ( f ) = S xc ( f )Π ( ) W / Hz.37.84 I.

78. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 10sinc 2 (10 4 τ ) . REPRESENTACION ESPECTRO-TEMPORAL DE SEÑALES Demuestre que sus respectivas potencias promedio son 2 < x1 ( t ) >= 19.67 W 2 (c) Determine las correspondientes funciones de autocorrelación de los espectros de la parte (b). y(t) = x(t) cos(2πf c t) ⇒ Sy (f ) Sy (f ) = S x (f ) .43.41. Demuestre que: (a) Si x(t) tiene una función de autocorrelación R x (τ) = entonces donde.42. 1. 1. 1. Demuestre que si x(t ) ⇒ y (t ) = x (t ) − x ( t − T) 1. entonces. 1. (b) Demuestre que la potencia a la salida del filtro es de 20 W.77. 2 cos(2πf c t ) y < y 2 (t ) >= 30 W x(t) Filtro Pasabajo Fig.39. Determine la densidad espectral de potencia de la señal compleja x (t ) = A exp( j2πf o t ) utilizando el Teorema de Wiener-Kintchine. donde Tb = . 1. Fig. 1.44. Demuestre que a la salida del filtro R y (τ ) = 20sinc(10 4 τ ) + 10sinc 2 (5x10 3 τ ) 1. y que y(t) es una señal digital ASK . 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. y mediante la Propiedad 1 de la Función de Autocorrelación.85 I.77.40. se aplica una señal x(t) cuya función de autocorrelación es R x (τ ) = 20sinc 2 (5x10 3 τ ) cos(2πx10 5 τ ) . de ganancia 2 y ancho de banda de 5 kHZ. A la entrada del detector coherente. Calcule la función de autocorrelación. (a) Dibuje la forma de la densidad espectral de potencia a la entrada y salida del filtro. S y (f ) = 4S x (f ) sen 2 (πTf ) 1 τ A2 [1 + Λ( )] . A la entrada del filtro RL de la Fig.78. A la entrada de un filtro pasabajo. y(t) L R Fig. la densidad espectral de potencia y la potencia a la salida del filtro. se aplica ruido blanco cuya densidad espectral es η/ 2. 1.7 W y < x 2 ( t ) >= 46. verifique que las potencias respectivas son iguales a las obtenidas en la parte (b). 1.

y la correspondiente potencia. donde 1 + (2πbf ) 2 Sx(f) es la densidad espectral de potencia de x(t). entonces. Tb ⎡ f − fc ⎤ 2 f + fc ) + sinc 2 ( )⎥ ⎢sinc ( fb fb ⎦ ⎣ 1. Se tiene a Sx (f ) también una señal y(t) cuya densidad espectral de potencia es Sy (f ) = . R x ( τ) = exp(− |τ| |τ| ⎤ ⎡ ⎢a exp(− a ) − b exp(− b ) ⎥ .45.46. Se tiene una señal x(t) cuya función de autocorrelación es |τ| ) .86 I. En el Ejemplo 1. 1. 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. ⎣ ⎦ 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) = . 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 ) . es el período de la señal periódica rectangular.

hay que tener en cuenta la diferencia entre lo que es “señal” y lo que es “sistema”. etc. por ejemplo) también es un sistema sobre el cual la mayoría de las veces no podemos ejercer ningún control. 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. pero un “canal” (de microondas. 2. CARACTERIZACION DE SISTEMAS 2.1. Las señales. Este operador establece entonces una regla de correspondencia entre y(t) y x(t). La cantidad x(t) representa la “entrada” o “excitación” del sistema. un sistema de comunicaciones. que denominaremos. Pero los sistemas son completamente diferentes.1. INTRODUCCION En el Capítulo I se desarrollaron las técnicas básicas para la representación espectrotemporal de señales y en el presente capítulo se aplicarán esas mismas técnicas para la representación espectro-temporal de sistemas. En este capítulo presentamos entonces un breve estudio de los sistemas lineales y su caracterización espectro-temporal. la operación que el sistema efectúa sobre la entrada x(t) se puede representar mediante la transformación funcional . como veremos en el presente capítulo. un sistema puede ser caracterizado en los dominios Tiempo ⇔ Frecuencia en la misma forma como lo hicimos con las señales en el Capítulo I. por ejemplo. un sistema actúa como un operador o transformador sobre una señal y como resultado produce una salida..1.2. y con la definición de la Respuesta Impulsional y de la Función de Transferencia podemos estudiar los efectos de la transmisión de señales a través de filtros y canales ideales y reales. 2.2. Diagrama de Bloques de un Sistema. “sistema”. como su nombre lo indica. Sin embargo. Un sistema es un dispositivo físico (filtros. mientras que la cantidad y(t) representa la correspondiente “salida” o “respuesta”. Sin preocuparnos por saber qué es lo que hay dentro del bloque. 2. son magnitudes eléctricas (corrientes y voltajes) y sobre la mayor parte de ellas podemos ejercer algún control. Sistema x(t) y(t) = S{x(t)} S{. moduladores. Este bloque representa cualquiera operación o procesamiento de una señal en una aplicación. en general.) que podemos construir y ejercer algún control sobre él. con excepción de las señales aleatorias que estudiaremos en el Capítulo III. Aunque las técnicas matemáticas empleadas sean las mismas en la representación espectrotemporal de señales y sistemas. Concepto de Sistema Consideremos el diagrama de bloques de la Fig.1. Por consiguiente.CAPITULO II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.} Fig.

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

4) La expresión (2. en un sistema lineal caracterizado por la transformación h (t . consideremos la propiedad de muestreo del impulso unitario. En este caso la salida se denomina “respuesta impulsional”. 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. de (2. el escalón unitario y las señales sinusoidales. 2. Esta situación se representa en la Fig. como se muestra en la Fig. 2. La excitación mediante un impulso unitario equivale a aplicar a la entrada del sistema un número infinito de frecuencias de la misma amplitud. Por lo tanto. x(t) δ(t − τ ) t x(t) S{δ (t − τ )} (b) Sistema Fig.2. 2. 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.2 y(t) y(t) h (t . una función de t y τ.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.89 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.2. (2. 3.4) se puede considerar como una representación de x(t) en términos de un continuo de impulsos unitarios δ( t − τ ) de área x( τ ) .1). y la salida del sistema será la respuesta a todas y cada una de las infinitas frecuencias presentes en la entrada. τ). En efecto.3) {δ( t − τ )} La respuesta impulsional h(t.3. La respuesta del sistema a una señal de prueba es una descripción característica o un modelo matemático del mismo.3. Las señales de prueba más comunes son el impulso unitario. La respuesta del sistema lineal a una entrada arbitraria x(t) dada por (2. en general. τ) es. x (t) = ∫ ∞ −∞ x (τ)δ( t − τ)dτ (2. τ ) = {⋅ ⋅} la respuesta impulsional es. 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. Aproximación de la Excitación x(t) . 2. “respuesta al impulso” o “respuesta impulsiva” del sistema” y se representa por h(t.

las dos expresiones se aplican a ambos lados de cualquiera discontinuidad. en un “Sistema Lineal Invariante en el Tiempo (SLIT)” la h(t .6). ni la expresión (2. Esto se puede enunciar en la forma siguiente.5) es válida aún en los puntos de discontinuidad de x(t).7) Estas integrales son las conocidas “Integrales de Convolución”. la integral de superposición (2. en general no tiene mucha importancia desde el punto de vista práctico. ∞ {δ(t − τ )} = h (t . para cualesquiera señal x(t) y desplazamiento τ . De (2. En (2.4) ni la (2. La respuesta de un SLIT es entonces el producto de convolución de la excitación con la respuesta impulsional del sistema. {x( t − τ)} = y( t − τ) .90 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y ( t ) = x (τ ) −∞ ∫ ∫ ∞ {δ(t − τ )}dτ pero. a menudo sucede que y(t) es continuo a pesar de que x(t) no lo sea. y como consecuencia. Sin embargo. En este caso la expresión (2. la cual es válida para cualquier sistema lineal. Un sistema lineal es invariante en el tiempo si para cualquier desplazamiento τ se verifica que {δ( t − τ)} = h(t − τ) .3). 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). es decir. τ ) . 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. τ )dτ Esta es la llamada “Integral de Superposición”.8) . −∞ de donde (2. Sistemas Lineales Invariantes y Variantes en el Tiempo Se dice que un sistema lineal es invariante en el tiempo si un desplazamiento en el tiempo de la entrada resulta en un desplazamiento idéntico de la salida sin que cambie la forma de onda o perfil de la señal. y no de la diferencia (t -τ). Esto quiere decir que el perfil de h ( t .4).5) y (2. como es el caso de los filtros reales en los cuales una entrada discreta produce una salida continua. τ) = h(t − τ) para todo τ en un SLIT (2. la respuesta de un SLIT para cualquiera excitación x(t) será entonces y( t ) = ∞ ∞ ∫ ∞ x (τ)h ( t − τ)dτ = ∫ −∞ h (τ) x ( t − τ)dτ (2. Por consiguiente.5) y ( t ) = x (τ ) h ( t . El hecho de que (2. de (2. La respuesta impulsional de un SLIT simplemente experimenta desplazamientos en el eje del tiempo que no afectan en nada su perfil.5) son válidas en los puntos donde x(t) es discontinua. Un sistema lineal variante en el tiempo será aquel cuya respuesta impulsional dependerá de τ y de t. En particular. τ 1 ) será diferente del (2.5) no sean válidas en los puntos de discontinuidad. Más adelante volveremos sobre este tema.τ).6) respuesta impulsional dependerá únicamente de la diferencia (t . Estrictamente hablando. τ ) es la respuesta a un impulso x (τ )δ(t − τ ) .4) y (2.5) puede considerarse como la superposición de las respuestas de un número infinito de impulsos donde x ( τ ) h ( t . Asimismo.

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

lo que significa que el sistema es invariante en el tiempo.7). 2. vemos que y 2 (t ) = y 1 (t − t o ) . y ( t ) = ∫ ∞ −∞ exp( − τ ) u (τ ) ⋅ exp[− ( t − τ )]u ( t − τ ) dτ = t exp(− t )u ( t ) De (2. El interruptor I está cerrado 1 únicamente en el intervalo |t |≤ .10) la respuesta al escalón unitario es y u ( t ) = [1 − exp( − t )]u ( t ) . ♣ Ejemplo 2.7). La correspondiente salida será (C) Comparando (C) con (D). 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. Sea x1(t) la entrada. 2.4 Establecer las características del sistema de la Fig. τ ) y(t) Fig. ♣ ♣ Ejemplo 2. 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.4 . pero su resolución es más laboriosa que la dada por (2.12).3 Vamos a verificar si el sistema representado por y(t ) = sen[ x(t )] es variante o invariante en el tiempo. 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. Sea x ( t ) = exp( − t ) u ( t ) y supongamos que h ( t ) = exp( − t ) u ( t ) . Veamos un ejemplo muy sencillo. De (2. Veamos también si el sistema es lineal o no lineal. 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.4.92 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Esta expresión nos permite determinar también la respuesta y(t) de un SLIT para cualquiera excitación x(t) a partir de la respuesta al escalón unitario. La respuesta y(t) del SLIT se puede determinar entonces mediante las integrales De (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 . La no linealidad es directa.

Respuesta Impulsional Para x(t ) = δ(t − τ ) se tiene que y(t ) = h(t . ♣ . 10 8 y(t) 0 1 t Fig.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) . 2.τ).5. τ ) entonces. 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. La respuesta y(t) será entonces y(t ) = x (τ )Π(τ )δ(t − τ )dτ = x(t )Π (t ) −∞ ∫ ∞ ♣ ♣ Ejemplo 2.5. Vamos a determinar la respuesta y(t) del sistema.τ ) para | τ| ≤ 2 ⎪ ⎬ = Π(τ )δ(t − τ ) h(t . 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 . pues su respuesta impulsional depende de t y τ.93 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS y(t ) = {a 1x1 (t ) + a 2 x 2 (t )} = a 1 { x1 (t )} + a 2 { x 2 (t )} Luego el sistema es lineal. 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. y no de la diferencia (t . τ ) = ⎨ 1⎪ ⎪0 para | τ|> ⎩ 2⎭ El sistema es variante en el tiempo. y (t ) = a 1y 1 (t ) + a 2 y 2 (t ) . 2. ⎧ 1⎫ ⎪δ(t .

Si la entrada es acotada. τ )dτ −∞ t ∫ t para cualquier sistema lineal causal para un SLIT causal (2.94 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Causalidad y Estabilidad en Sistemas Lineales Causalidad Se dice que un sistema lineal es causal cuando no produce una respuesta antes de ser aplicada una excitación.18) M y N son constantes reales y positivas. el sistema es estable (2. τ )dτ 0 t ∫ t para cualquier sistema lineal causal (2. para t = 0. por ejemplo. se obtiene .16) (2. x( t ) = 0 para t < 0 . es decir. se supone que la entrada es cero hasta determinado tiempo. τ ) = 0 o h(t . en tales casos el sistema puede no ser causal y aún así puede ser físicamente realizable.17) y(t ) = x (τ )h(t − τ )dτ para un SLIT causal 0 ∫ Estabilidad En cuanto a la estabilidad. es decir. que h( t .7) y con ayuda de las condiciones (2. Wylie.τ) = 0 para t < τ (2. Aplicando esta desigualdad a (2. hay muchas aplicaciones en las cuales la señal a ser procesada se encuentra almacenada. En sistemas causales el límite superior de integración es t.13) Un sistema no causal no cumple con (2. 1960] que si existe una constante K tal que | q (x )| ≤ K < ∞ y |z(x)|< ∞ . de modo que y(t ) = x (τ )h(t . como. pero los sistemas físicos son siempre causales pues al operar en tiempo real no pueden producir ninguna respuesta a menos de ser excitados. se dice que un sistema lineal es estable cuando para una entrada acotada la respuesta también es acotada.13) y además no puede realizarse físicamente.18). Se ha demostrado [C. Vamos a ver cuáles son las condiciones que el sistema debe cumplir a fin de asegurar la estabilidad. se cumple que | z( x )| = ∫ p( x)q( x)dx ≤ ∫ | p( x)||q( x)| dx ≤ ∫ K| p( x)| dx < ∞ para todo x. En este caso. Si | x (t )| ≤ M < ∞ y |y(t)| ≤ N < ∞ para todo t. R. de donde y(t ) = x (τ )h(t .15) y(t ) = x (τ )h(t − τ )dτ −∞ ∫ Finalmente. Sin embargo.14) (2. entonces | x (t )| ≤ M < +∞ para todo t Consideremos un SLIT.

19) De (2. Si éste es el caso. h(t) debe satisfacer (2.20) es también condición suficiente para que h(t) tenga una transformada de Fourier.24) ∞ { y(t )} = H (f )∫ −∞ x (τ ) exp(− j2πfτ )dτ pero la integral es la transformada de Fourier X(f) de x(t). en un SLIT se verifica que h(t ) ⇔ H (f ) Reemplazando (2. Entonces definimos H (f ) = { h(t )} = ∫ ∞ −∞ h (t ) exp(− j2πft )dt (2.7).22) La integral de la derecha en (2. donde x(t ) ⇔ X (f ).4. la integral dentro de los corchetes es ∫ ∞ −∞ h(t − τ ) exp(− j2πft )dt = exp(− j2πfτ ) ∫ ∞ −∞ h(t ' ) exp(− j2πft ' )dt ' (2. es decir.19) se deduce que para que un SLIT sea estable. la respuesta impulsional h(t) debe cumplir con la condición de integrabilidad absoluta. de donde . la condición suficiente para que haya estabilidad es que ∫ de donde ∞ −∞ | h (t )| dt < ∞ | y (t )| ≤ N < +∞ para todo t (2. La función de transferencia H(f) y la respuesta impulsional h(t) forman entonces un par de transformadas de Fourier. Nótese que (2. esto es. condición que vamos a utilizar en la siguiente sección. 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).20) La respuesta es acotada y por lo tanto el sistema es estable.21) Mediante el cambio de variables t ' = t − τ .20). se obtiene (2.23) en (2.22) con la ayuda de (2. De (2. { y(t )} = ∫ ∞ −∞ y(t ) exp(− j2πft )dt = ∫ ⎡ x (τ )⎢ ⎣ −∞ ∞ ∫ ⎤ h( t − τ ) exp(− j2πft )dt ⎥dτ ⎦ −∞ ∞ (2.2.23) La cantidad H(f) se denomina “Función de Transferencia”.τ )dτ -∞ ∫ ∞ Tomando la transformada de Fourier. y(t ) = x(t ) ∗ h(t) = x(τ )h(t . y es la caracterización de un sistema lineal invariante en el tiempo en el dominio de la frecuencia. 2.21).22) tiene la forma de una integral de Fourier.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.

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

Nótese que si H(f) se hace cero en un intervalo de frecuencias dado. Propiedades de la Función de Transferencia 1.β(-f) 2. y β(f) es la “Respuesta de Fase”. se puede expresar en la forma H ( f ) =| H ( f )|exp[ jβ(f )] (2. debe cumplir. es decir. es decir. pero si un sistema es a la vez estable y realizable. en el dominio de la frecuencia. el cual establece que si la integral I existe. en general.30) entonces (2. Para que un sistema sea físicamente realizable. una magnitud compleja. se dice que él es físicamente realizable.30) es condición necesaria y suficiente para que |H(f)| sea el módulo de la función de transferencia de un sistema físicamente realizable. donde h(t) ⇔ H(f) =|H(f)|exp[jβ(f)] y ∫ ∞ -∞ |H(f)|2 df < ∞ (2. | H ( f )| =| H ( − f )| =| H ∗ ( f )| y β(f) = . 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. por lo tanto la función de transferencia tendrá simetría hermítica. si I= ∫ ∞ ln| H ( f )| 2 2 −∞ 1 + 4 π f df < ∞ (2.31) Todo sistema físicamente realizable producirá siempre un desfase (o retardo). además de las condiciones (2. demostramos que . la entrada y salida de un sistema lineal invariante en el tiempo. no cumplirá con el Criterio de Paley-Wiener y por lo tanto no es físicamente realizable.20).32) |H(f)| se denomina “Respuesta de Amplitud” o más comúnmente “Respuesta de Frecuencia del Sistema”. En los sistemas de comunicación h(t) siempre es real. con el llamado “Criterio de Paley-Wiener”. Puesto que H(f) es.5.97 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. la función de transferencia H(f) tendrá una característica de fase β( f ) tal que h ( t ) = 0 para t < 0. En efecto. ♣ Criterio de Paley-Wiener La estabilidad y posibilidad de realización física que tratamos en la sección anterior son nociones independientes. Esto quiere decir que si la integral existe (es menor que ∞ ).

lineal o no lineal. si la entrada x(t) es una señal de potencia con una densidad espectral de potencia S x ( f ). de la expresión (2. la salida será también sinusoidal de la misma frecuencia. estas componentes de frecuencia pueden estar atenuadas e incluso desaparecer. entonces la densidad espectral de energía a la salida del sistema será.34) Igualmente. tendrá siempre una respuesta impulsional.33) ∫ ∞ −∞ G y ( f ) df = ∫ ∞ −∞ | H ( f )|2 G x ( f ) df (2. Ey = (2. no puede generar nuevas frecuencias: a la salida sólo estarán presentes las frecuencias que había a la entrada. G y (f ) =|Y ( f )|2 =| H (f )|2 | X (f )|2 =| H ( f )|2 G x ( f ) y la energía total de salida.35) < y 2 ( t ) >= ∫ −∞ S y ( f ) df = ∫ −∞ | H ( f )|2 S x ( f ) df (2. Nótese que cualquier sistema.98 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Y( f ) = H ( f ) X( f ) (2. La salida y(t) será entonces y(t ) = ∫ ∞ −∞ Y( f ) exp( j2 πtf ) df = A ∫ ∞ −∞ H ( f )δ( f − f o ) exp( j2 πtf ) df pero de la propiedad de muestreo del impulso unitario. pero solamente los sistemas lineales invariantes en el tiempo poseerán una función de transferencia.36) donde Sx(f) viene dada por (1. En particular. pero con una amplitud y fase en general diferentes.87) y (1. 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 ) . Recíprocamente. y no poseerá una función de transferencia.88). . En efecto. un sistema que cambie o genere nuevas frecuencias será: o no lineal o variante en el tiempo o ambos.37) significa que un SLIT cuya función de transferencia es H(f). Se puede determinar el efecto de la función de transferencia H(f) sobre las densidades espectrales.38) donde H ( f o ) =| H ( f o )|exp[ jβ(f o )] La expresión (2.25). y ( t ) = AH ( f o ) exp( j2πf o t ) = H (f o ) x ( t ) (2. de (1.25) 3. pero no podrá generarse nuevas frecuencias. si la entrada es una señal sinusoidal de frecuencia fo. como bien lo expresa (2.109).37) (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 ) . 4. 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 ∞ ∞ (2.37).

105). De (1.99 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.68 del Problema de Aplicación 2. Ecuación Diferencial de un SLIT Un sistema lineal invariante en el tiempo se puede representar mediante una ecuación diferencial lineal con coeficientes constantes que relaciona. 2. 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. la excitación x(t) con la respuesta y(t).8.7. en el dominio del tiempo. 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 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 .24. ♣ ♣Ejemplo 2. Por ejemplo. 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). 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. Respuesta de un SLIT a Entradas Periódicas La entrada a un SLIT es una señal x T ( t ) periódica de período 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.

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

Como herramienta operacional. La extensión de este procedimiento para n funciones de f es directa. de acuerdo con la propiedad de muestreo del impulso unitario. x(t ) = x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 (τ ) x 2 ( t − τ )dτ = ∫ ∞ −∞ X(f ) exp( j2πtf )df (2. 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 =−∞ ∑ . comúnmente.T) (b) x(t − t 1 ) ∗ δ(t . Convolución de una Señal con Impulsos Unitarios La convolución de una señal x(t) con un impulso unitario δ(t).101 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS situaciones como éstas.9.t 2 ) = x(t − t 1 − t 2 ) (c) δ(t − t 1 ) ∗ δ(t .44) ∞ y de (2. Por ejemplo. En efecto. puede demostrarse que: (a) x(t ) ∗ δ(t .39) En un problema particular. 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. x(t ) ∗ δ(t) = x(τ )δ(t . se desea determinar la transformada de Fourier inversa de X(f).τ )dτ = x(t) -∞ ∫ ∞ (2.28).42) (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). y x(t) su correspondiente señal generatriz. La resolución de la integral de convolución es.T) = x(t . resulta en la misma señal x(t). esto lo veremos más adelante. ♣ Ejemplo 2. entonces x T (t ) se puede representar en la forma x T (t ) = n =−∞ ∑ ∞ x (t − nT) = x (t ) ∗ n=-∞ ∑δ(t . 1 {X(f )} = x(t ) = 1 {X1 (f )} ∗ 1 {X 2 (f )} Por lo tanto.nT) ∑ (2.41) (2.t 2 ) = δ(t − t 1 − t 2 ) (2. En los siguientes ejemplos presentamos algunas aplicaciones y métodos para la resolución puramente analítica de la integral de convolución. una operación complicada y muchas veces es preferible operar con las transformadas de Fourier. es conveniente interpretar la convolución en forma gráfica. 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.40) En la misma forma.43) (d) Si x T (t ) es una señal periódica de período T.

y de (2. que es la transformada de una señal periódica.46). 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.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 (2.41). ♣ ♣ Ejemplo 2.102 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resultado que ya habíamos obtenido por otros métodos. Este resultado es de capital importancia en la Teoría del Muestreo. Para generalizar el procedimiento desde un punto vista puramente analítico. expresión (1. s s s ∞ De (2. el espectro del producto es la repetición periódica del espectro de x(t) en las frecuencias nfs con un factor de escala fs.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.27). por lo tanto.10. como veremos en el Capítulo V. (e) Sea el producto x(t) ⋅ ∑ δ(t-nTs ) = n=-∞ ∞ n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) = x (t) . El límite superior de las integrales dependerá de la forma de y(x). 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. (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 . como veremos en los casos siguientes.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 ) . X s ( f ) = X( f ) ∗ f s ∞ n =−∞ ∑δ(f − nf ) s s ∞ X s (f ) = fs n =−∞ ∑X(f − nf ) (2.47) ⎧0 para λ < -x o ⎫ u( λ + x o ) = ⎨ ⎬ ⎩1 para . consideremos el producto de convolución z (x ) = y(x) ∗ BΠ( x ) 2x o (2.105).

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

. lim Si ( x ) = ± . Entonces y (x ) = Au (x + x 1 ) − Au (x − x 1 ) ⎧ z(x) = AB⎨ ⎩ z( x ) = AB⎧ ⎨ ⎩ ∫ ∫ ∞ − xo ∞ [ u(x + x 1 − λ) − u(x − x 1 − λ)] dλ − ∫x [ u(x + x 1 − λ) − u(x − x 1 − λ)]dλ⎬ ⎭ ∞ o ⎫ −xo u ( x + x 1 − λ ) dλ − ∫ ∞ −xo u ( x − x 1 − λ ) dλ − − ⎧⎡ z(x) = AB⎨⎢ ⎩⎣ ∫ ∞ xo u ( x + x 1 − λ ) dλ + ∫ ⎫ u(x − x 1 − λ)dλ⎬ xo ⎭ ∞ ∫ x + x1 − xo ⎤ ⎡ dλ ⎥u[ x + (x o + x 1 )] − ⎢ ⎦ ⎣ ∫ x − x1 − xo ⎫ ⎤ dλ ⎥u[ x + (x o − x 1 )]⎬ − ⎦ ⎭ . 2 x→±∞ 3. La Integral Seno Si(x) en serie de potencias. 2..104 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si (x ) = ∫ x sen(y ) y dy 0 y que se muestra en la Fig.. es una función impar de x.. ella se puede aproximar tomando un número suficiente de términos. 3 ⋅ 3! 5 ⋅ 5! 7 ⋅ 7 ! 9 ⋅ 9 ! y tiene las siguientes propiedades: 1. Con ayuda de la Integral Seno en el problema que nos ocupa. Si ( x ) = −Si ( − x ). Desarrollando x Fig.7... obtenemos finalmente z( x) = AB Si{πa ( x + xo )} − Si{πa ( x − xo )} πa [ ] Una gráfica de esta expresión se muestra en la Fig. 2. π 2. y se presta a ser calculada mediante cálculo numérico... Si(0) = 0 2 π/2 1 Si( x) 0 1 x Como la Integral Seno no −π / 2 puede resolverse en forma analítica.. La Integral Seno se puede expresar también como una serie de potencias de la forma x3 x5 x7 x9 Si ( x ) = x − + − + −... (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.26(b) del Ejemplo 2. 2 normalmente se encuentra tabulada en 20 12 40 4 12 20 la forma Si(x) vs x.19. 2.7 para |x| < ∞.

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. la resolución de la integral de convolución se puede efectuar en forma gráfica. z(x) = AB{[x + (x o + x 1 )]u[x + (x o + x 1 )] − [x + (x o − x 1 )]u[x + (x o − x 1 )] − −[x − (x o − x 1 )]u[x − (x o − x 1 )] + [x − (x o + x 1 )]u[x − (x o + x 1 )]} Vemos que z(x) está formada por la suma de cuatro rampas. En estos ejemplos. tomando en cuenta los dominios de validez de estas rampas. Cuando no se requiere valores exactos. Convolución de Señales Periódicas Consideremos dos señales periódicas x T1 ( t ) y x T2 ( t ) con el mismo período T. 2. 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.48) Reemplazando x T2 ( t − τ ) por su desarrollo en serie de Fourier. que veremos en la próxima sección. aparentemente sencillos. 2.x1 -xo + x1 0 xo .x1 xo + x1 Graficación de z(x) vs x Fig. 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 (2.11. ♣ ♣ Ejemplo 2. z(x) 2x1AB x -xo .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.8. ⎤ ⎡ ∞ x T1 ( t ) ∗ x T2 ( t ) = x T1 ( τ )⎢ X n 2 exp[ j2 πnf o ( t − τ )]⎥dτ T − T/ 2 ⎢ n =−∞ ⎥ ⎣ ⎦ ∫ T/ 2 ∑ Intercambiando los signos de integral y sumatoria x T1 ( t ) ∗ x T2 ( t ) = ⎤ ⎡ 1 T/ 2 X n 2 exp( j2 πnf o t ) ⎢ x T1 ( τ ) exp( − j2 πnf o τ)dτ ⎥ ⎦ ⎣ T − T/ 2 n =−∞ ∑ ∞ ∫ .8.

2. Como el período T es el mismo para X n1 y X n2 . Para encontrar los valores del producto de convolución x 1 ( t ) ∗ x 2 ( t ) se selecciona diferentes valores de t. dicha área es la región sombreada de la Fig. x T1 ( t ) ∗ x T2 ( t ) = n =−∞ donde |X n | =| X n1 || X n 2 | y θ n = θ n1 + θ n 2 (2.50) en (2. representa el producto de convolución x 1 ( t ) ∗ x 2 ( t ) . es decir. . alrededor del eje vertical que pasa por el origen. entonces la convolución grafica resulta muy útil. entonces se puede escribir X n1 X n 2 = X n =| X n |exp( jθ n ) Reemplazando (2.9(c) se muestra x 2 ( t − τ ) y x 1 ( τ ) y el sentido del desplazamiento. se desplaza la función x 2 ( −τ ) según esos valores y se calcula el área de intersección correspondiente. de su área de intersección. ♣ 2. para t = − t 2 .9(d).52) donde τ es la variable independiente y t el parámetro tiempo.49) es una forma del teorema de convolución para señales periódicas. Fig. 2. con t = τ . 2.9(f).52). Lo mismo para t = t 3 . Nótese que si las señales periódicas son de diferente período.49) La expresión (2. El término x 2 ( t − τ ) representa la función x 2 ( −τ ) desplazada t segundos a lo largo del eje τ. Vamos a determinar gráficamente el producto de convolución x 1 ( t ) ∗ x 2 (t ) .50) ∑X ∞ n exp( j2 πnf o t ) ⇔ n =−∞ ∑X δ(f − nf n ∞ o) (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. Si en un sistema lineal sólo se conoce x(t) y h(t) en forma gráfica. expresión (2. Como ejemplo de esto supongamos que x 1 ( t ) y x 2 (t ) son los impulsos rectangular y triangular mostrados en la Fig. Estas áreas representan los valores del producto de convolución en los valores respectivos de t. 2. Fig. en la Fig.49). Nótese que x 2 ( −τ ) se obtiene girando x 2 ( t ).52) evaluada en t y representa el área bajo la curva producto de x 1 ( τ ) y x 2 ( t − τ ) .51) La convolución de dos señales periódicas de período T. su convolución será cero. 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. es también periódica de período T. Por definición. introduce el concepto de “función de ponderación (weighting function)” en la terminología del análisis de sistemas [Brown y Nilsson. 2.9(a).9(b) se muestra x1 ( τ) y x2 ( −τ). La gráfica de las áreas de intersección.9(e). x 1 (t ) ∗ x 2 (t ) = ∫ ∞ −∞ x 1 ( τ ) x 2 ( t − τ ) dτ (2. 2. Por ejemplo.106 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS pero la integral dentro de los corchetes es igual a X n1. expresadas como funciones de t. El valor de la integral de convolución para un t particular viene dado por la integral (2. 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. En la Fig. La integral de convolución.3.9(f).2.

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

10. 2. y(t) ⇔ Y(f) De (2. La función memoria indica. 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). gráfica o analíticamente. (b) La integral de convolución introduce la posibilidad de aproximar la señal de entrada como una secuencia de impulsos. vamos considerar primero el problema de la transmisión sin distorsión.4. la integral de convolución proporciona los recursos para una resolución alterna de las Integrales de Fourier.4. DISTORSION EN SISTEMAS 2. h(t) ⇔ H(f). Transmisión sin Distorsión Sabiendo que la respuesta impulsional suministra información fundamental acerca del comportamiento general de un sistema. pero no sus respectivas transformadas de Fourier. 2. 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.25) y (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. (d) Como herramienta analítica. (c) La integral de convolución introduce el concepto de “función de ponderación” o “memoria del sistema”. pues.31). Concepto de pasado. Y (f ) =| H (f )|exp[ jβ ( f )] ⋅ X ( f ) (2.53) . Sea un sistema lineal invariante en el tiempo en el cual x ( t ) ⇔ X(f ). 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.1. 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. Con el fin de introducir estas idealizaciones. vamos a considerar esa respuesta en el caso de ciertos sistemas lineales ideales. determinándose la respuesta total por superposición de las respuestas individuales de cada impulso.

. si la atenuación es constante para todas las frecuencias. las dos formas de onda serían idénticas. para n = 0.58) Si X(f) es de banda limitada (pasabajo o pasabanda).11(b). (2. Por otra parte. 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. n = 0.55) donde ho es la “atenuación (o ganancia)” y to el “retardo de transmisión” de la señal a través del sistema. es suficiente que estas condiciones se cumplan dentro de su intervalo de existencia. de tal manera que la condición de transmisión sin distorsión no cambia. siendo t o el tiempo de propagación o retardo de las componentes a través del sistema.. En cualquier sistema físico la señal siempre experimenta una cierta atenuación. | H (f )| = h o y β (f) = -2πt o f (2. mientras que si n es impar.2.56) con (2. se tiene que exp(± jnπ ) = 1.. puede suceder que. Esta situación es común en la práctica.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). Esto significa que todas las componentes de frecuencia de una señal llegan a la salida al mismo tiempo. exp(± jnπ ) = −1. y al eje de frecuencia en las frecuencias f n = n / 2t o . se producirá distorsión de fase. Es evidente que si H(f) = 1. que cortan al eje β(f ) en múltiplos enteros de π.. .59) Si n es par. Por transformada de Fourier.109 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también y( t ) = | H ( f )| X( f ) exp[ jβ( f )]exp( − j2 πtf ) df −∞ ∫ ∞ (2. ésta no es una condición necesaria. entonces aparecerá un término constante de distorsión de fase (ver Problema de Aplicación 2. La característica de fase en transmisión sin distorsión es entonces una familia de líneas paralelas de pendiente −2πt o . ± 2.53).55) queda en la forma Y( f ) = h o exp( − j2πt o f ) ⋅ X( f ) (2.57) (2.58) es β(f ) = −2πt o f ± nπ para todo n entero (2. ± 1.13). ella no representa ningún problema pues la amplitud original puede restaurarse mediante amplificación. en alguna gama de frecuencias la característica de fase sea lineal. pero si su prolongación no corta el eje β(f ) en cero o en múltiplos enteros de π. Nótese que si n no es entero. como se puede apreciar en la Fig.56) Comparando (2. sin embargo. la transmisión no puede ser instantánea y la señal de salida tendrá un cierto retardo en relación con la señal de entrada. Una expresión más general para la fase en (2. Aún más. 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.

.. como se muestra en la Fig. 2.....12.+ 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. 2.60) . ♣ Ejemplo 2.. Sea entonces el modelo de un canal en transmisión multitrayecto.110 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS n = -1 |H(f)| ho f 0 n=1 β( f ) pendiente = −2πt o π f n=1 0 n=0 −π n = -1 (a) Módulo de H(f) (b) Fase de H(f) Fig. Transmisión Multitrayecto.11..τ N 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 )+.τ 1 Receptor h N . En resumen. y que la característica de fase sea una función lineal de la frecuencia. la transmisión sin distorsión requiere que la magnitud o módulo de la función de transferencia sea constante e independiente de la frecuencia. Características de un Sistema para Transmisión sin Distorsión. que es una perturbación muy común en los sistemas de transmisión por radio. 2.τ o h 1 .+ h N x(t − τ N ) cuya transformada de Fourier es Y (f ) = h o X (f ) exp(− j2πτ o f ) + h 1X (f ) exp(− j2πτ 1f )+.12.11. mostrado en la Fig...12. x(t) Transmisor y(t) h o . 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.. 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 .

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 .13... del Ejemplo anterior. el cual actúa sobre la señal recibida y(t) para compensar la distorsión producida por el fenómeno de multitrayecto. 2. como se muestra en la Fig.13.. son cantidades aleatorias. ♣ ♣ Ejemplo 2...111 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El efecto de h c (t ) sobre la señal x(t) produce en ésta una gran distorsión de tipo lineal. entonces... 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..13.+α K Y (f ) exp(− j2πK∆f ) ⎡ K ⎤ Yeq (f ) = ⎢ α k exp(− j2πk∆f )⎥ ⋅ Y (f ) = H eq (f ) ⋅ Y (f ) . es decir. cuando Ho H eq (f ) = (2. utiliza una línea de retardos ∆ . En la práctica los valores de h i y τ i no son conocidos. 2.13. 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. Entrada y(t) αo Retardo ∆ α1 Retard ∆ α2 Retardo ∆ αK H eq ( f ) Salida y eq ( t ) Fig. en realidad. El Filtro Transversal o Ecualizador Los efectos producidos por la transmisión multitrayecto se pueden contrarrestar mediante la utilización del llamado “Filtro Transversal o Ecualizador”.62) H c (f ) . Como Y(f) es el espectro de la señal recibida.. Filtro Transversal o Ecualizador De la Fig.. cuyas salidas se ponderan con ganancias α i que luego se suman para producir la salida ecualizada y eq ( t ).. y eq (t ) = α o y (t ) + α 1y (t − ∆ ) + α 2 y (t − 2∆ )+. 2.61) Estas son la función de transferencia y la respuesta impulsional del filtro transversal. 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 )+.. El filtro transversal.

además. la red ecualizadora se coloca a la entrada del receptor. Sistema de Fase Lineal.14(b): simétrica respecto a t = t o . si el retardo t o es lo suficientemente grande.63) porque cos[2π (t − t o )f ] tiene su valor máximo en t = t o para todo f. 2. 2. es decir. que h(t) es causal. La dispersión de h(t) alrededor de t = t o dependerá del ancho de banda de H(f). Cualquier otro valor de t lo que hace es disminuir el valor del integrando en (2. . ♣ Sistemas de Fase Lineal Sea un sistema cuyas características de amplitud y fase se muestran en la Fig.14.63). el valor máximo h max de h(t) se alcanza cuando t = t o . entonces h (t ) = ∫ ∞ −∞ | H (f )|cos[ 2π (t − t o )f ]df (2. 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. Asimismo. es un sistema cuya característica de fase es lineal y en el cual el módulo de su función de transferencia tiene cualquier perfil. para t = t o . En efecto. El filtro ecualizador tiene múltiples aplicaciones en todas las ramas de la ingeniería eléctrica. la expresión (2. es decir.63) queda en la forma h max = ∫ ∞ −∞ | H (f )| df (2. con valor máximo h max en t = t o y distinta de cero para t < 0.112 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En la práctica. Una primera aplicación de estos conceptos la veremos más adelante al tratar los filtros ideales. La realización física de la función de transferencia H eq (f ) se complica por cuanto los parámetros h i y τ i de H c (f ) en general son desconocidos. Este es un sistema que no posee distorsión de fase. La respuesta impulsional h(t) de un sistema de fase lineal tiene entonces la forma general mostrada en la Fig. 2. 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. podemos suponer que h( t ) ≈ 0 para t < 0 .14(a).64) donde h max representa el área neta bajo |H(f)|. 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 ) .63) Sin necesidad de resolver la integral (2.

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

Entonces. para frecuencia negativa. es decir. H ( f ) = H − (f ) + H + ( f ) . El retardo de envolvente o retardo de grupo es la forma de retardo más . 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.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 ) .65) y (2. Tanto t g ( f ) como t p ( f ) están evaluados a la frecuencia f c de la portadora. 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 .114 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS una frecuencia central f c . se aplica para frecuencia negativa. Esto se debe a que la fase es una función impar de la frecuencia. como es el caso en sistemas pasabanda de banda angosta.66).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.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. la fase β(f) se puede aproximar con los dos primeros términos de su desarrollo en serie de Taylor. con f → − f . β − (f ) = −β + ( −f ) = 2πf c t p (f c ) − 2π(f + f c ) t g (f c ) para f < 0 Supongamos ahora que la característica de amplitud es | H (f )| = h o y que a la entrada del sistema se aplica la señal modulada 1 x c ( t ) = x ( t ) cos( 2 πf c t ) ⇔ X c (f ) = X(f + f c ) + X(f − f c ) 2 También. 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. β( f ) = β ( f c ) + ( f − f c ) De (2. mientras que la fase de la portadora está retardada en una cantidad igual al retardo de fase t p ( f ) .

15. 2. (c) las componentes están amplificadas en forma 1 80 .5 Hay distorsión de amplitud solamente: diferente. 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. sobre todo si la señal está modulada. 2. 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. y 2 ( t ) = 2 cos[10π ( t − 1 80 )] + 1.5 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.5 y 1 y 3 ( t ) = 1. ♣ Ejemplo 2.5 cos[30π (t − 1 80 )] to = 1 80 En el sistema hubo transmisión sin distorsión. ganancia = 2. ganancias: 2 y 1. 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).14 Sea un sistema cuyas características de amplitud y fase se muestran en la Fig. (a) Frecuencias presentes: f1 = 5 Hz.115 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS utilizada en la caracterización de un canal de comunicaciones. t1 = 1 π = 1 100 Frecuencias presentes: f1 = 15 Hz. f 2 = 25 Hz. 1 π 1 = . .15. f 2 = 15 Hz. (b) . f 2 = 6 Hz. t o = Ganancias: 1. (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 ) . pues representa el verdadero retardo de la señal. |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.

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

.. Esto lo veremos en el Capítulo VI. 3fc ± fx . La distorsión no lineal aparece como armónica de la frecuencia de entrada.. 3f x ± fc → 12 frecuencias Las frecuencias de distorsión armónica y de intermodulación caracterizan la interacción mutua entre dos frecuencias fc y fx.. ver Ejemplo 1...⎥ cos( 2 πf o t ) + ⎢ + +.. si x ( t ) = x 1 ( t ) + x 2 ( t ).. 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 4 = D2 % = 100 3a 3 V1 + .. entonces y(t) contendrá los términos x 1 ( t ).. 2fc ± 2 f x ... los términos 2fc y (2fc ± fx) se utilizan en los cálculos de las interacciones entre estaciones de radiodifusión en AM. 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 + + . FM y TV... Es fácil de ver en el dominio de la frecuencia que aunque X 1 ( f ) y X 2 (f ) puedan estar separados en frecuencia.. ♣ Ejemplo 2. el espectro de [x 1 (t ) ⋅ x 2 (t )] puede solapar X 1 ( f ) o X 2 ( f ) o ambos. En particular. a1 + 4 ♣ .. x 2 ( t )..⎥ + ⎢ a 1 + +. 2 x 1 (t ) ⋅ x 2 ( t ) y así sucesivamente.. El porcentaje de “distorsión armónica total”.15. 2 En general... + Vn cos[2π(nf o )] donde Vn es el valor pico de la componente de salida de frecuencia nfo... en los sistemas telefónicos en donde un gran número de señales se han combinado para ser transmitidas por un mismo canal. por ejemplo.68) la salida y(t) tendrá la forma ⎡ a 2 3a 4 ⎤ ⎡ ⎤ ⎡a2 a4 ⎤ 3a 3 y(t ) = ⎢ + +.. 2fx ± fc . Dn % = n =2 ∞ 2 n V1 2 100 En particular.. Sin embargo. viene dado por ∑V Distorsión Armónica Total.11. el término de intermodulación es el término útil o deseado. ⎣ 2 ⎦ ⎣ ⎦ ⎣ 2 ⎦ 8 4 4 y(t) = Vo + V1 cos(2πf o t) + V2 cos[2π(2f o )t] + ...⎥ cos[2 π (2 f o ) t ]+. si el sistema no lineal se utiliza como modulador o demodulador. Introduciendo esta señal en (2.117 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De Intermodulación: fc ± fx . Esta forma de distorsión de intermodulación (conocida también como “cross-talk”) es de especial importancia..

♣ Compansión La característica de transferencia de la Fig. Obsérvese que el término de distorsión ocupa un ancho de banda el doble del de la señal útil. dispuestos en la forma mostrada en la Fig.18. . 2. considerado como distorsión. 2.16 sugiere un método para disminuir la distorsión no lineal. la amplitud de la señal se mantiene dentro del rango de operación lineal de la característica de transferencia. 2.17(c). habrá distorsión y será imposible. 2. recuperar X(f) a partir de Y(f).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 ). conocido con el nombre de “compansión (compresiónexpansión)”. produce interferencias a todas las frecuencias ocupadas por la señal deseada. Con este método. Y(f) X(f) a 1A + 2a 2 A 2 B 2a 2 A 2 B a 1A f f -2B 0 2B -2B -B 0 B 2B f -B 0 B (a) Término Util (b) Término de Distorsión Fig. En general. Dibujar el espectro de la salida. B). 2. (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. mediante aplicación sucesiva del teorema de la convolución.18. Sistema de Compansión. Entrada x(t) Compresor Canal no Lineal Expansor Salida y(t) Fig. 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. Como ambos términos se superponen en el intervalo (-B. Esto se puede apreciar en la Fig.17. 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. La compansión se efectúa mediante dos dispositivos no lineales: un “compresor’ y un “expansor”. en general.118 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.

por ejemplo. TABLA DE IDENTIDADES DE DIAGRAMAS DE BLOQUES No. INTERCONEXION DE SISTEMAS Normalmente un sistema de comunicación comprende numerosos subsistemas interconectados en diferentes formas. que g exp g comp [ x (t )] = x ( t )..+ 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 decir. es decir.. ajustar también la salida del sistema de tal manera que se compense el ajuste. Estas tres formas básicas se muestran en la siguiente TABLA DE IDENTIDADES. a menudo es necesario reducir un diagrama de bloques dado a cualquiera de estas tres formas básicas. Las tres formas básicas de interconexión de sistemas son: en cascada o serie. donde g exp {⋅ ⋅}. y ( t ) = g exp [ln x ( t )] = exp[ln x (t )]. Si se conoce las funciones de transferencia de los diferentes subsistemas. la característica de transferencia del expansor.. H N ( f ) b a b + a 2 H 1 ( f ) + H 2 ( f ) +. entonces. Para una entrada positiva x(t). compensar la diferencia entre voces fuertes y voces débiles. . Como el compresor ajusta el rango de la señal de entrada. 2. Es necesario. un compresor con una característica de transferencia g comp [x (t )] = ln[x ( t )]. entonces y(t) = x(t).. es el complemento de la característica de transferencia del compresor. Por ejemplo. también ajustará el rango de la señal de salida.5. 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 ).119 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS El compresor ajusta el rango de amplitudes de la señal de entrada de manera que caiga dentro del intervalo lineal del canal. puede ser posible y deseable combinarlas para constituir una sola función de transferencia total. a fin de que el sistema equivalente represente verdaderamente la interconexión de los subsistemas. 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. en paralelo y retroalimentada. se puede utilizar. Como los diagramas de bloques se utilizan mucho en el análisis de sistemas.

pasabanda. 2. De acuerdo con la dependencia funcional de H(f) respecto a la frecuencia. Circuito de Retención (Sample and Hold) Consideremos el “circuito de retención (zero-order hold)” de la Fig. Este sistema es muy sencillo. mientras que la rama del integrador tendrá H 3 ( f ) = 1 / ( j2 πf ) . h(t) x(t) Retardo + _ (a) h ( t ) = Π( t−τ/2 En (d) se muestra las ∫ 1 y(t) τ h(t) 0 (c) τ τ t H 1 (f ) = 1 X(f) + _ (b) |H(f)| H 3 (f ) = H(f) 1 j2πf Y(f) −2 / τ −1/ τ 0 (d) H 2 (f ) H 2 ( f ) = exp(− j2πτf ) 1/ τ 2 / τ f β (f ) = − πτf Fig. ciertas componentes de frecuencia son amplificadas mientras que otras son atenuadas o rechazadas. la respuesta impulsiva o impulsional h(t) será ) que tiene la forma mostrada en (c). ♣ 2. el diagrama de bloques tendrá la forma mostrada en (b). Esta selectividad en frecuencia es lo que comúnmente se denomina “filtración”.6. 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. Desde este punto de vista. Este circuito tiene muchas aplicaciones en comunicaciones. un filtro es un dispositivo selectivo de frecuencia que se utiliza para limitar el espectro de una señal dentro de una gama específica de frecuencias. En términos de estas funciones. los filtros básicos pueden ser pasabajo. Para analizarlo.17.19. sobretodo en el muestreo y procesamiento de señales. Introducción En su acepción general. La teoría . 2.120 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Fig.19(a).6. τ características de la función de transferencia del circuito de retención. La rama inferior tiene una función de transferencia H 2 (f ) = exp( − j2 πτf ). debemos obtener primero la función de transferencia de los diferentes bloques. La rama superior.1. pero lo vamos a utilizar para hallar su función de transferencia equivalente. 19. FILTROS 2. tiene una función de transferencia H 1 (f ) = 1. 2. pasaalto y eliminador de banda.

Sin embargo. aunque la característica pasabajo ideal nunca puede ser causal. y como el valor máximo de la característica es 2Bho . los filtros ideales permiten. Filtro Ideal Pasabajo En la Fig. como un filtro “pasatodo”.20(a) se muestran las características de amplitud y fase de un filtro ideal pasabajo. si Bt o >> 1.) se extienden hasta -∞. 2. el desplazamiento respecto al origen es el tiempo de retardo to . Nótese que h(t) es máxima y simétrica en t = t o . De la Fig. por su descripción matemática sencilla. Filtros Ideales Aunque no son físicamente realizables.6. Los filtros ideales son sistemas de fase lineal cuyas características generales hemos visto ya. La respuesta impulsional contiene también toda la información sobre el filtro. 2. la distancia entre los dos ceros del lóbulo principal de la característica nos da el valor del ancho de banda B. vamos a suponer que B es el ancho de banda de la banda de paso (frecuencias positivas) y t o el retardo de transmisión (respuesta de fase lineal). vamos a considerar el sistema de transmisión sin distorsión. Fig. para profundizar un poco más en el estudio de los sistemas lineales y visualizar algunas de sus características. Para caracterizar estos filtros ideales.121 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS de los filtros es un sujeto muy importante en la generación.2.20(b). En efecto. 2. y un estudio más completo de ellos está fuera de los objetivos de este texto. la cola que se extiende para t negativo es de amplitud muy pequeña y podría ser despreciada. Sin embargo. Por lo tanto. . concepto que nos ayudará en la caracterización de algunos de los filtros ideales que veremos a continuación. transmisión y recepción de señales. entender con menor dificultad sus efectos sobre las señales que se les aplican. se obtiene también el valor ho de |H(f)|. 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. procesamiento. mostrado en la Fig. 2..70) (2. de donde H PB ( f ) = h o Π( f 2B ) exp( − j2πt o f ) (2.71) h PB ( t ) = 2 Bh o sinc[2 B( t − t o )] Obsérvese que la respuesta impulsional no es causal.20(a). pues hay una respuesta para t < 0: las colas de la función sinc(. 2.11. ella puede aproximarse para que sea causal haciendo t o lo suficientemente grande. Para simplificar la descripción de algunos de los filtros ideales.

la respuesta impulsional tiene la forma de una señal modulada de frecuencia fo. to y ho) se pueden deducir también de la respuesta impulsional. la respuesta impulsional del filtro ideal pasabanda tampoco es causal.22(a) se muestran las características de amplitud y fase de este filtro. 2. El filtro ideal pasaalto se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabajo. 2. Obsérvese que la envolvente de la respuesta es parecida a la respuesta del filtro ideal pasabajo. . 2.21 (a).21(b).21(a). es decir. Filtro Ideal Pasaalto En la Fig. H BB (f ) = h o [Π ( f + fo f − fo ) + Π( )]exp(− j2πt o f ) B B (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. De la Fig.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. Nótese que todos los parámetros del filtro (fo . B. Fig.72) (2. 2.

77) de donde h EB (t ) = h o δ( t − t o ) − 2 Bh o sinc[ B(t − t o )] cos[2 πf o ( t − t o )] Esta respuesta se muestra en la Fig. ♣ Ejemplo 2. h c ( t ) = 2 Bh o sinc[2 B(t − t o )]Π( t − to 2t o ) ⇔ H c (f ) . estos filtros no pueden ser realizados físicamente pues su característica de amplitud |H(f)| viola el Criterio de Paley-Wiener. Además. cuyas respuestas impulsionales contienen funciones sinc(.18.74) (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 < 0.23(b). 2. Este filtro se puede considerar como la combinación de un filtro ideal pasatodo y un filtro ideal pasabanda.) que se extienden para t < 0. De (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. ⎡ 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. Consideremos la respuesta impulsional de un filtro ideal pasabajo que de alguna forma hemos limitado entre 0 y 2to para hacerla causal.23(a).75) Esta respuesta se muestra en la Fig. En este caso vamos a investigar qué le sucede a su correspondiente función de transferencia. Filtro Ideal Eliminador de Banda Las características de amplitud y fase de este filtro se muestran en la Fig. Ninguno de los filtros ideales considerados hasta ahora son causales debido a los bordes abruptos de las funciones de transferencia. 2. Esto podemos apreciarlo en el siguiente ejemplo.22(b). En efecto..71). 2. de la Fig. 2. entonces la respuesta de frecuencia se extenderá más allá de la banda de paso y contendrá rizados dentro de la misma banda.23(a).

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

de (2. los resultados de este Ejemplo nos permiten entender lo que sucede en la transmisión de impulsos por un canal que en la práctica se denomina “canal de banda de base”.25. Nótese que la pendiente de y ( t ) alrededor de t = t o depende del ancho de banda del filtro. Como un canal de transmisión se puede considerar como un filtro pasabajo. . de donde B≈ 1 2t r Obsérvese que cuanto mayor es el ancho de banda B. (a) Respuesta a un Escalón Unitario En el Ejemplo 2. 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. ho tr ≈ ho π 2πB.19. Respuestas de un Filtro Pasabajo Ideal En este Ejemplo vamos a considerar las respuestas de un filtro pasabajo ideal cuando se le aplica un escalón unitario o un impulso rectangular. En efecto.71). d dt y( t )|t = t o ≈ ho tr Por consiguiente. 2. y( t ) = ho 2 + ho π Si{2πB(t − t o ) } En la Fig. 2. Fig.25 se grafica esta respuesta. la salida del canal se parece más y más a la entrada (el tiempo de alzada tr es menor). y tomando el primer término del desarrollo en serie de potencias de la Integral Seno.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.125 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. si definimos el “tiempo de alzada” t r en la forma mostrada en la figura. y( t ) = ∫ t −∞ 2 Bh o sinc[ 2 B(t '− t o )]dt ' y( t ) = 2 Bh o ∫ t sen[ 2πB(t '− t o )] 2πB(t '− t o ) −∞ dt ' Con el cambio de variables x = 2πB(t '− t o ) . la pendiente de y(t) en t = t o será.

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

las relaciones más utilizadas en la transmisión de impulsos son B = 1/T y B = 1/2T. En este caso. 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. El ancho de banda de 3 dB vendrá dado entonces por B 3dB =| f 2 − f1 |. 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 velocidad de modulación (impulsos por segundo) en el canal. La banda de paso se extiende en este caso desde f = 0 hasta f = B 3dB . 2. ♣ 2. Nótese que el retardo to influye muy poco en la interferencia intersímbolo. como se muestra en la Fig. depende entonces del ancho de banda. las cuales separan las “bandas de paso” de las “bandas de atenuación o rechazo”. Esta convención se denomina “Ancho de Banda de Potencia Mitad” o “Ancho de Banda de 3 decibeles (3 dB)”. La interferencia intersímbolo la trataremos con más detalle en el Capítulo V. 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 . Filtro Pasabanda Típico. en general. Como ejemplo de esta convención. muy pequeño. La selección de una u otra relación dependerá de la interferencia intersímbolo permitida.6.27. Si B es el ancho de banda del canal y T la duración de los impulsos. 2. Si el filtro es pasabanda o eliminador de banda. es decir.3. pues to es. . 2.78) H(f) |H(f)|max Bandas de Transición Fig.27 para un filtro pasabanda típico. con i = 1.127 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS habrá un límite inferior sobre la duración permitida de los impulsos a transmitir. 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 . 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. el ancho de banda del canal limitará la cantidad de impulsos que se pueden detectar por unidad de tiempo en la salida del canal. como veremos en el Capítulo IV.

Filtros Sinusoidales En el procesamiento. | H( f )| df 1 −∞ B= 2 | H( f )| max |H(f)| | H (f )|max f 0 ∫ ∞ (2. Más adelante se definirá otro ancho de banda denominado “Ancho de Banda Equivalente de Ruido”. expresión (1.128 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.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 . 2.29(a). Vamos a determinar su ancho de banda de 3 dB. como se muestra en la Fig. el procedimiento es el mismo. 2. que es un filtro con características en coseno elevado. (a) Filtro de Nyquist. ♣ Ejemplo 2.28 en el caso de un filtro pasabajo. el ancho de banda definido por la expresión (2. como se muestra en la Fig.29(a). B 2 ⋅B 1 . En este caso. de donde cos( B3dB ) = 2 − 1 . Para filtros pasabanda. Vamos a definir tres de estos tipos de filtro. Primera Forma.79) y su respuesta impulsional Supongamos que el retardo de transmisión es despreciable. 2.117). transmisión y recepción de señales en banda de base se utilizan algunos filtros cuyas funciones de transferencia tienen envolventes sinusoidales. De la Fig.28 La expresión (2. H ( f ) = 1 ⎡ 1 f ⎤ f )⎥Π( ).20.79) -B B Fig. 2. Consideremos la primera forma del denominado “Filtro de Nyquist”. |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 .

364π .364 ⋅ B para B 3dB . mostrada en la Fig. Aplicando el dual del teorema de la modulación. B También.29(c).) y rearreglando. 2. 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(. 2.29(a). 2. Segunda Forma La segunda forma del Filtro de Nyquist se muestra en la Fig. obtenemos π B3dB = 0. 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 . ∫ ∞ −∞ | H ( f )| df = ∫ 1 ⎡ πf ⎤ ⎢1 + cos( )⎥df = 1 − B 2B ⎣ B ⎦ B El ancho de banda del Filtro de Nyquist es. se obtiene finalmente h (t ) = sinc(2 Bt ) 1 − ( 2 Bt ) 2 En la Fig. De la Fig..29(c).79): Obsérvese que Bc > B3dB Calculemos ahora su respuesta impulsional. La función de transferencia H(f) de este filtro.29(b) se muestra la forma de h(t). 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. según la expresión (2. (b) Filtro de Nyquist. 2.5 ⋅ B 1 f Π ( ) ⇔ sin c(2Bt) . 4142 B de donde B 3dB = 0.129 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS π Resolviendo cos( B3dB ) = 2 − 1 = 0.

4142 . de donde cos[ ]⎥ = ⎢1 + cos[ 2f d 2⎣ 2f d 2 ⎦ Resolviendo para B3dB. ∞ −∞ ∫ H(f ) df = 2 f o −f d ∫ 0 df + 2 fo +f d π(f − f o + f d ) 1 {1 + cos[ ]}df = 2f o 2f d f o −f d 2 ∫ de donde. 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.364π .29(d). de donde 2f d B3dB = 0. Veamos el ancho de banda de 3 dB. 272f d o también B3dB = B − 1.79). obtenemos: π(B3dB − f o + f d ) = 0. . 272f d H(f ) max = 1 y En cuanto al ancho de banda dado por (2.728f d + f o − f d = f o − 0.130 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. 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. 2. Bc = f o = B − f d .

Veamos el ancho de banda de 3 dB. obtenemos: πB3dB π = . mientras que si fd = 0. este filtro se convierte en la primera forma del Filtro de Nyquist. de donde cos( 3dB ) = cos( 3dB ) = B 2B 2B 2 2B 2 Resolviendo para B3dB. 2.131 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que cuando f1 = 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. 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. 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 ( ) . (c) Filtro de Respuesta Parcial En la transmisión en banda de base se emplean las “técnicas de respuesta parcial” en los llamados sistemas duobinarios. .29(f).29(e). El ancho de banda de 3 dB se obtiene a partir de πB πB 1 1 1 2 = .5B . de donde 2B 4 B3dB = 0. La respuesta impulsional de este filtro es h(t) = 2∫ h(t) = B 1 πf 4[1 − 2 cos 2 (πBt)] cos( ) cos(2πtf )df = 2B π[(4Bt) 2 − 1] 0 B 4 cos(2πBt) π (4Bt) 2 − 1 Esta respuesta se muestra en la Fig. 2.

4. 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. 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. 2 B = 0.82). ♣ 2. entonces H h ( f ) será la función de transferencia del sistema. el ancho de banda dado por la expresión (2.80).83) En consecuencia. X( f ) = − jX( f ) u ( f ) + jX( f ) u ( − f ) = jX( f )[u (− f ) − u ( f )] (2.7. que representaremos con X( f ). Esto quiere decir que si x ( t ) ⇔ X(f ) .79) es mayor que el ancho de banda de 3 dB.132 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En cuanto al ancho de banda dado por (2.84) .80) (2. ∫ π 1 ∞ x (τ ) −τ −∞ t dτ = ∫ π 1 ∞ x(t − τ ) τ −∞ dτ (2.1.79). Este sistema se conoce con el nombre de “Transformador de Hilbert” .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 ). La Transformada de Hilbert En la Sección 2. SEÑALES Y SISTEMAS PASABANDA 2. 2. ∞ H(f ) max = 1 y B −∞ ∫ | H(f ) | df = 2∫ Bc = B 1 πf 4 cos( )df = 2B π 0 B de donde.82) que se representa en la Fig.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. 637B π Nótese que. es decir. H h ( f ) = − j sgn(f ) (2. De (2.7. para todo f. 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. en general. Fig. 2.30(a). entonces el espectro de salida del sistema. de (2. “Filtro de Hilbert” o “Filtro de Cuadratura”.

2. . es decir. 1 {X( f )} = x( t ) = j( ∫ ∞ −∞ x( t ) −1 dτ = π t−τ ∫ ∞ −∞ x( t − τ ) dτ τ (2. y viceversa. 2 entonces x ( t ) = A sen(ωc t + θ) .84) generalmente se representa en la forma x(t ) = {x(t )} -1 −1 ) ∗ x(t) = π jπt De (2. cuyos principios básicos veremos más adelante. mientras que las expresiones π (2. que no demostraremos aquí. entonces x ( t ) = − A cos(ωc t + θ) . que si por ejemplo.30.85) (2. La transformación (2. • x ( t ) y su transformada de Hilbert x ( t ) son ortogonales. H h (f ) = 1.86) y en virtud de (2.80). entonces x ( t ) es impar. ∫ x(t)x(t)dt = 0. En el Problema de Aplicación 2.27 se deducen algunas relaciones muy interesantes aplicando la Transformada de Hilbert. φh (f ) = φx (f ) ± Otras propiedades de la Transformada de Hilbert.87) 2 La expresión (2. Características de la Transformada de Hilbert La señal x ( t ) se conoce con el nombre de “Transformada de Hilbert” o “función conjugada de x(t)” y es de gran aplicación en la representación de señales y sistemas pasabanda y en el estudio de señales moduladas en banda lateral única. es decir.81). x ( t ) = A cos(ωc t + θ) .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).87) explican el cambio de fase en ± . H h (f ) = H h (f ) exp[ jφh (f )].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. −∞ ∞ • x ( t ) y su transformada de Hilbert x ( t ) tienen la misma función de autocorrelación (La función de autocorrelación la trataremos más adelante). | X(f )| =| X(f )| π (2. pero si x(t) = sen(ωc t + θ) . son: • • [x(t)] = -x(t) Si x ( t ) es par.

En general. estos cuernos pueden causar problemas en sistemas de comunicación que utilizan transformadas de Hilbert.31. Solución ) . por ejemplo. en sistemas telefónicos que son sistemas donde se aplica el concepto de banda lateral única. 2. 2. las discontinuidades de una señal producirán cuernos en su transformada de Hilbert correspondiente. X( f ) = AΠ( f Por transformada de Fourier inversa.30(c).84). De (2.31 ♣ Determinar la transformada de Hilbert de la señal pasabajo x ( t ) = 2 ABsinc( 2 Bt ).21 Determinar la transformada de Hilbert de un impulso rectangular x ( t ) = AΠ( Solución De (2. A los lugares donde x ( t ) se hace infinito algunas veces se les denomina “cuernos”.80) o según el procedimiento gráfico mostrado 2B en la Fig. x ( t ) = jA[ Bsinc(Bt ) exp( − jπBt ) − Bsinc(Bt ) exp( jπBt )] x ( t ) = 2 ABsinc( Bt ) sen( πBt ) = 2 A sen 2 ( πBt ) πt ♣ .22 x (t ) t 0 Fig. ♣ Ejemplo 2. ∫ π 1 A π ∞ −∞ AΠ ( τ−T/2 T ) dτ t−τ π ln =− t A ∫ π T dτ t −τ 0 [ ln| t |− ln|T − t |] = A T−τ x(t) A La señal x(t) y su transformada de Hilbert se muestran en la Fig. 2.134 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 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.

X( f ) = f − fc ⎤ A ⎡ f + fc ) + Π( )⎥ .30(c). 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(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. 2. donde W es una frecuencia cualquiera. y si x ( t ) = m( t ) sen(2πf c t ) . entonces ˆ x ( t ) = − m( t ) cos(2πf c t ) . ♣ ♣ Ejemplo 2.135 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2. Vamos a suponer entonces que M ( f ) = 0 para |f|> W y C(f) = 0 para |f|< W .24 Determinar la transformada de Hilbert de la señal x ( t ) = m(t ) ⋅ c( t ) . x( t ) = m( t ) c( t ) ⇔ X( f ) = M ( f ) ∗ C(f) = M(v)C(f . si m(t) es una señal pasabajo de banda limitada B y f c ≥ B .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. Esto quiere decir que los espectros M(f) y C(f) no se solapan. m(t) es una señal pasabajo. y según el procedimiento gráfico de la Fig. Estos resultados son muy importantes en el análisis de sistemas de comunicación y los estaremos utilizando constantemente. Del teorema de la modulación. ⎢ 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. entonces x ( t ) = m(t ) sen(2 πf c t ) .v. donde se cumple que M ( f )C (f ) = 0 para todo f. se cumple que si x ( t ) = m(t ) cos( 2 πf c t ) .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 . Entonces.

su espectro X(f) tendrá simetría hermítica. una pasabajo y la otra pasaalto (o pasabanda).88) La transformada de Hilbert del producto de dos señales. pues siendo x(t) real.90a) . Nótese que. el ancho de banda 2B es pequeño en comparación con f c . Este resultado también es importante en el análisis de señales y sistemas pasabanda. sgn( u + v ) = sgn( u ) y las integrales se pueden separar en la forma siguiente: x(t ) = pero entonces ∫ ∞ ∫ ∞ −∞ M ( v ) exp( j2 πtv )dv ⋅ − j sgn(u )C ( u ) exp( j2 πtu )du −∞ ∫ ∞ −∞ M (v ) exp( j2 πtv )dv = m( t ) x ( t ) = m( t ) ⋅ c ( t ) y ∫ -jsgn(u)C(u)exp(j2πtu)du = c(t) ∞ -∞ entonces (2.32. 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. 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 .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. ♣ 2. 2. X(f) 2B 1 Z x (f ) 2 2B −fc 0 fc Fig. está concentrado alrededor de las frecuencias ±fc .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)”.2. Si x (t ) = {x(t )}.7. 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. en general. pero sí respecto al origen. Sea x(t) una señal real pasabanda cuyo espectro X(f). La Señal Analítica Consideremos ahora el concepto de señal analítica. como lo veremos de inmediato. En efecto. f c >> B. como se muestra en la Fig. es decir. que no se solapan en frecuencia. se puede formar la siguiente señal compleja (2. La señal analítica es muy útil en el análisis de señales y sistemas pasabanda. en este caso se dice que estas señales son “señales de banda angosta”. En la mayoría de las señales pasabanda empleadas en las comunicaciones. de ancho de banda 2B.32(a).

89). es también unívoca. 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)”.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 ) .91) (2.7. 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 ) .93). pues estas señales son de gran utilización en comunicaciones. Como z x (t ) es compleja.92a) (2.90b) El espectro de la señal analítica de x(t) es idénticamente nulo para f < 0. la señal x(t) y su transformada de Hilbert x ( t ) son unívocas. Obsérvese que el concepto de señal analítica o preenvolvente se aplica a cualquiera señal que posea un espectro.94). ella puede expresarse en la forma z x ( t ) =| z x ( t )|exp[φ z ( t )] Por consiguiente.25 Calcular la preenvolvente. 2.95) (2. z x ( t ) = ~x ( t ) exp( j2πf c t ) = x ( t ) + jx (t ) z (2. no necesariamente las señales tienen que ser de banda angosta. la envolvente y la fase de la señal del Ejemplo 2. x ( t ) = Re{ z x (t )} =| z x (t )|cos[φ z ( t )] (2.53 y con f c ≥ B. como se muestra en la Fig. Del Ejemplo 2.32(b).92a). respectivamente. y de acuerdo con las expresiones (2. es suficiente que se cumpla que f c ≥ B. donde f c >> B . Nosotros hemos dado preferencia a señales pasabanda de banda angosta. . de donde E z ( t ) = 2AB| sinc( 2 Bt )| 2. es decir.94) donde x c (t ) y x s ( t ) son dos señales cuyas características determinaremos a continuación. La envolvente Ez(t) se aproximará bastante a la salida de un detector de envolvente físico para señales de banda angosta.89) y (2. sin embargo. ♣ Ejemplo 2.3. Como a una señal x(t) corresponde de manera unívoca la señal analítica z x ( t ) .137 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS o también Z x (f ) = 2 X(f )u (f ) (2. x ( t ) = 2ABsinc(2 Bt ) cos(2πf c t ) De (2. z De (2.53.92b) x(t) x(t) (2. la representación de x(t) en la forma (2. 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).

se verifica que TF{z* (t)} = Z* (−f ) = X c (f ) − jX s (f ) . x . 2. y puesto que z x (t) es compleja. 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.32 y 2.98) (2. ~ De (2. x x X c ( f ) y X s (f ) se pueden expresar entonces en función de Z x (f ) y Z* (−f ) . Formación de X(f). 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 ).97) (2. Z x ( f ) = X c ( f ) + jX s ( f ) .33(b). como tampoco lo es su conjugado Z* (−f ) .33.102) [ 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. 2.100) (2. X (f ) = ~ Z x (− f ) = Z x (− f − f c ) (2.101) 1 ~ 1 ~ (2. Nótese que el espectro Z x ( f ) no es simétrico respecto al origen. Fig. 2. x ~ Z x (f ) ~ Z* (− f ) x f -B 1 0 (b) B 1 1 1 2 X(f) Z x (− f ) 0 1/2 1 2 B f f -B 0 (a) B −f c X s (f ) 2 Z x (f ) (c) fc j ~* Z x (− f ) 2 f X c (f ) 1 ~* Z x (− f ) 2 j/2 1~ Z x (f ) 2 f -B 0 (d) B −j Zx(f) 2 -B (e) 0 B -j/2 Fig.99) Zx (f ) = Zx (f + f c ) . Xc(f) y Xs(f) Vamos a demostrar que si x(t) es una señal real pasabanda.33(a). para f c ≥ B.33.94).138 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS En consecuencia. entonces xc (t) y xs (t) serán señales reales pasabajo de banda limitada B. (2. 2. En efecto.96) (2. Figs. podemos ver que.

~x ( t ) = x c (t ). Z* (−f ) lo será también. (d) y (e). Nótese que las asimetrías del expectro X(f) en relación con la frecuencia f c son . x X c ( f ) y X s ( f ) son las componentes simétricas y antisimétricas. se muestra la formación de X(f) a partir de Z x (f ) y Zx (−f ) . En particular. x c ( t ) x y x s ( t ) serán también señales pasabajo. se puede expresar en términos de dos señales pasabajo x c ( t ) y x s ( t ) reales.96) y (2.104).7. respectivamente. Esta expresión es básica en todos los sistemas de modulación lineal. Las señales pasabajo x c (t ) y x s ( t ) se denominan “componentes ortogonales de x(t)”. una señal real pasabanda x(t) con un ancho de banda 2B y centrada en la frecuencia f c .108) se conoce también con el nombre de “forma canónica de x(t)”. y de (2.107b) (2. respectivamente.107a) 1 ~ ~ Z x (f + f c ) + Z x f − f c ) . en el sentido visto en la Sección 1. En resumen. Así que z ~ ~ ~ ~ Z x (f ) = Z x ( − f ). de (2. mientras que x s (t ) es la “componente en cuadratura”. como se desprende de la expresión (2. del ~ espectro Z x ( f ) de la envolvente compleja. cada una de banda limitada B. Los mismos argumentos se aplican a la transformada de Hilbert de x(t).97).105) ⎧− j[ X( f + f ) − X( f − f )] ⎪ c c X s (f ) = ⎨ ⎪0 ⎩ para | f| ≤ B para B <| f| (2.103) y (2.139 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 1 ⎡ Zx (f ) + Z∗ (−f ) ⎤ x ⎦ 2⎣ 1 X s (f ) = − j ⎡ Zx (f ) − Z∗ (−f ) ⎤ x ⎦ 2⎣ X c (f ) = (2.107c) La expresión (2. X s (f) = 0 2 x s ( t ) = 0.33(c). De aquí resulta que.108) [ ] (2. como veremos en los próximos capítulos. La expresión (2. mediante la expresión x ( t ) = x c ( t ) cos(2πf c t ) − x s ( t ) sen( 2πf c t ) con fc ≥ B (2.99).5. x(t) = x c ( t ) cos( 2πf c t ) z X( f ) = que es el caso de las señales moduladas. En la Fig. entonces Z x ( f ) será simétrica respecto al origen y no tendrá componente antisimétrica [ ~x (t ) será real]. ~ Nótese que si X(f) es también simétrica respecto a la frecuencia central f c . ⎧[ X( f + f ) + X( f − f )] para |f|≤ B ⎪ c c X c (f ) = ⎨ ⎪0 para B <|f| ⎩ (2. y X c ( f ) y X s ( f ) a partir de Z x (f ) y Z* (−f ) . 2.103) (2.104) ~ Como Z x (f ) es una señal pasabajo.106) x c ( t ) y x s ( t ) son señales reales Con esto demostramos finalmente que las señales pasabajo de banda limitada B. x c ( t ) es la “componente en fase”.108) es una generalización del teorema de la modulación que vimos anteriormente. Z x (− f − f c ) = Z x ( f + f c ) (2. en relación con la frecuencia central fc . Vemos también que X c ( f ) y X s ( f ) están relacionadas con las partes de X(f) que son simétricas y antisimétricas.

La preenvolvente z x (t ) de una señal real pasabanda x(t) es una señal compleja pasabanda cuyo valor depende de la frecuencia fc . siendo θ un ángulo o desfase arbitrario y x c (t ) ≠ x s (t ) . La señal x(t) dada por (2. Por otra parte. diremos sin demostrarlo. es decir. se puede extraer de x(t) su envolvente natural E(t) portadora de información. la correspondiente señal x(t) pasabanda no poseerá una componente en cuadratura. la frecuencia instantánea de x(t) es.109) (2. en los cuales generalmente f c >> B. 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. z Algunas veces es conveniente definir la “frecuencia instantánea” de la señal pasabanda x(t).114) o (2.111) es la “envolvente natural” de x(t) es la “fase natural” de x(t) pero. Los resultados anteriores se pueden resumir en los dos esquemas de la Fig. 1 d f i (t) = [2πf c t + ψ ( t )] 2 π dt 1 d ψ(t) f i (t) = f c + (2. que veremos en el Capítulo VI.110) (2. Entonces. por definición.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. juntas o separadamente. x s (t) = 0 .108).112) La envolvente natural de una señal pasabanda real x(t) viene dada por el módulo de su correspondiente envolvente compleja ~x (t ) . de ancho de banda 2B y centrado en la frecuencia fc . que son las que poseen la información.114) donde x c ( t ) y x s ( t ) son señales reales de banda limitada B.34. 2. si el espectro X(f) es simétrico respecto a f c .109). la envolvente natural E(t) es siempre una señal pasabajo que en los sistemas de comunicación contiene la información a transmitir. Estos conceptos son de gran aplicación en comunicaciones. es decir. Esto lo trataremos más adelante. Los diferentes tipos de modulación lineal que se estudiarán en los Capítulos V y VI son casos particulares de la expresión (2.94). pues. de (2.113) 2 π dt El concepto de frecuencia instantánea es de gran aplicación en los sistemas de modulación angular. . mientras que la envolvente compleja ~x (t ) es una señal compleja pasabajo cuyos valores son independientes z 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) (2.140 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS producidas por la componente en cuadratura x s ( t ) . será una señal real pasabanda con un espectro X(f) asimétrico respecto a fc . mediante una técnica conocida como “detección sincrónica o coherente”. En general. se puede aislar o extraer. las bandas de frecuencia sobre y bajo la frecuencia fc. de (2. en efecto. con f c ≥ B.

2. 2. ♣ Ejemplo 2. Los filtros pasabajo son idénticos y de ancho de banda B.35(a). ⎡ ⎛ f + fc + B / 2 ⎞ ⎡ ⎛ f + fc − B / 2 ⎞ ⎛ f − fc − B / 2 ⎞ ⎤ ⎛ f − fc + B / 2 ⎞ ⎤ X( f ) = 2A ⎢ Π⎜ ⎟ + Π⎜ ⎟ ⎥ + A ⎢Π⎜ ⎟ + Π⎜ ⎟⎥ ⎠ ⎝ ⎠⎦ ⎠ ⎝ ⎠⎦ B B B B ⎣ ⎝ ⎣ ⎝ ⎛ f − fc − B / 2 ⎞ ⎛ f − fc + B / 2 ⎞ Z x ( f ) = [1 + sgn(f )]X(f ) = 4 AΠ⎜ ⎟ + 2 AΠ⎜ ⎟ ⎠ ⎝ ⎠ ⎝ B B ⎛f − B/ 2⎞ ⎛f + B/ 2⎞ ~ ⎟ + 2 AΠ⎜ ⎟ Z x ( f ) = Z x ( f + f c ) = 4 AΠ⎜ ⎝ B ⎠ ⎝ B ⎠ . que es una realización término a término de la expresión (2.35(a). La señal pasabanda x(t) se puede reconstituir a partir de sus componentes ortogonales x c (t ) y x s ( t ) en la forma mostrada en la Fig. 2.34 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.108). 2.26 Calcular las componentes ortogonales del espectro X(f) de la Fig.34 son básicos en el análisis de todos los sistemas de modulación lineal.34(b). como veremos en los Capítulos V y VI.105) y (2.106). 2. Los dos esquemas de la Fig.34(a). 2. 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. 3A Xc(f) X(f) B 2A B A -B f -B 0 B f 0 -jA Xs(f) jA B f −f c fc 0 (a) Espectro de x(t) (b) Espectro de x c (t ) Fig. 2.35 (c) Espectro de x s (t ) El espectro X(f) se puede expresar en la forma. que es consecuencia directa de las expresiones (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⎜ ⎟ . Como X(f) es asimétrica respecto a fc . 2. 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.27 Sea la señal pasabanda x(t) = A [1 + 2sen(2πf a t) ] cos(2πf c t) . 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 ) . respectivamente. ♣ ♣ Ejemplo 2. Xc(f). 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⎜ ⎟ . Determinar sus componentes ortogonales xc(t). x(t) contiene una componente en cuadratura x s ( t ) .34(a) Solución (a) Sea x(t) ⇔ X(f ) Desarrollando.35 (b) y (c). 2. 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.

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

Pero si M(f) tiene simetría hermítica. 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. Hagamos el producto x ( t ) = m( t ) cos( 2 πf c t ) ⇔ X( f ) = Si f c ≥ B .95). En la Fig. Como en el espectro X(f) de la señal modulada x(t) aparecen ambas bandas laterales. conviene en este punto conocer el significado de “Banda Lateral Doble” y “Banda Lateral Unica”. siendo x(t) una señal real pasabanda. 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 . Se sombrea una de las bandas de M(f) para mostrar su ubicación al ser modulada. mientras que la banda de frecuencias en el intervalo [ f c − B] <| f | < f c se denomina “Banda Lateral Inferior”. 2.7. . La banda lateral inferior y la banda lateral superior son imágenes especulares respecto a f c . Z x ( f ) y X(f).116) [ Z x (− f ) + Z x (f )] = 2 [ M (f + f c ) + M (f − f c )] 2 1 1 resultado que ya habíamos obtenido. entonces Z x ( − f ) ≠ M ( f + f c ) y el espectro de x ( t ) = m( t ) cos(2πf c t ) tampoco tendrá simetría hermítica.144 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. 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. Aunque la aplicación práctica de estos conceptos no la veremos sino en los Capítulos V y VI. Por lo tanto. expresión (1. entonces representará al espectro de una señal real modulada y tendrá la forma de la Fig. M(f) será simétrico respecto al origen. que es el Teorema de la Modulación.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. se dice entonces que x(t) es una señal modulada de “Doble Banda Lateral”. 2. z x (t ) será la función analítica de x(t). 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”. Si M(f) no tiene simetría hermítica [m(t) no es real].37(c).37 se muestra M(f). Nótese que el espectro M(f) aparece ahora centrado en las frecuencias ±f c . de gran importancia en los sistemas de comunicación.115) (2.

la señal modulada ocupa una gama de frecuencias de ancho 2B centrada en la frecuencia f c de la portadora. puede enviarse simultáneamente dos señales diferentes por el mismo canal. Modulación Ortogonal o en Cuadratura (QAM) Cuando se transmite una señal pasabajo de banda limitada B en doble banda lateral. Este es un sistema de modulación muy utilizado en la práctica.38. Sin embargo. los filtros son pasabajo de ancho de banda B. de banda limitada B. 2. En la práctica este tipo de modulación se denomina “Modulación Ortogonal o en Cuadratura (Quadrature Amplitude Modulation.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 ). “extraer” o “detectar” a partir de x(t) formando el producto (Ver Problema de Aplicación 2. Dispongamos la Fig.28.34(a). donde x 1 ( t ) y x 2 (t ) son dos señales pasabajo diferentes.34 en la forma mostrada en la Fig. 2. denominada “detección sincrónica o coherente” y está representada en la rama superior de la Fig. QAM)”. Modulación QAM. 2. y cualquiera otra señal que aparezca dentro de ese ancho de banda constituirá una distorsión o interferencia. Esta operación. Esto significa que la envolvente natural de x(t) es simplemente el mensaje a transmitir y la fase natural es cero. 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. que es la envolvente natural de x(t). si se aplica las propiedades de la forma canónica de una señal pasabanda. como se muestra en la Fig. Obsérvese que la señal m(t).38.145 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. 2. . lo cual en términos prácticos equivale a decir que toda la información está contenida en su envolvente natural y bastará extraer la envolvente natural para recuperar la información en ella contenida. con f c >> B y que contienen información. 2. ♣ Ejemplo 2. se puede determinar.38.

Este tipo de modulación es muy utilizado en la transmisión de impulsos y señales continuas. Z m ( f ) tendrá la forma mostrada en la Fig. 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). s( t ) = Re{ z s ( t )} = Re{[ m( t ) + jm( t )] exp( j2πf c t )}. Con la modulación QAM el rendimiento del canal aumenta al doble. Para simplificar el análisis.117). ♣ Modulación en Banda Lateral Unica Sea z m ( t ) la señal analítica de m(t). por lo tanto. x r (t ) = x 1 (t )A c cos(ω c t ) + x 2 (t )A c sen(ω c t ) Por la rama superior del receptor se tendrá x r1 (t ) = x r ( t )2 cos(ω c t ) = 2 A c x 1 ( t ) cos 2 (ω c t ) + 2 A c x 2 ( t ) sen(ω c t ) cos(ω c t ) x r1 (t ) = A c x 1 ( t ) + A c x 1 ( t ) cos(2ω c t ) + A c x 2 ( t ) sen( 2ω c t ) El filtro pasabajo de ancho de banda B rechaza todas las frecuencias superiores a su banda de paso. de donde s( t ) = m( t ) cos( 2πf c t ) − m( t ) sen( 2πf c t ) con fc ≥ B (2. expresión (2. 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. . 2. sus dos bandas laterales tendrán perfiles diferentes.146 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Puesto que x 1 ( t ) y x 2 (t ) son diferentes.39(a). z s (t ) = s( t ) + js (t ) . es decir. como veremos en los Capítulos V y VI. es decir.117) Veamos ahora qué forma tiene el espectro S(f) de s(t). supongamos que x r ( t ) = x t ( t ) . es decir. de modo que la salida del detector coherente será y 1 (t ) = A c x 1 (t ) Igualmente. donde z m ( t ) = m( t ) + jm(t ) entonces. 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.

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) (2.118) y (2. mientras que la señal x(t) de doble banda lateral necesita solamente la envolvente. son sistemas de banda lateral única. o la señal de banda lateral única s(t ) = m(t ) cos(2 πf c t ) + m(t ) sen(2 πf c t ) .119). que en este caso es el mensaje m(t).117). el ancho de banda de transmisión se reduce a la mitad y el rendimiento del canal aumenta al doble. . la señal s(t) de banda lateral única posee envolvente y fase. en lo que se refiere a la transmisión de una señal mensaje m(t).118) (2. Esto tiene una gran importancia de tipo práctico pues. Sin embargo. Se puede demostrar que si el signo de la componente en cuadratura de la expresión (2. 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 ).120) De (2. pues solamente aparecen las bandas laterales superiores.37(b) y 2.28). Los sistemas telefónicos.117) es positivo. como veremos en el Capítulo VI.117). Expresando (2. 2. Por esta razón. es una señal modulada en “Banda Lateral Unica”.f c ) = 2 u ( f − f c ).121a) y (2. La recuperación de m(t) a partir de s(t) se puede efectuar también mediante detección coherente (Ver Problema de Aplicación 2. siendo las dos necesarias para la recuperación de m(t). 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. En este caso se dice que s(t). como veremos en su oportunidad. como veremos en el Capítulo VI. S(f ) = Este espectro tiene la forma mostrada en la Fig.39(b).147 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De las Figs. por transformada de Fourier de (2. los sistemas prácticos de modulación de doble banda lateral y los de banda lateral única no son completamente compatibles.39(c). 2. se puede utilizar la señal modulada x ( t ) = m(t ) cos( 2πf c t ) de doble banda lateral. 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 .119) Asimismo.121a) (2.121b). como podemos ver en (2. dada por la expresión (2.121b) En resumen. el espectro S(f) contendrá solamente las bandas laterales inferiores. 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. 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.

40. 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. x c ( t ) y x s ( t ) . 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 (2.7.5. el ruido. Con referencia a la Fig. por consiguiente. como es el caso de las señales aleatorias. S xc (f ) y S xs ( f ) son las densidades espectrales de potencia de x( t ). 2. Densidades Espectrales en Señales Pasabanda Como el área bajo S x ( f ) es igual al área bajo S xc ( f ) o S xs ( f ) . que son señales que no poseen una transformada de Fourier.123) para B <| f| ⎩0 La deducción de S xs ( f ) es similar verificándose que S xc ( f ) = S xs ( f ) .122) Al pasar z c (t ) por el filtro pasabajo se eliminan las componentes de alta frecuencia. lo cual está de acuerdo con el teorema de la modulación para señales de potencia. utilizaremos las correspondientes densidades espectrales de potencia. 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.148 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. ⎧[ S (f + f ) + S (f − f )] para | f| ≤ B x c x c S xc (f ) = ⎨ (2. Estos resultados son muy importantes y se aplican sobre todo en señales pasabanda aleatorias como. x s (t ) ⇒ S xs (f ) donde S x ( f ). x c (t ) ⇒ S xc (f ) . Con la notación que hemos establecido para las señales de potencia. por ejemplo. 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. respectivamente. 2.34(a) y del teorema de modulación para señales de potencia.40(b). La naturaleza aleatoria del ruido tiende a distribuir la potencia entre sus dos componentes ortogonales y esto es en contraste directo con las señales . Señales Pasabanda de Potencia Consideremos el caso de señales de potencia.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. S xc ( f ) y S xs ( f ) tendrán la forma indicada en la Fig. 2. hagamos x(t ) ⇒ S x (f ).

x z ( t ) = x( t ) + jx( t ). En efecto. 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. que H(f) tiene simetría hermítica. z z c c s ~ ~ ( t ). respuesta xz yz z impulsional h(t) y salida y(t).41. 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. de acuerdo con las expresiones (2. La potencia promedio de una señal aleatoria pasabanda. Se supone que h(t) es real. La entrada al filtro es una señal pasabanda real x ( t ) ⇔ X(f ). Fig.108) y (2. (d) Sea entonces.125) < x 2 (t ) >= < x 2 (t ) > + < x 2 ( t ) > c s 2 2 La potencia promedio de una señal aleatoria se divide por igual entre sus dos componentes ortogonales. 2. el ancho de banda del filtro es igual o mayor que el ancho de banda de la señal x(t).41(c). 2.7. es decir. h (t ) y ~ ( t ) son las envolventes complejas de la entrada x(t). 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 [ ] .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. 2.6. como lo demostraremos a continuación. ~ ( 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 ). h z ( t ) = h ( t ) + jh ( t ). cuya función de transferencia es H(f).41(a). 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. Consideremos el filtro pasabanda de la Fig.124). será entonces 1 1 (2. 2. respectivamente.

se reemplaza por un análisis equivalente en pasabajo que retiene por completo toda la esencia del proceso de filtrado. 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. La importancia de este resultado estriba en el hecho de que al tratar con señales y sistemas ~ pasabanda.128) Desarrollando esta expresión.129) Estas expresiones permiten establecer el modelo equivalente pasabajo de un filtro pasabanda. 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. 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. complicado por el factor exp( j2πf c t ) .127) las envolventes complejas por sus respectivas componentes. entonces ~ ~ ~ H z (f ) y X z ( f ) serán simétricos respecto al origen [ h z ( t ) y ~ z ( t ) serán reales].130a) s z c c c . con un factor de escala de 1/2. y s (t ) = [ h s (t ) ∗ x c (t )] + 2 [ h c (t ) ∗ x s (t )] 2 1 1 (2. x(t) = x ( t ) cos( 2 πf t ) x (2. Este modelo equivalente proporciona una base práctica para la simulación del filtrado pasabanda o de un canal de comunicaciones en una computadora digital. ~ ( t ) = x ( t ). se puede trabajar con las envolventes complejas pasabajo ~ z ( t ). h z ( t ) y ~ z (t ) . En este caso. 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).127) Por lo tanto. Nótese que si H(f) y X(f) son simétricos respecto a la frecuencia central f c . 2. Por x y consiguiente. mostrado en la Fig. Reemplazando en (2.126) 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. el análisis de un sistema pasabanda.42.

cuya entrada es un impulso de radiofrecuencia (RF) de la forma x( t ) = AΠ( t / T) cos(2πf c t ) . Respuesta de un Filtro Pasabanda a un Impulso de Radiofrecuencia Consideremos un filtro ideal pasabanda de ancho de banda 2B. ♣ Ejemplo 2. De (2. centrado en la frecuencia f c .151 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS h s (t) = 0 ~ h z ( t ) = h c ( t ). Equivalente Pasabajo del Filtrado Pasabanda.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. de señales digitales y de radar. En la Fig. ⎡ ⎛ 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 )] . y s ( t ) = 0. y(t) = y c ( t ) cos( 2 πf c t ) (2.43(a) se muestra la forma del impulso de radiofrecuencia.28. Vamos a determinar la respuesta y(t) del filtro.130b) y respecto a la salida. 2. y c (t) = [ h c ( t ) ∗ x c ( t )] .73). Esta es la situación que se presenta a la entrada del filtro de radiofrecuencia en los receptores de radio.42.72) y (2. 1 2 h(t) = h c ( t ) cos( 2 πf c t ) (2. donde fc >> 1 / T y f c >> B . 2.

Se sugiere al lector que trate de determinar la salida y(t) sin utilizar el concepto de envolvente compleja para que constate la utilidad de este procedimiento. y(t ) ⇒ S y (f ) ⇔ R y (τ ) h(t ) ⇔ H (f ) . 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. entonces. 2. 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. ~ z ( t ) será también real. S xy ( f ) ⇔ R xy ( τ ) .248).44. B = 2/T y fc = 6. Autocorrelación Entrada/Salida Consideremos las funciones de correlación en un sistema lineal invariante en el tiempo (SLIT). 2.152 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎛ f ⎞ ~ H z ( f ) = 2 h o Π⎜ ⎟ exp( − j2 πt o f ) ⎝ 2B ⎠ ~ ~ h z ( t ) = 4 Bh o sinc[ 2 B( t − t o )] = h c ( t ) pues h z ( t ) es real ⎛ f + fc ⎞ ⎛ f − f c ⎞⎤ ⎛t⎞ A⎡ x( t ) = AΠ⎜ ⎟ cos( 2 πf c t ) ⇔ X( f ) = ⎢ sinc⎜ ⎟ + sinc⎜ ⎟⎥ ⎝T⎠ ⎝ 1/ T ⎠ ⎝ 1 / T ⎠⎦ 2⎣ ⎛ f ⎞ ~ t ~ ⎟ ⇔ x z ( t ) = 2 AΠ( ) = x c ( t ) pues ~ z ( t ) es real X z ( f ) = ATsinc⎜ x ⎝1 / T ⎠ T ~ Puesto que ~ z ( t ) y h z ( t ) son reales. 2.1. T = 4to . 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.8. FUNCIONES DE CORRELACION EN SISTEMAS LINEALES 2.20(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 (2.43(b) se muestra la forma de esta salida.8. Fig. para T = 1. Sea entonces x (t ) ⇒ S x (f ) ⇔ R x (τ ) .

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.35). 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)”. pero. En efecto. ∫ ⎡⎢⎣ ∫ h(u)h(u + τ)du⎤⎥⎦ exp(− j2πfτ)dτ = ∫ −∞ −∞ ∫ ⎤ h ( u + τ ) exp(− j2πfτ ) dτ ⎥du ⎦ −∞ ∞ . de la definición de transformada de Fourier. G h ( f ) ⎡ h ( u )⎢ ⎣ −∞ ∞ | H ( f )|2 . y(t + τ ) = h(v)x(t + τ . Del teorema de convolución. 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. debe ser igual a G h (f ) = ∞ ∞ S y (f ) = S x ( f ) ⋅ G h ( f ) .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. g h (z ) = ∫ ∞ −∞ ∞ h ( u ) h ( u + z ) du donde g h (z ) ⇔ G h (f ) (2.44 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.153 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Por definición.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. es decir. R y (τ ) = ∫ ∫ ∞ −∞ 1 T/ 2 ⎡ ⎤ h ( u ) h (v )⎢ lim x (t − u ) x ( t + τ − v ) dt ⎥dudv ⎣ T→∞ T − T/ 2 ⎦ −∞ ∫ Con el cambio de variables t ' = t − u . la integral dentro de los corchetes se hace igual a R x (τ + u − v ). 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. 2. de acuerdo con (2.v)dv -∞ ∫ ∞ Reemplazando estas expresiones en R y (τ ).

2.8. 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. S y (f ) =| H (f )| 2 ⋅S x (f ) resultado ya obtenido anteriormente. por lo tanto. ∞⎡ 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 . Intercorrelación Entrada/Salida Por definición. 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. 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.154 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Con el cambio de variables τ ' = u + τ . R y (τ ) = R x (τ ) ∗ h(τ ) ∗ h(. tenemos .133) que es la forma más utilizada para representar la función de autocorrelación de la salida de un SLIT. 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 . ∞ ∞ < y 2 ( t ) >= R y (0) = ∫ R x (z)g h (z)dz = ∫ | H(f ) |2 Sx (f )df −∞ −∞ Podemos demostrar también que el valor promedio < y(t) > de la salida y(t) es < y( t ) >= H(0) < x ( t ) > donde H(0) = H(f ) |f = 0 = ∫ h ( t )dt es el área de la respuesta impulsional h(t).35).τ ) En cuanto a la potencia de salida < y2(t) >. expresión (2. −∞ ∞ 2.

2. S xy ( f ) = H ( f )S x ( f ) = K ⋅ H (f ) . La salida del correlador es proporcional a la respuesta impulsional del SLIT en prueba.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). este montaje es relativamente fácil de instrumentar físicamente o simular en una computadora digital. R xy ( τ ) = ∫ ∞ −∞ R x (u ) h ( τ − u )du . Del teorema de la convolución.29. El montaje de la Fig. 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. ♣ . Estimador de la Respuesta Impulsional de un SLIT. 2.45.134) R xy (τ ) = R x (τ ) ∗ h(τ ) La función de intercorrelación entrada-salida R xy (τ ) de un SLIT. S xy (f ) = S x (f ) ⋅ H (f ) (2. Sea x( t ) ⇒ S x ( f ) = K. Estimación de la Respuesta Impulsional de un SLIT mediante Correlación Sea el diagrama de bloques mostrado en la Fig. pero de (2. entonces 1 pero como R xy (τ ) ⇔ S xy (f ). entonces. Este es un tipo especial de ruido (ruido blanco) que se caracterizará más adelante. 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. El “Sistema en Prueba” es un SLIT cuya respuesta impulsional se desea estimar.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.45. ♣ Ejemplo 2.45 se utiliza en la práctica para estimar la respuesta impulsional de un sistema lineal invariante en el tiempo. 2. es el producto de convolución entre la función de autocorrelación R x ( τ ) de la entrada x(t) por la respuesta impulsional h(t) del SLIT. de donde (2. Un análisis más avanzado de estas técnicas está fuera de los objetivos de este texto.135). donde x(t) es una señal aleatoria cuya densidad espectral de potencia es constante e igual a K.

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

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

V2 = 4 kTR 2 B y V3 = 4 kTR 3 B .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.142) v ef = 4 kTR eq B donde R eq es la resistencia equivalente del dipolo y v ef el correspondiente voltaje eficaz de ruido.46(a). ♣ Ejemplo 2. R1 = 1 kΩ. T = 290 kelvins.30 Vamos a calcular el voltaje eficaz de ruido térmico de la red mostrada en la Fig.141) (2. 2. L y C). la expresión (2. R2 = 2 kΩ y R3 = 3 kΩ. También. la utilización de los circuitos equivalentes hace que los cálculos sean muy largos y engorrosos. como se muestra en la Fig. viene dada por la integral < v 2 ( t ) >= v 2 = 2 kT n ef ∫ B −B R ( f )df (2. En la Fig. 2. todos a la misma temperatura. Estos cálculos se pueden simplificar mediante la llamada “Fórmula de Nyquist”. Cuando se calculan los efectos del ruido térmico en redes que contienen muchas resistencias. 2. 2.47(a). Circuitos Equivalentes del Ruido Térmico. (2.46. V1 = 4 kTR 1 B . la cual expresa que la potencia promedio de ruido producida en los terminales de un dipolo que contenga elementos pasivos ( R. hay que utilizar los circuitos equivalentes.140) se reduce a < v 2 (t ) >= v 2 = 4 kTR eq B n ef o también. que es el “circuito equivalente de Thévenin”.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 . a + R(Sin ruido) ~ v = 4 kTRB ef a i ef = 4 kTGB b G= 1/R (Sin ruido) b (a) Equivalente de Thévenin (b) Equivalente de Norton Fig.46(b) se muestra el correspondiente “circuito equivalente de Norton”. donde B = 100 kHz . Si la red contiene solamente elementos resistivos y dentro de un ancho de banda arbitrario B. Si las resistencias están a temperaturas diferentes.

v 2 = 2000(kTB) 2ef R1 + R 2 + R 3 R1 + R 2 = 3000 ⋅ kTB . En este caso se dice que la carga está acoplada a la fuente. 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 (2.142). En efecto.55x10 −6 V Como se trata de un red puramente resistiva. sea 2 v 2 = v1ef + v 2 ef + v 2ef . v 1ef = 1000( kTB ) R1 + R 2 + R 3 R3 v 2 ef = V2 = 2000 ⋅ kTB .55x10 −6 V resultado idéntico al obtenido más arriba pero con un mínimo de cálculos.38x10 −23 x 290x1500x10 5 = 1. por superposición.141). 2. La potencia promedio de ruido a la salida es igual a la suma de las potencias de salida contribuidas por cada fuente. de donde ef 2 3 2 v ef = v1ef + v 2 ef + v 2ef 2 3 De la Fig. 2.401x10 −12 ef El voltaje eficaz de ruido a la salida de la red será v ef = 1. ♣ Potencia de Ruido Disponible Algunas veces es deseable describir el ruido térmico mediante el concepto de “potencia disponible”.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. el voltaje eficaz de ruido a la salida de la red es v ef = 4 x1. b (c) Equivalente de Thévenin El circuito equivalente de ruido de la red se muestra en (b). y la potencia que produce la fuente se divide por igual entre su . se transfiere el máximo posible de potencia desde una fuente de resistencia interna R i a una carga de resistencia R L cuando R L = R i . v 2 = 3000(kTB) v 3ef = V3 3ef R1 + R 2 + R 3 v 2 = 6000(kTB) = 6x10 3 x1.47. se obtiene R3 2 v 1ef = V1 = 1000 ⋅ kTB .38x10 −23 x 290x10 5 = 2 .47(b).

la densidad espectral del ruido blanco gaussiano se representa en la forma S n (f ) = η 2 para todo f (2. Aunque muchas fuentes de ruido físicas se pueden modelar como fuentes de ruido blanco.160 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS resistencia interna R i y la resistencia de carga R L . uno de los objetivos en el diseño de sistemas de comunicación es el de minimizar u optimizar el ancho de banda B. la densidad espectral correspondiente a la potencia entregada a la carga será la mitad. de (2. 2. S n ( f ) / 4 R .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 (2.145). Entonces.146) . 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. esta densidad se denomina “densidad espectral disponible. 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. N i =< v 2 ( t ) >= ηB = 4kTRB n (2. En general. Por esta razón. de valor promedio cero y que tienen una densidad espectral de potencia que es constante dentro de una extensa gama de frecuencias. En efecto.138) y (2.144) Nótese que en una resistencia ruidosa R la densidad espectral disponible y la potencia promedio disponible son independientes de R. la potencia que se entrega a la carga es la potencia disponible.9. es decir. Con referencia a la Fig. Ruido Blanco Además de las fuentes de ruido térmico. y la otra mitad con las frecuencias negativas. pero son proporcionales al ancho de banda B. mediante un ecualizador en un receptor digital).3. Esta es entonces la máxima densidad espectral de potencia que se puede extraer de la fuente v ef . 2. Este ruido se denomina comúnmente “ruido coloreado”. una vez que el ruido ha sido filtrado (por ejemplo. debido a esto. S nd (f )". más alta será la potencia de ruido presente en el mismo. Las dimensiones de η son W/Hz y su valor depende del tipo de fuente de ruido y de la densidad espectral disponible. 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. hay otros tipos de fuentes de ruido que son gaussianas.145) El factor ½ se incluye para indicar que la mitad de la potencia está asociada con las frecuencias positivas. ya no tendrá una densidad espectral de amplitud constante sino que tomará la forma espectral del filtro. Cuanto más alto es el ancho de banda en un sistema.46(a). en condiciones de acoplamiento la fuente ve una resistencia de 2R y la densidad espectral será S n ( f ) / 2 R .

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

El receptor se modela mediante un filtro pasabanda de entrada seguido de un detector que extrae de la señal compuesta [ x( t ) + n( t )]. por lo tanto. 2.162 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ♣ Ejemplo 2.5844 / RC. < y2 ( t ) >= R no ( 0) = η 4 RC S no ( f ) y R no ( τ ) se muestran en la Fig. Fig.50 el canal real se modela como un canal ideal de ancho de banda Bc ≥ 2 B más una fuente aditiva de ruido blanco que se suma a la señal modulada transmitida x( t ) .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. Se trata de determinar la función de autocorrelación. 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. como se muestra en la Fig. En la Fig. 2. 2. si se desprecian aquellas componentes con amplitudes menores del 1% del valor máximo. por cuanto la densidad espectral es más o menos constante dentro de la banda de paso. se aplica ruido blanco gaussiano cuya densidad espectral de potencia es η / 2 . El tipo de detector depende del . 2. También. Sno ( f ) =| H ( f )|2 Sn ( f ) = η 2 1 2( RC) ( 1 ) 2 + 4π 2 f 2 RC La correspondiente función de autocorrelación es R no (τ ) = η 4 RC exp( − j ). La función de transferencia de este filtro es bien conocida. 2. la señal que lleva la información.49(a). H (f ) = 1 1 + j2 πRCf = 1 1 RC 1 + j2 πf RC | τ| RC .49(b) y (c). entonces S no ( f ) es despreciable para frecuencias f ≥ 1. situación que es muy común en los sistemas de comunicación.31 A la entrada de un filtro pasabajo RC. Para valores de τ superiores a RCln(100). respectivamente. En cuanto a la densidad espectral de potencia de la salida. De particular importancia es el ruido presente en un sistema de recepción de señales moduladas. Esto significa que dos muestras de la señal de salida que estén separadas en más de RCln(100) segundos no estarán correlacionadas. la densidad espectral de potencia y la potencia de ruido a la salida del filtro. la función de autocorrelación cae a menos del 1% de su valor máximo y podemos despreciarla.50.

2. salvo por algún factor de escala. como se muestra en la Fig.51(a). 2. La situación es distinta respecto al ruido. n ( t ) = n c ( t ) cos( 2 πf c t ) − n s ( t ) sen(2 πf c t ) (2.50. en este caso se dice que el canal y el filtro son “transparentes” para x( t ) . apareciendo esta señal. cuya densidad espectral tiene la forma dada en la Fig.51.51(b). deja pasar solamente aquellas componentes dentro de su banda pasante. el ruido blanco filtrado se parece a una señal modulada en la cual la frecuencia varía alrededor de una frecuencia promedio f c . 2. 2.163 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS sistema de modulación empleado. En el dominio del tiempo. En la Fig. En estas condiciones. 2. Como en general se cumple que f c >> B . la forma canónica del ruido será.108). 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. de (2. como se puede observar en la Fig. 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 ) . el ruido a la salida del filtro comúnmente se denomina “ruido blanco pasabanda de banda angosta”. 2. el filtro pasabanda. a la entrada del detector.51(c). En efecto.149) .51 se muestran las características del Ruido Blanco Pasabanda. Fig.

32 Consideremos la densidad espectral de ruido pasabanda mostrada en la Fig. Por consiguiente.155) con ayuda de (2.164 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS donde n c ( t ) y n s ( t ) son las componentes ortogonales del ruido. R n (τ ) =< n (t ) n ( t + τ ) > (2.153) ∫ ∞ −∞ S n ( f )df = ∫ ∞ −∞ S nc ( f )df = ∫ ∞ −∞ S ns ( f )df (2. Estos conceptos se aplicarán para analizar el efecto del ruido en sistemas de comunicación. ⎧ 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. Por definición. Como se considera que el ruido pasabanda n(t) es una señal gaussiana aleatoria de valor promedio cero. respectivamente. 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. que es la misma expresión (2. Recuérdese que n c ( t ) y n s ( t ) son señales reales pasabajo cuyo ancho de banda (igual a B) está determinado por el ancho de banda del filtro de RF (igual a 2B).150) (2. En efecto.51(d). diremos sin demostrarlo que n c ( t ) y n s ( t ) serán también gaussianas de valor promedio cero e independientes entre sí. Se desea determinar la forma y la potencia de las componentes ortogonales del ruido.149). Como n c ( t ) y n s ( t ) son señales aleatorias.154) Consideremos ahora la función de autocorrelación del ruido blanco pasabanda.52(a) (frecuencias positivas solamente). y de acuerdo con (2.151) son la envolvente y fase naturales del ruido. 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 = 0.125) obtenida anteriormente. 2. .149) se obtiene la función de autocorrelación del ruido pasabanda n(t). 2.152) y n(t) se puede representar en forma fasorial como se muestra en la Fig. expresión (2.123) y (2.155) Si R nc (τ ) ⇔ S nc (f ) y R ns (τ ) ⇔ S ns ( f ) . entonces desarrollando (2. entonces n c ( t ) ⇒ S nc ( f ) y n s ( t ) ⇒ S ns ( f ) .124). Las componentes ortogonales del ruido serán n c ( t ) = R(t)cos[θ(t)] y n s ( t ) = R ( t ) sen[θ(t )] (2. ♣ Ejemplo 2.

La potencia de ruido a su salida será 2 < n 2 (t ) >= ηB N | H ( f )|max o (2. la forma mostrada en la Fig. 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. 2.36). es decir. 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 ) .153).4. 2. Ancho de Banda Equivalente del Ruido Algunas veces es conveniente definir el “ancho de banda equivalente del ruido” de un sistema pasabanda.52(b) para | f | ≤ B .156) . 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. en efecto. 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.52(b).9. 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. < 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 De acuerdo con los datos de la Fig. En estas condiciones. las densidades S nc ( f ) o S ns (f ) tendrán la forma mostrada en la Fig. por inspección.53(b).52(a). 2. la potencia promedio de ruido a la salida viene dada por (2.153). 2. Fig. < 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 .165 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De la expresión (2. 2.

|H(0)|2 = 100 ∫ ∞ −∞ | H ( f )|2 df = ∫ ∞ 10 8 + 4π f 2 2 4 −∞ 10 6 df = 5x10 4 y de (2. BN = 5x10 200 = 250 Hz El ancho de banda de 3 dB se puede obtener a partir de su definición. es decir. Las expresiones (2.157) se aplican también a sistemas pasabajo. de | H (B 3dB )| = 1 2 | H ( 0)| o |H(B 3dB )|2 = 1 2 | H ( 0)|2 = 50. es decir.53. 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 . por definición. 2.33 El ancho de banda equivalente del ruido a menudo se relaciona con el ancho de banda de 3 dB de un sistema.157) Estas definiciones se ilustran en la Fig. ♣ Ejemplo 2. 2. entonces B N será.157).53(a) y (b).166 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si estas potencias son iguales.53. Consideremos el filtro pasabajo cuya función de transferencia es 10 4 . el ancho de banda de ruido de un filtro ideal es el ancho de banda de un filtro real. 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. |H(0)|= 10. . El ancho de banda equivalente del ruido es. Esto se ilustra en la Fig. | H (f )|2 max | H ( f )|2 | H (f )|2 max Areas Iguales BN 0 f c (b) fc 0 (a) Fig. 2. en este caso. Definición del Ancho de Banda Equivalente del Ruido. el “ancho de banda equivalente del ruido” y vendrá dado por BN = 1 2| H ( f )|2 max ∫ ∞ −∞ | H ( f )|2 df (2.156) y (2.

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

159). mientras que la señal mensaje m(t) aparece completa. la potencia de ruido a la entrada del detector es < n 2 ( t ) >= N i = 2ηB La potencia de la señal modulada será. De (2. Si el ancho de banda del filtro de RF es 2B.54.161). La relación S/N a la entrada del detector. .113).159) (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.161) Solamente la componente en fase del ruido aparece en la salida.158) y (2. 2. 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 . de (1.158) donde < m 2 (t ) > es la potencia promedio de la señal mensaje m(t). de (2. Receptor con Detector Coherente.160) A la salida del multiplicador se tiene v ( t ) = z( t ) ⋅ 2 cos( 2 πf c t ) = [ m( t )A c cos( 2 πf c t ) + n ( t )] ⋅ 2 cos( 2 πf c t ) v ( t ) = [ A c m( t ) + n c (t )] + [ A c m( t ) + n c ( t )] ⋅ cos( 4 πf c t ) − n s ( t ) ⋅ sen(4 πf c t ) El filtro pasabajo rechaza los términos de alta frecuencia quedando y o ( t ) = A c m( t ) + n c ( t ) (2. La detección coherente o sincrónica elimina entonces la componente en cuadratura del ruido. < x 2 ( t ) >= S i = 1 2 A 2 < m2 (t) > c (2.168 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. Si Ni = 2 Ac 4ηB < m 2 (t ) > (2. denominada “Relación Señal/Ruido de Predetección” será.

♣ Ejemplo 2.169 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS La relación S/N a la salida del detector. mientras que el ruido se suma en forma incoherente.158). no se le puede aplicar el teorema. Se dice entonces que las señales útiles se suman coherentemente.54.164) Vemos que en el caso de detección coherente en doble banda lateral. las componentes de la señal mensaje se suman como amplitudes. la ganancia de conversión es igual a 2.162). La potencia de la señal útil aumenta al doble. hay que tener en cuenta que el teorema se aplica a cualquiera señal pasabajo y a señales pasabanda aleatorias. So No = 2 Ac 2ηB < m 2 (t ) >= 2 Si Ni (2.34 Sea el receptor mostrado en la Fig. Aunque la detección o demodulación no es nada más que un desplazamiento de las bandas laterales hacia el origen. 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. lo que hace que las componentes que no estén en fase se pierdan.154) y (2. 2. En los Capítulos V y VI utilizaremos estos conceptos para caracterizar el comportamiento en presencia de ruido de diferentes sistemas de modulación prácticos. mientras que el ruido se suma como potencia. entonces pero de (2. Si la señal útil portadora de información es pasabanda. Esta es la causa del incremento de 3 dB en las relaciones S/N. la relación S/N de la salida es el doble que la de la entrada. 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. será So No 2 = Ac < m 2 (t ) > 2 < n c (t ) > 2 < n c (t ) >=< n 2 (t ) >= 2ηB. De (2. denominada “Relación Señal/Ruido de Postdetección”. 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. mientras que la potencia de ruido se mantiene igual.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 (2.163) La ganancia de conversión se utiliza como una cifra de mérito en la comparación entre diferentes sistemas de modulación. o lo que es lo mismo. de modo que su potencia debe ser determinada con cualquiera de los métodos vistos en el dominio del tiempo.

55(a). N i = 10x10 3 x10 −6 = 10 −2 W = 10 dBm Aplicando el teorema de la modulación para señales de potencia. 2. de modo que a la entrada del detector la señal útil seguirá siendo x( t ) .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. 2. ancho de banda de 10 kHz y está centrado en la frecuencia f c = 1 MHz .55(a). sea x( t ) = 10 cos(104 πt ) ⋅ cos( 2πx106 t ) El filtro de RF tiene una ganancia unitaria.170 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Igualmente. es decir. 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.55(b). La potencia correspondiente será N o = 10x10 3 x10 −6 = 10 −2 W = N i . 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. de la Fig. La correspondiente potencia de ruido a la entrada del detector será. cuya porción alrededor del origen es S no ( f ) . 2. quedando a la salida y o ( t ) = 10 cos(104 πt ) So = 100 2 cuya potencia es = 50 W = 46. El filtro pasabajo de salida tiene también ganancia unitaria y un ancho de banda de 5 kHz. Cálculo de la potencia de la señal útil Los filtros son transparentes para x( t ) . se obtiene el espectro mostrado en la Fig.98 dBm = 2S i Nótese que la potencia útil de salida es el doble de la potencia útil 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 ”. Como ya lo hemos señalado. La cifra de ruido es también otro factor de calidad o de mérito en la comparación entre. esta distorsión es causada. 10kHz MHz Nótese que las potencias de ruido de entrada y salida del detector son iguales.55. entonces N o = N io + N so .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. 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 2.165) Si N so es la potencia de ruido presente en la salida y generada en el mismo sistema y N io la correspondiente debida al ruido de entrada. F”. F= No N io para T = To = 290 kelvins (2. ♣ 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. y segundo por el ruido introducido durante el proceso. este ruido compuesto deteriora la relación S/N a la salida comparada con la relación S/N a la entrada.166) . Por supuesto. Este ruido de salida se puede considerar como la suma del ruido generado en el propio sistema más el ruido de entrada al mismo. 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. 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. Por lo tanto. por ejemplo. amplificadores de señales de muy bajo nivel. 2. Esta situación se puede cuantificar mediante la llamada “Cifra o Factor de Ruido del Sistema.

siendo B el ancho de banda del sistema. de (2. tendremos que N o = kTs BG p + kTe BG p = G p k ( Ts + Te ) B = G p kTi B donde Ti = Ts + Te (2.168) (2. de (2. el ruido generado internamente es menor. amplificadores. En efecto. So = SiG p donde G p es la ganancia de potencia del sistema. Entonces.169) es un número o cifra de mérito que se aplica a sistemas lineales invariantes en el tiempo (filtros. Asimismo. La potencia de ruido disponible a la entrada es.172) (2.163) y (2.165) y con ayuda de (2.172 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Nótese que la impedancia de carga también contribuye al ruido en la salida. Esta contribución está incluida en N so . las expresiones (2. respectivamente. Sin embargo.173) Ti es la temperatura neta de entrada y representa la temperatura total efectiva de entrada. mejor será el sistema.168) en (2.172). Cuando en el sistema existe solamente ruido térmico.171) (2.148).167). ella se puede despreciar.163). (2. obtenemos finalmente F= Si / N i So / N o (2. . que es la ganancia de conversión. Desde el punto de vista del ruido. cuanto más cercana a la unidad sea la cifra de ruido. dado su parecido. La cifra de ruido se puede expresar en función de las relaciones S/N de entrada y salida del sistema. es decir.169) Hay que tener cuidado de no confundir. de donde (2. sea S i y S o las potencias útiles a la entrada y salida del sistema.) para cuantificar el ruido interno generado. etc.170) = Gp En el sistema se genera una cierta cantidad de ruido térmico.167) N io = N i G p Reemplazando (2. N i = kTs B También So Si So = Si G p. De la definición de la cifra de ruido es evidente que F será siempre mayor que la unidad.169). Entonces. pues la relación (2. 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. por ejemplo). como generalmente es muy pequeña comparada con el ruido de los elementos activos del sistema. Supongamos que se aplica al sistema una señal útil s(t) más un ruido térmico n(t) a una temperatura efectiva Ts . se aplica a sistemas lineales variantes en el tiempo (moduladores y detectores. la cifra de ruido puede simplificarse aún más. Si representamos este ruido mediante su temperatura equivalente referida a la entrada.

(2. ♣ Ejemplo 2.35 Un amplificador tiene una cifra de ruido de 9. por ejemplo. y la temperatura efectiva Te del sistema puede calcularse entonces a partir de (2. expresión (2.169).031 dB. 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.301 dB = 8.171). F = 9. mientras que la parte de la cifra de ruido de un sistema producida por el ruido interno es (F-1). Ts = 2900 kelvins. una ganancia de potencia de 40 dB y un ancho de banda equivalente de ruido de 10 kHz.170).176). En resumen. la cifra de ruido será F = 1+ Te To (2.175) y (2. G p = 40 dB = 10 4 . To = 290 kelvins . al efectuar cálculos en los que interviene la cifra de ruido de un sistema. Hay que tener cuidado al utilizar las ecuaciones (2.176). expresión (2. se considera que esta cifra de ruido está referida a To .176) Estos resultados son bien sencillos y fáciles de aplicar. N o = G p (1 + No Ni Te Ts Te Ts )N i . Vamos a determinar la temperatura efectiva del ruido y la potencia disponible a la salida cuando el amplificador está acoplado a una resistencia de entrada cuya temperatura efectiva es de 2900 kelvins. la cual puede ser muy diferente de To . El valor de la temperatura Te . una antena y su correspondiente línea de transmisión. pues aunque no todas las fuentes de ruido son térmicas. estará referido entonces a la temperatura de referencia To = 290 kelvins . calculado a partir de la cifra de ruido.176).174) = G p (1 + De (2.175).174) y referida a la temperatura de referencia Ts = To = 290 kelvins. La resistencia de entrada puede representar. En su deducción hemos utilizado la temperatura física Ts de la fuente. y de (2. sus efectos a menudo se incluyen en una temperatura Te obtenida experimentalmente. 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. Se tiene entonces. (2.173 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N o = G p (1 + Te Ts ) kTs B . de donde ) (2.175) La temperatura equivalente o efectiva será entonces Te = (F − 1)To (2.

referida a la entrada. la temperatura efectiva del ruido de entrada es Ts . 2. Ni Nn = No A Ts A1 N1 A2 N2 Carga Acoplada Ts Ni No A Carga Acoplada G p1 Te1 F1 G p2 Te2 F2 G pn Ten Fn Fig. 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. 2. 2.174 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS De (2. Te = (F − 1)To = (8 − 1)290 = 2030 kelvins N o = G p k (Ts + Te )B = 10 4 x1.178a) (2. pero se pueden extender para sistemas en cascada. de (2.176) han sido deducidas para un sistema individual.67 dBµ (dB respecto a un µW) ♣ Cifra de Ruido en Sistemas en Cascada Las expresiones (2.176). Se supone que los amplificadores están acoplados y que su ancho de banda efectivo es B. de (2.56. De (2. .56 se tiene n amplificadores en cascada y se desea determinar la temperatura y la cifra de ruido del sistema compuesto.177) + Te 3 G p1G p 2 (2.172).172). como es el caso de un amplificador de varias etapas. N i = kTs B También. Para no hacer tediosa la demostración.56. 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 . cada una de las cuales tiene su propia temperatura y cifra de ruido. Amplificadores en Cascada.38x10 −23 (2900 + 2030)x10 4 = 6. G p es la ganancia total de potencia. Gp Te F En la Fig.170). como se muestra en la Fig. del amplificador compuesto.175) y (2.8x10 −12 W N o = −51. vamos a considerar solamente tres amplificadores. La potencia de ruido a la entrada es.178b) G p = G p1G p 2 G p 3 Te es la temperatura efectiva de ruido.

181) (2. (b) que solamente contenga elementos pasivos y resistivos (la única fuente de energía en la red es la producida por efectos térmicos).....176) en (2. es decir. y (c) que parte de la potencia de entrada sea absorbida en la red.178).. Siguiendo el mismo procedimiento efectuado para tres etapas..+ Ten G p1G p 2 G p 3 .. Por ejemplo. 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”. 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”.+ (2. 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. L”.. 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.179) + F3 − 1 G p1G p 2 Estos resultados se pueden extender para n etapas.175 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Se puede determinar ahora la cifra de ruido del amplificador compuesto.. 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..... L= Pdi Pdo . que su ganancia de potencia sea menor que la unidad. 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. (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. Una red que satisfaga estas condiciones se denomina “Red Acoplada Pasiva”.. G p ( n−1) Fn − 1 G p1 G p 2 G p 3 . F = F1 + y F2 − 1 G p1 + +.... reemplazando (2.183) .... Los ejemplos más comunes de redes acopladas pasivas son las líneas de transmisión (en RF) y los atenuadores acoplados.. podemos demostrar que Te = Te1 + Te 2 G p1 + Te 3 G p1G p 2 F3 − 1 G p1 G p 2 +. En efecto... es decir.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.. La manera más conveniente para representar las pérdidas en una red acoplada pasiva es mediante el “factor de pérdidas de inserción o factor de atenuación.. G p ( n −1) (2.. en general L>1 (2.

187) y (2. de (2.191) .57. Aplicando principios de la termodinámica se ha demostrado [Schwartz. la cifra y temperatura de ruido se reducen a FL = L TeL = ( L − 1) To (2.176) en (2.176 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Consideremos la red acoplada pasiva mostrada en la Fig. 1980] que α 1 + α 2 = 1.148).178). de acuerdo con la definición del factor de atenuación L.186) (2. Ni N o = α 1 kTs B + α 2 kTp B (2.57. por supuesto. N i = kTs B donde B es el ancho de banda efectivo del sistema. La potencia de ruido disponible a la entrada de la red es. Tp es la temperatura física de la red acoplada pasiva. mayor será la temperatura efectiva de ruido de la red acoplada pasiva y. Nótese que TeL aumenta linealmente en función de L.189) En el caso especial cuando Tp = To . El ruido de entrada se caracteriza por su temperatura efectiva Ts y puede representar.185) en (2.188) k ( Ts + TeL ) B = G pL k ( Ts + TeL ) B 1 L y TeL = ( L − 1) Tp G pL = Las expresiones (2.185) Reemplazando (2. 1980] Ts Red No Carga Acoplada Acoplada Pasiva Tp Fig. Entonces. FL = 1 + ( L − 1) Tp To (2.190) (2. La potencia de ruido a la salida se puede escribir en la forma [Schwartz. una antena cuya temperatura efectiva es el resultado de diferentes contribuciones. Esto significa que cuanto mayor es la atenuación.187) (2. por ejemplo. 2. En efecto. 2. se puede decir que α1 = 1 L y α 2 = (1 − 1 L ) (2.184).184).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 . la cifra de ruido de la red acoplada pasiva se obtiene reemplazando (2. No = No = donde kTs B L 1 L + (1 − 1 L ) kTp B = 1 L k Ts + ( L − 1)Tp B [ ] (2.184) donde α 1 y α 2 son factores de ponderación relativos de las dos potencias disponibles definidas en (2. mayor será la cifra de ruido.

peor será el valor de la cifra de ruido total. Antena Antena Amplificador A1 Coaxial Coaxial Amplificador A1 Si Amplificador Al N i Detector A2 Si Amplificador Al A2 Detector N i Fig. Un caso muy frecuente en la práctica es la conexión en cascada de una red atenuadora seguida de un amplificador. 2.36. ♣ Ejemplo 2. En efecto. F = FL + Fa − 1 G pL . 2. Consideremos las dos configuraciones de un sistema de recepción mostradas en la Fig. pero como FL = L y G pL = 1 L . longitud 900 MHz 2 MHz 100 kelvins 10-9 W 60 metros . por lo tanto.192) F = Fa ⋅ L Este resultado demuestra la gran deterioración en la cifra de ruido total. 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.36 se muestran dos casos de considerable interés práctico (Sugerimos al lector estudiar este ejemplo con mucha atención). 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. donde α es la constante de atenuación en nepers por unidad de longitud y x la longitud de la línea.191) permiten aproximar los valores de la cifra de ruido y temperatura de ruido.181). Consideremos un atenuador (que puede ser una línea de transmisión) cuya pérdida de inserción es L. En el Ejemplo 2. Tp no es muy distinta de la temperatura de referencia To = 290 kelvins. Vamos a determinar las relaciones S/N de predetección en ambas configuraciones.177 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Cuando en una línea de transmisión no se conoce exactamente su temperatura física Tp . expresadas en dB por cada 30 metros. 4 dB a 300 MHz. Cuanto más alto es el factor de atenuación L. son: 1 dB a 25 MHz. Estos valores los dan los fabricantes en sus respectivos catálogos.58. (a) Configuración A (b) Configuración B Estos dos montajes son muy utilizados en la práctica. FL = exp(2αx) y TeL = [exp(2αx) − 1]To . las pérdidas típicas de un cable coaxial de 75 Ohm. 8 dB a 900 MHz y 10 dB a 1200 MHz. Sa: Cable coaxial de 75 Ohm.58. las expresiones (2.190) y (2. seguido de un amplificador con una cifra de ruido Fa . en la teoría de las líneas de transmisión se suele expresar la atenuación L en la forma L = exp(2αx). en general. y puesto que. entonces (2. La cifra de ruido total F de la combinación atenuador-amplificador viene dada por (2.

F1 = 1 + Te1 200 = 1+ = 1.178 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Temperatura física de la línea de transmisión.447 dB To 290 La potencia de ruido a la entrada del detector (salida de A1) será N i = G p k (Ta + Te ) B = 2. G pL = 1 L = 2. L = 16 dB = 39.811.512 x10 7 x10 −9 = 2.512 x10 2.512 x10 −2 x105 Te = 19993.45 = 1+ = 69.32 kelvins F L = 1 + ( L − 1) Tp To = 1 + (39.981 − 1)290 = 864.981.189).81 − 1) 310 290 = 42.51 + = 12031. F2 = 6 dB = 3.811 − 1)310 = 12031.188).51 kelvins (d) Cálculo de la relación de predetección S i / N i para la Configuración A Te = TeL + Te1 Te2 200 864. G p1 310 kelvins 50 dB 200 kelvins 40 dB 6 dB Temperatura efectiva de ruido del amplificador A1. Te1 = 200 kelvins. F2 : (a) Cálculos para la línea de transmisión El cable coaxial de 75 Ohm y 60 m de longitud a 900 MHz tiene una pérdida de inserción de 16 dB.45)2 x10 6 N i = 1.38x10 −23 (100 + 19993.512 x10 7 x1. De donde De (2.69 = 2. Te1: Ganancia de potencia del amplificador A2.512x10 -2 W = 14 dBm La relación de predetección S i / N i para la Configuración A será entonces .393x10 −5 W = −18.56 dBm y la potencia de la señal. G p2 : Cifra de ruido del amplificador A2. Tp : Ganancia de potencia del amplificador A1.512 x10 −2 TeL = (L − 1)Tp = (39. De (2.28 dB (b) Cálculos para el Amplificador A1 G p1 = 50 dB = 10 5 .32 + + −2 G pL G pL G p1 2.487 = 16. Te2 = (F2 − 1)To = (3. Entonces.94 = 18.778 dB To 290 (c) Cálculos para el Amplificador A2 G p 2 = 40 dB = 10 4 . S i = G p ⋅ S a = 2.45 kelvins F = 1+ Te 19993.

como es el caso en comunicaciones vía satélite y en radioastronomía. La relación de postdetección S o / N o dependerá del tipo de modulación empleado en el sistema. N i 1.46 kelvins F = 1+ Te 200. se coloca un preamplificador de muy bajo ruido (low noise amplifier.282 dB To 290 N i = 2. generalmente parabólica.252 dB más alta que la relación de predetección de la Configuración A.38x10 −23 (100 + 200.69 = 2.81 dB ⎣ N i ⎦ dB Puede observarse que esta relación de predetección es 18. M” para caracterizar el efecto del ruido en un sistema lineal invariante en el tiempo. .512 x10 −2 W La relación de predetección S i / N i para la Configuración B será Si = 120588.512 x10 7 x1.46)2 x10 6 N i = 2.083x10 −7 W S i = 2. se utiliza a menudo la denominada “Medida del Ruido. sobre todo de los países europeos. LNA) directamente acoplado a la antena. Sin embargo. La condición M > 0 implica que G p > 1. para mejorar la relación S i / N i a la entrada del detector. Ni ⎡ Si ⎤ ⎢ ⎥ = 50.561 dB ⎣ N i ⎦ dB (e) Cálculo de la relación de predetección S i / N i para la Configuración B Te = Te1 + TeL Te2 12031.512 x10 −2 = = 1803. La medida del ruido de un sistema se define en la forma M= F−1 1 1− Gp con M > 0 (2.393x10 −5 ⎡ Si ⎤ ⎢ ⎥ = 32. aunque no siempre es práctica la instalación de un preamplificador acoplado directamente a la antena. ♣ Medida del Ruido En la literatura técnica. como veremos en los Capítulos V y VI. Es evidente que la Configuración B es preferible a la Configuración A.51 + = 200 + + 5 5 G p1 G p1G pL 10 10 x2.32 864.179 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si 2. en aplicaciones en que las señales recibidas son de muy bajo nivel.512 x10 −2 Te = 200.3.193) donde F es la cifra de ruido del sistema y G p su correspondiente ganancia de potencia.46 = 1+ = 1. lo que significa que la medida del ruido M no se aplica en redes atenuadoras.

si en (2. (2. en consecuencia....181). en cuyo caso no se necesita la medida del ruido M puesto que F ≈ Fa ... que F12 < F21 ... De (2. Finalmente. después A1).194) Cuando la cantidad de etapas es grande. = G pn = G p . las etapas atenúan y la medida del ruido M no tiene sentido. 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. y ganancias de potencia G p1 y G p2 .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 .194) permite determinar la cifra de ruido total F mucho más rápido que si se utilizara la expresión (2. y F21 la cascada A2-A1 (primero A2.194) con (2.166)..193). es decir. Por ejemplo. de donde F1 − 1 1 − 1 / G p1 < F2 − 1 1 − 1 / G p2 . después A2)..... la medida del ruido es bastante alta y F ≈ M . Sea F12 la cifra de ruido de la cascada A1-A2 (primero A1.. ♣ Ejemplo 2. lo que equivale a decir que M es una medida relativa del ruido generado internamente en el sistema respecto al ruido de entrada al mismo.181)...181) hacemos F1 = F2 =. y que la relación N so / N io se puede cuantificar mediante la expresión (2.193).. se obtiene ( F1 − 1) ⋅ (1 − 1 / G p 2 ) < ( F2 − 1) ⋅ (1 − 1 / G p1 ) .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.... F2 − 1 F1 − 1 F12 = F1 + < F21 = F2 + G p1 G p2 Restando la unidad a cada miembro de la desigualdad y rearreglando. la expresión (2.+ n −1 ⎥ ⎢ Gp G2 G3 Gp ⎥ p p ⎣ ⎦ La secuencia dentro de los corchetes es igual a F = 1+ Fa − 1 1− 1/ Gp = 1+ M 1 1− 1/ Gp ... Se desea saber la relación entre las temperaturas efectivas y ganancias de potencia de los amplificadores A1 y A2.. Si G p < 1... .. = Fn = Fa y F = Fa + Fa Gp − G p1 = G p 2 =... si G p >> 1. es decir. 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. respectivamente. Aún más..+ G n −1 p Fa − 1 G n −1 p Agrupando términos ⎡ 1 1 1 1 ⎤ ⎢1 + F = 1 + (Fa − 1) + + +.. expresión (2. y de la definición de la medida del ruido. si G p es lo suficientemente grande. vemos que M = N so / N io . entonces M ≈ Fa − 1. cifras de ruido F1 y F2 . si comparamos (2.

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

La entrada x(t) y la salida y(t) de un SLIT están relacionadas mediante la ecuación íntegrodiferencial y(t ) = ∫ ∞ −∞ y (τ ) x ( t − τ ) dτ + d dt u(t ) . 2.1. 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. 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. 2.2.182 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS PROBLEMAS DE APLICACION 2. entonces y(t ) = A 1 + 4π 2 [ cos(2 πt ) + 2π sen(2πt )] (f) Si x ( t ) = A exp( − t ) u ( t ) . es un sistema lineal variante en el tiempo. La relación entrada-salida de un SLIT se puede representar mediante la ecuación diferencial x(t ) = (a) d dt y ( t ) + y ( t ) . entonces (d) Si x ( t ) = Au ( t ) .59. Demuestre que el sistema caracterizado mediante la ecuación diferencial y (t ) = t 2 d2 dt 2 x (t ) + t d dt x ( t ) . 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 ) . entonces y( t ) = At exp(− t )u ( t ) (g) Si x ( t ) = n =−∞ ∑ AΛ ( tT−/nT ) . Para este sistema demuestre que: 1 1+ j2 πf b) Si x(t) es una señal periódica como la de la Fig.59 (c) Si x ( t ) = Aδ(t − t o ) . 2.3. | Yn | y φ yn tendrán los valores dados.

60.88 o ) 2. donde δ' ( t ) es un doblete. entonces (c) Si x ( t ) = 4 cos2 ( 2 t ) . (b) Que su respuesta impulsional y salida son.60 x(t) R = 1 Ohm B A h(t) y(t) para τ = 2nTo ± τo . τ) = Λ ( τo ) δ ( t − τ) To Fig.6. entonces y( t ) = [1 − exp[−3( t + 1)]]Π ( ) − [1 − exp[−3( t − 1)]]u ( t − 1) 3 2 3 2 . El cursor oscila a una velocidad constante entre los puntos A y B. 2. demuestre que y ( t ) = exp( − t )u (t ) + δ(t ) y que la respuesta impulsional del SLIT es h( t ) = exp( − t ) u( t ) + 3δ( t ) + δ' ( t ). 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. siendo To el tiempo de ir de A a B. con τo < To y(t ) = x(t ) ⋅ 2.5. 2. 2. Demuestre: (a) Que éste es un sistema lineal variante en el tiempo. Sea el sistema mostrado en la Fig.7. y viceversa. respectivamente h ( t . Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = 3 cos( 2 t ) . La respuesta impulsional de un SLIT es h (t ) = δ(t ) + 2 exp(−3t )u (t ) . La entrada x(t) y la salida y(t) de un SLIT vienen dadas por x ( t ) = exp[− ( t − π )]u ( t − π ). entonces y(t ) = 3 y(t ) = 10 3 +2 41 25 cos(4 t − 14.183 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS Si x ( t ) = exp(−2 t ) u ( t ) .4. La respuesta impulsional de un SLIT es h ( t ) = [ 3 exp( −2 t ) − 1] u ( t ) .47 o ) t 2 t 2 (d) Si x ( t ) = Π ( ) . Demuestre que (a) Su función de transferencia es H ( f ) = (b) Si x ( t ) = exp(t ) u ( − t ) . y(t) ⇔ Y(f) = exp(-j4 π 2 f ) 1 − ( 2 πf ) 2 + j4 πf Demuestre que la respuesta impulsional del SLIT es h( t ) = x( t ) 2.

(d) x ( t ) = 10u (t ). t . Sea el circuito de la Fig. La función de transferencia de un SLIT es H ( f ) = 10⎢1 − ⎥ ⋅ exp( − j4 πf ) .8. (a) Demuestre que esta red produce un término de distorsión de fase.12.4n) . h(t) = -2δ(t + 30) + 4δ(t . ).9. h(t) = 10Π( y ( t ) = 50(20t − t 2 )Π( y ( t ) = 400Λ ( t−4 4 ) t-3 4 2.10 20 ). 2. ⎣ 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. mediante convolución puramente analítica. Demuestre. (a) x ( t ) = 5Π( t −5 10 ). (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.11. y verifique la respuesta mediante convolución gráfica. t -5 10 ). Suponga que la corriente i(0-) = 0. 2. En la Fig. respectivamente. Demuestre que en una red de transmisión sin distorsión el retardo de fase y el retardo de envolvente son iguales cuando β(0) = 0. (b) Demuestre que el retardo de fase y el retardo de grupo son. ∞ 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 .184 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS ⎡ 1 ⎤ 2.50) . 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. (c) x ( t ) = 10u ( t ). . Demuestre que la corriente es exp( − i (t ) = R t ) − exp(− t ) L u ( t ) .61 y v( t ) = exp( − t ) u ( t ) . la salida y(t) para los x(t) y h(t) dados.61 2.t)Π( ). 2.10.13. y( t ) = −10Π ( t + 25 t − 55 ) + 20Π ( ) 10 10 (b) x ( t ) = 10Λ (t ).62 se muestra las características de amplitud y fase de una red dada. ¿ Qué sucede cuando β( 0) ≠ 0 ? 2.

En la Fig.15. 2. 63.62 (c) Grafique t p (f ) y explique el comportamiento de la red cuando la frecuencia varía desde f = 0 hasta f → ∞.14. y especifique el tipo de distorsión producido. Determine la salida y(t) del filtro para cada una de las señales siguientes. se aplica a un filtro cuyas La señal x (t ) = 10sinc (10t ) + 10sinc 2 (5t ) cos(30πt ) características de amplitud y fase se muestran en la Fig.64 se muestra las características de amplitud y fase de un filtro dado. 2. β( f ) 4 -10 f -20 -10 0 10 Hz 20 0 |H(f)| 2 π/2 10 f Hz −π / 2 (b) (a) Fig.185 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS t p (f ) = 1 60 + 1 6f . 2. 2.64 (a) x ( t ) = 4sinc ( 2 x105 t ) ⋅ cos( 2πx106 t ) (b) x ( t ) = 4sinc (2 x106 t ) ⋅ cos(2πx107 t ) . β( f ) |H(f)| 2 -10 f -1 0 1 π/2 10 MHz f (a) MHz −π / 2 (b) Fig. 2. t g (f ) = 1 60 β( f ) π/3 10 -10 f 0 f |H(f)| ho −π / 3 (b) 0 (a) Fig.63 Demuestre que la salida del filtro es y (t ) = 40sinc[10(t − 1 )] + 20sinc 2 (5t ) sen(30πt ) 40 ¿Qué tipos de distorsión hay presentes en la salida? 2. 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 .65 . (c) Sea x( t ) = 2 x10 3 sinc ( 2 x10 3 t ).65 es un sistema muy utilizado en instrumentos de medición. a 1 = 11. a 1 = 10. (a) Sea x ( t ) = cos(10πt ) + cos(100πt ). a 3 = 4 Determine los términos de distorsión armónica y los de intermodulación. 2. a 2 = −10 −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. 2.186 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS (c) x( t ) = 16sinc (8x105 t ) ⋅ cos( 28πx106 t ) + 2sinc (106 t ) ⋅ cos(107 πt ) 2. ¿ Qué tipo de filtro es? (d) Determine y grafique el retardo de envolvente cuando b 1 = 0 y a o = 1.18. a 3 = 10 −3 Calcule el porcentaje de distorsión de tercera armónica. Demuestre que la potencia promedio de la salida deseada es < y 2 (t ) >= 400 W (b) Sea x ( t ) = 10 cos(100πt ). La red mostrada en la Fig. 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. características de amplitud y fase de H(f).17. ¿ Cómo es el comportamiento de esta red para frecuencias de entrada superiores a 1 kHz? 2. a 1 = 2. (a) Demuestre que cuando R 1C 1 = R 2 C 2 la red se comporta como una red sin distorsión con retardo cero. 2. a 2 = 6.16. a 2 = 10 −2 . (b) Si R 1 = 2 R 2 = 1000 Ohm y grafique las C 1 = C 2 = 10 µF. ¿ Qué tipo de filtro es? (c) Grafique | H ( f )| y β (f) para b 1 = 0. a 3 = 0 Determine Y(f) y dibuje su espectro |Y(f)|.

(b) Determine los anchos de banda de 3 dB. (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 2.67. Sea los filtros reales mostrados en la Fig. . 1 8f c Sea un filtro cuya función de transferencia es H (f ) = h o sinc(τf ) exp(− j2πt o f ) . Determine y dibuje. y observe y compare sus correspondientes anchos de banda. τ τ 2. determine el retardo de envolvente y el ancho de banda de acuerdo con la definición dada en la expresión (2. determine su frecuencia máxima. (c) Determine las ecuaciones diferenciales o íntegrodiferenciales que los caracterizan. en cada caso. 2. demuestre que su salida es y (t ) = Ah o Λ ( ). |H(f)| ho 2B f Fig. 2. ¿Es x 2 ( t ) también de banda limitada? Si lo es.187 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.21. 2. (d) Para los filtros (a) y (b). Este filtro se utiliza para eliminar frecuencias indeseables. Si se le t − to t aplica la señal x (t ) = AΠ ( ) .19. En general. L R C C R C R R L C (a) (b) Fig.22. En la Fig.79). el espectro del cuadrado de las siguientes señales.20.66 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. 2.66 se muestra las características ideales de un filtro conocido con el nombre de “filtro de ranura (notch filter)”. ¿Qué puede decirse del espectro de x n ( t ) ? (Utilice el teorema de la convolución). (c) (d) (a) Determine y grafique las correspondientes características de amplitud y fase.67. Sea una señal x(t) de banda limitada f m .

2. Si la entrada es x(t). 2. (g) Salida de la combinación H 1 (f ). que ∫ ∞ −∞ x (t ) ⋅ x(t ) dt = 0. 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 ) . Se tiene una señal x(t) diente de sierra creciente cuyo período es de 1 ms. R C y(t) t )u (t ) RC (RC) t −T/ 2 ) . (d) Salida de la combinación H 1 (f ) y H 2 (f ) en cascada. (b) Demuestre que si R = 1 MΩ y C =1 pF. entonces T T x(t) = At t A ln − πT T − t π (d) Determine la envolvente compleja de x(t) y sus componentes ortogonales x c (t ) y x s (t ) para la parte (b). 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. (c) Demuestre que su respuesta impulsional es h(t ) = t x(t) R C Fig. es decir. dada en la Sección 2.188 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. x s (t )] son ortogonales. 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( ). (b) Salida de H 2 (f ) solamente. (a) Determine sus características de amplitud y de fase. para las partes (a) y (b). (c) Salida de H 3 (f ) solamente. Todos los filtros tienen ganancia unitaria. dibuje la señal de salida y(t) en los siguientes casos: (a) Salida de H 1 (f ) solamente. (f) Salida de la combinación H 2 (f ) y H 3 (f ) en cascada. (e) Demuestre. entonces. ∫ ∞ -∞ x c (t ) ⋅ x s (t ) dt = 0 . H 2 (f ) pasabajo de ancho de banda de 1500 Hz. y H 3 (f ) pasaalto de frecuencia de corte de 500 Hz. Transformada de Hilbert.68.23. Se dispone también de tres filtros ideales: H 1 (f ) pasabajo de ancho de banda de 500 Hz. su ancho de banda de 3 dB es de 102.5).68.431 kHz.25. 2.24. con un valor máximo de 15 V y mínimo de 5 V. Demuestre que (a) Si x(t ) = 2 Af m sinc(2 f m t ). (e) Salida de la combinación H 1 (f ) y H 3 (f ) en cascada. Sea el circuito mostrado en la Fig. H 2 (f ) y H 3 (f ) en cascada. x(t)] y [ x c (t ). (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. que las duplas [ x(t ).

2. R C Fig. (b) x(t ) = m1 (t ) cos(2πf c t ) + m 2 (t ) sen(2πf c t ) ˆ ˆ ˆ 2.29.26. generalmente f c >> f m . R (0) = 0 z x x x ˆ donde R x (τ) es la Transformada de Hilbert de R x (τ) . 2. R x (τ) =< x(t)x(t + τ). Nótese que este detector tiene la misma forma que la rama superior de la Fig.189 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. f c >> B y B ≥ f m . entonces debe verificarse siempre que f c ≥ B ≥ f m . para B→∞ v ef = kT C Obsérvese que el voltaje eficaz de ruido resulta ser independiente de la resistencia R. para no perder la información contenida en la señal mensaje m(t). Sea m1 (t ) = ABsinc 2 (Bt ) y m 2 (t ) = 2 ABsinc(2 Bt ). . Si R x (τ) =< x(t)x(t + τ) >. demuestre que ˆ R x (τ) = R x (τ).40. entonces. La razón es que. 2. 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.27. El filtro es ideal y de ganancia unitaria.28. (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 ). Sea entonces m(t) una señal mensaje pasabajo portadora de información. dibuje el espectro de las señales 2 (a) x( t ) = m1 ( t ) cos(2 πf c t ) − m1 (t ) sen(2πf c t ) . En la práctica. Considere la combinación RC mostrada en la Fig. Si f c = 5B . 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.69 Z(f) Demuestre que el voltaje eficaz de ruido térmico en sus terminales es.69. 2. mientras que el voltaje eficaz por unidad de ancho de banda es proporcional a R. ˆ ˆ ˆ R xx (τ) =< x(t)x(t + τ) > y ˆ ˆ z(t)=x(t) +jx(t) . 2. R xx (τ) = R x (τ) = − R xx (τ) ˆ ˆ ˆ ˆ ˆ R (τ) = 2[R (τ) + jR (τ)]. el ancho de banda equivalente sobre el cual aparece el ruido en los terminales es inversamente proporcional a R y los dos efectos se cancelan. 34(a). Sea el “detector sincrónico o coherente” mostrado en el Problema de Aplicación 1. R xx (τ) =< x(t)x(t + τ) .

donde fc > B. de 1000 Ohm cada una. Determinar el voltaje eficaz de ruido cuando (a) las resistencias están en serie y (b) cuando están en paralelo.34. [Respuesta: BN = ] B 2 2 f π B (b) H(f)=h o exp(− 2 ). [Respuesta: B N = ] B 2 2 f B (c) H(f)=h o sin c( ).70 a cuya entrada se conecta una resistencia ruidosa R. 2. Demuestre que el valor eficaz de la corriente de ruido en un circuido RL serie es i ef = kT / L 2. Determine el ancho de banda equivalente BN del ruido de las redes cuyas funciones de transferencia son: |f | B ).33.190 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. [Respuesta: v oef = h o 4 kTRB ] R Red sin Ruido H(f) voef Fig. ancho de banda 2B y centrado en la frecuencia fc . 2. Demuestre que la densidad espectral de potencia de la tensión de ruido en un circuito RL paralelo es S n (f ) = 2 kTR . Dos resistencias. Sea la red sin ruido de la Fig. respectivamente. están a una temperatura de 300 y 400 kelvins. [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. Determine el valor eficaz del voltaje de ruido en los terminales de salida cuando H(f) representa: (a) Un filtro pasabajo ideal de ganancia ho y ancho de banda B.30. 2.70 (b) Un filtro pasabanda ideal de ganancia ho . 2.31.32. [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 ] . El ancho de banda en ambos casos es de 100 kHz.

fc >> B [Respuesta: BN = B ] Un amplificador de alta ganancia tiene una cifra de ruido de 9. 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.71 se muestra la etapa de entrada (amplificador de RF) de un receptor.031 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. Sea el sistema de la Fig.37. 2. La cifra de ruido del amplificador es de 10 dB y ganancia de potencia de 80 dB. y que la potencia disponible de ruido a su salida es N i = −16. . 2.71 Ts = To = 290 kelvins Demuestre que la temperatura neta Ti de entrada al amplificador es de 2900 kelvins. (b) Que la contribución del ruido a la salida debida al ruido propio del amplificador es de 7.191 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS | f + fc | |f − fc | ⎤ ⎡ (e) H (f ) = h o ⎢ exp(− ) + exp(− ) B B ⎥ ⎦ ⎣ 2. de ancho de banda de 20 kHz y centrado en fc = 1 MHz. 2.36. 4 2. 2.35. (c) Que la relación de predetección S i / N i es de 22. Repetir cuando T Ts = o . Ts = 10To y Ts = 100To . En la 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. Demuestre: Ss / N s Amplificador Si / N i de RF F = 10.72 (a) Que la relación S s / N s a la entrada del amplificador es de 23.72. una ganancia de potencia de 50 dB y un ancho de banda equivalente del ruido de 10 kHz.585 dB.204x10-15 W. 2. G p = 10 dB Detector Al Fig.35 dB.

(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.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. Repita la parte (b) si F1 = 13. Si = 12 . La temperatura efectiva de la antena es de 100 kelvins. demuestre que .4x10 −14 W .73. El ancho de banda es de 6 MHz. En antena.73 (b) Demuestre que para la configuración (b) . 2. Sean los dos sistemas representados en la Fig.315 dBm. 10 Si = 6.75. ¿Qué se puede decir al respecto? 2. La línea de transmisión tiene un factor de atenuación L = 2 dB y una temperatura física de 310 kelvins.2 dB . Sea una cadena de tres amplificadores cuyas características se muestran en la Fig. [Respuesta: Ni = 8. la potencia de señal es de W y la potencia de ruido de 2. Demuestre: (a) Que la potencia de ruido Ni a la entrada del detector es de -60. 2.40. Ni −12 G p = 80 dB Si / N i F = 10 dB Al Detector Amplificador Preamplificador G p1 = 13 dB Amplificador G p2 = 80 dB Si / N i F1 = 3.01 dB F2 = 10 dB Al Detector (a) Conexión sin Preamplificador (b) Conexión con Preamplificador Fig.5 G p2 = 40 dB N i Al F2 = 2 Detector B = 2 MHz Fig. 2.192 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2.01 dB . 2.38. 2. y que la cifra de ruido total Ni de los dos amplificadores se ha reducido a F12 = 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. Demuestre también que la temperatura total efectiva de ruido es ahora 420.74.39. 2.75 (a) Suponiendo que el ruido individual de los amplificadores es despreciable frente al ruido de entrada.5 kelvins. Sea el sistema de recepción de la Fig.305 dB .45 . (a) Demuestre que para la configuración (a). Compare estos resultados con los ya obtenidos.

2.979 dBm y N 3 = −23. En términos de potencia (normalizadas respecto a R = 1 Ohm). se puede escribir entonces v 2 = v 2 exp(−2α x) .193 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS N 1 = −83. = 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. 2. referida a la entrada del sistema línea-receptor es Te. ¿Por qué no puede determinarse la temperatura efectiva de ruido. definición del factor de atenuación L.76 (a) Demuestre que la temperatura efectiva de ruido. donde α es la constante de atenuación y x la longitud de la línea.172 dBm. Gp1 = 7 dB Te1 = 200 kelvins Gp2 = 20 dB Te2 = 300 kelvins Gp3 = 40 dB Te3 = 400 kelvins Carga Acoplada El ancho de banda es el mismo en las tres etapas Fig. entonces se verifica que v oef = v ief exp(−α x) . Un cierto receptor tiene una temperatura efectiva de ruido Te1 . determinando las cifras de ruido Se le sugiere al lector repetir este problema intercambiando las diferentes etapas a fin de conseguir una configuración óptima. demuestre que N1 = −83. 2. y de acuerdo con la oef ief ief oef L = exp(2α x) .899. Sea el sistema de tres etapas mostrado en la Fig.41. expresión (2. Etapa 1 Etapa 2 Etapa 3 Te1 = 300 kelvins .76.183). referida a la entrada del sistema de tres etapas.42. la nueva temperatura de ruido a la entrada del sistema línea-receptor es Te' = Te1 exp(2αx) + [exp(2αx) − 1]TpL . N 2 = −30. Suponga que una línea de transmisión de pérdidas L y temperatura física TpL se agrega a la entrada del receptor. N 2 = −30. En este caso. Definiendo v 2 = Pdi y v 2 = Pdo . demuestre que la cifra de ruido total del sistema es F = 1. aquella con la mínima cifra de ruido total. (c) Verifique la cifra de ruido total calculada en (b) individuales y combinando sus efectos.113 dBm y N 3 = −23.99 dBm .99 dBm. se tiene que vemos que el valor de L aumenta al aumentar la longitud de la línea.123 dBm. es decir. es Te = 260. Demuestre que la nueva temperatura de ruido. referida al amplificador compuesto? 2. (c) Si las temperaturas efectivas de los amplificadores son Te 2 = 400 kelvins y Te3 = 500 kelvins .66 kelvins (b) Usando el resultado de la parte (a).

623x107 = 75. 2. La cifra de ruido total es F = 1. TeL = (L − 1)TpL L A1 S1. TpL S e . Sr = 10-8 W G pL = 1 .69 3. 1. referida a la entrada de la línea de transmisión.77. Te1 = 150 kelvins. To = 290 kelvins. Verifique este resultado para valores arbitrarios de la atenuación L. y TPL la temperatura física de la línea de transmisión que interconecta la antena con el receptor. Datos: L = 2 dB = 1.591 dB Ni . demuestre que por cada incremento de 0. Gp1 = 40 dB = 104 .004 kelvins Si = 3.585. (a) Demuestre que el incremento ∆Te en la temperatura efectiva Te .194 II REPRESENTACION ESPECTRO-TEMPORAL DE SISTEMAS 2. N1 Ruido Blanco A2 Gp2 Te2 Si/Ni Al Detector Nn Sa. Ta = 100 kelvins Ga = 50 dB = 105. TeL Antena Línea de Transmisión B Preamplificador Señal Util Amplificador B Fig.1 dB en la atenuación L de la línea de transmisión.44. (a) Demuestre que la temperatura efectiva de ruido Te referida a la entrada de la línea de transmisión es Te = 407.448 kelvins (b) Demuestre que la temperatura efectiva de ruido Te. La relación Si/Ni de predetección es Tn = 100 kelvins. TpL = To. la temperatura efectiva de ruido del sistema aumenta aproximadamente en 10 kelvins. a la entrada del primer amplificador es Te’ = 150. Gp2 = 20 dB = 100. B = 105 Hz.43. Na L. y el incremento ∆L de la atenuación L de la línea de transmisión. La temperatura equivalente total del sistema es Te = 200.03 kelvins (c) Suponga que la temperatura de ruido de entrada a la antena es Demuestre que 2. 2. Te2 = 300 kelvins. Sea Te1 la temperatura efectiva de ruido de un receptor. están relacionados mediante la ecuación ∆Te = Te1 + TPL ∆L (d) Si Te1 = 150 kelvins y TPL = 290 kelvins .Ta T'e Te1 S r Te GpL. 2. Ne Gp1 Ga.77. Sea el sistema de comunicaciones de la Fig.

2. depende de la combinación de muchos factores completamente impredecibles. En consecuencia. el ruido. es posible predecir en cierta manera el comportamiento promedio de un número grande de experimentos. la probabilidad de que el suceso A ocurra. cuando lanzamos una moneda podemos decir que las probabilidades de que caiga cara o sello son “igualmente posibles” o “igualmente probables”. De la Teoría de la Probabilidad y de las Variables y Procesos Aleatorios hay una inmensa bibliografía que el lector interesado puede consultar. El resultado de un experimento cualquiera. cuyo comportamiento se puede predecir a partir de algunas de sus propiedades probabilísticas o estadísticas. en cada canal de comunicación siempre habrá señales de ruido que contaminan las señales mensaje portadoras de información. Sin embargo. En la Teoría de la Comunicación las señales y procesos aleatorios desempeñan un papel muy importante. Definición Empírica de la Probabilidad En un experimento repetido N veces. cuyos valores son conocidos en todo instante ya sea en forma gráfica ya sea en forma analítica. en efecto. 3.CAPITULO III VARIABLES Y PROCESOS ALEATORIOS 3. NOCIONES DE LA PROBABILIDAD 3. En este Capítulo se presentarán las ideas y conceptos básicos y esenciales de las variables y procesos aleatorios que complementarán el enfoque determinístico que hemos empleado hasta ahora. por cuanto ellas varían en forma muy compleja. tanto periódicas como no periódicas. la idea de “suerte” está ligada con la de “probabilidad” o “posibilidad”. por ejemplo. En la Teoría Estadística de la Comunicación tanto las señales mensaje como el ruido se tratan como variables aleatorias.1. si el suceso A ocurre m veces. Estos tipos de señal se denominan señales determinísticas. no se profundizará demasiado en consideraciones teóricas avanzadas. Por ejemplo. cuando lanzamos un dado o una moneda. por ejemplo. pero sí se mostrarán aquellos aspectos de aplicación inmediata en el análisis y diseño de sistemas de comunicación prácticos. acerca de las cuales sólo conocemos algunos parámetros. éstas son las señales aleatorias. se define en la forma P (A ) = lim m N N →∞ (3. Como es normal en un texto introductorio de comunicaciones. Pero también hay otras clases de señales como.1.1) . INTRODUCCION En el presente texto se estudian varios tipos de señal. 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. entonces P(A). 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.2.

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

La única restricción que se impone sobre la función de probabilidad es que obedezca los siguientes postulados o axiomas: AXIOMA I: P (A ) ≥ 0 (3.2...10) AXIOMA II: P (S) = 1 donde S es el suceso cierto formado por todos los sucesos disjuntos y exhaustivos.15a) (3... Esta es la probabilidad condicional.14) O también.. .. P (B| A ) = P ( B) P (A ) P ( A | B) P ( A | B) = P (B| A ) si P(B) ≠ 0 (3.... Por definición.8) (3.... . donde AB ≠ 0 es la intersección de los sucesos A y B. 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) ≠ 0.14). son disjuntos. 3. donde P(AB) es la probabilidad conjunta de los sucesos A y B.15b) si P(A) ≠ 0 .2. si P(A) ≠ 0. A 2 . (3. .. la probabilidad de un suceso A depende de si el suceso B ha o no ocurrido.197 III. es decir.13) y (3. Independencia Probabilidad Conjunta Si en un experimento hay dos conjuntos de sucesos o resultados. y si NAB es el número de veces que A y B ocurren simultáneamente.9) (3. entonces la probabilidad del suceso AB se define en la forma P (AB) = lim N AB N N →∞ (3.10) 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.. entonces la probabilidad de observar un resultado particular A de un conjunto y un resultado B de otro conjunto..11) si A 1 ...+ P ( A n ) +. ) = P ( A 1 ) + P ( A 2 ) +. Probabilidad Conjunta.13) (3. la “probabilidad del suceso A (3. Probabilidad Condicional.. A n . Si un experimento se repite N veces...+ A n +... VARIABLES Y PROCESOS ALEATORIOS La probabilidad P(A) de un suceso A es un número que se asigna a dicho suceso... AXIOMA III: P (A + B) = P ( A ) + P ( B) La extensión para un número infinito de sucesos no se sigue de (3. Combinando (3. se denomina la “probabilidad conjunta del suceso AB”.

si A y B son independientes.27 12 11 7 6 (c) P{sacar primero de 50.) = P(A) P(B) P(C) P(D) . (3.15a) y (3.. ♣ Ejemplo 3.. D.. Vamos a determinar las siguientes probabilidades.. por definición...15 12 11 5 7 (b) P{sacar primero de 100.. entonces la probabilidad condicional P(A|B) es simplemente la probabilidad P(A)...32 12 11 Independencia Estadística ♣ El concepto de independencia es básico. son estadísticamente 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....1 Una caja contiene 5 resistencias de 100 Ω y 7 resistencias de 50 Ω. C.. si los sucesos A.18) Nótese que si A y B son independientes y disjuntos.16) Esto quiere decir que si A y B son independientes. B. entonces P ( A | B) = P ( A ) P(AB) = 0 y P(B|A) = P(B) (3.. segunda de 50} = P(B)P(B|B) = = 0. segunda de 100} = P(A)P(A|A) = = 0... para A y B independientes y disjuntos La noción de independencia se puede extender a más de dos sucesos.17) (3. segunda de 50} = P(A)P(B|A) = = 0.15b) son conocidas con el nombre de “Ecuaciones de Bayes” o “Regla de Bayes”. esto es. Definición Se dice que dos sucesos A y B son estadísticamente independientes si y sólo si P (AB) = P ( A )P ( B) (3. En efecto. entonces. la probabilidad de ocurrencia conjunta es P(ABCD. entonces la ocurrencia del suceso A no influencia en absoluto la ocurrencia del suceso B..19) ..198 III. De la caja se extrae una resistencia y después otra sin reponer la primera.. (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.. y viceversa. Si esto es cierto. VARIABLES Y PROCESOS ALEATORIOS Las expresiones (3...

.. .. donde Ai será definida a continuación.. .. de las expresiones (3. 3.22).... VARIABLES Y PROCESOS ALEATORIOS Nótese que si los sucesos son independientes por pares.. ..22) Este es el teorema sobre la probabilidad total. B ⊂ S. ....21) Pero de la probabilidad condicional... i y con independientes....199 III. . es decir.. A n no sean exhaustibles..1. si P(Ai Aj) = P(Ai)P(Aj) para todo j. En efecto. Se tiene un conjunto de n sucesos disjuntos y exhaustivos A 1 . pero sí debe cumplirse que B ⊂ {A 1 + A 2 +.+ P (BA n ) (3. BA n Como estos elementos son todos disjuntos.1. Fig. Entonces.13) y (3. B = BS = B( A 1 + A 2 +.... 3.23) Reemplazando P(B) de (3.24) Este es el llamado “Teorema de Bayes”.. y sea B un suceso cualquiera contenido en S.1 S De donde B = BA 1 + BA 2 +. 3. se tiene P (A i B) = P (A i | B)P (B) = P (B| A i )P (A i ) . P (B) = P ( B| A 1 ) P (A 1 ) + P ( B| A 2 ) P (A 2 ) +...20) (3.13) o (3. A 2 .+ P ( B| A n ) P ( A n ) P ( B) = ∑P(B| A )P(A ) i i i =1 n (3.... de donde P (A i | B) = P (A i ) P (B| A i ) P ( B) P(B | A i )P(A i ) (3. 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 ). expresiones (3..+ A n ) A1 B An A2 A3 Fig..14). Probabilidad Total j ≠ i .. P (BA i ) = P ( B| A i ) P ( A i ) Entonces. de la Fig. no se sigue que los sucesos sean todos Vamos ahora a obtener una expresión conocida con el nombre de “Teorema de la Probabilidad Total”.14).. se obtiene P(A i | B) = ∑ P(B | A )P(A ) j=1 j j n (5. 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). Hay que hacer notar que este teorema es válido aún cuando los n sucesos A 1 ... A n cuya suma es igual al suceso cierto S. A 2 . P (B) = P ( BA 1 ) + P ( BA 2 )+.

3. 3. { } 0 ≤ j ≤ J − 1.26) . M = 2. Para valores pequeños de MJ es conveniente hacer un diagrama de estas probabilidades. las probabilidades antes de la recepción. P (m i . el modelo del canal se puede describir completamente [Wozencraft y Jacobs. 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.200 III. como se muestra en la Fig.25) P (m i | r j ) = P (m i . Este modelo describe un sistema de comunicación como el mostrado en la Fig. VARIABLES Y PROCESOS ALEATORIOS Modelo Probabilístico de un Canal de Comunicaciones Consideremos el modelo probabilístico de un canal discreto de comunicaciones con M posibles mensajes de entrada {m i } . Estas probabilidades son las probabilidades “a priori” de los mensajes. 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 . con 0 ≤ i ≤ M − 1. 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. por ejemplo. J = 3 r2 Canal rj mj {r j } {m j } Receptor (b) Sistema de Comunicación Fig. y J posibles símbolos de salida r j . ocurren los mensajes {m i } . (3. sin embargo. de la expresión (3. r j ) P (r j ) (3. es decir. el filtro acoplado que se verá en el Capítulo V es un receptor óptimo. queremos decir que la probabilidad de una decisión correcta P( ) es máxima. En lo que concierne a este ejemplo. hay que hacer notar que en un sistema de comunicación real generalmente no se conocen las probabilidades de transición.2(b). Cuando decimos “óptimo”. 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.13). a menudo llamadas “probabilidades de transición”. r j ) y cuyas probabilidades son.2(a). r j ) = P (m i )P (r j | m i ) También. 3. Nuestro problema es especificar un receptor que. de acuerdo con el símbolo r j recibido. formule una decisión óptima en relación a qué mensaje m i fue transmitido.

La probabilidad de cada par (m i . En efecto. Del teorema de la probabilidad total. aplicada independientemente a cada símbolo recibido r j . 3. {m( j)} P (m k | r j ) ≥ P ( m i | r j ) para todo i ≠ k (3. una probabilidad condicional.28) Las cantidades positivas P(rj) son independientes de la regla de asignación.201 III. por lo tanto.22). es decir. Si varios mi tienen la misma (máxima) probabilidad “a posteriori”. cada símbolo recibido r j debe ser {} atribuido a una y sólo una de las posibles entradas m i . es justamente la probabilidad de que el mensaje m( j) fue en efecto transmitido. 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”.3 se muestra la distribución de las probabilidades en un sistema típico con M = 2 y J = 3. expresión (3. ro ) (mo . y por lo tanto la regla de decisión es la óptima. de la expresión (3. la probabilidad (m1 . VARIABLES Y PROCESOS ALEATORIOS En la Fig. ro ) (m1 . la elección de la máxima probabilidad “a posteriori”. la suma sobre j es maximizada sólo y solamente si cada uno de los términos P( |rj) es máximo. determina el receptor óptimo. Sea m( j) una entrada dada en el conjunto r j . r1) (m1 . 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 ) (3.27) 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. es decir. para un r j Fig. entonces. r j ) está representada por su correspondiente área. r2 ) “a priori” de que un mensaje m i sea transmitido P (m1 ) P (m o ) es P (m i ) . r1 ) P (ro | m1 ) P (r1 | m1 ) Antes de la transmisión. 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 k el mensaje cuya probabilidad “a posteriori” es la máxima. r2 ) P (r2 | m1 ) P (r2 |mo ) (mo . La suma de todas estas áreas es la unidad M J S P (ro |mo ) P (r1| mo ) (mo . 3. Esta “regla o algoritmo de decisión”. Entonces la probabilidad condicional P( |rj) de una decisión correcta para un r j recibido. No es necesario calcular la probabilidad P(rj) a fin de determinar la transformación óptima y la probabilidad de error resultante. La especificación de un receptor es simplemente la especificación de una transformación desde el conjunto o espacio de salida del canal r j . la probabilidad de que m i fue transmitido es P (m i | r j ) . Después de la transmisión.26).3 dado recibido. la cual es la probabilidad “a posteriori”.29) .

.2 Consideremos un canal binario con dos símbolos de entrada {a.7 = 0.28 + 0. con j = 0.4.1) = P(b) P(1 | b) = 0.0) + P(a.48 P(b. J .31) recibido.2. 1}.3 = 0.1) 0 0 1 (b.24 Los puntos o áreas correspondientes al error se muestran marcados en la Fig.0) = P(a) P(0 | a) = 0.6 x 0.1) Por consiguiente. como se muestra en la Fig. VARIABLES Y PROCESOS ALEATORIOS de donde m( j) = m k si y solamente si P (m k )P (r j | m k ) ≥ P (m i )P (r j | m i ) para todo i ≠ k (3.3 (b.28).12 0 0. a 0.32) donde P (m( j).3 1 0 1 0.2 0.7 0. la probabilidad de error. P(a.31).1) = P(a) P(1 | a) = 0.6 x 0.0) = P(b) P(0 | b) = 0.6 y P(b) = 0. se ha determinado a partir de la expresión (3. 3.4 (b) 0.7.30) Una vez que el conjunto {m( j)}.0.8 S (a.48 0.1) = 0.4 b 0. 1..6 1 Las probabilidades de entrada o probabilidades “a priori” son: P(a) = 0. P(1 | b) = 0.6 0.76 = 0. y de la expresión (3. 2.28 P(b. r j ) representa la probabilidad de que m( j) fue transmitido y r j Finalmente. r ) j j= 0 J −1 (3. (3. 3.0) 0.12 Vemos que P(b.0) > P(a.8 0.8. (3. m(0) = b y m(1) = a .4 x 0.0) (a. P(1 | a) = 0. la probabilidad de una decisión falsa es P( ) = 1 − P ( ) ♣ Ejemplo 3. es decir.4 Las probabilidades de transición del canal son: P(0 | a) = 0.202 III. P( ) = P(b.76 P( ) = 1 .1) 0.3 ♣ .28 0. Entonces..2 = 0. P( )= ∑P(m( j).P( ) = 1 .1) > P(b.4. la probabilidad de una decisión correcta P( ) se puede calcular a partir de las expresiones (3.26). P(0 | b) = 0.48 = 0..0) y P(a.27) y (3. es decir.12 P(a.30). b} y dos símbolos de salida {0. 3.1.4 x 0.12 (a) Fig..8 = 0.

. A menudo es conveniente describir en forma gráfica las probabilidades asignadas en relación con los valores de la VA asignados. uno a cada uno. y cada uno de ellos se puede considerar como un elemento de un conjunto o espacio. entonces. en este caso.35) Nótese que la función de distribución FX(x) depende tanto de la VA X como del valor del argumento.. x 2 . el espacio consiste de seis elementos: las seis caras del dado. y se aplica tanto en procesos discretos como en procesos continuos. x 3 . Por ejemplo. 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. por ejemplo. En este caso la palabra “espacio” se usa como sinónimo de la palabra “conjunto”. El subíndice es esencial para indicar la asociación de las funciones de probabilidad con una VA dada. Variables Aleatorias Discretas Un experimento dado puede tener un cierto número de resultados. x n a estos resultados.. La función FX(x) es simplemente la probabilidad de que un valor observado sea igual o menor que cierta cantidad x. El resultado de un experimento aleatorio es. En general. X es la representación general de los valores observados. Nótese que si en el experimento hay un total de n resultados x i disjuntos y exhaustivos. FUNCIONES DE PROBABILIDAD 3. En otras palabras. y los valores particulares que dicha variable tome se representarán con letras minúsculas).. la “función de distribución acumulativa de una VA X”. Se asigna también una probabilidad a cada valor de la VA X. . una VA es una función en el sentido convencional. se asigna los números reales x 1 .33) Una VA discreta se puede describir entonces mediante la llamada “función de frecuencia” PX (x i ) = P (X = x i ) (3.34) donde x i son los valores que X puede tomar y P (X = x i ) su probabilidad correspondiente. En efecto. En realidad. en el ejemplo del lanzamiento de un dado..3. Esto nos lleva al concepto de “función de distribución de probabilidad de X”. Esto es muy importante. x n (Nota: la variable aleatoria (VA) se representará con letras mayúsculas. VARIABLES ALEATORIAS. se asigna un número real a cada resultado o punto de muestra del experimento.3. Por consiguiente. de acuerdo con la expresión (5. 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. Si hay n resultados. x 2 .. . entonces. similarmente.203 III. En esta notación el subíndice se refiere a la VA X y el argumento es el valor particular de la VA. Por lo tanto.. cada subíndice identifica la función o VA dada. se verifica que ∑P i =1 n X (x i ) =1 (3. se define en la forma FX (x ) = P (X ≤ x ) (3. una “variable aleatoria X”. . cada punto de muestra corresponde a un resultado distinto del experimento. Los elementos individuales o puntos del espacio de las muestras se denominan “puntos de muestra”. la cual puede tomar cualquiera de los n valores discretos x 1 . una VA X asigna valores numéricos (números reales) a cada punto de muestra. mientras que x i representa los valores posibles asignados. VARIABLES Y PROCESOS ALEATORIOS 3. sobre todo cuando se trabaja con varias VA.1. una función f(t) asigna valores a t de acuerdo con una cierta regla.6). PX (x i ) es la probabilidad del resultado o suceso al cual fue asignado el valor x i . . .

15 0.90 1. y en los puntos de discontinuidad se supone continuidad hacia la derecha. vendrá dada entonces por n d pX (x) = FX ( x ) = ∑ PX ( x i )δ( x − x i ) dx i =1 (3. ella tiene las siguientes propiedades.1 0 pX(x) 1.2 0.4 0.50 0.3 0. que en adelante se denominará “densidad de probabilidad”.41) ♣ Ejemplo 3.00 0. 3.3 El experimento es el tiro de un dado.1 0. En la Fig.2 0.3 0. Entre discontinuidades el valor de FX(xi) es constante. la función FX(x) se puede expresar en la forma FX (x) = ∑P i =1 n X (x i ) ⋅ u (x − xi ) (3. La “función de frecuencia” de una VA X discreta . 3.37) (3. FX (−∞) = 0 4.35 0.0 0.38) (3. pero para efectos del presente ejemplo vamos a suponer que las probabilidades PX(xi) asignadas a cada cara xi son diferentes. Cara xi 1 2 3 4 5 6 PX(xi) 0. FX (x 1 ) ≤ FX (x 2 ) 3.2 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.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 .204 III.6 0.39) Para una VA X discreta con probabilidades PX (x i ) .80 0. 0 ≤ FX (x ) ≤ 1 2.2 0. FX (+∞) = 1 si x 1 < x 2 (3.5 ♣ .1 FX(xi) 0. es una función en escalera donde la altura de cada escalón es PX (xi).36) (3. VARIABLES Y PROCESOS ALEATORIOS Como FX(x) está basada directamente en el concepto de probabilidad.15 0. que daremos sin demostrarlas: 1.8 0.5 se dan los datos del experimento y se grafican las funciones de probabilidad pX(x) y FX(x).

Como se está igualando una área con probabilidad. como puede observarse en la Fig. Integrando (3. 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.6. y. Pero hay muchos casos. En este caso. lo cual estaría en contradicción con la condición (3. como se muestra en la Fig. x2). por lo tanto. la suma de todas las probabilidades sería infinita. 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. de la función de frecuencia P(X = xi) del caso discreto. se tiene FX ( x ) = x ∫ −∞ p X ( x ' )dx ' = P( X ≤ x ) (3. la probabilidad de que la VA X tome un cierto valor es cero. será una variable aleatoria continua. lo cual no tiene significado. pero es más conveniente definir una función cuya “área” sea la probabilidad de ocurrencia dentro de una gama dada.6. 3. Sin embargo. sobre todo en el mundo físico. .44) La probabilidad de observar X en cualquier intervalo (x1 . 3.205 III. 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. definida en este espacio. el problema de asignación de probabilidades a la correspondiente VA se hace más complicado. p X ( x )” de una VA X se define en la forma p X (x) = d dx FX ( x ) (3. Por ejemplo. el concepto de función de distribución es aún válido.42) La probabilidad de observar la VA X en el intervalo (x. De otra manera.42). si se asignara una probabilidad a un punto dado. x + dx ) es igual a p X ( x )∆x cuando ∆x → 0. la probabilidad de observar una temperatura dada es cero. Como ya lo hemos observado. La “función de densidad de probabilidad. VARIABLES Y PROCESOS ALEATORIOS 3. y es el equivalente.2. expresión (3. en el caso continuo. T2). x2) viene dada por el x2 x1 Fig. Una VA continua puede tomar valores en el intervalo continuo (-x1 . en el caso de un espacio de muestras continuo. la función en cuestión se denomina “función de densidad de probabilidad”. Densidad de Probabilidad 0 x x área bajo dicho intervalo. esta temperatura puede tomar cualquier valor dentro de la gama de infinitas temperaturas comprendidas dentro de un intervalo (T1 .6. En el caso más general. Un espacio de muestras continuo contiene infinitos puntos (no contables) y es evidente que la probabilidad de observar un punto dado es cero. entonces la respectiva VA. 3.6). Esta probabilidad es simplemente el área encerrada por la curva p X ( x ) en el respectivo intervalo. sea T la temperatura de una sala.∞ a + ∞. Si el espacio de las muestras es continuo.3. es evidente que la gama de valores puede extenderse desde .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 (3.34).

En la Fig. 1 FX ( x ) x 1/4 p X ( x) x 0 2 4 6 0 2 4 6 (a) Función de Distribución Fig. d dx 1 4 1 4 x−4 4 1 4 [ r (x − 2) − r (x − 6)] . Nótese también que para que una función de x se pueda considerar como una densidad de probabilidad.46) Nótese que el hecho de que la probabilidad de observar X a cierto valor x es cero. ella debe cumplir con la condición (3. 3. Por ejemplo. +∞). ♣ Ejemplo 3. 3. 3.206 III. como se La correspondiente función de densidad es. entonces.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. la densidad de probabilidad deberá ser siempre positiva. .4 Sea una VA X cuya función de distribución es F X ( x ) = muestra en la Fig. de la Fig. de (3. (b) Densidad de Probabilidad Por ejemplo.33) en el caso discreto.7 se muestra FX (x ) y p X ( x ) .7. en este caso se dice que la VA X está distribuida uniformemente en ese intervalo. Como la probabilidad es una magnitud positiva (AXIOMA I). Esta situación la podemos considerar en el siguiente ejemplo.41) y (1.7(b). que pX (x) es continua pero contiene impulsos. P(3 < X ≤ 5) = 1 2 ♣ Se tiene también la situación donde la función de probabilidad es mixta.45) representa la probabilidad de observar X en el intervalo (-∞. es decir. VARIABLES Y PROCESOS ALEATORIOS ∞ Puesto que FX(+∞) = 1. ∫ −∞ p X ( x )dx = 1 (3. es evidente por el hecho de que la integral (3. la probabilidad de que la temperatura T de la sala tome un cierto valor T0 es cero. 3.7(a). pero eso no significa que la temperatura de la sala nunca podrá ser T0 . no necesariamente significa que la VA X no tomará jamás ese valor particular. 6). equivalente a la (3. lo cual es una certitud. podemos ver que P (X ≤ 3) = 1 4 . 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 (3.45).45) Esta expresión.

Si esta señal se pasa por un limitador que recorta el voltaje en cierto valor +A. la nueva densidad de probabilidad aparecerá en la forma mostrada en la Fig. y si B = A.207 III.5.3. Consideremos el caso de una VA X cuya densidad de probabilidad se muestra en la Fig.8(b). 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. 3. en la Fig. y en la Fig. el área de los impulsos es la misma. 3. entonces p X (A) = p X (− A) y FX (A) = 1 − FX (−A) .8(c) la probabilidad de observar los voltajes de amplitud –B y A es k1 y k2. 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. 3. ♣ . y en el intervalo − B < x < A) como en la Fig.8(c). ∞ ) como en la Fig.8(b) la probabilidad de observar el voltaje de amplitud A es k. respectivamente.8(a). 3. Sin embargo.8(b).8(a). 3. 3. de donde FX (−A) = 1 − FX (A) Entonces el impulso en − B = − A tendrá un área k1 = FX (− A) = 1 − FX (A) = k 2 Por consiguiente. 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.8(c) es para el caso cuando el limitador recorta el voltaje dentro de los valores –B y +A. 3. VARIABLES Y PROCESOS ALEATORIOS Ejemplo 3. 3.8 x -B 0 A (c) x La Fig. Tal es el caso para los intervalos (−∞.

y) ≥ 0 para todo x e y.. y)dxdy = 1 (3. y) = p X ( x ) ⋅ p Y ( y ) (3.47) La correspondiente ”función de densidad de probabilidad conjunta. Y ≤ y) = ∫∫ y x -∞ -∞ p XY ( x ' . Debe cumplirse también que p XY (x . . las densidades de probabilidad individuales pX(x) y pY(y). y) (3. p X1X 2 . x n ) = p X1 (x 1 ) ⋅ p X 2 (x 2 ). . . Cuando se trabaja con probabilidades conjuntas de dos VA X e Y. x 2 .. y). p XY (x .52b) y en general. x 2 ..X n ( x 1 .... consideremos el experimento aleatorio del tiro al blanco.. Podemos asociar entonces dos VA continuas en este espacio y hacer que la VA X sea la coordenada x. cada punto de muestra se puede describir mediante una dupla de números. y) = Kexp[-(x + y)] ⋅ u(x) ⋅ u(y) Primero vamos a determinar el valor de K para que pXY(x. y) sea verdaderamente una función de densidad de probabilidad conjunta. En efecto. La posición de cada disparo es un punto aleatorio que se puede describir mediante dos números en un sistema de coordenadas apropiado.50) y si las VA X e Y son independientes.. Distribuciones Conjuntas Un experimento aleatorio puede tener dos resultados.. y)dy y p Y (y) = ∫ ∞ −∞ p XY ( x . llamadas “densidades marginales”. y' )dx' dy' (3.208 III. De (3. .51) (3. . FXY(x.3... Los puntos de muestra de tal experimento tienen dos atributos o grados de libertad. Por ejemplo.. +∞) y de observar Y en el mismo intervalo. 1965] que las densidades marginales son p X (x) = ∫ ∞ −∞ p XY ( x . y) = FX (x ) ⋅ FY ( y ) y p XY ( x . La “función de distribución conjunta de dos VA X e Y.3.. evidentemente es una certitud. Por lo tanto. se pueden obtener a partir de pXY(x.. p X n ( x n ) FX1X2 .. y). FXn ( x n ) ♣ Ejemplo 3. se demuestra [Papoulis. o sea que ∫ ∫ ∞ ∞ −∞ −∞ p XY ( x .52a) (3... entonces FXY ( x .. VARIABLES Y PROCESOS ALEATORIOS 3. x n ) = FX1 ( x 1 ) ⋅ FX2 ( x 2 ). Cada punto de muestra se describirá entonces mediante la dupla (x.49) El volumen total dentro de la curva de la densidad de probabilidad conjunta pXY(x. y)dx (3.. y) = ∂2 ∂x∂y FXY ( x . y) ”. para n VA independientes.49)...6 Vamos a definir la función de densidad conjunta de dos VA X e Y en la forma p XY (x . y) = P(X ≤ x. y que la VA Y sea la coordenada y de cada disparo..48) El suceso de observar X en el intervalo (-∞. y)” se define en la forma F XY ( x . es p XY ( x ..Xn ( x 1 .. y) debe ser siempre la unidad.

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

57b) ♣ Ejemplo 3. p X|Y ( x| Y = y ) ⋅ p Y (y ) = p Y|X ( y| X = x ) ⋅p X ( x ) o también p X | Y ( x | Y = y) pX (x) = p Y|X ( y | X = x ) p Y ( y) (3.56) y en forma similar. De (3. p Y|X ( y| X = x ) = Combinando (3. 0 ≤ y ≤ 1 Efectuando la integración obtenemos ⎧ xy ⎪ (x + y ) para 0 ≤ x ≤ 1. 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 .47). 1 ≤ y ⎪ para x < 0.56) obtenemos la Regla de Bayes para señales aleatorias continuas. y) = ∫ 0 ∫ x 0 ( x ' + y' )dx ' dy' para 0 ≤ x ≤ 1. y < 0 ⎪0 ⎩ FXY ( x . y ) p Y (y) (3. y ) = ( x + y ) ⋅ Π( x − ) ⋅ Π(y − ) 2 2 Vamos a determinar todas las funciones de distribución y densidades de probabilidad asociadas. y ) = ⎨1 para 1 ≤ x.57a) (3. 0 ≤ y ≤ 1 ⎪2 FXY ( x . y ) = xy 1 1 ( x + y ) ⋅ Π( x − ) ⋅ Π( y − ) + u ( x − 1) ⋅ u (y − 1) 2 2 2 De (3.55) y (3. y ) se puede escribir en una forma más compacta: FXY ( x . y ) = y ∫ ∫ y x −∞ −∞ (x '+ y ' ) Π(x '−1 / 2 ) Π(y '−1 / 2 ) dx ' dy ' FXY ( x . y ) p X (x ) (3.7 La densidad de probabilidad conjunta de dos VA X e Y viene dada por 1 1 p XY (x .55) p XY ( x .210 III.50). F XY ( x . VARIABLES Y PROCESOS ALEATORIOS p X|Y ( x| Y = y ) = p XY ( x .

vamos a examinar algunas de estas funciones especiales y daremos. Por considerarlo de importancia.4. 3.9 se muestran las formas típicas centradas de pX(x) y FX(x). En la Fig.4. 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.1.211 III. p X (x) = ⎡ (x − x ) 2 ⎤ x − xo ⎤ 1⎡ o exp⎢ − ⎥ . 1 1 p Y ( y ) = ( y + ) ⋅ Π( y − ) 2 2 p XY (x. De (3. p X|Y (x | Y = y) = De (3. FX ( x ) = ⎢1 + erf ( )⎥ 2 2⎣ σ 2π 2σ 2σ ⎦ ⎣ ⎦ 1 (3. VARIABLES Y PROCESOS ALEATORIOS y de la misma manera.4. algunos de sus parámetros. 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) = 3.59) −∞ 2 2 2σ σ 2π 2σ ∫ donde σ es la desviación de la VA X.55). FX ( x ) = ) exp(− 2 )dx ' = + erf ( (3. Distribución Normal o Gaussiana Se dice que una VA X está distribuida normalmente o en forma gaussiana. 1968]. en este caso. En este caso σ se conoce con el nombre de “desviación normal”. es decir. La función erf(x) se define en el Apéndice D.56). si su función de densidad de probabilidad es la curva de Gauss [Korn y Korn. En las distribuciones no centradas pX(x) y FX(x) están desplazadas a lo largo del eje x en una cantidad xo. mientras que σ2 en la “varianza” o valor eficaz de la VA X.58) p X (x) = exp( − 2 ) σ 2π 2σ x 1 1 x x '2 1 También.60) . 3. sin demostrarlos. 1 x2 (3.

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

4. A⎫ 1 ⎧ Pe = P ⎨X < ⎬ = 2⎭ π 2η B ⎩ ∫ A/2 −∞ ⎡ ( x − A) 2 ⎤ exp ⎢− ⎥dx 2η B ⎦ ⎣ (3. ♣ Ejemplo 3..2. con xo = 1000 y lidad de que X esté entre 900 y 1050.63) Con el cambio de variables u = forma x−A A2 .9.2. 3. De (3. cosa que en la práctica no es posible. FX (x) = 1⎡ 1050 − 1000 900 − 1000 ⎤ ) − erf ( ) ⎥ = 0.62).... 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. 1. 2.4. con x2 = 1050 y x1 = 900. 1.66) En la Fig.64) Nótese que este enfoque es más realista que el enfoque tratado en el Ejemplo 3. cuyo parámetro es la constante positiva α. 2.11 se muestra pX(x) y FX(x) de la distribución de Poisson.65) k! entonces se dice que la VA X tiene una “distribución de Poisson”. Sea una VA X gaussiana no centrada. (3..819 ⎢ erf ( 2⎣ 50 2 50 2 ⎦ ♣ 3. Pe = A2 1 1 ) erfc(K ) = erfc( 8ηB 2 2 (3. Distribución de Poisson α = 50 .213 III.n y α > 0. 3. 3. . Determine la probabi- Si una VA X es de tipo discreto y toma valores en los puntos k = 0... La correspondiente densidad de probabilidad es una secuencia de impulsos de la forma p X (x) = exp(−ατ ) ∑ (ατ ) k δ( x − k ) k! k=0 n (3.. VARIABLES Y PROCESOS ALEATORIOS en el receptor es simplemente la probabilidad de que la variable aleatoria X sea menor que A/2.n con probabilidades (ατ ) k Pk (τ ) = exp(−ατ ) para k = 0... La probabilidad de error Pe será entonces. en donde se considera conocidas las probabilidades de transición...

67) ⎝k ⎠ se dice que tiene una “Distribución Binomial”. 3.13(b). La densidad de probabilidad de la distribución binomial es una secuencia de impulsos. 3. 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 ) (3.4. .. entonces Pk (τ ) es máxima para k = 0. . 3. 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.13(a). Distribución Binomial Si una VA X es de tipo discreto y toma valores en los puntos k = 0..4.11. como se muestra en la Fig. 3. Si ατ > 1.. 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( ) (3.4. 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. pero no es un número entero. Fig. x 2 ) con x2 > x1 .3. Distribución de Poisson Si ατ < 1. 1.12. entonces PX (τ ) es máxima para k =|α τ| . se dice entonces que la VA X está distribuida uniformemente en el intervalo (x 1 .214 III. 2. Distribución Binomial donde.69) x 2 − x1 x 2 − x1 donde x o = ( x 2 + x1 ) / 2 . 3. 3..3.n con probabilidades definidas mediante la expresión ⎛n ⎞ Pk (x k ) = ⎜ ⎟ ⋅ p k ⋅ q n − k (3. por definición.12. Si α τ es un número entero.68) ⎛n ⎞ n! ⎜ ⎟= ⎝ k ⎠ k !⋅ (n − k )! Fig.

3.71a) donde α es el parámetro de la distribución. aplicando la función rampa r(x).4. la cual se muestra en la Fig. Distribución Uniforme 0 x1 xo x2 x1 x2 Por inspección de la Fig.72) donde α es el parámetro de la distribución.13(b). La correspondiente función de distribución es (ver Problema 3. 3.14(b) se muestra esta función. Distribución de Cauchy La función de densidad de Cauchy es p X (x ) = α 1 2 π α + x2 (3.5.13. 3.4.71b) En la Fig.14(a).70) 3.6. 3. Fig. 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.15(a). Distribución de Laplace La función de densidad de probabilidad de Laplace de una VA X es. 3. 3. . FX (x ) = 1 r (x − x 1 ) − r (x − x 2 ) x 2 − x1 [ ] (3.27). p X (x ) = α exp(−α| x|) 2 (3. FX (x) = 1 1 exp(αx )u (− x) + [1 − exp(− αx)]u(x) 2 2 (3.215 III.

Distribución de Raleigh La función de densidad de Raleigh de una VA X es.4. FX (x ) = 1 1 x + arctg( ) 2 π α En la Fig. . 3.28) ⎡ x2 ⎤ FX (x) = ⎢1 + exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ (3. 3.73a) El valor máximo de p X ( x ) ocurre cuando x = α . p X (x) = x α2 exp( − x2 2α 2 )u(x) (3.16(a).7. Fig. 3.16(b) se muestra esta función.15(b) se muestra esta función. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3.216 III.25). VARIABLES Y PROCESOS ALEATORIOS La correspondiente función de distribución es (ver Problema 3.73b) En la Fig. 3.

p X (x) = 2/ π 2 x2 x exp(− 2 )u(x) 2α α3 (3. 3. quisiéramos ahora determinar la función de densidad de probabilidad de una VA Y relacionada con X mediante la ecuación Y = g(X) (3. Fig.74b) En la Fig. x 2 ...8...17(a). 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 . Esto significa que para un valor y dado. la ecuación y = g(x) tiene. FUNCIONES DE VARIABLES ALEATORIAS Muy a menudo nos interesa conocer las funciones de probabilidad de una VA después que ella ha experimentado alguna transformación. Vamos a suponer que X es continua y que g(x) lo es también.5. pero con la condición de que g(x) no sea igual a una constante en ningún intervalo.. El siguiente teorema [Papoulis.74a) El valor máximo de p X ( x ) ocurre cuando x = α 2 . la función de densidad de probabilidad de una VA X es pX(x). x n . Distribución de Maxwell La función de densidad de Maxwell de una VA X es. entonces..217 III. 3. por ejemplo. 3. Si. α es el parámetro de la distribución La correspondiente función de distribución es (ver Problema 3.4. VARIABLES Y PROCESOS ALEATORIOS 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 (3.17(b) se muestra esta función. un número contable de raíces x 1 .29).. cuando más. .75) Sea. pY(y) la densidad de probabilidad de la VA Y.

v) de las VA U y V. VARIABLES Y PROCESOS ALEATORIOS Teorema Fundamental Para encontrar la función de densidad pY(y) para un valor dado de y. se resuelve la ecuación y = g ( x ) en términos de y. y i ) p UV ( u . y) = exp[-(x + y)]u(x)u(y) y queremos determinar la función de densidad conjunta p UV (u .. y) es el Jacobiano de la transformación (3.79) Se trata ahora de determinar la función de densidad conjunta p UV (u .77) y g ' (x ) = d dx g (x ) = dy dx n p X (x i ) i n Entonces.218 III.62) en términos de x e y.v 3 . se resuelven simultáneamente las ecuaciones (3..76) (3. y) ⎢ ⎣ ∂x ⎤ g ( x . Si x1 . x 2 . es decir. 1965]. ♣ Ejemplo 3.78) En muchas aplicaciones es necesario determinar la función de probabilidad conjunta de transformaciones de variables aleatorias conjuntamente distribuidas. si y = g ( x 1 ) = g ( x 2 ) =.81) La extensión de este método para más de dos VA es directa. ⎡1 J =⎢ ⎣2 2⎤ ⎥ = [1 − 4 ] = −3 1⎦ y |J|= 3 2v − u 3 .. = g ( x n ) (3.61).. v) = (3. Y) (3. La densidad de probabilidad conjunta p UV (u .10 La función de densidad conjunta de dos VA X e Y es p XY (x .. En este caso consideremos la función de densidad de probabilidad conjunta pXY(x... y i ) ∑ donde x i e y i son las soluciones simultáneas o raíces de las ecuaciones (5. y) de dos VA X e Y... En forma similar al caso anterior.80) i=1 J ( x i . x n son todas sus raíces reales . y) ⎥ ∂y ⎥ ∂ h ( x .. y J(x. y sea U y V otras dos VA relacionadas con X e Y mediante las ecuaciones U = g(X. n p XY ( x i . se obtiene y el Jacobiano.. 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. Y) y V = h(X. p Y (y) = ∑ | g' (x )| ∑ p = i =1 i =1 X (x i ) dx i dy (3.. y) ∂x J ( x . y) = ⎢ ∂ ⎢ h ( x . v) de las VA U y V viene dada por [Papoulis.. y= 2u . y) ⎥ ⎥ ∂y ⎦ ∂ (3.80) definido mediante el determinante ⎡∂ ⎢ g ( x .

.6... .. 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 +. entonces 2u ≥ v ≥ u 2 u 2 ♣ 3. se tiene: si si de donde x ≥ 0. Un proceso aleatorio se caracteriza por su “regularidad estadística”. Entonces. entonces y ≥ 0. la definición empírica de la probabilidad. .+ mn N xn (3..+ m n x n ) = m1 N x1 + m2 N x 2 +. lo cual quiere decir que el proceso no puede predecirse en detalle sino en base de “promedios”. Repitamos el experimento (representado por X) N veces (N → ∞) y sea m1 . .. m n los números de pruebas favorables a los resultados x 1 . expresión (3.1).. 1 ⎡ 2v − u 2u − v ⎤ exp[ − ( x + y)]|x =( 2 v − u )/ 3.. y=(2u-v)/3 = exp ⎢ − ( + ) ⎥ = exp[ − ( u + v)] 3 3 ⎦ 3 ⎣ Suponiendo que u ≥ 0.84) donde E{X} es otra forma de representación del valor promedio de X.v 3 ≥0 y v≥ u 2 ≥ 0 y 2u ≥ v La densidad de probabilidad conjunta p UV (u .. 2.82) En el límite.83) Si la VA X es continua. . . Definición 2v . . respectivamente. x 2 . cuando N → ∞..n. la relación m i / N tiende a PX(xi) de acuerdo con la definición empírica de la probabilidad.... entonces su valor promedio es X= ∫ ∞ −∞ xp X ( x ) dx = E {X} para variables aleatorias continuas (3. . Por ejemplo. representa una forma de promedio. Consideremos una VA X que puede tomar los valores x 1 ... 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. v) de las VA U y V será entonces ⎧1 ⎤ ⎡ 1 ⎪ exp⎢ − ( u + v )⎥ para ⎦ ⎣ 3 p UV (u . x n con probabilidades PX ( x i ) con i = 1.1.. VARIABLES Y PROCESOS ALEATORIOS También.6. x n . x 2 ..219 III.u 3 2u .. 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. PROMEDIOS ESTADISTICOS 3... . m 2 .

y lo representaremos indistintamente con la notación X o E {X} . VARIABLES Y PROCESOS ALEATORIOS El valor promedio de una VA X se conoce también con los nombres de “valor esperado”. por (3. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ g ( x . y) utilizando el “teorema de la esperanza” o “teorema del valor esperado” [Lathi.. el cual establece que si Z = g(X. y)p XY ( x . Y = E {Y} = ∫ ∞ −∞ yp Y ( y ) dy Se demuestra [Papoulis.89) y para variables aleatorias discretas . pues E {b} = b E {g(X)} = E{g 1 ( X)} + jE {g 2 (X)} Z = g(X. entonces Valor Promedio de una Función de Variables Aleatorias Si una VA Z es una función de dos VA X e Y de la forma definición...220 III.. 1968]..+ g n (X) .. En particular. entonces E{Y} = E{g (X)} = ∫ ∞ −∞ yp Y (y )dy = ∫ ∞ −∞ g ( x ) p X (x )dx (3.. y)dxdy (3.87) E{g 1 ( X) + g 2 ( X) +. 1965] que si Y = g(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 {aX + b} = aE {X} + b.85) Si la VA X es de tipo discreto.+ g n (X)} = E {g 1 (X)} + E {g 2 ( X)}+. entonces (3. 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. E {Y} = E{g (X)} = ∑ g(x )p i i =1 n X (x i ) (3..Y).2. podemos ver que si g ( X) = g 1 (X) + g 2 ( X) +. 3. Es decir.+ E {g n ( X)} El valor esperado de una suma de funciones de una VA X es la suma de los valores esperados de cada una de las funciones.Y)...86) Generalizando.. “esperanza matemática” o “promedio estadístico”... 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.88) Si g ( X) = g 1 ( x ) + jg 2 ( X).6. entonces.

por definición. y )P i j i j XY ( x i . 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. se verifica que E{Z} = E {g 1 ( X1 )} ⋅ E{g 2 (X 2 )} ⋅ ⋅ ⋅ ⋅E {g n ( X n )} (3. VARIABLES Y PROCESOS ALEATORIOS E{Z} = ∑∑g (x . 3. la expresión (3.... caso continuo. dx n (3. yj) (3. ..90) Generalizando. x 2 . .. si Z = g (x 1 .... x 2 .. X n son estadísticamente independientes.. Entonces. Para n = 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.94) (3. .221 III.. 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. ∫ ∞ −∞ g ( x 1 .. x 2 .....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. el segundo momento será E X2 = { } ∫−∞ x 2 p X (x)dx ∞ (3.96) Las dos primeros momentos se conocen con el nombre de “momentos de primer orden”..3.Xn ( x 1 ... x n )p X1X2 . X 2 .95) { } ∫−∞ x n p X (x)dx i ∞ Nótese que el primer momento (n = 1) es igual al valor esperado de la VA X. entonces E{Z} = ∫ ∫ ∞ ∞ −∞ −∞ . 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.6. Asimismo. E Xn = E Xn = { } ∑ x n p X (x i ) i si la VA X es discreta si la VA X es continua (3.. x n ) dx 1dx 2 ... Momentos El momento n-ésimo de una VA X se define como el valor esperado de la potencia n-ésima de X.91) Si algunas de las n variables son discretas.. se tiene que E{Z} = E {X 1 ⋅ X 2 ⋅ ⋅ ⋅ ⋅X n } = E {X 1 } ⋅ E{X 2 } ⋅ ⋅ ⋅ ⋅E {X n } (3..

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

VARIABLES Y PROCESOS ALEATORIOS ∞ ∞ De (3.101) ∑ (x i i − X ) 2 p X (x i ) si la VA X es discreta La varianza o dispersión nos proporciona una idea de la concentración de la densidad de probabilidad pX(x) alrededor del valor promedio X.100). Entonces. es decir σX . ∞ De (3.99) { } ∫−∞ (x − X ) 2 p X (x)dx ∞ si la VA X es continua (3. se conoce con el nombre de “desviación estándar” o “desviación típica”. La raíz cuadrada positiva de la varianza. 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 (3.223 III. −∞ ∫ x 2 p X (x)dx = 1 σ 2π −∞ ∫ x 2 exp(− x2 )dx 2σ 2 E{X 2 } = σ 2 (b) De (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. Var{X} = Resolviendo la integral. 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 . El segundo momento central respecto al valor esperado X se conoce con el nombre de “varianza” o “dispersión” de la VA X. Desarrollando (3.100) (3. y se representa usualmente con la notación σ2 .96). X por definición. E{X 2 } = Integrando.96).95) y como la VA X está centrada.100). Var ( X) = σ2 = E ( X − X ) 2 = X Var ( X) = σ2 = X } ∫−∞ (x − X ) n p X (x)dx ∞ (3. . y se define en la forma E (X − X ) n = { Nótese que el primer momento central (n = 1) es E{X − X} = 0 .

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)

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 ) ]. es posible definir una magnitud denominada “densidad espectral de potencia” como la transformada de Fourier de la función de autocorrelación. Entonces. entonces la función de autocorrelación y la densidad espectral de potencia se pueden determinar a partir de una señal de muestra x(t). es decir. la función de autocorrelación es independiente del origen del tiempo y dependerá solamente del valor absoluto de la diferencia de t 1 y t 2 .146) Si el proceso es ergódico. 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. R XX (τ ) = E {X( t ) ⋅ X(t + τ )} =< x ( t ) ⋅ x ( t + τ ) >= R x (τ ) donde R x (τ ) = lim T →∞ (3. más adelante justificaremos el uso de ese término. Para la clase restringida de procesos aleatorios débilmente estacionarios.145a) (3.143a) Si además el proceso es ergódico. Desafortunadamente. Podemos decir entonces que las relaciones para las señales determinísticas son casos particulares de las relaciones desarrolladas para procesos aleatorios débilmente estacionarios o ergódicos. R XX (τ ) = R x (τ ) =< x (t ) ⋅ x (t + τ ) > S x (f ) = y S X ( f ) = S x (f ) .145b) La expresión (3. | t 2 − t 1 | = τ . se puede extender este concepto a los procesos estocásticos. la transformada de Fourier de una señal de muestra puede no existir. es decir. x( t + τ)} Var {x( t )} (3. y entonces hay que buscar otra forma para la representación en el dominio de la frecuencia de un proceso aleatorio.235 III. t 2 ) − E{X( t 1 )} ⋅ E{X( t 2 )} Var[ X( t 1 )] ⋅ Var[ X( t 2 )] (3.144) es igual a la expresión (1. t 2 ) = R XX ( t 2 − t 1 ) = R XX (τ ) = E{X(t ) ⋅ X(t + τ )} (5.147) . x( t + τ)} = R x ( τ) − [< x( t ) >]2 y ρx = Cov{x( t ). por definición. en un proceso ergódico se verifica que Cov{x( t ). R XX ( t 1 . En efecto. Densidad Espectral de Potencia En relación con la densidad espectral de potencia. de aquí la razón de la notación R x (τ ) que utilizamos en los Capítulos I y II para señales determinísticas.142) El término “autocorrelación” ya lo utilizamos en los Capítulos I y II.119).144) ∫ T 1 T/ 2 − T/ 2 x ( t ) ⋅ x (t + τ )dt Asimismo. En este caso.143b) (3. de donde ∫ ∞ −∞ R x (τ ) exp(− j2πfτ )dτ ⇔ R x (τ ) = ∫ ∞ −∞ S x (f ) exp( j2πτf )df (3. Si el proceso X(t) es estacionario. VARIABLES Y PROCESOS ALEATORIOS ρ X1X2 = R XX ( t 1 .

Secuencias Aleatorias Discretas Un proceso aleatorio de mucha importancia en el análisis.8. 2. normalizada para una resistencia de 1 Ohm. 3.19(a) se ilustra una señal de muestra de este proceso. 3.236 III. PROCESOS ALEATORIOS DISCRETOS 3. procesamiento y transmisión de señales digitales es el “Proceso Aleatorio Discreto M-ario”. en el cual las señales de muestra tienen amplitudes discretas con m valores de amplitud de probabilidad Pi.. 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 ) . El lector interesado en profundizar este tema puede consultar la bibliografía especializada. la densidad espectral es una función par de f.M. etc. en el caso de señales aleatorias las relaciones entrada/salida son (ver Secciones 1. 1962. señal que vamos a denominar ”secuencia aleatoria binaria”.9.19(b) se tiene una señal de muestra de este tipo de 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 . . con i = 1. para la transmisión de señales a través de sistemas lineales se aplican también para procesos ergódicos. Lathi. Estos métodos son de gran importancia en la Teoría Estadística de la Comunicación y en el Análisis Espectral de Procesos Estocásticos. (d) SX (0) = ∫ ∞ −∞ R X ( τ ) dτ = S x ( 0 ) = ∫ ∞ −∞ R x ( τ)dτ . 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. las cuales tienen las siguientes características: (a) E{X 2 } =< x 2 ( t ) >= R x (0) = ∫ ∞ −∞ Sx (f )df . se dice que éste es un “Proceso Aleatorio Binario”. 1990]. 1958. (b) SX (f ) = Sx (f ) ≥ 0 . el valor de la densidad espectral en el origen (f = 0). En la Fig.2 y 2. VARIABLES Y PROCESOS ALEATORIOS resultado ya obtenido en forma determinística en el Capítulo I. la densidad espectral es siempre positiva (o no negativa).11. es igual al área de su función de autocorrelación.. expresión (1. Davenport y Root.1. que corresponde al Teorema de Wiener-Kintchine. en especial su función de autocorrelación y su densidad espectral de potencia.2 y 2.9.132).11.. 1968.1. 1965. Couch.8. Parzen.. 3. (e) En un sistema lineal invariante en el tiempo (SLIT) de respuesta impulsional h(t) y función de transferencia H(f). 3.1): 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. (c) SX (f ) = SX ( −f ) = Sx (f ) = S x ( −f ) . particularmente [Papoulis.. En la Fig. es la potencia promedio de la señal x(t).

Se trata entonces de determinar la densidad espectral de X(t). se pueden modelar entonces mediante la expresión X( t ) = n =−∞ ∑A p(t − nT ) n b ∞ (3.151) 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 .150) es la función de autocorrelación de la secuencia de estados An.19. Las secuencias de impulsos transmitidos en banda de base en los sistemas de comunicación digital.149) (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 . que para simplificar la escribiremos en la forma R X ( t 1 .148) donde p(t) es el perfil del impulso. .140).150) Nótese que la expresión (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. entonces E{A n } = η a E{A n ⋅ A n + k } = E{A n ⋅ A m } donde m = n + k. y que es independiente de p(t). 3. 1968]. entonces. E{A n ⋅ A n + k } = R A (k ) = ∑ (a i =1 I n ⋅ a n + k ) i ⋅ Pi (3.237 III.n| (3. o también k = |m .152) La función de autocorrelación de X(t). [Lathi. respectivamente. El valor I es el número de productos (a n ⋅ a n + k ) posibles. de (3. y Pi es la probabilidad de obtener el producto (a n ⋅ a n+ k ) i . 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. Si consideramos que A n es un proceso débilmente estacionario. t 2 ) es. Secuencias de Muestra de Procesos Aleatorios Discretos.

entonces podemos escribir R X (t 1 . 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 } .155) n =−∞ ∑ p(t ∞ 1 − nTb ) ⋅ p[t 2 − (n + k ) Tb ] (3. 3. t 2 ) (3. 3. independiente de A n y cuya densidad de probabilidad es p T (T ) = 1 T − Tb / 2 Π( ) Tb Tb -A Fig. t 2 + T) = R Y ( t 1 . como se muestra en la Fig. Se dice que un proceso Y(t) es “cicloestacionario” o “periódicamente estacionario” si él satisface las siguientes condiciones [Franks. 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.154) (3.20. X(t) no es estacionario y su densidad espectral de potencia no se podrá definir mediante la expresión (3. VARIABLES Y PROCESOS ALEATORIOS ∞ ⎧ ∞ ⎫ ⎪ ⎪ ⎨ R X ( t 1 . t 2 ) dependen del origen del tiempo. 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 .152) y (3. donde m = n + k. por lo tanto. Consideremos ahora los procesos “cicloestacionarios”. 3.156) Tb 0 t donde T es una variable aleatoria distribuida uniformemente en el intervalo (0.238 III.155) con (3. Fig. En efecto.154) y (3.146). 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. Hay que buscar alguna otra forma para determinar la densidad espectral de potencia de estos procesos. Tb).20.153) Cuando comparamos las expresiones (3.153).20. vemos que X(t) es un proceso cicloestacionario. Consideremos entonces. 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 .157) . la secuencia X( t ) = x(t) A n =−∞ ∑A ∞ T n ⋅ p ( t − nTb − T) (3. Secuencia Aleatoria Binaria con Retardo T (3.

− 1 t − nTb p(T' )dT' Tb ∫t − ( n +1) Tb t − nTb t −( n +1) Tb − n = −∞ ∑∫ Tb ∞ p(T' )dT' = ∫ p( t )dt = K −∞ ∞ una constante (3.239 III. 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 .158) E{X( t )} = ηa K constante El valor esperado de X(t) es ahora constante e independiente del tiempo. Finalmente. Veamos ahora la función de autocorrelación. t 2 ) = R X (τ ) = 1 Tb k =−∞ ∑ E{A n A n+ k } ⋅ R p (τ − kTb ) (3.159) . t 2 ) = ∑ E{A A } ∑ E{p( t n+k n = −∞ 1 − nTb − T ) ⋅ p[ t 2 − ( n + k )Tb − T ]} pero E{p (t 1 − nTb − T) ⋅ p[t 2 − ( n + k ) Tb − T]} = ∫ Tb 1 1 Tb Tb 0 p (t 1 − nTb − T ) ⋅ p[ t 2 − ( n + k )Tb − T]dT Con el cambio de variables T' = t 1 − nTb − T . obtenemos E{p( t − nTb − T )} = pero podemos hacer Entonces. se obtiene E{p( t1 − nTb − T) ⋅ p[ t 2 − ( n + k )Tb − T ]} = ∫ Tb 0 p(T' ) ⋅ p[T '+ ( t 2 − t1 ) − kTb ]dT ' 1 Tb R p ( τ − kTb ) {p( t1 − nTb − T) ⋅ p[t 2 − (n + k )Tb − T]} donde ∞ = 1 Tb ∫ Tb 0 p ( T' ) ⋅ p (T'+ τ − kTb )dT' = τ = t 2 − t 1. ∞ ⎧ ∞ ⎫ ⎪ ⎪ R X ( t 1 . la función de autocorrelación de X(t) resulta en 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 .

159) para darle una forma cuya transformada de Fourier se pueda determinar con facilidad. En efecto. para k = 0.163) La expresión (3.146). Nótese que ahora la función de autocorrelación depende solamente de la diferencia τ = t 2 − t 1.164) ∑ Pero del dual de la expresión (1. P(f) = {p(t )} (3.161) La expresión (3.160) { } y para k ≠ 0. ∞ ∞ 1 n exp(− j2πkTb f ) = δ(f − ) . Entonces. (3.240 III. E{A n A n } = E A n = σa + η 2 a varianza σ2 . de acuerdo con la expresión (3. entonces el proceso X(t) es por lo menos débilmente estacionario y su densidad espectral podrá determinarse mediante la expresión (3. Puesto que E{X( t )} es constante y R X ( t 1 . Para determinar la densidad espectral de X(t) vamos a simplificar la expresión (5. 146). VARIABLES Y PROCESOS ALEATORIOS donde R p ( τ ) es la integral de correlación de p(t). entonces. E{A n A n + k } = E{A n } ⋅ E{A n+ k } = η 2 a ⎧σ2 + η 2 ⎪ a a E{A n A n + k } = ⎨ 2 ⎪η a ⎩ para k = 0 para k ≠ 0 y en una forma más compacta.159) 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 ) . Tb Tb n=−∞ k =−∞ ∑ ∑ ⎡ η2 ⎢ σ2 + a S X (f ) = | P (f )| a Tb Tb ⎢ ⎣ 1 2 n ⎤ δ(f − )⎥ Tb ⎥ ⎦ n =−∞ ∑ ∞ (3.165) . 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 ) (3.162) R p (τ ) = ∫ ∞ −∞ p (t ) p ( t + τ ) dt ⇔ S p ( f ) =| P ( f )|2 .162) nos permite determinar la densidad espectral de X(t). a (3.104).

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.

si su estado inicial es 0 0 0 1. 3. Esta expresión determina la máxima longitud posible de la secuencia. 1980]. 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. ar = 1 (3. La secuencia en C n satisface la ecuación de recurrencia Cn = ∑a k =1 r k ⋅ C n− k Módulo 2. 3... denominados “tomas” o “taps”.0 es una combinación prohibida.0 no se utiliza como estado inicial porque produciría una salida de puros CEROS. En general. VARIABLES Y PROCESOS ALEATORIOS Reloj Cn 1 Cn − 1 a1 2 Cn − 2 a2 3 Cn − 3 a3 r Cn− r ar Salida Suma Módulo 2 Fig.186) El ciclo periódico de los estados depende del estado inicial del registro y de los coeficientes a k . en los registros prácticos se hace a 1 = a 2 = ⋅⋅⋅ = a r = 1 ..252 III. de hecho. es fácil determinar el número de CEROS y UNOS de la secuencia recurrente..187) Normalmente el registro se inicializa con el estado inicial 0 0 0 1. .33 se muestra un generador PN de longitud máxima de cuatro etapas. 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. 3. el estado 0 0 0 0. mostrado en la Fig.33.32. la secuencia recurrente a la salida Q4 será (la flecha indica el sentido del flujo de dígitos): 001101011110001 (3. 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. 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. aunque no todas las combinaciones de “tomas” producen la máxima longitud. y a cada impulso de reloj a la salida van apareciendo los “chips” que forman la secuencia. En la Fig.. el estado 0 0 0 . para un total de N = 2 r − 1 “chips”.

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.188) (3. contenidos en la secuencia recurrente.253 III. se tiene: r = 4. 3. Número de “chips” de la secuencia = N = 2 r − 1 Número de UNOS en la secuencia = N (1) = 2r = 2 r −1 2 (3. N ( 0) = 8 − 1 = 7 CEROS. la entrada a la primera etapa. cuya secuencia de salida tiene la forma de la Fig. . En particular.1>. respectivamente. N = 24 . que junto con el Registro <7. cuando se examinan durante un largo período.33. 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.189) (3.33 es entonces un Registro < 4. 1> y el Registro <19. VARIABLES Y PROCESOS ALEATORIOS Reloj 1 Q1 0 2 Q2 0 3 Q3 0 4 Q4 1 Salida 001101011110001 Fig. sin embargo. Por ejemplo. Las señales aleatorias no pueden ser descritas mediante expresiones explícitas del tiempo. El lector puede verificar que estos valores se cumplen en la secuencia recurrente (3. 3. ellas exhiben ciertas regularidades que se pueden describir en términos probabilísticos o como promedios estadísticos.33. Para más información sobre las secuencias aleatorias y sus aplicaciones en los sistemas de espectro disperso. ki >. Entonces. Generador PN de Longitud Máxima de 4 Etapas. 1 >. El proceso aleatorio se puede utilizar para estimar.1= 15 “chips”. son utilizados en el Servicio de Radioaficionados.10 RESUMEN En este capítulo se han desarrollado algunos modelos para las señales mensaje de carácter aleatorio presentes en los sistemas de comunicación.187).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. 5. 3. el Registro < 7. la probabilidad de que la amplitud de una señal aleatoria esté dentro de cierto rango en un determinado instante. Sea entonces r el número de etapas del registro. 3. N (1) Por ejemplo. donde el término r indica el número de etapas del registro y ki las “tomas” que hay que combinar en suma módulo 2 para formar. De acuerdo con esta convención.27. Estos modelos. 3. 4. 1>. el lector puede consultar el ARRL SPREAD SPECTRUM SOURCEBOOK. Otros registros de aplicación práctica son el Registro <13. el proceso aleatorio se puede emplear para desarrollar descripciones de señales aleatorias en el dominio de la frecuencia. se denominan “proceso aleatorio o estocástico”. por ejemplo. el generador mostrado en la Fig. edición de 1991. 2. para el generador PN de la Fig. 3. = 2 3 = 8 UNOS. La convención establecida para representar los registros de longitud máxima tiene la forma Registro < r. junto con la “toma” r.

como consecuencia. De gran importancia en el análisis de sistemas digitales son los procesos aleatorios discretos.000 receptores distribuidos en la forma siguiente.254 III. en cuyo caso se puede definir la existencia de una densidad espectral de potencia que muestra la distribución de la potencia en el dominio de la frecuencia. En los modernos sistemas de comunicación se está aplicando el concepto de dispersión del espectro.3.4. Una compañía construye receptores de radio de 6. Si el valor promedio y la función de autocorrelación de un proceso son invariantes en el tiempo. Para complementar el tema. En la dispersión del espectro juegan un papel muy importante las denominadas secuencias seudoaleatorias. Sea una secuencia binaria de 1428 UNOS y 2668 CEROS. Una subclase especial de los procesos estacionarios es el llamado proceso ergódico. (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. 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. que son secuencias infinitas formadas por una subsecuencia aleatoria de duración T que se repite periódicamente. en especial su función de autocorrelación y su densidad espectral de potencia. PROBLEMAS DE APLICACION 3.3486. Basado en estas ideas se define la noción de proceso aleatorio. Estos receptores vienen en gabinetes de color marfil. El experimento es el lanzamiento de dos dados. La teoría de la probabilidad trata la noción de probabilidad de sucesos aleatorios y el concepto de variable aleatoria. 3. 8 y 10 transistores. 3. Demuestre que P(A + B + C) = P(A) + P(B) +P(C) -P(AB) -P(AC) -P(BC) + P(A B C) 3. 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. En el Capítulo V se aplican estas nociones en algunos sistemas de transmisión digital.1. negro y verde. Los promedios estadísticos de más utilización son el valor promedio y la función de autocorrelación. Todas las señales PCM y los diferentes códigos de transmisión digital son secuencias aleatorias binarias. entonces se dice que el proceso es estacionario en el sentido amplio. El proceso aleatorio se ha definido en términos de sus estadísticas que son simplemente relaciones de probabilidad o promedios estadísticos. y todas las estadísticas del proceso se pueden determinar a partir de una simple señal de muestra. se presenta una breve exposición sobre la generación y aplicación de las secuencias binarias seudoaleatorias. 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. y en particular las secuencias aleatorias binarias. 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. y es muy importante conocer sus estadísticas. (a) Demuestre que la probabilidad de obtener 8 puntos es de 5/36. La dispersión del espectro se produce cuando una secuencia binaria portadora de información modula una secuencia seudoaleatoria. Demuestre que la probabilidad de recibir un UNO en un intervalo cualquiera es de 0. Para este tipo de señal se determina la función de autocorrelación y la densidad espectral de potencia. el cual tiene la propiedad de que los promedios conjunto son iguales a los promedios tiempo. .2. Estas secuencias se tratan con cierto detalle. En el depósito de la compañía hay 10.

El experimento es el lanzamiento de cinco monedas. A A 1 x−8 (8 − x )Π ( ) 6 8 3. De esta caja se sacan 3 bolas. Demuestre que la probabilidad de que estas bolas sean todas blancas es de 3/34. Demuestre que la probabilidad de sacar 1 bola blanca y 2 rojas es de 12/35.3 3.3 P{tomar un radio de 10 transistores} = 0.14 P{tomar un radio verde de 10 transistores} = 0 P{tomar un radio negro de 6 transistores} = 0.5. Sea la función de densidad de probabilidad p X (x) = (a) Demuestre que la probabilidad P( − A A < X ≤ ) = 0. de los cuales el 40% está defectuoso. Demuestre que la probabilidad de que este transistor esté defectuoso es de 0. 1 negra y 4 rojas. 3.6.1625. 3. Demuestre las siguientes probabilidades: P{tomar un receptor verde} = 0. π 1+ x 2 x (b) p X (x ) = | x| Π ( ) . 4 negras y 3 rojas. En el Problema anterior se examina el transistor y vemos que está defectuoso. Demuestre las siguientes probabilidades: P{aparecen tres caras} = 5/16 P{aparece una sola cara} = 5/32 P{aparecen cinco caras} = 1/32 3. Demuestre que la probabilidad de que fue sacado de la caja C2 es de 0. 3. 3. 2 (c) p X (x ) = 1 x Λ( ) .4375 . (a) p X (x) = 1 1 ( ). Se tiene también otras dos cajas C3 y C4 con 1000 transistores cada una y con un 10% defectuoso. de los cuales el 5% está defectuoso. VARIABLES Y PROCESOS ALEATORIOS No.255 III.8 Una caja C1 contiene 2000 transistores.10. 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.Verifique si las siguientes funciones satisfacen las condiciones para ser una función de densidad de probabilidad.7.11. Se selecciona al azar una de las 4 cajas y se saca un transistor.615.9. Una segunda caja C2 contiene 500 transistores. Una caja contiene 2 bolas blancas. . 4 4 (b) Determine y dibuje la correspondiente función de distribución FX (x). De esta caja se sacan 4 bolas. Una caja contiene 10 bolas blancas.

Sea Y = X2 . 3. Demuestre que pZ (z) = 2[exp(-z) . x 3. Sea la función de densidad de probabilidad pX (x) = K exp(-αx)u(x). 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).13. donde K y α son dos constantes positivas. 2) = 1/12 3. Sea una función de densidad conjunta de dos VA X e Y de la forma p XY (x . 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. (a) Demuestre que K = α. R es entonces una VA con distribución uniforme entre 900 y 1100 Ohm. Si la densidad de probabilidad de X es gaussiana.256 III.3084 x 10-11 (b) Demuestre que P(X ≤ 6) = 0.105).5.12. 3. (b) Demuestre que la correspondiente función de distribución es FX (x) = [1 . 2 2 σ 2 = 2 / 3. En la expresión (3.15.952 3.16. (a) Demuestre que P(X ≤ 1) = 1.21. de valor promedio cero y varianza σ2 . 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).19.14.20.17.18. 1 x −1 Λ( ). 3. y ) = K(x + xy )Π (x − 1 / 2 ) ⋅ Π ( y−2 ) 4 (a) Demuestre que K = 1/6 (b) Demuestre que las VA X e Y son independientes (c) Demuestre que FXY (1/2.6. 3. Sea una VA X cuya distribución es gaussiana de valor promedio E{X} = 5 y σ = 0. 3.exp(-2z)] u(z). E{X2 } = 5/3 . Demuestre las expresiones (3. La densidad de probabilidad de una VA X es p X ( x ) = Demuestre que E{X} = 1 . VARIABLES Y PROCESOS ALEATORIOS 3.exp(-αx)]u(x).106) deduzca FX (x) a partir de pX (x). Demuestre que la probabilidad de que el valor de la resistencia esté entre 950 y 1050 Ohm es de 0. Se saca una resistencia de la caja. donde la VA X es gaussiana de valor promedio E{X} = m y varianza σ2 . 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. demuestre que la densidad de probabilidad a la salida del sistema es .

demuestre que p Y ( y) = 1 y − 15 1 Π( ) y FY ( y) = [ r ( y − 10) − r ( y − 20)] 10 10 10 donde r(. demuestre que ⎧ 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. ⎡ ⎤ 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. VARIABLES Y PROCESOS ALEATORIOS p Y (y) = y 1 1 δ (y) + exp(− )u(y) 2 2σ 2πy 2σ 2 3. (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. d)..22. donde c > 0. 20). de valor promedio cero y varianza σ2 .257 III. 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.) es la función rampa. 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. . En el caso de un rectificador de onda completa la entrada X y la salida Y están relacionadas mediante la ecuación Y = |X|. 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.23. En el caso de un detector cuadrático la entrada X y la salida Y están relacionadas mediante la expresión Y = aX2 con a > 0.

Una VA X está distribuida según la distribución de Cauchy. 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. es decir. FX (x ) = E{X2 } = 2/α2. ∫ (b) Si la VA X está distribuida según Cauchy. 3. su densidad de probabilidad tiene la forma p X (x ) = K exp(−α | x| ) . pero con parámetro |a|/α. 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. 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.24. 3. VARIABLES Y PROCESOS ALEATORIOS 3.26. (a) Si pX(x) y Fx(x) son las funciones de probabilidad de X. donde K p X (x ) = 2 .5. Una VA X está distribuida en forma laplaciana. (b) Demuestre que (c) Demuestre que (c) Demuestre que K = α/2 E{X} = 0. Sea una VA X y un proceso hiperbólico de la forma Y = a .25.27. α + x2 1 α (a) Demuestre que K = α/π . x2). 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 . donde a es una constante. ax 2 + b) . 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. α ) es igual a 0. Sea una VA X y sea el proceso lineal Y = aX + b. 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. donde a y b son dos constantes.258 III. 3.

22(a) (b) Una secuencia aleatoria bipolar NRZ de amplitudes ± A . (a) Una secuencia aleatoria unipolar RZ de amplitud 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 .28.25(a). Se tiene una distribución de la forma f (x) = Kx exp(− x2 )u(x) 2α 2 1 .30.9. VARIABLES Y PROCESOS ALEATORIOS 3. La α2 (a) Demuestre que si f(x) es una distribución de Raleigh. 3. .2.24(a) (d) Una secuencia aleatoria bipolar MANCHESTER de amplitudes ± A . Fig. donde x2 p X ( x ) = Kx 2 exp(− 2 )u ( x ) 2α 2/π (a) Demuestre que K = α3 (b) Demuestre que el valor máximo de p X ( x ) ocurre para x = α 2 (c) Demuestre que la función de distribución FX ( x ) es ⎡ x 1 2 x2 ⎤ FX (x) = ⎢erf ( )− x exp(− 2 ) ⎥ u(x) 2α ⎥ 2α α π ⎢ ⎣ ⎦ (d) Demuestre que la probabilidad P{X ≤ α 2} = 0. 3. Fig. 42759 . E{X 2 } = 2α 2 .259 III. determine la función de autocorrelación y la densidad espectral de las siguientes secuencias aleatorias. 3. 3.23(a) (c) Una secuencia aleatoria bipolar AMI RZ de amplitudes ± A . (e) En un solo gráfico dibuje las cuatro densidades espectrales anteriores y compare sus anchos de banda. Una VA X sigue la distribución de Maxwell.29. Siguiendo el procedimiento mostrado en la Sección 3. σ = 2α 2 ⎡ x2 ⎤ (c) Demuestre que FX (x) = ⎢1 − exp(− 2 ) ⎥ u(x) 2α ⎦ ⎣ 3. Fig. No dibuje impulsos. Fig. 3.

VARIABLES Y PROCESOS ALEATORIOS .260 III.

la fidelidad requerida dependerá del objetivo de la transmisión.CAPITULO IV PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. Por consiguiente. las perturbaciones en la mayoría de los sistemas de comunicación se parecen a las perturbaciones a las cuales nuestros sentidos están adaptados.2. en la comunicación entre máquinas esta “codificación” natural no existe. en un proceso de automatización. por ejemplo. En otras palabras. se debe efectuar con la precisión requerida por los demás elementos del sistema. Los sistemas de comunicación pueden considerarse entonces como una prolongación de nuestros sentidos.1. entonces se habla más fuerte. cuyos límites dependerán del empleo que se haga de la información. 4. Sin embargo. Sistema de Transmisión Fuente de Información Transductor de Entrada Transmisor Ruido Canal Receptor Transductor de Salida Destino Fig. en una comunicación entre máquinas o dispositivos. en una conversación telefónica la “fidelidad” necesaria es menor que la requerida en radiodifusión o televisión. y por ello los sistemas clásicos de comunicación dan resultados satisfactorios aún con un equipo terminal reducido o de muy baja resolución. 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. se pronuncian las palabras lentamente y con más claridad empleándose un vocabulario más limitado y con las palabras más usuales. 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.1.1. Igualmente. en el proceso de transmisión la información experimentará siempre una cierta degradación. 4. denominado “fuente de información”. hasta otro punto denominado “destino de la información”. Diagrama de Bloques de un Sistema de Comunicación . El teléfono. 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. Se sabe que cuando hay mucho ruido en un ambiente ruidoso. hace posible la conversación entre dos personas alejadas entre sí como si ellas estuvieran frente a frente. En todo caso. pero desde un punto de vista práctico es suficiente que la reproducción sea hecha con una aproximación o fidelidad que depende del fin perseguido. La mayor parte de los sistemas de comunicación actuales se caracteriza por la presencia de personas en los extremos del sistema. Es evidente que una reproducción perfecta de un mensaje no es posible. 4. Por ejemplo. la transmisión de las variaciones de temperatura. Por otro lado. con el mínimo de pérdidas o perturbaciones. la fuente de información se adapta a las condiciones del canal de comunicación disponible.

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

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

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

es una función de la probabilidad de ocurrencia de ese suceso. Una condición esencial que la relación funcional f(PA) debe satisfacer. la información es una medida de la incertidumbre. respectivamente. I(A) = log 2 1 = − log 2 PA bits PA (4.265 IV. asociada con un suceso A cuya probabilidad de ocurrencia es PA.6) Hartley demostró [Hartley. La unidad de información se denomina entonces “bit” (contracción inglesa de “binary digit”) y fue propuesta por J. 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 solución más sencilla es aquella cuando se selecciona uno de dos mensajes o símbolos. La relación funcional f(PA) se puede elegir dentro de una clase bastante grande de funciones. Tukey en 1946. Por lo tanto. Se trata entonces de hallar la relación funcional f(PA). f (PA ) = f (PB ) + f (PC ) 0 ≤ PA ≤ (4. la información se puede mantener expresada en bits mediante la fórmula log 2 N = 1 log b N log b 2 (4.322 log10 N (4. Por consiguiente. para b = 10. 1928] que la única relación funcional que satisface las condiciones (4.4) La probabilidad de un suceso cierto es 1. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En este sentido. En efecto. o b = 10 para cálculos numéricos).3) a (4.8) I(A) es la cantidad de información. .3) La información es una magnitud positiva. de modo que podemos escribir PA →1 lim f ( PA ) = 0 (4.7) La unidades o dimensiones de la cantidad de información dependen de la base del logaritmo.10) En particular. en cuyo caso b = 2. Si fuera necesaria otra base (por ejemplo. pero solamente algunas son de interés práctico en las aplicaciones. pero la información o incertidumbre será 0. en bits. debe verificarse que f (PA ) > f (PB ) para PA < PB (4. b = e si la función se va a diferenciar o integrar. de donde f (PA ) ≥ 0 donde 1 (4.9) log2 N ≈ 3.5) Por último. es la aditividad. W. si la probabilidad de un suceso A es menor que la probabilidad de un suceso B. entonces Si A = BC.6) es una función logarítmica de la forma f (PA ) = log b 1 = − log b PA PA (4. la información asociada con el conocimiento de que un suceso dado ha ocurrido.

x2. De la definición de la probabilidad. La caracterización matemática de un sistema de comunicación generalizado ha producido un cierto número de aspectos importantes. B y C posibles... PN}. 3. En esta secuencia.. x2. que se puede medir y ser tratado matemáticamente en la misma forma como lo son la masa.8) es inadecuada excepto en las circunstancias más simples. 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. aproximadamente... 4. la información asociada es Ij = log2(1/Pj) bits... sean tres mensajes A. La velocidad a la cual una fuente produce la información.. es mejor describir la fuente en términos de la “información promedio” producida. Es decir. si los dos primeros fueran utilizados en promedio 10 veces por hora.4.xN} con probabilidades {P1 . entre los cuales se tiene: 1. 2. I t = LP1 I 1 + LP2 I 2 + LP3 I 3 +.. el “número efectivo” de mensajes disponible es más cercano a 2 que a 3. P2. donde L >> 1. P2 . La información total contenida en la secuencia será. PN}. no tiene nada que ver con el significado o sentido inherente en un mensaje. cada una de las cuales toma valores en el conjunto {x1. La información promedio contenida en un mensaje dado... donde Pi ≠ Pj . Estos aspectos los trataremos brevemente en el presente capítulo. en el sentido de la teoría de la información. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la “información”. x3.12) . y si el tercer mensaje se usara solamente una vez a la semana. el conjunto discreto de N símbolos o mensajes producidos por la fuente se puede considerar como un proceso aleatorio discreto. LPN I N = L ∑ Pj log 2 P1j bits j=1 N (4. Es mas bien un grado de orden. .11) De acuerdo con la ecuación (4.. la cantidad de información definida en (4.. el símbolo j-ésimo ocurrirá aproximadamente LPj veces y la información asociada será LPjIj bits. debe cumplirse que ∑P n =1 N n =1 (4. i ≠ j.. . es entonces un conjunto de N variables aleatorias. xN} distintos e independientes. Desde un punto de vista probabilístico.8) ha sido obtenida para un solo mensaje y no es apropiada para describir una fuente que produce un conjunto de diferentes mensajes. o de no aleatoriedad.. Supongamos que se transmite una larga secuencia de L mensajes o símbolos. Por consiguiente. En este contexto. Consideremos una fuente discreta que produce N símbolos o mensajes {x1. la energía o cualquiera otra cantidad física. .8). con probabilidades de ocurrencia correspondientes {P1. Entropía La cantidad de información definida en la ecuación (4.. x3. cuando se transmite un mensaje cualquiera x j . La capacidad de un canal para manejar o transportar esa información 4.1. entonces la cantidad de información asociada con los mensajes sería más cercana a log2 2 bits que a log2 3 bits.. Por ejemplo.. P3.. cuando el flujo instantáneo de información producido por una fuente es aleatorio...4. La codificación de los mensajes para optimizar los tres aspectos anteriores. CARACTERIZACION DE LA INFORMACION 4..266 IV.

0. significa que aunque no se pueda decir con certeza qué mensaje se va a producir. 0. se puede encontrar en la Bibliografía [Shannon. empírica. C y D cuyas probabilidades son. En este caso. 4. 0. o LH bits en una secuencia de L mensajes. B. respectivamente. esto es. 1949]. de (4. la deducción rigurosa. Una fuente produce cuatro símbolos A. La entropía de la fuente será H = 0.75 bits/símbolo Si los símbolos fueran equiprobables. hasta cierto punto. Entropía de una Fuente Binaria H = log 2 4 = 2 bits/símbolo .13) que hemos presentado es. respectivamente.5.15 log 2 8 = 1.125.25.. En efecto. si L es grande.2. La entropía de la fuente. entonces 0 0. 0 ≤ H ≤ HMAX = log2 N (4.2. Por otro lado. entonces H = 1 bit. 1976] que H es máxima cuando las probabilidades de ocurrencia de los símbolos son iguales.14) En consecuencia.267 IV. 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.25 log 2 4 + 2x 0.12). H= It = L ∑Pj log 2 P1j j=1 N bits/símbolo (4. Por consiguiente.. ♣ ♣ Ejemplo 1.1. Las probabilidades de los símbolos son p y (1 − p) .5 log 2 2 + 0. o información promedio asociada con la fuente.15) donde N es el número de símbolos o mensajes producidos por la fuente. como la denominó Shannon.5 1 H(bits) 1 p 4. Esta información promedio normalmente se representa con la letra H. Sea una fuente binaria (N = 2). 1 1 H = p log 2 ( ) + (1 − p) log 2 ( ) p 1− p En la Fig.. ♣ Ejemplo 4. es decir. Entropía de una Fuente Binaria. si p = ¼. será entonces la información total de la secuencia dividida por el número de símbolos de la misma.. La deducción de la ecuación (4. valor que corresponde al pico de la curva. la información promedio asociada con la fuente es máxima. cuando P1 = P2 = P3 = .2 se grafica H vs p Nótese que si p = ½. Se puede demostrar [Ziemer y otros .125 y 0. realizada por Shannon.13) Esta es la “Entropía de la Fuente”. = PN = 1/N. se espera obtener en promedio H bits de información por mensaje. Nótese que cuando los símbolos o mensajes son equiprobables.. PRINCIPIOS DE LA TRANSMISION DE INFORMACION La información promedio. en bits por símbolo (bits/símb). la entropía está acotada por log2 N (4.

en otras palabras. ♣ Consideremos la información producida por una máquina de escribir de 26 letras y el espacio entre letras. la velocidad de la información. la letra E es la que ocurre con más frecuencia.2 bits.3 bits. Si suponemos que los símbolos tienen todos la misma duración T. de acuerdo con (4. 4. que p+p+ H=2 1 2 p+ 1 2 p+ 1 2 p+ 1 2 p = 1. Solución Sea p la probabilidad de sacar un UNO o un SEIS. ♣ 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.59 bits/cara ♣ Si el dado fuera correcto. Esta es la máxima información que la máquina de escribir puede generar.4.17) y si los símbolos son equiprobables. Sea una fuente que produce N símbolos distintos e independientes a una velocidad de Vs símbolos por segundo.5 bits/cara 8 4 1 H = log2 6 = 2. Por ejemplo. Asimismo.3. entonces Vs = 1 símbolos/segundo T (4. Debe verificarse.755 bits/letra. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Nótese que la entropía H es máxima cuando los símbolos son equiprobables. Si todos los símbolos tuvieran la misma probabilidad. Se ha determinado experimentalmente que la información promedio asociada con una letra es de aproximadamente 4. una palabra tiene. Vamos a determinar la entropía asociada con el dado. en promedio. ♣ ♣ Ejemplo 4. 5 letras y un contenido de información de 9.16) La velocidad de información será entonces Vi = Vs H = 1 T ∑ P log j j=1 N 2 1 Pj bits/seg (bps) (4. es decir.4.11). HMAX = log2 27 = 4. Vi = Vs log 2 N = 1 T log 2 N bps (4. de donde p = ¼ 1 log 2 4 + 4 log 2 8 = 2 . la fuente produce 27 símbolos.18) . Pero en el idioma español las letras tienen diferentes probabilidades de ocurrencia en un texto. 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.2.268 IV.

secuencia que denominaremos “muestra codificada o palabra codificada” y el conjunto de palabras codificadas forman una secuencia aleatoria binaria. igual a la duración de cada símbolo a fin de no perder información. “convertidor” o “codificador”. en este contexto. que se verán en el Capítulo V. . Las secuencias aleatorias binarias en los sistemas de modulación de impulsos y los códigos de línea. son formas de codificación de canal. Vi = Vs log2 4 = 2000 bps Nótese nuevamente que la velocidad de información es máxima cuando los símbolos son ♣ equiprobables.4. ésta es la codificación de canal.269 IV. la duración de la muestra codificada debe ser.2 se producen a una velocidad de 1000 símbolos por segundo.75 = 1750 bps b) Si los símbolos son equiprobables. como máximo. sin embargo. 4. 4. Una clase muy importante de conversor es aquella que convierte los símbolos producidos por la fuente en secuencias de impulsos discretos. La velocidad de información de la fuente será a) Si los símbolos tienen diferentes probabilidades Vi = Vs H = 1000 x 1. Otros tipos de codificación binaria de canal son los Códigos Baudot y ASCII. Nosotros emplearemos los términos “velocidad de información” o “velocidad de transmisión” indistintamente. En sistemas de procesamiento y transmisión de señales digitales. efectuar una conversión o adaptación de los símbolos en formas compatibles con el medio de transmisión. se utilizan secuencias binarias (m = 2) que contienen 8 impulsos (n = 8). sin perder generalidad. para diferenciarlo de 1 kbyte = 1000 bytes). Esta secuencia binaria de 8 impulsos se denomina comúnmente “byte” u “octeto” (En la práctica 1 Kbyte = 1024 bytes. que podemos suponer equiprobables. en secuencias de n impulsos con m amplitudes. pues. como se muestra en la Fig.9 del Capítulo III. Como se considera que el codificador no tiene memoria. 4. los símbolos tal como salen de la fuente pueden no ser apropiados para ser transmitidos por un canal dado.5. En la práctica hay muchos códigos que emplean secuencias multinivel o m-arias y esquemas para la detección y corrección de errores. el lector puede consultar la bibliografía especializada. a una velocidad Vs = 1/T símbolos/segundo. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Algunos autores llaman a la velocidad de información “rata o tasa de información” (del inglés “rate”). Para más detalles sobre estos códigos. de gran interés en los sistemas de procesamiento y transmisión digital de señales. Sea entonces. vamos a suponer un sistema mediante el cual cada símbolo o mensaje se transforma en una secuencia particular de n impulsos con m amplitudes. la palabra “rata” en español significa “porcentaje” o “parte proporcional”. Los símbolos se codifican. en general. ♣ Ejemplo 4. Fig. Es necesario.3(b). en el sentido visto en la Sección 3.3. Codificación de Canal Hemos dicho que. denominada también “codificación de fuente”. pero. una fuente discreta sin memoria que produce N símbolos distintos e independientes. cada uno. Hay muchos métodos de codificación digital de canal. que veremos más adelante. Los símbolos de la fuente del Ejemplo 4.3(a). Esta transformación se denomina comúnmente “conversión” o “codificación” y el dispositivo que la efectúa. como veremos en los Capítulos V y VI.

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. es de gran utilización en los sistemas digitales de transmisión de información. que denominaremos “relación de conversión o de codificación”. de (4. es decir. a una velocidad de 100 símbolos por segundo. ♣ Ejemplo 4. Codificación en Secuencias de Impulsos A la salida de la fuente de información la velocidad de transmisión es. Vif = 1 T log 2 N (4. Vi = Vif = Vic de modo que.22) Esta expresión.20) La velocidad de información a la salida del codificador será Vic = = log 2 m n bps (4. que suponemos independientes y equiprobables. 4. . y para cualquiera velocidad de información. Si cada símbolo se codifica en secuencias de n impulsos con m amplitudes.22) es independiente de T. I = n log 2 m = log 2 m n n log 2 m T 1 T bits (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). de la expresión (4. Una fuente de información produce 256 símbolos. Nótese que la relación (4.20) y (4. N = mn m y n enteros (4.21) Como se supone que el sistema no tiene memoria (elementos de almacenamiento).6. pues relaciona los parámetros m y n del codificador con el número N de símbolos producidos por la fuente.18). lo que significa que la relación entre m.270 IV. la velocidad de información será la misma en todos los puntos a lo largo del sistema. es decir. n y N es válida para cualquier sistema con o sin memoria.19) Asimismo.19). vamos a determinar la velocidad de información y los valores posibles de m y n.3. (4.21).

22).3 se supone que en el extremo receptor se sabe cuándo comienza y cuándo termina cada secuencia de impulsos.6.23) queda en la forma V i = Vb (4.25) Esto significa que en un sistema binario la velocidad de información y la velocidad de modulación son numéricamente iguales. 4.24) Vb = Vb es el número de impulsos por segundo.7. En efecto.4. son m = 2 y n = 8 (caso binario). se conoce con el nombre de “velocidad de modulación” o “velocidad de señalización”. De la Fig.4.4. Vs = 100 símb/seg = a) n = 8. es decir. 256 = m n . Este resultado es válido si la codificación se ha efectuado en la forma mostrada en la Fig. En un sistema binario. m = 2 y la expresión (4.5. Sin embargo. de modo que los impulsos tienen todos la misma duración τ.25 ms. Las combinaciones de m y n que satisfacen la expresión (4. 4 τ2 = Vb2 = ♣ 4. T = 10 ms T Vb1 = 1 = 800 baudios τ1 1 = 400 baudios τ2 T = 1. 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. es decir. τ1 = b) n = 4.21) queda en la forma siguiente Vi = donde 1 τ log 2 m = Vb log 2 m bps 1 τ (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Solución La velocidad de información es Vi = 100 log 2 256 = 800 bps. También puede agregarse otros impulsos para . 4. 4. 1 . T = nτ y la expresión (4. los codificadores son dispositivos comandados por un reloj. 8 T = 2.271 IV. Se puede ahora calcular la velocidad de modulación de las muestras codificadas del Ejemplo 4.4. Velocidad de Modulación m=4 y n=4 ♣ En general.5 ms. sin redundancia agregada. ♣ Ejemplo 4. 4. Redundancia Agregada En el sistema mostrado en la Fig. esto es. 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.23) (4. como veremos después del siguiente ejemplo.4. y se expresa en baudios.

la polaridad. con algunas excepciones (por ejemplo.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”. 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 Fig. respectivamente. como veremos más adelante. extracción de la temporización. números enteros pues suponemos que el codificador está controlado por un reloj. amplitud y duración de los impulsos de arranque y pare son arbitrarias pero fijas. Arranque qτ. 4.26) Puesto que la velocidad de información no ha variado. p y q son. Todos estos impulsos adicionales se denominan “impulsos redundantes” o “redundancia agregada”. Esta situación se muestra en la Fig. etc. lo cual impone restricciones más severas sobre el canal. τ' < τ y ' Vb > Vb (4. 4.. de donde Vi = KVb (4. que tampoco llevan información útil. Sin embargo.33). la velocidad de modulación ha aumentado. pτ. que llamaremos impulsos de “arranque” y “pare”.4.4. En el caso binario. de donde Vi = n log 2 m (n + p + q )τ ' = n n+p+q ' Vb log 2 m bps (4.27) n Impulsos de Información m Niveles o Amplitudes Pare n 1 2 3 4 5 6 τ. el Código Baudot.272 IV. El valor de K (como un porcentaje K%) es una medida del rendimiento o eficiencia de la codificación (Ver Problema de Aplicación 4. mostrado en la Fig. 4. Sea entonces una muestra codificada a la cual se le han agregado dos impulsos de duración pτ‘ y qτ‘. Muestra Codificada Con Impulsos Redundantes Considerando entonces los impulsos redundantes agregados. .13(a)). PRINCIPIOS DE LA TRANSMISION DE INFORMACION control y detección de errores. T = (n + p + q)τ‘. De la Fig. la velocidad de información vendrá dada (eliminando el índice de Vb ' ) por Vi = KVb log 2 m donde K= n (4.4.29) o también Vi < Vb La velocidad de información ya no es igual a la velocidad de modulación debido a los impulsos redundantes. 4. m = 2.

Vamos a considerar un canal ideal. la velocidad de modulación se define respecto al impulso de menor duración presente en la muestra codificada. K=7/11. en la Fig. por ejemplo.5: un impulso de arranque siempre a CERO. n = 7. Desde el punto de vista eléctrico. ver también la Fig. T = 1/10 = 100 ms = 11τ. En el Apéndice B-5 se especifica este código en detalle. 4. τ 0 a 1 0 1 0 b T a: Impulso de Arranque (siempre a "0").5 se muestra la letra U en ASCII. Código ASCII o Alfabeto Internacional N° 5 de la UIT-T En este tipo de codificación binaria cada carácter alfanumérico se codifica como se muestra en la Fig. 4. Supongamos que el ancho de banda del canal se puede variar y que a su . los caracteres ASCII fluyen a una velocidad de 10 caracteres por segundo. 1 0 1 0 c 1 d 1 En transmisión por teletipo. Por ejemplo. ♣ Ejemplo 4.5. 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.8. A este efecto.5. m = 2.13(b). es decir. Ancho de Banda del Canal N = 2 7 = 128 caracteres ♣ La velocidad de modulación. un canal que no introduce ninguna atenuación o distorsión.273 IV. CARACTERIZACION DEL CANAL 4. b: Impulsos de Información c: Impulso de Paridad (detector de error). Entonces. siete impulsos de información.. 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. d: Impulsos de Pare (siempre a "1") Fig. un impulso de paridad (para gestión o control de error) y un impulso de pare de duración variable (hasta 2τ) siempre a UNO. 4.5. Vs = 10 caracteres/seg. 4. cuando los impulsos (de información o redundantes) tienen diferente duración. 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. es un parámetro de naturaleza eléctrica de gran importancia en la caracterización de sistemas de transmisión de señales digitales. PRINCIPIOS DE LA TRANSMISION DE INFORMACION En general. Letra U codificada en ASCII con bit de paridad.1. definida como el inverso de la duración del intervalo unitario o del impulso de menor duración.

el valor de k deberá ser mucho mayor que la unidad. que tomaremos como referencia. y la salida será parecida a la entrada. la forma dada en la Fig. donde τ es la duración del impulso de entrada. Puede observarse que la “fidelidad” de la salida depende tanto de τ como de B. 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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION entrada se aplican impulsos de duración decreciente. En este texto. por ejemplo. B≥ 1 τ (4. Cuando es necesario preservar la forma de la señal transmitida.5.5 (definido en el Ejemplo 2. la expresión (4. hay que aumentar el ancho de banda del canal a un valor B3 > B2 > B1. Nuevamente se aplica un impulso de duración τ3 < τ2 < τ1 . cuando se utilice el tiempo de alzada.19). es decir. la Salida 1 tendrá.30) τ donde k depende de la fidelidad requerida a la salida. usaremos k = 0. Es evidente que si se desea una gran fidelidad.31) es de gran utilización en la caracterización de sistemas de transmisión de impulsos y la emplearemos con bastante frecuencia. 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= (4.35 ó 0. el canal dejará pasar el 90% de la energía contenida en el impulso de entrada.6.19. El valor mínimo teórico de k es 0. pero en la práctica se utiliza k = 1. Debido a esto. por ejemplo. obteniéndose. dependiendo de la definición de tr .31a) donde k es igual a 0.274 IV. 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. .35. 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. Para un ancho de banda B1 y un impulso de entrada de duración τ1 . Ahora se aplica un impulso de duración τ2 < τ1 . hay que aumentar el ancho de banda del canal a un valor B2 > B1 . aquí suponemos que la relación entre τ y B es una relación inversa. que si B = 1/τ . es decir.31) Demostramos en el Ejemplo 1. Capítulo I. la Salida 3. la Salida 2 saldrá deformada como se muestra en la figura.

Velocidad de la Fuente: Vs = 1 10 .24) y (4.7: cinco impulsos cuaternarios con impulsos de arranque y pare. debe verificarse que B ≥ Vb para no perder información.31) tienen la misma forma. si Vb > B. 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 . donde B es el ancho de banda real del canal.6x10 7 bits. puede transmitirse sin perder información por un canal ideal con un ancho de banda mínimo Bn numéricamente igual a Vb. Es evidente que si Vb < B.9. En general. m = 4 y N = 4 5 = 1024 símbolos. Información asociada a la fuente: I = log 2 1024 = 10 bits/símbolo K = 5/10 = 0. Hay 4 niveles de información: -3. como veremos en la sección siguiente. Nótese que si se Tt = 3600 seg .32) ♣ Ejemplo 4. T = 10τ . no habrá problemas en la recuperación de la información. en una hora se producirán . La velocidad de modulación es de 10 kbaudios. K% = 50%. 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. La información producida por esta fuente en un tiempo Tt es: It = Vi Tt .7. 4. Sea una fuente que produce N símbolos independientes y equiprobables. = Vb = 10 4 = τ T T = 10 −3 seg. Sin embargo. los cuales se han codificado en la forma mostrada en la Fig. n = 5. 1 y 3. PRINCIPIOS DE LA TRANSMISION DE INFORMACION B≈ 1 2t r (4. (4. entonces. 4. se perderá información y habría que buscar otros medios para evitar esa pérdida.31b) Puede observarse que las expresiones (4. si por ejemplo I t = 10 4 x3600 = 3.5 . -1.275 IV.

Shannon introdujo el concepto de “capacidad de un canal”. 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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION disminuye a la mitad la duración de los impulsos de arranque y pare. ♣ ♣ Ejemplo 4.5.10. es evidente que habrá pérdida de información.9 se transmite por un canal de 5 kHz.37) .2. I p = [ K( Vb − B) log 2 m] Tt bits para Vb > B (4. en bits perdidos por segundo. pero si Vi > C entonces no es posible transmitir sin error. no obstante la presencia de ruido.34) Si se define Vp como la velocidad promedio a la cual se pierde información. Vamos a cuantificar esta pérdida de información. un canal de ancho de banda B puede soportar una velocidad de información máxima dada por Vi' = KB log 2 m bps (4.33) La información transmitida por el canal en un tiempo Tt será I t = Vi' Tt bits. Como Vb > 5000. La capacidad del canal es entonces la máxima velocidad a la cual el canal puede transportar información confiable hasta el destinatario. viene dada por I p = I f − I t = (Vi − Vi' ) Tt y de (4.33). La capacidad C se expresa en bits por segundo (bps). El lector puede calcular este nuevo valor. m = 2 y K = 1. se tendrá de (4.28) y (4.28) y (4.276 IV. de modo que puede decirse que la información perdida en el proceso. De acuerdo con (4. la velocidad de modulación no cambia pero la velocidad de información aumenta. Ip Vp = = K( Vb − B) log 2 m bits perdidos por segundo para Vb > B (4. entonces existe una técnica de codificación que permite la transmisión sobre el canal con una frecuencia de errores arbitrariamente pequeña.32).34). si 0 < Vi ≤ C se puede transmitir sin error. Estimación de la Pérdida de Información en un Canal La señal codificada del Ejemplo 4. Vp = Vb − B bits perdidos por segundo para Vb > B (4. en bits.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. Es decir. (4.35) Tt Si el sistema es binario y no tiene impulsos redundantes. Pero en el mismo tiempo Tt la fuente ha producido I f = Vi Tt bits. Capacidad del Canal Definición Para definir una medida de la eficacia con la cual un canal transmite información y para determinar su límite superior. que comúnmente se representa con la letra C.

43) T La capacidad C del canal se puede expresar también en términos de los parámetros del codificador y del mismo canal.44) Sin embargo. Rc R c = C − Vi Rc ≥ 0 (4. entonces de (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. En efecto. La cantidad de información máxima de la fuente es log 2 N bits y si cada símbolo tiene una duración T.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. la capacidad C dada por (4. ηc = 1 − ρc donde ηc ≤ 1 (4. la velocidad de modulación disminuye y la exigencia sobre el canal disminuye también. la capacidad mínima del canal será 1 C = log 2 N = Vs log 2 N bps (4. ver la bibliografía especializada. Podemos entonces reemplazar en (4.277 IV. el ancho de banda real del canal. C= 1 T log 2 m n = n T log 2 m = KVb log 2 m bps (4. si los símbolos han sido codificados en secuencias de n impulsos de m amplitudes.45) se puede aumentar incrementando el número de niveles m de los impulsos o mediante una codificación equivalente. Para más información sobre estos tipos de codificación de canal. ρc ρc = Rc V = 1− i C C Vi C (4. Como el número de símbolos N es constante.40) También.21) y (4. .39) • Rendimiento del Canal. Son las técnicas de codificación apropiadas las que en definitiva permiten aumentar la capacidad del canal. con lo cual obtenemos finalmente que (4. un aumento en m implica una disminución en el número de impulsos de información. Como consecuencia. Vb es también.45) C = KB log 2 m bps Como el ancho de banda B del canal generalmente es fijo. el ancho de banda mínimo necesario para transmitir los impulsos sin distorsión excesiva.28). numéricamente.38) • Redundancia Relativa. como bien lo expresa el Teorema Fundamental de Shannon.32).41) • Rendimiento del Canal respecto al Ancho de Banda. ηc ηc = ó ηc % = 100 Vi C (4. ηB ηB = Vi B ηB se expresa en bps/Hz (4.44) Vb por B. de acuerdo con (4.

Cuando el ancho de banda de un canal está limitado. de acuerdo con (4. Esto quiere decir que si una codificación dada tiene una probabilidad de error Pe operando sobre un canal gaussiano. Por otro lado. Las expresiones (4.46) En consecuencia.43) a (4. el rendimiento máximo de un canal viene dado entonces por . velocidades superiores solamente se obtienen mediante control de error y compresión de datos. sea por sus propias características físicas o por regulaciones y normas técnicas.278 IV.45). con una codificación adecuada se podría aumentar indefinidamente la capacidad del canal. el límite teórico para la capacidad de este canal es superior. B ≥ Vb (4.45). (4.28). la potencia promedio de la señal transmitida es S. PRINCIPIOS DE LA TRANSMISION DE INFORMACION De (4. Si el canal tiene un ancho de banda B. y que la potencia del ruido gaussiano dentro de un ancho de banda dado es también la más alta de todos los ruidos posibles. Shannon ha demostrado que el ruido gaussiano es el peor ruido entre todos los ruidos posibles. 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. Sin embargo. se ha llegado a 14400 bps con una velocidad de modulación máxima de 2400 baudios. Shannon. No hay que olvidar que ellas se aplican fundamentalmente a un canal ideal sin ruido lo cual está muy lejos de la realidad. con lo cual reafirmamos la expresión (4.47) A este resultado se le llama la “Ecuación de Hartley-Shannon”. y relaciona los tres parámetros de importancia en un canal: el ancho de banda del canal. en reconocimiento al trabajo pionero de Hartley y a la deducción rigurosa hecha por Shannon [Teorema N° 2. pero en la práctica se llega normalmente a 9600 bps. Con técnicas más sofisticadas de codificación. entonces la capacidad del canal en presencia de ruido aditivo y gaussiano viene dada por C = Blog 2 (1 + S ) N bps (4.47). y como consecuencia se produce una pérdida de información. 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. Aunque la ecuación ha sido deducida para un canal gaussiano.42) y (4. como lo vamos a ver más adelante. cuando opera sobre un canal no gaussiano la probabilidad de error será menor que Pe. 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. Por ejemplo. modulación y acondicionamiento del canal.37) y (4. La ecuación de Hartley-Shannon proporciona el límite superior para la transmisión de información confiable por un canal ruidoso. De las expresiones (4. y la potencia promedio del ruido en el canal es N. la potencia promedio de la señal útil y la potencia promedio de la señal perturbadora. un canal telefónico tiene un ancho de banda efectivo de 3. Además. Canal con Ruido La capacidad de un canal disminuye como consecuencia de los errores incurridos en la transmisión causados por señales perturbadoras o ruido.2 kHz. 1949].43) a (4.31). ella es de gran importancia en los sistemas de comunicación porque muchos canales prácticos se pueden modelar como un canal gaussiano.45) deben ser aplicadas con cautela.

6667x10−8 seg. de donde N N El lector puede demostrar.47). CAMARA DE TV A COLOR CANAL Fig. que en el caso de TV en blanco y negro (solamente 16 niveles de brillantez). Vamos a calcular los diferentes parámetros del sistema.10 dB N . ♣ Ejemplo 4. T = 6. PRINCIPIOS DE LA TRANSMISION DE INFORMACION η Bmax = C S = log 2 (1 + ) bps/Hz B N (4. la relación S/N mínima sería. los parámetros son: Iel = 4 bits/elemento. en la misma forma.21 dB ) . 4. Los sistemas prácticos cuyo rendimiento se aproxima a este rendimiento máximo incorporan entonces esquemas de codificación que incluyen codificaciones multinivel m-arias y procedimientos para la detección y/o corrección de errores y compresión de datos.48) La teoría de Shannon no especifica cuál es el mejor esquema de codificación que permite alcanzar este rendimiento máximo.279 IV. V1 = C = 60x103 bps S = 1023 = 30. 120x106 = 6x106 log2 (1 + S S = 1.667x10 Capacidad mínima del Canal: C = Vi = 120x106 bps Si el ancho de banda del canal fuera de 6 MHz. 667x10−8 seg 5 Vimg N el 30x5x10 8 Iel 6 = bps −8 = 120x10 T 6. Información contenida en una Imagen de Televisión.049x106 = 60. de (4. La velocidad de transmisión de las imágenes es de 30 por segundo. pero sí establece que para transmitir sin error los símbolos o muestras codificadas deben poseer una cierta redundancia.11. 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 = = 6.8 La cámara a color requiere 5x105 elementos de imagen con 16 niveles de brillantez y 16 matices de color por cada nivel..

Es evidente. se verifica entonces que. y con los métodos de codificación y modulación se trata de alcanzar este máximo teórico. la capacidad teórica del canal es del orden de los 32 kbps. a la entrada del receptor ideal. como se muestra en la Fig. como veremos posteriormente.2 kHz no debe sobrepasar los 2400 baudios. a partir de este teorema. o viceversa. 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. los sistemas reales no pueden alcanzar el potencial inherente en el ancho de banda y potencia que utilizan. que el ancho de banda y la potencia de la señal se pueden intercambiar. PRINCIPIOS DE LA TRANSMISION DE INFORMACION Obsérvese que para la misma potencia de ruido y ancho de banda. Como su ancho de banda efectivo es de 3.6.1 dB) mayor que en TV blanco y negro. Introducción La expresión (4. Recepción Ideal.9. es decir. la señal de TV a color necesita una potencia 1000 veces (30.2 kHz. La salida del receptor ideal será la señal mensaje de ancho de banda Bm y algún ruido introducido en el canal. respectivamente. Esta señal se transmite y es recibida en un receptor ideal. Nótese que la capacidad del canal representa la máxima cantidad de información que se puede transferir en un segundo. Señal Transmitida Origen Canal BT Si/Ni Receptor Ideal Bm So/No Ruido Fig.47) está considerada como el Teorema Central de la Teoría de la Información.6. y So y No las correspondientes potencias de salida. 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. Nótese que se puede aumentar aún más la velocidad de información utilizando diferentes métodos. de (4. en un canal telefónico la relación S/N para una buena recepción es de aproximadamente 30 dB. Sin embargo. Los procesos de codificación y modulación son los medios utilizados para efectuar este intercambio “Ancho de Banda-Relación Señal/Ruido”.1.47).2. 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). 4.280 IV.90). mientras que la velocidad de información llega ya a 56 kbps (con el Módem V. con B T ≥ B m .9. 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 . Sea entonces Si y Ni las potencias de señal y de ruido. . 4. ♣ 4. 4.6. EL SISTEMA IDEAL DE TRANSMISION DE INFORMACIÓN 4. Como la velocidad de información es la misma en todos los puntos del sistema. La máxima velocidad de modulación sobre un canal telefónico de 3. Consideremos. por ejemplo. Por ejemplo. pero no así la velocidad de modulación.

4.51) Si β m = B T / B m es la relación o factor de expansión del ancho de banda. lo cual es más razonable pues no es necesario aumentar la potencia transmitida.50b) Nótese que se puede aumentar So/No si se aumenta Si/Ni y se mantiene BT constante. se puede reducir considerablemente la potencia de la señal transmitida. de modo que S o ⎡ S i ⎤ Bm ≈⎢ ⎥ No ⎣ Ni ⎦ y en dB. Esto quiere decir que para un pequeño aumento en el ancho de banda BT.49) En la práctica. que veremos en los Capítulos V y VI. pero esto implica aumentar la potencia transmitida (si las condiciones de ruido no cambian). es necesario incrementar considerablemente la potencia de la señal transmitida. Por otra parte. C = B T log 2 (1 + Si ) bps Ni (4. ⎡ So ⎤ BT ⎡ S i ⎤ ⎢ ⎥ ≈ ⎢ ⎥ ⎣ N o ⎦ dB B m ⎣ N i ⎦ dB BT (4.50a) (4. En un sistema ideal la relación Señal/Ruido a la salida aumenta exponencialmente con la relación BT/Bm. También se puede mantener Si/Ni constante y aumentar BT. como veremos en los Capítulos V y VI.52) En la Fig. entonces se puede escribir C = β m B m log 2 (1 + S i / N i ) . Los sistemas de banda ancha. .10(a) se grafica (4. 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. Por lo tanto. para una pequeña reducción en el ancho de banda BT. de (4. En la Fig. 4. se caracterizan por un alto valor de la relación BT/Bm.10(b) se grafica este rendimiento para diferentes valores de β m . PRINCIPIOS DE LA TRANSMISION DE INFORMACION B T log 2 (1 + Si S ) = B m log 2 (1 + o ) Ni No BT de donde. en la práctica.47). So No ⎡ S i ⎤ Bm = ⎢1 + −1 ⎥ ⎣ Ni ⎦ (4. este intercambio o compromiso “Ancho de BandaRelación Señal/Ruido (S/N)” está limitado físicamente en los sistemas reales. La capacidad del canal ideal es.281 IV. 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. Sin embargo. denominada “Relación o Factor de Expansión del Ancho de Banda”.50b) para diferentes valores de la relación βm = BT/Bm. Relación de Expansión del Ancho de Banda La expresión (4. So/No y Si/Ni >> 1.49) 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.

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

cuya aparición suponemos equiprobable.005 0.283 IV.2.096 0. 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.001 0. El tratamiento de los temas ha sido necesariamente muy breve y sencillo. la letra E o la letra Z? 4. Un alfabeto consta de las siguientes letras: A.072 0.002 0. cuál letra es más útil en el juego. C.079 0.1. Sea un alfabeto en el cual la probabilidad de ocurrencia de las diferentes letras se da en la tabla siguiente: A B C D 0.016 0. se han deducido algunos parámetros tales como la velocidad de información. Esta letras se codifican en binario puro con un impulso de arranque y uno de .020 0. mediante el cual se puede utilizar los canales con el máximo rendimiento. F.023 Q R S T U 0.031 V W X Y Z 0. con algunos ejemplos como el Código ASCII y el Código Baudot. en sí misma. concepto que se utilizará para comparar los diferentes sistemas de comunicación prácticos que se estudiarán en los Capítulos V y VI. de los cuales 16 ocurren con una probabilidad de 1/32.002 0.066 0. La teoría de la información es una disciplina muy vasta y compleja. de gran aplicación práctica. y los 112 restantes con una probabilidad 1/224. 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.124 0. Una fuente de información produce 128 símbolos independientes. y se ha introducido la noción de codificación digital de la información. Un aspecto de considerable importancia es el concepto de capacidad de un canal.3. el concepto de codificación.023 0.037 E F G H 0. La fuente produce 100 símbolos por segundo.4 bps. ¿En español. H y O. 4. la velocidad de modulación y el ancho de banda mínimo para transmitir un impulso. 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.072 0. La teoría de los códigos es. Demuestre que la velocidad de información promedio de la fuente es de 640. PROBLEMAS DE APLICACION 4.316 bits/letra. E.051 I J K L 0. De la definición básica de la cantidad de información.009 0. y se deduce algunas expresiones que introducen la noción de Sistema Ideal de Transmisión de Información.019 0.072 0. 4. (d) Sea el juego siguiente: se trata de adivinar una palabra y se da como pista la primera letra de la palabra. asimismo.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. PRINCIPIOS DE LA TRANSMISION DE INFORMACION destino. B.081 0. un sujeto muy importante en la teoría general de la información. Demuestre que la entropía de este alfabeto es de 4. Introduce.7. Se discute en forma cualitativa el Teorema Fundamental de Shannon y la Ecuación de Hartley-Shannon.060 0. D.032 0.016 0.

4. Los símbolos se producen a una velocidad de 1000 símbolos por segundo. de 0.75 mseg y con una velo cidad de información de 2400 bps.14 mm x 11. es de 11.284 IV.032. 0. se codifican en binario para transmitirlos por un canal telefónico de 4 kHz. determine el número mínimo de pesadas necesarias para descubrir cuál es la moneda falsa. La imagen está compuesta por puntos con 8 niveles de gris. Nota: En las partes (a) y (b) hay que calcular no solamente el número de pesadas sino mostrar también el procedimiento para efectuarlas. 4.7. 0. PRINCIPIOS DE LA TRANSMISION DE INFORMACION pare. 4. (a) Si sabemos que la moneda falsa pesa menos que las buenas.766 bits.9.5x105 bits 4.2.3. Utilizando las suposiciones de los dos problemas anteriores. Disponemos también de una balanza de precisión con la cual podemos pesar las monedas. 4. de 0. demuestre que el tamaño que deberá tener la imagen (cuadrada) para que la información contenida en ella sea igual a la de 1000 palabras.05. demuestre que el locutor transmite a una velocidad de 46. 4.6. (c) Si las probabilidades de las 8 letras son. todos igualmente probables. Suponga que el impulso de arranque está siempre a CERO y el impulso de pare siempre a UNO.8. respectivamente.05. 0. por letra. Una persona escribe a una velocidad de 2 bps. y un símbolo con una probabilidad de 0.512. 0. cada uno.05 y 0. Se tiene 64 monedas de las cuales sabemos que una es falsa. El canal de transmisión tiene un ancho de banda de 4 kHz. (b) Repita la parte (a) pero en este caso no sabemos si la moneda falsa pesa más o menos que las monedas buenas. y se desea escribir una página de 280 caracteres. Una fuente produce ocho símbolos distintos e independientes cuyas probabilidades de aparición son: un símbolo con una probabilidad de 0. (b) Asigne a cada letra una muestra codificada y muestre la forma de la palabra CAFE a la salida del codificador. tres símbolos con una probabilidad. Demuestre que los símbolos sí pueden transmitirse por el canal telefónico y que la velocidad de información y de modulación son. la resolución de la imagen es de 5 puntos por mm.5. tres símbolos con una probabilidad. 0. Se escucha un partido de fútbol y el narrador habla a una velocidad de 300 palabras por minuto. respectivamente. Demuestre que la persona puede escribir una página en 11 minutos y 40 segundos.5 bps. es de 2. Con los datos del Ejemplo 1.4. (a) Demuestre que la palabra FACHADA se puede transmitir en 8. El alfabeto de una máquina de escribir consta de 32 caracteres alfanuméricos que suponemos equiprobables.128.15. 0.25.008. de 2166 bps y 3000 baudios. cada uno.1. todos los impulsos tienen la misma duración.14 mm . demuestre que la información promedio.15. Vamos a determinar la información contenida en una fotografía en blanco y negro. 0. Demuestre que la cantidad de información contenida en una fotografía de 10 cm x 10 cm es I = 7. El refrán dice que “una imagen vale mil palabras”.

todos de igual duración. la potencia promedio mínima de la señal debe ser de 4. La velocidad de modulación a la salida del codificador es de 80 kbaudios y se transmite un total de 1000 secuencias. 8. (b) En el canal hay ruido. (b) Las páginas almacenadas en la unidad de disco se van a transmitir ahora a razón de 30 páginas por segundo por un canal de 42 kHz de ancho de banda y en el cual la potencia de ruido es de 1 mW.1. Una fuente de información produce 16 símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo.10. Con los datos del Ejemplo 4. El ancho de banda del canal es de 10 kHz y la relación S/N correspondiente es de 30 dB. Demuestre que la cantidad de memoria necesaria para almacenar el contenido de la pantalla es: (a) En Modo Texto: 1 kbyte. Demuestre que para que no haya pérdida de información. Demuestre que: (a) La velocidad de modulación en el canal es de 5000 baudios.285 IV.2 y 0.7609 dB. el espaciado entre palabras es de 3 mm y la separación entre líneas es de 6 mm. 4. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N en. (a) Si no hay ruido en el canal.123 dBm. como mínimo. 0. la relación S/N en el canal deberá ser. 4.3. respectivamente. Una fuente produce símbolos los cuales se codifican en secuencias de 7 impulsos cuaternarios más 1 impulso de sincronización.13. La información o texto se considera formada por “páginas” de 30 líneas de 80 columnas con 7 bits por carácter.909 dB. Una página tiene una superficie útil de 50 cm x 60 cm. demuestre que la información promedio contenida en una página es de 16820 bits. 4. El intercambio de información entre una computadora y su unidad de disco se efectúa a una velocidad de 36400 bps.095 W o 36. todos de igual duración. los cuales se transmiten por un canal con un ancho de banda de 1 kHz. (b) En Modo Gráficos: 45 kbytes. 4. (b) Vamos a estimar la información promedio contenida en una página de un periódico.11. de 11. 0.4. 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”). demuestre que la cantidad de información que llegó a destino es de 12925 bits. Los cuatro niveles de cada impulso tienen probabilidades 0. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. . (b) Para que no haya pérdida de información. Los símbolos se codifican en binario más un impulso de sincronización.12.14.3. (a) Demuestre que la computadora puede transferir 650 páginas de texto en 5 minutos. Una computadora trabaja en dos modalidades: Modo Texto y Modo Gráficos. Contenido de Información de Textos Escritos. En Modo Gráficos la pantalla tiene una resolución de 200 filas y 300 columnas donde cada punto puede tener 16 colores diferentes y 4 niveles de intensidad. los tipos tienen dimensiones de 3 mm x 3 mm. por lo menos. (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.

135x107 bits en una hora. Si la relación S/N en el canal es de 60 dB y la potencia de ruido es de 1 µW. (a) Demuestre que la información contenida en una imagen es de 9x106 bits.625 µW. Una fuente de información produce 27 símbolos distintos y equiprobables. entonces m = 4 y n = 4. Fig. (d) Si la información se codifica en ASCII sin bit de paridad. y para una buena reproducción se requiere 16 niveles de brillantez. (b) Se puede transmitir 5. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. La imagen de un televisor a color está formada por 525 líneas que contienen.18. demuestre que la potencia mínima de la señal para que no haya pérdida de información.17.15. demuestre que el ancho de banda mínimo necesario del canal es de 157. (b) Transmisión Analógica. demuestre que la potencia de señal es de 1 W y que se puede transmitir por un canal de ancho de banda de 5. El codificador produce bloques que contienen 9 impulsos de información más un impulso de sincronización. todos de igual duración. 4. La velocidad de modulación a la salida del codificador es de 10 kbaudios. 1000 puntos luminosos.75 minutos. todos de igual duración. Demuestre que: (a) Para que no haya pérdida de información. 4. (b) Si la velocidad de modulación máxima es 3/4 de la velocidad de información máxima. Un terminal de datos produce 256 caracteres alfanuméricos que se codifican en n impulsos m-arios incluyendo un impulso de arranque y uno de pare. 4.534 MHz.286 IV. el tiempo de transmisión se reduce a la mitad.13(b). Cada punto luminoso tiene 8 niveles de brillantez y 16 matices de color. por página. el terminal de datos debe generar los caracteres a una velocidad igual o menor de 5000 caracteres por segundo.7609 dB. (a) Demuestre que la velocidad de la información producida por la imagen de televisión es de 110. Si cada punto luminoso se codifica en ASCII sin bit de paridad (Fig. (b) Demuestre que una imagen se puede transmitir en 37. (d) Si la potencia de ruido en el canal calculado en la parte (c) es de 1 µW. 4.13(b)) para su transmisión por un canal digital.16. los cuales se codifican en impulsos ternarios.25x106 elementos de imagen (esto equivale a 1500 líneas en cada dimensión). (c) Transmisión Digital. La señal codificada se transmite por un canal de ancho de banda de 10 kHz y con una relación S/N de 11. La información se codifica en binario para ser transmitida por un canal de 4 kHz de ancho de banda.5 minutos. ¿Qué pasaría si la codificación fuese en binario? . (c) Para los mismos datos. En el sistema no hay pérdida de información.5 MHz. 4. (c) Demuestre que si la información se codifica en impulsos cuaternarios. 2. Demuestre que: (a) La fuente está produciendo los símbolos a una velocidad de 3000 símbolos por segundo. demuestre que una imagen se transmite en 93. debe ser de 0. En un sistema de transmisión de facsímil de alta resolución se necesita. La velocidad de las imágenes es de 30 por segundo. cada una.3 Mbps.

Demuestre que la velocidad de modulación a la salida del convertidor es de 7. Un codificador produce impulsos binarios cuya velocidad de modulación es de 8 kbaudios.25x105 impulsos por minuto. (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. (b) Si el ancho de banda del canal de transmisión es de 5 kHz y se transmiten 105 muestras codificadas. pero a cada muestra se le agrega un impulso de arranque y uno de pare.3045 dB.5 veces la duración de un impulso de información. . La fotografía mide 10 cm x 15 cm. La entrada al convertidor es una secuencia de impulsos de amplitud variable cuya frecuencia es de 2. como mínimo. 4. Televisión de Barrido Lento (SSTV).5 kbps. Los símbolos se codifican en impulsos cuaternarios más un impulso de arranque y uno de pare.768 kHz. La salida del convertidor es otro tren de impulsos cuyo número de amplitudes es 1/4 del número de amplitudes de los impulsos de entrada al convertidor. La celda se mueve a una velocidad de 4 cm por segundo.287 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. La velocidad de barrido es de 2x103 puntos por segundo y el sistema requiere. Demuestre que si se quiere transmitir las 100 imágenes en 400 segundos. 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. 4.21. La duración de los impulsos de arranque y de pare es 1. En estas condiciones hay pérdida de información.878 dB. por imagen. 128 líneas con 128 puntos por línea. Sea un sistema de telefotografía. ambos de duración el doble de la de los impulsos de información. en 12. (c) La señal de salida de la celda fotoeléctrica se codifica en binario y se almacena 100 imágenes en la memoria de una computadora.23.19. respectivamente. demuestre que el ancho de banda mínimo del canal es de 2 kHz. el ancho de banda del canal debe ser de 32. (b) Si la señal de salida de la celda fotoeléctrica se transmite directamente por un canal. y su resolución es de 5 puntos por milímetro. Estos impulsos se van a transmitir por un canal de 1 kHz de ancho de banda y en el cual la relación S/N es de 11. 4. con una capacidad de 15x103 bps. Demuestre que: (a) Las velocidades de modulación y de información son de 10 kbaudios y 12. (d) Las imágenes almacenadas en la computadora se van a transmitir por un canal dado.22. 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. se pierden 5x105 bits de información. 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. Una fuente de información produce 1024 símbolos distintos y equiprobables a una velocidad de 1250 símbolos por segundo.20. Se tiene un convertidor automático.7609 dB. que convierte información de un sistema de codificación a otro sistema. Demuestre que para que no haya pérdida de información hay que aumentar la relación S/N. (a) Demuestre que la información contenida en una imagen es de 8 Kbytes. la relación S/N mínima en el canal para que no haya pérdida de información es de 8. 4.

(d) La salida de la celda fotoeléctrica se transmite directamente por un canal cuyo rendimiento es de 2 bps/Hz. 4.26. teniendo cada secuencia una duración de 100 µseg.288 IV. Si la potencia de ruido en el canal es de 1 pW. es Bn = 80 kHz (b) El canal tiene un ancho de banda de 50 kHz.48 seg. siendo Si/Ni y So/No las Receptor So/No Destino Origen Bc Br relaciones señal-ruido a la entrada y salida del receptor. Ruido n(t) respectivamente. 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. demuestre que el tiempo que tarda en vaciarse la memoria es Tt = 34. Demuestre que la relación señal/ruido a la salida del receptor es de 30. 4.25. La transmisión de las 10 fotografías que estaban en la memoria se efectúa en 2 segundos.25 Mbits. la relación Si/Ni es de 14.773 minutos .24. demuestre que la potencia de la señal para que no haya pérdida de información es de 3 pW.098 dB. Demuestre que la velocidad de información en el canal es de 13. Esta señal se pasa por un convertidor que la convierte en secuencias de 8 impulsos binarios. Demuestre que el sector de la memoria donde se guardó la información debe tener una capacidad de 26.13(a). (a) Demuestre que el ancho de banda mínimo del canal para transmitir las secuencias binarias en ausencia de ruido. la relación S/N en el canal es de 10 dB.08 dB.13 Mbps y que el ancho mínimo del canal debe ser de 18. para transmitir las secuencias sin error es de 3. (c) La información contenida en la memoria se va a transmitir por un canal en ASCII sin bit de paridad. 4. (b) Las señales producidas por la celda se codifican en binario y se guardan en la memoria de una computadora. 4.75 MHz. en dB. Demuestre que la relación S/N mínima.11. como se muestra Fig. (d) Si la información se transmite en código BAUDOT. El ancho de banda Bc del canal es de 16 kHz. Fig. y que la velocidad de modulación a la salida del codificador es de 1400 baudios. (a) Demuestre que la capacidad del canal es C = 10378 bps (b) Demuestre que la máxima velocidad de información en el canal sin ruido es de 2100 bps (c) Demuestre que el tiempo que tarda el terminal en vaciar la memoria es Tt = 30.9136 dB y el ancho de banda Br del receptor es de 8 kHz. En el sistema no hay pérdida de información. 4. en la cual se almacena 10 fotografías. Una señal s(t) es transmitida por un canal perturbado por un Si/Ni Señal s(t) Canal ruido n(t). 4. Una señal tiene un ancho de banda de 4 kHz.11 en la Fig. 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. El terminal de datos produce caracteres alfanuméricos en ASCII sin bit de paridad y en su memoria hay almacenados 8000 bits de información.

Sea el sistema mostrado en la Fig. Fuente Codificador 1 Canal Codificador ASCII Terminal de Datos Fig. (a) En un codificador (denominado 4B/3T) se transforma grupos de 4 dígitos binarios en grupos de 3 dígitos ternarios. binarios también. 4. los valores apropiados de m y n para el codificador 1. 4.12. así codificada.5 y B.27. 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.28.12.289 IV. El terminal de datos solamente acepta secuencias codificadas en ASCII sin bit de paridad. En el Código ASCII los caracteres fluyen a una velocidad de 100 caracteres por segundo. 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. (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. . Para el Código BAUDOT tomar las duraciones dadas en la figura. La secuencia. No hay pérdida de información en el sistema. (a) Determine N. Ver APENDICE B. 4. Vb = 10 kbaudios y Vi = 7 kbps. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 4. no hay pérdida de información en el canal. (Nota: en ambos códigos el bit o dígito binario 1 es el de menor peso). sin pérdida de información. 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.29. se transmite por un canal. Demuestre que la velocidad de modulación en el canal es de 96 kbaudios. La fuente produce N símbolos distintos y equiprobables a una velocidad de 1000 símbolos por segundo. respectivamente. Códigos Binarios BAUDOT y ASCII (Alfabeto Internacional N° 5 de la UIT-T) En la Fig.13 se muestran los formatos de los Códigos BAUDOT y ASCII (sin bit de paridad).6. ambos de la misma duración que los de información. 4.

290 IV. Formatos de los CODIGOS BAUDOT y ASCII. teóricamente. (b) ¿Qué significa la siguiente información codificada en ASCII? 011001011101111001110110010111 (c) ¿Cómo se codificaría la misma información de (b) pero en BAUDOT? 4. 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. Considere la ecuación de Hartley-Shannon. N es entonces la potencia de ruido contenida en el ancho de banda B. donde η tiene dimensiones de vatios por unidad de ancho de banda (W/Hz) y es la “densidad espectral de potencia de ruido”. demuestre que B→∞ ⎡S⎤ ⎡S⎤ lim C = ⎢ ⎥ log 2 e = 1. Demuestre que si el ancho de banda del canal tiende a infinito (BT → ∞) . Por consiguiente.13.30.54) 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).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 . 4. Límite de Shannon. 4. Consideremos el receptor ideal de la Fig. . 443 ⎢ ⎥ = ViMAX ⎣η⎦ ⎣η⎦ (4. como es el caso de los sistemas de comunicación espacial o por satélites. la relación So/No a la salida aumenta exponencialmente con γ. en condiciones ideales cuando el ancho de banda de transmisión BT tiende a infinito.9 . Si el ancho de banda B aumenta sin límites (B→∞).31. (a) Determine las velocidades de modulación y de información para cada uno de estos códigos. entonces ⎡ So ⎤ Si ) = exp( γ ) ⎢ ⎥ ≈ exp( ηB m ⎣ No ⎦ cuando So No >> 1 (4.

Eb” en la forma Eb = Sτ. entonces η B = log 2 (1 + η B Eb ηo ) Vi . Rendimiento del Canal en el Sistema Ideal de Transmisión. y tanto ηco como Rco se pueden expresar en forma porcentual (ηco% y Rco%). Demuestre que en Transmisión Sincrónica ηco % = 98. 4. ASCII con bit de paridad (Fig. B ηB se expresa en bps/Hz (4. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 1.33. Nótese que la codificación binaria es la menos eficiente. y r el número de impulsos redundantes (ver ecuación (4.4). (a) Determine el rendimiento de los Códigos Baudot (Fig. Vb ≥ Vi .5% .5% y R co % = 1. En los sistemas binarios (m = 2) se suele definir también la “redundancia de codificación.57) En este caso. 4.13(a)). pero es la más utilizada por su facilidad de instrumentación.5 en el Apéndice B.28) y Fig. demuestre que si el sistema es binario y Vi = C. En la expresión (4. Los bloques de datos se estructuran en la forma siguiente: se colocan tres caracteres SYN (de sincronización) al inicio de cada bloque.56) donde n es el número de impulsos de información.291 IV. (b) Transmisión Sincrónica. paridad y pare. solamente los impulsos de información. Rendimiento y Redundancia de Codificación. Código ASCII. 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. Rco” en la forma R co = 1 − ηco = Vb − Vi r = Vb n+r (4. y del codificador del Ejemplo 4. Los caracteres SYN y ETX están definidos en la Tabla B.55) Grafique también ηB vs Eb/ηo Sugerencia: utilice escalas log-log.9.5). a continuación 256 caracteres de información y se termina el bloque con un carácter ETX.32. 4. para 1≤ Eb ηo ≤ 100 4.42) se definió el “rendimiento del canal respecto al ancho de banda” en la forma ηB = donde τ es la duración de un dígito binario. Ni los caracteres SYN y ETX. ni los caracteres de información contienen los impulsos de arranque. Si se define la “Energía por Dígito Binario.

todos de igual duración. 0 1 → f2 . 4. 4. Toma a continuación un símbolo de la Fuente 2 y lo codifica en binario agregándole un impulso de arranque y uno de pare.4% (d) Si la velocidad de modulación es la misma en los dos tipos de transmisión anteriores. 4. respectivamente: N1 = 128 símbolos N2 = 256 símbolos N3 = 32 símbolos Fuente 1 Fuente 2 Secuencias Compuestas Codificador Canal Fuente Todos estos símbolos son independientes y 3 equiprobables.5 kHz y f4 = 2 kHz. ¿Cuál es la relación entre sus respectivas velocidades de información? 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. Se desea introducir información a una computadora mediante tarjetas perforadas tipo IBM. demuestre que la relación So/No a la salida es de 90. Código ASCII. f2 = 1 kHz . El codificador opera en la Fig. f3 = 1.31 dB y que el ancho de banda del canal es de 375 Hz. 4.292 IV. (c) Si la capacidad de la memoria de la computadora es de 600 Kbytes. demuestre que el lector está entregando información a la computadora a una velocidad de 6400 bps. 1 1 → f4 La velocidad de modulación a la entrada del sintetizador es de 1000 baudios.37. En el canal la potencia promedio de la señal es de 0. Si a la salida del receptor el ancho de banda es de 100 Hz.34. 1 0 → f3 .14 forma siguiente: primero toma un símbolo de la Fuente 1 y lo codifica en ASCII sin bit de paridad. demuestre que puede almacenar el contenido de 7680 tarjetas.6% y R co = 36. Las fuentes producen. Por último. Estas tarjetas tienen 80 columnas por F filas. toma un símbolo de la Fuente 3 y lo codifica en binario agregándole un impulso de arranque y uno de pare. f3 = 3f1 y f4 = 4f1. (a) Si la computadora reconoce 256 caracteres alfanuméricos y cada carácter se almacena en una columna de la tarjeta. Sea el sistema de la Fig. (b) Si el lector de tarjetas lee 10 tarjetas por segundo. Un cierto sistema de comunicación posee un sintetizador de frecuencias que produce cuatro frecuencias diferentes: f1. y se sabe que para la transmisión del grupo 0 0 se transmite un solo ciclo de la frecuencia f1 .5 veces más que los demás. incluidos los de las Fuentes 1 y .14. este último dura 1. f2 = 2f1 .5). PRINCIPIOS DE LA TRANSMISION DE INFORMACION (c) Transmisión Asincrónica. Se transmite bloques de 256 caracteres ASCII incluyendo todos los impulsos redundantes (Fig.36.5 W y la de ruido 2 mW. 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 . Cierta fuente de información transmite cada milisegundo un número octal (base 8). demuestre que en este caso cada columna tendrá 8 filas. 4. Demuestre que en Transmisión Asincrónica η co = 63. 4.35.

(c) Si la relación S/N en el canal es de 15 dB. de 280 bps y 400 baudios. PRINCIPIOS DE LA TRANSMISION DE INFORMACION 2. la duración de cada impulso es de 25 ms.8 Hz. demuestre que la relación S/N en el canal es de 8. 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.451 dB.38.293 IV. demuestre que el ancho de banda mínimo del canal es de 397. 4. (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. (b) Si el rendimiento del canal respecto al ancho de banda es de 3 bps/Hz.13(b)) para transmisión por un cable bifilar. El codificador vuelve a la Fuente 1 y se repite el proceso. cada uno de los cuales transmite impulsos con dos valores posibles: 0V y 5V. Demuestre que a la salida de la interfaz las velocidades de información y de modulación son. 4. Mediante una “interfaz” se convierte las 7 salidas de la computadora en una secuencia serie ASCII sin bit de paridad (Fig.7%. . La salida de cierta computadora está formada por 7 conductores. respectivamente.

294 IV. PRINCIPIOS DE LA TRANSMISION DE INFORMACION .

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

2. aunque no todos los autores la presentan en esta forma. 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 . y el intervalo Ts correspondiente. proporciona un mecanismo para representar señales continuas mediante señales discretas. Mucha de la importancia de la Teoría del Muestreo radica en que ella constituye un enlace o puente entre señales continuas y señales discretas y. Formas más o menos complicadas de este teorema se conocían en la literatura matemática. su habilidad para representar una señal continua mediante una serie de muestras instantáneas. 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. 1949] “Una señal x(t) pasabajo cuya frecuencia máxima es f m . se puede especificar unívocamente por sus valores o muestras x(nTs ) . 5. monovalentes y limitadas en frecuencia o en el tiempo. H. de las escenas continuas originales. Sin embargo. 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. separados cada Ts = 1/ f s segundos. . tomados en una serie de instantes discretos. La teoría del muestreo se puede resumir en cuatro teoremas. nosotros percibimos una representación móvil. ± 2. pero fue Shannon quien en 1949 lo introdujo en el dominio de la teoría de la comunicación.296 V. fáciles de programar y adquirir.. 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. f s es la frecuencia de muestreo o “Frecuencia de Shannon” y Ts el “Intervalo de Muestreo”. haciendo referencia principalmente a las Recomendaciones pertinentes de la UIT-T. 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. se denomina “Frecuencia de Nyquist”. . llamados “instantes o puntos de muestra”. Cuando estas fotografías se proyectan a esa misma velocidad (24 fotografías por segundo). Teorema No 1. ligeros.. con n = 0. “Intervalo de Nyquist”..2. TEORIA DEL MUESTREO UNIFORME DE SEÑALES 5.1.. para la cual se verifica que f s = 2 f m .2.2. donde cada fotografía representa escenas fijas espaciadas cada 1/24 segundos. En este contexto. circuitos y aplicaciones de sistemas prácticos. donde f s ≥ 2f m “. En muchas aplicaciones el procesamiento de señales discretas es más fácil y flexible debido a la creciente disponibilidad de dispositivos digitales baratos. según el caso. Teorema del Muestreo de Shannon [Shannon. MODULACION Y TRANSMISION DE IMPULSOS momento se dará ejemplos. La frecuencia mínima de muestreo. Como la discusión estará limitada a sistemas físicos. Un ejemplo muy ilustrativo de lo que esto significa lo constituye las series de fotografías de una cinta cinematográfica. Estos conceptos son la base del procesamiento y transmisión digital de señales. ± 1. lo cual es otra forma de enunciar este teorema. La respuesta es que no es necesario. completa y exacta. solamente se considera señales reales continuas. como lo veremos en su oportunidad.

MODULACION Y TRANSMISION DE IMPULSOS La demostración rigurosa del teorema de Shannon [Teorema 1. X(f) x(t) t (a) 0 p(t) 1 (b) 1 −f m 0 f m P(f) f fs t −4Ts −2T (c) s 0 2Ts 4Ts 6Ts −2f s −f s x s ( t ) = x ( t ) p( t ) 2Ts 4Ts t (d) 0 fs fs X s (f ) 2f s f −4Ts −2Ts (e) 0 0 −f s -B −f m f m B fs 2f s −2f s 6Ts Filtro Pasabajo (f) Fig. es decir. 3. Shannon. 5. Nótese que para valores de f s < 2 f m . como se muestra en la Fig. expresión (2. Del Ejemplo 2.9. La recuperación de x(t) la consideraremos en el siguiente teorema.1. denominado “señal muestradora”. el espectro X s ( f ) de x s ( t ) es X s (f ) = f s ∞ n =−∞ ∑ X(f − nf ) s (5.297 V.1) Este tipo de muestreo se conoce con el nombre de “Muestreo Ideal o Muestreo Instantáneo”.45). y con un factor de escala f s . Muestreo Instantáneo en el Dominio del Tiempo. Sea entonces x(t) una señal continua pasabajo de banda limitada f m .1(f). 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 . pero sí haremos una demostración que introduce el concepto de muestreo a partir de nociones sencillas ya conocidas. lo que se verifica si f s ≥ 2 f m . x s (t ) = x(t ) ⋅ ∑ n =∞ ∞ δ(t − nTs ) = n =−∞ ∑ x(nT ) ⋅ δ(t − nT ) s s ∞ (5. los espectros se solaparán y se producirá distorsión en la recuperación de x(t). cuya transformada de Fourier o espectro es X(f). f El espectro original de x(t) aparece centrado en el origen y podrá ser recuperado con un filtro pasabajo mientras no se produzca solapamiento con los espectros adyacentes.2) Vemos que X s (f ) representa un espectro periódico formado por el desplazamiento de X(f) a las frecuencias ± nf s . 1949)] está fuera de los objetivos de este texto. .

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

entonces x r (t ) no será igual a x(t). En efecto. ± 1. MODULACION Y TRANSMISION DE IMPULSOS Ts x(t) sinc( t − nTs ) Ts t Fig. si reemplazamos B = f s / 2 = 1 / 2 Ts y t o = 0 en (5. x r ( t ) y x(t) tendrán la forma aproximada mostrada en la Fig. x (t ) x r (t ) t −2Ts −Ts 0 Ts 2Ts 3Ts Fig. A medida que disminuye la frecuencia f m de x(t). la expresión (5.. se tendrá N 1 y el valores o muestras de la señal.. 5.). entonces la señal reconstruida xr(t) será exactamente igual a x(t).2. . Si se muestrea periódicamente una señal x(t) durante un tiempo T = NTs . Sin embargo.. 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.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 .3. entonces. podemos demostrar que si B = f s / 2.4).6) En el instante kTs . 5.n. las curvas se superponen en una sola y x r (t ) = x (t ) para todo t. De las propiedades de la función sinc(. Ts = 2f m número mínimo de muestras necesarias para una buena reconstrucción de la señal x(t) será . ± 2.). entonces para cualquier valor de Ts y f m . Si se viola la restricción sobre el ancho de banda de x(t).3.. donde m es un entero pues k y n son enteros . obtenemos x r (t ) = n =−∞ ∑x(nT )sinc( s ∞ t − nTs Ts ) (5. x r (t ) y x(t) serán iguales pero solamente en los instantes de muestreo. donde k es un entero. 5.. x r ( t ) = x (kTs ) para k = 0.Interpolación Lineal mediante la Señal Sinc(. de acuerdo con el teorema de Shannon.299 V. n =−∞ ∑sinc(m) = ⎨0 para ⎩ ∞ ⎧1 para m = 0 ó k = n m≠0 ó k ≠n Por consiguiente. y x r (t ) aparece como una señal de menor frecuencia que x(t).

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

la integral es igual a x( nTs ) . es decir. < x 2 ( t ) >= 1 2f m Ts n = −∞ ∑x ∞ 2 ( nTs ) Como X(f) es de banda limitada f m = B . no se produce solapamiento entre los espectros. De (5. x(t) = x r (t ). en la cual la frecuencia de muestreo puede tomar los valores [Hoffmann. . Los valores permitidos de fs se pueden representar en forma gráfica a partir del siguiente desarrollo. 2 2 f2 ≤ fs ≤ f m m−1 1 para m entero y m > 1 (5. la integral de la expresión anterior representa a x(t) en los instantes discretos nTs . aunque f s < 2 f 2 . y sea f1 y f2 los bordes de la banda de paso de X(f). Esta expresión la aplicaremos más adelante. Valores de frecuencia superiores no son B necesariamente utilizables a menos que ellos cumplan con la condición (5.10) o que sean mayores que 2 f 2 . Para señales pasabanda existe entonces una relación más general que la condición de Shannon. y para 2BTs = 2 fm Ts = 1 . En la Fig. B =| f 2 − f1 | .9) La expresión (5. se puede muestrear a una frecuencia mínima f s = 2 f 2 / m . 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 . es decir.4 se muestra el espectro X s (f ) de x s (t ) en el cual. 5. Muestreo de Señales Pasabanda “Una señal x(t) pasabanda de ancho de banda B y cuya frecuencia más alta es f2 . siendo B=|f 2 − f1 | .10). Teorema No 3. donde m es la parte entera de la relación f 2 / B”. Por consiguiente. entonces 2 < x 2 (t ) >=< x r (t ) >= n =−∞ ∑x ∞ 2 (nTs ) (5.301 V. Sea X s (f ) el espectro de la señal muestreada x s (t ) a una frecuencia de muestreo fs . 1975].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 ).9) es una forma o aplicación del Teorema de Parseval para señales muestreadas.

la frecuencia mínima de muestreo de señales pasabanda estará siempre entre 2B y 4B. entonces la frecuencia de muestreo mínima tiende a 2B. Para especificar esta señal sin ninguna distorsión.11) Si consideramos fs como la frecuencia mínima de muestreo (convirtiendo la desigualdad (5. 4.999 kHz . 4B Frecuencia Mínima de Muestreo. En el primer caso se emplea una frecuencia de muestreo que es dos veces el ancho de banda de la señal.5. se obtiene la relación 2 f s = ( )f 2 m (5. se obtiene el gráfico de la Fig. casi 4B muestras por segundo. asimismo. se puede utilizar un filtro pasabanda. 5. Vemos que las frecuencias de muestreo siguen siendo iguales. mientras que en el segundo caso se obtuvo una frecuencia de muestreo de aproximadamente cuatro veces el ancho de banda. Frecuencia Mínima de Muestreo Pasabanda En cuanto a la reconstrucción de la señal original a partir de su forma muestreada.1 Consideremos una señal de audio que ha sido pasada por un filtro pasabajo ideal de ancho de banda B = 5 kHz. 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. MODULACION Y TRANSMISION DE IMPULSOS fs ≥ 2f 2 m (5. entonces B = 5 kHz. 104 muestras por segundo. 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 . 5. y del Teorema No 3 la frecuencia mínima de muestreo será de 104 muestras por segundo. La frecuencia de muestreo mínima permitida depende entonces de la relación f 2 / B . Por consiguiente.5.12) Graficando fs vs f2 en unidades de ancho de banda B. Si f 2 >> B . ♣ Ejemplo 5. es decir. 5.11) en una igualdad).999 kHz hasta f 2 = 9. es decir. m = 1 y la frecuencia mínima de muestreo será de 19998 muestras por segundo. ♣ . la frecuencia de muestreo debe ser como mínimo igual a 2B. Sin embargo. como se muestra en las líneas a trazos en la Fig.5. su valor máximo será 4B. 5. si la gama de frecuencias se hubiese extendido desde f1 = 4.302 V. f 2 Fig. m = 2. que son los límites de la frecuencia mínima de muestreo y que están ilustrados en la Fig. entonces B = 5 kHz.

15) > 2 Tm .16) . En el dominio de la frecuencia. v(t)” que es el dual del filtro pasabajo definido en (5.3). 5.13) X( f ) = X( f ) ⋅ P ( f ) donde P (f ) = n =−∞ ∑ δ(f − nf ) ⇔ p(t) = f ∑ δ(t − fn ) 1 o o n =−∞ o ∞ ∞ y en el dominio del tiempo. 2Tm Para verificar este enunciado. La expresión (5. Fig. 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. su transformada X(f)) se puede recuperar mediante el empleo de lo que se denomina “ventana temporal de ponderación. 5. En este caso. vamos a presentar el dual del Teorema No 1. y ~ X(f ) el espectro muestreado de X(f). ~ (5. Sea entonces X(f) el espectro de una señal x(t) limitada en el tiempo. x Si x(t) es limitada en el tiempo de la forma x ( t ) = 0 para |t|> Tm entonces.1) y (5. entonces X(f) se puede determinar unívocamente especificando sus valores en una serie de puntos 1 separados cada Hz”. En este caso v (t ) = fo Π( t 1 / fo ) y x(t) = ~ ⋅ v(t) x(t) (5.2) y x(t) es la señal generatriz de una señal periódica ~ (t ) .303 V. 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.6. Sin embargo.14) es el dual de la expresión (5. A este efecto. Tm ) . 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.2). ~ consistirá de réplicas periódicas de x(t) fo x(t) separadas en múltiplos de To = 1 / f o . Teorema No 4 “Si X(f) es el espectro de frecuencias de una señal x(t) limitada en el intervalo (− Tm . MODULACION Y TRANSMISION DE IMPULSOS Muestreo en el Dominio de la Frecuencia Los teoremas anteriores han sido desarrollados para el muestreo en el dominio del tiempo de señales de banda limitada. consideremos el dual en el dominio de la frecuencia de las expresiones (5. como se muestra en la Fig. con 1 (5. ~ (t ) = x (t ) ∗ p(t) = 1 x fo n =−∞ ∑ x(t − fn ) o ∞ (5.6 (b) y (f). la señal x(t) (y por supuesto.14) siendo fo el intervalo de muestreo en frecuencia.

la función sinc(.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. Sin embargo. como se muestra en la Fig. 2. como puede observarse en la Fig. 5. ♣ Ejemplo 5. En efecto. pero los resultados se pueden aplicar para cualquiera señal que exista en cualquier intervalo finito de duración 2Tm .) permite la interpolación exacta entre muestras en el dominio de la frecuencia para una señal limitada en el tiempo. si la señal es periódica. Si la desigualdad Mediante analogía con la interpolación en el dominio del tiempo. El desarrollo anterior se ha efectuado para señales limitadas en el tiempo centradas en el origen. el resultado deseado se puede obtener indirectamente utilizando el Osciloscopio de Muestreo.304 V. El principio del Osciloscopio de Muestreo.. de (5.6(f). ~ X(f ) = X(f ) ∗ V(f) (5.18) es el dual de (5.17) donde ~ X( f ) = ∞ 1 por consiguiente. 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.7. En particular.16). como lo era para muestras en el dominio del tiempo de una señal limitada en frecuencia. cuyo principio de funcionamiento veremos a continuación. entonces las réplicas de x(t) se solaparán y x(t) fo x no podrá recuperarse a partir de ~ ( t ) . 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 . 5.6. Muestreo en el Dominio de la Frecuencia > 2 Tm no se cumple. 5. n =−∞ ∑X(nf o ∞ o )δ(f − nf o ) y V(f) = sinc( f ) fo (5.5). 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.

pero como Ty = aTs . debe ser un intervalo elegido apropiadamente según el ancho de banda de x(t).7. Se desea calcular la salida y(t) del filtro pasabajo. pero en la práctica este valor es mucho mayor. Las señales y(t ) y x(t) tienen el mismo perfil. 5.7. 5. pero ella nos proporciona los valores de Ty y Ts . Por ejemplo. ∆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 ).7. es decir. El incremento ∆t .7. T >> ∆t . a = 6. con ∆t tal que T = a∆t. Si el tren de impulsos resultantes y s (t ) se pasa por un filtro interpolador pasabajo apropiado. Para efectos ilustrativos en la Fig. una vez determinados los valores de a y ∆t . 5.3 Sea el sistema de la Fig. entonces fs = 1 1 . pero se diferencia en el factor de expansión a. Esto nos permite obtener a = Ty / Ts y ∆t = Ts / (1 + a ) . La frecuencia de muestreo de Nyquist es f s = 2 f m = 10 4 Hz = 10 kHz . La señal y(t) se obtiene pasando y s ( t ) por un filtro pasabajo interpolador de ancho de banda B = f s / 2 .8(a) donde la señal periódica p(t) tiene la forma mostrada en (b). entonces la frecuencia de muestreo del osciloscopio será f s = 1/ ( T + ∆t ). De la Fig. su salida y(t) será proporcional a la señal rápida original x(t) pero expandida en el t tiempo. podemos conocer también el período de la señal desconocida x(t) puesto que T = a∆t . como se muestra en la Fig. 5. es decir. 5. ♣ ♣ Ejemplo 5.305 V. MODULACION Y TRANSMISION DE IMPULSOS sucesivos. 5x103 Vamos a determinar X s (f ) cuando el muestreo se efectúa a la frecuencia de Nyquist. si T es el período de x(t). de donde fm = 5x103 Hz. y(t) será proporcional a x( ) cuando a >> 1. Fig. f Sea x(t ) = 5 ⋅ sinc 2 (5x103 t ) ⇔ X(f) = 10-3 Λ ( ). de modo que. cada período de x(t) a tiene el mismo perfil que el de y(t).

T 2T 2T 2T ⎧1 ∞ ⎫ n δ(f − ) para n impar y n ≠ 0⎪ ⎪ P(f ) = ⎨ T n = −∞ 2T ⎬ ⎪0 ⎪ para n par ⎩ ⎭ Entonces.8(c). en general.∞ 5x103 ⎪0 para n par ⎩ ∑ El espectro X s ( f ) tiene la forma mostrada en la Fig. ∑ 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. T = 5x10 -5 seg. la señal original podrá recuperarse a partir de su versión muestreada solamente si la señal muestreadora contiene una componente continua.103). 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. De (1. 5. la función generatriz g(t) de p(t) es g(t ) = δ(t ) − δ(t − T) ⇔ G(f) = 1.104 n Λ( ) para n impar y n ≠ 0 20 ⎪ X s (f ) = X (f ) ∗ P(f) = ⎨ n = .8(b). También. 5. La salida del filtro pasabajo es cero. Nótese que. 5. ∞ ⎧ f . En efecto.28. f s = 2T Pn = 1 [1 − exp( − j2πTf )] |f = n = 1 [1 − exp( − jnπ)] = 1 para n impar y n ≠ 0.8 5 10 15 25 kHz 30 35 f De la Fig. 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.exp(-j2πTf) 1 = 10 kHz.306 V.

se pueden distinguir dos casos de muestreo práctico: el “muestreo natural” y el “muestreo con retención”. x ( t ) ⇔ X(f) = 10 -3 ⎢ Λ ( ) + Λ( )⎥ 5x10 3 5x10 3 ⎦ ⎣ El espectro X(f) se muestra en la Fig. f 2 = 55 kHz.9(b). 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. una señal que vamos a muestrear y recuperar.9 kHz 60 ⎡ f + 5x10 4 f − 5x10 4 ⎤ Del teorema de la modulación. ♣ 5.9(a). de fácil realización física.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 . La distorsión producida por los circuitos reales de muestreo la trataremos en la próxima sección.4 Sea x ( t ) = 10sinc 2 (5x10 3 t ) cos(10 5 πt ) . 5.3. 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. 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. 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. 5. f2 = 5.307 V. Dependiendo del uso que se hace de la señal muestreada. de donde B = 10 kHz. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. Por otro lado.2. como se muestra en la Fig. los cuales consideraremos a continuación. . 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. Un mejor conocimiento físico e intuitivo de los mecanismos y teoremas del muestreo se puede obtener si se considera circuitos reales.

período igual al intervalo de Shannon y valor promedio distinto de cero. 5. como se muestra en la Fig.10(b). como se muestra en la Fig. los espectros están .19) donde s(t) es una señal periódica rectangular. El espectro X s (f ) de la señal muestreada x s ( t ) es la repetición periódica.10(e). Fig.10(a).10. cuya transformada de Fourier es. a las frecuencias ±nf s. Esta “multiplicación” generalmente se instrumenta con una compuerta analógica (por ejemplo. S( f ) = τ s f s n =−∞ ∑sinc(nτ f )δ(f − nf ) s s s n =−∞ ∞ (5. de (1. 5. ∞ 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 ) (5.21) ponderados por un factor de escala decreciente con nfs que es [ τ s f s sinc(nτ s f s )] . El muestreo natural equivale a multiplicar la señal original por una señal muestreadora periódica rectangular de amplitud unitaria.71) y (1. el muestreo debe ser realizado necesariamente con impulsos de amplitud finita y duración distinta de cero. 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. tiene la forma x s (t ) = x (t ) ⋅ s(t ) (5. 5. un MOSFET cualquiera).308 V. 5.105). del espectro X(f) de la señal original. MODULACION Y TRANSMISION DE IMPULSOS Muestreo Natural En la práctica. la cual deja pasar la señal cuando la señal muestreadora está en “ALTO” e impide el paso cuando está en “BAJO”. Muestreo Natural de Señales Pasabajo La señal muestreada. pero a diferencia del muestreo ideal.20) Del teorema de convolución. 5.10(f). Fig.

Nótese que la ganancia del filtro interpolador en el caso de muestreo ideal. es Ts. MODULACION Y TRANSMISION DE IMPULSOS Ts 1 = es un número entero. por definición. 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 . Nótese que si La forma del espectro de la señal muestreada de la Fig. 5. ella puede desarrollarse en serie de Fourier. de (1.47).3). Potencia de una Señal Muestreada Natural Consideremos la señal muestreada xs(t) dada por (5.10(b).309 V. 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. Puesto que s(t) es periódica. Nótese también que pese a que el muestreo no es instantáneo. no se produce distorsión: x(t) se puede recuperar de xs(t) independientemente del valor de τ s (pues. 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. ♣ Ejemplo 5. Consideremos entonces una señal periódica g Ts ( t ) cuya señal generatriz g(t) tiene cualquier perfil. Fig.5. expresión (5. x s (t ) = x(t ) ⋅ s(t ) = x (t ) n =−∞ ∑| S |cos(2πnf t + φ n s ∞ n) x s (t ) =|So | x(t ) + 2|S1| x (t ) cos(2πfst + φ 1 ) + 2| S2 | x(t ) cos(4πfst + φ 2 ) + ⋅ ⋅ ⋅ ⋅ ⋅ Si x(t) es de banda limitada f m y f s ≥ 2 f m . entonces.3). Para recuperar x(t).19) donde s(t) es una señal periódica rectangular de amplitud unitaria y ciclo de trabajo τ/Ts . En este caso. el cual se puede determinar fácilmente si g(t) es conocida gráfica o analíticamente. Esto es más cierto por cuanto los circuitos eléctrónicos de conmutación no producen impulsos perfectamente rectangulares. y (b) que la señal periódica contenga una componente continua (Ver Ejemplo 5. Se puede decir entonces que una señal periódica cualquiera se puede utilizar para muestrear una señal de banda limitada B siempre que (a) su período Ts cumpla con el teorema de Shannon. 5. τ s < Ts ).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. siempre que Ts cumpla con el teorema de Shannon. < 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 [ ] . entonces a las frecuencias nfs múltiplos de τ sfs τ s 1 / τ s las correspondientes componentes de Xs(f) serán cero.21) pero el factor de ponderación es f sG (nf s ) .

5. por ejemplo un codificador.22) Diremos. entonces. del Teorema de Parseval. < 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 (5.310 V.22) es válida también cuando x(t) es una señal aleatoria pasabajo (ruido. ♣ 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.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)”. Muestreo con Retención 4f s f . Con el muestreo natural la amplitud de las muestras varía en el intervalo τs y el sistema. no sabría cuál es el valor exacto de x(nTs). 5. MODULACION Y TRANSMISION DE IMPULSOS Pero la cantidad dentro de los corchetes es.11. que la expresión (5. En la Fig. la potencia promedio de la señal periódica s(t). Esta situación se resuelve manteniendo o reteniendo los valores instantáneos x(nTs) durante un tiempo apropiado. sin demostrarlo. Esta operación se denomina “Muestreo con Retención (Sample and Hold)” o “Muestreo de Topes Planos”. por ejemplo). 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.

s n = −∞ ∞ n = −∞ ∑ x ( nTs )δ( t − nTs ) ⇔ X i (f ) = X (f ) * P(f ) = f s ∑ X(f − nf ) s ∞ (5. 5. de (5. MODULACION Y TRANSMISION DE IMPULSOS Para propósito de análisis. . entonces. por ejemplo. como se muestra en la Fig. El efecto de apertura se puede disminuir haciendo τ h más pequeño y puede ser eliminado mediante una red ecualizadora. Nótese que si f s < 2 f m se produce solapamiento. el efecto del tiempo de retención τ h se refleja en H(f) produciendo ceros a las frecuencias k / τ h . el tiempo τ h deberá ser lo suficientemente largo para que se pueda efectuar la codificación.25) En el caso de muestreo con retorno a cero (RZ). En la próxima sección veremos esto con más detalle.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. Esta distorsión se conoce con el nombre de “efecto de apertura” y es una distorsión de tipo lineal.311 V. τ h se denomina “tiempo de retención”. Por otra parte. El tiempo de conversión generalmente es un parámetro dado por los fabricantes de los codificadores. Las réplicas de X(f) tendrán distorsión de amplitud: simétrica en el origen y asimétrica en las frecuencias nfs. Puesto que p( t ) = x i ( t ) = x ( t ) ⋅ p( t ) = ∞ n = −∞ ∑ ∞ δ( t − nTs ) ⇔ P(f ) = f s n = −∞ ∑ δ(f − nf ) . si se trata de codificar una muestra x(kTs). τ h < Ts . Si t c es el tiempo de conversión del codificador. La duración de τ h depende de la utilización que se haga de la señal muestreada.1) y (5. Esta distorsión en el espectro muestreado hace que la interpolación o recuperación exacta de x(t) no sea posible con un filtro pasabajo.24).11(f) se muestra Xs(f) cuando τ h = Ts / 3.11(c).26) cuya transformada de Fourier es.17 y para el cual h(t) = Π( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) ⋅ exp(− jπτh f ) τh (5.23) (5. X s (f ) = τ h f s sinc(τ h f ) exp(− jπτ h f ) n =−∞ ∑ X(f − nf ) s (5. ⎡ ∞ ⎤ t -τh / 2 x(nTs ) ⋅ δ (t − nTs )⎥ ∗ Π ( ) De (5. 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). 5. Si el muestreo es sin retorno a cero (NRZ). debe verificarse entonces que t c ≤ τ h .23).27) En la Fig. simplemente se reemplaza τ h por Ts . x s (t ) = ⎢ τh ⎢ n =−∞ ⎥ ⎣ ⎦ ∑ x s (t ) = n =−∞ ∑ x(nT ) ⋅ Π( s ∞ t − τ h / 2 − nTs ) τh ∞ (5.

Fig. ♣ Ejemplo 5. 5. lo que hace que el voltaje en el capacitor no alcance exactamente el valor x(nTs). 5. como se muestra en la Fig. 5. cuando la compuerta abre. La situación se simplifica un poco si la salida es con retorno a cero (RZ). 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 .12.13. Muestreadores con Retención. < x(t ) >= 0 . 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.11(d). duración τ y período Ts . 5. Esta señal muestreada.6. para no hablar del aumento en el ancho de banda. En particular. (n − 1) Ts nTs (n + 1) Ts Fig.12 se muestra algunos muestreadores con retención usados en nuestro laboratorio. 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. pero por otro lado el circuito se complica porque hay que agregar una compuerta adicional que descarga a cero al capacitor. Fig. la cual debe ser lo más alta posible. _ _ + C x(t) x s (t ) x(t) (b) R1 R2 C _ + + x s (t ) (a) s(t) s(t) 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. el capacitor tratará de descargarse sobre la impedancia de salida. El capacitor se carga cuando s(t) está en “ALTO” y mantiene ese valor cuando s(t) está en “BAJO”.13. Entonces. pues. . Señal Muestreada con Retención. por un lado disminuye la distorsión por efecto de apertura. En la Fig. Los circuitos muestreadores prácticos difieren de los ideales en que mientras la compuerta permanece cerrada. MODULACION Y TRANSMISION DE IMPULSOS El muestreo con retención se realiza en la práctica agregando un capacitor a la salida de una compuerta analógica. sobretodo si la salida es sin retorno a cero (NRZ). 5.13. 5. 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). 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 )] . Asimismo.312 V.

313 V. 5.9).19) y (5. Si el muestreo es NRZ. El muestreo con retención. puesto que τ < Ts.29) s Ts La potencia de la señal muestreada con retención es igual a τ/Ts veces la potencia de la señal original.11(c) donde p(t) es un tren de impulsos rectangulares de amplitud unitaria. entonces n=-∞ ∑ x(nT ) = 0.28) Ts Ts Ts τ < x 2 (t ) >= < x 2 (t ) > y si A = 0.7 < x 2 (t ) >= s [ ] Consideremos el muestreador con retención de la Fig. reduce la potencia de la señal de entrada en un factor τ/Ts. período Ts y duración τs . 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 . 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. Vamos a determinar el espectro Xs (f) de la señal muestreada y dibujarla para algunos valores numéricos. (5. MODULACION Y TRANSMISION DE IMPULSOS < x 2 (t ) s 1 >= Ts n =−∞ ∑∫ ∞ 1 [ A + x(nTs )] dt = T 0 s 2 τ ⎡ 2 ⎢A n =−∞⎣ ∑ ∞ ∞ ∫ τ 0 dt + 2Ax (nTs ) ∫ τ 0 τ ⎤ dt + x 2 (nTs ) dt ⎥ 0 ⎦ ∫ τ 2 2 Aτ = A + Ts Ts n =−∞ ∑ ∞ τ x(nTs) + Ts ∞ n =−∞ s ∑x 2 (nTs ) y de la expresión (5. la potencia de la señal muestreada tiende en promedio a la potencia de la señal sin muestrear. igual que el muestreo natural. con x (t ) = 2 Asinc(2 Bt ) ⇔ X(f) = A f Π( ) B 2B y h (t ) = Π ( t − τh / 2 ) ⇔ H(f) = τ h sinc(τ h f ) exp(− jπτ h f ) τh x s (t ) = x 1 (t ) ∗ h(t) donde ∞ Tenemos entonces que De (5.21). ♣ ♣ Ejemplo 5. Puesto que < x(t ) >= 0.

amplitud solamente. Para dibujar su amplitud. Vamos a ver con algún detalle cada tipo de distorsión señalando sus causas y mostrando los medios para evitarla o eliminarla. la “Distorsión de Interpolación” y la “Distorsión por Efecto de Apertura”.2. algunas de las cuales pueden ser eliminadas mediante filtros ecualizadores apropiados. Ts = τ s = 25x10 −6 seg. τ h = 12.4.5x10 −9 exp(− j12. Distorsión producida por el Muestreo En el proceso de muestreo y reconstrucción de una señal se producen varias formas de distorsión.14 kHz ♣ 5. fs Calculemos: f m = B = 5 kHz. f s = 4 f m = 4 B = 20 kHz. Los tres tipos de distorsión presentes en el muestreo son la “Distorsión de Solapamiento (Aliasing)”. . 4 B = 5 kHz 1 = 50x10 -6 seg. vamos a suponer una frecuencia de muestreo del doble de la de Nyquist.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. MODULACION Y TRANSMISION DE IMPULSOS Este es el espectro Xs(f) de la señal muestreada xs(t). 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. y los siguientes valores numéricos: A = 10 V. 5.314 V. 5. 2 τh = Ts . τ s = Ts .5x10 −6 seg La expresión para Xs(f) será ∞ ⎧ f (−1) ( n −1)/ 2 f − 2 x10 4 n ⎪12 .14(b) se muestra la forma del espectro Xs(f).

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 .16. y ellas afectan seriamente la inteligibilidad de las señales de voz en los sistemas telefónicos. como se muestra en la Fig. Distorsión de Interpolación Para la recuperación de la señal original siempre hemos supuesto filtros ideales con bordes abruptos en las frecuencias de corte. 5.15. en la telefonía digital las señales de voz se filtran a 3200 Hz antes de ser muestreadas a 8000 muestras por segundo. MODULACION Y TRANSMISION DE IMPULSOS Distorsión de Solapamiento (Aliasing) En la práctica las señales no son estrictamente limitadas en banda y al muestrearse a las frecuencias usuales se produce solapamiento entre espectros adyacentes. 5. Como ejemplo. pero el efecto de la pérdida de inteligibilidad es mucho menor que si se permitiera el solapamiento. Para eliminar el efecto de las frecuencias de solapamiento. En el Problema de Aplicación 5.10 se cuantifica el efecto de la distorsión de solapamiento. La eliminación de las componentes en la parte alta de la gama de la señal degrada la fidelidad de la transmisión hasta cierto punto. Por ejemplo. este efecto de inversión se puede utilizar acentuándolo para efectuar la inversión completa del espectro. 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. Sin embargo. . Las componentes de frecuencia que se reflejan o invierten hacia las bajas frecuencias se denominan “frecuencias de solapamiento (folding frequencies)”. Esto se muestra en la Fig. si una señal sinusoidal de 60 Hz se muestrea a 100 muestras por segundo. Pero los filtros prácticos no poseen esas características y una cierta cantidad de la energía de los espectros adyacentes puede pasar a la salida.315 V. 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. método utilizado para preservar la privacidad de las conversaciones telefónicas.

El efecto de la distorsión de interpolación es la aparición de un silbido o “pito” de alta frecuencia en la señal recuperada. tanto xs(t) como la salida del filtro de interpolación se pueden procesar en un filtro ecualizador He(f) que cancele el efecto de H(f). 5. 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. la efecto. ecualizador cuando τ h ≤ 4 .17. las colas del filtro permiten el paso de componentes de frecuencia de espectros adyacentes. Nótese que si el tiempo de retención τ h es lo suficientemente pequeño. 5.17. 5. tales como los filtros Butterworth de tercer o cuarto orden. 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. Como éste es un tipo de distorsión lineal. 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. H e (f ) debe tener la forma aproximada mostrada en la Fig.12 se cuantifica el efecto de la distorsión de interpolación. o también. 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. Esta distorsión es producida por el producto de los espectros desplazados por la función de transferencia H (f ) = τ h sinc(τ h f ) . 5. La distorsión de interpolación se puede eliminar mediante un diseño apropiado de los filtros. como se puede apreciar en las Figs. Distorsión por Efecto de Apertura El efecto de apertura es una forma de distorsión de amplitud propia del muestreo con retención. 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%.14. H e (f ) = 1 para |f| ≤ B H (f ) 1 H e (f ) = para |f| ≤ B τh sin c(τh f ) (5. En 1/ τ h τh 1 ≤ . Filtro Compensador del En la práctica se puede omitir entonces el filtro Efecto de Apertura.18.316 V. Compensación del Efecto de Apertura. 5. Este proceso se muestra en la Fig.30) donde B es el ancho de banda del filtro de interpolación H I (f ) . En el Problema de Aplicación 5.18. Ts ó Ts ≥ 4τ h . Fig. Entonces.11 y 5.

en la cual la posición de cada impulso varía. PDM o PWM)”. puede transmitirse y en el destino se le puede extraer la información contenida en ella. no contiene ninguna clase de información. Un tren de impulsos está caracterizado por su amplitud. t . SISTEMAS DE MODULACION ANALOGICA DE IMPULSOS 5. Formas Básicas de la Modulación Analógica de Impulsos. 5.3. La “Modulación de Posición de Impulsos (Pulse-Position Modulation. 2. respecto a un punto de referencia. La “Modulación de Amplitud de Impulsos (Pulse-Amplitude Modulation. La amplitud y la duración de los impulsos no cambian. en la cual la altura o amplitud de cada impulso varía en función del valor de muestra de la señal mensaje. En la modulación analógica de impulsos cada valor de muestra hace variar proporcionalmente uno de los parámetros de cada impulso. un tren de impulsos periódicos. Si en alguna forma se imprimiera sobre alguno de estos parámetros una variación proporcional a alguna otra señal. así modulado. en función del valor de muestra de la señal mensaje. pero tres son las más conocidas y utilizadas: 1. se tendría lo que se conoce como “Modulación Analógica de Impulsos”. Un mensaje adecuadamente descrito por sus valores de muestra se puede transmitir mediante la modulación analógica de un tren de impulsos. Nótese que cada impulso dispone.317 V. Introducción De acuerdo con la definición de información que vimos en el Capítulo IV.19. su período y la duración de cada impulso.19 se muestra una señal mensaje típica m(t) y las tres formas de modulación analógica de impulsos correspondientes. Hay varias formas de modulación analógica de impulsos. 5. por ejemplo. El período y la amplitud de los impulsos no cambian. El período y la duración de los impulsos no cambian. para su transmisión. 3. PAM)”. de todo el ancho de banda del canal pero sólo lo ocupa durante parte de un intervalo Ts. en la cual la duración de cada impulso varía en función del valor de muestra de la señal mensaje.1. En la Fig. el tren de impulsos.3. La “Modulación de Duración o Anchura de Impulsos (Pulse-Duration (Width) Modulation. (a) Ts m(t) t (b) PAM t (c) PDM t (d) PPM Fig. PPM)”. MODULACION Y TRANSMISION DE IMPULSOS 5. y que esta operación fuera reversible.

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

gracias a los dispositivos de sincronización del receptor. apareciendo ésta a la entrada del filtro interpolador. 5. el receptor está abierto cuando no hay presencia de impulsos y cerrado cuando éstos están presentes. Para permitir el funcionamiento en multiplex. 5. es decir. Este funcionamiento intermitente constituye. expresión (5. MODULACION Y TRANSMISION DE IMPULSOS β m >> 1. A la entrada del receptor PAM. se hace a la misma frecuencia que el muestreo del mensaje en la emisión. la potencia promedio de xPAM(t) es (5.28). que Ts >> τ .319 V. para las perturbaciones presentes en la entrada. el muestreo en el receptor no afecta a la señal útil pero sí al ruido presente a la entrada.36) Ts 2 ) es la ganancia de potencia del filtro interpolador. la señal recibida es v (t ) = x PAM (t ) + n(t ) donde n(t) es ruido blanco de densidad espectral η / 2 . . donde Gp = ( τ < m 2 (t ) > Ts So = G p T τ < m 2 (t ) >= s < m 2 (t ) > τ Ts (5. Fig. 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.20. Del Ejemplo 5. v(t ) = x PAM ( t ) + n( t ) Canal Filtro Pasabajo Muestreador Filtro Si/Ni Interpolador So/No Ancho de Ancho de Ancho de Banda Bc Banda Be Banda fm p(t) RECEPTOR PAM Fig. como veremos más adelante. 5.35) (5.34) A la entrada del filtro interpolador la potencia de la señal útil será Si = y a la salida. tanto el filtro de entrada como el sincronizador serán transparentes para la señal PAM. Como consecuencia. consideremos el receptor PAM de la Fig.20.20.33) < x 2 (t ) >= PAM τ A 2 + < m 2 (t ) > Ts [ ] (5.6. En cuanto a las relaciones S/N en PAM. Se supone que el filtro τ ecualizador no es necesario. un muestreo de tipo natural. 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. Este muestreo.

con B e = B . (5. La potencia de ruido a la entrada del muestreador será N 'i = ηB e y a la entrada del filtro interpolador.22).21.40) Las relaciones S/N entrada-salida serán. 5.32). la potencia de ruido será entonces No = Gp ( T τ )ηf m = s ηf m Ts τ (5. la densidad espectral a la salida del filtro de entrada tendrá la forma de la Fig. Si < m 2 (t ) > = ηB Ni (5. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. En efecto.21.38) 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. Esto nos permite expresar la ganancia de conversión en otra forma. 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. So / N o B = = β m en PAM Si / N i fm (5.39) A la salida del filtro interpolador de ancho de banda fm y ganancia de potencia Gp .44) . 5.43) La ganancia de conversión en PAM es igual a la relación de expansión del ancho de banda. Ni = ( τ τ ' )N i = ( )ηB e . de (5. B e >> f m Ts Ts S 'ni ( f ) (5. de (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( ) (5.42) (5.320 V.41) So < m 2 (t ) > = No ηf m y la correspondiente ganancia de conversión.

Como es evidente.321 V. vemos que ⎡ So ⎤ T ⎡S ⎤ =2 s⎢ o⎥ ⎢ ⎥ τ ⎣ N o ⎦ DSB ⎣ N o ⎦ PAM (5. de la relación de bloqueo del receptor. mientras que el valor más negativo corresponde al impulso más angosto.164). que veremos posteriormente.3.42). 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. Obsérvese que el valor más positivo de m(t) corresponde al impulso más ancho. Si Ts es el período o intervalo de Shannon. la modulación PAM no se utiliza para transmisión directa de información sino como un paso previo de procesamiento. sobre todo en los sistemas de modulación de impulsos codificados (PCM). esto hace que el comportamiento de este sistema de modulación de impulsos sea superior. MODULACION Y TRANSMISION DE IMPULSOS La ganancia de conversión en PAM depende también de la relación (Ts/τ). τo es la duración de τo los impulsos no modulados. por ejemplo.19(c). B el ancho de banda de transmisión y < m(t) >= 0 . 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.45) Aunque el receptor no estuviera bloqueado. como se muestra en la Fig. y viceversa.164). las ganancias de conversión serían iguales. y (5.44) y comparando con (2. Ts > τ max = τ o [1 + m t | max m(t)| ] > τ o > τ min τ min = τ o [1 − m t | min m(t)| ] ≥ 1 >0 B (5. al del sistema de doble banda lateral (DSB) de acuerdo con la expresión (2. En la práctica. 5. Pero como el bloqueo del receptor no se hace para aumentar la ganancia de conversión sino para facilitar el funcionamiento en multiplex en canales de banda ancha. 5.162) con Ac = 1. en cuyo caso τ = Ts . A este efecto.47) donde siendo τ( t ) = τ o + τ1m( t ) = τ o [1 + mt m( t )] = τ o [1 + ∆ ( t )] mt = τ1 ≤ 1 el “índice de modulación PDM” y ∆(t ) = m t m(t ) .22. 5. Una señal PDM tiene entonces la forma x PDM ( t ) = ∞ n = −∞ ∑ AΠ ⎢ τ(nT ) ⎥ ⎦ ⎣ s ⎡ t − nTs ⎤ (5. hay entonces un intercambio o compromiso entre el ancho de banda y la relación S/N. Como la información está contenida en la variación de la amplitud de los impulsos. es decir. la relación [So/No]PAM es superior en 3 dB a la relación [So/No]DSB . el sistema PDM debe ser cuidadosamente diseñado de acuerdo con los niveles de señal máximos y mínimos esperados.3. lo que se puede apreciar haciendo τ = Ts en (5. los sistemas PAM son muy sensibles al ruido aditivo.48) (5. sin embargo.46) (5. los valores de τo y τ1 se eligen de tal manera que se cumplan las siguientes condiciones. de (2. ver Fig. Nótese que el bloqueo del receptor permite aumentar la ganancia de conversión aunque a expensas de un aumento en el ancho de banda.49) . En efecto.

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 . Sin embargo. lo cual nos asegura que el ancho mínimo del impulso nunca será cero o negativo. m( t ) = sen(ω m t ) . de m(t). entonces τ = τ (t ) = [τ o + τ 1 sen(ω m t )] .23. f s = y Xo = Aτ Ts 1 ≥ 2f m Ts Aτ A Xn = sinc( nf s τ) = sen( nπf s τ ) Ts nπ Aτ x (t ) = +2 Ts A s s ∑ nπ sen(nπf τ ) cos(nω t ) n =1 que se puede escribir en la forma x (t ) = Aτ +2 Ts ∑ nπ Im{exp( j2πnf τ )} cos(nω t ) A s s n =1 ∞ Si τ varía en función del mensaje y si el mensaje es un tono de frecuencia fm . x(t). Relaciones de Duración en PDM. pero también se puede mantener fijo un borde del impulso mientras que el otro borde es el que se desplaza. primero hay que determinar el espectro de la señal PDM. MODULACION Y TRANSMISION DE IMPULSOS |max m(t)| y |min m(t)| son los valores de las máximas excursiones positiva y negativa. respectivamente.49) implica que m t | min m(t)| < 1 o también que τ o > τ 1 | min m(t)| . la señal PDM queda en la forma . Definiendo también α n = nπτ o f s y β n = nπτ1f s . Ts τ(nTs ) τ min t 1 1 nTs (n + )Ts (n − )Ts τo 2 2 Fig.22 se observa que la variación de la duración del impulso se efectúa simétricamente alrededor del instante de muestra nTs.22. 5. 5. Demodulación PDM La señal PDM se puede demodular con un simple filtro pasabajo. Para demostrarlo. 5. En la Fig. lo cual no parece tan obvio cuando se observa la forma de la señal.322 V. si se supone el caso de modulación sinusoidal o modulación con un simple tono. En la misma figura se muestra el algoritmo de decisión del comparador y las relaciones entre los diferentes parámetros. la tarea se simplifica y el resultado se puede extender para el caso general. Nótese que la expresión (5. Un tren de impulsos sin modular. es decir. Una forma de generación de una señal PDM se ilustra en la Fig. lo cual es difícil de efectuar en el caso general.

18). 5.50b) Esta integral no puede resolverse en forma analítica. (Ver Problema 5.β n sen(x))] ⋅ dx (5. Esta función generalmente se . 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.5Vu < Vp < 2Vu. 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 ) (5.323 V. 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. orden k y argumento β n .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 . hacer 1. 0 Señal PDM t (b) (c) Fig.23. pero puede reconocerse como el Coeficiente de Bessel de primera clase. se obtiene Zk = 1 2π ∫ π −π exp[-j(kx . En efecto.

.. Como dato histórico. entonces f nk = (2n + k )f m y habrá componentes de distorsión para (n = 1 y k = -1). Z k = J k (β n ) de donde exp[ jβ n sen(ω m t )] = (5.y k = 0. Fundamentalmente. hace muy pequeña en comparación con la señal deseada y puede ser despreciada.. Algunas de estas frecuencias son iguales a fm . es decir. 5.54) τ min donde τ min viene dado por (5.49).3. Sin embargo. (n =2 y k = -3).24. ±1.55) B PDM > B PAM . constituyendo componentes de distorsión. aunque en general es suficiente un filtro pasabajo de ancho de banda f m . el espectro de x PDM (t ) contiene entonces una componente continua.324 V. MODULACION Y TRANSMISION DE IMPULSOS denota en la forma J k (β n ) y se encuentra extensamente tabulada (En el Capítulo VI. 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.. ∞ ∞ ⎤ ⎡ 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. . una componente a la frecuencia fm y componentes a las frecuencias f nk = nf s + kf m para n = 1. sino también en el control de motores eléctricos.24. de modo que se puede decir que (5.. más pequeño que el τ en PAM. En particular. la amplitud de las componentes de distorsión se Señal PDM Filtro Pasabajo K m(t) B = fm Fig. etc. se muestra una Tabla de Coeficientes de Bessel para algunos valores de k y β n ).51) k =−∞ ∑J ∞ k (β n ) exp( j2πkf m t ) (5.52) x PDM ( t ) = y finalmente. 2. ±2.3. 5. antiguamente a la modulación PDM se la conocía con el nombre de Amplificación Clase D. 3. hay que transmitir impulsos y el ancho de banda del canal dependerá de la duración del impulso más angosto. del τ min del sistema. como se muestra en la Fig.. La modulación PDM o PWM se aplica actualmente no solamente en aplicaciones en comunicaciones y procesamiento de señales. 1 B≥ en PDM (5. si f s = 2 f m . Entonces. Sección 6. en general. para n ≥ 1 o ( β n > 1). La situación mejora si el muestreo se hace a una frecuencia mayor que la frecuencia de Nyquist. El ancho de banda de la banda de base en PDM será entonces. Nótese que el τ min en PDM es. Demodulación de Señales PDM...53) Nótese que aunque la modulación es sinusoidal con un tono único de frecuencia fm.

3. 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.25. 5. Generación de Señales PPM a partir de Señales PDM. como veremos más adelante. la información posicional es también transmitida por la posición del borde frontal del impulso.19(d). si el ancho de banda del canal lo permite. En un sistema PPM la información está contenida en los desplazamientos de los impulsos de un tren de impulsos. Las modulaciones PPM y PDM están íntimamente relacionadas. 5. τ 1 y m(t). 5. varía proporcionalmente de acuerdo con los valores de muestra de la señal mensaje. a tal punto que la modulación PPM se puede obtener directamente a partir de la modulación PDM en la forma mostrada en la Fig. por donde cruza el borde frontal. la portadora. 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. Debido a la compatibilidad que existe entre los sistemas PDM y PPM. τ o . sería muy conveniente.325 V. con referencia a un punto dado. Modulación por Posición de Impulsos (PPM) En la modulación PPM la posición de los impulsos. MODULACION Y TRANSMISION DE IMPULSOS La relación exacta entre BPDM y BPAM dependerá de los valores de τ . sus relaciones S/N serán tratadas simultáneamente en la próxima sección. como puede observarse en la Fig. y como la potencia es proporcional a la duración de los impulsos.26. Como la información reside en la posición temporal de los bordes del impulso y no en el impulso mismo. o por la posición del punto. .4. transmitir impulsos muy angostos modulados en PPM. en el eje del tiempo. Una señal PPM se puede expresar en la forma x PPM (t ) = ∞ n =−∞ ∑ AΠ⎢⎣ ⎡ t − nTs − ∆ (nTs ) ⎤ ⎥ τ ⎦ (5. Como la amplitud y la duración de los impulsos se mantienen constantes.56) donde ∆(t ) = m t m(t ) es el desplazamiento instantáneo del impulso respecto al instante de referencia t = nTs . como se muestra en la Fig.25.

Sea entonces.58) Pero como la información está contenida en el desplazamiento D(t) del impulso y nó en el impulso mismo. MODULACION Y TRANSMISION DE IMPULSOS Ts A ∆( nTs ) τ t 1 (n − )Ts 2 nTs Fig.326 V.57) donde |m(t)|max es el valor máximo de m(t) y mt el índice de modulación PPM. de (1. ⎧ ⎪ x PPM (t ) = A ⎨δ (t ) ∗ ⎪ ⎩ ∞ ⎫ ⎪ δ[t .106). entonces (5. 1977) que si δ[t − D(nTs )] = |1 − ∆ ' (t )|⋅δ[t − nTs − ∆ (t )] donde ∆ ' ( t ) es la derivada de ∆( t ) Por consiguiente. 5. igual que en PDM. es decir. de donde D(t ) = nTs + ∆ ( t ) ⎧ t ⎡ t − D(nTs ) ⎤ ⎪ = A ⎨Π ( ) ∗ x PPM (t ) = AΠ ⎢ ⎥ τ ⎣ ⎦ ⎪ τ n =−∞ ⎩ ∑ ∞ ⎫ ⎪ δ[t . el cual. es difícil de calcular en el caso general. Entonces. D(t ) = nTs + ∆ (t ) . 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).∞ ⎭ ∑ ∞ (5. Modulación PPM. . Entonces.D(nTs )]⎬ ⎪ n=.D(nTs )]⎬ = A δ[t − D(nTs )] ⎪ n=-∞ n =−∞ ⎭ ∑ ∞ ∑ Se ha demostrado [Greg. el ancho del impulso puede hacerse tan pequeño que se puede aproximar mediante t impulsos unitarios.26.59) ∞ x PPM (t ) = A⋅|1 − ∆ ' (t )| n =−∞ ∑ δ[t − ∆ (t ) − nT ] s El signo de módulo se puede eliminar postulando que | ∆ '( t )| = m t m'( t ) ≤ 1 para todo t. pero que se puede estimar en el caso de modulación sinusoidal. 0 < mt ≤ 1 lo cual nos asegura que los impulsos serán siempre positivos. Demodulación PPM Para determinar el proceso de demodulación de una señal PPM es necesario conocer su espectro. que Π( ) ≈ δ (t ) [no tomando en cuenta su efecto sobre el ancho de τ banda]. el desplazamiento (5.

la señal PPM. de (1.60) Desarrollando (5. podemos demostrar que exp[− jβ n sen(ω m t )] = k =−∞ ∑J ∞ k (β n ) exp(− jkω m t ) . constituyen términos de distorsión de muy baja amplitud que pueden ser despreciados. 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. ∞ ∞ ⎧ ⎫ ⎪ ⎪ 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. igual que en PDM. pero aún así la distorsión de la señal es más pronunciada que en PDM.52) mediante los coeficientes de Bessel. s n x PPM (t ) = Af s [1 − m t m' (t )] pero. es necesario efectuar una integración para restaurar la componente de la señal útil a su perfil original. Muchas de estas componentes.27(a). MODULACION Y TRANSMISION DE IMPULSOS x PPM (t ) = A[1 − m t m' (t )] f s Definiendo n =−∞ ∑ exp[ j2πnf (t − m m(t ))] s t ∞ β n = 2πnf s m t y con ∞ m(t ) = sen(ω m t ) .327 V. 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. La demodulación directa de señales PPM se puede efectuar entonces en la forma indicada en la Fig. pero este tipo de modulación no se emplea en la práctica. Además del filtrado pasabajo. igual que en el caso PDM.106b). 5. los términos restantes son productos de intermodulación entre la frecuencia de muestreo fs y la frecuencia f m de la señal: la señal PPM contiene entonces un número infinito de componentes laterales alrededor de ±nf s separadas en ±kf m . .60) podemos observar lo siguiente: aunque la modulación es sinusoidal con un simple tono de frecuencia fm. 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.

Esta transformación.61) τ donde τ es la duración de los impulsos. Una forma de demodulación de fácil instrumentación. 5. Ancho de Banda y Relaciones S/N en la Modulación PPM y PDM En los sistemas PPM la información está contenida en la posición o desplazamiento de los impulsos. . Conversión PPM/PDM Fig. 5. que es la inversa de la mostrada en la Fig. a su vez. El sistema PPM es un sistema de banda ancha en el cual la relación de expansión del ancho de banda β m es mucho mayor que la unidad. el cual. 5. como la señal PPM no contiene la información de portadora o temporización (ver Problema de Aplicación 5. es puesto a cero por los impulsos PPM.21).25. Mecanismo de Demodulación PPM/PDM/m(t).28 se muestra el proceso de demodulación PPM/PDM/m(t).328 V. más eficiente en cuanto a su inmunidad al ruido y con menor distorsión se puede obtener mediante conversión PPM a PDM y filtrado pasabajo. Sin embargo. Demodulación de Señales PPM. 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. ésta tiene que ser transmitida por separado. 1977]. Señal PPM Portadora R (Reloj) S FF Señal PDM Q S 0 Portadora (Reloj) Ts t Filtro Pasabajo B = fm m(t) R Señal 0 PPM Q Señal 0 PDM t t Fig. En la Fig. Esto significa que el impulso debe tener una mejor resolución o definición que en el caso PDM. 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. 5 B PPM ≈ (5. Para transmisión en banda de base se puede tomar como ancho de banda [Greg.27(b).27.28. Fig. se puede efectuar haciendo que la portadora (un reloj) active un circuito basculador (un flipflop RS).

es decir. Impulsos Recibidos. PDM y PPM será B PPM > B PDM > B PAM (5. es decir.62) Veamos ahora la influencia del ruido en PPM. 5. t r ≈ 1 / 2 B .64) Sea entonces N τ la potencia promedio de ∆τ . 5. Impulso con Ruido Impulso sin Ruido n(t) A A/2 t ∆τ Umbral de Detección tr τ Fig. 5. . Si la señal recibida se ha contaminado con ruido. En la Fig. entonces ∆τ variará proporcionalmente. tr De la geometría de la Fig.29.29 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. Vemos también que si ∆τ es proporcional a n(t).329 V. 5.29.63) Si n(t) varía.29. entonces. éste causará un error en la posición de los impulsos. si el ruido es blanco y tiene una densidad espectral η / 2 . 1 Nτ = Ni 4A 2 B 2 Como la salida es proporcional a la entrada con una constante k de proporcionalidad o de demodulación. Influencia del Ruido en PPM. MODULACION Y TRANSMISION DE IMPULSOS La relación entre los anchos de banda de la banda de base en PAM. dentro de la banda de transmisión B se verifica que t t N τ = ( r ) 2 ηB = ( r ) 2 N i (5. El valor tr se puede relacionar con B en la forma dada en el Capítulo II. Por consiguiente. se produce dispersión en los bordes de los impulsos recibidos. su potencia promedio será proporcional a la potencia promedio de n(t). < ∆τ 2 >= ( tr 2 ) < n 2 (t ) > A (5. de tal manera que estos se pueden considerar como impulsos trapezoidales. Ejemplo 2.65) A A donde Ni es la potencia de ruido a la entrada del demodulador en el receptor. ∆τ n (t ) = tr A (5. como se muestra en la Fig. Como los impulsos se transmiten por canales de ancho de banda finito.19(a).

67) el valor de A2 dado por (5. la ganancia de conversión será So / N o T (5.67) Reemplazando en (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. La potencia de entrada de la señal PPM.29. 2 Ts / 2 1 | max ∆(t)|= ( Ts − τ ) 2 1 ( Ts − τ ) cos(ω m t ) 2 A t 1 tr tr (n + )Ts 2 Fig. 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. para τ >> 2t r .69) Si β m >> 2 . como se muestra en la Fig. 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.66) (5.30. la expresión (5. su efecto es el de producir un desplazamiento ∆(t ) de la forma 1 ∆(t) = m(t) = (Ts − τ) ⋅ cos(ωm t).70) . 5. de la Fig. 5.30.69) se reduce a So / N o 1 3 = βm Si / N i 16 en PPM (5. es.68) = 4 s B 2 < m 2 (t ) > en PPM τ Si / N i La expresión (5. Si la modulación es sinusoidal y a máxima modulación (con mt = 1). Desviación Sinusoidal de la Posición de los Impulsos en PPM.330 V. la ganancia de conversión será Se tiene entonces que < m 2 (t ) >= ⎤ So / N o β ⎛β B ⎡ B ⎞ = − 1⎥ = m ⎜ m − 1⎟ ⎢ ⎝ 2 ⎠ 4f m ⎣ 2f m 4 Si / N i ⎦ 2 2 en PPM (5.68) puede expresarse en otra forma.66).

Por consiguiente. 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 (5.71) La duración d(t) de los impulsos PDM recibidos se puede expresar. solamente si la relación Si/Ni está sobre cierto umbral. ella será la suma de las potencias promedio. idénticos a los vistos en PPM. Impulsos Recibidos en PDM. So/No aumenta y es posible intercambiar ancho de banda por relación S/N. En lo que se refiere a la potencia promedio 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. la potencia 2 2 de entrada de la señal PDM. Cuando B aumenta.74) Reemplazando A2 de (5.331 V.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. será Si = 2 A 2 2A t r A 2 3Ts + 4t r + = Ts 2 3Ts 6 (5. 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 . para una señal sinusoidal de prueba y máxima modulación. viene precedida y seguida por los flancos montantes o bajantes. En este caso. referidas a un período Ts. 5.67). So 24 Ts B 3 < m 2 ( t ) > Si . 5. La potencia de la señal pudiera disminuirse sin que la relación So/No cambie. entonces Si = A 2 3BTs + 2 Ts 6B (5. 5. y de las dos rampas del trapecio que equivalen a un triángulo de la forma AΛ(t / t r ).31 en la forma d (t ) = 1 (Ts − 2 t r ) ⋅ [1 + cos(ω m t )] 2 (5.73) Si hacemos B = 1 / 2t r . de donde = No Ni 3BTs + 2 . respectivamente. esto ocurre. En el caso PDM. de un rectángulo de amplitud A y duración promedio d n . sin embargo.72) cuyo valor promedio es d n = T 1 (Ts − 2 t r ) ≈ s puesto que Ts >> 2 t r . En la literatura se toma el nivel umbral para una relación [Si/Ni] ≈ 4 (6 dB). expresión (5.74) en (5. a partir de la Fig. A/2 t En la Fig.31.71). ya que estas señales no se solapan en el tiempo.

es decir. So / N o 1 2 = βm Si / N i 4 en PDM βm − 1) 2 2 3 ( β m + 2) 2 ( en PDM (5.76) 1 (Ts − 2 t r ) ⋅ cos(ω m t ) . PDM y PPM En la secciones anteriores se ha determinado las ganancias de conversión para los sistemas PAM.79) (5.75) Si B >> 2f m . PPM y PDM. 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 (5.332 V.81) En PDM: β ( m − 1) 2 So / N o 3 = βm 2 3 Si / N i 2 ( β m + 2) 2 (5. El sistema de modulación PDM es un sistema de banda ancha que permite intercambiar ancho de banda por potencia.3. En función de la relación de expansión del ancho de banda β m = B/fm .80) Si β m >> 2. cuya 2 Con modulación sinusoidal y modulación máxima.75) con Ts = 1 / 2f m y 8 B = 1 / 2t r . Reemplazando en (5. Comparación entre las Ganancias de Conversión en Sistemas PAM. la ganancia de conversión será So / N o = 8B 2 < m 2 (t ) > Si / N i en PDM (5.82) .78) La ganancia de conversión en PDM es proporcional al cuadrado del factor de expansión del ancho de banda β m . 5. 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 . si BTs >> 1 . (5. MODULACION Y TRANSMISION DE IMPULSOS So / N o 24Ts B 3 = < m 2 (t ) > Si / N i 3BTs + 2 en PDM (5. En todos los casos se ha tomado la potencia de ruido a la entrada igual a ηB. donde B es el ancho de banda de la banda de base.5. m( t ) = potencia promedio es < m 2 (t ) >= 1 (Ts − 2t r ) 2 .77) (5.

So / N o β 2 = m 4 Si / N i (5. En general.79) y (5.79) y (5.83) Si el ruido y el ancho de banda son los mismos en los tres sistemas.8 dB.32. En efecto. De (5. El sistema PDM es superior a PAM para β m > 8 .8 dB superior a PAM. .80). MODULACION Y TRANSMISION DE IMPULSOS Si β m >> 2.82). B PPM > B PDM > B PAM (5.84) Por ejemplo. para β m = 24 . Veamos ahora la comparación entre PPM y PDM. 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. se puede comparar PPM con PAM. 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. el mejoramiento de la ganancia de conversión en PPM es 14. Comparemos ahora PDM con PAM.82). ⎡So / N o ⎤ ⎡S / N o ⎤ 1 β = ( m − 1) 2 ⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 4 2 ⎣ S i / N i ⎦ PAM (5. El sistema PPM es superior a PDM para β m > 3 . 5. en donde se muestra la variación de las ganancias de conversión en función del factor de expansión del ancho de banda βm . los cuales tienen una cierta probabilidad de ocurrencia cuando el ruido es gaussiano. de (5.87) Estas consideraciones se pueden apreciar mejor en la Fig. En relación con los anchos de ban-da. si β m = 24 . situación que puede presentarse en sistemas con multiplex. el mejoramiento de la ganancia de conversión en PDM sobre PAM es de 6. ⎡So / N o ⎤ ⎡S / No ⎤ 1 3 = ( β m + 2)⎢ o ⎢ ⎥ ⎥ ⎣ S i / N i ⎦ PPM 6 2 ⎣ S i / N i ⎦ PDM (5.86) El mejoramiento de la ganancia de conversión en PPM.80) y (5.85) Para β m = 24 .62). de la expresión (5. El sistema PPM es superior a PAM para β m > 6 .333 V. De (5.88) En la determinación de las ganancias de conversión anteriores no se ha tomado en cuenta los falsos impulsos producidos por los picos de ruido. es de 8 dB superior a PDM.

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

Pero como el número de amplitudes de los impulsos PAM es teóricamente infinito. De la expresión (4. como se muestra en las Figs.22). a fin de no confundirla con “n”. MODULACION Y TRANSMISION DE IMPULSOS Los tres tipos de modulación de impulsos vistos en las secciones anteriores han sido representaciones analógicas del mensaje. los sistemas PCM tienen un comportamiento superior al de un sistema analógico. 5. el número de impulsos de la muestra codificada). En efecto. de tal manera que el número de niveles sea N. pero la modulación de impulsos codificados es completamente diferente en concepto. que veremos posteriormente. señales de control industrial. en la modulación PCM cada muestra del mensaje se representa o codifica en una secuencia de impulsos . En la Fig. se dice que la cuantificación es uniforme. y en (b) la operación de redondeamiento efectuada.34 se muestra este proceso. • • La desventaja principal de los sistemas PCM es que su ancho de banda es superior al de un sistema analógico similar. 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. la relación entre el número de muestras de entrada N y el número de impulsos n de la muestra codificada es N = 2 n . Cuantificación y Codificación Aunque en la práctica no suele usarse. Estos valores fijos se denominan “niveles de cuantificación” y la diferencia ∆Q entre dos niveles. (TDM)”. El sistema PCM es el sistema de modulación de impulsos más utilizado por las muchas ventajas que ofrece. a diferencia de algunos sistemas en los cuales el paso de cuantificación es variable. “paso de cuantificación”. Las señales PCM derivadas de todos los tipos de fuentes analógicas (audio. es necesario efectuar previamente un proceso de “redondeamiento” de los valores de amplitud para generar un conjunto finito de valores fijos o niveles. las señales de salida de los computadores digitales) y transmitirse por un canal de alta velocidad. (Nótese que se utiliza la letra “m” para indicar el orden de la muestra. para impulsos binarios. para comprender el mecanismo de la modulación PCM. Esta técnica se denomina “multiplicidad o multicanalización por división de tiempo. 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. Algunas de estas ventajas son: • • Los circuitos y componentes digitales utilizados son muy baratos y fáciles de adquirir. se le puede descomponer en una secuencia de tres operaciones distintas: Muestreo (formación de la señal PAM). la probabilidad de error en el destino se puede reducir mediante la aplicación de técnicas de codificación apropiadas. etc.34. 5. por lo tanto. En la Fig. En transmisión a larga distancia las señales PCM contaminadas con ruido se pueden regenerar y retransmitir sin mucha pérdida de calidad. . 5. Cuando el paso de cuantificación es constante. Este proceso se denomina “cuantificación” y es similar al redondeamiento de los últimos dígitos en un proceso numérico.335 V.33 y 5.34(a) se muestra la característica de transferencia de un cuantificador uniforme. Además.) se pueden mezclar con señales de datos (por ejemplo. el número de muestras de entrada al convertidor debe ser un número finito. En relación con el ruido. video. Cuantificación y Codificación. generalmente binarios.

89) y sus valores particulares vendrán dados por ∆Q N x qk (mTs ) = ± (2 k − 1) para k = 1. ∆Q es el paso de cuantificación.33. La señal cuantificada x q (mTs ) está acotada por | x q (mTs )| ≤ (N − 1) ∆Q ∆Q = (2 n − 1) = Vqmax 2 2 (5.91) .90) (5. MODULACION Y TRANSMISION DE IMPULSOS Mensaje m(t) x(mTs ) Modulación PAM Codificador Analógico-Digital x q ( mTs ) Cuantificación Codificación Salida PCM Serie Reloj Fig. 5. 5. 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. 5.34(b).⋅⋅⋅⋅. Consideremos el proceso de cuantificación uniforme bipolar mostrado en la Fig. Principio de la Cuantificación de Señales en Modulación PCM.34.336 V. 2 2 Los niveles de comparación estarán a ∆Q / 2 sobre o bajo x qk (mTs ). respectivamente. 3. 2. Vqmax y n generalmente son los datos o parámetros del cuantificador. 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. N = 2 n el número de niveles de cuantificación y n el número de impulsos de las secuencias codificadas. También | x (mTs )| ≤ N ∆Q = 2 n −1 ∆Q 2 (5.

e q ( mTs ) ”.93) En la literatura se suele definir también la “resolución del cuantificador. se define en la forma e q (mTs ) = x q (mTs ) − x(mTs ) (5. como consecuencia.100) En general.92) Para que no haya saturación en el cuantificador. Vmax = Vqmax + ∆Q 2 (5. el proceso de cuantificación introduce una cantidad inicial de distorsión.91). dependiendo del número de niveles de cuantificación elegidos. debe cumplirse también que | m(t )|max ≤ Vqmax + ∆Q = Vmax 2 De (5. Resolución R q = y en por ciento.34(c). de la Fig. después de la conversión la señal m(t) nunca podrá ser recuperada en su forma original (aún en el caso de que el ruido de transmisión sea nulo) debido al denominado “ruido de cuantificación”. Esto significa que la señal original puede aproximarse mediante una señal que se construye a partir de un conjunto disponible de amplitudes discretas elegidas sobre una base de error mínimo. En este caso se supone que el rango normalizado de la señal cuantificada es −1 ≤ x q ( mTs ) ≤ 1 .98) (5. para lo cual debe verificarse que | x q (mTs )|max = Vqmax = 1. la cuantificación transforma un conjunto infinito de amplitudes en un conjunto finito de N amplitudes. ∆Q / 2 . Fig. la cual es inherente al sistema pero que podemos controlar y hacer tan pequeña como queramos.96) Obsérvese que para algunos valores específicos de m(t) el error es cero. 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. Rq”. como el intervalo mínimo que el cuantificador puede discernir.89) o (5. el “error de cuantificación. e max % = 100 ⋅ e max (5. 5. pero el error máximo es.94) (5.34(c). La existencia . el paso de cuantificación es ∆Q = 2Vqmax N−1 = 2 Vmax N (5. En efecto. por lo tanto. ∆Q Vqmax Vmax e max = | e q (mTs )|max = = = (5. es decir. MODULACION Y TRANSMISION DE IMPULSOS Por consiguiente.97b) Nótese que la resolución es la medida del error máximo en el cuantificador. Algunas veces se prefiere normalizar los parámetros.95) R q % = 100 ⋅ R q Asimismo.97a) 2 N −1 N y en por ciento. 5.99) (5.337 V. ∆Q Vqmax Vmax = = 2 N−1 N (5.

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

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

Esta es la razón por la cual no se puede transmitir voz digitalizada en PCM por los canales telefónicos.2 kHz y luego se muestrea a una frecuencia de 8000 muestras por segundo. Puesto que β m >> 2 . está relacionada con la exactitud con la cual se puede recobrar la señal. 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 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.340 V. es decir. B PCM ≥ τ = 2nf m = 2f m log 2 N ⎪ Secuencias NRZ: ⎨ B ⎪ PCM = β m ≥ 2 n = 2 log 2 N ⎪ fm ⎩ 1 2 nf m 2f m τ Ts = nTn . 5. para 1 Ts ≤ se tiene: 2f m 1 ⎧ ⎪Ts = nτ. 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. Como norma en los sistemas telefónicos. de 64 kHz. .37. Como ejemplo de los requerimientos de ancho de banda en PCM. en consecuencia. de acuerdo con (5. Cada muestra ha sido codificada en secuencias de n impulsos. fm la frecuencia máxima de la señal mensaje m(t). como tal. la señal de voz se filtra primero en un filtro pasabajo de 3. el cual es mucho mayor que el ancho de banda nominal de 4 kHz del canal de voz. A este respecto. B PCM ≥ = = log 2 N Secuencias RZ: τ Tn RT RT y βm = 2 log 2 N RT (5.102) donde RT es el ciclo de trabajo. consideremos la transmisión digital de la voz en sistemas telefónicos. 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. R T = . y. Aunque la voz contiene frecuencias superiores a los 10 kHz. la mayor parte de su energía está concentrada en la gama de 100 a 600 Hz y un ancho de banda de 3 kHz es suficiente para una buena inteligibilidad. como se muestra en la Fig. hay que considerar si las secuencias PCM son sin o con retorno a cero (NRZ o RZ). Las muestras se cuantifican en grupos de 8 dígitos (256 niveles) y el ancho de banda de la señal PCM será.35(a). 5. el espaciado entre impulsos es uniforme a fin de ocupar el mínimo ancho de banda.101) (5.101). N = 2 n el número de niveles de cuantificación y β m la relación de expansión del ancho de banda.

son. El ruido de transmisión se puede introducir en cualquiera parte entre el transmisor y el receptor. denominado también “ruido de descodificación”. de donde 2f m 2 Consideremos secuencias PCM NRZ. la relación S/N a la salida está limitada únicamente por el ruido de cuantificación. Cuando se opera con relaciones S/N de entrada muy por encima de la región umbral.103) (5. se puede caer dentro de la región umbral y los resultados de dicha expresión ya no serían válidos. ya mencionados. que son de interés: uno es el ruido de transmisión. entonces 2 2n >> 1 y So = 2 2 n = N 2 para n ≥ 4 No (5. De (5. mientras que el ruido de cuantificación se genera únicamente en el transmisor y es llevado hasta la salida del receptor. la expresión (5.106) B β = m .105) es válida.105) Para altas relaciones S i / N i en el canal (10 dB o más). Se ha demostrado [Gregg. en los sistemas PCM hay dos tipos de ruido. generalmente el ruido de transmisión no aparece a la salida. no hay un camino continuo de transmisión para el ruido como lo hay en los sistemas de modulación analógica ya vistos. si consideramos que la señal es regenerada en cada estación repetidora. como veremos más adelante. Como en el caso de los sistemas PAM. 1977] que las potencias promedio de la señal PCM y del ruido de cuantificación a la salida del descodificador. Sobre la región umbral. MODULACION Y TRANSMISION DE IMPULSOS En cuanto al ruido. PDM y PPM. Aparte de estos errores ocasionales. distorsionan la señal m(t) recuperada. con el resultado que éste emite la correspondiente secuencia de impulsos regenerados pero erróneos. el ruido de transmisión. sin embargo. y normalmente el ruido de transmisión no se toma en cuenta en el diseño original del sistema.341 V.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. Asimismo. esto es. n = . β m = 2n . 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. para relaciones S i / N i menores. 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. por supuesto. respectivamente. Estos grupos erróneos son interpretados en el descodificador como amplitudes falsas que. Cuando n ≥ 4. puede causar errores de decisión en el detector. el ruido de transmisión se hará muy pequeño en comparación con el ruido de cuantificación (caso de alta relación S/N). < s 2 (t ) >= S o = o (∆Q) 2 2 n (2 − 1) 12 (5.101). y el otro el ruido de cuantificación. en PCM binario. Sin embargo. Como ya lo hemos señalado.

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. Puede observarse el efecto del umbral para valores altos de Pe (baja relación S i / N i ).103). 1987.02 ⋅ n ⎣ N o ⎦ dB en PCM NRZ (5.109) donde < n 2 (t ) > es la potencia del ruido de descodificación y < n 2 (t ) > viene dada por (5. 5. cuando se toma en cuenta el ruido de descodificación es. un sistema de banda ancha. Benedetto. etc. (5. la potencia total de ruido a la salida será entonces 2 2 N o =< n q (t ) > + < n d (t ) > (5.342 V. Se demuestra [Shanmugan.38(a) se grafica la relación S o / N o en dB para diferentes valores de n. 1966.104) y (5.107) y en dB. se observa que el intercambio “ancho de banda-relación S/N” es mucho más favorable en PCM que en los otros sistemas. 1979]. . Bennet y Stein.108) La relación señal/ruido de cuantificación crece exponencialmente en función de la relación de expansión del ancho de banda. ⎡ So ⎤ ⎢ ⎥ = 3.110) donde Pe . La relación de postdetección S o / N o en PCM. pues. Si el ruido de descodificación no puede ser despreciado. la probabilidad de error. de (5.01⋅ β m = 20 ⋅ log 10 N = 6. El sistema PCM es. Biglieri y Castellani. 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.]). 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. para valores bajos de Pe (alta relación S i / N i ). la relación S o / N o es prácticamente constante. que la potencia promedio del ruido de descodificación es 2 < n d (t ) >= (∆Q) 2 2 n 2 ⋅ Pe 3 (5. MODULACION Y TRANSMISION DE IMPULSOS So = 2 β m = N 2 en PCM NRZ No (5.104). 1979]. se calcula la probabilidad de error Pe para diferentes esquemas de modulación PCM. véase también [Schwartz.111) ⎡ So ⎤ 2 ( n +1) ⋅ Pe ⎢ ⎥ = 6.110). PDM o PPM.112) En la Fig. Cuando se compara PCM con PAM.02 ⋅ n − 10 log 10 1 + 2 ⎣ N o ⎦ dB [ ] en PCM (5. (En la referencia citada más arriba [Shanmugan. depende del tipo de modulación utilizado y de la relación de predetección S i / N i a la entrada del receptor.

Peopt ” a partir de la expresión (5.113) 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 .112). Se puede definir entonces la “probabilidad de error óptima.343 V. En efecto. Puesto que la probabilidad de error Pe depende del esquema de modulación empleado y de la relación de predetección a la entrada del receptor. Si Pe = g ( ⎛⎡ S ⎤ ⎞ Si ) . La expresión (5. es decir.473x10 −2 2 2n para n entero (5. entonces esta relación S i / N i mínima se puede deducir a partir de la expresión (5.113) ⎛ ⎡ S ⎤ ⎞ 6. entonces Peopt = f ⎜ ⎢ i ⎥ ⎟ y de la expresión (5.38(b) se grafica Peopt vs n. que es la misma expresión (5. Este valor de Pe corresponderá a la mínima potencia transmitida (o recibida) y se puede considerar como el valor óptimo de la probabilidad de error. de la definición de umbral se obtiene Peopt = 6. 5. ⎜ N ⎟ Ni ⎝ ⎣ i ⎦ min ⎠ para n entero.113). MODULACION Y TRANSMISION DE IMPULSOS El umbral se define arbitrariamente [Shanmugan. pues aumentos en la relación de predetección S i / N i no se traducen en aumentos en la relación de postdetección S o / N o . y por cuanto Peopt corresponde a la mínima relación S i / N i .473x10 −2 Peopt = f ⎜ ⎢ i ⎥ ⎟ = ⎜ N ⎟ 2 2n ⎝ ⎣ i ⎦ min ⎠ .113) En la Fig. En efecto.113). 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”. si la probabilidad de error es una función de S i / N i .

De acuerdo con la expresión (5.531 V ≤ x q (mTs ) ≤ 14. por lo tanto. está entre -9. Vqmax = (N − 1) −14. de donde. De acuerdo con los datos.7. β m = 10 Relación S/N de postdetección: Probabilidad de error óptima: So = N 2 = 1024 = 30.844 V (k = 11) y -10.938 V N 32 ∆Q = 14. siendo el nivel de comparación igual a -10. MODULACION Y TRANSMISION DE IMPULSOS La expresión (5.1 dB No Peopt = 6. Vmax = | m(t )|max = 15 V. aumentos en la relación de predetección no se traducen en aumentos en la relación S/N de postdetección. el cuantificador tendrá 32 niveles con una separación de 0.114).) las veremos más adelante. N = 2 n = 32 niveles.781 V (k = 12).93). cuando se aumenta la potencia de la señal de entrada.4.90).02n dB. al estudiar algunos esquemas de modulación de impulsos mediante portadora modulada.313.531 V .113) permite determinar la relación de predetección mínima S i / N i para un valor determinado de n. la relación de postdetección S o / N o alcanza el valor de 6. Se desea que la resolución o error máximo esté dentro del ± 5% del valor pico de la señal mensaje. De (5. la salida cuantificada correspondiente a una entrada de -10 V tiene el valor -9. mientras que el correspondiente valor mínimo de la relación S/N de predetección se puede determinar a partir de la expresión (5. (m(t) = -10 V). el valor mínimo de m(t). En resumen. La función g(. Cálculo de otros parámetros: Ancho de banda de la banda de base: B = 2 nf m = 2 x5x5x10 3 = 50 kHz.) depende del esquema de modulación utilizado.. 2 2 pues n es un número entero.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.05 ∆Q . ∆Q = 2 Vmax 30 = = 0.89). En consecuencia. El valor límite de S o / N o dependerá solamente del número n de impulsos de las secuencias PCM. que es independiente de la relación de predetección S i / N i .02n dB.05 ⋅ Vmax = 0. en la Sección 5.531 V 2 de donde 2 n = 20 → n = 5. De (5.344 V. El valor máximo de la relación S/N de postdetección será de 6. Ts = Se quiere que e max = 1 2f m ∆Q 2n = 0.844 V. sobre el umbral.938 V entre niveles. Vamos a calcular todos los parámetros asociados. Algunas de estas funciones g(.32 x10 −5 . ♣ Ejemplo 5.. Más adelante volveremos sobre este tema. También.

18). Como el sistema es Ts binario y no se especifica impulsos redundantes. Fig.39. e max = 2 . MODULACION Y TRANSMISION DE IMPULSOS log 2 N = 50 kbps . 2 2 N e max = y n son siempre números enteros (5. la cual queremos codificar en PCM NRZ.39(a).34.9 De (4. se tiene. la velocidad de información es Vi = Sea una señal m(t) como la mostrada en la Fig.114) 0 ≤ m(t ) ≤ Vmax . la velocidad de modulación es de 50 kbaudios. 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. Vqmax = valor máximo de la señal PAM cuantificada x q (mTs ) Vmax = valor máximo de la señal PAM muestreada x ( mTs ) ∆Q = error máximo o resolución ∆Q = paso de cuantificación. 5.345 V.5 V. Para un cuantificador uniforme unipolar. La frecuencia máxima de la señal es de 500 Hz. ∆Q = Rq 2 Para que el cuantificador no se sature o recorte la señal. Vmax = Vqmax + ∆Q ∆Q = (2 N − 1) . Vamos a determinar todos los parámetros asociados y las formas de las secuencias PAMq RZ y PCM NRZ. 5. ♣ ♣ Ejemplo 5. Vqmax = (N − 1)∆Q = (2 n − 1)∆Q . a partir de la Fig. 5. La amplitud de m(t) varía entre 0 V y 7 V con un error máximo tolerable de 0. Este es un caso de cuantificación uniforme unipolar y las ecuaciones que caracterizan al cuantificador son ligeramente diferentes de las determinadas para cuantificación bipolar.39(a). 5. Se tiene entonces.

su velocidad de información. En la Fig. esto es. Vi = n = 3 kbps Ts De la Fig. 5. Modulación Diferencial de Impulsos Codificados (DPCM) Cuando una señal de voz. las muestras codificadas contienen información redundante que no es absolutamente esencial para la transmisión de la información. 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. 5. Este esquema de modulación de impulsos se denomina “Modulación Diferencial de Impulsos Codificados.115) (5. siguiendo la práctica usual. respectivamente. La información está contenida en esta diferencia. f s = 2 f m = 1 kHz. mientras que el bit de mayor peso (MSB) se transmite de último. 110.3. En la Fig.39(a).01x10− 3 . Ts . 101 y 010.346 V. En el transmisor. es decir. 5.40 se muestra el diagrama de bloques funcional de un sistema (transmisor y receptor) DPCM. el bit de menor peso (LSB) se transmite de primero. 5.5 ⋅ V ∴ ∆Q = 1 V 2 ∆Q | m(t )|max = 7 = Vmax = (2 N − 1) ∴ N =8 y n=3 2 T 1 También. DPCM”. se observa que la variación de amplitud entre muestras adyacentes presenta una alta correlación. música o video se muestrea a frecuencias ligeramente superiores a la frecuencia de Nyquist. Cuando estas muestras son codificadas en PCM convencional. Ts = 1 ms. el número de dígitos de los grupos de codificación será menor. en la cual.40(a). 3 V. se codifica y transmite la diferencia entre dos muestras adyacentes. 5 V y 2 V. e max = Peopt = 1. La eliminación de esta redundancia permite aumentar el rendimiento del sistema. que corresponden a las secuencias binarias (de tres dígitos cada una) 011. ♣ 5. que en promedio la señal no varía demasiado entre una muestra y la siguiente. los valores de la señal PAM cuantificada x q (mTs ) en los instantes 0.39(b) se muestra la forma de la señal PCM NRZ. respectivamente.116) . (5. B = = 3 kHz 3 τ En el presente ejemplo. El mecanismo para disminuir la redundancia es el siguiente: en vez de codificar y transmitir cada muestra por separado. comparado con el sistema PCM convencional. Fig. pero. τ = s .4. MODULACION Y TRANSMISION DE IMPULSOS ∆Q = 0. 6 V. 2Ts y 3Ts son.

el ancho de banda de la banda de base se reduce en 3/8.40. ≤| 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”. ADPCM”. La red de retardo en el lazo de retroalimentación del transmisor se puede reemplazar por un filtro predictor.347 V.722 de la UIT-T se establece una frecuencia de muestreo de 16 . entonces m(mTs ) representa la versión cuantificada de m(t) en el intervalo Ts anterior. ~ La señal cuantificada será. ~ m q (mTs ) = m(mTs ) + e q (mTs ) (5. 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. 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 (5.115). la instrumentación en DPCM es tan compleja como en PCM convencional. ya que es la cantidad mediante la cual el filtro de predicción falla en la predicción exacta de la entrada. La señal x ( mTs ) dada por (5. mientras que en PCM convencional se necesitaría. 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. x q ( mTs ) = m( mTs ) − m q [( m − 1)Ts ] valores discretos en el intervalo ∆Q ∆Q .116). Por ejemplo. es posible hacer una cierta inferencia acerca de sus valores futuros. pues si se conoce el comportamiento anterior de una señal hasta un cierto punto en el tiempo. de (5.117) ~ La señal m q (mTs ) es entonces la versión cuantificada de la señal de entrada muestreada ~ m(mTs ) . N = 256 = 28 (código de 8 dígitos) para tener una calidad comparable.115) es la diferencia entre dos muestras consecutivas que una vez cuantificada y codificada dará origen a la señal DPCM. En este caso el sistema se denomina “Modulación Diferencial Adaptativa de Impulsos Codificados. por lo menos. En la Recomendación G. un sistema DPCM con N = 8 = 23 (código de 3 dígitos) es aceptable para transmitir una señal de video. y como m(mTs ) = m q [(m − 1)Ts ] . 5. Sistema de Modulación DPCM. En este caso particular.

41(a). 5. Asimismo. pues. la diferencia de amplitud entre dos muestras adyacentes se cuantifica en dos niveles +∆ ó -∆. El cuantificador es. Esto permite.40. utilizando ADPCM. m(t ) . cuando se muestrea a frecuencias normales ( f s ≥ 2f m ).4. 5. Como consecuencia.348 V. la señal m(t) se compara con una aproximación en escalera de ella misma.41. el sumador y el operador signo se pueden instrumentar mediante un comparador. dependiendo del . la información a transmitir de cada muestra se puede representar en forma binaria como el sentido de la variación respecto a la muestra precedente. es decir. MODULACION Y TRANSMISION DE IMPULSOS kHz con 14 dígitos binarios por muestra. El diagrama de bloques funcional de un sistema de modulación delta lineal es idéntico al del sistema DPCM mostrado en la Fig. 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 . con el cuantificador reemplazado por un operador signo. 5. Fig. El elemento de retardo y el sumador en el lazo de retroalimentación se pueden reemplazar por un integrador cuya entrada es una secuencia de impulsos bipolares de período Ts . 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. y cuya salida es una señal en escalera que representa una versión cuantificada de la señal de entrada. se tiene el sistema de modulación delta lineal mostrado en la Fig. como el paso de cuantificación es constante y de valor ∆. se dice entonces que éste es un sistema de modulación delta lineal. lograr aumentar el ancho de banda de la banda de base hasta 7 kHz para transmisión de voz de alta calidad. 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. La salida del comparador serán niveles de amplitud ± ∆ . comúnmente denominado “limitador estricto (hard limiter)”. En el transmisor.4. duración τ y amplitud ±A. un “operador signo” mucho más sencillo de instrumentar que un cuantificador multiniveles convencional. 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. 5. puede ser importante y corresponder a un gran número de niveles de cuantificación. Modulación Delta Lineal (DM) En el esquema de modulación DPCM la diferencia de amplitud entre dos muestras adyacentes. Nótese la simplicidad en la instrumentación.41. 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. 5. Sistema de Modulación Delta Lineal.

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

5. Cuando este impulso se retroalimenta a través del integrador.43. de ahí el nombre de “sobrependiente”. Si m(t) permanece constante.120). 43. Este tipo de sobrecarga no está determinado por la amplitud de m(t) sino más bien por su pendiente. 5.120) Ts La amplitud máxima de m(t) a partir de la cual se produce sobrependiente será. de modo que una condición suficiente para evitar la sobrependiente es que ∆ 2πf m A m ≤ = ∆ ⋅ fs (5. 5. El error o ruido granular se puede reducir aumentando la frecuencia de muestreo y/o disminuyendo la amplitud del paso de cuantificación ∆. Este proceso continúa durante el “intervalo de arranque” hasta que m(t ) excede a m(t) y se produce un impulso negativo. 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 ) . de manera que el primer impulso de salida sea positivo. de (5. Cuando la diferencia es mayor que ∆. m(t ) exhibe un comportamiento de rastreo sobre m(t) lo que da origen al “error o ruido granular”. El fenómeno de sobrependiente es una limitación básica en la modulación delta lineal. como se muestra en la Fig. como se muestra en la Fig. Supongamos que inicialmente m(t ) < m(t ) . Vamos a determinar las condiciones necesarias para prevenir la sobrependiente.119) La pendiente máxima de m(t ) es ∆ / Ts . . Cuando m(t) cambia. m(t ) ya no puede seguir a m(t) produciéndose el fenómeno de “sobrecarga o sobrependiente”.43. La pendiente (5.43. Ruido Granular y de Sobrependiente en Modulación Delta Lineal.350 V. 5. Arranque m(t) Ruido de Sobrependiente Ruido Granular ∆ Ts m(t ) Fig. 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. m(t ) la sigue en forma escalonada mientras las muestras sucesivas de m(t) no sean mayores que ∆. se produce un incremento ∆ en m(t ) . y se produce cuando la pendiente de m(t) es superior a la pendiente máxima de m(t ) .

como veremos más adelante. MODULACION Y TRANSMISION DE IMPULSOS Am = ∆ fs ( ) 2π f m (5. 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 definimos = . Estas tres son formas de la Modulación Delta Adaptativa. en la transmisión de voz en PCM con f s = 8000 y n = 8 . El mejor método para evitar la sobrependiente es la de detectar la condición de sobrecarga y ajustar el valor de ∆ haciéndolo más grande mediante un control de ganancia en el lazo de retroalimentación del modulador. el ancho de banda es del orden de 64 kHz. Sea entonces A min = ∆ . . El problema de la sobrependiente se puede reducir entonces disminuyendo f m mediante filtrado de m(t). asimismo. operando sobre una secuencia de error. ver la bibliografía. entonces B DM ≥ 2f s (5.122) 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 . por ejemplo. Fig.123) τ Ts 2 El ancho de banda de la banda de base es bastante grande. el rango de amplitud no puede ser muy alto porque ello implicaría altos anchos de banda de la banda de base. su ancho de banda será 1 1 τ B DM ≥ . controla la ganancia. m(t ) será una señal periódica rectangular de amplitud pico a pico igual a ∆.42. se puede establecer un límite superior del rango de amplitudes tomando precisamente este valor como el de la mínima entrada reconocible por el codificador. denominación adoptada para distinguirla de la Modulación Delta Lineal. el ancho de banda es mayor. para una calidad comparable. y permanecerá en este estado mientras la variación de la señal de entrada no sobrepase el valor ∆.121) Cuando la variación de m(t) es menor que ∆. Por ejemplo. Si se disminuye f m o se aumenta ∆. en la Modulación Delta de Pendiente Variable (VSD) la ganancia se ajusta sobre una base discreta. 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. o aumentando el valor del paso de cuantificación ∆ o la frecuencia de muestreo f s .351 V. pero por otro lado. el rango dinámico de amplitud se puede definir en la forma Am A 1 fs RA = = m = ( ) (5. Para más información sobre las técnicas adaptativas. Los métodos de control de ganancia han dado origen a diferentes técnicas de la modulación delta. si se aumenta la frecuencia de muestreo se aumentan los requerimientos de ancho de banda de la banda de base. la resolución de la señal será muy pobre y la distorsión aumentará. 5. mientras que en la modulación delta. en la Modulación Delta de Pendiente Continuamente Variable (CVSD) el valor de la ganancia se ajusta sobre un rango continuo. en la Modulación Delta Controlada Digitalmente (DCD) se utiliza un comparador digital que. Aunque en este caso la distorsión de salida es muy severa.

que N oq =< n 2 (t ) >= q y N os =< 2 n s (t ) ∆2 3 5/ 2 (5. 1 ⎧ ⎪ 5/ 2 2 ⎡ ∆ ⋅F ⎤ S o ⎪ 1. 1990].127b) Generalmente se define el “Escalón o Paso Relativo.122). en función del escalón relativo ∆ r para diferentes valores de la frecuencia de muestreo normalizada Fs .44(a) se grafica la relación de postdetección So/No . La relación de postdetección So/No se puede expresar en términos de ∆ r y Fs .8 ⋅ ⎢1 − r s ⎥ + ∆2 ⎪ r =⎨ 2π ⎦ 3 ⎣ No ⎪ 3 ⎪ ⎪ 2∆2 ⎩ r para ∆ r ⋅ Fs ≤ 2π (5. ∆ r ” y la “Frecuencia de Muestreo Normalizada. 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. es decir. consideremos el peor caso en la modulación delta lineal donde toda la potencia está concentrada en la parte superior de la banda de base. El valor máximo de la relación So/No será entonces . MODULACION Y TRANSMISION DE IMPULSOS Veamos ahora la influencia del ruido en modulación delta lineal. En efecto. Fs ” en la forma ∆r = f ∆ ∆ = y Fs = s A m | m(t) |max fm (5. de (5. que s o (t ) = A m sen(2πf m t ) cuya potencia promedio es S o =< s 2 (t ) >= o A2 m 2 (5. en dB.125) Para simplificar el cálculo de la potencia promedio de la señal. 5.127a) ⎡ ∆ ⋅ fs ⎤ A2 >= m 1. donde ∆ rop es el “escalón relativo óptimo” correspondiente.128) Nótese que.8 ⋅ ⎢1 − ⎥ 2 ⎣ 2πf m A m ⎦ (5.126) En cuanto a las potencias de ruido.352 V.129) para ∆ r ⋅ Fs > 2π En la Fig. ∆ r es el inverso del rango dinámico RA . se demuestra [Schwartz. Nótese que la relación So/No es máxima cuando ∆ rop ⋅ Fs = 2π . 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 ).124) (5.

el sistema PCM está por encima del valor óptimo del sistema DM en más de 43 dB. a su vez. mientras que a la izquierda domina el ruido de sobrependiente. Los valores óptimos del escalón relativo ∆r corresponden a los picos de las curvas (indicados por las líneas a trazos): a la derecha de los valores óptimos domina el ruido granular. Para valores pequeños del escalón ∆r. conocido un parámetro. 5. . Nótese que la relación So/No mejora aumentando la frecuencia de muestreo f s (para f m constante). el ruido de cuantificación se reduce pero el ruido de sobrependiente aumenta rápidamente. Por consiguiente. La comparación se puede efectuar observando la curva para n = 8 de la Fig.353 V.101). vamos a suponer que ambos sistemas utilizan aproximadamente el mismo ancho de banda para transmitir una señal analógica cuya frecuencia máxima es f m . Se puede comparar el comportamiento de los sistemas PCM y DM en términos de la señal y de la complejidad de instrumentación. a partir de la gráfica.128) y (5. el valor del otro para máxima relación de postdetección So/No. de (5. 5. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 3 = ⎢ ⎥ 2 ⎣ N o ⎦ max 2∆ rop (5. que 2 f s = 2nf m o Fs = n .130) En la Fig. Para asegurar que la comparación se efectúa en idénticas condiciones. el ruido de sobrependiente desaparece pero el ruido de cuantificación o granular aumenta. Para valores altos. se puede estimar rápidamente. Si el ancho de banda del canal lo permite. sobre el umbral. el comportamiento en PCM es superior al de DM.44(a) se puede notar el angosto rango de valores del escalón relativo en el cual la relación de postdetección es máxima. para un mismo ancho de banda de la banda de base. si consideramos un sistema PCM de 8 dígitos binarios (n = 8) para transmitir una señal de f m = 4 kHz de ancho de banda. donde Fs es la frecuencia de muestreo normalizada en modulación delta y n el número de dígitos por grupo de codificación en modulación PCM. Nótese que. 5. 5.44(b) se relacionan los parámetros Fs y ∆ rop de tal manera que. la frecuencia de muestreo normalizada en DM es Fs = 8 . Esto. el mejor compromiso en modulación delta lineal es entonces el de aumentar la frecuencia de muestreo f s (o Fs ).44(a) en DM. Esto implica.38(a) en PCM y la curva para Fs = 8 de la Fig. Por ejemplo. puesto que si se aumenta f s se reduce el paso o escalón ∆ requerido para mantener un nivel específico de ruido de sobrependiente. En la Fig. reduce el ruido de cuantificación.

En cuanto a la complejidad del equipo. Por ejemplo.44(a).354 V. 5.8 V So = 15. En resumen.785 ≈ 0. de donde f s = 32 f m = 128 kHz . y aún más ahora que se consiguen circuitos integrados para la modulación delta adaptativa. En efecto.130). necesita un ancho de banda de 32 kHz que es la mitad de lo requerido en PCM. entonces.10 Se desea transmitir en DM una señal de audio de la forma m(t ) = 4 cos(8x10 3 πt ) . así como para otros distintos usos en muchas áreas afines.8V . ∆ rop = 2π|m(t)|max 2π ∆ = = 0. De la forma de m(t).196 y ∆ = = 0. el sistema de modulación delta es mucho más sencillo que en PCM. MODULACION Y TRANSMISION DE IMPULSOS El comportamiento del sistema DM se puede mejorar considerablemente utilizando las técnicas de la Modulación Delta Adaptativa. ha generado un considerable interés en el uso de las técnicas de la modulación delta en sistemas de telefonía comercial. El valor máximo de la relación de postdetección se puede calcular a partir de (5. La relación de postdetección So/No es máxima cuando Fs = 2π / ∆ rop . y cuya relación S/N de postdetección es del mismo orden que en PCM. industriales y espaciales. Vamos a determinar los parámetros necesarios para su transmisión con una relación de postdetección superior a los 15 dB. ♣ Ejemplo 5. en transmisión de voz el sistema CVSD.I.9 dB No B = 256 kHz f s = 2 f m = 8 kHz Nótese que si la transmisión fuera en PCM. De la Fig. el C. para una relación S/N de 15 o más dB.9 dB ⎢ ⎥ ⎣ N o ⎦ max 2∆ rop De (5.8V Fs | m(t )|max Fs La amplitud | m(t )|max = 4 se cubrirá con 5 escalones de amplitud ∆ ≈ 0. MC3418 que es un modulador/demodulador delta de pendiente continuamente variable que permite operar entre 9600 bps y 64 kbps. como. de comunicaciones militares. En primer lugar hay que determinar la frecuencia de muestreo normalizada Fs y el escalón relativo ∆ rop óptimo correspondiente. combinada con una buena calidad de voz. por ejemplo. ⎡ So ⎤ 3 = 2 = 38. Esta simplicidad.123). los correspondientes parámetros serían: . A m =| m( t )| max = 4 y f m = 4 kHz .907 = 15. se puede tomar Fs = 32. el ancho de banda de la banda de base es B = 2 f s = 256 kHz . los parámetros para transmisión en DM son: Frecuencia de muestreo: Amplitud del escalón: Relación S/N de postdetección: Ancho de banda de la banda de base: Frecuencia de muestreo: f s = 128 kHz ∆ = 0. ya mencionado.

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.45.165 dB No Ancho de banda de la banda de base: B = 2 nfm = 64 kHz Para este caso particular. . TRANSMISION DE IMPULSOS EN BANDA DE BASE 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.5. Transmisión Binaria en Banda de Base. la información digital (secuencias de impulsos) se transmite tal como se genera. de densidad espectral S n ( f ) e independiente de la señal v(t). una secuencia de impulsos PCM (RZ o NRZ) que se transmite por conductores metálicos u ópticos. entre otros la interferencia intercanal. Introducción ♣ En general. en general. que son los que pueden transmitir señales desde CC en adelante. 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 ) . un sistema digital de banda de base es aquel que transmite información digital generalmente a bajas frecuencias y por canales pasabajo.1. sin ningún otro tipo de procesamiento o codificación que no sea digital. 5. pero solamente consideraremos la interferencia intersímbolo y el efecto del ruido. Esto lo haremos más adelante.5. La señal de banda de base será. la relación So/No en PCM es 32. El filtro H ( f ) de entrada al receptor debe ser diseñado entonces tomando en cuenta todos esos factores. 45. y (2) la degradación producida por el ruido n(t). consideremos el modelo de un sistema de transmisión binario en banda de base mostrado en la Fig. Para generalizar el enfoque. 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.3 dB superior a la de DM. 5. MODULACION Y TRANSMISION DE IMPULSOS Número de impulsos por grupo: Relación S/N de postdetección: n = 8 (típico) So = 2 2 n = 65536 = 48. de valor promedio cero. 5. la fluctuación de fase (“jitter”) y el desvanecimiento selectivo. efecto conocido con el nombre de “interferencia intersímbolo”. Hay otros factores que intervienen también en menor grado en la degradación de la señal.355 V.

Consideremos el transmisor. mediante modulación y sin solapamiento. 5. 5. 5. Hay dos formas de multicanalización que son de interés: 1. La separación de las señales individuales en el receptor se efectúa mediante circuitos de sincronización apropiados. MODULACION Y TRANSMISION DE IMPULSOS 5. una ventaja de la operación multicanal es la disminución de equipo y. La banda de frecuencias o intervalo de tiempo asignado a cada mensaje individual se denomina comúnmente “canal”. Esto se efectúa muestreando todas las señales y entrelazándolas. en esencia consiste en colocar lado a lado. en el tiempo y sin solapamiento. costo. en cuyo caso se tendrá un sistema PCM/TDM. .356 V. Fig. combinar en el transmisor los mensajes de varias fuentes de información. los valores de muestra. La “Multiplicidad por División de Tiempo (Time-Division Multiplex. Pero en la práctica es necesario enviar simultáneamente una gran cantidad de mensajes diferentes por un medio de transmisión dado. “multiplex” o “multiplaje”. 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. El proceso de operación multicanal permite. En esta sección haremos énfasis en la transmisión en banda de base. con la diferencia de que cada grupo de codificación corresponde a un mensaje diferente. FDM)” El sistema FDM. de los mensajes individuales. Este tipo de multicanalización lo estudiaremos con más detalle en el Capítulo VI.46(c). 5. el tiempo es compartido por las señales individuales. por supuesto.2. mediante las técnicas llamadas de “multiplicidad”. El sistema TDM combina. los espectros de las señales mensaje individuales y formar así un espectro compuesto o señal de banda de base compuesta que se transmite. limitadas a una banda f m por los filtros pasabajo (FPB) de entrada. TDM)” 2. 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.46(a). La “Multiplicidad por División de Frecuencia (Frequency-Division Multiplex. Cuatro señales diferentes. pudiéndose aprovechar el intervalo entre muestras para transmitir las muestras de otras señales mensaje. La señal PCM/TDM tendrá una configuración como la mostrada en la Fig. como se muestra en la Fig. las señales se transmiten simultáneamente pero ellas se reparten el ancho de banda disponible del canal de transmisión. Esta señal PAM/TDM puede ahora modularse en cualquiera de los sistemas de modulación de impulsos vistos en las secciones anteriores. El conmutador efectúa f s revoluciones por segundo y extrae una muestra de cada entrada durante una revolución.5. Como solamente se necesita un transmisor y un receptor. el cual es directamente aplicable a señales continuas. transmitirlos como un solo bloque y luego separarlos en el receptor. aunque mucho más complicados. La transmisión de cada muestra ocupa todo el ancho de banda del canal pero sólo una parte del tiempo. 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. codificados o no.35(a). se muestrean en forma secuencial mediante un interruptor rotatorio o “conmutador”.46 para cuatro señales diferentes. como se muestra en la Fig. La forma más común es la modulación PCM. las cuales disponen para su transmisión de todo el ancho de banda del canal.

47. TM = s = = τ + τg M 2 Mf m y en PCM / TDM. y los parámetros de interés. 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. τ= TM T 1 = s = n nM 2nMf m . En el receptor.46(b). Sistema Multiplex por División de Tiempo (TDM). T 1 5. Para lograr esta sincronización. 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. Fig. de la Fig. incluidos en la misma señal de banda de base o por canales separados. 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. 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. 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. Entonces.47 se muestra el entrelazamiento de M canales en PCM/TDM y PAM/TDM.46. También puede lograrse la sincronización mediante métodos que veremos más adelante. El período de base Ts corresponde al intervalo de Shannon y el conjunto de impulsos en él incluidos se denomina “trama”. En la Fig. 5. 5. en algunos sistemas se transmite impulsos especiales de sincronización. 5.357 V.

especialmente en transmisión de señales PCM/TDM NRZ.5. Las señales cuyas frecuencias máximas son menores que f MAX resultarán sobremuestreadas. Si B es el ancho de banda del canal y τ la duración de los impulsos a transmitir.3.358 V. 5. Por ejemplo. entonces el intervalo de muestreo Ts = 1 / 2f MAX . Sin embargo. 5. veremos algunas aplicaciones de estos conceptos. A expensas de una pérdida de resolución entre impulsos adyacentes se puede disminuir el ancho de banda para tener el producto Bτ = 1/2. generalmente no hay problemas en la transmisión de impulsos en banda de base. El producto Bτ = 1. Interferencia Intersímbolo Un aspecto de considerable importancia en la transmisión de impulsos en banda de base es el ancho de banda requerido para el canal de transmisión.47. esta frecuencia está limitada por los filtros pasabajo de entrada. es decir. .12. la frecuencia de muestreo f s dependerá de la mayor frecuencia presente. B= 1 τ (5. Entrelazamiento de las Muestras en Multicanalización TDM La frecuencia f m es la frecuencia máxima de las señales de entrada. En los Ejemplos 5.131a) 2.11 y 5.131b) Si Bτ > 1. si las frecuencias máximas de las señales de entrada fueran diferentes. se suelen aplicar dos criterios para la selección del ancho de banda B: 1. si f MAX es la frecuencia más alta del conjunto de señales de entrada. MODULACION Y TRANSMISION DE IMPULSOS 1 Canal 1 2 3 n 1 Canal 2 2 3 n 1 Canal 3 2 3 n 1/0 1 Canal M 2 3 n 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 1/0 τ TM = Ts / M Ts = 1 / 2fm Una Trama τ = TM / n (a) Multicanalización PCM/TDM Canal 1 Canal 2 Canal 3 Canal M TM = Ts / M τ TM τg Una Trama Ts = 1 / 2fm Ts (b) Multicanalización PAM/TDM Fig. pero este sobremuestreo no representa ningún problema. B= 1 2τ (5. es decir.

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.. ±2. Los filtros reales deben aproximarse a esta característica ideal pero deben poseer las siguientes propiedades. donde a n = 0 ó 1. establecidas por Nyquist. como se muestra en la Fig. ±1. pues resulta en distorsión cruzada o de intermodulación.48(a).. si el ancho de banda del canal es demasiado pequeño. mostrado en la Fig. n = 0.131b) marca el límite teórico del ancho de banda y está de acuerdo con la frecuencia de Nyquist. 5. Esta dispersión se denomina “interferencia intersímbolo” y es de particular importancia en sistemas PCM/TDM NRZ.131b). Cuando el ancho de banda aumenta al doble. se obtiene utilizando impulsos unitarios en el transmisor y considerando el canal como un filtro pasabajo de ancho de banda B = 1 / 2τ . No obstante. resultaría en distorsión de intermodulación. y τ es la duración de los impulsos. algunas veces llamadas “ecos”. los impulsos recibidos tendrán la forma mostrada en la Fig. 5. Supongamos que en el receptor se muestrea la señal recibida mediante muestreo instantáneo y que el impulso recibido tiene su valor máximo en el instante de muestreo y se hace cero en los instantes de muestreo adyacentes.. es decir. pero más importante es el efecto de la amplitud de las colas. los impulsos que pueden estar bien separados en el punto de origen. en efecto.48(b). en este caso la situación ha mejorado pero ésta seguiría siendo la salida de un filtro pasabajo ideal que. 5. MODULACION Y TRANSMISION DE IMPULSOS La cuestión de si el ancho de banda debe ser calculado de acuerdo con (5. La cantidad de interferencia depende del ancho de banda del canal. se puede transmitir teóricamente 2B símbolos por segundo.. aunque las colas de los impulsos. Este perfil. Nótese lo cercanos que están los impulsos en la Fig. En estos casos no se produce interferencia intersímbolo. a esto hay que agregar otros factores como el perfil del impulso y el método de detección en el receptor.. 5. no es físicamente realizable. persistan durante varios intervalos.359 V. efecto que puede introducir una cierta incertidumbre respecto al instante de muestreo y producir distorsión a pesar de no existir interferencia intersímbolo. la expresión (5.131a) o (5. en cuyo caso se tiene la relación duración-ancho de banda dada por (5. dependerá de la dispersión permisible de un impulso sobre los impulsos adyacentes.48(a) o (b) para una secuencia binaria NRZ 1 1 0 1 1. Esto significa que si se dispone de un ancho de banda B.. B = 1/τ. presentarán una gran dispersión cuando llegan al receptor y se solaparán con los impulsos adyacentes. como sabemos. Esto resulta así cuando los impulsos recibidos tienen la forma a n sinc[(t − nτ ) / τ ] .48(a).131b) o en cualquiera otra forma. para que no se produzca interferencia intersímbolo: (a) que los ceros del impulso .

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

aunque la señal original contenga largas secuencias de UNOS o CEROS. El código debe ser eficiente para aprovechar al máximo la capacidad del canal y ser inmune a las interferencias y ruido.9. los cuales complican los circuitos de control automático de ganancia en el receptor. 5.4. 2. En general. Sección 3. es decir. 6. entre otras. La señal codificada debe poseer muchas transiciones o cruces por cero. El espectro deberá estar contenido dentro de una banda restringida. La componente continua. 3. deberá ser cero en los bordes de la banda y máximo en el centro de la misma. y la selección de un determinado código va a depender de su aplicación. Que las señales de temporización puedan ser fácilmente extraídas de la señal recibida. .9. requerimientos de ancho de banda.2. lo cual produce una elevada tasa de errores. con las siguientes condiciones: 1. además de demandar potencia adicional. la presencia de componentes continuas produce impulsos unitarios periódicos en el espectro. los códigos de línea deben cumplir. hay que tomar en cuenta el aspecto económico. Para ello. ninguna “palabra” del “alfabeto” utilizado debe ser la primera parte de otra palabra. En el Capítulo III. el código de línea debe satisfacer la “condición del prefijo”. 5. otros convierten las secuencias binarias originales en nuevas secuencias binarias. esto es.50 se muestra algunos de los códigos de línea utilizados en la práctica.2. Además de los aspectos puramente técnicos. Es muy difícil que un solo código pueda satisfacer todas las condiciones anteriores. Que la señal codificada pueda ser descodificada unívocamente para permitir la recuperación fiel de la secuencia original.5. En el Capítulo III. Estas formas tienen algunas ventajas en términos de facilidad de procesamiento y sincronización. De esta manera se asegura una mayor confiabilidad. se calculan las densidades espectrales de potencia de algunos de estos códigos. También es deseable que la descodificación pueda realizarse inmediatamente luego de recibida la secuencia. Por otro lado. En la Fig. y otros factores. 4. produce “derivas” en la línea de base de la señal. se determina la densidad espectral de algunos códigos de línea. Es deseable que el código sea fácil de generar y detectar a fin de reducir la complejidad y costo del sistema. Que el contenido espectral sea el más adecuado según las características del medio de transmisión. Mientras algunos sistemas pueden transmitir directamente en binario natural.361 V. Que la amplitud de la componente continua sea lo más pequeña posible. MODULACION Y TRANSMISION DE IMPULSOS 5. Códigos de Línea Hasta ahora hemos supuesto que las señales PCM transmitidas estaban codificadas en binario natural con o sin retorno a cero. Sección 3. denominadas “Códigos de Línea”.

51 se muestran las tres jerarquías actualmente en uso.11. Jerarquías en los Sistemas de Transmisión de Datos Una Jerarquía Digital. ♣ Ejemplo 5.50. datos e imágenes. voz y video en una sola red. sobre una sola línea. pero la tendencia actual es la de establecer una sola red por la cual se pueda transmitir voz. Las dos primeras jerarquías han sido aprobadas por la UIT-T. bajo el mismo número y a nivel mundial. A este efecto. 5. la UIT-T ha promovido la creación de la llamada “Red Digital de Servicios Integrados (Integrated Service Digital Network. Estas jerarquías se utilizan exclusivamente para la transmisión de datos. deben operar únicamente a una velocidad igual o múltiplo de las velocidades jerárquicas. Los bancos de canales PCM. llamada también Jerarquía PCM. 5.362 V. La Red ISDN permitirá la integración de servicios de datos. 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. En la Fig. Códigos de Línea. los CODECs de banda ancha y los equipos de línea y multicanalización. 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. es una secuencia ordenada de velocidades de información (en bps) que constituye cada una un nivel jerárquico dado. ISDN)”. .

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

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. con 8 dígitos por canal para un total de 256 dígitos por trama.6477 µseg. La velocidad de señalización para cada uno de los 24 canales será entonces de 1333 bps. 5.647 (*) Dígito de Sincronización de Canal (cada sexta trama) Fig. En consecuencia.733 de la UIT-T. En la Fig. formada por 16 tramas. denominado también CEPT-1 PCM-30 (es el Nivel 1 de la Jerarquía Europea. La señal de banda de base en T1 es una secuencia AMI RZ de valores ± 3V sobre una resistencia de 100 Ohm. se utiliza el Código de Línea HDB3 RZ. Fig. 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. el primer cero del espectro está a una frecuencia de 1544 kHz y el valor máximo está a 772 kHz. 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. está formado por 32 canales. La duración de cada trama es de 125 microsegundos. . tiene una duración de 2 ms. MODULACION Y TRANSMISION DE IMPULSOS inmunidad al ruido y a medida que avanzaba la tecnología de los circuitos integrados. la duración de la multitrama es de 1. 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. siendo 488 nanosegundos la duración de cada dígito. Estas señales se muestrean a 8000 muestras por segundo y las muestras resultantes se codifican en 8 dígitos binarios o “bits” con el código de línea AMI RZ formando una trama de 192 dígitos a los cuales se les agrega un dígito adicional para sincronización de trama. aunque en la práctica se dice 1544 kbps. la multitrama. de acuerdo con la Recomendación G. La trama contiene entonces 193 dígitos y la frecuencia de señalización es de 1544 kHz.5 mseg. y treinta para los canales de Voz/Datos. Además. los costos de los equipos digitales se hicieron cada vez más bajos que los analógicos. 5. En el Sistema T1 se agrupan las tramas para formar multitramas de 12 tramas cada una. Como la frecuencia de muestreo es de 8000 muestras por segundo.52(A).364 V.52(B)). la velocidad de la trama E1 es de 2048 kbps.52(A) se muestra la configuración de la Trama T1. La trama contiene 32 ranuras de tiempo RT de las cuales dos son para señalización y alineación. la señal T1 no contiene una componente continua y su espectro tiene la forma mostrada en la Fig. TRAMA T1: 193 dígitos.24(b). Formato de la TRAMA T1 µseg El Sistema Troncal E1 El sistema E1. el período de cada ranura es de 3906 nanosegundos. En el Sistema T1 básico se multiplexan 24 señales de voz que forman la llamada Trama T1. 3. 5. La duración de la trama es de 125 µseg y la de cada dígito de 0.

Las Recomendaciones G. llevan en la correspondiente ranura la información de señalización de los canales 2 y 17.…….365 V. Las tramas impares llevan información de Señalización Nacional e Internacional.52(B). Cuando los dígitos I y N no se utilizan.5 kbps y 28 kbps con los dígitos I y N. 256 dígitos. 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. respectivamente. T15. respectivamente. se suele ponerlos a UNO. .711.732 de la UIT-T establecen todos los requerimientos para un comportamiento satisfactorio del sistema. G. sin embargo. Las tramas siguientes T2. 3 y 18. en las ranuras RT0 y RT1.712 y G.. En el formato CEPT-1. 5.……. las informaciones de alineación y de señalización van en las dos primeras tramas. en este caso las velocidades de transmisión son de 1. además de una indicación de alarma. La señalización para los canales 1 y 16 va en la ranura RT16 de la trama T1. 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. T3. MODULACION Y TRANSMISION DE IMPULSOS Una Trama. algunas veces se pueden utilizar para transmitir información adicional. Formato de la TRAMA E1. Un dígito de la misma ranura contiene el Dígito Internacional I. La palabra de alineación de trama tiene la forma 0011011 y va en la ranura de tiempo RT0 de las tramas pares. 4 y 19. 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. Esta señal se utiliza para permitir que cada trama sea reconocida en el receptor.15 y 30.

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

se aplica la “desigualdad de Schwartz”. la probabilidad de error es muy pequeña. 5. el numerador de la expresión (5.132) y con ayuda de la desigualdad de Schwartz. En este caso el filtro receptor pasará a denominarse “filtro acoplado”.134) verificándose la igualdad si y solamente si donde k es una constante cualquiera y g ∗ ( x) es el conjugado de g(x). cuando la señal de entrada z(t) al filtro receptor es la suma de una señal v(t) más un ruido aditivo n(t). Reemplazando esta expresión en (5. posición o duración del impulso) más o menos alterada por el ruido.367 V. la cual establece que si f(x) y g(x) son dos funciones complejas. Una demostración muy sencilla de la desigualdad de Schwartz se encuentra en [ Roden M. Nótese que la señal v(t) es un impulso de cualquier perfil y de duración τ. El Filtro Acoplado El filtro acoplado es una técnica para el procesamiento de una señal digital en presencia de ruido. Si a la salida del filtro la relación S/N en el instante t = to se define en la forma | v o ( t o )|2 2 < n o (t o ) > ρ= = ∫ V(f )H(f ) exp( j2πt −∞ ∞ 2 o f ) df ∫ ∞ (5. En efecto.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.133) (5. entonces ∫ 2 f (x)g(x )dx ≤ ∫ | f (x)| 2 dx ⋅ | g (x )|2 dx f (x) = k ⋅ g * (x) ∫ (5. 1988]. 5. la salida zo(t) en un instante t = to constará de dos términos: el primer término es v o ( t o ) = ∫ V( f ) H( f ) exp( j2πft −∞ ∞ o f ) df . donde V(f) es la transformada de Fourier de v(t) y H(f) la función de transferencia del filtro receptor. se obtiene .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.53. Este reconocimiento puede efectuarse con gran precisión. Fig. S. Para maximizar ρ. el segundo término es el ruido no(to) cuya potencia es < n 2 ( t o ) >= o ∫ ∞ −∞ S n ( f )| H ( f )|2 df . donde S n (f ) es su densidad espectral de potencia. que forma un tren de impulsos de período τ. sino más bien el reconocimiento de una “presencia”: el estado “CERO” o el estado “UNO”. Para maximizar ρ. pues para relaciones S/N de entrada razonables.6. Una propiedad muy importante del filtro acoplado es que maximiza la relación S/N a su salida.2.. MODULACION Y TRANSMISION DE IMPULSOS La demodulación binaria ya no es entonces el reconocimiento de una “forma” (amplitud.

Si suponemos que el ruido es blanco de densidad espectral η/2. que es la convolución de v(t) y h(t). k = η/2. se toma este valor para to. 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. Por consiguiente.141a) η η Para simplificar (5. vo(t). El lector puede verificar fácilmente que la respuesta impulsional del filtro acoplado es h(t ) = (2 k / η) v( t o − t ) .368 V.134). En consecuencia.141a) se puede hacer (2k/η) = 1. es decir.135) Si el ruido es blanco de densidad espectral η/2.141b) En esta forma.139) Esta es la función de transferencia del filtro acoplado. con un valor máximo . h(t ) = v( τ − t ) ⇔ H(f) = V(-f)exp(-j2 πτf) (5. Nótese que (5. tanto v(t) como h(t) tendrán una duración de τ segundos.136) es válida únicamente si el ruido es blanco. se tiene H (f ) = k ⋅ V(− f ) exp(− j2πt o f ) S n (f ) (5.138) 2 Eb η si el ruido es blanco Este valor máximo se obtiene a partir de la condición (5. ρ ≤ ∫ ∞ −∞ | V( f )|2 df = 2 η ∫ ∞ −∞ | v( t )|2 dt = 2 Eb η (5. H (f ) = 2k V(− f ) exp(− j2πt o f ) η (5. entonces 2k 2k h(t ) = v( τ − t ) ⇔ H(f) = V( − f ) exp( − j2 πτf ) (5. y con la ayuda del Teorema de Raleigh.136) donde Eb es la energía del impulso v(t). tendrá una duración de 2τ segundos.140) Nótese que esta función de transferencia puede no ser físicamente realizable.137) (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. El valor máximo de ρ será entonces ρmax = ρmax = | V(f )|2 df −∞ Sn (f ) ∞ ∫ (5. pero como v(t) es un impulso de duración τ. es decir.

142a) se puede instrumentar entonces en la forma mostrada en la Fig. y v(t) = 0 para 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. que veremos más adelante. La expresión (5. entonces z o (τ ) = ∫ v( t) n( t)dt = 0 . MODULACION Y TRANSMISION DE IMPULSOS en t = τ y simétrica respecto a t = τ. Si se trata de un tren de impulsos. En forma similar. La probabilidad de una decisión correcta es entonces la óptima y por esta razón a los filtros acoplados se les denomina también “filtros óptimos”. que es equivalente a la Fig. 5. en los instantes de muestreo t n no ocurre interferencia intersímbolo. 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. el impulso de salida siguiente se inicia y tiene un valor cero en t = τ. En efecto. . la salida del impulso anterior termina y es cero cuando t = τ. entonces z o (τ ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t ' )dt ' −∞ ∞ La suma [v(t) + n(t)] se inicia en t = 0. El filtro acoplado se puede considerar también como una forma de correlador.53. de donde 0 τ ∫ τ 0 v 2 (t )dt = E b (5. Por lo tanto. es decir. 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 ) .142b) expresión que está de acuerdo con (5. este hecho es de particular importancia pues la amplitud máxima de zo(t) no depende de la forma de v(t) sino solamente de su energía. 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 salida total del filtro acoplado se puede determinar mediante convolución.54. de donde z o (t ) = ∫ [v(t ' ) + n(t ' )] ⋅ v(t '+ τ − t )dt ' −∞ ∞ Puesto que t = τ en el instante de decisión. 5.369 V.136).142a) pero como v(t) y n(t) no están correlacionados.

55(a).54.141b). El impulso de entrada a un filtro óptimo tiene la forma v ( t ) = AΠ ( La respuesta impulsional h(t) se muestra en la Fig.55(e).. Nótese que v o ( t ) es máxima para t = τ. Esto. v(t) y h(t) tienen el mismo perfil. está asociado con la presencia de un filtro acoplado colocado antes del elemento de decisión. 5. se supone que k = η/2. 5. .13 t−τ/2 ) . 5. 5. De acuerdo con (5. 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. 5. ♣ Ejemplo 5. en la que se indica también los instantes de muestreo de la señal. MODULACION Y TRANSMISION DE IMPULSOS Muestreador v(t) + n(t) ∫ v(t) τ [⋅ ⋅ ⋅] ⋅ dτ zo (t ) 0 Elemento "1" Salida de "0" Digital Decisión Correlador Reloj Fig. Receptor Digital Correlador.136). la salida del filtro tendrá la forma mostrada en la Fig. Nótese que en este caso en particular. 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.55(b). t−τ/2 ) . 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. de (5.55(c). El comportamiento de los sistemas de modulación digital en presencia de ruido dependerá del método de detección empleado.370 V. 5. La relación S/N máxima a la salida del filtro acoplado será. mostrada en la Fig. Por ejemplo. ρ max = 2 η ∞ τ ∫ −∞ | v( t )|2 dt = 2 η ∫ 0 A 2 dt = 2A 2 τ η La forma de v o ( t ) nos permite deducir fácilmente la salida de un filtro acoplado cuando a su entrada se aplica una secuencia de impulsos. como se τ muestra en la Fig.55(d). para la secuencia de entrada AMI NRZ 1011. 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 ) . a su vez.

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

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

Hay que hacer notar que con osciladores de gran precisión puede mantenerse la igualdad entre las frecuencias. cos(2πf c t + φ ) la portadora transmitida. y mediante filtrado pasabajo se obtiene la señal original portadora de información. la modulación digital no es un proceso ni puramente digital ni puramente analógico. que ∆f = 0 y φ o = φ . generada localmente. Como veremos más adelante. 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. es decir. 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 información de fase se puede obtener a partir de una portadora piloto superpuesta a la señal modulada que. sin embargo. puede utilizarse circuitos especiales para lograr la sincronización a partir de la señal recibida. Problema de Aplicación 2.7. La “Detección de Envolvente” La demodulación o detección sincrónica o coherente consiste simplemente en multiplicar la señal modulada recibida por la portadora. sino que posee atributos comunes a ambas áreas. Demodulación y Sincronización de Señales Binarias Moduladas Métodos de Demodulación Como mencionamos brevemente en el Capítulo II.28. el lector puede demostrar fácilmente que la salida del detector estará multiplicada por el factor cos[2π∆ft + (φ o − φ )] que afectará seriamente la amplitud de la salida. la frecuencia y la fase de la portadora local deben ser idénticas a las de la portadora de transmisión. MODULACION Y TRANSMISION DE IMPULSOS Como la señal digital se convierte en una señal analógica (por efecto de la multiplicación por una señal sinusoidal). La “Demodulación Sincrónica o Coherente” 2. la demodulación sincrónica o coherente se utiliza pues es . una vez recuperada mediante filtrado. Esta situación encarece y complica el sistema. Sin embargo.58 . 5.2. 5. por ejemplo. particularmente en transmisión a grandes distancias. Para evitar esta atenuación de la señal. Métodos de Demodulación o Detección de Señales Moduladas Sea. Los dispositivos de sincronización en el receptor deben lograr la coherencia entre las dos portadoras. 3.58(a) y ya lo aplicamos en el Capítulo II. Este proceso se muestra en la Fig. hay esencialmente dos métodos comunes de demodulación o detección de señales moduladas con portadora sinusoidal: 1.373 V. pero el sincronismo de fase es más difícil de alcanzar. puede utilizarse para sincronizar el oscilador local.

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

60. Sincronización de Portadora y Temporización.59. 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. φ π/2 VCO Filtro Pasabajo Filtro Pasabajo Filtro Pasabajo Canal Canal Salida Demodulada Detector Coherente fc . 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. En general. En la Fig. En cuanto a la temporización.375 V. llamada también “auto-ruido”. Entrada Modulada Entrada Modulada Salida Demodulada Detector Coherente fc . 5. causada por interferencia intersímbolo y ruido en el sistema. 5. 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. 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. el proceso de extracción de la temporización se efectúa operando sobre la señal demodulada. la señal de reloj está afectada por fluctuación de fase (jitter). φ c Sincro Portadora tn Sincro Temporización Salida Binaria frecuencia f c. Circuitos de Sincronización de Portadora. En muchas aplicaciones esta componente de auto-ruido es mucho más pronunciada que el .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 .

5.143) donde si se transmite un "1" si se transmite un "0" A y fc son la amplitud y frecuencia de la portadora.61 se muestra un circuito de sincronización de temporización. incluidos los PLL. y “Espacios” que representan el estado “0”. . Esta decisión reposa sobre un criterio más o menos elaborado. El análisis detallado de los circuitos de sincronización anteriores. Este tipo de modulación se conoce también con el nombre de “modulación OOK (On-Off Keying)”. La señal ASK resultante consiste en impulsos modulados.3. donde señalización y φc un desfase inicial constante. Organo de Decisión Muestreador Señal Demodulada tn Rectificador de Onda Completa Circuito Resonante RLC Amplificador y Limitador Diferenciador y Formador de Impulsos Elemento de Decisión Salida "1" Digital "0" Sincronizador Fig. el estado “0” se puede transmitir como una amplitud de cero volts. mientras que el estado “1” se transmite como una señal sinusoidal de amplitud fija A volts. Modulación Binaria de Amplitud (ASK) En la modulación binaria de amplitud ASK. se puede hallar en cualquier texto de electrónica [Miller. Sincronización de Temporización.61. que representan el estado “1”. 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 (5.7. la amplitud de la portadora sinusoidal se conmuta entre dos valores en respuesta al código PCM. el diseño óptimo de los circuitos de sincronización es. Tb es el intervalo de 1 . Por ejemplo. 1993. 5. 1980]. En la Fig.376 V.57(b) para la secuencia binaria dada. MODULACION Y TRANSMISION DE IMPULSOS mismo ruido gaussiano. se verifica que f c >> f b = Tb f b es la frecuencia de señalización. respectivamente. como se muestra en la Fig. 5. Gardner y Lindsey. la cual es igual a la velocidad de modulación Vb. por lo tanto. 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. como veremos más adelante. muy importante para el desempeño global del sistema. En general. llamados “Marcas”. 5.

Sección 3.113). 5.146) Para calcular la potencia de ruido es necesario conocer las características espectrales de la señal ASK. 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 ⎦ ⎣ (5.147) y tendrá la forma mostrada en la Fig.62 (frecuencias positivas solamente).62.144) (5. la potencia promedio de la señal x ASK (t ) es 1 A2 < A 2 (t ) >. demostramos que la función de autocorrelación y la densidad espectral de una secuencia aleatoria binaria unipolar NRZ de amplitud A eran. En cuanto al ancho de banda en ASK.9. En el Capítulo III. 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. respectivamente. B = 2f b = 2 Tb (5. expresiones (3. x ASK (t ) = A (t ) ⋅ cos(2πf c t ) donde A (t ) = A (5. De acuerdo con el teorema de la modulación para señales de potencia. 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). 5.171). R A (τ ) = A2 τ A2 f [1 + Λ ( )] ⇔ S A (f ) = [δ (f ) + Tb sinc 2 ( )] 4 4 Tb fb De la expresión (1.145) n =−∞ ∑ b ⋅ Π( i ∞ t − nTb ) Tb es una secuencia aleatoria binaria unipolar NRZ de amplitud A. sea B el ancho de banda que comprende el lóbulo principal de S ASK (f ) . Por consiguiente.2.170) y (3.377 V. Fig.148) . Pero como < A 2 (t ) >= R A (τ )|τ = 0 = .

Si Eb es la energía requerida para transmitir un dígito binario. donde fb es la frecuencia de señalización. 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.149) y la relación S/N de predetección Si A 2 Tb A2 = = 8η N i 4Bη en ASK (5. ver Problema de Aplicación 5. Se puede demostrar. Por otro lado.378 V. pero . dependiendo del perfil de los impulsos. Si el ruido en el canal es blanco de densidad espectral η / 2 . En general. N i = Bη = 2η = 2 ηf b Tb (5. el ancho de banda mínimo del canal de transmisión. por supuesto. la relación S/N en un sistema se puede definir a partir de parámetros comunes para cualquier sistema de modulación. la potencia promedio de ruido a la entrada del detector será. de (2. Nótese que Eb es diferente para cada esquema de modulación.150) Algunas veces el ancho de banda se define en la forma B = 3fb . en cuyo caso la relación de predetección es (S i / N i ) = (A 2 Tb / 12η) .146). entonces la potencia promedio de la señal se puede expresar en la forma S = E b / Tb = E b Vi . en un sistema binario la velocidad de información es Vi = 1 / Tb = f b bps.41. MODULACION Y TRANSMISION DE IMPULSOS Este será entonces el ancho de banda del filtro pasabanda a la entrada del receptor y. En efecto. Este valor de B será utilizado en los cálculos de la Relación Señal/Ruido (S/N). el ancho de banda efectivo de una señal ASK estará entre 2fb y 3fb. En la literatura se suele hacer η = N o . si B es el ancho de banda del sistema y η/2 la densidad espectral de ruido. Rendimiento de Transmisión Desde un punto de vista más general. por eso el lector debe verificar cómo se ha definido el ancho de banda al hablar de relación S/N a la entrada. nosotros utilizaremos siempre 2fb. y que la mitad de la potencia de la señal ASK se consume en la transmisión de la portadora. Esto puede prestarse a confusión. que la potencia contenida dentro del ancho de banda B es el 95% de la potencia total de la señal ASK. la potencia promedio de ruido será N = ηB.

42).379 V. fb y η son parámetros comunes a todos los sistemas en consideración. (5. En la Fig. . Con el fin de comparar el comportamiento de los diferentes sistemas de modulación binaria sobre una referencia común. 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. γ” [Schwartz y otros. Sin embargo. A la entrada del detector coherente se tiene la señal ASK más ruido blanco pasabanda de banda angosta y densidad espectral η/2. Específicamente.153a) ⎡S ⎤ +⎢ i ⎥ ⎣ N i ⎦ ASK( dB) [ γ ]ASK(dB) = 6. MODULACION Y TRANSMISION DE IMPULSOS este valor No lo usaremos muy poco para no confundirlo con una potencia de ruido No. y es una medida del ancho de banda requerido para una velocidad de información dada. se define la “Relación Señal/Ruido Normalizada. 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 (5.63 se muestra el diagrama de bloques de un receptor ASK con demodulación coherente. Eb depende del tipo de modulación empleado. expresión (4. Este valor de γ lo utilizaremos como referencia para comparar las probabilidades de error de los diferentes sistemas de modulación binaria. La relación S/N en ASK se puede escribir entonces en la forma ⎡ Si ⎤ γ = ⎢ ⎥ ⎣ N i ⎦ ASK 4 y en dB. La relación ηB = Vi/B es el rendimiento de trtansmisión del canal respecto al ancho de banda B. 5. pero la demodulación coherente es poco utilizada debido a los problemas de sincronización de portadora y del ajuste de umbral. vamos a investigar el comportamiento de la demodulación coherente más que todo para propósitos de comparación y fijación de conceptos. Como veremos más adelante.02 dB (5. Estos conceptos los utilizaremos posteriormente.153b) Demodulación Coherente de Señales ASK La razón principal de la modulación digital ASK es su simplicidad. es decir. 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 (5.152) donde A.151) Esta expresión muestra que la relación señal/ruido es el producto de dos cantidades muy significativas.

solamente estará presente el ruido n(t). 1966] que la probabilidad de error en sistemas ASK con umbral de referencia optimizado es Pe = ⎛ A2T ⎞ 1 b ⎟ erfc⎜ ⎜ 2 8η ⎟ ⎝ ⎠ (5.380 V.63. 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. 5.63. En los instantes de decisión t n se compara vd(t) respecto a un umbral de referencia Vs. Estas dos señales estarán presentes durante los intervalos en que un “1” ha sido transmitido.155) . Asimismo.154) donde erfc(.4. Recepción Coherente en ASK. el umbral óptimo normalizado será b on = A 2 Tb 4η (5. El criterio de decisión será: ⎧v d ( t n ) ≥ Vs Si en el instante t = t n . En relación con la Fig. MODULACION Y TRANSMISION DE IMPULSOS Organo de Decisión x ASK (t ) + Ruido Blanco Detector Coherente Si / N i Muestreador Canal Filtro Pasabanda Sincro Portadora Filtro v d ( t ) Pasabajo tn Comparador + _ Vs fc . Si un “0” ha sido transmitido.. Estos errores aparecerán si v d (t n ) < Vs v d (t n ) ≥ Vs cuando un “1” fue transmitido: Error sobre los “1” cuando un “0” fue transmitido: Error sobre los “0” Se ha demostrado [Schwartz y otros. ⎨ ⎩v d ( t n ) < Vs ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Como n c (t ) es un ruido blanco pasabajo cuya amplitud puede tomar cualquier valor con una probabilidad no nula.) es la “función error complementaria” definida en el Apéndice D. se puede presentar errores en la decisión tomada. φ c "1" ó "0" a t = tn Sincro Temporización Umbral de Referencia Fig. 5.

siendo la potencia promedio en ASK igual a A2/4.159b) . sino porque el ruido excede él solo el umbral.78 se muestra la probabilidad de error Pe con el umbral óptimo normalizado. entonces γ = 2Eb /No y Pe = Eb 1 erfc( ) 2 2N o (5. con el No que representa una potencia de ruido de salida.159a) (3. ⎡S ⎤ [γ ] dB = 6.64 se muestra el efecto del umbral sobre la probabilidad de error.02 dB + ⎢ i ⎥ ⎣ N i ⎦ ASK ( dB) (5. de la densidad espectral de ruido y de la potencia de la portadora. pues implica circuitos de ajuste del umbral en función de la relación S/N a la entrada (circuitos de control automático de ganancia). Esta es una de las principales desventajas de los sistemas ASK. En la literatura se suele expresar la probabilidad de error con la expresión (3. mayor es el umbral.157) γ 2 En la Fig. junto con las correspondientes a los otros sistemas de modulación binaria para efectos de comparación.158) donde Eb es la energía requerida para transmitir un dígito binario y No = η.158). Cuanto mayor es γ. 5. y el umbral optimizado.381 V.150). para cada valor de γ hay un nivel de umbral normalizado b on que produce la mínima proba bilidad de error. pero la igualdad No = η la utilizaremos muy poco para no confundir este No. En la Fig. que es una densidad espectral. Si el umbral se mantiene constante. su energía será Eb = A2Tb/4. para B = 2/Tb . Entonces. la probabilidad de error decrecerá en función de γ hasta un cierto valor y se mantendrá constante no importa cuánto se aumente γ.156) (5. Nótese que no hay que confundir γ con la relación S i / N i de predetección. como ya lo hemos demostrado. El lector puede demostrar fácilmente que.152). MODULACION Y TRANSMISION DE IMPULSOS De (5. ⎡S ⎤ γ = 4⎢ i ⎥ ⎣ N i ⎦ ASK y en dB. la probabilidad de error será ahora Pe = γ 1 erfc( ) 2 4 b on = (5. de la expresión (5. pues esta última relación depende del ancho de banda. Nótese que en el umbral óptimo los errores ocurren predominantemente no porque la suma [señal + ruido] excede el umbral. 5.

Recuérdese que en un sistema binario la velocidad de información (bps). 5. En cuanto a la probabilidad de error. (a) El ancho de banda útil del canal es B = 3 kHz.78 la relación [S i / N i ] ASK ( dB) conociendo [γ]dB y viceversa.382 V. 5. x ASK (t ) + Ruido Blanco Canal S i / N i Detector v d ( t ) Organo de Filtro de Pasabanda Decisión Envolvente tn "1" ó "0" a t = tn Sincronización de Temporización Fig.78 se grafica (5. MODULACION Y TRANSMISION DE IMPULSOS Esta última expresión nos permite leer directamente en la Fig. ♣ Ejemplo 5.64 con las mismas desventajas debidas al ajuste del umbral. 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 .160) se reduce a El gráfico de Pe vs γ tiene la misma forma general de la Fig. La relación S/N de predetección es de 6. En la detección no coherente de señales ASK no se requiere circuitos para sincronización de portadora.65 se muestra el diagrama de bloques de un receptor ASK no coherente. se demuestra [Schwartz y otros. 5.58(b). Vamos a determinar en ASK coherente y no coherente: (a) la máxima frecuencia de señalización.14 Por un canal telefónico cuyo ancho de banda útil es de 3 kHz se transmite datos binarios. y la probabilidad de error. En la Fig. Las expresiones (5.160) (5. entonces . aunque sí de temporización. donde b on = 2 + γ 2 Pe ≈ E γ 1 1 exp(− ) = exp(− b ) 2 4 2 4N o (5.161) la expresión (5. las potencias individuales de portadora y de ruido. para una probabilidad de error Pe dada. 5. 5. Recepción no Coherente de Señales ASK. El detector de envolvente se muestra en la Fig.159a) y (5.15b) se aplican también en ASK no coherente. El criterio de decisión es similar al caso de detección coherente. Demodulación no Coherente de Señales ASK En la Fig.65.02 dB y la densidad espectral de ruido blanco es de 10-11 W/Hz.161). la frecuencia de señalización (Hz) y la velocidad de modulación (baudios) son iguales numéricamente. (b) repetir si la velocidad de información es de 300 bps.

Vi = 1500 bps.160).158x10 −3 2 (b) Si la velocidad de información es de 300 bps.22 dBm 1 En ASK coherente: Pe = erfc(2 ) = 2 . estos filtros son filtros óptimos y pueden utilizarse también en FSK y PSK/DPSK.2 dBm . γ = 4 i = 16 Ni Ni B = 3000 = 2 f b . el receptor no coherente es mucho más simple y por eso este tipo de demodulación fue en su época el más utilizado. S Si = 6.4 x10 −7 W = -36. al final de cada intervalo de señalización a fin de reducir la interferencia intersímbolo.2 dBm 4 N i = Bη = 3000x2 x10−11 = 6x10−8 W = -42. sin embargo. MODULACION Y TRANSMISION DE IMPULSOS 1 .2x10 −8 W = -49. f b = 1500 Hz.150).158a). el valor del umbral debe ser ajustado para cada valor de γ de acuerdo con las expresiones (5. En general. Tb = De (5.27x10 −10 2 1 En ASK no coherente: Pe = exp(−20) = 1. Si = Para obtener el comportamiento óptimo. A 2 = 9.03x10 −9 2 ♣ Para las mismas amplitud de portadora y densidad espectral de ruido.21 dBm 4 1 En ASK coherente: Pe = erfc(4. 1 Tb = y B = 2f b = 600 Hz 300 Si A 2 Tb γ 9 . N i = Bη = 600x2x10 −11 = 1. Si la rapidez de descarga es grande. Aunque el circuito resultante ya no es un filtro lineal invariante en el tiempo.6x10 −7 γ= = = 80. el ancho de banda del filtro ya no es tan crítico respecto a la interferencia intersímbolo.472 ) = 1. . él actúa como tal entre los intervalos de descarga. = = 20 = 13 dB −11 2η Ni 4 2 x300x2 x10 A2 = 2 .8x10-4 Ni 8x1500x2x10−11 A2 = 2. Por otra parte. el comportamiento en ASK coherente es superior al de ASK no coherente.4x10-7 W = -36. A=9. y de (3.157) y (5.02 dB = 4.372 x10 −3 2 1 En ASK no coherente: Pe = exp(−4 ) = 9 . entonces f b = 300 Hz. mediante circuitos auxiliares. Si = Si A2 =4= . 6x10−7 .383 V. los filtros utilizados en el receptor deben ser descargados. 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.

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. donde f c es la frecuencia de la portadora sin modular. Nótese que los espectros para los UNOS y para los CEROS no ocurren simultáneamente. Fig. 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. respectivamente. en efecto. Por ejemplo. las frecuencias de operación son fo = 1070 Hz y f1 = 1270 Hz (fc = 1170 Hz y fd = 100 Hz).62. En la Fig. y cuyos espectros ya conocemos. entonces la frecuencia instantánea en un intervalo Tb será f1 = f c − f d o f o = f c + f d . 5.162) donde si se ha transmitido un "1" si se ha transmitido un "0" Nótese que la asignación de valores para fd y fc es.4. Sin embargo. f1 y f o las frecuencias de transmisión de un “1” o un “0”. 5. los Módems normalizados UIT-T V. 5. como se muestra en las Figs. 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.7. En este caso.68.21. podemos definir | f o − f1 | = ∆f = 2 f d .21 y Bell 103A son equivalentes pero no son compatibles.384 V. en el Módem Bell 103A para la misma velocidad de modulación. 1968. respectivamente. Benedetto y otros. Evidentemente. 5.67 y 5.66. En la Fig. El ancho de banda mínimo total Bc de la señal FSK se puede estimar a partir de la Fig. El sistema FSK más sencillo es aquel con modulación rectangular de frecuencia. 5. Este enfoque permite considerar al receptor FSK como la combinación de dos receptores ASK. Si 2f d es la separación entre las dos frecuencias de transmisión. MODULACION Y TRANSMISION DE IMPULSOS 5. amplitud constante y fase continua (“fase continua” significa que en la señal modulada no se producen discontinuidades cuando cambia la frecuencia). 1987] y no trataremos de reproducirla aquí. Entonces. f c = f1 + f d = f o − f d y B c = ∆f + 2f b = 2(f d + f b ) .57(c) se muestra la forma de una señal FSK. f d la desviación de frecuencia respecto a f c . arbitraria. podemos simplificar el problema si consideramos que la señal FSK está formada fundamentalmente por dos señales ASK de frecuencias f o y f1 . La señal FSK se puede representar entonces en la forma x FSK (t ) = A ⎧ −1 bi = ⎨ ⎩+1 n =−∞ ∑ cos[2π(f ∞ c + b i ⋅ f d )t ] ⋅ Π ( t − nTb ) Tb (5. 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).66 se muestran las densidades espectrales correspondientes (frecuencias positivas solamente) y se define algunos parámetros. 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. en general.

Si k ≥ 1. de la propiedad de ortogonalidad. MODULACION Y TRANSMISION DE IMPULSOS fd y consideremos la Fig. 1979]. En el caso binario. que el área neta de cada integral en un intervalo Tb cualquiera debe ser cero. para disminuir la distorsión de intermodulación producida por las colas de un espectro sobre la gama del otro espectro. el ancho de banda de cada canal se puede tomar como B = (f b + f d ) . la interferencia mutua entre canales será mínima y el ancho de banda de los canales “0” ó “1” será B = 2 f b . . 5. los espectros estarán lo suficientemente separados. 5. entonces los dos espectros se acercan fb de tal manera que se produciría una gran interferencia mutua entre un canal y el otro. la separación entre los dos espectros aumenta y la interferencia mutua entre canales disminuye. En este caso el 1 ≤ k <1 ancho de banda de la señal FSK se puede calcular solamente con el método de Lucky. como se muestra en la Fig. si dentro de un intervalo (0. Si 3 [Shanmugam. las integrales deben ser cero en el intervalo [0. 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. Sea k= En resumen.66.385 V. debe verificarse. 2 Principio de Ortogonalidad en Señales FSK Se dice que dos funciones reales s1(t) y so(t) son ortogonales. Tb) se verifica la integral ∫ Tb 0 s1 ( t )s 0 ( t )dt = 0 para s1(t) ≠ so(t). es decir. aunque más adelante 1 demostraremos que es preferible tomar k ≥ .Tb]. Si k << 1. se puede tomar k ≥ 1 / 3 . s1 ( t ) = A cos(2πf1 t ) y s 0 ( t ) = A cos(2πf 0 t ) = A cos[2π(f1 + ∆f ) t ] Entonces.67.

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

Por ejemplo. en microondas. por ejemplo. fd = 200 Hz.. . MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5. n = c = = 5 entero . De donde. en condiciones de ortogonalidad.. Este filtro deberá estar centrado en la frecuencia f c = o . fc = 1500. En transmisión a altas frecuencias. por supuesto. f0 = 1700 Hz. la separación entre las frecuencias es la mínima ortogonal. . Ancho de Banda en FSK El ancho de banda mínimo total de la señal FSK será. ∆f = f b = 2 f d . k > 1 .. del filtro de línea Asimismo. ⎧(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.163b) fd 1 ≥ fb 3 (5.15 Las frecuencias de los módems prácticos pocas veces cumplen con las condiciones de ortogonalidad. la separación ortogonal es muy utilizada en transmisión FSK m-aria. si hacemos m = 1 y dejamos n = 5 con la misma frecuencia de señalización fb = 600 Hz.164a) y si hay ortogonalidad.23 se tiene fb = 600 Hz. 2. el ancho de banda B de los canales individuales “1” ó “0” será.. en el caso general. .. Por ejemplo.163a) f + f1 de entrada al receptor.. En el caso general (sin ortogonalidad) k tendrá cualquier valor ≥ . 1. fd = 300 Hz. m= 2f d 400 2 2f 3000 = = ≠ entero. es decir. 2 general. Generalmente n >> m fb 600 3 fb 600 Como m no es entero. . 2 2 2 2 3 En el caso especial para el cual k = 1/2 (para m = 1). Bc = 2(f b + f d ) = 2(k + 1)f b para k= y en condiciones de ortogonalidad Bc = 2(f b + f d ) = (2 + m)f b para m entero ≥ 1 (5. . f1 = 1200 Hz y f0 = 1800 Hz ♣ Puesto que k = fd 2f m y m = d . en el MODEM UIT-T V.387 V. k tendrá los valores fijos 1 3 5 m 1 . m > 2 y B = 2fb. en el caso (5.23 no son perfectamente ortogonales. las frecuencias que satisfacen las condiciones de ortogonalidad son: fc = 1500 Hz.. en este caso la separación mínima entre las frecuencias de transmisión es igual a la velocidad de señalización. entonces k = fb fb 2 Esto quiere decir que. f1 = 1300 Hz. las señales s1(t) y s0(t) del MODEM V..

⎡ 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 (5.167a) (5. ===> un "1" ha sido transmitido ===> un "0" ha sido transmitido .68 se muestra el diagrama de bloques de un receptor FSK coherente. ASK. Para m >1. MODULACION Y TRANSMISION DE IMPULSOS ⎧3 ⎪ fb B = ⎨2 ⎪2f b ⎩ cuando m = 1 cuando m > 1 (5. Procediendo como en el caso ASK.165) Cuando k ≥ 1.164b) Estos anchos de banda B son los utilizados para el cálculo de la relación S/N. 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 . ⎡ Si ⎤ A2 2 = = γ ⎢ ⎥ ⎣ N1 ⎦ FSK 3f b η 3 ⎡ S1 ⎤ A 2Tb γ A2 = = ⎢ ⎥ = 4η 2 ⎣ N1 ⎦ FSK 4ηf b (5. Como una señal FSK se puede considerar como la superposición de dos sistemas ASK en donde la amplitud de las portadoras es A. ⎨ ⎩v d1 ( t n ) < v do ( t n ) Habrá error en caso contrario. 5.166) Si hay ortogonalidad.167c) En lo posible. obtenemos la relación S/N de predetección: Cuando k < 1. 01 dB+ ⎢ ⎡ Si ⎤ ⎥ ⎣ N i ⎦ FSK (dB) (5.167b) Nótese que para k ≥ 1 o m > 1 . ⎡S ⎤ γ = 2⎢ i ⎥ ⎣ N i ⎦ FSK o también [ γ ](dB) = 3. Para m = 1. Nótese que la potencia recibida en FSK FSK es 3 dB mayor que en ASK. para un mejor comportamiento del sistema. (5. Demodulación Coherente de Señales FSK En la Fig. El criterio de detección es el siguiente: ⎧v d1 ( t n ) ≥ v do ( t n ) Si en el instante t = t n .388 V. es decir. esta es una ventaja muy significativa a favor del sistema FSK. se debe mantener la ortogonalidad. Relaciones S/N en FSK Consideremos ahora la relación S/N en FSK.

la decisión será correcta si v d1 ( t n ) ≥ v do ( t n ) . pero las probabilidades de error son muy distintas. resulta que las relaciones [S i / N i ] en ASK coherente y en FSK coherente son iguales. Por ejemplo. más confiable será la decisión. 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. entonces la relación [S i / N i ] FSK es 3 dB mayor que la relación [S i / N i ] ASK . En cuanto a la probabilidad de error.389 V. 1966]. 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. se demuestra [Schwartz y otros. vemos que si las condiciones de amplitud de portadora. Esta ya es otra ventaja del sistema FSK sobre el sistema ASK. Demodulación no Coherente de Señales FSK En la Fig. 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. entonces se producirá un error.50). Sin embargo. expresión (5. pero en FSK no se necesita un umbral de detección. El criterio de decisión es el mismo que en el caso de detección coherente. 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 . si las probabilidades de error son las mismas en ambos sistemas.161).169) Nótese que si se compara este valor con el correspondiente en ASK no coherente. 1966] que la probabilidad de error es Pe = Eb γ 1 1 erfc( ) = erfc( ) 2 2 2 2N o (5. Si esta desigualdad se invierte. En general. La desventaja más significativa del sistema ASK no . Esto se logra cuando los filtros pasabanda de los canales “0” ó “1” son filtros óptimos. 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. Organo de Decisión Se demuestra [Schwartz y otros. El lector puede verificar fácilmente estos resultados (Ver Problemas de Aplicación 5. que Pe = E γ 1 1 exp(− ) = exp(− b ) 2 2 2 2N o (5.44 y 5. El lógico suponer entonces que cuanto mayor sea la relación S/N a la entrada de los detectores de envolvente. Recepción Coherente en FSK.168) Si se compara este resultado con el correspondiente en ASK coherente. 5. φ1 fo . si se ha transmitido un “1”.69 se muestra el diagrama de bloques de un receptor FSK no coherente. ancho de banda y densidad espectral de ruido son las mismas.68.

Vamos a determinar la desviación de frecuencia. mientras que este problema no existe en FSK.70. ♣ Ejemplo 5. la frecuencia de portadora. Recepción no Coherente en FSK. Ni η = 2 x10 −8 W/Hz De la Fig. fd = (2100-1500)/2 = 300 Hz fc = 1500 + 300 = 1800 Hz Filtro de entrada. 5. f1 = 1500 Hz.16 Sobre un canal telefónico se transmite datos binarios en FSK. Solución: Bc = 3 kHz. La relación S/N en el canal es de 6. 5. 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 . las frecuencias de transmisión son f1 = 1500 Hz y f0 = 2100 Hz. el ancho de banda de los filtros de canal. Se utiliza un módem que trabaja a una velocidad de modulación de 300 baudios.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.169) se grafica en la Fig. fb = 300 Hz. f0 = 2100 Hz. Verificar también si la separación entre las frecuencias cumple con las condiciones de ortogonalidad. la potencia "1" fb "0" 2fd de entrada y la probabilidad de error tanto en coherente como en no coherente. Bc = 2(fb + fd) = 1200 Hz.021 dB y la densidad espectral de potencia de ruido es igual a 10-8 W/Hz. 5. El ancho de banda útil del canal es de 3 kHz.70. el ancho de banda del filtro de entrada.69. B = 2fb = 2x300 = 600 Hz ⎡ Si ⎤ =8 γ = 2⎢ ⎥ ⎣ Ni ⎦ FSK . 5.021 dB = 4 . En FSK. B fb B 0 1500 fc Bc Fig.390 V. 5. como se muestra en la Fig.70 2100 f Si = 6. La expresión (5. Filtro de canal.

fc = 3 f b = 1500 Hz .339x10−3 2 2 1 γ Pe = exp(− ) = 9.9 mV 2ηf b . las frecuencias de los UNOS y los CEROS. la máxima velocidad de transmisión por un canal de ancho de banda Bc se tiene cuando m = 1 y k =1/2. la 2 La frecuencia de portadora fc debe quedar centrada en el canal. −8 fb = Bc f = 1000 Hz. 048 mW 2 2 La potencia de entrada será Probabilidad de error: En Coherente. ♣ Ejemplo 5. Vb = 1000 bps. la desviación de frecuencia.8x10−3 ) 2 = = 0. n = c = = 12 entero fb 300 fb 300 m y n son enteros y n > m. Pe = En No Coherente. este módem cumple con las condiciones de ♣ Como ortogonalidad.17 Sea el mismo canal telefónico del ejemplo anterior.158x10−3 2 2 Veamos si cumple con las condiciones de ortogonalidad. Entonces. En este caso. 2 f0 = fc + fd = 2000 Hz f1 = fc – fd = 1000 Hz. En FSK. Solución: En condiciones de ortogonalidad. 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. Si/Ni = 4 η = 2x10 W/Hz Determine la máxima velocidad de transmisión en condiciones de ortogonalidad. la frecuencia de portadora. donde Bc = 3kHz. 1 γ erfc( ) = 2. es decir. Puesto que f c = n frecuencia de portadora quedará centrada en el canal cuando n = 3. Filtros de canal. el ancho de banda de los filtros de canal. f d = b = 500 Hz 3 2 fb . la potencia de entrada y la probabilidad de error tanto en coherente como en no coherente. cuando Bc = 3fb. MODULACION Y TRANSMISION DE IMPULSOS γ= A2 ∴ A = 2ηf b γ = 2x 2x10 −8 x 300x8 = 9.8 mV 2ηf b < x 2 (t) >= FSK A 2 (9. m= 2f d 2 x300 2f 2x1800 = = 2 entero.391 V.

95 dBm de donde Si 5x10 −7 = = 15.392 V.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. f d = 400 y k = = 1200 1200 3 El ancho de banda mínimo del canal de transmisión es. Con A 2 = 10 −6 V. Vamos a determinar todos los parámetros asociados tanto en FSK coherente como en FSK no coherente. pues el ancho de banda de transmisión necesario es igual al ancho de banda útil del canal disponible. (a) Transmisión con el Módem UIT-T V.23 transmite y recibe a las frecuencias f1 = 1300 Hz y f o = 2100 Hz .21.2 x10 −8 γ= A 2 Tb 10 −6 = = 20.23 El Módem V. 1 Bc = 2 ( + 1) ⋅ 1200 = 3200 Hz 3 Se puede efectuar la transmisión.9x10−3 ) 2 = = 0.625 = 11.164b) el ancho de banda de los canales “1” ó “0” es B = f b + f d = 1200 + 400 = 1600 Hz .505x10 −6 En FSK coherente: 2 1 En FSK no coherente: Pe = exp(− γ / 2 ) = 1. Pe = exp( − ) = 9.16 mW 2 2 1 γ Probabilidad de error: En Coherente. Transmisión de Datos con Módems UIT-T Sobre un canal telefónico. Tb = 1 400 1 .23 es de 1 mV y se reduce a la mitad en el Módem V.33 veces.2x10 -8 W = -44.163a).18.2 kHz. se tiene Si = A2 = 5x10 −7 W = -33. La amplitud de la portadora en el Módem V. . cuyo ancho de banda útil es de 3. MODULACION Y TRANSMISION DE IMPULSOS A 2 (17. con una velocidad de modulación de 1200 baudios. Puesto que k < 1.496x10 −5 2 De (5. η / 2 = 10-11 W / Hz. La densidad espectral de ruido en el sistema es de 10-11 W/Hz. ♣ ♣ Ejemplo 5. En este caso. de (5. f b = 1200 Hz. de (5.938 dB N i 3.21.833 2η 2x1200x 2x10 −11 1 Pe = erfc ( γ / 2 ) = 2 .339x10−3 2 2 1 γ En No Coherente. se desea transmitir datos binarios utilizando los Módems UIT-T FSK V.23 y V. Nótese que las probabilidades de error no han variado. Pe = erfc( ) = 2. ∆f = 2100 -1300 = 800 Hz.152).01 dBm 2 N i = Bη = 1600x2 x10 −11 = 3.

Para el filtro de línea o ancho de banda total: frecuencia f c = 1415 Hz.393 V.25x10 −7 W = -39. Entonces. Entonces. 5. 1 1 f b = 300 Hz. B = 335 Hz.71 El lector puede tomar el ancho de banda de los filtros de canal en forma diferente. Tb = .71 dB Ni Las probabilidades de error son las mismas que en el caso (a). 10 −3 10 −6 A2 A= V. 5. ∆f = 200 Hz.21 El Módem UIT-T V.71.21. mientras que en la banda superior f1 = 1650 Hz y f o = 1850 Hz .21.833 2 2 ηf b 4x 2x300x 2 x10 −11 Si = A2 = 1. k = 300 3 En el presente ejemplo no vamos a utilizar fórmulas para determinar el ancho de banda de los filtros y canales. De la Fig. MODULACION Y TRANSMISION DE IMPULSOS (b) Transmisión con el Módem UIT-T V. B c = 1340 Hz . que estarán centrados en las frecuencias f I1 = 912. fS0 = 1918 Hz . Distribución de Anchos de Banda en el Módem UIT-T V. Para los filtros de banda: B BI = B BS = 670 Hz .66 = 12. f BS = 1750 Hz . En la banda inferior las frecuencias de portadora son f1 = 980 Hz y f o = 1180 Hz . γ= = = 20.7 x10 −9 W = -51. que estarán centrados en las frecuencias f BI = 1080 Hz.03 dBm 2 N i = Bη = 335x 2x10 −11 = 6. f I0 = 1248 Hz. Se obtiene así una configuración como la mostrada en la Fig. .21 tiene dos bandas: por una recibe y por la otra transmite.74 dBm . sino que distribuiremos uniformemente los diferentes anchos de banda de acuerdo con las frecuencias de portadora del Módem V. 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. 5.5 Hz. se tiene los siguientes anchos de banda: Para los filtros de canal: B I1 = B I0 = B S1 = B S0 = 335 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.71. f d = 100 Hz. f S1 = 1583 Hz. Si = 18. La velocidad de modulación es de 300 baudios. es decir.

por lo tanto es el más utilizado. Nótese la semejanza con el receptor coherente ASK. La probabilidad de error es [Schwartz y otros. la fase de la portadora sinusoidal se conmuta entre dos valores de acuerdo con el código PCM. 5. ⎨ ⎩v d ( t n ) < 0 Habrá error en el caso contrario. Modulación Binaria de Fase (PSK) En la modulación binaria PSK. En la Fig. 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. 5.78. Fig. pues el detector de envolvente elimina toda la información de fase. en general.170) donde si se ha transmitido un "1" si se ha transmitido un "0" En la Fig.57(d) se muestra la forma de las señales PSK. Puesto que por cada banda se puede transmitir datos a 300 bps.394 V.21 es un módem que puede simultáneamente transmitir por una banda y recibir por la otra.21 es realmente de 600 bps. Existen dos tipos principales de modulación binaria de fase que dependen de si la demodulación es o no coherente. Un desfase de 180o es una selección muy conveniente porque simplifica los circuitos de modulación y demodulación.72 se muestra el diagrama de bloques de un receptor PSK. 5. Demodulación de Señales PSK La demodulación de señales PSK es esencialmente coherente. . Las inversiones de fase pueden producir transientes indeseables pero.171) ===> ===> Un "1" ha sido transmitido Un "0" ha sido transmitido Esta expresión se grafica en la Fig.7. El criterio de decisión adoptado es el siguiente: ⎧v d ( t n ) ≥ 0 Si en el instante t = t n . Nótese que cuando se dice que la demodulación DPSK no es coherente.5. 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. El primer tipo es la modulación binaria de fase propiamente dicha (PSK). el intercambio neto de datos en el Módem V. 5. que en DPSK es justamente el soporte de la información. 5. 1966] Pe = Eb 1 1 erfc( γ ) = erfc( ) 2 2 No (5. las discontinuidades son alisadas por los filtros utilizados. mientras que el segundo tipo es la “Modulación Binaria Diferencial de Fase (DPSK)”. esto no quiere decir que la demodulación pueda efectuarse con detección de envolvente. MODULACION Y TRANSMISION DE IMPULSOS El Módem V.63.

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

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

MODULACION Y TRANSMISION DE IMPULSOS Tabla de Codificación y Descodificación DPSK Un ejemplo de la instrumentación de un receptor DPSK se muestra en la Fig. x DPSK (t n ) = A cos(2πf c t n − φ n ) Como el retardo es igual a Tb . Fig. donde t = t n . 5.397 V.172) φi = 0 ó π Consideremos un intervalo Tb de orden n. La señal DPSK recibida tiene la misma forma de la señal PSK. Esta técnica se denomina “detección por retardo” y no necesita sincronización de portadora pero sí de temporización.75. por lo tanto.172). 5. en efecto.75. . Receptor DPSK con Detección por Retardo. 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. 5. de (5. En ese intervalo. x DPSK (t ) + Ruido Blanco Canal Si / N i Filtro Pasabanda Retardo Tb Detector de Fase Filtro Pasabajo Sincronización de Temporización v d (t ) Organo "1" ó "0" de t Decisión a t = n tn Fig.75. a la salida de la red de retardo estará presente la señal DPSK correspondiente al intervalo anterior (n-1). x DPSK ( t ) = A donde o n =−∞ ∑ Π( ∞ t − nTb )cos( 2πf c t − φ i ) Tb (5.

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. debido a la correlación entre las señales de temporización y el ruido sobre dichos intervalos. Sin embargo. el sistema DPSK está “enganchado” a una frecuencia de señalización específica. 1966]. sin embargo. En el Capítulo III. Pe = E 1 1 exp(− γ ) = exp(− b ) 2 2 No (5. debido al retardo fijo Tb en el receptor. expresión (3. Por otra parte. Fig. Otro problema menor en DPSK es que los errores tienden a propagarse.175). mientras que el sistema PSK. no hay que confundir similaridad con igualdad: el sistema ASK es un esquema de modulación lineal.78.173) Como | ∆φ| = 0 o o π . En este caso la señal PSK se puede escribir en la forma x PSK (t ) = A (t ) cos(2πf c t ) (5. con la diferencia de que la densidad espectral PSK no contiene un impulso a la frecuencia de portadora. 5.76 se muestra esta densidad espectral (frecuencias positivas solamente). la modulación PSK (y DPSK) se puede considerar como una modulación ASK donde la secuencia binaria de entrada es una señal aleatoria bipolar NRZ. es suficiente verificar el signo de vd(t).62. con un período de repetición Tb. esta desventaja se compensa con creces por el hecho de que DPSK no requiere detección coherente. por lo menos a los intervalos adyacentes.398 V. La probabilidad de error en modulación DPSK es [Schwartz y otros. 5.174) Esta expresión se grafica en la Fig.175) donde A(t) es una secuencia aleatoria binaria bipolar NRZ de amplitud ±A . lo que impide la transmisión de datos en forma asincrónica. Nótese que la densidad espectral de potencia de la señal PSK (y DPSK) tiene la misma forma que la correspondiente en ASK. Los requerimientos de ancho de banda son los mismos que en ASK. 5. es decir. en el caso general. 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. . Si se compara DPSK con PSK. el criterio de decisión será entonces igual al del caso PSK. MODULACION Y TRANSMISION DE IMPULSOS v d (t n ) = A2 A2 cos(φ n − φ n−1 ) = cos(∆φ ) 2 2 (5. B = 2 f b = 2 / Tb .176) En la Fig. es un esquema de modulación no lineal. como veremos en el Capítulo VI. se observa que el sistema DPSK requiere un poco más de potencia que el sistema PSK.

175).4. Consideremos ahora las relaciones S/N de postdetección. La potencia dada por (5. En efecto.178a). So 2 2n = N o 1 + 2 2( n +1) Pe y γ =2 S1 Ni . ⎡ Si ⎤ A 2 Tb γ A2 = = = ⎢ ⎥ 4η 2 ⎣ N i ⎦ PSK 2 Bη y en dB. Utilizando esos resultados y los de la presente sección. expresión (5. la relación S/N de predetección es igual que en el caso FSK.177) PSK 2 Esta es la potencia de portadora en PSK. PSK 2 2 A < x 2 (t ) >= (5. de (5.399 V. ⎡S ⎤ [γ ] dB = 3.01 dB + ⎢ i ⎥ ⎣ N i ⎦ PSK(dB) (5.177) es toda potencia útil.111). pero como < A 2 (t ) >= R A (0) = A 2 . Como B = 2 f b = 2 / Tb y la potencia de portadora es A2/2. es decir. vamos a determinar las relaciones [S o / N o ] vs [S i / N i ] tanto en PSK como en DPSK. 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.1 determinamos la relación S o / N o vs Pe en un sistema PCM. entonces.178a) (5. MODULACION Y TRANSMISION DE IMPULSOS La potencia de la señal PSK se puede calcular en la misma forma que en el caso ASK. < x 2 (t ) >= < A 2 (t ) > . a diferencia de ASK en la cual la mitad de la potencia se pierde en la transmisión de la portadora (impulso en fc). En 1 efecto. la potencia en DPSK es la misma que la de PSK. de (5. En la Sección 5.111) y (5.

77. de (5. Un examen más atento de las figuras muestra que el umbral en PSK está por debajo del umbral en DPSK en aproximadamente 1 dB.171).77 se grafican estas expresiones. Nótese. para diferentes valores de n. el efecto del umbral tanto en PSK como en DPSK.02 ⋅ n − 10 ⋅ log10 [1 + 2 exp(−2 )] Ni ⎣ N o ⎦ dB (5.174).180b) En la Fig.113). en dB.02 ⋅ n − 10 ⋅ log10 [1 + 2 erfc( 2 )] Ni ⎣ N o ⎦ dB So = No 2 2n 1+ 2 2 n +1 (5. S exp(−2 i ) Ni dB (5. lo cual nos permite aproximar el valor de la relación [S i / N i ] min en PSK conocida la correspondiente en DPSK.400 V. en PSK.022 + 0. por lo tanto.113): ⎛ ⎡ S ⎤ ⎞ 6. 5. .181) ⎡ Si ⎤ ⎡ Si ⎤ ⎥ ≥ ⎢ ⎥ para no caer dentro de la región umbral. En efecto.473x10 −2 ⎛⎡ S ⎤ ⎞ 1 f ⎜ ⎢ i ⎥ ⎟ = exp⎜ −2⎢ i ⎥ ⎟ = para n entero ⎟ ⎟ ⎜ ⎜ N 2 2n ⎝ ⎣ N i ⎦ min ⎠ ⎝ ⎣ i ⎦ min ⎠ 2 Resolviendo esta ecuación. So = No 22n 1+ 2 2 n +1 S erfc( 2 i ) Ni dB (5.179b) En DPSK. Pe = Pe = S 1 erfc( 2 i ) 2 Ni S 1 exp(−2 i ) 2 Ni Las relaciones S/N de postdetección correspondientes serán En PSK. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6. en la Fig. el valor de [S i / N i ] min en DPSK se puede obtener a partir de la expresión (5. ⎡ So ⎤ Si 2 n +1 ⎢ ⎥ = 6.179a) y en dB. MODULACION Y TRANSMISION DE IMPULSOS donde. de (5. que es mucho más fácil de calcular. la relación [S i / N i ] min en PSK es aproximadamente 1 dB menor que la relación [S i / N i ] min en DPSK. y en DPSK. ⎣ N i ⎦ ⎣ N i ⎦ min El valor de la probabilidad de error óptima viene dada por (5. el valor de [S i / N i ] min será ⎡ Si ⎤ = 1.693 ⋅ n ⎢ ⎥ ⎣ N i ⎦ min Debe verificarse que ⎢ en DPSK (5. 5.180a) y en dB.

Vamos a determinar.19 Por un canal de microondas cuyo ancho de banda es de 3 MHz se transmite datos binarios a una velocidad de 1 Mbps. Las palabras binarias contienen 8 dígitos binarios.401 V. la densidad espectral de potencia del ruido es de 10-10 W/Hz y la amplitud de la portadora es de 10 milivolts.97 dB Ni γ = Como n = 8. ⎡ Si ⎤ = 6. ⎡ So ⎤ 216 = = 6.567 = 8. (a) En DPSK A2 A 2Tb = 25. n = 8. η = 2x10-12 W/Hz . Tb = 10−6 .174 dB ⎢ ⎥ ⎣ N i ⎦ min La relación S/N de postdetección es. entonces la relación S/N mínima de predetección es. para n = 8. f b = 106 Hz. MODULACION Y TRANSMISION DE IMPULSOS ♣ Ejemplo 5.181). en DPSK y en PSK. Bc = 3 MHz.01 V El ancho de banda para el cálculo de la potencia de ruido es B = 2f b = 2 MHz.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 = -23.98 dBm Si La relación S/N de predeteccion será = 12. de (5. A = 0.5 = 10. las relaciones S/N de pre y postdetección y constatar si el sistema está trabajando sobre o bajo el umbral.554 x104 = 48. . Si = = 5x10− 5 W = −13.

Recuérdese que la potencia promedio en ASK es A2/4.162 dB ⎢ ⎥ Si ⎣ N o ⎦ min 1 + 217 exp(−2[ ]min ) Ni Nótese que esta relación está a 1 dB por debajo de So/No. la relación S/N normalizada γ y la complejidad del equipo.5231 dB = 5. en la práctica la selección de un esquema de modulación depende más bien de la aplicación correspondiente. son las mismas que en el caso (a).7. obtenemos ⎡ Si ⎤ ⎢ ⎥ = 7.158 dB Puesto que [So/No] > [So/No]min . Puesto que [So/No] > [So/No]min . siendo el valor pico A2 es el mismo para todos los sistemas. 203x104 = 47. el sistema está trabajando sobre el umbral. El eje de las abscisas debe entenderse entonces como una función de la potencia pico recibida (o transmitida) A2 . se puede utilizar las fórmulas dadas para el cálculo de la probabilidad de error Pe y la Fig 5. vamos a suponer que la frecuencia de señalización fb .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] . Para hacer una comparación respecto a la potencia requerida. MODULACION Y TRANSMISION DE IMPULSOS ⎡ So ⎤ 216 = = 5. S 1 La probabilidad de error es Pe = erfc( 2[ i ]) = 7.78 en la cual se muestra Pe vs γ . . el rendimiento de transmisión ηB . Nosotros vamos a comparar los sistemas en base a la potencia. de los equipos existentes. De donde. la probabilidad de error Pe y las condiciones de ruido son las mismas. ⎣ N i ⎦ min ⎡ So ⎤ ⎢ ⎥ = ⎣ N o ⎦ min 22n 1+ 2 2n +1 ⎡ ⎤ Si ⎢erfc( 2[ ]min ) ⎥ Ni ⎣ ⎦ = 47. donde γ = A 2 Tb / 2η es la relación S/N normalizada. a este efecto.402 V. 687x10−13 2 Ni 5. Sin embargo. y de los requerimientos de potencia. ⎡ So ⎤ ⎢ ⎥= ⎣ No ⎦ 22n ⎡ S ⎤ 1 + 22n +1 ⎢erfc( 2[ i ]) ⎥ Ni ⎦ ⎣ = 6. 1 S La probabilidad de error es Pe = exp(− i ) = 6.944x10−12 2 Ni (b) En PSK Las relaciones Si/Ni . γ y n. 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.554x104 = 48. el sistema está trabajando sobre el umbral.653 .6.

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

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

79(b). 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 = 0.79(a). frecuencia f c pero con un ángulo o desfase φ m = 2πm / M . 1. (M . 2. en el mismo tiempo Tb .8. para m = 0. bloques de L dígitos binarios asignándole a cada bloque distinto una cualquiera de M señales diferentes posibles.⋅⋅⋅⋅. 5. Las salidas X m y Ym son variables analógicas cuyos valores dependen del valor del ángulo φ m asignado.182c) Estas expresiones nos permiten expresar la señal s m (t ) en forma fasorial. MODULACION Y TRANSMISION DE IMPULSOS En los sistemas binarios. Modulación M-PSK . donde M = 2 L ... el modulador M-ario procesa. de acuerdo con la relación M = 2 L . 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. 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 modulador procesa cada dígito binario de duración Tb asignándole una cualquiera de dos señales diferentes. es decir. (M-1) (5. como se muestra en la Fig.. factores que dependerán del esquema de modulación utilizado. como veremos a continuación. 1. Si A es constante.. 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. En los sistemas M-arios el mecanismo de modulación es similar. 5.182a) Como el ángulo φ m se mantiene constante durante cada intervalo Ts .1) . 5. ahora es Vis = L ⋅ Vi bps. hemos visto.80 para algunos valores de M y L. El convertidor Serie/Paralelo forma bloques de L dígitos los cuales son aplicados a un codificador cuyas salidas son X m y Ym . a su vez. La velocidad de transmisión ha aumentado L veces. . siendo la velocidad de transmisión Vi = 1 / Tb bps. pero se habrá introducido algunas restricciones sobre la potencia y el ancho de banda de la señal transmitida. 5.182b) (5. el cual.2. 2. En efecto. depende de la secuencia particular de L dígitos a transmitir. 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 ) (5.405 V. 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.182b) tiene una forma canónica que nos permite utilizar un esquema de generación de señales M-PSK de la forma mostrada en la Fig. como se muestra en la Fig 5.79. La expresión (5.

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

152). para un sistema PSK M-ario la probabilidad de error Pe [Shanmugam.54) que para una probabilidad de error de 10-4. B M y PM son los anchos de banda y potencias en binario y M-ario. 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 . 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. Fig. podemos demostrar (Problema de Aplicación 5. En efecto. M = 8. BM = PM = BB L 1. 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 .186) (5. L = 3 x (b) Modulación PSK M-aria. 1979] es ⎡ π ⎤ Pe = erfc ⎢ γ s sen2 ( ) ⎥ M ⎥ ⎢ ⎣ ⎦ (5. 5. L = 4 Fig. 5. γ s ” en la forma A 2 Ts γs = = 2⋅ γ 2η donde γ ya se definió en (5.80. φm = 2πm / M (c) PSK 8-aria. En general. M = 16. PB . si B B . M = 2.407 V. M = 4. (d) QAM 16-aria. Asignación de Fases en PSK M-aria Puesto que f bL = Lf s . Mecanismo de la Modulación PSK Binaria y M-aria.094 π ) M L ⋅ sen 2 ( ⋅ PB (5.185) Sería de interés comparar el sistema PSK M-ario con el sistema PSK binario para una misma probabilidad de error. se puede definir la “relación S/N normalizada M-aria.187) .81. φ = 0o o π (a) PSK Binaria. respectivamente.

3. 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 5.094 PB 2. En este caso se utiliza el esquema M-QAM. Para M > 8.49 PB 7.83.8. En la Fig.4% (0.408 V. Por esta razón el sistema PSK 4-ario. M 4 8 16 32 BM BB / 2 BB / 3 BB / 4 BB / 5 PM 1. 5.57 dB 13.82 se grafica la probabilidad de error Pe vs γ s para algunos valores de M. 1968] que en el sistema DPSK M-ario Pe = erfc( 2 γ s sen2 ( π )) 2M (5. pues el ancho de banda se reduce a la mitad con un aumento de sólo el 9.32.186 PB 22.78 PB PM / P B en dB 0. por ejemplo.2 y pueden ser representados con las mismas expresiones y gráficos. 5.96 dB 8. en la Fig.39 dB 3.188) En la Fig.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. pues la diferencia básica entre PSK y DPSK es que este último ha experimentado un proceso previo de codificación diferencial. Evidentemente.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). En cuanto a la probabilidad de error. 5. los requerimientos de potencia se hacen excesivos y la modulación PSK M-aria no se emplea.39 dB) en la potencia. que transmite a 9600 bps por un canal telefónico.84 se grafica esta probabilidad en función de γ s para algunos valores de M. MODULACION Y TRANSMISION DE IMPULSOS En la Fig.81(d) se muestra el diagrama de Fresnel del Modem UIT-T QAM V. La selección final queda a juicio del diseñador del sistema y según la aplicación deseada. 5. se ha demostrado [Lucky y otros. . que es un esquema de modulación compuesta Amplitud-Fase. 5. se utiliza bastante en la práctica. 5. la mejor selección es aquella para M = 4.8. Modulación DPSK M-aria Fig.

Las Figs.32 dB. M = 4. por ejemplo. L = 2. (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.79 a 5. Solución: (a) Vi = 2400 bps.22) y poseen además un canal en FSK binario para trabajar a 300 bps (UIT-T V. Sin embargo. MODULACION Y TRANSMISION DE IMPULSOS Cuando se compara la proba-bilidad de error en DPSK con la de PSK. La secuencia binaria de entrada al modulador tiene una velocidad de transmisión de 2400 bps. Específicamente.81 se aplican también en DPSK M-aria. se verifica que para altos valores de M el sistema DPSK M-ario requiere un aumento de potencia de aproximadamente 3 dB.20 Un sistema DPSK 4-ario está caracterizado por el diagrama de Fresnel de la figura. Ni = ηB c = 3x10 3 x 2 x10 −11 = 6 x10 −8 W 2 2 Si = 8. ¿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. A = 10-3 V.409 V. ♣ Ejemplo 5. Bc = 3 kHz. El ancho de banda del canal es de 3 kHz. η = 2x10-11 W/Hz En DPSK M-ario.21). 5. en la práctica se utilizan ambos sistemas de modulación. y 01 00 x 11 10 Diagrama de Fresnel Pe = erfc( 2 γ s sen 2 ( A 2 Ts π ) ). donde γ s = 2M 2η Si = A 2 10 −6 = W. un aumento del 71% solamente (Ver Problema de Aplicación 5. a 1200 bps en QDPSK (UIT-T V.208 dB Ni . algunos módems comerciales transmiten a 2400 bps en QPSK (UIT-T V. el cual se transmite de primero) Suponga que fc = 1800 Hz.55).3333 = 9.22bis). la amplitud de la portadora es de 1 mV y la densidad espectral de ruido es de 10-11 W/Hz. PSK y DPSK. pero este aumento es compensado con la simplicidad de instrumentación del sistema QDPSK. para M = 4 (QDPSK) este aumento es de 2.

33 .5 Tc La señal M-DPSK tiene la forma s m ( t ) = a cos(2πf c t − φ m ). s 2 ( t ) = A cos(ωc t + 135 o ) (dibit): 0 1 → φ 3 = +135 o .410 V. La velocidad de modulación en el canal es también de 1200 baudios. fs = fb/L = 2400/2 = 1200 Hz ó 1200 bps. Esto equivale a un aumento de potencia de 4 veces. fc = 1800 Hz Tc = 5. De acuerdo con el diagrama de Fresnel. s 3 ( t ) = A cos(ωc t − 135 o ) “ (dibit): 0 0 → φ4 = +45o .3333xsen 2 ( ) ) = 2.556x10-4 seg.23 – 9. y se supone que la señal de entrada 1 0 1 1 0 1 0 0 está ya codificada diferencialmente. s 4 (t) = A cos(ωc t − 45o ) La señal modulada DPSK 4-aria tendrá la forma siguiente ♣ . s1 ( t ) = A cos(ωc t + 45 o ) “ “ “ “ “ “ “ “ (dibit): 1 1 → φ 2 = −135 o . MODULACION Y TRANSMISION DE IMPULSOS fb = 2400 Hz.812 x10 −12 8 γs = El aumento en la relación Si/Ni es de 15. 2 x 2 x10 −11 x1200 π Pe = erfc( 2 x83.47 2M 8 (b) A = 2x10-3. Para su codificación DPSK y como L = 2.8333x sen 2 ( ) = 2. Ts = 8.8333.02 dB. la codificación para la señal modulada de salida será: Para la dupla (dibit): 1 0 → φ1 = −45o . 2 x 2 x10 −11 x1200 Pe = erfc(2.47) = 4. (c) fs = 1200 Hz. γs = 10 −6 = 20. 4 x10 −6 = 83.333x10-4 seg.77x10-4 2 γ s sen 2 ( π π ) = 2 x 20.208 = 6. los dígitos o bits se toman de dos en dos. Ts = 1.

MODULACION Y TRANSMISION DE IMPULSOS 5. La duración de cada muestra de señal s i ( t ) es también de Ts segundos. 2.411 V. para j = 2. 5. donde f s = 1/ Ts = f b / L es la frecuencia de señalización a la salida del modulador.190) donde f M y f1 son las frecuencias máxima y mínima. siendo fb la frecuencia de señalización a la entrada del modulador.... 4.8.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..192) L En este caso la frecuencia de portadora será fc = (2 k + M − 1) fb 2L (5. para i = 1... 3. 2. respectivamente.. 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. Modulación FSK M-aria de Banda Ancha En la modulación FSK M-aria. de la señal FSK M-aria... entonces la frecuencia instantánea en un intervalo Ts es f i = f c + (2i − 1 − M )f d . M. En la Fig. de modo que se puede tomar f f1 = kfs = k b para k entero y k ≥ 1 (5.193) . La frecuencia míniL ma f1 deberá ser igual o mayor que fs . Si 2fd es la separación entre dos frecuencias adyacentes. si 2fd = fs (separación ortogonal). con M = 2L. 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 ).191) L donde fb es la velocidad de señalización o de modulación a la entrada del modulador FSK M-ario.M. 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) .. 1987]. entonces el ancho de banda mínimo en el canal será Mfb Bmin = Mfs = (5.. es decir. 3.. 3.. Si la separación mínima entre dos frecuencias adyacentes se hace igual a la frecuencia de señalización en el canal.189) para i = 1.86 la distribución o asignación de las frecuencias de portadora para algunos valores de M y L.4.85 se muestra el mecanismo de modulación FSK M-aria y en la Fig.. 5. donde fc es la frecuencia de la portadora sin modular [Benedetto y otros..

la separación mínima entre dos frecuencias adyacentes será igual . 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. M = 2. Mecanismo de la Modulación FSK Binaria y M-aria. Fig. fs f 2400 2400 = b = = 400 Hz. 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. L = 3 f8 (b) Modulación FSK M-aria. 3.412 V.86. M es ortogonal. Bc ≥ M fb = Mfs L Fig. es decir.85. 5. 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. 2. si M = 8.. M = 4.194) Las señales s i (t ) son ortogonales en el intervalo Ts .. 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.... L = 3. fb = 2400 bps y k = 1. fs = = 800 Hz 3 2 2L 6 2400 2400 f c = (2 + 8 − 1) = 3600 Hz. Por lo tanto. 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.5. La ortogonalidad exige también que la separación entre frecuencias adyacentes sea tal que 2fd = fs . tienen duración Ts y todas tienen la misma energía Es. M = 8. Asignación de Frecuencias en FSK M-aria Por ejemplo. 2fd = 800 Hz. f1 = = 800 Hz.

y FSK M-aria cuando la potencia es el factor limitativo (como en las comunicaciones espaciales o por satélites). 5. en PSK o DPSK M-aria. 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. que ya hemos encontrado también en PPM.88. podemos mantener fijo el ancho de banda de transmisión pero la potencia transmitida aumenta en forma exponencial con L . Receptor Optimo FSK M-ario Coherente. En consecuencia. En efecto. Este compromiso. Se demuestra [Lucky y otros. 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. 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. 5. es decir.88. En la Fig. Benedetto y otros. pero la ecuación de Pe es una ecuación integral de muy difícil resolución. como se muestra en la Fig. nos permite disponer de una gran flexibilidad de intercambio entre diferentes parámetros para adecuar una fuente de información dada a un canal determinado. 1968] que para grandes valores de γ s las curvas tienden a juntarse indicando que con solamente un aumento de 3 dB en la potencia se puede aumentar el número de niveles de 2 a 1024. la modulación M-aria proporciona los medios para intercambiar ancho de banda por relación S/N. La probabilidad de error Pe en FSK M-aria ha sido calculada [Lucky y otros. 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. pero el ancho de banda aumenta también en forma exponencial con L.191). condición que hemos tomado para estimar el ancho de banda mínimo de la señal FSK M-aria. En general.413 V. en FSK M-aria la potencia transmitida es prácticamente independiente de L. el precio que hay que pagar es el aumento en el ancho de banda. se puede utilizar PSK M-aria o DPSK M-aria cuando el ancho de banda es limitado (como en los canales telefónicos). Sin embargo. El receptor óptimo coherente para el conjunto ortogonal de señales consiste en una batería de M filtros óptimos. aunque la recepción coherente casi no se utiliza. 1987]. Probabilidad de Error Pe vs γ s en FSK M-aria. en un sistema FSK M-ario el ancho de banda mínimo es Mf b / L . MODULACION Y TRANSMISION DE IMPULSOS a fs = f b / L . Por consiguiente. 5. Una desventaja adicional es la creciente complejidad de los equipos de transmisión y recepción tanto en recepción coherente como no coherente. 5.87. expresión (5. Por ejemplo. mientras que en un sistema FSK binario el ancho de banda mínimo es 3fb . Fig. en dB 10 15 sM (t ) FiltroM Optimo v dM (t ) Sincro Fig.87 se muestra la forma aproximada de la Probabilidad de Error vs γ s para algunos valores de M. 1968.6 dB −5 10 -1 -5 0 5 γ s . asimismo. .

parte (c). 5. y los varios campos que contienen la información para las diferentes estaciones de destino. 5. El preámbulo. MODULACION Y TRANSMISION DE IMPULSOS 5. CDMA) 3. FDMA). y en telefonía celular. televisión de alta definición y en la transmisión de cientos de miles de canales de voz de 64 kbps. que llega al satélite contiene las tramas de todas las estaciones que están transmitiendo. En la práctica a estas frecuencias se las denomina “frecuencias de subida” y “frecuencias de bajada”.2.89. la estación C está enviando información a las estaciones A. En el sistema TDMA. En la parte (b) se muestra la estructura de la trama transmitida por la Estación C. a cada estación terrena se le asigna un intervalo o ranura de tiempo para que ella transmita información. C. En este caso se dice que el sistema es radiante o difusor (“broadcast”). Acceso Múltiple por División de Código (Code-División Multiple Access. D. incluye un intervalo de guarda. respectivamente. La multitrama TDMA tiene la forma mostrada en la Fig. La multitrama TDMA. Consideremos entonces un sistema satelital formado por un satélite y seis estaciones terrenas A. esta asignación la efectúa una estación terrena de referencia que controla la temporización y la sincronización de las estaciones presentes en el sistema. parte (a).9. basado en los principios TDM.414 V.8. Acceso Múltiple por División de Tiempo (Time-Division Multiple Access. 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. Sección 5. En el ejemplo de la Fig. una cualquiera de estas estaciones puede actuar como estación de referencia. . Para acceder al satélite se utilizan tres técnicas denominadas “métodos de acceso múltiple”: 1. TDMA) 2. Acceso Múltiple por División de Frecuencia (Frequency-Division Multiple Access. mientras que la técnica FDMA la estudiaremos en detalle en el Capítulo VI.89. 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. Las técnicas TDMA se utilizan actualmente en los satélites INTELSAT VI y VSAT. Esta trama consta de dos partes: un preámbulo. 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. E y F . B. E y F. Cada estación escucha toda la multitrama pero solamente copia la información a ella dirigida. Durante ese intervalo. Los sistemas TDMA trabajan generalmente en QPSK y a velocidades hasta 120 Mbps. un campo que contiene caracteres para activar los circuitos de sincronización de portadora y señalización. una estación utiliza todo el ancho de banda del repetidor o “transpondedor” del satélite para enviar una trama que contiene la información a transmitir. se emplean en la transmisión de video digital. La técnica CDMA la veremos más adelante. En el satélite se recibe una multitrama TDMA que contiene las tramas de todas las estaciones terrenas. parte (a). y un campo donde va la dirección o identificación de la estación llamante y las direcciones de las estaciones llamadas.5.

Para ser considerado como un sistema SS. DSSS). Sin embargo. FHSS). capacidad para acceso múltiple a un medio y baja probabilidad de intercepción.89. el sistema debe satisfacer los criterios siguientes: 1.415 V.3. Una señal dispersora que permite cumplir con estos dos criterios es justamente la señal seudoaleatoria o secuencia PN.9. 2. 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. 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. denominada “señal dispersora”. Estos objetivos se pueden optimizar aplicando las técnicas del espectro disperso (spread spectrum. Los sistemas SS de más aplicación en la práctica son: 1. 5.9. Que el ancho de banda de la señal transmitida sea mucho mayor que el ancho de banda de la señal mensaje m(t). Sistemas SS de Secuencia Directa (Direct Sequence Spread Spectrum. Existen también otras técnicas híbridas que incluyen tanto DS como FH. Sistemas SS mediante Conmutación de Frecuencias (Frequency Hopping Spread Spectrum. Formato TDMA Típico 5. Que la dispersión del ancho de banda de la señal transmitida sea producida por una señal s(t). SS). Existen varias técnicas de dispersión del espectro.9. independiente de m(t). aspectos que son de gran importancia en las aplicaciones militares y que ahora se han llevado a aplicaciones en el dominio civil. 2. en algunas aplicaciones hay que considerar aspectos tales como la capacidad o robustez contra interferencias (espontáneas o maliciosas). TRANSMISION DE SEÑALES DIGITALES MEDIANTE DISPERSION DEL ESPECTRO (SPREAD SPECTRUM) 5. cuyos principios y mecanismo de generación se dieron en el Capítulo III. pero no las trataremos aquí. 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. Sección 3. .1.

MODULACION Y TRANSMISION DE IMPULSOS 5.31 y cuyo ancho de banda es B ≈ Nf b . la señal transmitida PSK/DSSS es perturbada por una señal interferente v j (t ) centrada en la frecuencia de portadora. (5.195) 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. NRZ y de amplitudes ±A . Supondremos también que la potencia de ruido en el canal es despreciable en relación con la potencia de la señal interferente. Consideremos entonces el modelo de un sistema PSK/DSSS mostrado en la Fig.9. por lo tanto.175).27 y cuya densidad espectral viene dada por (3.90. 5.175) con A 2 Tb = 1 . 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). 3. La señal dispersada modula en PSK a una portadora de frecuencia fc y luego se transmite. 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 ) . En el extremo receptor se llevan a cabo las operaciones inversas correspondientes para la recuperación de la señal mensaje m(t). 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. el espectro de la señal mensaje original PCM m(t) se dispersa mediante la utilización de una secuencia PN s(t). Si la señal x sp (t ) se multiplica por cos(ω c t ) . Entonces. Sistemas SS de Secuencia Directa En los sistemas de espectro disperso de secuencia directa (DSSS). x sp ( t ) = m(t ) ⋅ s(t ) m(t ) ⇒ S m ( f ) = sinc 2 ( f ) fb x d (t ) Filtro Pasabajo donde. De la Fig.90. 3.90. que se transmite. 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 ) .416 V. la señal resultante x t (t ) . será una señal PSK de frecuencia de portadora fc. la señal s(t) es una secuencia seudoaleatoria de la forma mostrada en la Fig. 5. 5.183). de (3. de la forma mostrada en la Fig.23 y cuya densidad espectral viene dada por (3. Durante la transmisión por el canal.2. La señal m(t) es una secuencia PCM en banda de base que suponemos bipolar. 3. cuya densidad espectral se muestra en la Fig.

S oj (f ) = S jd (f ) ⋅ Π ( f ) 2f b Entonces.196) donde n =−∞ ∑' ∞ indica que la sumatoria no incluye el valor n = 0. 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. 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. De (5.197) . El término de alta frecuencia centrado en ±2f c es eliminado. y que representa la interferencia a la salida. (5.177) y (5. 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 (5.417 V. que es el ancho de banda del filtro.195) Para cuantificar el efecto de la interferencia. MODULACION Y TRANSMISION DE IMPULSOS A esta señal se le aplica la operación de dispersión.195).196). 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. 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. De (3. 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 . 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 . así como todas las componentes frecuenciales del producto s( t ) ⋅ v j ( t ) superiores a fb .

Por ejemplo. Esta característica del sistema DSSS ha sido muy utilizada en los sistemas de comunicación militares contra las interferencias maliciosas (jamming). la Ganancia DS será (5.7. Sección 5. MODULACION Y TRANSMISION DE IMPULSOS es la amplitud de la densidad espectral de la señal interferente a la salida.4. es decir.4513( ) 2 Pj A j fb fb N La ganancia es directamente proporcional a N. Ps = 0. lo cual es prácticamente imposible por lo costoso que sería. Como hemos supuesto que el ruido interferente es mucho mayor que el ruido en el canal ( η j >> η) . Esto significa que para que la fuente interferente pudiera tener alguna influencia en la recepción. fb = 9600 Hz y A j = 1. N >> 1.91 se grafica Sm(f) y S oj (f ) para N = 1000. Dentro de la banda de paso. ⎢ 2 + 2 sen ( )⎥ ≈ y ηj = N π N ⎦ N N ⎣ En la Fig. En la práctica. su potencia debería aumentarse por lo menos en 470 veces.90253A 2 y Pj = 2A 2 j G DS = Ps A N = 0. la probabilidad de error será . cuando N = 1000. 5. la probabilidad de error en el sistema PSK/DSSS viene dada por (5. (La señal S oj ( f ) ha sido multiplicada por 100 para poderla observar en el gráfico).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.171). 2A 2 ⎡ 1 N +1 2 π ⎤ 1 j Nótese que para N >> 1. G DS = 26.418 V. Se puede determinar la ganancia “Potencia Util/Potencia Interferente” para demostrar la robustez del sistema DSSS contra las interferencias espontáneas o maliciosas.72 dB (470 veces) por debajo de la señal útil. el factor [A/Aj]2 es muy grande (>10 ). La probabilidad de error en este sistema es la misma considerada en la modulación binaria de fase.

más alta es la severidad de la interferencia y más alta la probabilidad de error.15 Probabilidad Pe 0. valores de N superiores a 164 mantendrán la probabilidad de error por debajo de 10-5. para ( Pi / Ps ) = 10 . Probabilidad Pe vs N en PSK/DSSS .201) nos permite observar el efecto de la ganancia de procesamiento N sobre la probabilidad de error para diferentes valores del margen de interferencia. En efecto.92 se muestra la variación de la probabilidad Pe vs N para diferentes valores del margen de interferencia.92. Es lógico que si la relación Pi/Ps es alta. Por ejemplo. 5.199).198) en (5. para N >> 1. donde Pi es la potencia de la fuente N N entonces.05 Pis = -10 dB 0 1 N 10 Fig. Pi = 2f b A 2 . j f b Pi = .419 V.201) y la Fig.92. 5.55 dB 0. la probabilidad de error Pe en PSK/DSSS se puede reducir a la forma más sencilla 1 0. En efecto.97 dB Pis = Pi/Ps Pis = -1. La expresión (5. en la Fig. cuanto más alta es esta relación. vemos que la probabilidad de error dependerá también de N.200) ⎜ 4 2 1 ⎟ N +1 2 2 π A j [ 2 + 2 sen ( )]f b ⎟ ⎜ N ⎝ ⎠ N π Puesto que Ps = 0. es decir.1 Pis = 0 dB Pis = -0.201) 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.544 N Pe = erfc( ) para N >> 1 2 Pi / Ps (5. 5.90253A 2 y Pj = 2A 2 j interferente. en efecto. la probabilidad de error será alta también. pero esta probabilidad de error se puede disminuir aumentando la ganancia de procesamiento N.92 demuestran la efectividad del sistema DSSS en la supresión de interferencias tanto espontáneas como maliciosas. La expresión (5.199) Como η j depende de la ganancia de procesamiento N. MODULACION Y TRANSMISION DE IMPULSOS Pe = A2 1 ) erfc( 2η jf b 2 (5. 5. reemplazando (5. 0. como se puede observar en la Fig. la probabilidad de error en PSK/DSSS es ⎛ ⎞ ⎜ ⎟ 2 1 1 A ⎟ Pe = erfc⎜ (5.

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

El lector puede verificar este fenómeno haciendo los ajustes necesarios en las expresiones (5. cuanto mayor es el número de usuarios.k < 10 −5 el número de usuarios debe ser M < 120. En la práctica. Probabilidad de Error en CDMA Sería interesante comparar el sistema CDMA en relación con el sistema TDMA. k = ⎡ ⎡ N ⎤ P ⎤ 1 1 erfc⎢ 0. es decir. en sistemas PCS (Personal Communication Systems) y en redes de área local inalámbricas.93.203) De (5. donde se muestra la variación de la probabilidad de error en función de M para N = 256.554 ⎥ M−2⎥ Ptj ⎥ 2 2 ⎢ ⎢ ⎣ ⎦ ⎣ ⎦ (5. En efecto. . se puede agregar los usuarios que se quiera. en sistemas de localización (global positional systems.421 V. Por ejemplo.1 0 0 200 400 M 600 Fig. 1024 y 2048. 5. mayor será la probabilidad de error. Una vez que todas las ranuras de tiempo han sido asignadas.93. se produce una degradación en la calidad de la transmisión. la probabilidad de error en el receptor k es Pe.554 s ⎥ = erfc⎢ 0. el sistema CDMA demanda un estricto control de la potencia de salida de cada transmisor a fin de asegurar que la señal de cada transmisor llegue a la antena receptora aproximadamente con la misma potencia. ya estudiado. MODULACION Y TRANSMISION DE IMPULSOS Ptj = (M − 2) ⋅ Pj = (M − 2) ⋅ Pi P = ( M − 2) s N N (5.204). El sistema CDMA se aplica en telefonía celular. 0. si una o más estaciones transmiten con altas potencias. 512.3 Probabilidad Pe N = 256 N = 512 N = 1024 N = 2048 0.201).203) y (5. Se puede aumentar el número de usuarios pero a costas de un aumento en la probabilidad de error. la calidad de la señal en todas las estaciones se degrada rápidamente. un aumento en el número de usuarios sólo se puede lograr rediseñando el sistema. 5. En CDMA este problema no se presenta. en sistemas móviles por satélite.204) La probabilidad de error en CDMA depende entonces del número de usuarios M en el sistema. En el sistema TDMA el número de usuarios está restringido por el número de ranuras disponibles en el sistema. para una ganancia de procesamiento N = 1000. En efecto. pues el comportamiento del sistema experimentará solamente una degradación de acuerdo con la expresión (5. se verifica que para que Pe . Esto se puede observar en la Fig. GPS).2 0.204).

422 V. Por esta razón.. y en el intervalo siguiente se cambia o “salta” en forma aleatoria a cualquiera otra de las M . la portadora “salta” aleatoriamente a otras de las frecuencias no conocidas por el ente interferente y como consecuencia la interferencia se reduce. como se muestra en la Fig. Como resultado. de modo que se puede escribir s h ( t . a esta técnica se le suele llamar también “Dispersión de Espectro por Salto de Frecuencias”. La cantidad de frecuencias es igual a M = 2 k .1 frecuencias. Las frecuencias de portadora se generan en un sintetizador de frecuencia que es controlado por k “chips” tomados de una secuencia PN. vamos a considerar el caso cuando T = Tb . vuelve a modular una portadora cuya frecuencia cambia constantemente de acuerdo con una secuencia PN. donde k es el número de “chips” tomados de la secuencia PN. 2. 205) Dependiendo de la relación entre T y Tb . 3.95 se muestra el modelo de un sistema FSK/FHSS con demodulación no coherente. en la práctica el valor de k es igual al número de etapas r del generador de las secuencias PN. 5. si k = 8. Vamos a suponer también que la frecuencia inferior de dispersión es mucho mayor que fc ... que f1 >> f c .. pues en el caso de existir una.94 se muestran los “saltos” aleatorios de frecuencia y en la en la Fig.. y sistemas FHSS Rápidos cuando T < Tb . Durante los M − 1 intervalos de tiempo restantes. es decir. habrá 256 frecuencias de portadora diferentes que serán moduladas por la señal FSK o DPSK. Por ejemplo. . generalmente FSK o DPSK. que es una forma de FHSS Lento. la interferencia se reduce. 5. M (5. Estas frecuencias cambian cada T segundos. Para simplificar el análisis. MODULACION Y TRANSMISION DE IMPULSOS 5. ella tendría efecto solamente en uno de los M intervalos de tiempo.9. los sistemas FHSS se clasifican en sistemas FHSS Lentos cuando T ≥ Tb . En la Fig 5. i) = n =−∞ ∑ 2 cos(2πf t) ⋅ Π( i ∞ t − nT ) T para i = 1.3 Dispersión del Espectro mediante Conmutación de Frecuencias (FHSS) En los sistemas FHSS la señal digital a transmitir. esto quiere decir que durante un intervalo de tiempo T se utiliza una de las M frecuencias.95. ..

igual que en el caso DSSS. i) = n =−∞ ∑ A cos[2π(f + b a f d + f i ) t ] ⋅ Π( t − nTb ) para i = 1.206) Esta es la señal FSK/FHSS que se transmite.95. Vamos a estimar ahora el valor aproximado del ancho de banda ocupado. ∞ x fh ( t . analizaremos separadamente los efectos de la señal útil y los de la interferencia. i) .4. 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 . M Tb (5. ...95. i) x r ( t . de modo que su salida es x t ( t . i ) Sintetizador de Frecuencia 1 2 3 Generador PN k Reloj Reloj Convertidor Serie / Paralelo T = Tb s h ( t . De la Fig. i) xrh ( t . de (5. cuya potencia. i) = x fh ( t .7. Por razones de ortogonalidad.. i) x t ( t . que ya discutimos anteriormente. x fh ( t . 5.423 V. Por lo tanto. el ancho de banda de la señal FSK/FHSS es B ≈ (M − 1) ⋅ f b . MODULACION Y TRANSMISION DE IMPULSOS x FSK (t ) x fh ( t .162).207) .. 5. Modelo de un Sistema de Transmisión de Espectro Disperso mediante Conmutación de Frecuencias. 3. entonces el ancho de banda es B ≈ N ⋅ fb en FSK/FHSS (5. f i − f i −1 = f b . para T = Tb . En el canal aparece una señal interferente v j ( t ) . i) = x FSK ( t ) ⋅ s h ( t . 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 ] . 2. la separación entre dos frecuencias adyacentes debe ser como mínimo igual a fb . Sección 5. es. x FSK ( t ) = n =−∞ ∑ A cos[2π(f ∞ + b a ⋅ f d ) t ] ⋅ Π( t − nTb ) Tb t − nTb ) Tb t − nTb ) Tb Entonces. Asimismo. pero como M = 2 k y N = 2 k − 1.. suponemos que es mucho mayor que la potencia de ruido (η j >> η) . es decir. i) v j (t ) Sintetizador de Frecuencia 1 2 3 k Generador PN Convertidor T = Tb Serie / Paralelo TRANSMISOR CANAL RECEPTOR Fig. c donde x FSK (t ) .

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

Nótese que esta ganancia no depende de N. 5. Pe = La relación Ps/Pj es. Alcanzada la sincronización.169). 1 γ Pe = exp( − ) 2 2 pero. MODULACION Y TRANSMISION DE IMPULSOS 2 donde Bi es el ancho de banda de un canal individual en FSK. 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 (5.30 ( 3 FSK / FHSS 0.9.2 0 20 10 0 10 g En la discusión de los diferentes tipos Fig. 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. 5. La probabilidad de error es. Proakis. 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. Este sistema se utiliza en telefonía celular GSM (Global System for Mobile Communications) de procedencia europea. la probabilidad de error Pe < 10 −5 .209) (5. de (5. Consideraciones Finales 0. 5. alta.35 dB .210) La probabilidad de error en el sistema FSK/FHSS será entonces 1 1 Ps (5.6 Pe 0.425 V. en la segunda etapa el receptor intenta mantener alineada la secuencia PN local lo más cerca posible de la secuencia PN del transmisor. 1989]. para Ps / Pj > 13. 1982. la sincronización de las secuencias PN es mucho más complicada pues requiere circuitos especiales de adquisición y rastreo.152).4. Esto completa la primera etapa.164b). aunque en algunos sistemas el transmisor envía secuencias especiales para mantener la sincronización. ésta es la denominada operación de “seguimiento o rastreo”.96 se muestra la variación de la probabilidad de error en función de la relación Ps/Pj. en general. Ps/Pj 20 dB . Para más información sobre estos sistemas. en este caso en particular. de (5. En la Fig.96.211) exp( − ) 2 2 Pj donde Ps/Pj es la ganancia de potencia o relación entre la potencia útil y la potencia interferente. 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.4 Pe g)0. A continuación se realiza una sincronización “fina” que sincroniza las dos secuencias. En particular. expresión (5. ver [Pickholts y otros. Pero en la práctica la situación es muy diferente.

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

La señal x (t ) = 10 cos(2πt ) + 4 cos(5πt ) + 2 cos(7πt ) se muestrea en forma instantánea a una frecuencia de 4 Hz.97. (a) Demuestre que y (t ) = 1 sinc(t ) cos(2πt ) .427 V. MODULACION Y TRANSMISION DE IMPULSOS Dada la característica introductoria de este capítulo.1. demuestre que y (t ) = 5 cos(600πt )[cos(200πt ) + 5.4. PROBLEMAS DE APLICACION 5. La señal x (t ) = 50sinc 2 (10t ) se muestrea mediante una señal periódica rectangular. La señal x (t ) = 5 cos(2πx10 3 t ) cos(600πt ) se muestrea a una frecuencia de 2100 muestras por segundo.2.2. donde x (t ) = sinc(t ). La señal muestreada se pasa por un filtro ideal pasabajo de ganancia unitaria y ancho de banda de 4 Hz. 5. Sea el sistema de la Fig. 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. 150 Hz). No obstante. 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. de período igual al intervalo de Nyquist y relación de trabajo igual a 0. 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 muestreada se pasa por un filtro ideal pasabajo. (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. 2π (b) Determine el diagrama de bloques de un sistema para recuperar x(t) a partir de y(t).3. Determine la amplitud máxima del espectro centrado en la frecuencia de 100 Hz.5. 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. de ganancia igual a 2 y ancho de banda de 1600 Hz.97. El muestreo se efectúa mediante una señal periódica rectangular de amplitud unitaria y ciclo de trabajo igual 0. Dibuje su espectro Y(f). 5. Grafique el espectro de la señal muestreada en el intervalo de frecuencias (-10 Hz.

. la salida es y( t ) = 2B2sinc(2Bt ) .98.115). [Sugerencia: utilice la expresión (1.8. Demuestre que el límite inferior de la frecuencia de muestreo es: (a) f s = 204 . MODULACION Y TRANSMISION DE IMPULSOS 5. Suponga que (1/RC)=2πfm . 5. 1 0 .105)]. Demuestre también que si el ancho de banda del filtro es el de 3 dB. 5.9 x10 5 πt ) es de 20 kHz.6. Demuestre que la frecuencia de muestreo necesaria es f s = 3f m + B g . Esta señal se muestrea en forma instantánea y se pasa por un filtro cuya función de transferencia es H (f ) = Π (f / 2 B).7. Demuestre que si el muestreo se ha efectuado a una frecuencia de B muestras por segundo...79). 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. El valor B es el ancho de banda del filtro de acuerdo con la expresión (2. Demuestre que la frecuencia de muestreo mínima necesaria para muestrear la señal x (t ) = 20 cos(10 4 πt ) cos(3.99. Dibuje el espectro de la señal muestreada entre n = −5 y n = 5. -2B -B X(f) 1 f 2B 0 B Fig.. Se tiene una señal x(t) pasabajo de banda limitada f m . 5. pero si el muestreo se ha efectuado a 2B muestras por segundo. 5.. 5.99. 5. Esta señal se va a emplear para muestrear la señal x (t ) = 2 x10 −3 sinc 2 (500t ). donde 5. En la Fig.86 Hz cuando el ancho de banda de la señal es el de 3 dB.98 se muestra el espectro de una señal dada. Sea la señal periódica de la Fig. Esta señal se muestrea 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 .. (a) Demuestre que el espectro P(f) de p(t) viene dado por p(t) . f s = 1/ Ts . 5. . la salida es y( t ) = 2B2sinc 2 (Bt ) .5. (b) f s = 500 Hz cuando el ancho de banda de la señal se calcula según la expresión (1. entonces la frecuencia de muestreo será f s = 2f m + B g .9. Se desea muestrear la señal x ( t ) = 15 exp(−103 | t |) .428 V.

con f s = 500 Hz. demuestre que el Factor de Solapamiento debido a los espectros adyacentes se puede expresar en la forma Factor de Solapamiento. De acuerdo con esta definición. de modo que teóricamente cuando ellas se filtran para limitarlas en banda se produce distorsión. 5.429 V. determine el factor FB % para las siguientes señales: 1. En general. 5. x ( t ) = 8sinc 2 (8x103 t ). (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. las señales de información prácticas no son estrictamente limitadas en banda. ∫ F %= ∫ s 3f s / 2 fs / 2 fs / 2 | H (f )|2 | X(f )|2 df 100 (5.15.214) (b) Si B = 5 kHz. 5.11.100. Consideremos la distorsión de solapamiento mostrada en la Fig.212) 2 2 0 | H (f )| | X(f )| df Si la ganancia del filtro es constante en la gama | f | ≤ f s / 2 .100.213) demuestre que cuando se muestrea la señal x (t ) = 15 exp(−10 3 | t |) . Consideremos el espectro de la Fig. entonces Sx(f) reemplaza a |X(f)|2 en las expresiones anteriores.213) 2 0 | X(f )| df Si x(t) está caracterizada mediante su densidad espectral de potencia Sx(f). 5.10. entonces ∫ F %= ∫ s 3f2 / 2 fs / 2 fs / 2 | X(f )|2 df 100 (5. el factor de solapamiento es del 7. El área rayada representa entonces la pérdida de señal producida por la limitación de banda debida al filtro.403%. x(t) = 10exp(-104 t ) . MODULACION Y TRANSMISION DE IMPULSOS 5. (5. donde X(f) es el espectro de la señal de información x(t). 2. Utilizando (5. Vamos a cuantificar la distorsión de solapamiento definiéndola como “la relación entre la energía de los espectros adyacentes reflejada sobre la gama de baja frecuencia y la energía de la señal dentro de esa gama”.

101. (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. por ejemplo. (a) Si h (t ) = cos( T f πt 1 1 ) para | t| ≤ s .101. se puede cuantificar la Distorsión de Interpolación. x(t) f s es la frecuencia de Nyquist de x(t). (b) Calcule el espectro de la señal muestreada y dibújelo en el intervalo (-140 kHz. donde x(t) es una señal pasabajo de banda limitada fm . con Ts = = f s 3f m 5.102. En el muestreo con retención se utiliza un filtro de orden cero dado por (5. MODULACION Y TRANSMISION DE IMPULSOS 5. f s = 1 / Ts = 2f m . donde δ Ts (t ) Fig.25x10 −4 ) cos(1. Sea el sistema de la Fig.12. sin embargo. (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 ]. 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. demuestre. h(t) puede tener cualquier perfil. demuestre que el factor de distorsión de interpolación producido por un filtro pasabajo RC es del 27. 5. donde f m = 1 / 2πRC y f s = 3f m . (a) Demuestre que la frecuencia mínima de muestreo es de 35 kHz y diga las características del filtro necesario para recobrar la señal. a partir de la Fig.94x10 5 πt ) . 5. 140 kHz) 5. Igualmente que en los dos problemas anteriores.430 V.13.16. Sea el sistema mostrado en la Fig. calcule y Ts 2 f s 4f m 2f m dibuje X s (f ) en la forma mostrada en la Fig. donde Ts = = y X(f) = Π ( ) . 1 1 (b) Repita cuando h ( t ) = Λ ( 2f m t ).215) 0 Si x ( t ) = 2f m sin c(2f m t ) . 5. 5.842%. 5. Sea la señal x (t ) = 8sinc 2 ( t 1.16.25).102. Dibuje el espectro Y(f) x (t ) = 2 f m sinc(2f m t ) 5.15. Si se considera solamente la energía de los espectros adyacentes que pasa a la salida. donde x(t) es una señal pasabajo de banda limitada fm.11. 5.14. 5.

(b) Considerando la geometría de la señal vd (t). Vp = βm [Vu + | min m(t)|-A] βm − 2 donde β m > 2 . 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 . grafique el espectro de xi (t). entonces So / N o π 2 B 3 π 2 3 = ( ) = βm 24 f m 24 Si / N i (5. 5. 5. y que su período es Ts = 3 ms . 5.70). En un sistema PDM se observa que el ancho de los impulsos viene dado por la expresión τ (t ) = 10 −3 [1 + 0. Fig.29 y 5. 5.4 se calculó la ganancia de conversión en PPM suponiendo que los impulsos tenían forma trapezoidal. Suponga que |min m(t)|= A / 2 .20.216) (5. demuestre que cuando los impulsos tienen la forma de ⎧ A⎡ 2πt ⎤ t ⎫ coseno elevado ⎨p(t ) = ⎢1 + cos( ) Π ( )⎬ .69) y (5. (c) Si la banda de paso del filtro está entre 3f m y 5f m . y su ganancia es unitaria. Fig.3. demuestre que B MIN ≈ 2 f m Vp Vp + A − | min m(t)|-Vu = β m f m . PDM y PPM. MODULACION Y TRANSMISION DE IMPULSOS (b) Si x (t ) = sinc 2 (f m t ) . A. podemos ver que el comportamiento del sistema PPM que utiliza impulsos en coseno elevado es superior en 8. La señal m(t ) = 10 cos 2 (5x10 3 πt ) se va a modular en PAM.70).18. 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 relación de trabajo del tren de impulsos sin modular es de 0. Utilizando el mismo procedimiento.30.18 dB al que utiliza impulsos trapezoidales. es el factor de expansión del ancho de banda.23. La señal m( t ) = 10sinc(10 4 t ) se va a modular en PDM en la forma mostrada en la Fig. 5.17.425 seg (a) Determine los valores apropiados de los parámetros Ts .2172 para t = 1. 5. 3 Demuestre que el ancho de banda mínimo para transmitir la señal PDM es de 2 kHz.19. y expresiones (5. En la Sección 5.23. Vp y Vu .431 V.5 cos( 10 3 πt )] .217) Comparando este resultado con (5. Note también que [min sinc(t)] ≈ -0.2. . 5. Determine las relaciones de expansión del ancho de banda y las ganancias de conversión correspondientes.

Su contenido espectral va desde CC hasta 500 Hz. .37 mV y que la relación de postdetección S o / N o = 48. la componente a la frecuencia fs se puede extraer de x PDM (t ) . demuestre que la resolución del cuantificador es de 31.2 kHz.432 V. Como consecuencia. (b) Si cada muestra se ha codificado en 8 impulsos PCM binarios.61.219) Obsérvese que ahora A s es constante.60). en el sistema PPM hay que transmitir también la información de temporización. La señal se va a muestrear. 5.22. (a) Demuestre que el ancho de banda mínimo del sistema PAM es de 8 kHz.21. a partir de la expresión (5. o con el circuito de la Fig. (c) Demuestre que en PAM se cumple que As = 2A sen(πτf s ) π (5. (a) Demuestre. Una señal de audio tiene una frecuencia máxima de 3. Si el voltaje máximo de salida del cuantificador es de ± 8V . por lo tanto. Esta señal se muestrea a 8000 muestras por segundo y los impulsos resultantes se transmiten tanto en PAM como en PCM. la información de temporización no puede extraerse de x PPM (t ) . (b) Demuestre en la misma forma en PDM que la amplitud de la componente a la frecuencia de portadora f s es. MODULACION Y TRANSMISION DE IMPULSOS 5. de (5. Esto quiere decir que si m' (t ) ≠ 0 . Esto se puede efectuar mediante un filtro pasabanda muy angosto centrado en fs . As = 2A J o (πτ 1 f s ) sen(πτ o f s ) π (5. (a) Demuestre que el número mínimo de muestras que hay que tomar y almacenar para el caso de una eventual reconstrucción de la señal es de 60000 muestras.23. 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 ) (5.220) Se aplican las mismas observaciones que en la parte (b). 5.53). demuestre que la capacidad de la memoria para almacenar la señal PCM debe ser. (b) En el sistema PCM los impulsos PAM se cuantifican con un cuantificador bipolar de 32 niveles.218) Obsérvese que la amplitud As varía en el tiempo en función de la derivada de la señal mensaje. (c) Repita la parte (b) cuando el cuantificador tiene 256 niveles. como mínimo. convertir en PCM binario y almacenar en la memoria de una computadora. Nótese que el ancho de banda en PCM es 5 veces mayor que el ancho de banda en PAM. Una señal analógica tiene una duración de 1 minuto. ambos NRZ. Demuestre que el ancho de banda del sistema PCM es de 40 kHz. de 60 kbytes.16 dB . 5.

(c) Si la señal PAM se codifica (forma unipolar) en PCM de 32 niveles y resolución 0. 5. MODULACION Y TRANSMISION DE IMPULSOS 5.761 dB. dibuje la señal PCM entre 0 y 75 µseg .433 V. A un modulador Delta se le aplica la señal m(t ) = sen(2πx10 3 t ) . Demuestre que el valor óptimo teórico de la amplitud del escalón ∆r es de 0. ⎡S ⎤ Grafique ⎢ o ⎥ ⎢ ⎥ ⎣ N q ⎦ PCM ( dB) Discuta los resultados. todas de banda limitada f m se muestrean instantáneamente y se multiplexan en TDM.099 dB en ambos sistemas. Por consiguiente. con escalones de 10 mV de amplitud. y calcule su ancho de banda. La señal m(t ) = 5 + 20 cos 2 (10 4 πt ) se quiere modular en PAM (RZ) con una relación de trabajo de 0. y ⎡ So ⎤ vs ⎢ ⎥ ⎢ ⎥ ⎣ N q ⎦ DM ( dB) βm . m(t) y x ∆ ( t ) en la forma mostrada en la Fig. y determine los valores de x PAM (t ) para t = Ts y t = 2Ts . el ancho de banda en DM es 32. demuestre que BPCM = 10f m y BDM = 328. siendo la frecuencia de muestreo igual a 64 kHz.2. (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. La señal multiplexada compuesta se pasa por un filtro pasabajo ideal antes de la transmisión.5 V. (b) Dibuje con cuidado la señal PAM entre 0 ≤ t ≤ 130 µseg.47(b). Si la relación Señal / Ruido de Cuantificación es de 30. siendo RT el ciclo de trabajo de la señal PAM/TDM [Resp. 5. 5. 5. (a) Dibuje cuidadosamente las señales m(t ). El muestreo se efectúa al doble de la frecuencia de Nyquist.25.92 dB.28. La señal m(t ) = 0. (b) Repita (a) si las M señales se multiplexan en la forma mostrada en la Fig.17f m . (a) Demuestre que el factor de expansión del ancho de banda es igual a 20.16 Hz.: B = 2Mfm/RT] (c) Haga un diagrama de bloques del receptor para recuperar las M señales individuales. Se quiere comparar los sistemas PCM y DM mediante el factor de expansión del ancho de banda β m = B / f m .8 veces el ancho de banda en PCM.27. Se desea comparar los anchos de banda de transmisión requeridos en PCM y DM en el caso de modulación sinusoidal. en las condiciones dadas.42.05 ⋅ [1 − cos(10πt )] se aplica a un modulador Delta cuya frecuencia de muestreo es de 100 Hz. la cual es producida por una frecuencia de muestreo de 314.24.09817 y que la correspondiente relación So/No es de 21.29. entre t = 0 y t = 100 ms. 5.26. Determine también la ganancia de conversión en el receptor. (b) Demuestre que la relación So/No máxima es de 21. M señales pasabajo. 5. 5.

Vqmax .30. cuya salida ABCD se muestra en la Tabla inserta. 5. Fig. 5. N y n .9. 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.103. 5. m 3 (t ) = A ⎢ Λ ( τ/2 τ τ/4 τ/4 ⎥ ⎦ ⎣ . (c) Grafique la forma de las secuencias PCM NRZ correspondientes a t = 0 y t = Ts. la cual se transforma en serie mediante un registro de desplazamiento. El impulso de arranque tiene la misma duración que los impulsos PCM NRZ. 5. (b) En el registro de desplazamiento se agrega un impulso de arranque (siempre a “CERO”) y uno de pare (siempre a “UNO”). m 2 (t ) = AΠ ( ). ).1957% del valor máximo de m(t).434 V.31. MODULACION Y TRANSMISION DE IMPULSOS (d) La señal PAM/TDM compuesta se codifica en ASCII sin bit de paridad. En este caso determine la frecuencia de reloj del registro de desplazamiento y el ancho de banda mínimo de la señal transmitida. Este multiplexor se puede instrumentar en la práctica con circuitos integrados 4016. En la Fig. (a) Determine las características del convertidor analógico-digital: Sugerencia: utilice los resultados del Ejemplo 5. Al multiplexor entran las siguientes señales: m1 (t ) = AΛ ( t−τ/2 t−τ/2 t − 3τ / 4 ⎤ ⎡ t−τ/4 ) + Λ( ) . Demuestre que en este caso la velocidad de modulación es Vb = 20Mf m baudios.103 se muestra un sistema TDM básico para cuatro señales. 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. Suponga que el muestreo de m(t) se ha efectuado al doble de la frecuencia de Nyquist. Las compuertas analógicas 4016 conducen cuando son activadas en secuencia mediante un contador cíclico.37(a). El error máximo tolerable en la codificación es del 0. m1 ( t ) ∆Q. 5. mientras que en los impulsos de pare la duración es el doble.

(c) Diseñe un sistema de recepción para la recuperación de las diferentes señales. . 5. m2(t). y un multiplexaje final de m12(t). m3(t) y m4(t). m3(t) y m4(t). Diseñe un sistema PAM / TDM que efectúe un multiplexaje preliminar de m1(t) y m2(t) en una señal compuesta m12(t). código ASCII sin bit de paridad (Fig. ¿Es diferente del ancho de banda de cuando se transmite sólo 2 señales de 80 Hz más las dos señales de 1 kHz? Explique. (a) Demuestre que la frecuencia de muestreo para el proceso previo de m1(t) y m2(t) es de 300 Hz. (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. dibuje la forma de la señal PAM / TDM NRZ a la entrada del codificador PCM desde t = 0 hasta t = 4 Ts . MODULACION Y TRANSMISION DE IMPULSOS 2πt A t−τ/2 [1 + cos( )] ⋅ Π ( ). 5. (e) Calcule el ancho de banda mínimo del canal para transmitir la señal PCM / TDM NRZ. (a) Demuestre que el ancho de banda mínimo del canal para transmitir la señal PCM es de 800 kHz.4.435 V. (b) Demuestre que el sistema de dos etapas puede procesar hasta 8 señales de 80 Hz sin variar las frecuencias de muestreo. dibuje la forma de la señal PCM / TDM NRZ a la salida del codificador PCM desde t = 0 hasta t = 2Ts . Las señales m1(t) y m2(t) tienen un ancho de banda de 80 Hz.32. 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. Las señales m1 (t ) = 5 cos(10 4 πt ) . (b) Demuestre que la cantidad de información que el sistema puede transmitir en 1 minuto es de 3. Suponga que las otras frecuencias de muestreo se pueden obtener mediante división por potencias de 2 a partir de 2400 Hz.14(b)).100 del problema anterior. y a continuación la señal PAM / TDM se codifica en PCM. La frecuencia de muestreo para m3(t) y m4(t) es de 2400 Hz.8 seg y que la frecuencia f s es τ 2 τ de 10 Hz. (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. (b) Si A = 1. En un sistema de telemetría PAM / TDM se multiplexan cuatro señales pasabajo m1(t). se multiplexan en TDM en la forma mostrada en la Fig. m 3 (t ) = 10sinc 2 (10 4 t ) y m 4 (t ) = 20 cos(10 πt ) cos(2x10 πt ) .36x107 bits. 4 3 m 2 (t ) = 10sinc(10 4 t ) . Suponga que τ = 0. m 4 (t ) = (a) Describa el funcionamiento del circuito completo.33.

105 se aplica a un filtro acoplado. El ruido de entrada tiene una densidad espectral de potencia S n (f ) .751 dB . Vamos a comparar el comportamiento entre un filtro pasabajo RC y un filtro acoplado. MODULACION Y TRANSMISION DE IMPULSOS 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 ( ) . T (b) Si A = 10.34.36. T = 1 seg. 5.105.134). demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. El ruido de entrada es blanco de densidad espectral η/2 y k = η/2. 5. (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. (b) Si A = 10.436 V. (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. T donde k es la constante de la expresión (5.104. La señal de entrada a un filtro acoplado tiene la forma mostrada en la Fig. 5. Se desea construir una red lineal que convierta impulsos rectangulares en impulsos coseno t elevado. La t −T/2 señal de entrada es un impulso de la forma v( t ) = AΠ ( ) . 5. demuestre que la relación S/N máxima a la salida del filtro acoplado es z max = 78. T = 1 seg.37.35. El impulso coseno elevado de la Fig. η = 10-6 W/Hz.104. 5. es decir. Demuestre que la función de transferencia de esta red es 2 τ τ 1 1 1 H (f ) = para |f|< 2 2 2 1− τ f τ 5. 5.239 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 ⎣ ⎦ ⎣ ⎦ . el ruido es blanco con η = 10-6 W/Hz y k = η/2. el ruido es blanco de T densidad espectral η/2 y k = η/2.

A = 10. Se transmite datos binarios por un canal de RF.147) y Fig.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. para los mismos valores de la parte (c). La velocidad de información es de 4. (a) Demuestre que las probabilidades de error son: En ASK Coherente: En ASK no Coherente: Pe = 1. centrado en f c .19.39. la probabilidad de error será de 1. La relación S/N máxima en el canal es de 6. Sugerencia: utilice el mismo procedimiento del Ejemplo 1. Se considera ASK Coherente.0306x10-10 . es z max = 83.969 dB. (b) Demuestre que si la velocidad de información se reduce a 300 bps. 5. es el 95% de la potencia total de la señal ASK.01 dB . (a) Demuestre que la potencia contenida dentro del ancho de banda B = 2 f b . En la expresión (5.437 V.38.62. 5. en dB. RC = 10 y η = 10-6 W/Hz.0206 dB. (a) Demuestre que la velocidad de información máxima en el canal es de 1500 bps y que la probabilidad de error es de 2. Sobre un canal telefónico de 3 kHz de ancho de banda se transmite datos binarios. 5. (b) Demuestre que el 50% de la potencia total de la señal ASK se va en transmitir la componente continua o portadora.1068x10−6 (b) Demuestre que el valor.339x10-3 . se da la densidad espectral de potencia de una señal ASK para una secuencia binaria unipolar NRZ.40. demuestre que la relación S/N máxima a la salida del filtro RC es z max = | v o ( T ) |2 = 75. Nótese la superioridad del filtro acoplado: en las mismas condiciones que el filtro RC. su relación S/N máxima de salida es superior en 7. 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. . de la relación S/N en la antena es de 10.8 Mbps y se utiliza modulación ASK. El ancho de banda útil del canal es de 10 MHz. 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. 5.672 x10 −7 Pe = 1.42 dB.

158x10-3 Ancho de banda del filtro de entrada.21. determine la amplitud de la portadora y la probabilidad de error en ASK.41.18. la velocidad de transmisión de 1200 bps y la densidad espectral de 10-10 W/Hz.. Repita para este Módem Bell los cálculos efectuados en el Ejemplo 5. 5. (b) Se utiliza las técnicas FSK y PSK. 5. demuestre que las probabilidades de error son: En FSK Coherente: En PSK Coherente: Pe = 2. (a) Demuestre que la capacidad teórica máxima del canal es C = 9667 bps. (a) Demuestre que para una misma probabilidad de error Pe y en modulación coherente. FSK y PSK Coherentes. Demuestre los siguientes resultados: frecuencia de portadora. El ancho de banda útil del canal es de 3 kHz.44. La potencia de ruido en los tres sistemas es la misma.339x10-3 Pe = 9. f1 = 2025 Hz y fo = 2225 Hz. (c) Para la velocidad de información calculada en (b).42. MODULACION Y TRANSMISION DE IMPULSOS 5. f1 = 1070 Hz y fo = 1270 Hz. ⎡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. Sea los sistemas ASK. B = 1200 Hz.882x10-9 . Sobre un canal se transmite datos binarios en FSK. igual que el Módem UIT-T V. y en la banda superior.229x10-5 Pe = 3.5 mV y la densidad espectral de ruido en el sistema es de 10-11 W/Hz. La relación S/N en el canal es de 6. Demuestre que la velocidad de información máxima que el canal puede soportar es de 1500 bps.43.438 V.0206 dB. Las frecuencias de transmisión son f1 = 1500 Hz y fo = 2100 Hz. Probabilidad de error en FSK Coherente: Probabilidad de error en FSK no Coherente: desviación de frecuencia. fd = 300 Hz Pe = 2. 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. 5. fc = 1800 Hz. Compare los resultados. parte (b). Un canal ideal tiene un ancho de banda útil de 3 kHz. Se utiliza un modem que trabaja a una velocidad de modulación de 300 baudios. La amplitud de la portadora es 0. pero sus frecuencias de operación son: en la banda inferior. de amplitud de portadora A y frecuencia de señalización fb. FSK y PSK. El Módem Bell 102/113 transmite a 300 bps.

No Coherente: Pe = 6. Q A B fb clk FF D C Entrada Salida C = A⋅ B+ A B Fig. Suponga que el primer dígito es un “0” y que la fase correspondiente es 0o . 5. 5. 5.767x10-2 (d) Demuestre que la capacidad teórica máxima de este canal es C = 3170 bps. 5. (b) Repita (a) si el primer dígito es un “1” y la fase es 0o. f1 = 1100 Hz.275x10-2. 5.439 V.108. 5. (c) Demuestre que las probabilidades de error en FSK Coherente y no Coherente son: Coherente: Pe = 2. 5. H(f) 1 f -2800 -800 0 800 2800 Fig. 5.45. Determine la secuencia de salida (mensaje codificado) del codificador y las fases de la señal modulada DPSK.73 se le aplica una secuencia binaria de la forma 1101000110. En la Fig. construya una Tabla de valores como la mostrada en la Fig.107.01 dB y la densidad espectral de potencia del ruido de 2x10-10 W/Hz. 5. En la Fig.106. Al codificador diferencial de la Fig. x PSK (t ) Filtro Pasabanda Elevador al Cuadrado Filtro Pasabanda Divisor de Frecuencia Filtro Pasabajo v d (t ) tn Vu Sincronizador de Portadora "1" "0" 2f c ÷2 Fig. La relación S/N en el canal es igual a 3. . Se dispone de un canal cuya respuesta de frecuencia se muestra en la Fig. 5. (a) Utilizando los mismos datos del problema anterior. fo = 2500 Hz (b) Demuestre que la amplitud de la portadora es de 0.108 se muestra el diagrama de bloques de un receptor PSK binario. MODULACION Y TRANSMISION DE IMPULSOS 5.106.46.107 se muestra otra forma de codificador diferencial. Hz (a) Demuestre que los valores apropiados de la frecuencia de portadora y de las frecuencias fo y f1 son: fc = 1800 Hz.98 mV.47.48.75. y por el cual se va a transmitir información binaria a 300 baudios en FSK. 5. No se muestra el sincronizador de temporización.

(d) Si la transmisión se hace en FSK binaria con una desviación de frecuencia de 40 kHz y una frecuencia de portadora de 1.496x109 Hz.51. Demuestre que las frecuencias de operación y el ancho de banda de transmisión son: f1 = 1. Tabule y compare los resultados. todos de igual duración. En la Fig. respectivamente.109 se muestra un receptor FSK. PSK. Demuestre que el ancho de banda mínimo del canal es de 128 kHz.079x10-8 W . tanto coherente como no coherente. La señal de entrada vc (t) se puede escribir en la forma v c (t ) = A c cos[2π (f c ± f d )t ] .038x10-8? El ancho de banda del canal es el calculado en (d) y la detección es no coherente [Resp. centrados en las frecuencias fI1 y fI0 . (c) Para la transmisión se utiliza modulación PSK binaria. así como las correspondientes relaciones S/N. 5.: A2 = 7.309 dB] 5. 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. ¿Cuál será la potencia pico de la señal recibida FSK y la relación S/N correspondiente si la probabilidad de error es de 2.216x10-5 . Los filtros FI 1 y FI 0 son pasabanda. cuando se opera sobre un canal de 3 kHz de ancho de banda. (b) Si las secuencias son PCM NRZ demuestre que el ancho de banda de base es de 64 kHz. en ASK. como veremos en el Capítulo VI. En el Capítulo VI estudiaremos este concepto con más detalle. Si/Ni = 12. Una señal de voz se va a transmitir en PCM por microondas. a una velocidad de 1000 bps. en un intervalo Tb dado. y DPSK. y las frecuencias de transmisión son: f1 = 1300 Hz. viene dado A3 por v d (t) = cos( φ i ) 4 (b) Establezca un algoritmo de decisión apropiado para el comparador.50.504x109 Hz. donde fI0 > fI1 . 5. “ “ “ “ “0” . 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.440 V. Calcule las potencias pico y promedio de la señal. cuando se transmite un “1” fo = 1700 Hz. con una densidad espectral de ruido de 2x10-10 W/Hz y una probabilidad de error de 3. 5. MODULACION Y TRANSMISION DE IMPULSOS Suponga que x PSK ( t ) = A cos(2 πfc t − φ i ) . FSK.49. f0 = 1. Un receptor de este tipo se denomina “receptor heterodino”. (a) Demuestre que la velocidad de información de las secuencias PCM es de 56 kbps. Bc = 208 kHz (e) La densidad espectral de ruido en el canal es de 10-14 W/Hz. (a) Demuestre que el voltaje de entrada al comparador.5 GHz.

el sistema DPSK M-ario requiere un aumento de 3 dB de potencia sobre el requerido para PSK M-ario. . Analice el sistema y determine los valores apropiados de las frecuencias fI1 .6297 para erfc(x2 ) = 10-4 → x2 ≈ 2. fI0 y fo . entonces PMDPSK → 2 ⋅ PMPSK . demuestre que PMDPSK = 1 sen 2 (π / M ) PMPSK 2 sen 2 (π / 2M ) (b) Verifique que si M >> 1. Sea PMPSK la potencia de señal en PSK M-ario y PMDPSK la correspondiente en DPSK Mario . sujeto a las condiciones siguientes: 1.52. es decir. donde fc es la frecuencia de portadora 2 1 kHz < (fI0 . (b) Sea PB la potencia de señal en binario y PM la correspondiente en M-ario. (a) Sea BB el ancho de banda en binario y BM el correspondiente en M-ario. Relaciones entre PSK M-ario y DPSK M-ario.53.441 V. Que 2. (a) Para una probabilidad de error Pe cualquiera. 5. Demuestre que B B = B M log 2 M . Relaciones entre PSK M-ario y PSK Binario. 109. Que f I 0 + f I1 = f c .751 5. 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. Demuestre que PM = π [log 2 M]sen 2 ( ) M 1.094 ⋅ PB cuando Pe = 10-4 Nota: para erfc(x1 ) = 2x10-4 → x1 ≈ 2.fI1 ) < 2 kHz 5.

(a) Dibuje el Diagrama de Fresnel correspondiente.021 dB. Haga el dibujo con cuidado para poder distinguir los cambios de fase. 011 → φ 4 = 135 o 100 → φ 5 = −90 o .795x10-7.5f s . donde f s = f b / log 2 M .. (a) Dibuje el Diagrama de Fresnel correspondiente.041x10-23 y que la relación S/N ha aumentado en 6. 01 → φ 2 = 90 o . 5. utilice los valores aproximados de la Fig. 2. La secuencia binaria de entrada a un modulador DPSK 4-ario tiene una velocidad de modulación de 1200 baudios. 101 → φ 6 = −45 o . 110 → φ 7 = −135 o . MODULACION Y TRANSMISION DE IMPULSOS 5. (c) Si la amplitud de la portadora aumenta al doble. . La probabilidad de error debe ser de 10-5.86. el ancho de banda del canal de 3 kHz. 5.208 dB y que la probabilidad de error es Pe = 7. siendo fb la frecuencia de señalización a la entrada del modulador. En ⎣ N ⎦ PSK ⎣ N ⎦ FSK PSK hacer B c = 2 f s y en FSK. 3. 11 → φ 3 = 180 o . ángulos de desfase en la forma siguiente: 00 → φ 1 = 0 o .. está trabajando. M. La velocidad de información de la secuencia binaria de entrada a un modulador PSK 8-ario es de 4800 bps. (b) Demuestre que la relación S/N en el canal es de 9. demuestre que la nueva probabilidad de error es Pe = 5. para i = 1.294x10-4 .893 mV y que la probabilidad de error es Pe = 9. (b) Dibuje la señal PSK 8-aria de salida cuando la secuencia de entrada al modulador es de la forma 001010111100.56. . 10 → φ 4 = 270 o La frecuencia de portadora es de 1800 Hz.442 V. 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 . 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. 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 . 010 → φ 3 = 90 o . Si se considera la señal FSK M-aria como si estuviera formada por M señales de frecuen